Soutenance de thèse en doctorat de l’École Doctorale du Pacifique de Vateanui SANSINE intitulée "Mise au point d'un outil de prédiction de production solaire pour la gestion et l'optimisation système d'un micro-réseau isolé de cogénération intelligente d'électricité et de froid en Polynésie Française.", lundi 27 février 2023 à 9h en salle de réunion de l'INSPE (campus de l'UPF).
- Département : Sciences
- Discipline : Météorologie, océanographie physique et physique de l'environnement (CNU n°37)
- Spécialité : Energies
Résumé de la thèse
Le micro-réseaux RECIF permet de convertir et de stocker l’excédent de production électrique de manière décarbonnée grâce au stockage à hydrogène de l’électricité, qui se fait à travers un système composé d’électrolyseurs et de piles à combustible.
Au vu de la complexité des flux énergétiques et pour optimiser l’interopérabilité des différents composants du micro-réseau, la prévision de la ressource solaire à plusieurs horizons de prévision est nécessaire. Dans le cadre du projet RECIF, des modèles hybrides ont été implémentés pour effectuer les prévisions horaires et journalières de l’ensoleillement.
En effet, un modèle hybride constitué de deux algorithmes d’apprentissage profond est utilisé pour la prévision horaire, alors que pour la prévision journalière un modèle d’apprentissage profond et métaheuristique sont combinés. Les outils de prévisions sont entrainés sur des données météorologiques prises sur le site de l’Université de Polynésie Française, ainsi que des prévisions numériques du temps.
Abstract
The RECIF micro-grid enables the decarbonized conversion and storage of the photovoltaic electricity production surplus with hydrogen storage, which is carried out with components such as electrolyzers and fuel cells.
Given the complexity of energy fluxes and the need to facilitate the management of the isolated micro-grid, solar irradiance forecasting at different time-scales is necessary. As part of the RECIF project, two hybrid models were implemented.
The first one being a combination of two deep learning models is used for hourly solar irradiance forecasting, whereas the second is a combination of a deep learning/ metaheuristic models and is exploited for daily irradiance forecasts. The different forecasting tools are trained on measured historical meteorological data and numerical weather predictions.
Composition du jury
-
Pr Pascal ORTEGA, Professeur des universités, GEPASUD, Université de la Polynésie française, Co-directeur de thèse
-
Pr Daniel HISSEL, Professeur des universités, FEMTO-ST, Université de Besançon Franche-Comté, Co-directeur de thèse
-
Pr Jean-Pierre BARRIOT, GEPASUD, Université de la Polynésie française, Examinateur
-
Dr Marania HOPUARE, Maîtresse de conférences, GEPASUD, Université de la Polynésie française, Examinatrice
-
Dr Sophie MARTINONI-LAPIERRE, Ingénieur, Directrice Météo France en Polynésie française, Examinatrice
-
Dr Elodie PAHON, Maîtresse de conférences, FEMTO-ST, Université de Technologie de Belfort-Montbéliard, Examinatrice
-
Pr CIRRINCIONE Maurizio – Professeur des universités – FEMTO-ST – Université du Pacifique Sud, Rapporteur
-
Pr GRIEU Stéphane – Professeur des universités – PROMES – Université de Perpignan, Rapporteur
Informations
- Soutenance ouvert au public
