Estimation de l’incertitude des prédictions de production eolienne

par Pierre Patrick Pinson

Thèse de doctorat en Énergétique

Sous la direction de Georges Kariniotakis.

Soutenue en 2006

à Paris, ENMP .


  • Résumé

    L’énergie éolienne connaît un développement considérable en Europe. Pourtant, le caractère intermittent de cette énergie renouvelable introduit des difficultés pour la gestion du réseau électrique. De plus, dans le cadre de la dérégulation des marchés de l’électricité, l’énergie éolienne est pénalisée par rapport aux moyens de production contrôlables. La prédiction de la production éolienne à des horizons de 2-3 jours aide l’intégration de cette énergie. Ces prédictions consistent en une seule valeur par horizon, qui correspond à la production la plus probable. Cette information n’est pas suffisante pour définir des stratégies de commerce ou de gestion optimales. C’est pour cela que notre travail se concentre sur l’incertitude des prédictions éoliennes. Les caractéristiques de cette incertitude sont décrites à travers une analyse des performances de certains modèles de l’état de l’art, et en soulignant l’influence de certaines variables sur les moments des distributions d’erreurs de prédiction. Ensuite, nous décrivons une méthode générique pour l’estimation d’intervalles de prédiction. Il s’agit d’une méthode statistique nonparamétrique qui utilise des concepts de logique floue pour intégrer l’expertise acquise concernant les caractéristiques de cette incertitude. En estimant plusieurs intervalles à la fois, on obtient alors des prédictions probabilistes sous forme de densité de probabilité de production éolienne pour chaque horizon. La méthode est évaluée en terme de fiabilité, finesse et résolution. En parallèle, nous explorons la possibilité d’utiliser des prédictions ensemblistes pour fournir des ‘prévisions d’erreur’. Ces prédictions ensemblistes sont obtenues soit en convertissant des prévisions météorologiques ensemblistes (fournies par ECMWF ou NCEP), soit en appliquant une approche de décalage temporel. Nous proposons une définition d’indices de risque, qui reflètent la dispersion des ensembles pour un ou plusieurs horizons consécutifs. Une relation probabiliste entre ces indices de risque et le niveau d’erreur de prédiction est établie. Dans une dernière partie, nous considérons la participation de l’énergie éolienne dans les marchés de l’électricité afin de démontrer la valeur de l’information ‘incertitude’. Nous expliquons comment définir des stratégies de participation à ces bourses de l’électricité avec des prédictions déterministes ou probabilistes. Les bénéfices résultant d’une estimation de l’incertitude des prédictions éoliennes sont clairement démontrés.

  • Titre traduit

    Estimation of the Uncertainty in Wind Power Forecasting


  • Résumé

    Wind power experiences a tremendous development of its installed capacities in Europe. Though, the intermittence of wind generation causes difficulties in the management of power systems. Also, in the context of the deregulation of electricity markets, wind energy is penalized by its intermittent nature. It is recognized today that the forecasting of wind power for horizons up to 2/3-day ahead eases the integration of wind generation. Wind power forecasts are traditionally provided in the form of point predictions, which correspond to the most-likely power production for a given horizon. That sole information is not sufficient for developing optimal management or trading strategies. Therefore, we investigate on possible ways for estimating the uncertainty of wind power forecasts. The characteristics of the prediction uncertainty are described by a thorough study of the performance of some of the state-of-the-art approaches, and by underlining the influence of some variables e. G. Level of predicted power on distributions of prediction errors. Then, a generic method for the estimation of prediction intervals is introduced. This statistical method is non-parametric and utilizes fuzzy logic concepts for integrating expertise on the prediction uncertainty characteristics. By estimating several prediction intervals at once, one obtains predictive distributions of wind power output. The proposed method is evaluated in terms of its reliability, sharpness and resolution. In parallel, we explore the potential use of ensemble predictions for skill forecasting. Wind power ensemble forecasts are obtained either by converting meteorological ensembles (from ECMWF and NCEP) to power or by applying a poor man’s temporal approach. A proposal for the definition of prediction risk indices is given, reflecting the disagreement between ensemble members over a set of successive look-ahead times. Such prediction risk indices may comprise a more comprehensive signal on the expected level of uncertainty in an operational environment. A probabilistic relation between classes of risk indices and the level of forecast error is shown. In a final part, the trading application is considered for demonstrating the value of uncertainty estimation when predicting wind generation. It is explained how to integrate that uncertainty information in a decision-making process accounting for the sensitivity of end-users to regulation costs. The benefits of having a probabilistic view of wind power forecasting are clearly shown.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (266 p.)
  • Annexes : Bibliogr. 244 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Mines ParisTech. Bibliothèque.
  • Non disponible pour le PEB
  • Cote : EMS T-CEP-076
  • Bibliothèque : Mines ParisTech. Bibliothèque.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.