Réponse à la demandeLa réponse à la demande (demand response) comprend, de manière générale, tous les moyens mis en place pour changer le profil de consommation de l'électricité par les utilisateurs et donc la consommation totale électrique. D'après la Federal Energy Regulatory Commission américaine, elle est le changement d'utilisation de l'électricité par le consommateur final par rapport à l'usage habituel en réponse aux changements de prix de l'électricité au cours du temps, ou des remboursements destinés à diminuer l'usage de l'électricité lors de maxima des prix dans le marché de gros ou lors d'instabilité du réseau électrique.
Maîtrise de la demande en énergieLa notion de maîtrise de la demande en énergie (qui comprend celle de maîtrise de la demande en électricité) souvent dite MDE (en anglais, energy demand management (EDM), demand-side management (DSM) ou demand-side response (DSR)), regroupe des actions d'économies d'énergie développées du côté du consommateur final, et non du producteur d'énergie (bien que ce dernier puisse y contribuer). La MDE a été initiée dans les années 1990, aux États-Unis et en Europe principalement (dont en France avec le soutien de l'AFME devenue ADEME).
Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
Dynamic demand (electric power)Dynamic Demand is the name of a semi-passive technology to support demand response by adjusting the load demand on an electrical power grid. It is also the name of an independent not-for-profit organization in the UK supported by a charitable grant from the Esmée Fairbairn Foundation, dedicated to promoting this technology. The concept is that by monitoring the frequency of the power grid, as well as their own controls, intermittent domestic and industrial loads switch themselves on/off at optimal moments to balance the overall grid load with generation, reducing critical power mismatches.
DemandIn economics, demand is the quantity of a good that consumers are willing and able to purchase at various prices during a given time. The relationship between price and quantity demand is also called the demand curve. Demand for a specific item is a function of an item's perceived necessity, price, perceived quality, convenience, available alternatives, purchasers' disposable income and tastes, and many other options. Innumerable factors and circumstances affect a consumer's willingness or to buy a good.
Reinforcement learning from human feedbackIn machine learning, reinforcement learning from human feedback (RLHF) or reinforcement learning from human preferences is a technique that trains a "reward model" directly from human feedback and uses the model as a reward function to optimize an agent's policy using reinforcement learning (RL) through an optimization algorithm like Proximal Policy Optimization. The reward model is trained in advance to the policy being optimized to predict if a given output is good (high reward) or bad (low reward).
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Multi-agent reinforcement learningMulti-agent reinforcement learning (MARL) is a sub-field of reinforcement learning. It focuses on studying the behavior of multiple learning agents that coexist in a shared environment. Each agent is motivated by its own rewards, and does actions to advance its own interests; in some environments these interests are opposed to the interests of other agents, resulting in complex group dynamics. Multi-agent reinforcement learning is closely related to game theory and especially repeated games, as well as multi-agent systems.
Marché de l'électricitéL'expression « marché de l'électricité » désigne, de façon générale, les différentes formes d'organisation du secteur de la production et de la commercialisation de l'électricité apparus, principalement dans les années 1990, dans la plupart des pays industrialisés, dans le cadre des processus de déréglementation. De ses débuts (fin du ) à la fin du , le secteur électrique s'est organisé en monopoles territoriaux verticalement intégrés, de la production à la distribution de détail : en un point donné du territoire un client ne pouvait avoir qu'un seul fournisseur d'électricité.
Pointe de consommation électriqueUne est la consommation la plus élevée d’un réseau électrique pendant une période définie (jour, mois, saison). Elle dépend de la localisation et de la période étudiée et, du fait de la dificulté du stockage de l'électricité, pose des problèmes particuliers aux gestionnaires de réseaux et aux producteurs d’électricité. Contrairement à d'autres formes d'énergie, l'énergie électrique ne peut généralement pas être stockée telle quelle à grande échelle, chaque kilowatt-heure devant donc être produit au moment de sa consommation.
