12/12/2016 - Une plus grande précision pour estimer le rayonnement solaire à court terme grâce à l'utilisation de réseaux neuronaux artificiels

Menéame

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

Un total de 105 estudiantes de Ingeniería de la Universidad Pública de Navarra (UPNA) participaron los días 2 y 3 de octubre en la quinta edición del Navarra Talent Challenge, una iniciativa que les enfrentó durante 24 horas a ocho desafíos reales planteados por empresas industriales de Navarra. El certamen, impulsado en el marco de la Cátedra Colegio de Ingenieros...

Madrid se convertirá los próximos 28 y 29 de octubre en punto de encuentro internacional de la ingeniería y las infraestructuras con la celebración del World Infrastructure Forum (WIF), una cumbre que reunirá a más de 350 líderes procedentes de más de 40 países y a más de 50 ponentes para analizar los grandes desafíos que determinarán el futuro de...

Smart City Expo World Congress 2026(SCEWC) es el evento internacional más influyente sobre innovación urbana y ciudades inteligentes. Se celebra del 3 al 5 de noviembre de 2026 en el recinto Gran Via de Fira Barcelona, bajo el lema "Urban Solutions. Real Impact". El congreso reúne a más de 27.000 profesionales, 1.100 expositores y 600 expertos globales de 130 países...

Mateu Oliver Montserrat, vicepresidente segundo del Consejo General de Colegios Oficiales de Ingenieros Industriales (CGCOII) y decano del Colegio Oficial de Ingenieros Industriales de Baleares, ha sido elegido presidente de EUREL, la organización europea que reúne a asociaciones profesionales de ingeniería y promueve la cooperación entre sus miembros y la representación de la profesión ante las instituciones europeas. La elección...

La décision de la Haute Cour de Xustiza de Galicia (TSXG) d'appliquer la doctrine de la Cour suprême et de rejeter le recours formé contre les autorisations préalables et de construction du parc éolien Bustelo a été le grand protagoniste de l'ouverture de la XIII Journée éolienne Wind Galicia 2026, dans le cadre du forum Energy Days Une information qui...