Méthodes Bayésiennes pour la prévision de consommation d’électricité

Dans ce manuscrit, nous developpons des outils de statistique bayesienne pour la prevision de consommation d’electricite en France. Nous prouvons tout d’abord la normalite asymptotique de la loi a posteriori (theoreme de Bernstein-von Mises) pour le modele lineaire par morceaux de part chauffage et la consistance de l’estimateur de Bayes. Nous decrivons ensuite la construction d’une loi a priori informative afin d’ameliorer la qualite des previsions d’un modele de grande dimension en situation d’historique court. A partir de deux exemples impliquant les clients non telereleves de EDF, nous montrons notamment que la methode proposee permet de rendre l’evaluation du modele plus robuste vis-a-vis du manque de donnees. Nous proposons enfin un nouveau modele dynamique, non-lineaire, pour prevoir la consommation d’electricite en ligne. Nous construisons un algorithme de filtrage particulaire afin d’estimer ce modele et comparons les previsions obtenues aux previsions operationnelles utilisees au sein d’EDF.