FR3044138A1

FR3044138A1 - Procede de prevision de production d'energie electrique d'un systeme solaire ou eolien

Info

Publication number: FR3044138A1
Application number: FR1561190A
Authority: FR
Inventors: Jean Thorey; Vivien Mallet
Original assignee: Electricite de France SA; Institut National de Recherche en Informatique et en Automatique INRIA
Current assignee: Electricite de France SA; Institut National de Recherche en Informatique et en Automatique INRIA
Priority date: 2015-11-20
Filing date: 2015-11-20
Publication date: 2017-05-26

Abstract

L'invention concerne un procédé de prévision d'indicateur de production d'énergie électrique d'un système solaire (118) ou éolien (120). Le procédé comprend les étapes : a) réception (200) de M prévisions météorologiques relatives à une zone géographique déterminée comprenant le système solaire ou éolien, M étant un nombre entier naturel non nul ; b) détermination (210) à un premier instant to d'une prévision probabiliste Gt d'indicateur de production d'énergie électrique du système solaire ou éolien pour un deuxième instant t. A l'étape b), le premier instant to est antérieur au deuxième instant t et la prévision probabiliste Gt est calculée sous la forme d'une distribution pondérée de données issues d'au moins une partie des M prévisions météorologiques reçues.

Description

Procédé de prévision de production d’énergie électrique d’un système solaire ou éolien.

[001] Domaine technique [002] L'invention concerne le domaine de la prévision de production d’énergie électrique d’un ou plusieurs systèmes solaires ou éoliens, comme des panneaux solaires ou des éoliennes.

[003] Etat de la technique [004] Les moyens de conversion des systèmes solaires et éoliens utilisés pour la génération d’énergie électrique engendrent une production qui peut notamment dépendre de l’irradiation solaire incidente et de la vitesse du vent à laquelle ils sont exposés. Typiquement, un panneau solaire produit une énergie électrique qui varie en fonction des conditions d’ensoleillement et de luminosité de l’environnement proche du panneau. Une éolienne produit quant à elle une énergie électrique qui varie en fonction de la force du vent entraînant la rotation de ses pales. Les systèmes solaires et éoliens ont donc une production d’énergie électrique qui dépend des conditions météorologiques. Du fait de l’intermittence de la ressource, ces systèmes sont des sources de production d’énergie intermittente. Pour anticiper les fluctuations de production de ces systèmes, des prévisions météorologiques peuvent être utilisées. Les prévisions ont pour objectif d’estimer à un horizon de temps choisi, l’irradiation solaire incidente ou les conditions de vent au niveau du système solaire ou éolien. A partir de ces prévisions, une production d’énergie électrique du système solaire ou éolien peut être estimée pour l’instant où se déroule l’objet des prévisions (i.e. instant qui correspond à l’horizon de temps choisi pour l’estimation).

[005] Il est entendu par horizon de temps, la durée qui sépare un instant auquel est effectuée la prévision, d’un instant où se déroule réellement l’objet de la prévision (date de déroulement de l’évènement prévu).

[006] Une connaissance précise des variations à venir de la production d’énergie électrique des systèmes solaires ou éoliens peut permettre à un producteur d’améliorer le contrôle et la maintenance de son parc, à un responsable de l’équilibre offre-demande d’optimiser la production sur son périmètre d’équilibre, ou à un gestionnaire de réseau électrique de mieux exploiter et conduire le réseau en question. Les systèmes solaires ou éoliens peuvent être regroupés par ensemble d’unités ou de centres de production solaires ou éoliens, par exemple pour représenter la production sur une région étendue.

[007] Dans les documents US20110276269 et WO2005019870, il est proposé par exemple des techniques de prévision de la production d’énergie électrique de panneaux photovoltaïques. Les techniques exposées utilisent des données météorologiques disponibles pour déterminer un scénario possible de conditions météorologiques à venir, à un horizon de temps donné, au niveau des panneaux. A partir de ce scénario, une production d’énergie des panneaux est estimée par anticipation.

[008] Ces techniques reposent sur une approche déterministe qui n’estime pas les incertitudes qui pèsent sur l’unique scénario déterminé et sur les variables utilisées pour cette détermination.

[009] Or, du fait du défaut de connaissances des conditions météorologiques exactes et de leurs évolutions, il existe de réelles incertitudes pour chaque paramètre météorologique utilisé. L’exactitude des prévisions déterministes peut ainsi varier significativement, pouvant amener à des divergences importantes par rapport à la réelle production du système solaire ou éolien (production effective) à l’instant où se déroule l’objet des prévisions.

[010] Ces divergences créent une erreur dans l’estimation de la production d’énergie des systèmes solaires ou éoliens et, par répercussion, nuit à l’optimisation de la gestion d’énergie.

[011] Pour les gestionnaires de réseau d'électricité, il convient d’anticiper le plus précisément possible les flux d'électricité sur leurs réseaux, notamment lorsqu’ils sont liés aux énergies intermittentes (énergies électriques générées par des systèmes solaires ou éoliens). Une anticipation précise de la production permet d’optimiser la conduite et l’exploitation du réseau au travers de systèmes automatiques de gestion du réseau [012] Il existe donc un besoin d’améliorer la qualité des prévisions de production d’énergie électrique de système solaire ou éolien, pour obtenir un système de prévision plus robuste de la production d’énergie intermittente d’un parc électrique.

[013] L’invention vient améliorer la situation en ce sens.

[014] Résumé de l’invention [015] L’objet de l’invention est de remédier aux inconvénients précités en proposant en particulier une approche probabiliste pour déterminer une prévision d’indicateur de production d’énergie électrique de système solaire ou éolien, à partir de prévisions météorologiques notamment.

[016] A cet effet, un premier aspect de l’invention concerne un procédé de prévision d’indicateur de production d’énergie électrique d’un système solaire ou éolien, le procédé comprenant au moins les étapes de : a) réception de M prévisions météorologiques relatives à une zone géographique déterminée comprenant le système solaire ou éolien, M étant un nombre entier naturel non nul ; b) détermination à un premier instant t0 d’une prévision probabiliste Gt d’indicateur de production d’énergie électrique du système solaire ou éolien pour un deuxième instant t postérieur à to ; dans lequel le premier instant to est antérieur au deuxième instant t et la prévision probabiliste Gt est calculée sous la forme d’une distribution pondérée de données issues d’au moins une partie des M prévisions météorologiques reçues.

[017] La prévision probabiliste Gt est basée sur une fonction de répartition estimée grâce aux données issues d’au moins une partie des M prévisions météorologiques reçues jusqu’à l’instant to. L’utilisation d’une fonction de répartition permet de calculer au besoin des indicateurs probabilistes, comme par exemple des intervalles de confiance.

[018] L’indicateur de production d’énergie est une donnée qui peut être directement relative à la production d’énergie électrique du système ou, être une donnée correspondant à une grandeur dont dépend la production d’énergie (une variable météorologique par exemple). L’indicateur d’énergie peut être en particulier : - un rayonnement solaire incident au niveau du système solaire ; - une vitesse du vent au niveau du système éolien ; - une production d’énergie électrique du système solaire ou éolien ; - une autre variable météorologique (conditions nuageuses, données pluviométriques, pression atmosphérique, etc.) relative à la zone géographique comprenant le système solaire ou éolien ; - ou une autre donnée relative à une production d’énergie électrique s’expliquant au premier ordre à l’aide du rayonnement solaire incident ou de la vitesse du vent au niveau du système.

[019] Les M prévisions reçues peuvent être des prévisions : de variables météorologiques, comme par exemple une pression atmosphérique, une température, un taux d’humidité, une irradiation solaire, une précipitation, des conditions nuageuses, une direction et/ou une vitesse du vent ; d’ensembles (censées représenter des scénarios équiprobables) ou déterministes, issues d’autres techniques comme par exemple de l’analyse d’images au sol ou d’images satellitaires.

[020] M est un nombre entier naturel non nul correspondant au nombre de prévisions reçues d’un ou plusieurs centres de traitement de données météorologiques.

[021] Le premier instant to et le deuxième instant t peuvent être séparés par un horizon de temps n (i.e. t = to + n), aussi appelé horizon de prévision. L’horizon de prévision peut être une durée de l’ordre de quelques minutes à plusieurs jours. Par exemple, l’horizon de prévision peut être d’une heure, de 24 heures, etc.

[022] Il est entendu par système solaire tout système configuré pour transformer l’énergie solaire en une énergie électrique ou thermique. Un système solaire est un site de production d’électricité dont la production est assurée par l’utilisation du rayonnement solaire (par exemple au travers d’au moins un panneau photovoltaïque).

[023] Par ailleurs, il est entendu par système éolien tout site de production de parc électrique configuré pour transformer l’énergie du vent en une énergie électrique, telle qu’une ou plusieurs éoliennes.

[024] La prévision probabiliste Gt possède l’avantage par rapport aux prévisions déterministes de pouvoir prendre en compte des informations d'incertitude, par exemple liées aux prévisions météorologiques. En outre, dans le procédé proposé, les incertitudes décrites par les données reçues sont pondérées pour estimer Gt. En effet, pour former la prévision probabiliste Gt, la fonction de répartition de la production à venir est basée sur tout ou partie des prévisions en entrée : en tenant compte à parts égales par exemple des M prévisions météorologiques si l’on considère qu’elles apportent toutes une information (valeurs et incertitude associée) à la même hauteur, ou en ne tenant compte que d’une partie d’entre elles, par des pondérations adaptées.

[025] La prévision probabiliste Gt permet de fournir, à partir des incertitudes considérées, plusieurs scénarios d'évolutions possibles de la production d’énergie électrique du système solaire ou éolien, chaque scénario pouvant être associé à une probabilité d'occurrence.

[026] En se fondant sur la prévision probabiliste Gt déterminée par le procédé proposé, un producteur, un responsable d'équilibre ou un gestionnaire de réseau électrique par exemple, peuvent ainsi, à des échelles différentes, mieux anticiper les fluctuations de production électrique du système solaire ou éolien en fonction des probabilités associées à chacun des scénarios (possibilité d’évaluer le scénario le plus probable et de quantifier l'incertitude qui pèse sur chacun des autres scénarios) et prendre une décision appropriée en fonction de ses objectifs.

[027] Dans un mode de réalisation possible, les M prévisions météorologiques reçues sont utilisées pour déterminer une prévision probabiliste Gt concernant une variable météorologique. En l’occurrence, les données issues des M prévisions météorologiques peuvent être directement des variables météorologiques choisies parmi les M prévisions, ou des variables météorologiques calculées à partir d’une ou plusieurs des M prévisions. Dans le cadre de cette réalisation, la prévision probabiliste Gt déterminée permet de proposer des scénarios d’évolutions possibles d’une variable météorologique telle que le rayonnement, la couverture nuageuse, la pluviométrie ou la vitesse du vent. Une telle réalisation permet d’appliquer l’amélioration proposée par le procédé à la prévision de conditions météorologiques.

[028] Selon un autre mode de réalisation, à l’étape a), le procédé comprend en outre une réception de P prévisions de production d’énergie électrique du système solaire ou éolien, P étant un nombre entier naturel non nul et, à l’étape b), la prévision probabiliste Gt est calculée en outre sous la forme d’une distribution pondérée des P prévisions de production d’énergie électrique reçues.

[029] Les P prévisions reçues peuvent être des paramètres de production électrique prévue tels qu’une estimation de puissance électrique produite par le système solaire ou éolien (watts produits), ou un écart-type autour d’une production moyenne du système solaire ou éolien par exemple.

[030] Dans ce mode de réalisation, la prévision probabiliste Gt peut également se baser sur des prévisions de production électrique et prendre en compte les incertitudes liées à de telles prévisions. Les simulations qui peuvent être considérées via la prévision probabiliste Gt peuvent combiner d’autres données que les M prévisions météorologiques pour ajuster et donc compléter les scénarios d’évolutions possibles de la production du système solaire ou éolien. La précision de la prévision en est encore améliorée par la prise en compte des P prévisions.

[031] Selon une réalisation possible, la fonction de répartition de la production à venir Gt (appelée prévision probabiliste) est déterminée à partir de la formule suivante :

K

Gt(x) = YJwktHkt(x-xkt), k= 1 dans laquelle le paramètre x correspond au quantité auquel la fonction Gt est évaluée, K est un nombre entier non nul inférieur ou égal au nombre de prévisions reçues à l’étape a), le paramètre Xk,t est une donnée de prévision issue des prévisions reçues à l’étape a),

Hk,t est une fonction de répartition, et

Wk,t est une fonction de pondération de Hk,t.

[032] Le paramètre Xk,t peut correspondre uniquement aux données issues d’au moins une partie des M prévisions météorologiques, éventuellement accompagnées de P prévisions de production d’énergie électrique du système solaire ou éolien. A titre purement illustratif, K peut être égal à M ou à M + P lorsque l’ensemble des prévisions reçues à l’étape a) sont utilisées pour déterminer Gt, ou être inférieur à M ou M + P lorsque seulement certaines des prévisions reçues à l’étape a-) sont utilisées pour déterminer Gt.

[033] La formule peut être appliquée de façon indépendante pour chaque horizon de prévision n. Le nombre de prévisions reçues à l’étape a), ainsi que leur valeur et leur nature, peuvent varier de façon implicite selon l’horizon de prévision n considéré. Par exemple, le nombre et la nature des prévisions reçues à l’étape a) peuvent être différents selon si l’horizon de temps choisi pour l’estimation est proche (de l’ordre de quelques minutes à plusieurs heures) ou éloigné (de l’ordre de d’un ou plusieurs jours).

[034] La fonction de répartition Hk,t peut, par exemple, être une fonction de type échelon (fonction de « Heaviside »). Cette fonction permet de modéliser n’importe quel type de distribution sous forme discrétisée.

[035] Selon une autre réalisation possible, les données issues d’au moins une partie des M prévisions météorologiques sont des valeurs de production d’énergie électrique du système solaire ou éolien obtenues par conversion des M données de prévisions météorologiques selon une loi de production préétablie pour le système solaire ou éolien.

[036] La loi préétablie permet de prendre en compte un modèle physique et/ou statistique propre au site de production solaire ou éolien. A partir des M prévisions météorologiques, la loi préétablie permet de convertir l’impact des indices météorologiques sur la production du système solaire ou éolien. Par exemple, la loi préétablie peut être fonction de caractéristiques propres au système solaire ou éolien (nombre d’unités de production, disposition des unités de production, etc.), de sa localisation, d’un historique de production d’électricité du système en fonction de conditions météorologiques (watts produits en fonction du rayonnement solaire incident, de l’indice de nébulosité ou force du vent par exemple). La loi préétablie permet d’obtenir des prévisions de production plus fidèles pour la détermination de la prévision probabiliste Gt, améliorant encore la précision de prévision du procédé.

[037] Selon une variante possible, les M prévisions météorologiques peuvent être utilisées pour créer des prévisions de production d’énergie électrique du système via d’autre méthode de conversion (directe ou indirecte). Par exemple, une loi générale de conversion, qui peut être identique pour tout système solaire ou éolien, peut être utilisée. La loi de conversion utilisée peut en tout état de cause être mise à jour et amenée à évoluer au cours du temps.

[038] Selon un mode de réalisation possible, le procédé peut comprendre en outre une étape de détermination d’un intervalle de confiance à partir de la prévision probabiliste Gt générée.

[039] L’ intervalle de confiance calculé permet notamment d’évaluer le degré d’incertitude présenté par les différents scénarios possibles d’après la prévision probabiliste Gt déterminée. Cette évaluation est un indicateur de l’incertitude de la prévision. Ces indicateurs peuvent être utiles aux utilisateurs (producteur, gestionnaire du réseau électrique, responsable d’équilibre) pour pouvoir réagir de manière pertinente face aux fluctuations prévues de la production intermittente, en fonction de leur problématique.

[040] Avantageusement, le procédé comprend en outre une étape de transmission de la prévision probabiliste Gt déterminée à une entité requérante.

[041] L’ entité requérante peut être notamment un centre de gestion de sites de production (dont un ou plusieurs systèmes solaires ou éoliens) ou autre.

[042] Selon un mode de réalisation possible, le procédé comprend en outre les étapes de : - réception d’une donnée de production effective d’énergie électrique du système solaire ou éolien ; - mise à jour de la distribution pondérée en fonction de la production effective.

[043] Avec ce mode de réalisation, la distribution pondérée est évolutive et peut être ajustée en fonction d’une production effective du système solaire ou éolien. La production effective reçue peut être comparée à la prévision probabiliste Gt déterminée et, en fonction de l’écart d’erreur constaté lors de la comparaison, la pondération et la distribution peuvent être corrigées afin que la précision des prochaines prévisions probabilistes Gt soit encore améliorée.

[044] La correction de la pondération peut être effectuée par exemple en utilisant un algorithme d’apprentissage automatique. Pour obtenir une garantie de robustesse des prévisions (il est entendu par « robustesse » la garantie d'obtenir à long terme des prévisions Gt meilleures que chacune des prévisions individuelles définies par Hki, et Xk,t), il est possible d’utiliser des formules de mise à jour des poids wt,t basée plus particulièrement sur une technique dite "online ridge régression" en langue anglaise (pour « régression d’arête séquentielle » en langue française). En effet, par opposition à des méthodes heuristiques classiques, cette technique permet de chercher de façon explicite les poids fournissant des prévisions robustes. Les prévisions Gt peuvent satisfaire de cette manière un critère d'optimalité, défini par rapport à un score donné S par exemple. Le score S est de nature probabiliste afin que les poids Wk,t fournissent des prévisions probabilistes robustes. A titre d'exemple, le critère CRPS (correspondant à la distance entre la prévision probabiliste et l'observation) défini par: CRPS = J (H0bs - Gt)2, peut être choisi pour le score S, où H0bS est la fonction de répartition de la quantité modélisée. Selon une réalisation particulièrement avantageuse, les poids Wk,t sont choisis de façon à minimiser, pour une période d'apprentissage évoluant au cours du temps, le score S moyen de ladite période augmenté d'un terme de régularisation des poids.

[045] En variante, le procédé comprend en outre les étapes de : - réception de données météorologiques relatives à la zone géographique déterminée ; - détermination d’une production effective d’énergie électrique du système solaire ou éolien à partir des données météorologiques reçues ; - mise à jour de la distribution pondérée en fonction de la production effective.

[046] Selon cette réalisation, la distribution pondérée peut être mise à jour en fonction d’une production d’énergie électrique estimée à partir de conditions météorologiques actuelles au niveau du système solaire ou éolien. Cette mise à jour de la distribution pondérée permet également d’améliorer encore la qualité de la prévision probabiliste G,.

[047] Selon une réalisation possible, les M prévisions météorologiques reçues proviennent d’une pluralité de centres de traitement de données météorologiques et correspondent à des prévisions probabilistes et/ou déterministes.

[048] Le procédé est compatible avec des prévisions probabilistes et déterministes de différents centres météorologiques pour fournir une nouvelle prévision probabiliste Gt. De cette manière, le procédé peut combiner de nombreuses prévisions météorologiques, quelle que soit leur nature, pour fournir sous forme de distribution pondérée, une prévision probabiliste Gt robuste.

[049] Selon un deuxième aspect, l’invention propose un système de prévision d’indicateur de production d’énergie électrique d’un système solaire ou éolien, le système comprenant au moins : - une interface d’entrée configurée pour la réception de M prévisions météorologiques relatives à une zone géographique déterminée comprenant le système solaire ou éolien, M étant un nombre entier naturel non nul ; - une mémoire apte à stocker les prévisions météorologiques reçues ; - une unité de traitement de données connectée à l’interface d’entrée et à la mémoire.

[050] L’unité de traitement de données est configurée pour mettre en œuvre le procédé précité pour prévoir l’indicateur de production d’énergie électrique du système solaire ou éolien.

[051] Selon un mode de réalisation du système, l’interface d’entrée est configurée en outre pour recevoir une donnée de production effective d’énergie électrique du système solaire ou éolien.

[052] Dans une réalisation avantageuse du système, l’interface d’entrée est configurée en outre pour recevoir des données météorologiques relatives à la zone géographique déterminée.

[053] Les données météorologiques reçues peuvent être des variables météorologiques, comme par exemple une pression atmosphérique, une température, un taux d’humidité, une irradiation solaire, une précipitation, des conditions nuageuses, une direction et/ou une vitesse du vent, ou des images au sol, ou des images satellitaires, donnant des informations sur les conditions météorologiques au niveau de la zone géographique déterminée.

[054] Avantageusement, le système comprend en outre une interface de sortie configurée pour transmettre la prévision probabiliste Gt déterminée à une entité requérante.

[055] La présente invention vise également un programme informatique comportant des instructions pour la mise en œuvre du procédé précédemment décrit, lorsque ce programme est exécuté par une unité de traitement de données telle qu’un processeur.

[056] Ce programme peut utiliser n’importe quel langage de programmation (par exemple, un langage objet ou autre), et être sous la forme d’un code source interprétable, d’un code partiellement compilé ou d’un code totalement compilé.

[057] Les figures 2, 3 et 4 décrites en détails ci-après, peuvent former des organigrammes de l’algorithme général d’un tel programme informatique.

[058] Brève description des figures [059] D’autres caractéristiques et avantages de l’invention apparaîtront à l’examen de la description détaillée ci-après, et des figures annexées sur lesquelles : - la figure 1 illustre un exemple de système de prévision d’un indicateur de production d’énergie de système solaire ou éolien selon un exemple de réalisation de l’invention ; - la figure 2 représente un organigramme composé d’un exemple de succession d’étapes du procédé de prévision selon l’invention ; la figure 3 représente un organigramme composé d’un exemple de succession d’étapes pour la mise à jour de la distribution pondérée de la prévision probabiliste Gt ; et la figure 4 représente un organigramme composé d’un exemple de succession d’étapes dans lequel les M prévisions météorologiques sont converties en prévision de production d’énergie électrique, et dans lequel P prévisions de production électrique du système solaire ou éolien sont reçues.

[060] Pour des raisons de clarté, les dimensions des différents éléments représentés sur ces figures ne sont pas en proportion avec leurs dimensions réelles. Sur les figures, des références identiques correspondent à des éléments identiques pour les différents modes de réalisation exposés.

[061] Description détaillée [062] On se réfère tout d’abord à la figure 1 qui illustre un exemple de système de prévision d’un indicateur de production d’énergie d’un système solaire selon un exemple de réalisation possible.

[063] Dans ce mode de réalisation, le système comporte un ordinateur 100, comprenant une mémoire 102 pour stocker : des instructions permettant la mise en œuvre du procédé, - une ou plusieurs lois préétablies pour un ou plusieurs systèmes solaires 118 ou éoliens 120 pour la conversion de données météorologiques en valeurs de production d’énergie électrique des systèmes 118, 120, - une loi générale de conversion pour les systèmes solaires ou éoliens de données météorologiques en valeurs de production d’énergie électrique, - un historique des productions d’énergie électrique d’un ou plusieurs des systèmes solaires 118 ou éoliens 120, les productions de l’historique pouvant être associées à des variables météorologiques correspondantes, de données temporaires pour réaliser les différentes étapes du procédé tel que décrit précédemment et détaillé plus loin.

[064] L’ ordinateur comporte en outre une unité de traitement de données 104. Cette unité de traitement de données peut être un circuit comme par exemple : - un processeur apte à interpréter des instructions sous la forme de programme informatique, ou - une carte électronique dont les étapes du procédé de l’invention sont décrites dans le silicium, ou encore - une puce électronique programmable comme une puce FPGA (pour « Field-Programmable Gâte Array » en anglais).

[065] Cet ordinateur 100 comporte aussi : o une interface d’entrée 106 pour : la réception de M prévisions météorologiques relatives à une zone géographique déterminée comprenant le système solaire 118 ou éolien 120, M étant un nombre entier naturel non nul correspondant au nombre de prévisions reçues, la réception de P prévisions de production d’énergie électrique du système solaire 118 ou éolien 120, P étant un nombre entier naturel non nul correspondant au nombre de prévisions reçues, la réception d’une donnée de production effective d’énergie électrique du système solaire 118 ou éolien 120, o une interface de sortie 108 pour la fourniture à une entité requérante 116 de la prévision probabiliste déterminée selon le procédé.

[066] Les M prévisions météorologiques reçues via l’interface d’entrée 106 peuvent être envoyées par un ou plusieurs centres 122, 123, 124 de traitement de données météorologiques. Les données météorologiques traitées par les centres 122, 123, 124 peuvent notamment être des données issues de : - une image satellite de la zone déterminée comprenant le système solaire 118 ou éolien 120 (envoyée par le satellite 126 par exemple), - un pyranomètre 109 mesurant une valeur brute d’irradiation mesurée à proximité des panneaux solaires 118, ou tout autre capteur 110 de variable météorologique relative à la zone déterminée dans laquelle se trouve le système 118, 120, comme un anémomètre mesurant la vitesse du vent au niveau des éoliennes 120. - une simulation numérique.

[067] Le système solaire 118 peut comprendre un ou plusieurs panneaux solaires et le système éolien 120 peut comprendre une ou plusieurs éoliennes. Les systèmes solaire et éolien peuvent être configuré pour mesurer une production d’énergie électrique effective et pour la communiquer à l’ordinateur 100 via une liaison de communication avec l’interface d’entrée 106. Les systèmes 118 et 120 peuvent être composés d’un ensemble de systèmes afin de représenter la production sur une zone géographique étendue (possiblement à l’échelle nationale).

[068] L’ordinateur peut par ailleurs comporter, pour permettre une interaction aisée avec un utilisateur, un écran 112 et un clavier 114. Bien entendu, le clavier est facultatif, notamment dans le cadre d’un ordinateur ayant la forme d’une tablette tactile ou d’un téléphone portable, par exemple.

[069] Typiquement, l’entité requérante 116 peut être une plateforme de gestion de sites de production de parc électrique, voire un terminal de client apte à recevoir les prévisions envoyées par le système de prévision via l’interface de sortie 108. A cet effet, le dispositif 116 peut comporter : - une interface de communication apte à envoyer une requête de prévision probabiliste Gt auprès de l’ordinateur 100, via l’interface d’entrée 106, et recevoir des données communiquées par l’ordinateur 100 via l’interface 108 et - une unité de traitement de données pour interpréter les données reçues de l’ordinateur 100.

[070] Les données de prévision probabiliste Gt d’un indicateur de production d’énergie électrique reçues par l’entité requérante 116 peuvent être utilisées par ce dernier pour gérer et anticiper la production du système solaire 118 ou éolien 120.

[071] A titre d’exemple purement illustratif, un gestionnaire de parc électrique peut requérir la prévision probabiliste Gt avec l’entité requérante 116 afin d’utiliser la prévision déterminée selon le procédé détaillé ci-après comme un outil d’aide à la décision dans la gestion de la production d’un parc électrique.

[072] Selon un autre exemple possible, un utilisateur peut recevoir sur son téléphone les estimations de production des panneaux photovoltaïques installés sur le toit de son domicile. Ainsi, l’utilisateur peut optimiser sa consommation en anticipant la production d’énergie des panneaux selon la production estimée par le système de prévision. Des services variés peuvent être proposés à des utilisateurs en fonction de différentes interprétations possibles des prévisions probabilistes reçues par l’entité requérante 116.

[073] On se réfère maintenant à la figure 2 représentant un organigramme composé d’un exemple de succession d’étapes du procédé de prévision d’indicateur de production d’énergie électrique de système solaire ou éolien.

[074] L’étape 200 correspond à la réception de M prévisions météorologiques relatives à une zone géographique déterminée comprenant le système solaire 118 ou éolien 120, M étant un nombre entier naturel non nul correspondant au nombre de données reçues d’un ou plusieurs centres 122, 123, 124.

[075] Les M prévisions météorologiques peuvent notamment être : - un rayonnement solaire incident au niveau du système solaire ; - une vitesse du vent au niveau du système éolien ; - une production d’énergie électrique du système solaire ou éolien ; - une variable météorologique relative à la zone géographique comprenant le système solaire ou éolien.

[076] Selon une étape 210, la prévision probabiliste Gt d’indicateur de production d’énergie électrique du système solaire ou éolien est déterminée à un premier instant t0 pour un deuxième instant t, le deuxième instant t étant postérieur au premier instant to d’un horizon de prévision n, avec t = to + n. La prévision probabiliste Gt est calculée sous la forme d’une distribution pondérée de données issues d’au moins une partie des M prévisions météorologiques reçues.

[077] Selon une réalisation possible, la prévision probabiliste Gt utilise des prévisions de variables météorologiques issues des M prévisions pour prévoir au moins une variable météorologique comme, par exemple, les conditions nuageuses au-dessus de la zone géographique où se trouve le système solaire ou éolien.

[078] A cette étape 210, la prévision probabiliste Gt peut en particulier être déterminée à partir de la formule :

Le paramètre x correspond au quantile pour lequel la fonction Gt est évaluée, K est un nombre entier non nul inférieur ou égal au nombre de prévisions reçues à l’étape 200, le paramètre Xk,t est une donnée issue des prévisions reçues à l’étape 200, FL , est une fonction de répartition, et Wk,t est une fonction de pondération de FL ,.

[079] Les prévisions Xk,t peuvent être probabilistes ou déterministes, et provenir d'origines diverses. Les prévisions Xk,t peuvent par exemple être basées sur la variabilité historique des M prévisions météorologiques et sur la variabilité météorologique de ces données. On peut en outre combiner des ensembles de prévisions issus de centres météorologiques différents tels que les centres 122, 123 et 124. Les M prévisions météorologiques sont alors l’ensemble des prévisions reçues en provenance des centres 122, 123 et 124.

[080] Selon la formule de distribution pondérée exposée ci-avant, l’ensemble des prévisions Xk,t peut être pondéré pour la détermination de Gt via la fonction Wk,t de sorte à modérer l’importance attachée à chaque prévision utilisée, et l’importance attachée à leur incertitude associée. Par défaut, un ensemble de prévisions peut être représenté par une fonction de répartition empirique constituée d’échelons de même hauteur avec Wk,t= 1 / K.

[081] La fonction de répartition Hk,t peut être une fonction échelon (fonction Heaviside) pour modéliser n'importe quel type de distribution sous forme discrétisée. La fonction de Heaviside vaut 0 si son argument est négatif et 1 sinon.

[082] Il convient de noter que pour déterminer les coefficients Wk,t, aucun historique de données locales n’est nécessaire.

[083] Lorsque que la prévision Gt est déterminée, elle peut être transmise automatiquement ou sur requête à l’entité requérante 116 selon une étape 220.

[084] La prévision probabiliste Gt possède l’avantage par rapport aux prévisions déterministes de pouvoir prendre en compte et de pouvoir ajuster des informations d'incertitude via la pondération de la distribution des M prévisions météorologiques.

[085] La prévision probabiliste Gt fournit, à partir des incertitudes des M prévisions météorologiques, plusieurs scénarios d'évolutions possibles de la production d’énergie électrique du système solaire ou éolien. Un intervalle de confiance peut être déterminé pour chacun des différents scénarios, à partir des quantités issus de Gt. Par exemple, par définition des quantités, pour un quantité noté qgo, Gt(q9o) = 0.9 signifie que d’après le système de prévision, il y a 90% de chances que l’observation soit inférieure à qgo. L’intervalle de confiance peut être transmis à l’entité requérante avec la prévision probabiliste Gt ou calculé par l’entité requérante à partir de la prévision probabiliste transmise pour constituer un outil d’aide à la décision pour la gestion de production d’énergie intermittente.

[086] A la figure 3, un organigramme composé d’un autre exemple de succession d’étapes du procédé de prévision d’indicateur de production d’énergie électrique de système solaire ou éolien est illustré.

[087] Suite aux étapes 200 et 210, le procédé peut comprendre une étape 310 de réception d’une donnée de production effective d’énergie électrique du système solaire ou éolien. Cette donnée peut être envoyée par le système solaire ou éolien directement ou via un centre de gestion de sites de production.

[088] Selon une alternative possible, le procédé peut comprendre une étape 315 de réception de données météorologiques actuelle correspondant à une variable météorologique courante qui est : mesurée au niveau de la zone géographique déterminée (mesures météorologiques locales), déterminée à partir de o données satellitaires, o modèles météorologiques concernant la zone géographique. A titre d’exemple, le pyranomètre 109 et le capteur 110 (qui peut être un anémomètre) peuvent être installés à proximité du système solaire 118 ou éolien 120 et envoyer une donnée relative à l’irradiation incidente actuelle ou à la vitesse du vent mesurée, directement à l’ordinateur 100 (via l’interface d’entrée 106) ou via un des centres 122, 123, 124. A partir des données reçues à l’étape 315, une production effective peut être déterminée à une étape 316.

[089] Selon une étape 320, la production effective reçue (selon l’étape 310) ou déterminée (selon les étapes 315 et 316) est utilisée pour mettre à jour la distribution pondérée en fonction de la donnée de production effective. La production effective peut être comparée à la prévision probabiliste Gt déterminée. En fonction de l’écart d’erreur constaté lors de la comparaison, la pondération et la distribution peuvent être corrigées.

[090] A la figure 4 est illustré un organigramme composé d’un autre exemple de succession d’étapes du procédé de prévision d’indicateur de production d’énergie électrique de système solaire ou éolien.

[091] Entre les étapes 200 et 210, le procédé peut comprendre en outre une étape 400 à laquelle des prévisions des M prévisions météorologiques reçues à l’étape 200 sont converties, selon une loi de conversion, en valeurs de production d’énergie électrique du système solaire ou éolien. Typiquement, à partir de variables météorologiques prévues, la loi de conversion permet de déterminer une puissance produite par le système 118, 120 pour l’instant où se déroule l’objet des prévisions.

[092] La loi de conversion peut être une loi préétablie, propre au système solaire 118 ou éolien 120. La loi préétablie peut par exemple être fonction de caractéristiques du système solaire ou éolien en question et se baser sur un historique de production d’électricité du système en fonction de conditions météorologiques.

[093] La loi préétablie peut être stockée dans une base de données BD comprise dans la mémoire 102. L’historique de données de production d’électricité du système peut également être stocké dans la mémoire 102.

[094] Chaque prévision météorologique peut fournir une donnée de production par conversion. De plus, une partie des prévisions météorologiques peut être utilisée par un modèle secondaire de conversion pour fournir de nouvelles prévisions de production.

[095] En alternative, les M prévisions météorologiques peuvent être converties en valeurs de production d’énergie électrique du système via d’autres méthodes de conversion (directe ou indirecte). Par exemple, une loi générale de conversion peut être utilisée.

[096] Le procédé comprend par ailleurs une étape 410 de réception de P prévisions de production d’énergie électrique du système solaire ou éolien, P étant un nombre entier naturel non nul correspondant au nombre de prévisions reçues d’un ou plusieurs sites de production solaire ou éolien, ou d’un ou plusieurs centres de gestion de parcs de production.

[097] Les P prévisions reçues peuvent être des paramètres de production électrique prévus tels qu’une estimation de puissance électrique produite par le système solaire ou éolien (watts produits), ou un écart type autour d’une production moyenne du système solaire ou éolien par exemple.

[098] A l’étape 210, la prévision probabiliste Gt est déterminée à partir de la formule :

le paramètre Xk,t correspondant alors à une donnée issue des prévisions reçues aux étapes 200 et 410.

[099] Dans ce mode de réalisation, le paramètre Xk,t peut correspondre à : - une prévision météorologique parmi les M prévisions ; - une prévision de production parmi les P prévisions ; ou - une prévision de production dont la valeur a été déterminée par conversion des M prévisions en valeur de production d’énergie électrique du système 118, 120.

[0100] La prévision probabiliste Gt prend en compte les incertitudes liées aux trois prévisions précitées.

[0101] La qualité de prévision autorisée par le procédé peut permettre de connaître et anticiper précisément l’évolution d’indicateurs de production d’énergie du système solaire. Ainsi, la capacité de production du système solaire peut être déterminée avec justesse, à des horizons proches (5, 10, 15 voire 60 minutes) ou des horizons allant jusqu’à plusieurs jours (15 jours typiquement).

[0102] Le procédé peut combiner des prévisions probabilistes et déterministes quelle que soit leur origine pour fournir une nouvelle prévision probabiliste. Il y a donc compatibilité du procédé avec toutes les techniques de construction de prévisions météorologiques ou de production d’énergie électrique. Le procédé peut produire un « méta-modèle », pouvant également être appelé « super-ensemble » pour des prévisions non probabilistes.

[0103] Le procédé ne requiert pas historique de données locales pour commencer à fournir des prévisions.

[0104] La prévision probabiliste Gt est utile aux opérateurs de réseau électrique, aux responsables d'équilibre ainsi qu'au gestionnaire de parcs de production. Typiquement, un responsable d'équilibre peut anticiper les flux de production et de consommation pour maximiser ses gains. Des prévisions performantes telle que la prévision probabiliste Gt leur permettent d'optimiser la gestion de leurs moyens de production et de stockage d'énergie, par exemple en évitant d'avoir recours à des moyens de production coûteux.

[0105] L’invention a été décrite en référence à des modes de réalisations particuliers qui ne sont pas limitatifs. Bien entendu, la présente invention ne se limite pas à la forme de réalisation décrite à titre d’exemple et elle s’étend à d’autres variantes. Par exemple, d’autres variantes de succession d’étapes que les figures 2, 3 et 4 pourraient être mises en œuvre. Par exemple, la mise à jour (étape 320) de la distribution pondérée peut être effectuée dans le procédé proposé après que la prévision probabiliste Gtait été transmise à une entité requérante.

Claims

Revendications

1. Procédé de prévision d’indicateur de production d’énergie électrique d’un système solaire (118) ou éolien (120), le procédé comprenant au moins les étapes de : a) réception (200) de M prévisions météorologiques relatives à une zone géographique déterminée comprenant le système solaire ou éolien, M étant un nombre entier naturel non nul ; b) détermination (210) à un premier instant to d’une prévision probabiliste Gt d’indicateur de production d’énergie électrique du système solaire ou éolien pour un deuxième instant t ; dans lequel le premier instant to est antérieur au deuxième instant t et la prévision probabiliste Gt est calculée sous la forme d’une distribution pondérée de données issues d’au moins une partie des M prévisions météorologiques reçues.
2. Procédé selon la revendication 1, dans lequel l’étape a) comprend en outre une réception (410) de P prévisions de production d’énergie électrique du système solaire ou éolien, P étant un nombre entier naturel non nul, et dans lequel à l’étape b), la prévision probabiliste Gt est calculée en outre sous la forme d’une distribution pondérée des P prévisions de production d’énergie électrique reçues.
3. Procédé selon la revendication 1 ou 2, dans lequel à l’étape b), la prévision probabiliste Gt est déterminée à partir de la formule suivante :

dans laquelle le paramètre x correspond à un quantile pour lequel la fonction Gt est évaluée, K est un nombre entier non nul inférieur ou égal au nombre de prévisions reçues à l’étape a),

le paramètre Xk,t est une donnée de prévision issue des prévisions reçues à l’étape a), Hkit est une fonction de répartition, et Wk,t est une fonction de pondération d’une distribution décrite par Hk,t.
4. Procédé selon l’une quelconque des revendications précédentes, dans lequel les données issues d’au moins une partie des M prévisions météorologiques sont des valeurs de production d’énergie électrique du système solaire ou éolien obtenues par conversion des M données de prévisions météorologiques selon une loi de production préétablie pour le système solaire ou éolien.
5. Procédé selon l’une quelconque des revendications précédentes, comprenant en outre une étape de détermination d’un intervalle de confiance à partir de la prévision probabiliste Gt déterminée.
6. Procédé selon l’une quelconque des revendications précédentes, comprenant en outre une étape de transmission (220) de la prévision probabiliste Gt déterminée à une entité requérante.
7. Procédé selon l’une quelconque des revendications précédentes, comprenant en outre les étapes de : -réception (310) d’une donnée de production effective d’énergie électrique du système solaire ou éolien ; - mise à jour (320) de la distribution pondérée en fonction de la production effective.
8. Procédé selon l’une des revendications 1 à 6, comprenant en outre les étapes de : - réception (315) de données météorologiques relatives à la zone géographique déterminée ; - détermination (316) d’une production effective d’énergie électrique du système solaire ou éolien à partir des données météorologiques reçues ; - mise à jour (320) de la distribution pondérée en fonction de la production effective.
9. Procédé selon l’une quelconque des revendications précédentes, dans lequel les M prévisions météorologiques reçues proviennent d’une pluralité de centres de traitement de données météorologiques (122, 123, 124) et correspondent à des prévisions probabilistes et/ou déterministes.
10. Produit programme informatique comportant des instructions pour la mise en œuvre du procédé selon l’une des revendications 1 à 9, lorsque ce programme est exécuté par une unité de traitement de données telle qu’un processeur.
11. Système de prévision d’indicateur de production d’énergie électrique d’un système solaire (118) ou éolien (120), ledit système comprenant au moins : - une interface d’entrée (106) configurée pour la réception de M prévisions météorologiques relatives à une zone géographique déterminée comprenant le système solaire ou éolien, M étant un nombre entier naturel non nul ; - une mémoire (102) apte à stocker les prévisions météorologiques reçues ; - une unité de traitement de données (104) connectée à l’interface d’entrée et à la mémoire ; ladite unité de traitement de données étant configurée pour mettre en œuvre le procédé de prévision d’indicateur de production d’énergie électrique selon l’une des revendications 1 à 9.
12. Système selon la revendication 11, dans lequel l’interface d’entrée (106) est configurée en outre pour recevoir une donnée de production effective d’énergie électrique du système solaire (118) ou éolien (120).
13. Système selon la revendication 11 ou 12, dans lequel l’interface d’entrée est configurée (106) en outre pour recevoir des données météorologiques relatives à la zone géographique déterminée.
14. Système selon l’une quelconque des revendications 11 à 13, comprenant en outre une interface de sortie (108) configurée pour transmettre la prévision probabiliste Gt déterminée à une entité requérante (116).