
Une étude réalisée par une équipe de chercheurs de la Université polytechnique de Madrid (UPM) Institut nicaraguayen d'études territoriales (INETER), introduit une nouvelle méthodologie sur la base d'observations en parallèle par capteurs placés sur différents sites et valeurs pour différentes variables (science, humidité, pression, vent et autres estimations).
Les expériences ont été réalisées à l'aide de Réseaux neuronaux artificiels avec des architectures et des paramètres différents pour déterminer ceux qui produisaient les meilleures prévisions pour les différents temps étudiés. Les résultats ont permis d'élaborer des modèles qui prédisent laIradiance solaire mondiale à court terme avec des taux d'erreur inférieurs à 20%, ce qui peut être très utile aux entreprises qui exploitent les installations solaires photovoltaïques et solaires pour estimer la capacité de production de leurs installations.
L'un des défis de la société moderne est l'utilisation efficace des ressources naturelles et la réduction de l'impact environnemental résultant de l'augmentation de la demande et de la consommation d'énergie. C'est là que l'une des énergies renouvelables, l'énergie solaire, se consolide comme l'une des solutions à long terme avec le plus grand potentiel, le plus durable et le plus faible impact. Nous parlons en particulier de l'énergie solaire photovoltaïque, qui peut être reliée au réseau de transport et de distribution mais qui exige une bonne gestion de l'offre et de la demande d'énergie. Pour leur part, les opérateurs des systèmes solaires ont besoin, à tous les stades (planification, construction et opération ultérieure), de connaître suffisamment à l'avance le rayonnement solaire que leurs installations vont recevoir. C'est là qu'il est nécessaire de prévoir l'éradication solaire globale (ISG) à quelques heures et avec le moins d'erreur possible pour estimer la production d'énergie prévue.
Diverses méthodes d'estimation de l'IRM sont connues: des prévisions numériques basées sur la localisation et le temps complétées par différents modèles de correction, des images satellitaires qui enregistrent la nuageuse et estiment les pertes dans le modèle idéal, d'autres basées sur des séries temporelles et d'autres sur des renseignements artificiels. Chaque méthode présente des avantages et des inconvénients. Par exemple, la prévision basée sur des images satellite s'est révélée universelle en fournissant des estimations pour de grandes extensions géographiques; cependant, elle présente l'inconvénient de la disponibilité de telles images pour certaines régions de la planète et du prétraitement des images, entre autres. Dans le cas des prévisions fondées sur des méthodes numériques, on estime la dynamique de l'atmosphère de manière réaliste par l'assimilation des données; toutefois, elles garantissent la stabilité globale des prévisions relatives aux événements météorologiques locaux générés sur de courtes échelles spatio-temporelles. D'autre part, les méthodes fondées sur l'intelligence artificielle développées jusqu'à présent utilisaient uniquement l'historique des données endogènes, associées au lieu même de la prédiction.
L'étude réalisée par les chercheurs de l'UPM et de l'INETER a mis l'accent sur l'hypothèse qu ' il était possible d'améliorer les prévisions à court terme de l'éradication solaire mondiale en produisant des modèles basés sur les réseaux neuronaux artificiels en utilisant de nombreuses variables météorologiques d'entrée, observées à la fois sur le lieu d'intérêt et sur les sites à proximité et réparties à la fois dans l'espace et dans le temps (environ 900 variables ont été utilisées). L'image ci-dessous est une représentation simplifiée de l'un des modèles créés pour prédire l'éradication solaire globale à l'avenir en utilisant comme données d'entrée les observations enregistrées (dans l'espace et le temps) dans les lieux établis (fig. de l'"A" à l'"J"). Vous pouvez y voir comment chaque emplacement apporte 9 variables différentes et chacune de celles-ci avec une histoire dans le temps de 10 valeurs.

Illustration simplifiée des modèles RNA développés. Source: UPM
Les résultats de la recherche montrent la capacité des modèles développés, basés sur des réseaux neuronaux artificiels, à capturer les relations tant linéaires que non linéaires entre les différentes variables considérées. Comme les chercheurs l'ont souligné, " cela nous a permis de prédire l'éradication solaire mondiale à court terme avec une capacité de prévision significative (forecast skill) et une erreur moyenne quadriennale normalisée inférieure à 20% par rapport aux autres modèles basés sur les réseaux neuronaux artificiels. Il nous a également permis d'identifier une relation entre les fenêtres temporelles de prévision de 1-3 heures et 4-6 heures par rapport à la distance de référence de 55 km (représenté avec un cercle bleu sur l'image), laissant ouverte une ligne de recherche pour utiliser différentes distances de référence pour différentes fenêtres de prévision."
Le résultat de cette recherche est d'applications différentes, la plus directe dans les entreprises qui exploitent les installations solaires photovoltaïques/thermales pour estimer la capacité de production de leurs installations, comme le demandent la législation en vigueur et les opérateurs des systèmes électriques nationaux. Les uns comme les autres peuvent les utiliser pour être plus efficaces dans leurs objectifs: maximiser le retour sur investissement et ajuster les courbes de l'offre et de la demande d'énergie prévue.
Réf.
Gutierrez-Corea, FV; Manso-Callejo, MA; Moreno-Regidor, MP; Manrique-Sancho, MT. Forecasting short-term solar irradiance based on artificial neural networks and data from neighboring meteorological stations. SOLAR ENERGY 134: 119-131. DOI: 10.1016/j.solener.2016.04.020. SEP 2016.
_______________________
UPM
La predicción de fenómenos extremos y la adaptación de los territorios a sus impactos centrarán la VII Jornada de Investigación sobre Cambio Climático convocada por la Universitat Politècnica de València (UPV) para el próximo 27 de noviembre. El encuentro, anunciado por el Instituto de Ingeniería del Agua y Medio Ambiente (IIAMA), reunirá a especialistas para examinar herramientas de vigilancia, modelización...
Repsol ha aprobado el desarrollo de un electrolizador de hidrógeno renovable de 150 megavatios (MW) en su complejo industrial de Tarragona. Este proyecto contempla una inversión aproximada de 400 millones de euros y supone la mayor inversion de este tipo anunciado hasta ahora por la compañía. La iniciativa se desarrollará en colaboración con Enagás Renovable, que participará con un 25...
El Centro para el Desarrollo Tecnológico y la Innovación (CDTI Innovación) ha anunciado la apertura, prevista para hoy 17 de noviembre de 2026, de INNTERCONECTA STEP 2026, una convocatoria de subvenciones dotada con 150 millones de euros. Los fondos, cofinanciados con recursos FEDER, se dirigen a proyectos de investigación y desarrollo empresarial en cooperación. La comunicación oficial se publicó el...
El Colegio Oficial de Ingeniería Industrial de Bizkaia (COIIB) y la Universidad de Deusto han formalizado un convenio marco para reforzar la colaboración entre los profesionales de la ingeniería y el ámbito universitario. El acuerdo establece una base de trabajo en formación, transferencia de conocimiento, investigación, emprendimiento y desarrollo profesional. La firma se celebró en las instalaciones del colegio y...
Once organizaciones han firmado en Bilbao el primer Compromiso con el Talento Sostenible, una declaración de diez principios que busca mejorar la gestión de la experiencia y las capacidades profesionales a lo largo de toda la vida laboral. La iniciativa se presentó durante el Foro PROMETEO Talento Sostenible, organizado por el Colegio Oficial de Ingeniería Industrial de Bizkaia (COIIB) y...
Les cookies sont de petits fichiers qu’un site peut enregistrer dans votre navigateur afin de mémoriser des préférences, permettre les sessions ou, avec votre consentement, mesurer l’utilisation du site.
Cookies nécessaires ou techniques : ils assurent le fonctionnement du portail, la connexion et la mémorisation des préférences de confidentialité. Les cookies strictement nécessaires ne requièrent pas de consentement.
Cookies de mesure facultatifs : Google Analytics 4 et Histats permettent d’établir des statistiques de visites et d’utilisation. Ces services ne sont chargés qu’après votre acceptation.
| Nom | Fournisseur | Finalité | Durée |
|---|---|---|---|
| ingenieros_analytics_v2 | Ingenieros.es | Mémoriser votre choix | 12 mois |
| _ga, _ga_* | Google Analytics | Statistiques, uniquement après acceptation | Selon la configuration de Google Analytics |
| Identifiants Histats | Histats | Mesure statistique, uniquement après acceptation | Selon la configuration de Histats |
| Cookies de session | Ingenieros.es | Authentification et services privés | Selon la session et le serveur |
Vous pouvez accepter ou refuser les cookies de mesure dans le bandeau initial. Les deux choix permettent de poursuivre la navigation. Pour modifier ou retirer votre consentement, cliquez sur « Paramètres des cookies » sur le site. Vous pouvez également supprimer les cookies dans votre navigateur. Le retrait empêche les nouvelles mesures, sans nécessairement supprimer les données déjà traitées par des tiers.
Google et Histats peuvent traiter des données de navigation selon leurs politiques. Consultez les conditions et garanties de chaque fournisseur, notamment en matière de transferts internationaux. Pour en savoir plus sur les données personnelles et vos droits, consultez la Politique de confidentialité et les Mentions légales du portail.
Cette politique sera mise à jour en cas de modification des services, finalités ou cookies. Si un nouveau consentement est nécessaire, il sera demandé avant l’activation des technologies concernées.
Google Privacy Policy | Histats
Les cookies tiers peuvent varier selon leur configuration. La liste exacte doit être vérifiée dans le navigateur.