Manuscrit et présentation de Thèse de Doctorat

Thèse soutenue le 16 Novembre à 14h00 au Laboratoire G. Peri (Vignola ; Ajaccio). Mention Énergétique

Prédiction de séries temporelles de rayonnement solaire global et de production d’énergie photovoltaïque à partir de réseaux de neurones artificiels


Prédiction de séries temporelles de rayonnement solaire global et de production d’énergie photovoltaïque à partir de réseaux de neurones artificiels

La Corse faisant partie des petits réseaux insulaires non-interconnectés, son approvisionnement énergétique est très particulier. En effet, comme toutes les îles, elle doit se suffire à elle-même. Une solution souvent adoptée pour pallier à cet isolement, consiste à recourir aux énergies renouvelables.
Cependant, à cause de leur caractère intermittent, elles ne sont insérées que de manière limitée au sein des réseaux électriques. Il est nécessaire d’utiliser en parallèle d’autres moyens de production d’énergie, avec comme principale difficulté, la gestion optimale de la bascule entre ces deux types d’énergie.
Cette étude s’inscrit dans le cadre de la prédiction de la ressource solaire et photovoltaïque dans le but de quantifier l’énergie disponible et de permettre une gestion optimale de la transition entre énergies intermittentes et conventionnelles. Tout au long de ces travaux, nous avons ainsi testé différentes techniques de prédiction sur quatre horizons susceptibles d’intéresser un gestionnaire de réseau : j+1, h+24, h+1 et m+5. A l’issue de toutes ces manipulations, nous pouvons conclure que suivant l’horizon considéré, la hiérarchisation des différents prédicteurs fluctue.
On retiendra ainsi que, pour l’horizon j+1, il est intéressant d’utiliser une approche à base de réseaux de neurones en prenant soin de stationnariser les séries temporelles et d’utiliser des variables exogènes. Pour l’horizon h+1, une méthodologie hybride couplant la robustesse des modèles autorégressifs et la non-linéarité des modèles connexionnistes permet d’obtenir des résultats très satisfaisants. Pour le cas h+24, les réseaux de neurones à sorties multiples donnent de très bons résultats. Concernant l’horizon m+5, les conclusions sont moins catégoriques. Ainsi, même si les réseaux de neurones sont les plus performants, la simplicité et les résultats d’une approche basée sur la persistance, nous conduisent à préconiser principalement ce prédicteur.
L’ensemble des méthodologies proposées et des résultats obtenus sont complémentaires avec les travaux de prédiction bibliographiques étudiés. Les méthodologies développées pourraient, à terme, être reprises comme éléments de prédiction dans des outils globaux de contrôle et de commande des systèmes énergétiques.

http://cyrilvoyant.pagesperso-orange.fr/these_2011 http://cyrilvoyant.com/these_2011.pdf
http://cyrilvoyant.com/soutenance_cyrilvoyant.pps http://cyrilvoyant.com/soutenance_cyrilvoyant.pps

Manuscrit et présentation de Thèse de Doctorat



Rédigé par Cyril VOYANT le Mardi 25 Octobre 2011 à 07:06 | Lu 1053 fois