التنبؤ بإنتاج و استهلاك الطاقات المتجددة في الجزائر بإستخدام النماذج القياسية

Abstract

تهدف هذه الدراسة إلى التنبؤ بالاستهلاك والإنتاج للطاقة المتجددة في الجزائر، مع التركيز على الطاقة الكهرومائية باعتبارها من المصادر الرئيسية للطاقة المتجددة. وذلك بالاعتماد على بيانات الاستهلاك والإنتاج للطاقة الكهرومائية من سنة 1965إلى غاية 2024، للتنبؤ بالقيم المستقبلية للفترة الممتدة بين 2035 و2025 ذلك بالاستعانة بثلاثة نماذج قياسية تتمثل في منهجية Box-Jenkins، التمهيد الأسي الثلاثي ، والشبكات العصبية الاصطناعية . ANN ليتم مقارنة أداء هذه النماذج باستخدام مؤشرات دقة التنبؤ Theil، MAPE ،MAE و. RMSE وقد بينت النتائج المتحصل عليها أن نماذج الشبكات العصبية الاصطناعية (ANN)قدمت أفضل أداء من حيث جميع مؤشرات الدقة مقارنة بأسلوب التمهيد الأسي الثلاثي ومنهجية ، Box-Jenkinsمما يجعل ANNالنموذج الأنسب للتنبؤ بالسيناريوهات المستقبلية للطاقة الكهرومائية في الجزائر، ويضمن موثوقية أعلى لتقديرات الإنتاج والاستهلاك. الكلمات المفتاحية: الطاقة المتجددة، الطاقة الكهرومائية، التنبؤ بالاستهلاك، التنبؤ بالإنتاج، نماذج الشبكات العصبية الاصطناعية، نموذج التمهيد الأسي الثلاثي. Abstract: This study aims to forecast the consumption and production of renewable energy in Algeria, focusing particularly on hydropower as a key source of renewable energy. The analysis uses hydropower consumption and production data from 1965 to 2024 to predict values for the period 2025–2035. Three econometric models were employed for this purpose: the Box–Jenkins methodology, triple exponential smoothing and artificial neural networks (ANN). The performance of these models was evaluated using forecast accuracy indicators such as Theil's U, MAPE, MAE and RMSE. The results showed that the ANN model outperformed the other two methods in terms of all accuracy indicators, making it the most suitable model for forecasting future hydropower scenarios in Algeria. This ensures a higher level of reliability in the estimation of production and consumption. Keywords: Renewable energy, hydropower, consumption forecasting, production forecasting, artificial neural networks, triple exponential smoothing model. Résumé : Cette étude vise à prévoir la consommation et la production d’énergie renouvelable en Algérie, en se concentrant sur l’énergie hydroélectrique, considérée comme l’une des principales sources d’énergie renouvelable. L’analyse repose sur les données de consommation et de production hydroélectrique de 1965 à 2024, afin de prédire les valeurs pour la période 2025-2035. Trois modèles économétriques ont été appliqués : la méthodologie Box-Jenkins, le lissage exponentiel triple et les réseaux de neurones artificiels (ANN). La performance de ces modèles a été évaluée à l’aide d’indicateurs de précision des prévisions, tels que l’indice de Theil, l’erreur absolue moyenne pondérée (MAPE), l’erreur absolue moyenne (MAE) et l’erreur absolue moyenne racine (RMSE). Les résultats obtenus montrent que le modèle de réseaux de neurones artificiels (ANN) Offre la meilleure performance selon tous les indicateurs de précision, ce qui en fait le Modèle le plus approprié pour prévoir l’évolution de l’hydroélectricité en Algérie. Cela garantit une fiabilité accrue des estimations de la production et de la consommation. Mots-clés : énergie renouvelable, hydroélectricité, prévision de la consommation, prévision de la production, réseaux de neurones artificiels, modèle de lissage exponentiel triple.