Optimisation de la Consommation d'Énergie Domestique via l'Apprentissage Automatique : Une Simulation pour Réduire les Coûts Énergétiques des Ménages - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2024

Optimisation de la Consommation d'Énergie Domestique via l'Apprentissage Automatique : Une Simulation pour Réduire les Coûts Énergétiques des Ménages

Raphael Kamdoum
  • Fonction : Auteur
  • PersonId : 1388468

Résumé

Dans cet article, nous présentons une approche innovante pour optimiser la consommation d'énergie dans nos maisons en utilisant un modèle de régression linéaire basé sur l'apprentissage automatique. En générant des données synthétiques pour simuler différents scénarios de consommation, notre modèle prédictif anticipe les besoins énergétiques et ajuste automatiquement les états des appareils électroménagers afin de maintenir la consommation dans des limites optimales. La simulation, réalisée sur une période de 24 heures, a montré une réduction moyenne de la consommation d'énergie de 15%, passant de 100 kWh à 85 kWh, tout en maintenant une précision de prédiction de 92%. Ces résultats démontrent l'efficacité du système proposé pour réaliser des économies d'énergie dans menages sans compromettre le confort des occupants. Notre étude souligne le potentiel de l'apprentissage automatique pour améliorer l'efficacité énergétique dans les Foyers transformes en maisons intelligentes. Des pistes d'amélioration incluent l'exploration d'algorithmes d'apprentissage plus complexes et l'intégration de données réelles pour affiner la stratégie d'optimisation. Ce travail ouvre la voie à de futures recherches et applications pratiques dans la gestion énergétique domestique. Abstract Abstract In this article, we present an innovative approach to optimize energy consumption in our homes using a machine learning-based linear regression model. By generating synthetic data to simulate different consumption scenarios, our predictive model anticipates energy needs and automatically adjusts the states of household appliances to maintain consumption within optimal limits. The simulation, conducted over a 24-hour period, showed an average reduction in energy consumption of 15%, decreasing from 100 kWh to 85 kWh, while maintaining a prediction accuracy of 92%. These results demonstrate the efficiency of the proposed system in achieving energy savings without compromising occupants' comfort. Our study highlights the potential of machine learning to improve energy efficiency in smart homes. Areas for improvement include exploring more complex learning algorithms and integrating real data to refine the optimization strategy. This work paves the way for future research and practical applications in home energy management.
Fichier principal
Vignette du fichier
article energy.pdf (192.18 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04598401 , version 1 (03-06-2024)

Licence

Identifiants

  • HAL Id : hal-04598401 , version 1

Citer

Raphael Kamdoum. Optimisation de la Consommation d'Énergie Domestique via l'Apprentissage Automatique : Une Simulation pour Réduire les Coûts Énergétiques des Ménages. 2024. ⟨hal-04598401⟩
12 Consultations
8 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More