Contribution au développement de méthodes numériques utilisants les réseaux de neurones artificiels pour la caractérisation du gisement solaire en Algérie

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

L’Algérie possède le potentiel solaire le plus important du bassin méditerranéen et dispose d’un des gisements solaires les plus élevés au monde avec 169.440 TWh/an, soit 5000 fois la consommation nationale en électricité. A cause de son caractère intermittent, cette ressource n'est insérée que de manière limitée au sein des réseaux électriques. Pour augmenter la part de l’énergie solaire dans le bilan énergétique et permettre une meilleure gestion de sa production, il convient de connaître précisément le potentiel solaire disponible et ce à un pas de temps fin pour en prendre en compte toutes ces variations stochastiques. Les données solaires étant peu disponibles, l’objectif de ce travail est de les déterminer au pas de temps horaire et 5-minutes. Nous nous sommes fixés deux objectifs : déterminer le rayonnement solaire sur plan incliné à partir du rayonnement global sur plan incliné mesuré, puis déterminer ce dernier à partir de données météorologiques plus facilement et fréquemment mesurées. Une étude bibliographique a mis en exergue l’efficacité des techniques d'intelligence artificielle et plus précisément des réseaux de neurones artificiels pour réaliser cette tâche. On retiendra ainsi que pour le rayonnement global sur plan incliné, au pas du temps de 5 minutes, un RNA à quatre intervalles d’états du ciel et trois entrées est le plus performant avec une RMSE de 1,97%. Au pas de temps de l'heure, un RNA à trois entrées permet d’obtenir ces mêmes données avec une RMSE de 1,48%. Pour la détermination du rayonnement global sur plan incliné, le nombre de paramètres d’entrée étant très élevé (10) et le nombre de structures de RNA importante (1023), nous avons appliqué au préalable une méthode d’information mutuelle pour réaliser une sélection de variable. Les résultats obtenus par cette sélection n’ayant pas été probants, un test exhaustif a été effectué. Il est ressorti qu’il était possible de déterminer le rayonnement global sur plan incliné à partir de différentes combinaisons de paramètres avec une erreur qui se situe aux alentours de 19% au pas du temps de 5 minutes et 13,7% au pas du temps de l'heure.

روابط وملفات

التعريف والنوع

رقم الوثيقة

07c5de07-7b9d-4765-9bbc-aefa74250437

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

1369126_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Khahina Dahmani","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"G. Notton ","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"R. Dizene","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Contribution au développement de méthodes numériques utilisants les réseaux de neurones artificiels pour la caractérisation du gisement solaire en Algérie

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Algeria has the largest solar potential in the Mediterranean and has one of the highest solar potential in the world with 169 440 TWh / year, which is 5000 times the national electricity consumption. Because of its intermittent nature, this resource is inserted only to a limited extent in electricity networks. To increase the share of solar energy in the energy balance and allow better management of its production, it is necessary to know precisely the solar potential available at a short time to take into account all these stochastic variations. Little solar data is available, the objective of this work is to estimate it in the hourly time and 5-minutes times step. We set two objectives: to estimate solar radiation inclined from the measured horizontal solar radiation and estimated it from more easily and frequently measured meteorological data. A literature review has highlighted the effectiveness of artificial intelligence techniques and specifically artificial neural networks to perform this task. We note as well as the tilted global radiation, according as the 5-minute time an ANN four intervals sky states and three inputs is the most efficient with RMSE of 1.97%. At the hourly time step, a three-input RNA provides these data with a RMSE of 1.48%. For estimating the global horizontal radiation, the number of input parameters being very high (10) and the number of significant RNA structures (1023), we applied a prior method of mutual information to perform a selection of variable. The results obtained by this selection was not conclusive, a exhaustive test was performed. It emerged that it was possible to estimate the horizontal global radiation from different combination of parameters with an error of at around 19% in 5-minutes time step and 13.7% at the hourly time step.

كلمات الباحثين

artificial neural network, Estimation, information, irradiation solaire, réseaux de neurones artificiels, Solar radiation, الاشعاع الشمسي, الذكاء الاصطناعي والشبكات العصبية الاصطناعية, المعلومات المتبادلة, تقدير

إشراف وإعداد

الإشراف

G. Notton , R. Dizene

الإعداد

Khahina Dahmani

الاقتباسات الببليوغرافية