Thèse
Auteur :
Siebert Nils

Date de soutenance :
06 mars 2008

Directeur(s) de thèse :
Kariniotakis Georges



École :

MINES ParisTech

Ecole Doctorale :
ECOLE DOCTORALE SCIENCES DES METIERS DE L'INGENIEUR
Intitulé de la thèse : Développement de méthodes pour la prédiction de la production éolienne régionale


Résumé : L'intégration à grande échelle de l'énergie éolienne dans les réseaux électriques peut poser des problèmes aux opérateurs de ces réseaux car, contrairement aux moyens de production conventionnels, la production éolienne est variable et non contrôlable. Pour réduire l'impact de certains de ces problèmes, les gestionnaires de réseaux expriment le besoin de prévisions à court terme (de 48 à 120 heures) de la production agrégée des parcs éoliens situés dans une région définie.
Le but de la thèse est de développer un cadre d'analyse et des outils permettant de faciliter la mise en place de modèles de prévision de la production éolienne régionale.
La thèse présente tout d'abord un cadre d'analyse permettant de caractériser la production éolienne régionale. Par ce biais, les propriétés saillantes de la production régionale, qui doivent être prises en compte lors de la conception d'un modèle de prévision régionale, sont identifiées.
Le problème de la prévision régionale est ensuite abordé comme un problème d'apprentissage statistique. Nous définissons trois approches de modélisation générique permettant la combinaison de sous-modèles. L'influence de ces approches sur la précision des prévisions est étudiée ainsi que celle du choix des sous-modèles. Pour permettre la comparaison de sous-modèles, nous introduisons un modèle de prévision éolienne dont la performance est comparable aux modèles de l'état de l'art.
Finalement, nous examinons l'impact sur la précision de prévision qu'a le choix des variables explicatives et nous proposons des règles générales de sélection dans le cadre de la prévision éolienne régionale. Pour faciliter le processus de modélisation, des méthodes de sélection automatique sont étudiées. Deux méthodes (une méthode filtre et une méthode wrapper) qui exploitent les caractéristiques propres au problème sont proposées. Nous montrons que ces méthodes sont plus performantes qu'une méthode générique de l'état de l'art.

© Mines de Paris 2019 - Réalisé par Winch Communication