Gains :
- Comprendre la variabilité de la production solaire et éolienne en fonction de la météorologie et l'importance de sa prévision pour l'équilibre du réseau.
- Possibilité de créer un workflow de prévisions IA combinant des prévisions météorologiques numériques, des données satellitaires et de terrain
- Capacité à vérifier les prévisions de production avec la limite supérieure physique, le facteur de capacité et les données réelles
Une centrale électrique au charbon ou au gaz naturel fonctionne à une certaine puissance lorsque l'exploitant la demande ; la production peut être contrôlée. Le solaire et l’éolien ne sont pas ainsi : lorsque le soleil se couvre, la production de panneaux diminue, et lorsque le vent s’arrête, la turbine s’arrête. Ce type de production est appelé énergie renouvelable variable ; La production dépend de la météorologie et non de la volonté humaine. Cette variabilité crée à la fois une grande opportunité et un grand défi pour la stabilité du réseau. La prévision de la production renouvelable consiste à prédire la production future des centrales solaires et éoliennes et constitue l’un des domaines d’analyse du système énergétique moderne qui connaît la croissance la plus rapide. Dans cette unité, nous apprendrons la physique de cette prédiction, comment elle est établie et vérifiée grâce à l’intelligence artificielle.
Pourquoi est-ce si important ?
À mesure que la part de l’énergie solaire et éolienne augmente dans un réseau, la question de savoir « combien et quand » ces ressources produiront deviendra déterminante pour l’ensemble du système. Sans une bonne prévision de production, le réseau est obligé de conserver une capacité de réserve supplémentaire (souvent coûteuse et riche en carbone) pour compenser une baisse soudaine de la production renouvelable. Des prévisions précises réduisent à la fois ce coût et les émissions ; Cela permet également au propriétaire de la centrale électrique de mieux soumissionner sur le marché. En d’autres termes, l’erreur de prévision se traduit directement en argent et en carbone.
Physique de la production solaire et éolienne
Soleil. L'énergie produite par un panneau photovoltaïque (PV ; conversion directe de la lumière en électricité) dépend principalement du rayonnement qui tombe dessus (irradiance ; énergie solaire par unité de surface, W/m²). De plus, la température du panneau (l'efficacité diminue à mesure que le panneau chauffe), la poussière/contamination et l'ombrage l'affectent. La caractéristique la plus importante de la production solaire est son schéma diurne prévisible : zéro la nuit, élevé le matin, pic vers midi et zéro le soir. La nébulosité est le bruit superposé à cette figure et constitue la principale source de difficulté de prévision.
Vent. La puissance produite par une turbine est approximativement proportionnelle au cube de la vitesse du vent : lorsque la vitesse double, la puissance augmente environ par huit. Par conséquent, une petite erreur de prévision de la vitesse du vent se transforme en une grande erreur de production. De plus la turbine possède une courbe de puissance : en dessous d'une certaine vitesse (vitesse de coupure) la production est nulle, au dessus d'une certaine vitesse (vitesse nominale) la production se stabilise, à très haute vitesse (vitesse de coupure) la turbine s'arrête par sécurité. Cette relation non linéaire rend la prévision éolienne plus difficile que celle solaire.
Astuce : Étant donné que l’erreur de vitesse du vent entre en jeu, examinez d’abord la qualité de la prévision de vitesse du vent lorsque vous évaluez vos prévisions de production. Il est presque impossible d’établir une bonne prévision de production avec une mauvaise prévision de vitesse.
Étape par étape : prévision de la production avec l'intelligence artificielle
Étape 1 — Collectez les données d'entrée. L'entrée de base est la prévision numérique du temps (PNT ; prévision météorologique produite par la résolution de la physique atmosphérique) : estimations de l'irradiation, de la température, de la vitesse et de la direction du vent. L'historique réel de production de la centrale électrique et, si possible, des observations satellite/sol y sont ajoutés.
Étape 2 — Configurez les attributs. Variables de prévisions météorologiques, variables géométriques pour l'énergie solaire (l'angle du soleil dans le ciel), informations sur la courbe de puissance de la turbine pour l'énergie éolienne et attributs de production retardée. Encore une fois, contrôle des fuites : seules les données qui seront disponibles au moment de la prédiction sont utilisées.
Étape 3 — Entraînez le modèle. Le modèle relie les prévisions météorologiques à la production réelle. Ici, l'intelligence artificielle apprend à la fois le comportement réel du panneau/de la turbine (écarts par rapport à la valeur catalogue) et capture les effets locaux (tels que l'effet de terrain dans la direction spécifique du vent).
Étape 4 — Incertitude du modèle. La prévision des énergies renouvelables est par nature incertaine ; Une estimation probabiliste (par exemple « 80 % de probabilité que la production se situe dans cette bande ») plutôt qu'un chiffre unique est beaucoup plus utile.
Étape 5 — Vérifiez. La prédiction est testée par rapport aux limites physiques supérieures et à la production réelle.
Validation : Ancrages physiques
Les prévisions de production renouvelable peuvent être testées avec des ancrages physiques solides :
- Plafond absolu pour le solaire : La production ne peut jamais être positive la nuit et ne peut excéder la puissance installée (et ce que permet le rayonnement actuel). Cette simple vérification élimine instantanément les suppositions idiotes.
- Facteur de capacité : C'est le rapport entre l'énergie produite et l'énergie qu'elle produirait si la centrale fonctionnait en continu à pleine puissance. Dans l'éolien terrestre, il est généralement d'environ 25 à 45 pour cent, dans le solaire, il est d'environ 12 à 25 pour cent selon le climat. Si la moyenne à long terme se situe en dehors de cette fourchette, il y a une erreur.
- Données réelles : le point d’ancrage le plus solide est la comparaison des prévisions avec la production réelle ; les biais systématiques (par exemple, surestimation persistante) sont corrigés.
Attention : Il est physiquement impossible qu'une prévision de production solaire soit non nulle la nuit ou qu'une prévision éolienne indique toujours une production complète au-dessus du taux de coupure. De telles violations sont le signe que le modèle manque quelque part de physique fondamentale et sont rejetées sans examiner les statistiques.
Trois mini-cases : en chiffres
Cas 1 — Production de nuit. Le modèle de prévision solaire d'une équipe prévoyait une production de 3 MW à 22 heures. C'était physiquement impossible ; Le problème était que les données d’irradiation fournies au modèle correspondaient aux valeurs du mauvais fuseau horaire. L’ancre de nuit zéro a immédiatement détecté l’erreur et une fois le fuseau horaire corrigé, la prédiction était correcte.
Cas 2 — Effet cube dans le vent. Dans un parc éolien, les prévisions météorologiques indiquaient une vitesse du vent de 10 m/s au lieu de 8 m/s, soit une erreur apparente de 25 %. Mais comme la puissance dépend cubiquement de la vitesse, l’estimation de la production était environ le double de la quantité réelle, ce qui entraînait une énorme pénalité de déséquilibre sur le marché. Leçon : une petite erreur de vitesse dans la prévision du vent est une grande erreur de production ; La bande d’incertitude doit rester large.
Cas 3 — Ancrage du facteur de capacité. La prévision de production annuelle pour une nouvelle centrale électrique impliquait un facteur de capacité de 55 pour cent. Elle était bien au-dessus de cette plage pour le vent continental ; L’enquête a montré que les unités de production (MWh) avaient été comptées deux fois par erreur. L’ancrage du facteur de capacité a libéré la décision d’investissement d’une base erronée sans entrer dans les détails.
Invite faible/Invite forte
Invite faible :
Prédisez la production de demain de ce parc éolien.[données]
Invite puissante :
Votre rôle : Prévisionniste de la production renouvelable. Tâche : prévision horaire journalière de production d'un parc éolien.- Utiliser en entrée uniquement la météo disponible au moment de la prévision ; mesurer et prendre en compte l'effet cubique de la vitesse du vent. - Appliquer la courbe de puissance turbine (vitesses de démarrage, nominale, coupure) ; ne donnent pas de résultats physiques en dehors de ces limites. - Donnez une bande d'incertitude, pas un seul chiffre. - Testez vous-même le résultat avec deux ancrages : (a) y a-t-il une valeur dépassant la puissance installée, (b) le facteur de capacité implicite est-il compris entre 25 et 45 % ? Données : [données végétales et météorologiques]
L'invite puissante impose dès le départ l'effet cube, la courbe de puissance, l'incertitude et deux ancrages physiques, éliminant ainsi les erreurs classiques de la prévision régénérative.
Quatre modèles copiables
1) Contrôle physique du plafond solaire :
Testez cette estimation de production solaire avec ces ancres : la production est-elle nulle pendant les heures de nuit ? L'heure de pointe de midi se situe-t-elle en milieu de journée ? Une valeur dépasse-t-elle la capacité installée ? Répertoriez les violations avec horodatage.
2) Application de la courbe d’énergie éolienne :
Utilisez les paramètres suivants de la courbe de puissance de la turbine : démarrage [A] m/s, nominal [B] m/s, coupure [C] m/s. Convertissez les prévisions de vitesse du vent données en production. Commentez également l'effet de l'incertitude de vitesse sur l'incertitude de production en raison de la relation vitesse-puissance cubique.
3) Ancrage du caractère raisonnable du facteur de capacité :
Calculez le facteur de capacité implicite à partir de cette estimation de production et comparez-le à la plage typique du type de centrale (éolien 25-45 %, solaire 12-25 %). En cas de hors plage, répertoriez les sources d’erreur possibles (unité, fuseau horaire, double comptage).
4) Analyse de l’écart prévisionnel-réel :
Comparez la production réelle avec les prévisions passées. Y a-t-il un biais systématique (sur/sous-estimation constante) ? Examinez si l’écart varie en fonction des conditions météorologiques (nuageux/clair, vent faible/fort) et proposez une correction.
Tableau de comparaison solaire et éolien
fonctionnalité
Solaire (PV)
vent
entrée principale
Irradiance, température du panneau
Vitesse et direction du vent
chiffre quotidien
Prévisible (nuit zéro, pointe de midi)
Irrégulier, jour-nuit incertain
Défi principal
nébulosité
Relation cubique vitesse-puissance
Facteur de capacité typique
~12-25%
~25-45 % (terrestre)
ancre solide
Nuit-zéro, plafond électrique installé
Limites de courbe de puissance, facteur de capacité
Erreurs courantes
- Erreur de sous-estimation de la vitesse du vent. Puisque la relation vitesse-puissance est cubique, une petite erreur de vitesse est une grande erreur de production.
- Ne pas vérifier le plafond physique. Toute valeur dépassant la production solaire nocturne ou la capacité installée doit être rejetée sans regarder les statistiques.
- Réduire l’incertitude à un seul chiffre. La prévision des énergies renouvelables est par nature probabiliste ; Une décision ne peut être prise sans donner la cassette.
- Fuir. Faire de la météo réelle un attribut ; Cependant, vous n'aurez que la météo.
- Contourner l’ancre du facteur de capacité. Ne pas tester la plausibilité de la moyenne à long terme masque des erreurs d’unité et de double comptage.
En résumé
La production solaire et éolienne dépend de la météorologie et est variable ; Cette estimation est cruciale pour l’équilibre du réseau et pour le marché. La configuration diurne prévisible du soleil est rendue difficile par la nébulosité, et la production de vent est rendue difficile par la relation rapidement cubique. L’IA est puissante pour relier les prévisions météorologiques à la production réelle ; mais la prédiction doit être testée avec des ancrages de plafond physique, de courbe de puissance et de facteur de capacité, l'incertitude doit être signalée avec un ruban adhésif et les fuites doivent être évitées.
Tâche de candidature
Obtenez les données historiques de production d’un parc solaire ou éolien. Demandez à l'IA d'auditer les prévisions à l'aide des modèles « Contrôle physique du plafond solaire » (pour l'énergie solaire) ou « Ancre de plausibilité du facteur de capacité » (pour les deux). Calculez ensuite vous-même le facteur de capacité implicite et comparez-le avec la plage typique. Si vous constatez une impossibilité physique ou un écart de caractère raisonnable, notez comment vous l'avez détecté.
liste de contrôle
- [ ] J'ai vérifié que l'entrée principale est la prévision météo et ne contient pas de fuites
- [ ] J'ai appliqué Night-Zero et installé des ancrages de plafond électriques pour l'énergie solaire
- [ ] J'ai pris en compte les limites de la courbe de puissance du vent et l'effet de vitesse cubique
- [ ] J'ai comparé le facteur de capacité implicite à la plage typique
- [ ] J'ai présenté l'estimation avec la bande d'incertitude
- [ ] J'ai vérifié l'écart systématique prédit-réalisé
- [ ] J'ai rejeté les valeurs qui impliquent une impossibilité physique