(Encadrant : Yassine Abdelouadoud (Centre PERSEE ))
Dans un contexte mondial marqué par l’urgence climatique, la planification et la gestion des ressources énergétiques est devenue une priorité. La maîtrise de l’évolution future des consommations d’électricité et de gaz, notamment du fait d’une électrification croissante des usages, est un enjeu crucial pour la réussite de la transition énergétique. La compréhension des dynamiques de consommation à l’échelle locale, ainsi que la manière dont ces consommations s’articulent avec les réseaux de distribution d’énergie, est essentielle pour élaborer des stratégies de réduction de l’empreinte carbone qui pourront réellement être appliquées.
La mise en perspective des données locales de consommation d’électricité et de gaz avec les tracés des réseaux de distribution d’énergie offre une opportunité inédite d’identifier les caractéristiques structurantes des territoires vis à vis de la transition énergétique. Ces analyses permettent de mieux comprendre les disparités territoriales en matière de consommation, de déploiement des réseaux de distribution, et d’envisager des solutions adaptées aux spécificités locales.
Ce projet se situe au carrefour des sciences de l’ingénieur, de la géographie et des politiques publiques. Il s’appuie sur une ressource précieuse : l’ouverture des données énergétiques. Grâce à la mise en open data des informations relatives aux consommations d’énergie et aux infrastructures de distribution, il devient possible de mener des études détaillées et pertinentes à l’échelle locale. Ce projet propose ainsi de croiser ces données pour identifier les territoires présentant les conditions les plus favorables pour l’électrification des usages, évaluer la pertinence du maintien de la desserte par le réseau de distribution de gaz et ainsi contribuer aux débats sur les orientations à donner à la transition énergétique.
L’objectif initial est de rassembler toutes les données nécessaires à l’étude. Il s’agira de collecter :
Les données de consommation d’électricité et de gaz à l’échelle IRIS.
Les données géographiques des tracés des réseaux de distribution d’électricité et de gaz, incluant les informations sur la localisation des infrastructures telles que les postes de transformation et les lignes
Les données complémentaires pertinentes, telles que les données météorologiques ou les caractéristiques socio-économiques des zones étudiées, afin de contextualiser les analyses. Il est notamment conseillé d’avoir recours à la nouvelle définition de la ruralité proposée par l’INSEE en 2021.
Une fois les données collectées, elles devront être nettoyées et préparées pour l’analyse :
manquantes, des doublons, et des anomalies dans les ensembles de données.
sources de données, harmonisation des formats, et géoréférencement des données pour permettre leur exploitation conjointe.
agrégation de données pour répondre aux besoins spécifiques de l’analyse (par exemple, calcul des consommations moyennes par habitant ou par mètre carré).
Cette étape vise à découvrir les tendances, les corrélations et les caractéristiques importantes des données :
telles que Matplotlib et Seaborn pour créer des cartes thermiques, des graphiques de distribution, et d’autres visualisations qui révèlent des motifs intéressants.
la consommation d’énergie et la densité des infrastructures du réseau, ainsi qu’avec d’autres variables contextuelles.
identifier des regroupements naturels dans les données, par exemple, des zones de consommation similaire.
L’étape suivante consistera à construire des modèles statistiques pour mieux comprendre et prédire les relations entre les différentes variables :
consommation d’énergie et les variables explicatives pour quantifier l’impact de chaque facteur.
réseaux (comme les modèles spatiaux) pour analyser comment la topologie des réseaux de distribution influence la consommation. On pourra notamment s’intéresser au caractère bouclé ou non des réseaux.
à l’aide de méthodes de validation croisée et d’autres métriques pertinentes.
Enfin, les résultats obtenus devront être interprétés pour en tirer des conclusions utiles :
modèles et des visualisations pour comprendre les dynamiques sous-jacentes.
les gestionnaires des réseaux de distribution et les décideurs locaux
proposition d’axes de recherche futurs pour approfondir l’analyse.
Présenter les résultats sous forme d’un poster, incluant des graphiques et des visualisations générés avec Python.
Ce projet, réalisé en Python, permettra d’acquérir une expérience concrète en manipulation de données open data, en analyse statistique avancée, et en modélisation géospatiale, tout en contribuant à un enjeu crucial de notre époque : la transition énergétique.