Optimisation des prévisions énergétiques à Boma: étude des algorithmes PSO et Leap-Nemo (2023-2053)

Résumé

L'optimisation de la demande énergétique est essentielle au développement durable des pays en développement, où les déséquilibres entre production et consommation sont fréquents. Dans le contexte de la commune de Boma, en République démocratique du Congo, cette étude examine les défis liés à la prévision de la consommation énergétique face aux coupures de courant récurrentes. L'objectif principal est de développer un modèle de prévision de la demande énergétique utilisant les algorithmes PSO et LEAP-Nemo afin d'optimiser la production énergétique de 2023 à 2053. La méthodologie comprend la collecte de données qualitatives et quantitatives sur les infrastructures de la Société nationale d'électricité (SNEL) et les consommateurs, ainsi qu'une analyse statistique des résultats par corrélation et tests t. Les résultats montrent que le modèle PSO tend à surestimer la demande énergétique, avec une erreur moyenne significative, tandis que le scénario BALU offre des prévisions plus réalistes et cohérentes. En conclusion, cette étude souligne l'importance d'ajuster les modèles de prévision pour en améliorer la précision et recommande l'intégration de nouvelles variables afin de mieux saisir la dynamique de la demande énergétique à Boma.