Avec le fort développement des énergies renouvelables, il est devenu important d'apprendre à mieux prévoir le potentiel local de production de l'éolien et du solaire, notamment pour permettre une meilleur intégration de ces énergies dans les réseaux de distribution. En matière d'énergie éolienne, Google a annoncé avoir augmenté de 20 % la "valeur" de l’énergie produite par un de ses parcs éoliens, grâce au recours au machine learning dans son programme. Bien que le secteur ait le vent en poupe, la variabilité météorologique fait de l’éolien une source d’énergie imprévisible. Cela rend l’électricité produite moins valorisable que celle provenant d’une source pouvant délivrer une quantité d’énergie prédéfinie à un moment donné. C’est dans le but de mieux valoriser l’énergie produite que Google s'est mis à la tâche de prédire la production grâce à l’IA.
En s’appuyant sur des prévisions météorologiques et un ensemble de données historiques concernant les machines, le programme DeepMind a été configuré pour anticiper 36h à l’avance la production électrique d’un parc éolien de 700 mégawatts situé dans le centre des Etats-Unis – où sont basés les data centers de Google.
Le modèle est ainsi en mesure de transmettre au réseau la prévision de production plus d’une journée à l’avance. Ces prédictions ont permis d’augmenter la valeur marchande de l’énergie éolienne produite par le parc éolien d’environ 20 %, par rapport au scénario de base où aucune prédiction de production n’était envoyée au réseau.
Si on ne peut éliminer la variabilité du vent, ces résultats suggèrent que l’intelligence artificielle peut permettre de rendre l’énergie éolienne plus prévisible et donc plus valorisable. "Nous espérons que ce type d’approche pourra renforcer la valeur commerciale de l’éolien, et mener à une meilleure adoption des énergies renouvelables sur le réseau électrique mondial", conclut ainsi Google dans ce communiqué.
S'agissant de l'énergie solaire, des chercheurs de l’Université de technologie de Delft (Pays-Bas) viennent de développer une approche inédite pour calculer de manière rapide et précise le potentiel en énergie solaire des zones urbaines. Cette méthode devrait faciliter l’incorporation des technologies solaires dans les projets des architectes et des urbanistes.
Les structures, les bâtiments et les arbres présents dans les zones urbaines projettent des ombres sur les panneaux solaires, ce qui affecte considérablement leurs performances. Cependant, il est possible d'obtenir une meilleure intégration dans l'environnement urbain en estimant avec précision les performances et le rapport coût-performance des systèmes à énergie solaire photovoltaïques.
La simulation de la production d'énergie par les systèmes photovoltaïques fait appel à de nombreux outils, assistés par des modèles mathématiques capables de déterminer la quantité de rayonnement reçue par les modules solaires. En répétant ces calculs pour toute une année, il est possible d'obtenir la quantité annuelle de rayonnement que reçoivent les panneaux. Pour autant, la détermination de la quantité d'électricité produite par un système photovoltaïque en ville n'est pas très simple. Les simulations réalisées actuellement nécessitent une puissance de calcul considérable car il est nécessaire de prendre en compte les ombres projetées par les structures environnantes, qui évoluent tout au long de l'année.
L'intérêt de cette nouvelle approche est de simplifier le calcul en évaluant rapidement le potentiel d'énergie solaire des zones urbaines les plus larges. La méthode consiste, pour un quartier particulier, à corréler un profil de silhouette urbaine et le rayonnement annuel reçu.
Ces recherches montrent que le rayonnement solaire total reçu chaque année par une surface urbaine spécifique peut se quantifier à partir de deux paramètres déduits du profil de silhouette urbaine : le facteur de visibilité du ciel (ou sky view factor), qui correspond à l'hémisphère céleste visible à partir d'un lieu particulier, et le facteur de couverture solaire (ou sun coverage factor), qui indique la quantité de lumière solaire reçue.
Le premier paramètre permet d'estimer la quantité de rayonnement liée à la lumière diffusée, et le deuxième, celle reçue directement du soleil. Ces deux paramètres sont faciles à obtenir à partir du profil de silhouette urbaine. L'étude permet de démontrer que ces deux facteurs viennent réduire significativement la complexité de traitement du problème.
L’équipe de recherche PVMD (Photovoltaic Materials and Devices) vient donc d'incorporer cette méthode dans une boîte à outils de logiciels, capable de calculer avec précision la production d'énergie de systèmes photovoltaïques, quel que soit le lieu…
Article rédigé par Georges Simmonds pour RT Flash
