Prédiction de l'activité humaine afin de réduire la consommation électrique de l'habitat

Nous presentons dans cet article un mecanisme d’apprentissage du comportement des appareils electriques dans le contexte d’une maison intelligente. L’objectif de ce mecanisme est de reduire la consommation d’energie des appareils a effet differe (par exemple le chauffage) tout en maximisant le confort des habitants. Notre approche utilise un modele predictif de l’activite d’une famille au sein de son logement. Ce modele est construit a partir des informations locales percues par les appareils electriques. Apres avoir presente en detail notre mecanisme, nous procedons a l’evaluation de celui-ci au sein de la plateforme de simulation SMACH. La qualite du modele predictif est evaluee par sa capacite a prevoir les deplacements d’une famille sur differents intervalles de temps. La strategie apprise par les appareils electrique est quant-a-elle comparee au sein du simulateur a la strategie proposee par notre partenaire EDF. Les resultats obtenus, bien que preliminaires, indiquent que notre approche est a meme de reduire la consommation electrique tout en maintenant un bon niveau de confort des habitants.

[1]  Richard S. Sutton,et al.  Reinforcement Learning: An Introduction , 1998, IEEE Trans. Neural Networks.

[2]  Paul Davidsson,et al.  Distributed monitoring and control of office buildings by embedded agents , 2005, Inf. Sci..

[3]  Norbert Noury,et al.  Application des SVM à la classification des Activités de la Vie Quotidienne d'une personne à partir des capteurs d'un Habitat Intelligent pour la Santé , 2009 .

[4]  Norman I. Badler,et al.  Controlling individual agents in high-density crowd simulation , 2007, SCA '07.

[5]  Kyung-Whan Oh,et al.  Human Behavior Analysis for Human-Robot Interaction in Indoor Environments , 2007, Australian Conference on Artificial Intelligence.

[6]  A Gerodimos,et al.  Robust Discrete Optimization and its Applications , 1996, J. Oper. Res. Soc..

[7]  Stéphane Donikian,et al.  Vers une architecture pour la simulation microscopique de foule , 2007 .

[8]  Stéphane Ploix,et al.  Apport d'une approche multi-agents pour la résolution d'un problème de gestion de l'énergie dans l'habitat , 2009, JFSMA.

[9]  David C. Brogan,et al.  Group Behaviors for Systems with Significant Dynamics , 1997, Auton. Robots.

[10]  Diane J. Cook,et al.  Designing Smart Environments: A Paradigm Based on Learning and Prediction , 2005, PReMI.

[11]  Diane J. Cook,et al.  PREDIcting inhabitant action using action and task models with application to smart homes , 2004, Int. J. Artif. Intell. Tools.

[12]  Dirk Helbing,et al.  Simulating dynamical features of escape panic , 2000, Nature.