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 précisesde 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. Lecontenu 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 etde 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 représentel’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 laF 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 contraindrece 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
