Prédiction de la production d’énergie renouvelable en utilisant l’intelligence artificielle

Abstract

Dans ce travail, nous avons présenté les résultats d’une étude portant sur la prédiction de la production d’énergie photovoltaïque au niveau de la centrale solaire d’Adrar, située dans une région saharienne bénéficiant d’un fort ensoleillement. L’objectif principal a été de développer et d’évaluer différents modèles de prévision de la puissance produite, en tenant compte de l’impact des paramètres climatiques. Nous avons d’abord étudié le fonctionnement des systèmes solaires photovoltaïques, en détaillant les technologies des cellules solaires, leurs caractéristiques électriques, ainsi que les différents types d’installations. Ensuite, nous avons appliqué plusieurs approches de prédiction : des méthodes physiques basées sur l’irradiance solaire et des modèles statistiques incluant la régression linéaire, les réseaux de neurones et le filtre de Kalman. Les résultats ont montré que certains facteurs, comme l’humidité ou la température des modules, ont une influence limitée sur la production. En revanche, l’irradiation solaire directe s’est révélée être un paramètre déterminant. L’utilisation de méthodes hybrides, combinant modèles statistiques et intelligence artificielle, a permis d’améliorer la précision des prévisions. Ce travail ouvre ainsi des perspectives pour l’optimisation de la gestion des installations solaires dans les zones à fort potentiel, et souligne l’intérêt d’intégrer des techniques avancées de modélisation pour mieux anticiper la variabilité de la production énergétique.