Prédiction de données différenciée pour les Smart Grids

La transformation des reseaux electriques existants en Smart Grids (SGs) ambitionne d'en faciliter l'automatisation pour une meilleure qualite de service tout en y facilitant l'integration de sources d'energies renouvelables. Cette evolution vers un reseau electrique plus intelligent necessite de pouvoir transmettre en temps reel un maximum de donnees sur l'usage du reseau. Un reseau de capteurs sans fil (WSN) dissemines a travers le reseau electrique est une solution prometteuse vu les couts reduits et la facilite du deploiement de tels reseaux. Ces avantages se heurtent avec les liens radios instables et les ressources limitees des WSNs. Afin de reduire la quantite de donnees envoyee sur le reseau, et donc de reduire la consommation energetique, la prediction des donnees est une solution efficace. Cette derniere consiste en une estimation des valeurs mesurees permettant de ne pas envoyer les donnees brutes lorsque l'estimation s'avere correcte. Ce papier presente un travail en cours qui consiste a utiliser les time series estimation avec l'algorithme Least Mean Square pour la prediction des donnees dans un WSN applique aux SGs, tout en considerant les differents types de donnees et trafics des SGs. Les premiers resultats de simulation numerique presentent une meilleure prediction de donnees tout en minimisant l'erreur quadratique moyenne en se comparant avec une solution de l'etat de l'art.