Prévision de la production intrajournalière d'un ensemble de systèmes photovoltaïques par réseaux de neurones récurrents et variables exogènes physiques
Résumé
Des prévisions intrajournalières précises de la production des systèmes
photovoltaïques (PV) sont cruciales pour améliorer le fonctionnement
des réseaux de distribution d'énergie. Nous présentons un modèle autorégressif
connexionniste s'appuyant pour cette tâche sur un modèle physique et déterministe
de performance de panneaux PV. Notre approche utilise les sorties du modèle
physique comme variables exogènes et traite les données de plusieurs sites
avec un seul modèle. Nous introduisons une distribution gaussienne tronquée en
sortie et utilisons l'invariance d'échelle du modèle pour traiter implicitement les
effets saisonniers. Nous validons l'intérêt de l'approche sur des données réelles.