Sobriété de la consommation électrique tertiaire

Une mise à jour des données est en cours. La publication reprendra prochainement. Merci de votre compréhension Ce jeu de données présente des informations relatives à la sobriété du « tertiaire bâti » qui correspond aux 8 branches tertiaires suivantes : cafés-hôtels-restaurants, habitat communautaire, santé-action sociale, enseignement-recherche, sport-loisirs-culture, bureaux-administrations, commerce et transport. Les périodes étudiées commencent à la semaine 30 d’une année et se terminent à la semaine 29 de l’année suivante. Le jeu de données permet de comparer les consommations de 4 semaines glissantes entre l’année en cours, l’année précédente et l’année de référence qui correspond à la période 2021-2022. Éléments de compréhension La consommation électrique française est thermosensible, c’est-à-dire qu’elle dépend grandement de la température extérieure et des aléas météorologiques. Parmi les principaux postes de consommation thermosensible, nous pouvons citer : la régulation de la température des bâtiments (chauffage, ventilation et climatisation). En effet le chauffage en hiver dépend de la température extérieure et de l’historique récent des températures, tout comme la climatisation en été. Pour permettre aux acteurs de mieux suivre les mesures de sobriété mises en place, Enedis publie les indicateurs suivants, pour les 4 semaines précédentes et les mêmes semaines des 2 années précédentes : ⦁ la consommation réalisée du « tertiaire bâti » ; ⦁ la modélisation de la consommation à température normale pour le tertiaire bâti ; ⦁ la température réalisée moyenne en France ; ⦁ la température normale moyenne en France. Les calculs de consommation du tertiaire bâti sont réalisés de la façon suivante. Pour chaque département en France continentale et chacune des 8 branches du tertiaire bâti, la consommation des sites raccordés au réseau public de distribution exploité par Enedis est agrégée à la maille France. Elle est ensuite sommée sur 4 semaines calendaires. On distingue : ⦁ la consommation réalisée qui correspond à la consommation à température réalisée ; ⦁ la consommation à température normale qui correspond à ce qu’aurait été la consommation de la même période hors aléas climatiques, c’est-à-dire si les températures avaient été similaires à une moyenne des températures sur 30 ans telles que déterminées par 32 stations de Météo France réparties sur le territoire. Les comparaisons entre les consommations présentées doivent également tenir compte du fait que la consommation d’électricité est dépendante du calendrier : types de jours de la semaine, jours fériés et périodes particulières (périodes de vacances, ponts). L’évolution de la consommation à température normale permet de suivre les actions de sobriété. Ce tableau présente un exemple d’interprétation : | Conso réalisée | Conso T normale | T réalisée | T normale ---|---|---|---|--- Semaines S43 à S46 de 2023 | 6 TWh | 5,5 TWh | 5°C | 10°C Semaines S43 à S46 de 2022 | 5 TWh | 6 TWh | 15°C | 10°C Dans ce cas fictif, on constate qu’entre 2022 et 2023, il est difficile de comparer les consommations réalisées car il a fait beaucoup plus froid en 2023 qu’en 2022. Il convient donc de comparer les consommations à températures normales qui montrent une baisse de consommation de 500 GWh. Retrouvez aussi le bilan électrique de référence publié sur notre site. Méthode de modélisation Pour pouvoir mesurer et visualiser l’effet des mesures de sobriété, nous estimons une consommation à température normale. Cela permet de s’affranchir des aléas météorologiques, mais pas des effets saisonniers* ni calendaires**. Pour estimer cette consommation à température normale, nous procédons ainsi : ⦁ création et calibration d’un modèle de prévision. Les variables d’entrée du modèle sont uniquement la température et la configuration calendaire ; ⦁ estimation de la consommation à température normale, c’est-à-dire de la consommation prévue par le modèle quand la température en entrée du modèle est la température normale fournie par MétéoFrance ; ⦁ estimation de la consommation à température réalisée, c’est-à-dire de la consommation prévue par le modèle quand la température en entrée du modèle est la température réalisée fournie par MétéoFrance ; ⦁ création du correctif climatique qui est la différence entre l’estimation à température normale et l’estimation à température réalisée ; ⦁ création de la consommation à température normale, qui est la somme du réalisé de consommation et du correctif climatique. effets saisonniers : variation de la longueur du jour et des températures moyennes au cours de l’année, augmentation de la température moyenne au cours des années. ** effets calendaires : placement des vacances scolaires et position dans la semaine des jours fériés. Cette méthodologie, basée sur des estimations, génère des marges d’incertitudes de l’ordre de quelques %. Description des colonnes du jeu de données La colonne « week » correspond au numéro de semaine auquel appartient le dernier jour de la période sur laquelle porte la ligne. La norme utilisée est la ISO 8601. Par exemple, les lignes dont la valeur « week » est 39 portent sur une période de 4 semaines se terminant par la semaine 39 de l’année 2023. Les comparaisons sont faites avec la même période de 4 semaines (36 à 39) des années précédentes (voir plus bas). Les noms des colonnes sont constitués ainsi : {grandeur}_{période} Les grandeurs sont : ⦁ tr_lissee_moyenne : la température réalisée moyenne sur une période de 4 semaines dont le numéro de la dernière semaine de cette période est dans la colonne "week" ; ⦁ tn_lissee_moyenne : la température normale moyenne sur une période de 4 semaines dont le numéro de la dernière semaine de cette période est dans la colonne "week" ; ⦁ conso_tr_lissee : la consommation à température réalisée cumulée sur une période de 4 semaines dont le numéro de la dernière semaine de cette période est dans la colonne "week" ; ⦁ conso_tn_lissee : la consommation à température normale cumulée une période de 4 semaines dont le numéro de la dernière semaine de cette période est dans la colonne "week". Les périodes sont : ⦁ ref : entre la semaine 30 de 2021 et la semaine 29 de 2022 ; ⦁ 22-23 : entre la semaine 30 de 2022 et la semaine 29 de 2023 ; ⦁ 23-24 : entre la semaine 30 de 2023 et la semaine 29 de 2024. Visualisez aussi les données d'Enedis grâce à nos datavisualisations sur notre site internet. Une question sur ces données ? N'hésitez pas à utiliser notre formulaire de contact.

数据更新正在进行中，预计将很快恢复发布。敬请谅解。本数据集展示了关于「第三产业建筑」的节约信息，该类别涵盖了以下八个分支：咖啡馆-酒店-餐厅、社区住宅、医疗-社会行动、教育-研究、体育-休闲-文化、办公室-行政、商业和运输。研究期间始于当年第30周，结束于次年第29周。数据集允许比较当年、上一年和参考年（2021-2022年期间）之间4周滑动消费。理解要素法国的电力消耗具有热敏感性，即它很大程度上取决于室外温度和气象变化。在主要的热敏感性消费项目中，我们可以提及：建筑温度调节（供暖、通风和空调）。实际上，冬季的供暖依赖于室外温度和近期温度历史，正如夏季的空调一样。为了使参与者更好地跟踪实施的节约措施，Enedis发布了以下指标，涵盖过去四周和前两年同期：⦁ 第三产业建筑的实现消费；⦁ 第三产业建筑在正常温度下的消费模型；⦁ 法国实现的平均温度；⦁ 法国的正常平均温度。第三产业建筑消费的计算方式如下。对于法国大陆每个省份以及第三产业八个分支中的每一个，将连接到Enedis运营的公共分销网络的场所消费进行汇总，形成法国的总体数据。然后，在日历年四周内进行汇总。我们区分：⦁ 实现消费，即实际温度下的消费；⦁ 正常温度消费，即在没有气候意外的情况下同一时期的消费，即如果温度与气象法国在领土上分布的32个气象站确定的30年温度平均值相似。所呈现的消费比较还必须考虑到电力消费对日历的依赖性：一周中的日子类型、节假日和特殊时期（假期、桥梁）。正常温度消费的变化有助于跟踪节约行动。此表展示了示例性解释：| 实现消费 | 正常温度消费 | 实现温度 | 正常温度 ---|---|---|---|--- 2023年第43至46周 | 6太瓦时 | 5.5太瓦时 | 5°C | 10°C 2022年第43至46周 | 5太瓦时 | 6太瓦时 | 15°C | 10°C 在这个假设的例子中，我们可以观察到，从2022年到2023年，由于2023年的温度比2022年低得多，因此很难比较实际消费。因此，应该比较正常温度消费，这表明消费减少了500吉瓦时。同时，您还可以在我们的网站上找到发布的参考电力平衡。建模方法为了测量和可视化节约措施的效果，我们估计正常温度下的消费。这使我们能够摆脱气象意外，但不是季节性*或日历**效应。为了估计这种正常温度下的消费，我们采取以下措施：⦁ 创建和校准预测模型。模型的输入变量仅为温度和日历配置；⦁ 估计正常温度下的消费，即当模型输入的温度是气象法国提供的正常温度时，模型预测的消费；⦁ 估计实现温度下的消费，即当模型输入的温度是气象法国提供的实现温度时，模型预测的消费；⦁ 创建气候校正，即正常温度估计和实现温度估计之间的差异；⦁ 创建正常温度下的消费，即实际消费总和与气候校正。季节性效应：日长和年温差的变化，平均温度的年度增加。**日历效应：学校假期的安排和节假日在周内的位置。该基于估计的方法产生了大约几个百分点的误差范围。数据集列描述列「week」对应于包含该行最后一天的周编号。使用的标准是ISO 8601。例如，列「week」值为39的行涉及从该年39周开始的四周期间。比较是与前几年同期四周（36至39周）进行比较（见下文）。列名由以下方式构成：{度量}_{期间}。度量包括：⦁ tr_lissee_moyenne：在包含列「week」中最后一周的四周期间的平均实现温度；⦁ tn_lissee_moyenne：在包含列「week」中最后一周的四周期间的平均正常温度；⦁ conso_tr_lissee：在包含列「week」中最后一周的四周期间的总实现消费；⦁ conso_tn_lissee：在包含列「week」中最后一周的四周期间的总正常温度消费。期间包括：⦁ ref：从2021年第30周至2022年第29周；⦁ 22-23：从2022年第30周至2023年第29周；⦁ 23-24：从2023年第30周至2024年第29周。您还可以通过我们的网站上的数据可视化查看Enedis的数据。对数据有任何疑问？请随时使用我们的联系表单。