CNEPRU : Application des techniques de l’intelligence artificielle pour la prévision énergétique dans les systèmes photovoltaïques : Etude de cas la centrale d’Oued Kebrit de Souk Ahras.

Project Code	Period
A01L07UN410120220003	2025-2022

Project Leader

Khaled KHELIL Professor Faculty of Science and Technology University of Souk Ahras, Souk Ahras : khaled.khelil@univ-soukahras.dz : https://www.univ-soukahras.dz/en/profile/kkhelil

Members

Full name	Position	Field
Farid BERREZZEK	Senior Lecturer
Tahar BOUADJILA	Assistant Lecturer A
Takieddine KHEDIRI	PhD student
Radouane NEBILI	PhD student

Project Description

L\\\'augmentation des prix des combustibles fossiles et la baisse du coût de production des panneaux photovoltaïques ont stimulé l\\\'intégration des sources d\\\'énergie renouvelables dans plusieurs pays y compris le nôtre. L’Algérie, bénéficiant d’une des meilleures ressources en énergie solaire au monde (une durée d’ensoleillement quotidien comprise entre 9 et 11 heures et une irradiation horizontale globale (IHG) aux alentours de 2500 kWh par m² et par an), a réussi l’installation et la mise en service de plusieurs centrales photovoltaïques et ceci dans le contexte du développement et la promotion des énergies renouvelables, intégrés dans la politique gouvernementale à partir de 2001.

Généralement, les sources d\\\'énergie renouvelables présentent de nombreux avantages, notamment le fait d\\\'être écologiques et durables. Cependant, ces sources sont très intermittentes. C\\\'est-à-dire que la puissance de sortie des sources renouvelables est variable et peut être considérée comme une série temporelle non stationnaire variable. Les systèmes solaires photovoltaïques (PV) sont l\\\'une des principales sources d\\\'énergie renouvelables et sont simplement des panneaux qui convertissent la lumière du soleil en électricité. La production de PV dépend fortement de l\\\'irradiance solaire, de la température et de différents paramètres météorologiques. Prédire l\\\'ensoleillement solaire signifie que la production de PV est prédite une ou plusieurs étapes à l\\\'avance. Plusieurs applications utilisent la prédiction pour améliorer le fonctionnement et la planification du réseau électrique avec la résolution temporelle requise correspondante de la prévision. La stabilité et la régulation nécessitent des informations sur l\\\'irradiation solaire des prochaines secondes. La gestion des réserves et le suivi des charges nécessitent des informations sur les prochaines minutes ou prochaines heures d\\\'ensoleillement. La programmation et l\\\'engagement des unités ont besoin d\\\'informations sur les prochains jours d\\\'ensoleillement pour fonctionner de manière optimale.

Jusqu\\\'à présent, de nombreuses études sur la prévision de l\\\'énergie solaire ont été menées, qui peuvent être divisées en modélisation physique, méthodes statistiques, méthodes de régression et méthodes hybrides. Parmi eux, les techniques de l\\\'intelligence artificielle (IA) constituent essentiellement la colonne vertébrale des structures de prédiction d\\\'énergie solaire existantes. L\\\'IA appartient à une branche de l\\\'informatique et est une technologie émergente qui étudie la pensée logique humaine, le raisonnement et le comportement de groupe grâce à la simulation informatique. Les algorithmes d\\\'IA les plus couramment utilisés incluent l\\\'apprentissage automatique (ML), le système expert, la logique floue, les réseaux de neurones, et l\\\'optimisation heuristique. Les algorithmes d\\\'IA présentent au moins les trois avantages suivants : (1) l\\\'IA a généralement de puissantes fonctions d\\\'extraction de caractéristiques et de cartographie non linéaire; (2) L\\\'algorithme d\\\'IA a une bonne compatibilité et peut être intégré de manière flexible dans divers scénarios de prévision de puissance photovoltaïque (PV); (3) L\\\'IA peut atteindre un certain degré de raisonnement logique, ce qui est utile pour atteindre un niveau élevé d\\\'intelligence pour les prédicteurs solaires. Par conséquent, les algorithmes d\\\'IA ont été largement appliqués dans la prévision du rayonnement solaire et de la puissance PV avec des performances intéressantes [1–6].

Dans ce contexte, nôtre projet de recherche vise à contribuer à la prédiction de l’ensoleillement solaire et, par conséquent, la production de l\\\'énergie électrique dans les centrales photovoltaïques en utilisant les techniques de l’intelligence artificielle. Une étude de cas et des tests seront menés sur la centrale photovoltaïque d’Oued Kebrit, Souk Ahras, possédant une capacité de production de 15 MW.