SMACH : Simuler l'activité humaine pour limiter les pics de consommation électrique
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
SMACH : Simuler l’activité humaine pour limiter les pics de consommation électrique E. Amourouxa T. Hurauxa,b F. Sempéd edamouroux@gmail.com thomas.huraux@edf.fr sempe.francois@gmail.com N. Sabouretc Y. Haradjib nicolas.sabouret@limsi.fr yvon.haradji@edf.fr a Laboratoire d’Informatique de Paris 6, Université Pierre & Marie Curie, France b EDF R&D, Département ICAME, Clamart, France c LIMSI-CNRS / Supelec, Orsay, France d F. Sempé AE, Paris, France Résumé tion de la charge qui ont été largement étudiés Dans cet article, nous proposons un modèle ces dernières années et auquel le concept de de simulation du comportement humain pour smart grid semble une réponse prometteuse [6]. une gestion efficace de la consommation éner- D’autre part, la réduction des pics de consom- gétique dans le contexte résidentiel. Nous pré- mation face auquel les fournisseurs d’électri- sentons la plateforme de simulation associée : cité n’ont en général comme réponse que le SMACH. Elle permet aux experts de représenter sur-dimensionnement de leurs capacités de pro- les activités des habitants au sein de leur foyer ductions. Cependant, deux observations peuvent et en particulier leur capacité d’adaptation dy- être faites. Premièrement, le secteur résidentiel namique. Nous décrivons la dynamique du sys- représente 27% de l’énergie consommée en Eu- tème et nous illustrons sur un exemple complet rope [2]. Il semble donc intéressant d’essayer l’émergence d’habitudes et l’adaptation à des d’agir à ce niveau pour mieux gérer l’éner- événements extérieurs. gie et en particulier les pics de consommation. Mots-clés : modèle à base d’agents, comporte- Deuxièmement, des études ont montré qu’il est ments humains, consommation électrique possible d’agir au niveau des foyers en les inci- tant à mieux maîtriser leur consommation [10], Abstract par exemple à travers des campagnes de sensibi- This paper presents a multi-agent simulation lisation ou l’utilisation de compteurs intelligents model of human behaviours for efficient energy avec affichage de consommation en temps réel management in a residential context. We first [8]. Toutefois, ces études demandent du temps, describe the agent-based modelling and simula- beaucoup de moyens et ne permettent pas de tion framework which allows experts to describe comparer différentes approches. Au contraire and study the inhabitants behaviour and to ob- les simulations multi-agents, intégrant une re- serve dynamic re-organisation of the activities. présentation explicite des comportements indi- We describe the system’s dynamics and we illus- viduels, permettent de mener des études sem- trate on an example the emergence of habits and blables avec bien moins de moyens the adaptation to external events, such as new electricity tariff or change of the household or- Bien que certains modèles à base d’agents aient ganisation. été proposés pour étudier le marché de l’élec- Keywords: Agent-based model, human beha- tricité [12] (en se concentrant sur les interac- viour, electrical consumption tions entre fournisseurs et consommateurs), peu de travaux ont été menés sur la représentation de l’activité humaine dans les foyers. Dans [5], 1 Introduction les auteurs proposent de représenter explicite- ment le comportement des habitants à travers La gestion efficace de l’énergie, défi majeur un processus de décision réactif et délibéra- dans le contexte de l’écologie et du marché tif, fondé sur l’architecture d’agents délibératifs énergétique, passe aujourd’hui par deux ap- Brahms [9]. Celle-ci est très proche de l’archi- proches. D’une part, le transport et la réparti- tecture BDI et nécessite des définitions précises
de cadre de pensée et de travail. Néanmoins, consommation électrique d’un appareil. Nous nous pensons qu’une représentation complexe considérons deux types d’appareils électriques. du processus de décision n’est pas nécessaire [4] pour obtenir un modèle capable de répondre à Les appareils à état sont définis par le tuple notre objectif : étudier l’adaptation des activités hθo , θs , sti avec θo et θs les consommations élec- des foyers face à diverses mesures d’incitation triques quand e est en fonctionnement ou en et des événements. C’est dans cet objectif que veille, et st ∈ {off, standby, on} l’état de l’ap- la plateforme de modélisation et de simulation pareil, (contrôler par un individu au cours de ces SMACH a été proposée [1]. L’idée est la sui- activités). Les éclairages, TVs, ordinateurs, ... vante : permettre aux experts du domaine d’ex- sont représentés par ce type d’appareil. périmenter sur les activités quotidiennes des foyers en relation avec leur consommation élec- Les appareils à programme sont définis par trique et en particulier comment l’organisation le tuple hPe , sti avec Pe un ensemble de pro- (des activités) du foyer est adaptée à de nou- grammes. Chaque programme p est un couple velles contraintes (prix de l’électricité, événe- (τp , φp ) avec τp la durée du programme et φp : ments imprévus, etc.). [0, τp ] → R+ la fonction définissant la consom- mation à chaque instant du programme. L’état Dans cet article, nous présentons tout d’abord st de l’appareil est défini par le couple (pc , tc ) le méta-modèle proposé par SMACH avant de avec pc le programme courant et tc la durée décrire la dynamique du simulateur. Nous exa- écoulée depuis le début de ce programme (avec minons ensuite deux mécanismes d’adaptation power(e) = φpc (tc )). Les fours, machines à la- présents dans SMACH qui permettent au foyer ver, etc., sont représentés par ce type d’appareil. représenté de s’adapter aux contraintes de tarif Tous les profils de consommation du simulateur électrique variable, aux événements ponctuels et proviennent du projet REMODECE 1 qui a ca- aux changements d’organisation du foyer. Nous ractérisé la consommation des appareils en si- illustrons ce mécanisme sur un exemple complet tuation réelle. de simulation. 2.2 Les membres du foyer et leurs compor- 2 Méta-modèle de l’activité hu- tements maine Nous considérons le foyer comme un ensemble SMACH repose sur deux propriétés fondamen- d’individus fixé pour le scénario. Chaque tales : (1) décrire simplement le comportement membre du foyer est représenté par un agent in- humain dans le contexte de la consommation dividu, i ∈ I. Celui-ci est caractérisé par l’en- électrique des foyers et (2) proposer des mé- semble des actions Ai qu’il peut effectuer et son canismes réalistes d’auto-adaptation (lors de la niveau de responsabilité resi . Ce dernier permet simulation) de l’activité du foyer. Afin de sa- de distinguer les enfants, des adolescents et des tisfaire ces deux propriétés tout en maintenant adultes. une accessibilité aux experts du domaine, nous avons choisi de centrer la description de l’acti- Lors de la simulation, la pièce dans laquelle l’in- vité humaine autour de la notion de tâche. dividu est localisé (room(i) ∈ R), son action courante (action(i) ∈ Ai ), ses croyances (Bi ), Ces tâches peuvent nécessiter des appareils mé- et ses communications (Ci ) sont valuées pour nagers, qui sont définis dans un environnement. définir complètement un individu. 2.1 Environnement Une tâche t ∈ T représente une activité géné- rique du foyer, à partir de laquelle les actions des Le logement est composé d’un ensemble de individus sont dérivées. Une tâche est un tuple pièces dans lesquelles sont localisés des appa- hτmin , τmax , bene, visi, coll, Et , Tpre i avec : reils. Soit R l’ensemble des pièces et E celui – τmin , τmax durées minimale et maximale des appareils. Pour chaque pièce r (r ∈ R), on d’exécution ; note Er ⊂ E l’ensemble des appareils de cette – bene ∈ {alone, collective} définit si la tâche pièce. va profiter à l’individu ou à tout le foyer ; – visi ∈ {none, individual, room, house} vi- Chaque appareil électrique e ∈ E est carac- sibilité (par les autres individus) de la tâche ; térisé par une consommation électrique θi . On note power : E → R+ la fonction de calcul de 1. http ://remodece.isr.uc.pt
– coll ∈ {none, allowed, mandatory} la tâche pendant une période donnée. Par exemple, lors doit/peut être réalisée à plusieurs ou seul ; des vacances, le rythme associé à l’action “tra- – Et = {he, pi} | e ∈ E & p ∈ {e.P e} éven- vail” est inactif. tuels appareils utilisés lors de la réalisation de la tâche et programmes associés ; 3 Simulation des activités humaines – Tpre ⊂ T tâches en pré-condition. Un indi- vidu ne peut réaliser une tâche que si toutes les tâches en pré-condition ont été réalisées A partir de ce méta-modèle, nous simulons l’ac- (par lui-même ou un autre suivant la valeur tivité humaine grâce au simulateur SMACH. de bene) ; Dans celui-ci, chaque individu du modèle est représenté par un agent dont les mécanismes Une action a ∈ A représente l’instanciation de décision sont présentés dans les deux sous- d’une tâche pour un individu donné. Elle est dé- sections suivantes. L’adaptation du comporte- finie par le tuple a = ht, w, Ra , sti avec t la ment de l’agent au court du temps, du fait de tâche associée, w son rythme, Ra l’ensemble l’activité humaine, est présentée dans la section des pièces où l’action peut être réalisée et st ∈ 4. {undone, done} son état de réalisation. Afin de pouvoir exprimer les habitudes, le 3.1 Croyance et communication concept de rythme a été introduit dans le méta-modèle. Un rythme w (w ∈ W ) per- Dans SMACH, les agents sont synchrones et sé- met de définir, pour chaque action, une fré- lectionnent, à chaque pas de temps, l’action à quence et un ensemble de périodes préféren- exécuter en se basant sur leurs croyances (et leur tielles. Une période préférentielle (PP) est com- état interne). Dans cette sous-section, nous pré- posée d’une plage horaire et d’une périodicité sentons le modèle de croyance et celui de com- (mensuelle, hebdomadaire, etc.) durant laquelle munication des agents pour ensuite présenter la l’individu sera plus enclin à réaliser l’action dynamique des agents dans la sous-section sui- associée. Un rythme est définie par le tuple vante. hperw , f reqw , varw , P pw i avec : – per ∈ {day, week, month, year} la périodi- Une croyance b d’un individu i est un tuple b = cité ; hd, a, si avec d sa date de création, a ∈ Ai une – f req ∈ N+ la fréquence ; action et s ∈ {undone, running, done} l’état – var ∈ {weak, medium, strong} le niveau de perçu de celle-ci. hd, a, si ∈ Bi veut donc dire variabilité de la fréquence ; qu’au temps d, l’individu i à l’information que – P P les périodes préférentielles qui sont dé- l’action a est dans l’état s. Cette croyance est finies par un tuple h[d1 , d2 ], strengthi avec conservée dans la base de croyances de i tant d1 et d2 date de début et de fin, strength ∈ qu’aucune autre perception ou déduction ne la {weak, medium, imperative} la force de contredit. Dans l’état initial, s = undone pour cette période ; toutes les actions. D’autre part, nous considé- Pour mieux comprendre, prenons l’exemple rons que les individus connaissent l’ensemble de la tâche “manger”. Nous pourrions vou- des actions que chaque agent peut réaliser, pour loir définir un rythme tel que l’action pouvoir envoyer les messages d’invitation ou de associée d’un individu soit réalisée jus- de mande d’aide. qu’à trois fois par jour, ce qui donnerait En plus de la réalisation de ses actions indivi- le tuple : wm = {day; 3; weak; pp1,2,3 } duelles, les habitants d’un foyer peuvent com- avec pp1 = {[7h; 9h], imperative}, muniquer pour échanger des informations ou pp2 = {[12h; 14h], weak} et pp3 = demander de l’aide. Pour ce faire, nous utilisons {[19h, 22h], strong}. Dans le cas présent un protocole de communication multi-agent ins- l’individu mangera toujours le matin, rarement piré de FIPA-ACL [3]. le midi et presque tous les soirs. Une conversation c ∈ Ci est un ensemble Les habitudes peuvent être perturbées lors de ordonné de n messages, msg1 , ..., msgn , avec situations exceptionnelles (e.g. vacances, mala- msgi = hd, to, f rom, perf, ci et d la date du die, etc.) que nous nommons événements. Un message, to et f rom émetteur et destinataire, événement q ∈ Q est défini par un couple perf le performatif et c le contenu. Les perfor- ([dsq , deq ], Wq ) avec Wq un ensemble de couples matifs principaux sont : es-tu prêt à ... ?, que (a, w). Concrètement, un événement associe de fais-tu ?, as tu fait ... ?, peux-tu faire ... ? et nouveaux rythmes aux actions de l’individu leur réponse je fais ..., non, oui, plus tard. Le
contenu d’un message, si besoin, est toujours ne peuvent être conduite simultanément : une tâche unique t ∈ T . Les agents ont donc −i hd0 , a2 , runningi and +i hd0 , a2 , donei besoin de connaître a priori la liste des tâches et des agents qui peuvent les effectuer. Tous les Dynamique des actions. L’état d’une action st ne agents peuvent communiquer avec l’ensemble se réduit pas à son statut de réalisation (undone des agents du logement (sans autre considéra- ou done), il y a, en réalité, quatre attributs : tion de localisation). – realnumber ∈ N+ est le nombre de réalisa- tions déjà effectuées pour le jour courant. La 3.2 Dynamique des agents valeur de a.st ∈ {done, undone} est directe- ment calculée à partir de a.realnumber ≥ 1 ; – realmax ∈ N+ est le nombre maximal de réa- Cette section présente comment les agents lisation prévu pour le jour courant (qui dé- maintiennent leurs bases de croyances. Ensuite, pend du rythme w) ; nous présentons comment un agent individu sé- – τ ≤ a.t.τmax est le temps écoulé lorsque a est lectionne l’action à effectuer en fonction de ses en cours d’exécution ; croyances mais aussi de ses préférences et de ses – pr ∈ [−1; 1] niveau de priorité. communications. La priorité a.pr est réévaluée à chaque pas de temps (voir ci-après) et l’agent exécute l’action Mise à jour des croyances. L’ajout (ou le re- ayant la priorité maximale parmi les actions réa- trait) d’une croyance à la base Bi de l’agent lisables. Une action est réalisable aux condi- est fonction de ses perceptions directes, ses tions suivantes : communications mais aussi du fait d’un sys- – Toutes les tâches en pré-conditions ont été tème de maintien de la cohérence sur l’état réalisées : ∀t0 ∈ a.t.Tpre , ∃a0 ∈ A|a0 .t = des actions et de la localisation des autres in- t0 ∧ a0 .st = done ∧ (actor(a0 ) = actor(a) ∨ dividus. Tout d’abord nous définissons les élé- t0 .bene = i.e.collective) ments suivants : d0 la date courante et no- – Tous les appareils nécessaires sont dispo- tons +i b et −i b l’ajout et le retrait d’une nibles : ∀e ∈ a.t.Et , @a0 /a0 .running ∧ e ∈ croyance b dans Bi et visi(a) la zone de vi- a0 .t0 .Et0 sibilité de l’action a. La base de croyances Notons que a.st ne peut être évalué directement Bi de l’agent i est mise à jour lorsqu’il par l’agent. Au contraire, il utilise ses croyances entre dans la zone de visibilité d’une action : pour déterminer si l’action est réalisée ou pas et ∀a | room(i) ∈ visi(a), @hd0 , a, status(a)i ∈ s’il peut l’exécuter. Cependant, lors du démar- Bi ⇒ +i hd0 , a, status(a)i rage de l’action, le simulateur va vérifier que les conditions sont effectivement remplies ainsi un agent ne pourra démarrer une action qui n’est De la même façon, quand un individu reçoit pas effectivement réalisable. Dans ce cas, toutes un message avec le performatif je fais ou une les croyances inconsistantes de l’agent sont éli- réponse à un message As tu fait ? lors d’une minées. conversation, une nouvelle croyance est ajou- tée : +i hd0 , a, status(a)i, avec a l’action cor- Une action, a, en cours de réalisation, peut être respondant à l’émetteur et la tâche du message. interrompue pour 2 raisons : (1) une autre action De plus, un système de maintien de la cohérence (réalisable), a0 , a une priorité supérieure ou (2) a enlève toute croyance pré-existante invalidée du est devenue impossible. Suite à une interruption, fait des contraintes suivantes : l’état de l’action a est modifiée en fonction de sa – Une action ne peut être que dans un durée d’exécution : état : +i hd0 , a, status(a)i ⇒ ∀d0 < – Si a a été exécutée pour une durée τ ≥ τmin , d0 , −i hd0 , a, s0 6= status(a)i son nombre de réalisation a.realnumber est in- – Un agent ne peut effectuer crémenté et a.τ est remis à 0. Le statut de l’ac- qu’une seule action à la fois : tion a.st est passé à done. +i hd0 , a, status(a)i ⇒ ∀a0 |actor(a) = – Si a.τ < τmin L’action est mise “en attente“ : actor(a0 ), −i hd0 , a0 , s0 i and +i hd0 , a0 , donei ; a.τ est maintenue à sa valeur courante (et son – Une action ne peut durer plus longtemps nombre de réalisation demeure inchangé). Par que sa durée maximale : si ∃b ∈ Bi tel exemple, si un enfant est interrompue lors de que b.d + b.a.t.τmax > d0 , alors −i b et l’action faire ses devoirs, il ne perdra pas le +i hd0 , b.a, donei ; bénéfice de les avoir commencés. – Deux actions associées avec une tâche “exclu- Bien que l’état des actions évolue en perma- sive” (a1 .t = a2 .t = t and t.coll = none) nence suivant le comportement de l’individu et
de son environnement. Celui-ci est ré-initialisé L’IHM d’analyse de simulation de SMACH tous les jours à minuit . En pratique, a.st est re- (Fig. 1) permet devoir simultanément les élé- mis à undone, a.realnumber , a.τ et a.pr à 0, et le ments suivants. (1) La consommation électrique nombre de réalisation maximal est recalculé en globale avec une couleur par appareil. Le pan- fonction du rythme : si le jour courant contient neau (2) détaille les activités des individus au une période préférentielle, ppi, et s’il reste des cours d’une semaine (S25 sélectionnée en (1)) réalisations à faire (w.real < w.realmax ). alors que les panneaux (3 et 3’) permettent d’avoir le détail de l’activité par minute. Enfin, La priorité (prraw ) d’une action prend le panneau (4) permet d’observer les rythmes ef- en compte l’état interne d’un individu : fectifs des actions (l’axe horizontal représente l’engagement (ou lassitude) sur l’action cou- l’écoulement des jours alors que l’axe vertical rante, l’influence du rythme associé (l’influence celui des heures de la journée). du rythme de l’action est présentée dans la section 4.1) et, dans une moindre mesure, la préférence de l’agent pour cette action. L’enga- 4 Organisation dynamique de l’ac- gement concerne uniquement l’action en cours tivité et sa valeur décroit linéairement au cours du temps. Inversement, la lassitude croît dès que la L’adaptation du comportement est une carac- durée minimale est atteinte. téristique essentielle de notre modèle car nous voulons pouvoir étudier la réaction d’un foyer La priorité est également influencée par des fac- à des tarifs électriques variables ou à des évé- teurs extérieurs : le prix de l’électricité (les nements (vacances, maladie, etc.) mais aussi tâches consommatrices sont fortement pénali- l’émergence d’habitude (lors de période avec sées lorsque le tarif est élevé et très légèrement peu de contrainte d’activité). Nous utilisons le favorisée quand il est faible), l’invitation pour terme organisation pour décrire la capacité des faire une action en commun (par le biais de mes- individus de coordonner leurs comportements. sage) et les événements. Chaque individu cherche à réaliser ses activités La hiérarchie des différentes influences a été dé- quotidiennes personnelles ou collectives, c’est- terminée par les experts applicatifs et les va- à-dire, dans le formalisme de SMACH, respec- leurs déterminées empiriquement par explora- ter les rythmes (fréquence et périodes préféren- tion de l’espace des paramètres par les modé- tielles) associés à leurs actions. Cette faculté lisateurs (i.e. seules les valeurs relatives sont si- d’adaptation doit être modélisée par un proces- gnificatives). Par exemple, l’engagement à l’ac- sus continu afin de pouvoir prendre en compte la tion courante est moins important que l’invita- survenue d’événement, comme le changement tion à faire une action collective. de tarif électrique, mais aussi la modification de l’activité du foyer. Cependant, ce processus Afin de pouvoir représenter les séquences d’ac- doit être suffisamment léger à l’exécution car tivité (comme aller au travail nécessite de s’ha- nous réalisons des simulations s’étendant sur de biller qui lui même se fait après prendre sa longues périodes (≥1 an) alors que le pas de douche), la priorité d’une action est également temps est court (1 minute). Le processus d’adap- influencée par l’action la plus urgente dépen- tation est en fait double car il permet : (1) la dant d’elle-même, i.e. la priorité maximale de gestion des contraintes et (2) l’organisation des toutes les actions qui ont a en pré-condition : actions non planifiées (i.e. sans rythme avec PP prdep = maxa.t∈a0 .Tpre {a0 .pr} Ainsi, la prio- impérative). rité (effective) de l’action a.pr est définit par : a.pr = max{a.prraw , prdep } 4.1 Gestion des contraintes de la vie quoti- dienne 3.3 Implémentation Le mécanisme de gestion des contraintes peut Pour simuler nos modèles, les plate-formes de être vu comme une compétition entre les actions simulation existantes ne sont pas satisfaisantes. tentant de satisfaire leurs contraintes (fréquence En effe,t nous avons besoin d’une interface de et périodes préférentielles). Il y a deux types de modélisation et d’analyse spécifique et qui soit contraintes dans ce cas : (1) sur les fréquences adaptée aux experts du domaine de l’énergie. de réalisation (du fait de la limitation du nombre Pour ce faire, nous avons donc choisi de dé- d’actions réalisables au cours d’une journée) et velopper un simulateur ad hoc en collaboration (2) contraintes horaires (du fait de la compéti- avec les ergonomes partenaires. tion lors de créneaux horaires se chevauchant).
F IGURE 1 – IHM SMACH (mode analyse) Cette compétition entre actions, ou organisa- étendue. tion dynamique de l’activité, se traduit par une réévaluation quotidienne de la valeur de l’in- 4.2 Habitudes émergentes fluence de période préférentielle (rythme) pour chaque action avec la politique suivante : Certaines actions n’ont pas de périodes pré- Augmentation du bonus : augmente la probabi- férentielles et peuvent donc être réalisées à lité de réalisation au sein d’une PP. Effectuée n’importe quel moment. Cependant ces actions lorsque l’action n’atteint pas son nombre de réa- peuvent être organisées pour deux raisons : la lisation. planification augmente l’efficacité de l’organi- Diminution du bonus : augmente la probabi- sation et il est plus réaliste que les agents indi- lité de réalisation au sein d’une PP. Effectuée vidus possèdent des habitudes (qui ont une in- lorsque l’action est suffisamment réalisée. Cela fluence en termes de consommation électrique). favorise les autres actions en compétition et per- Néanmoins, les rythmes de ces habitudes émer- met, ainsi, une capacité de (lente) réorganisa- gentes doivent pouvoir être outrepasser afin de tion. pouvoir s’adapter aux circonstances et événe- Augmentation de la pénalité : diminue la proba- ments imprévus. Pour ce faire, la période de la bilité de réalisation en dehors des PPs. Effectuée dernière réalisation est mémorisée puis utilisée lorsque des réalisations ont lieu hors de toute PP. pour mettre à jour la planification de l’action. Diminution de la pénalité : augmente la proba- Concrètement, si une action trouve une opportu- bilité de réalisation en dehors des PPs. Effectuée nité de réalisation à une période donnée, celle- lorsque l’augmentation du bonus n’a pas permis ci sera favorisée tant qu’elle sera en mémoire. d’atteindre le nombre de réalisation objectif. En Toutefois, notons que le modélisateur peut inter- effet, nous privilégions le nombre de réalisation dire la planification automatique si il considère par rapport aux PPs. que certaines actions ne doivent être effectuées qu’en cas d’ennui. De plus, des habitudes com- La valeur de bonus/pénalité est bornée. On peut munes émergentes peuvent être créer : au lieu donc buter sur une impossibilité récurrente d’at- d’avoir un individu possédant une habitude fai- teindre l’objectif du nombre de réalisation. Dans sant intervenir les autres au travers d’invitation, ce cas, la durée des PPs peut être légèrement ils auront un comportement commun simultané-
ment. Chaque agent individu à trois types de tâche : planifiée (travail, école, ...), mobile (avec une Pour faciliter la recherche d’une première pla- fréquence fixe mais réalisables à tout moment : nification pour les actions mobiles, celles-ci ne repassage, aspirateur, ...) et sans contrainte (re- sont pas affectées par l’influence des PPs lors de garder la TV, lire, ...). Ce scénario débute en Jan- la première semaine de simulation. Par la suite vier et se finit au bout de 3 mois. chaque action mobile voit son influence de PP remise à zéro à une date déterminée aléatoire- Sans permettre d’adaptation, nous obtenons un ment. Ces suppressions temporaires permettent taux d’occupation moyen ≈ 88% par semaine aux actions de trouver une meilleure planifica- et par habitant. Ce taux est suffisamment élevé tion potentielle. La fréquence et la durée de ces pour évaluer les capacités d’adaptation de notre suppressions font parties des méta-paramètres modèle. contrôlant la mobilité globale d’actions et dé- finissant une propension du foyer à une routine Notons que les contraintes de fréquence et d’ho- plus ou moins forte. Ces mécanismes d’adapta- raires peuvent être outrepasser. En pratique, une tion permettent au foyer d’adapter dynamique- hiérarchie de tâche est automatiquement créée : ment ses activités suivant les circonstances. La une tâche avec une contrainte de fréquence section suivante montre cette capacité dans deux faible recevra une influence plus faible, et donc cas : (1) lorsque le tarif électrique varie provo- une probabilité de réalisation moindre, qu’une quant des modifications importantes de la rou- tâche ayant une contrainte élevée. tine du foyer et (2) un membre du foyer voit son activité bouleversée drastiquement ce qui pro- 5.2 Création et stabilité de l’organisation voque, dans les deux cas, des répercussions sur le comportement de tous les membres du foyer. Lorsqu’on active les capacités d’adaptation, on obtient une évolution du taux de réalisation telle 5 Evaluation des capacités d’adap- qu’attendue : il augmente régulièrement pen- tation du foyer dant 3 à 4 semaines puis se stabilise. La phase ascendante est révélatrice du processus d’or- Afin d’évaluer les capacités d’auto-adaptation ganisation : les tâches non-planifiées trouvent nous allons comparer l’évolution de deux indi- des créneaux disponibles et celles contraintes cateurs sur un même scénario avec et sans ses adaptent également leurs influences si néces- capacités. Le taux de complétion des actions re- saire. Nous obtenons un taux de ≈ 94% à l’équi- présente le ratio d’action menée à bien (non in- libre (le complément correspondant aux aban- terrompue avant t.τmin ) sur le nombre d’action dons d’activités). initiée. Le taux d’occupation est le ratio entre le Que penser de ce taux de réalisation de 94% ? temps nécessaire à réaliser l’ensemble des ac- Le taux d’occupation est de 88% et le temps tivités contraintes (ayant des rythmes) par rap- passé à effectuer des activités non contraintes port au temps disponible. En cas de conflit ho- est de 6% - temps qui aurait pu être utilisé pour raire entre actions (plusieurs actions contraintes les actions contraintes - nous pouvons donc esti- doivent être effectuées durant le même créneau mer qu’une meilleure organisation est possible. horaire), un troisième indicateur a été définit et Cependant, l’optimisation n’est pas notre objec- est présenté dans [1]. Dans cet article, nous ne tif car, bien que les foyers organisent leur em- nous intéressons donc pas à cette situation. ploi du temps, ils ne l’optimisent pas complè- Ici, nous présentons 3 situations à résoudre : (1) tement. L’augmentation du taux de complétion le processus d’organisation initiale, (2) la ré- ayant lieux durant les premières semaines dé- organisation induite par un changement de ta- montre les capacités d’adaptation, cela est suf- rif électrique et (3) la ré-organisation suite à un fisant pour estimer que le foyer est capable de changement majeur des activités du foyer. Avant s’adapter à ces contraintes initiales. toute chose, nous présentons le scénario de si- mulation. Pour une observation plus précise du processus d’adaptation nous allons observer le diagramme d’activité sur le long-terme (Fig. 2) qui présente 5.1 Paramètres de Simulation une vue synthétique des habitudes et de leurs évolutions. Celui est composé d’une succession Le scénario représente une famille avec 2 pa- de colonnes colorées : une colonne par jour et rents (John et Marie) et un adolescent (Gustave). une couleur par tâche. L’axe vertical représente
l’heure du jour alors que l’axe horizontale ren- trique, nous gardons les même paramètres de si- seigne sur la date du jour. mulation hormis le prix qui n’est plus uniforme en Février. Au cours de ce mois, nous simulons Ce diagramme (Fig. 2) est limité à deux tâches une nouvelle politique tarifaire : un prix élevé coordonnées : jouer à l’ordinateur en rouge (4 de 6h à 12h du lundi au samedi (pour inciter les fois par semaine pour Gustave et Marie), ran- clients à diminuer leur consommation durant ce donnée en jaune (2 fois par semaine tous en- créneau horaire). semble) et une tâche contrainte : aller à l’école en violet (qui nous facilitent le repérage des Comme dit précédemment, une sensibilité au mercredis et des week-ends). Nous observons coût de l’électricité est incluse dans le modèle qu’aller à l’école avec ces fortes contraintes est sous forme d’influence sur la priorité de l’ac- très régulière alors que les deux activités de loi- tion. Plus précisément, les tâches consomma- sir bougent occasionnellement. Cet état de fait trices reçoivent une pénalité lorsque le tarif est peut avoir plusieurs causes : élevé et un léger bonus sinon. La valeur de l’in- 1. Du fait du processus d’organisation, une ac- fluence est variable d’un individu à l’autre pour tion peut prendre le créneau d’une autre. représenter différentes sensibilité (à la charge du Par exemple, en début de simulation, une modélisateur de la définir). Dans notre cas, Gus- session de jeu a lieu tard le mardi et em- tave est bien moins sensible que ses parents. pêche de dîner. Par la suite, dîner adapte Le diagramme d’activité, figure 3, présente son bonus et, à partir de la troisième se- toutes les activités consommatrice d’électricité maine, elle peut interrompre le jeu (cf. les du foyer avec en gris les périodes chères. Nous 2 bandes rouge du diagramme). pouvons voir que la majorité des tâches consom- 2. Différents éléments stochastiques in- matrices migrent du matin à l’après-midi ou au terviennent lors d’une simulation. L’un soir dès le début de Février, la routine du Di- d’entre-eux est le tirage du nombre de manche matin étant la seule conservée. Il y a une réalisation à effectuer pour un jour donné. exception cependant : Gustave continue d’utili- Par exemple, au lieu de regarder la TV le ser l’ordinateur le mercredi matin n’ayant cure samedi après-midi, toute la famille va en des économies. randonnée à partir de la troisième semaine. En regardant dans le détail de la simulation Logiquement la migration des tâches consom- (voir le détail de l’IHM d’analyse dans [1]) matrice impliquent une ré-organisation impor- nous avons vu que Gustave obtient 0 réali- tante de l’activité globale. Par exemple, la ses- sation à faire pour regarder la TV et, ainsi, sions de jeu du mercredi matin (de Marie) est la randonnée a une priorité suffisamment déplacée au soir. Cependant, cette perturbation élevée pour être déclenchée pour lui et il est à peine notable au niveau du taux de complé- envoie ensuite une invitation à ses parents. tion (diminué d’à peine 1% lors de la semaine 5). 3. Certains événements comme un nouveau ta- rif ou un changement des activités habi- Fin Février, le prix est à nouveau uniforme et tuelles peut remettre en cause l’organisa- au bout de 3 semaines les tâches consomma- tion. Ce point précis est présenté à la suite. trices sont de retour le matin : c’est le temps Dans le cadre général, Il est important de no- nécessaire pour se défaire des habitudes prises ter que le processus d’organisation induit une au mois de Février. grande variabilité d’exécution. Même si deux familles sont très similaires en termes de struc- 5.4 Ré-organisation due à un changement tures et de contraintes, il est peu probable de l’activité du foyer qu’elles aient une organisation identique. Néan- moins, les tâches ayant des contraintes fortes, comme travailler ou aller à l’école, sont menées Les gens ont des enfants, partent en vacances, de manières très similaires. changent de travail, etc. : ces changement ma- jeurs du foyer interviennent ponctuellement mais notre modèle comportemental doit être ca- 5.3 Ré-organisation suite à changement de pable de s’y adapter et ce de manière durable. tarif électrique Pour présenter cette capacité, nous prenons un exemple basé sur un scénario similaire au pre- Pour présenter la ré-organisation des activités mier présenté. Celui-ci dure 10 semaines et l’ac- du foyer du fait d’un changement de tarif élec- tivité de Marie est différente : elle commence la
F IGURE 2 – Diagramme d’activité avec 3 tâches : Aller à l’école (violet), Jouer à l’ordinateur (rouge) et randonnée (jaune) F IGURE 3 – Diagramme d’activitées des tâches avec appareils électriques. Les carrés gris précisent les périodes à tarif élevés. simulation sans emploi puis, à partir de la se- sa charge de travail augmente et une part im- maine 5, elle travaille à plein temps du lundi au portante de ces travaux est réalisée par John. vendredi. Comme elle travaille plus que John, celui-ci va même jusqu’à réaliser ≈ 60% de ces tâches. De son côté, Gustave participe également de ma- nière limitée (les seules tâches ménagères qu’il peut faire étant préparation du petit-déjeuner et du déjeuner). Bien que le partage équilibré des F IGURE 4 – Taux de complétion par semaine Au cours de cette simulation le taux de com- plétion (figure 4) chute drastiquement lorsque Marie commence à travailler (de 97 à 93%). Il F IGURE 5 – Partage des tâches ménagères (Ma- y a donc bien un lien direct entre taux d’oc- rie en bleu, John en vert et Gustave en Jaune) cupation et les difficultés du foyer à réaliser toutes ses tâches (i.e. à s’organiser). Malgré cette chute, nous observons un phénomène in- tâches ménagères n’est pas une caractéristique téressant concernant les travaux ménagers. Au générale des foyers nous considérons que notre cours des 4 premières semaines, Marie effec- mécanisme d’allocation de la charge de travail tue plus de 70% d’entre-eux car elle a plus de est utile pour définir des orientations générales. temps libre que John (voir Fig. 5). Par la suite, Le modélisateur peut restreindre ou contraindre
ce mécanisme à l’aide de rythmes. [2] European Environment Agency. Energy and environment report. Technical Re- port 6, European Commission, 2008. 6 Conclusion [3] FIPA consortium. FIPA Communicative Act Library Specification and FIPA ACL Dans ce papier nous avons présenté un simula- Message Structure Specification. Techni- teur multi-agent de l’activité humaine, SMACH, cal report, Foundation for intelligent phy- et le méta-modèle associé. Celui-ci permet aux sical agents, 2003. experts du domaine de représenter à la fois les activités de "routine" du foyer ainsi que des [4] Y. Haradji, G. Poizat, and F. Sempé. Hu- événements plus aléatoire (i.e. maladie, chan- man Activity and Social Simulation, pages gement de travail, etc.) qui font partie de la 416–425. CRC Press, 2012/08/29 2012. vie quotidienne. Ce méta-modèle se base sur [5] A. Kashif, S. Ploix, J. Dugdale, and une définition quantitative de tâches planifiées X. H. B. Le. Simulating the dynamics (i.e. fréquence, périodes préférentielles et degré of occupant behaviour for power manage- d’obligation). Nous avons également démontrer ment in residential buildings. Energy and les capacités du modèle à représenter des habi- Buildings (online pre-print), 2012. tudes contraintes et émergentes. Pour ce faire, nous avons présenté un exemple de simulation [6] A. Molderink, V. Bakker, M. G. C. Bos- avec l’introduction d’un tarif électrique variable man, J. Hurink, and G. J. M. Smit. Ma- et une autre au cours de laquelle les contraintes nagement and control of domestic smart professionnelles d’un individu sont drastique- grid technology". IEEE Trans. Smart Grid, ment changées et, par voie de conséquence, l’or- pages 109–119, 2010. ganisation de l’activité globale du foyer qui est [7] G. Plessis, S. Filfli, C. Muresan, and affectée. H. Bouia. Using design of experiments methods to develop low energy building Les perspectives de ce projet sont de trois model under modelica. In IBPSA 2011, ordres : (1) améliorer la calibration du frame- 2012. work, (2) l’utilisation d’un modèle thermody- [8] A. Rogers, S. Maleki, S. Ghosh, and J. Ni- namique évolué et (3) le passage à l’échelle. cholas R. Adaptive home heating control Premièrement, notre partenaire applicatif (EDF) through gaussian process prediction and conduit à l’heure actuelle des études de terrains mathematical programming. In ATES avec des mesures d’activité (et de consomma- 2011, pages 71–78, May 2011. tion) précises qui pourront être utilisées. Ces mesures en conjonction avec des simulations [9] M. Sierhuis, W. J. Clancey, and R. J. J. participatives nous permettrons de valider cer- Van Hoof. Brahms : a multi-agent model- taines hypothèses faites par les experts énergé- ling environment for simulating work pro- ticiens. Deuxièmement, le modèle de chauffage cesses and practices. Int. J. of Sim. and actuellement utilisé est simpliste au vue de nos Proc. Modelling, 3(3) :134–152, 2007. objectifs. Nous sommes donc en train de cou- [10] US Department of Energy. Benefits of pler un modèle thermodynamique externe [7] et demand response in electricity markets de développer un modèle de confort inspiré de and recommendations for achieving them. celui proposé par Fanger [11] (afin de contrôler Technical report, 2006. de manière réaliste l’environnement thermique). Enfin, nous voulons pouvoir nous intéresser aux [11] J. van Hoof. Forty years of Fanger’s mo- dynamiques de groupes sociaux et nous allons del of thermal comfort : comfort for all ? donc augmenter l’échelle de représentation afin Indoor Air, 18(3) :182–201, 2008. de pouvoir représenter des populations de foyer [12] Z. Zhou, W. K. V. Chan, and J. H. Chow. de l’ordre du quartier. Agent-based simulation of electricity mar- kets : a survey of tools. Artificial Intelli- gence Review, 28(4) :305–342, 2007. Références [1] E. Amouroux, T. Huraux, F. Sempe, N. Sa- bouret, and Y. Haradji. Simulating Human Activities to Investigate Household Energy Consumption. In Proc. of ICAART’13, 2013.
Vous pouvez aussi lire