Nudging la consommation d'électricité dans les ménages : Un cas d'étude du secteur résidentiel français

Nudging electricity consumption in households : A case study of french residential sector

• Auteur / Autrice : Muhammad Salman Shahid
• Direction : Benoit Delinchant, Béatrice Roussillon, Daniel Llerena, Frédéric Wurtz
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 07/04/2022
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de génie électrique (Grenoble) - G2Elab-Modèles, Méthodes et Méthodologies Appliqués au Génie Electrique (G2Elab-MAGE)
• Jury : Président / Présidente : Yvon Bésanger
• Jury : Examinateurs / Examinatrices : Jérôme Ledreau, Stéphan Marette
• Jury : Rapporteurs / Rapporteuses : Romain Bourdais, Sandrine Selosse

Mots clés

Mots clés contrôlés

Économie expérimentale

Algorithmes

Habitations individuelles

Électricité -- Consommation

Mots clés libres

Economie Expérimentale

Flexibilité d'énergie Indirecte

Secteur Résidentiel

Nudge

Nilm

Courbe de Charge de Référence

Experimental Economics

Indirect Energy Flexibility

Residential Sector

Nudge

Nilm

Reference Load Curve

Résumé

La transition énergétique vers les sources d'énergie renouvelables et la production distribuée est essentielle pour atténuer le changement climatique. Cependant, les sources d'énergie renouvelables sont intermittentes, ce qui peut entraîner à l'avenir une congestion du réseau lors des pics de consommation. Par conséquent, la flexibilité d’énergie est inévitable en complément de la gestion de l'offre d’énergie et du stockage de l'énergie. Le secteur résidentiel est le plus gros consommateur d'énergie et il est donc essentiel de mettre en œuvre la flexibilité énergétique. En plus des approches existantes de la flexibilité énergétique, nous présentons dans cette thèse une flexibilité "indirecte" non monétaire par la mise en œuvre d'une expérience de science comportementale avec 175 ménages français. L'ensemble des nudges utilisés dans cette expérience n'oblige pas les ménages participants à mettre en œuvre la flexibilité énergétique pour des raisons de gain monétaire ou d'aversion aux pertes. Les alertes sont générées par des algorithmes prédictifs et envoyées par SMS à un groupe de ménages dans le but d'effectuer un décalage d’énergie ou effacement d’énergie. Les alertes sont complétées par des suggestions sur l'utilisation (ou non) d'appareils engagés pour mettre en œuvre la flexibilité énergétique. Après chaque alerte, le groupe reçoit un retour graphique dans lequel la courbe de charge mesurée par le compteur intelligent LINKY est superposée à une courbe de référence théorique propre à chaque ménage. En comparaison avec un groupe de contrôle, nous pouvons quantifier l'impact de ces signaux de nudge sur la consommation d'énergie du groupe traité. Enfin, un algorithme de désagrégation énergétique est présenté qui nous permettra de détecter les équipements utilisés lors de la flexibilité et ainsi faire une analyse de l'engagement des ménages à rechercher des appareils potentiels pour la flexibilité énergétique.

The energy transition towards renewable energy sources and distributed generation is essential to mitigate climate change. However, the renewable energy sources are intermittent in nature, and therefore it may cause network congestion during peak consumption in future. Therefore, demand side energy flexibility is inevitable in complement to the supply side management and energy storage. The residential sector is the largest energy consumer and is therefore essential to implement demand-side energy flexibility. In addition to the existing approaches of energy flexibility, we present in this thesis a non-monetary “indirect" flexibility through the implementation of a behavioral science experiment with 175 French households. The set of nudges used in this experiment does not oblige the participating households to implement energy flexibility for either monetary gain or loss aversion. Nudge alerts are generated by predictive algorithms and sent by SMS to a group of households with the aim of carrying out either load shifting or load shedding. The nudge alerts are complemented with the suggestions about using (or not using) committed appliances to implement energy flexibility. After each alert, the group receives graphical feedback in which the load curve measured by LINKY smart meter is superposed by a theoretical reference curve specific to each household. In comparison to a control group, we can quantify the impact of these nudge signals on the energy consumption of the treated group. Finally, an energy disaggregation algorithm is presented that will allow us to detect the equipment used during the flexibility and thus will do an analysis of the commitment of households to look for potential appliances for energy flexibility.