Abstract:
La mesure de l’irradiation solaire dans certains endroits joue un rôle très important pour concevoir et dimensionner les systèmes
photovoltaïques. Cependant, les données mesurées de l’irradiation solaire ne sont pas toujours disponibles en particulier dans les endroits
isolés. Vu l’importance, le coût et la non disponibilité des instruments (pyranomètre) de mesure de ce paramètre dans plusieurs endroits,
nous avons pensé à réaliser des estimateurs intelligents et empiriques qui ont pour but l'estimation de ce paramètre avec une tolérance
acceptable. Pour ce faire nous avons modélisé l’irradiation solaire globale par l’intermédiaire de plusieurs modèles empiriques et
intelligents à partir de données météorologiques misent à notre disposition durant la préparation de ce mémoire (la température et
l'humidité relative), dont trois familles de modèles empiriques et cinq grandes familles de modèles intelligents ont été développées et
testées durant ce travail. Les trois familles de modèles intelligents comprennent en particulier les réseaux de neurones statiques (MLP),
les réseaux de neurones convolutif(CNN), les réseaux de neurones récurrents (LSTM), les méthodes d'apprentissage automatiques (SVM)
et enfin la méthode hybride (CNN-MLP). Après la phase de simulation numérique de tous les modelés développés, une comparaison a
été effectuée et les résultats obtenus confirment la capacité du modèle d'El Sebai et al. (M-El-S, Numéro 21) pour les modèles empiriques
et tous les l’estimateurs intelligents testés à estimer l’irradiation solaire globale dans les endroits de climat aride. AvMots clés : Irradiation solaire globale, prédiction, modélisation, réseaux de neurones, profonds, méthodes d'apprentissage automatiques,
données météorologiques.ec un coefficient de
corrélation R près de 0.90.
