Prévision multi-horizon de l'éclairement global horizontal pour la gestion intelligente du réseau électrique de distribution en région Occitanie

Multi-horizon forecasting of global horizontal irradiance for the smart management of the power distribution grid in Occitania

• Auteur / Autrice : Shab Gbemou
• Direction : Stéphane Grieu
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'ingénieur
• Date : Soutenance le 16/12/2021
• Etablissement(s) : Perpignan
• Ecole(s) doctorale(s) : École doctorale Énergie environnement (Perpignan)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Procédés, matériaux et énergie solaire (Perpignan)
• Jury : Président / Présidente : Laurent Thomas
• Jury : Examinateurs / Examinatrices : Laurent Thomas, Philippe Lauret, Ted Soubdhan, Stéphane Thil, Eric Bideaux, Hervé Guéguen, Gilles Notton
• Jury : Rapporteurs / Rapporteuses : Philippe Lauret, Ted Soubdhan

Mots clés

Mots clés contrôlés

Prévision

Électricité -- Production

Conversion photovoltaïque

Électricité -- Distribution

Occitanie (France)

Réseaux électriques intelligents

Mots clés libres

Éclairement global horizontal

Régression non paramétrique par processus gaussien

Noyau

Production photovoltaïque

Transition énergétique

Prévision

Apprentissage automatique

Global horizontal irradiance

Gaussian process regression

Kernel

Photovoltaic power generation

Energy transition

Forecasting

Machine learning

Résumé

La pénétration des énergies renouvelables intermittentes, en particulier du solaire photovoltaïque, dans le réseau électrique de distribution ne cesse d'augmenter du fait de la dynamique insufflée par la transition énergétique. Une mutation du réseau électrique de distribution est donc devenue nécessaire. Cette mutation doit permettre d'augmenter la capacité d'accueil du réseau sans renforcement des infrastructures et de limiter les contraintes, en particulier en tension, qui commencent à apparaitre sur le réseau électrique de distribution basse tension.Cette thèse s'inscrit dans le cadre du projet de démonstrateur de réseau électrique intelligent en milieu périurbain/rural « Smart Occitania », traitant du développement d'une stratégie de contrôle à coût calculatoire maîtrisé pour la gestion prédictive d'un réseau électrique de distribution basse tension. La stratégie de contrôle implique des prévisions infra-horaires et infra-journalières de grandeurs stochastiques, telles que la production solaire photovoltaïque. Ces travaux de thèse traitent de la prévision multi-horizon, dans un premier temps localisée, puis spatio-temporelle, de l'éclairement global horizontal (ou GHI, pour global horizontal irradiance) à des fins de prévision de la production solaire photovoltaïque.Tout d'abord, une étude comparative des outils de l'apprentissage automatique a été menée dans le but de choisir l'outil le plus adapté à la prévision du GHI. Les résultats ont montré que la régression non paramétrique par processus gaussien (ou GPR, pour Gaussian process regression) est l'outil le plus adapté à notre application. Ensuite, le choix de l'entrée des modèles GPR a été étudié. En effet, pour le GPR, il est possible d'utiliser le temps ou un historique d'observations comme entrée. Une étude comparative a été menée, mettant en lumière qu'au regard de notre application, le temps était l'entrée adéquate. Par ailleurs, les biais inductifs connus sur la dynamique du GHI ont été utilisés afin de construire un noyau adapté. Enfin, une étude préliminaire a été menée, visant à déterminer le noyau spatial à associer au noyau temporel pour la prévision dans le temps et l'espace du GHI.

The penetration of intermittent renewable energies, in particular solar photovoltaic (PV), in the power distribution grid is constantly increasing due to the dynamics instilled by the energy transition. A change of the power distribution grid has thus become necessary. This mutation must allow to increase the capacity of the network without reinforcing the infrastructures and to limit the constraints, in particular voltage constraints, which start to appear on the low voltage power distribution grid.This thesis is part of the project Smart Occitania, which deals with the development of a control strategy with controlled computing cost for the predictive management of a low voltage power distribution grid. The control strategy involves intrahour and intraday forecasts of stochastic quantities, such as solar photovoltaic generation. This thesis deals with the temporal and spatio-temporal forecasting of global horizontal irradiance (GHI), in order to forecast PV power generation.First, a comparative study of machine learning tools was conducted in order to choose the most suitable method for GHI forecasting. The results showed that non-parametric Gaussian process regression (GPR) is the most suitable tool for our application. Then, the choice of the input of the GPR models has been studied. Indeed, for GPR, time or historical observations can be used as input. A comparative study was conducted, highlighting that, with respect to our application, time as an adequate input. Furthermore, the known inductive biases on the GHI dynamics have been used to build a suitable kernel. Finally, a preliminary study has been conducted, so as to determine the spatial kernel to be associated with the temporal kernel for spatio-temporal forecasting of GHI.