Interprétabilité des modèles de prévision de la demande électrique - Approche par valeurs de Shapley

Prévoir correctement la demande d'électricité est essentiel pour garantir la sureté du système électrique. Les modèles statistiques et d'apprentissage automatique sont largement utilisés mais manquent généralement d'explicabilité.
Nous proposons une approche basée sur les valeurs de Shapley pour décomposer les prévisions de la demande d'électricité en composantes positives. Cette décomposition peut être désagrégée, avec une composante pour chaque caractéristique, ou agrégée ; avec, par exemple, deux composantes : l'une pour les effets climatiques (qui représenterait la consommation des usages sensibles aux conditions météorologiques tels que le chauffage et la climatisation) et l'autre pour les effets non climatiques (la consommation des usages électriques non sensibles aux conditions météorologiques). Une telle modélisation pourrait être très utile sur le plan opérationnel pour mieux comprendre l'origine des erreurs de prévision (mauvaises prévisions météorologiques, modélisation non pertinente, etc.), mais aussi pour interpréter l'évolution de la courbe de demande d'électricité, quantifier les éco-actions, les changements de comportement de consommation etc.