Abstract:
Actuellement l'énergie éolienne est l'énergie renouvelable la plus importante source dans le monde,
elle est devenue de plus en plus utilisable. Cette énergie est caractérisée par sa discontinuité qui est causée par
sa nature. Cette discontinuité affecte considérablement sur le réseau électrique.
Pour une bonne exploitation de l'énergie éolienne et aussi pour la bonne gestion de l'énergie
électrique du réseau électrique, alors la prédiction de la vitesse du vent est devenue très importante. Les
valeurs prédites du vent peuvent être utilisées dans des différentes applications, telles que la conception des
parcs éoliens, estimation du potentiel énergétique éolien,...etc.
De nombreux modèles de prédiction des séries temporelle existent dans la littérature. Les plus utilisés
sont la moyenne mobile intégrée autorégressive (ARIMA), les réseaux de neurones artificiels (ANN) et les
machines à vecteurs de support (SVM). Dans ce travail on va proposer une nouvelle méthode de
l'apprentissage automatique qui est basé sur une méthode de combinaison (Hybride) entre Analyse
Discriminante Linéaire (LDA) et Processus Gaussien (GP) pour obtenir des valeurs futures de la vitesse du
vent avec une meilleure précision de prédiction.
