Prédiction À Court Terme De La Production De L’énergie Solaire Avec Des Modèles D’apprentissage Automatique En Utilisant Des Séries Temporelles Météorologiques

Résumé: 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).

Publié dans la revue: