Pondération dynamique de modèles prédictifs à court terme de la charge sur le réseau électrique du Québec

Le projet vise a developper des strategies permettant de combiner plusieurs modeles d’intelligence artificielle (IA) etudies au
sein de l’ecosysteme d’intelligence artificielle de l’equipe de prevision de la demande de !’unite prevision des apports et de la demande d’Hydro-Quebec. Ces modeles combines permettront d’obtenir de meilleures predictions a court terme de la charge
sur le reseau electrique du Quebec. Un premier outil sera developpe et valide au sein de plusieurs experiences IA temps reel, en vue de permettre de qualifier en condition reelle d’exploitation les modeles IA actuels et futurs qui iront en production, ainsi que les strategies d’entrainement et de ponderation dynamique, en plus d’orienter en parallele les axes de modernisation de la production.

Faculty Supervisor:

Fabian Bastin

Student:

Partner:

Hydro-Quebec

Discipline:

Engineering

Sector:

Energy and Utilities; Technology; Green/Alternative Energy

University:

Université de Montréal

Program: