Prévision multi-horizon de l'éclairement global horizontal pour la gestion intelligente du réseau électrique de distribution en région Occitanie
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 |
Examinateurs / Examinatrices : Laurent Thomas, Philippe Lauret, Ted Soubdhan, Stéphane Thil, Eric Bideaux, Hervé Guéguen, Gilles Notton | |
Rapporteurs / Rapporteuses : Philippe Lauret, Ted Soubdhan |
Mots clés
Mots clés contrôlés
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.