Prédiction à Court Terme de la Production de l’Énergie Solaire avec des Modèles d’Apprentissage Automatique en utilisant des Séries Temporelles Météorologiques
Loading...
Date
2024-07-23
Journal Title
Journal ISSN
Volume Title
Publisher
University of M'sila
Abstract
FR
Dans ce mémoire, l'objectif de cette étude est de créer un système d'estimation à
court terme la puissance solaire en utilisant des modèles d'apprentissage automatique et des
séries temporelles de configurations météorologiques. Il s'agit principalement d'améliorer la
précision des prévisions de la production solaire afin de mieux gérer l'énergie solaire dans les
réseaux électriques. Pour l'évaluation des performances des modèles d'estimation proposées
nous avons choisis comme critère les métriques suivantes: Racine de l’erreur quadratique
moyenne (RMSE), Erreur moyenne absolue en pourcentage (MAPE), Erreur de biais moyen
(MBE) et le coefficient de détermination (R²).
EN
In this thesis, the objective of this study is to create a short-term solar power
estimation system using machine learning models and time series of meteorological
configurations. The main aim is to improve the accuracy of solar production forecasts in order
to better manage solar energy in power grids. For the evaluation of the performance of the
proposed estimation models we have chosen as a criterion the following metrics: Root of the
mean square error (RMSE), Mean Bias Error (MBE) and the coefficient of determination
(R²).
Description
Keywords
séries temporelles, apprentissage automatique, énergie solaire, prédiction, réseau de neurone artificielle, MLP, RBF, ENN.