Participation à un colloque organisé par l'Agence Martiniquaise de l'Energie

Colloque Martinique Energie Environnement 2014 / Schoelcher, Martinique / 4 - 9 mai 2014


Le colloque Martinique Energie et Environnement 2014 est organisé par le département Hygiène Sécurité Environnement de l’Institut Universitaire de Technologie (IUT-HSE) de l’Université Antilles-Guyane (UAG) et l’Agence Martiniquaise de l’Energie (AME). Pour la France, l’insularité a une implication majeure en ce qui concerne la problématique énergétique : les îles françaises (Martinique, Guadeloupe, Corse, Réunion) sont des zones non interconnectées (ZNI). L’électricité consommée doit être produite sur place. Le recours à l’énergie solaire est une bonne alternative au fuel pour produire cette électricité mais la variation de la production associée à une ressource difficilement prévisible limite son utilisation sur les réseaux îliens. L’amélioration de la prévision de la ressource solaire est l’une des voies à même de faire évoluer les limites actuelles. Notre contribution à ces journées thématiques se fera par le biais d'une présentation exposant nos dernières méthodologies utilisant le fomalisme des séries temporelles et visant à prédire le rayonnement global sur un territoire étendu. Le titre et le résumé sont:

Time series modeling and large scale global solar radiation forecasting from geostationary satellites data

Abstract. When a territory is poorly instrumented, geostationary satellites data can be useful to predict global solar radiation. In this presentation, we use geostationary satellites data to generate 2-D time series of solar radiation for the next hour. The results relate to a particular territory, the Corsica Island, but as data used are available for the entire surface of the globe, our method can be easily exploited to another place. Indeed 2-D hourly time series are extracted from the HelioClim-3 surface solar irradiation database treated by the Heliosat-2 model. Each point of the map have been used as training data and inputs of artificial neural networks (ANN) and as inputs for two persistence models (scaled or not). Comparisons between these models and clear sky estimations were proceeded to evaluate the performances.

http://energie.mq/cm2e2014/ http://energie.mq/cm2e2014/


Rédigé par Cyril VOYANT le Samedi 15 Février 2014 à 09:39 | Lu 314 fois