Il s’agit d’une méthode élaborée par une équipe des scientifiques de l’Ecole Polytechnique de l’Université d’Alcalá (UAH) [1] et de l’Université Complutense de Madrid (UCM).
Ce système se base sur une utilisation conjointe de modèles de prévisions météorologiques et de réseaux neuronals artificiels [2] afin de calculer la production d’énergie des parcs éoliens avec 48 heures d’avance. La particularité de cette méthode est la prévision de la vitesse du vent dans chaque aerogénérateur d’un parc éolien. Ce système a déjà été testé avec succès pour le parc éolien de La Fuensanta à Albacete dans le sud-est de l’Espagne. Les résultats sont immédiats car la production d’énergie d’un aérogénérateur se prévoit en fonction de la vitesse du vent, et la somme des prévisions de chaque aérogénérateur donne la production prévue pour l’ensemble d’un parc éolien.
Les scientifiques recueillent les données fournies par les systèmes de prévisions météorologiques les plus complets, comme le Global Forecasting System, et le modèle appelé "méso-échelle de cinquième génération " (MM5) [3], du Centre National de Prévisions environnementales des Etats-Unis [4] et lui appliquent un système de réseaux neuronals artificiels. Ces réseaux sont des systèmes d’apprentissage et de traitement de l’information qui simulent le fonctionnement d’un système nerveux. Dans le cas présent, le système utilise les données liées à la température, la pression atmosphérique et la vitesse du vent qui approvisionnent les modèles de prévision de mêmes que les propres aérogénérateurs.
Grâce à ces données, des prévisions sur la vitesse du vent pourront être faites à 48 heures. Les parcs éoliens sont ensuite tenus de communiquer leurs prévisions à Red Eléctrica Española, entreprise qui s’occupe de l’acheminement de l’électricité et du système électrique sur le territoire espagnol.
Enfin, l’amélioration de la précision des prévisions de production éolienne semble être une avancée peu significative mais elle engendrera certainement des économies de quelques millions d’euros.
[1] Escuela Politécnica de l’Université d’Alcalá : http://www.uah.es/politecnica/
[2] Un réseau de neurones artificiel est un modèle de calcul dont la conception est très schématiquement inspiré du fonctionnement de vrais neurones (humains ou non).
Global Forecasting System (GFS) : Le GFS est un modèle météo américain.
[3] Modèle de méso- échelle de cinquième générations dit "MM5" : http://www.mmm.ucar.edu/mm5/
[4] Centre National de Prévisions Environnementales des Etats- Unis (National Centers for Environmental Prediction) : http://www.ncep.noaa.gov/
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
BE Espagne numéro 82 (2/06/2009) – Ambassade de France en Espagne / ADIT – http://www.bulletins-electroniques.com/actualites/59317.htm
» Ce système a déjà été testé avec succès pour le parc éolien de La Fuensanta à Albacete dans le sud-est de l’Espagne. » « l’amélioration de la précision des prévisions de production éolienne » Succès, amélioration etc. Sans aucune donnée chiffrée cet article a peu d’intérêt ! Quelle est la précision habituelle de ces estimation ? l’erreur moyenne constatée ? quel gain apporte cette méthode ? Cela mérite un complément.
et croyons-les. De toutes façons, un gain si petit soit-il est toujours bon à prendre une fois qu’on a investi là dedans. Cela peut aussi optimiser la gestion des centrales hydraulique à « lac » car ce sont elels qui compensent les absences de vent.