Prédiction photovoltaïque multi-horizon par intelligence artificielle

Contexte : L’intégration croissante des énergies renouvelables dans les réseaux électriques met en évidence un défi majeur lié à leur intermittence, la production solaire photovoltaïque étant fortement dépendante des conditions météorologiques.

Problématique : Les méthodes actuelles de prévision photovoltaïque sont :

• souvent limitées à un seul horizon temporel,
• rarement comparatives entre différentes familles d’algorithmes,
• et dépendantes de données de terrain coûteuses à collecter.

De plus, elles n’exploitent généralement pas la complémentarité entre les approches d’apprentissage automatique et d’apprentissage profond.

Objectifs : L’objectif du projet est de concevoir un système de prévision photovoltaïque multi-horizon basé sur l’intelligence artificielle, capable de prédire la production d’une centrale solaire à partir de variables météorologiques, tout en comparant plusieurs modèles d’intelligence artificielle.

Méthodologie : Le système repose sur deux phases principales.

1. La première concerne la simulation d’une centrale photovoltaïque connectée au réseau et la génération d’une base de données de production réaliste à partir de données météorologiques.
2. La seconde phase consiste en une modélisation prédictive à l’aide de plusieurs modèles d’apprentissage automatique et d’apprentissage profond, évalués sur différents horizons temporels.

Résultats : Les résultats montrent une bonne performance globale des modèles, avec une complémentarité marquée entre les deux familles : l’apprentissage automatique se distingue sur les horizons courts, tandis que l’apprentissage profond s’impose sur les horizons longs.

Conclusions : Le système proposé constitue une solution efficace pour la prévision multi-horizon de la production photovoltaïque, tout en validant l’usage de données simulées comme alternative aux données de terrain. Des perspectives futures incluent le développement de modèles hybrides et une intégration au sein des réseaux électriques intelligents.