Vous êtes ici : GIPSA-lab > Formation > Thèses soutenues
Chargement
DAMBREVILLE Romain

PREVISION DU RAYONNEMENT SOLAIRE GLOBAL A COURT TERME PAR TELEDETECTION POUR LA GESTION DE LA PRODUCTION D ENERGIE PHOTOVOLTAIQUE

 

Directeur de thèse :     Jocelyn CHANUSSOT

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (eeats)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Autre

Établissement d'origine : INPG - ENSIEG

Financement(s) : CIFRE

 

Date d'entrée en thèse : 01/10/2011

Date de soutenance : 16/10/2014

 

Composition du jury :
Président : Nicolas Paparoditis, IGN-Matis
Examinateur : Dominique DUMORTIER, ENTPE
Rapporteur : Philippe Lauret, PIMENT-Université de la Réunion
Rapporteur : Marie Chabert, INP-ENSEEIHT
Directeur de thèse : Jocelyn CHANUSSOT, Gipsa-lab Grenoble INP
Co-directeur : Philippe BLANC, Mines ParisTech
Co-encadrant : Giorgio Antonino Licciardi, Gipsa-lab Grenoble INP
Co-encadrant : Stéphanie Dubost, EDF R&D

 

Résumé : L'intégration d'énergies intermittentes au réseau électrique existant requiert des outils de prévision des ressources pour la gestion du réseau. Cette thèse concentre ses travaux sur la prévision à très court terme (jusqu'à 1h) du rayonnement solaire global horizontal (GHI), ressource principale des panneaux photovoltaïques. La problématique développée concerne la fusion d'informations provenant d'une part d'observations satellitaires et de l'autre d'observations in-situ telles que des images hémisphériques et des mesures de pyranomètres. Nous proposons d'étudier les méthodes propres à chacun des capteurs dans un premier temps afin de mettre en évidence l'apport de chacune de ces informations. Ainsi nous développons dans un premier temps une méthode d'estimation du rayonnement solaire à partir d'images hémisphériques permettant d'identifier les paramètres de l'image pertinents pour l'étude du GHI via une approche par réseau de neurones artificiels. Dans un second temps, nous nous concentrons sur des méthodes de prévision du GHI à partir d'images satellitaires, et notamment d'image Hélioclim, converties en cartes de rayonnement globale via un procédé externe. Une première méthode globale permet de tirer profit des principales tendances grâce à un modèle auto-régressif spatio-temporel. Nous développons ensuite une méthode plus fine faisant intervenir un calcul de champs de vecteurs issus de l'observation des séries de cartes successives. L'étude comparative de ces deux modèles nous permet de mettre en évidence les avantages et inconvénients de l'utilisation d'images satellitaire pour la prévision du GHI. Enfin, nous rassemblons les résultats précédents dans la dernière partie où l'utilisation d'un réseau de neurones artificiels permet l'amélioration des résultats de la méthode satellitaire par intégration d'information d'images au sol identifiées en première partie. L'ensemble des travaux a été validé sur des données réelles et a fait l'objet de diverses publications dont 2 journaux internationaux et un brevet. To handle the integration of intermittent energies to the existing grid, managers require more and more accurate tools to forecast the primary resources. This thesis focuses on the very short term forecast of the global horizontal irradiance (GHI), main input for most photovoltaic power plant. We choose to use both ground based images from hemispherical cameras and satellite images to provide a forecasting tool. We first study both sensors separately in order to evaluate their potential and weaknesses with respect to GHI objectives. In the first hand we present a novel approach to estimate the GHI using ground based images features as input to an artificial neural network. On second hand, we propose two satellite derived methods to forecast the GHI up to one hour. Satellite derived irradiance maps are preferred to raw satellite images in this section. We propose a first global approach using a spatiotemporal auto-regressive model to take advantage of the apparent trend observed in the maps series. Then we develop a more precise model involving a motion vector field calculation to be able to locate the region of interest more appropriately. Finally, we use all the results acquired to derive a new model merging both satellite and ground base data in an artificial network framework. All studies have been tested against real data and was submitted in international publications including two journal papers.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31