Prédiction des composantes de l’irradiation solaire horaire sur plan horizontal en utilisant les réseaux de neurones artificiels

Toubkal

Aide Aide Aide

Nos fils RSS

Toubkal : Le Catalogue National des Thèses et Mémoires

Prédiction des composantes de l’irradiation solaire horaire sur plan horizontal en utilisant les réseaux de neurones artificiels

Voir la notice complète de la thèse


Titre: Prédiction des composantes de l’irradiation solaire horaire sur plan horizontal en utilisant les réseaux de neurones artificiels
Auteur: Loutfi, Hanae
Résumé: Cette thèse présente une étude de prédiction des différentes composantes du rayonnement solaire horaire en utilisant les réseaux de neurones artificiels(RNA). Les résultats de cette étude sont cruciaux pour la conception et le dimensionnement de tout système d’énergie solaire. Une série de mesures horaires expérimentales de neufs variables sur cinq ans était disponible pour cette étude. Des modèles (RNA) avec différentes structures, en particulier, différentes combinaisons d'intrants ainsi que différents nombres de neurones cachés ont été mis en place. Pour évaluer ces modèles, on a utilisé le coefficient de régression (R2) et des estimateurs d'erreur à savoir l'erreur quadratique moyenne normalisée (nRMSE) et l'erreur de polarisation moyenne normalisée (nMBE). On a comparé le perceptron multicouches (PMC) et l'autorégressif neuronal avec des intrants exogènes (NARX) pour générer le rayonnement solaire global horaire horizontal à partir de variables exogènes moins couteuses. Les résultats montrent la supériorité NARX avec 5 entrées. Le test de ce modèle à produire des prévisions authentiques montre une bonne précision (nRMSE=15%, nMBE=0,036% et R2=0,95). En utilisant différentes tailles de l’échantillon d'apprentissage nous avons montré qu’à partir d’une année de données notre modèle donne des résultats satisfaisants. Pour la prédiction de l’irradiation solaire directe horaire et journalière, nécessaire pour l’étude des systèmes solaires à concentration, deux topologies de réseaux de neurones Feed-Forward(FFNN) sont implémentés utilisant l'irradiation globale journalière comme principale entrée. Le test de ces modèles sur de nouvelles données d’entrée a prouvé leur capacité de généralisation: nRMSE=9,5%- 8,05% et R=0,98- 0,99 pour les rayonnements directs, horaire et journalier respectivement. Une comparaison de nos résultats avec la littérature a confirmé que nos modèles (RNA) dépassent d'autres méthodes d'estimation et que les modèles proposés assurent une prévision authentique des différentes composantes de l’irradiation solaire horaire à partir de variables endogènes et exogènes qui sont plus disponibles et moins coûteuses. This thesis presents a study of the prediction of the different components of the solar radiation by using artificial neural networks (ANN). The results of this study are crucial for the design and sizing of any solar energy system. A series of experimental hourly measurements of nine variables over five years was available for this study. Models (ANN) with different structures, in particular different combinations of inputs as well as different numbers of hidden neurons have been developed. To evaluate these models, the regression coefficient (R2) and the error estimators were used, namely the normalized mean square error (nRMSE) and the normalized average polarization error (nMBE). Multilayer perceptron (MLP) and neural autoregressive with exogenous inputs (NARX) were compared to generate global horizontal hourly solar radiation from lower cost exogenous variables. The results show NARX superiority with 5 entries. The test of this model to produce authentic forecasts shows good accuracy (nRMSE = 15%, nMBE = 0.036% and R2 = 0.95). Using different sizes of the learning sample we showed that from one year of data our model gives satisfactory results. For the prediction of direct hourly and daily solar irradiation, required for the study of concentrated solar systems, two Feed-Forward neural network topologies (FFNN) are implemented using daily global irradiation as the main input. The test of these models on new input data proved their generalization capacity: nRMSE = 9.5% - 8.05% and R = 0.98 - 0.99 for direct, hourly and daily radiations respectively. A comparison of our results with the literature has confirmed that our models (ANN) exceed other estimation methods and that the proposed models ensure an authentic prediction of the different components of hourly solar irradiation from endogenous and exogenous variables which are more available and less expensive.
Date: 2017

Fichiers dans ce document

Fichiers Taille Format Voir
Document indisponible.docx 12.96Kb Unknown Voir/Ouvrir

Cette thèse figure dans la collection suivante

Voir la notice complète de la thèse

Recherche Toubkal


Recherche Avancée

Parcourir

Mon compte