Prédiction de la production d'une installation PV

Les acteurs du marché de l'énergie (investisseurs, producteurs d'électricité, les gestionnaires de réseau, les consommateurs, etc.) font face à des défis potentiels tels que la demande croissante d'énergie, les nouveaux modes de consommation d'énergie, l'intégration de sources d'énergie renouvelables (intermittentes) dans les réseaux électriques ainsi que l'évolution des réseaux électriques. Cet ouvrage étudie la possibilité de prédire la production d'une installation photovoltaïque en autoconsommation par les réseaux de neurones artificiels. Nous avons fait une comparaison croisée de deux architectures (bouclée et non-bouclée) de réseaux de neurones par rapport à la régression multivariable dans le but de disposer d'un outil de prédiction efficace et fiable de la production d'une installation PV à partir des données météorologiques (ensoleillement et température ambiante).Pour ce faire, nous avons utilisés des données de monitoring d'une installation sur une période de 72 jours pour réaliser, entraîner et tester deux topologies de réseaux de neurones (bouclée et non bouclée) dont l'apprentissage est fait avec l'algorithme de Levenberg-Marquardt.