Avec la menace imminente du changement climatique, il est grand temps d'adopter les sources d'énergie renouvelables à plus grande échelle. Les systèmes photovoltaïques, qui produisent de l'électricité à partir de l'approvisionnement presque illimité d'énergie solaire, sont l'un des moyens les plus prometteurs de générer de l'énergie propre. Cependant, l'intégration de systèmes photovoltaïques dans les réseaux électriques existants n'est pas un processus simple. Étant donné que la puissance de sortie des systèmes photovoltaïques dépend fortement des conditions environnementales, les gestionnaires de centrales électriques et de réseaux ont besoin d'estimations de la quantité d'énergie qui sera injectée par les systèmes photovoltaïques afin de planifier des programmes de production et de maintenance optimaux, entre autres aspects opérationnels importants.
Conformément aux tendances modernes, si quelque chose doit être prédit, vous pouvez parier sans risque que l'intelligence artificielle fera son apparition. À ce jour, il existe de nombreux algorithmes qui peuvent estimer la puissance produite par les systèmes photovoltaïques plusieurs heures à l'avance en apprenant des données précédentes et en analysant les variables actuelles. L'un d'eux, appelé système adaptatif d'inférence neuro-floue (ANFIS), a été largement appliqué pour prévoir les performances de systèmes complexes d'énergies renouvelables. Depuis sa création, de nombreux chercheurs ont combiné ANFIS avec une variété d'algorithmes d'apprentissage automatique pour améliorer encore ses performances.
Une équipe de recherche dirigée par Jong Wan Hu de l'Université nationale d'Incheon, en Corée, a développé deux nouveaux modèles basés sur l'ANFIS pour mieux estimer à l'avance la puissance générée par les systèmes photovoltaïques jusqu'à une journée complète. Ces deux modèles sont des « algorithmes hybrides » car ils combinent l'approche ANFIS traditionnelle avec deux méthodes différentes d'optimisation d'essaims de particules, qui sont des stratégies puissantes et efficaces en termes de calcul pour trouver des solutions optimales aux problèmes d'optimisation.
Pour évaluer les performances de leurs modèles, l'équipe les a comparés à d'autres algorithmes hybrides basés sur ANFIS. Ils ont testé les capacités prédictives de chaque modèle à l'aide de données réelles provenant d'un système photovoltaïque réel déployé en Italie dans une étude précédente. Les résultats, comme le remarque le Dr Hu, étaient très prometteurs : « L'un des deux modèles que nous avons développés a surpassé tous les modèles hybrides testés et a donc montré un grand potentiel pour prédire la puissance photovoltaïque des systèmes solaires à court et à long terme . "
Les résultats de cette étude pourraient avoir des implications immédiates dans le domaine des systèmes photovoltaïques du point de vue du logiciel et de la production. « En termes de logiciel, nos modèles peuvent être transformés en applications qui estiment avec précision les valeurs des systèmes photovoltaïques, ce qui améliore les performances et le fonctionnement du réseau. En termes de production, nos méthodes peuvent se traduire par une augmentation directe de la puissance photovoltaïque en aidant à sélectionner les variables qui peuvent être utilisées dans la conception du système photovoltaïque », explique le Dr Hu. Espérons que ce travail nous aide dans la transition vers des sources d'énergie durables !
