Les observations approfondies des calendriers saisonniers des Premières Nations pourraient être essentielles pour améliorer les prévisions en matière d’énergie solaire, selon une étude inédite menée par l’université Charles Darwin (CDU).
Cette étude a combiné les calendriers saisonniers des Premières Nations avec un nouveau modèle d’apprentissage profond, une technique d’intelligence artificielle, afin de prédire la production future des panneaux solaires.
L’énergie solaire est l’une des principales énergies renouvelables au monde, mais la fiabilité de cette technologie reste un défi.
À l’heure actuelle, la production d’énergie solaire est difficile à prévoir en raison des conditions météorologiques, des conditions atmosphériques et de la quantité d’énergie absorbée par la surface des panneaux.
Les chercheurs de la CDU ont développé ce modèle en utilisant les calendriers des Premières Nations Tiwi, Gulumoerrgin (Larrakia), Kunwinjku et Ngurrungurrudjba, ainsi qu’un calendrier moderne connu sous le nom de Red Centre. Ils ont utilisé les données du Centre solaire de Desert Knowledge Australia à Alice Springs, et les résultats montrent que le modèle peut prédire la production d’énergie solaire avec un taux d’erreur plus faible.
Le taux d’erreur est inférieur de plus de moitié à celui des modèles de prévision couramment utilisés dans l’industrie à l’heure actuelle.
Luke Hamlin, coauteur, doctorant à la CDU et membre de la nation Bundjalang, a déclaré que les connaissances environnementales contenues dans ces calendriers constituaient une ressource inestimable.
« L’intégration des connaissances saisonnières des Premières Nations dans les prévisions de production d’énergie solaire peut améliorer considérablement la précision en alignant les prévisions sur les cycles naturels observés et compris depuis des milliers d’années », a indiqué M. Hamlin.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
« Contrairement aux systèmes calendaires conventionnels, ces connaissances saisonnières sont profondément enracinées dans les indices écologiques locaux, tels que les comportements des plantes et des animaux, qui sont étroitement liés aux changements de l’ensoleillement et des conditions météorologiques. »
En intégrant ces connaissances, les prévisions peuvent être adaptées pour refléter des changements plus précis dans les conditions environnementales, ce qui permet d’obtenir des prévisions plus précises et mieux adaptées à la culture de régions spécifiques en Australie. »
Le professeur associé en technologies de l’information Bharanidharan Shanmugam et le maître de conférences en technologies de l’information Thuseethan Selvarajah, coauteurs de cet article, ont déclaré que la combinaison de l’intelligence artificielle avancée et de la sagesse ancestrale des Premières Nations pourrait révolutionner la technologie de prévision.
« Il est difficile de prévoir avec précision la production d’énergie solaire, et ces difficultés entravent le développement d’un modèle de prévision universel », a ajouté le professeur associé Shanmugam.
« Le succès de l’approche proposée suggère qu’elle pourrait être un outil précieux pour faire progresser la prévision de la production d’énergie solaire dans les zones rurales. Dans le cadre de nos travaux futurs, nous explorerons les applications du modèle à d’autres régions et à d’autres sources d’énergie renouvelables », a conclu le Dr Selvarajah.
Article : « Conv-Ensemble for Solar Power Prediction With First Nations Seasonal Information » – DOI : 10.1109/OJCS.2025.3580339
Source : CDU
