Modélisation multivariée de diffférentes variables météorologiques : température, précipitation, rayonnement et vent

par Augustin Touron

Projet de thèse en Mathématiques appliquées

Sous la direction de Elisabeth Gassiat.

Thèses en préparation à Paris Saclay , dans le cadre de Mathématiques Hadamard , en partenariat avec LMO - Laboratoire de Mathématiques d'Orsay (laboratoire) , Probabilités et statistiques (LMO) (equipe de recherche) et de Université Paris-Sud (établissement de préparation de la thèse) depuis le 01-09-2016 .


  • Résumé

    Pour atteindre l'équilibre offre/demande, EDF doit contrôler la production et la consommation d'électricité à différentes échelles temporelles. Avec le développement des énergies renouvelables telles que l'énergie solaire ou éolienne, il devient fondamental d'ajuster la production à la consommation à échelle locale. D'où le besoin modéliser de manière cohérente des variables météorologiques comme la température, la vitesse du vent, les précipitations ou la rayonnement solaire. L'objectif de cette thèse est de créer un "générateur de temps" capable de produire des simulations réalistes de ces variables. Dans ce but, les modèle de Markov caché sont très populaires dans la littérature. Ces modèles reposent sur des types de temps non observés, ce qui les rend très flexibles.

  • Titre traduit

    Multivariate modeling of weather variables: temperature, rainfall, solar radiation and windspeed


  • Résumé

    In order to reach the supply/demand balance, EDF needs to control the consumption and production of electricity at different time scales. With the rise of renewable energies such as solar and wind, and the decentralization of production, it is becoming crucial to adjust consumption and production at a local scale. This implies the need of modeling weather variables such as temperature, wind speed, solar radiation and precipitation in a consistent way. The goal of this thesis is to design a so-called stochastic weather generator capable of producing realistic simulations of weather variables. For this purpose, Hidden Markov Models (HMM) are very popular in the literature. HMM rely on unobserved weather states, which makes them very flexible.