Outil de prédiction solaire basé sur un calcul d'erreur météorologique

Dufour, Luc (HES-SO Valais-Wallis, Haute Ecole de Gestion & Tourisme) ; Barque, Mariam (HES-SO Valais-Wallis, Haute Ecole de Gestion & Tourisme) ; Zufferey, Arnaud (HES-SO Valais-Wallis, Haute Ecole de Gestion & Tourisme) ; Genoud, Dominique (HES-SO Valais-Wallis, Haute Ecole de Gestion & Tourisme) ; Cimmino, Francesco Maria (HES-SO Valais-Wallis, Haute Ecole de Gestion & Tourisme) ; Genoud, Stephane (HES-SO Valais-Wallis, Haute Ecole de Gestion & Tourisme) ; Bétrisey, Yvan (Icare Institute, Switzerland) ; Noureddine, Hussain (Icare Institute, Switzerland) ; Ladevie, Bruno (UMR CNRS 5302, Mines Albi, France) ; Bezian, Jean-Jacques (UMR CNRS 5302, Mines Albi, France)

Le développement des énergies renouvelables passe par une meilleure anticipation de la variabilité de leurs productions. Un des freins aux développements de l’éolien et du photovoltaïque résident dans leurs variabilités de production liées aux conditions climatiques. Ainsi, la capacité de prévoir ces sources de production variables est essentielle pour le maintien d’un réseau électrique sécurisé et pour piloter des bâtiments en fonction de la prédiction de ces productions décentralisées. Ce travail présente une solution industriel d’analyse de données afin de prévoir l'énergie Photovoltaïque (PV) à partir de données réelles de production et météorologiques. Les données utilisées proviennent de la station photovoltaïque du quartier intelligent situé au techno-Pôle de Sierre et des données de production des différentes stations du distributeur d’énergie ESR pour la ville de Sion en Suisse. Ici sont présentés les résultats pour une station photovoltaïque parmi l’ensemble du parc de l’ESR. Notre approche combine des algorithmes de classification (Arbre de décision, Réseau de Neurones) pour prédire le PV d’une station considérant les conditions météorologiques et une régression non-linéaire pour prédire les erreurs de prédiction météorologique. Le système d’information permet aujourd’hui de récupérer les données météorologiques réelles et prédites avec un pas de temps d’une heure, la production produite à l’heure et de les stocker dans une base Influx DB. Par l’intermédiaire d’un service Web, une connexion est réalisée avec le logiciel d’analyse de données Knime pour traiter et calculer la prédiction et les marges d’erreur pour le jour suivant par heure. Une page web a été créée pour la personne responsable de la prédiction à l’ESR avec une connexion possible avec leur logiciel de prédiction existant Epredict pour y intégrer les données. Le système d’information créé est prêt pour intégrer les différentes énergies renouvelables décentralisées (photovoltaïque, barrages, éoliens).Ce projet nommé ELF4U a été financé par la fondation The Ark Energy.


Titre traduit:
Solar prediction tool based on a meteorological error calculation
Type de conférence:
short paper
Faculté:
Economie et Services
Ecole:
HEG-VS
Institut:
Institut Informatique de gestion
Classification:
Informatique
Adresse bibliogr.:
Perpignan, France, 01-03 juillet 2015
Date:
Perpignan, France
01-03 juillet 2015
2015
Pagination:
1 p.
Publié dans
Conférence internationale Développement des Energies Renouvelables dans le Bâtiment et l'Industrie (DERBI) 2015 & 2ème édition des Journées Nationales sur l'Energie Solaire (JNES)
ISSN:
1423-3967
Le document apparaît dans:

Note: The status of this file is: restricted


 Notice créée le 2015-12-14, modifiée le 2018-12-11

Fichiers:
Télécharger le document
PDF

Évaluer ce document:

Rate this document:
1
2
3
 
(Pas encore évalué)