LogoLogo

Esteoule, Tanguy. Prévision de production de parcs éoliens par systèmes multi-agents auto-adaptatifs

Esteoule, Tanguy (2019). Prévision de production de parcs éoliens par systèmes multi-agents auto-adaptatifs.

[img]PDF - nécessite un logiciel de visualisation PDF comme GSview, Xpdf or Adobe Acrobat Reader
11Mb

Résumé en francais

Le recours aux énergies renouvelables, notamment l'éolien, est une des solutions communément retenues pour limiter l'aggravation du changement climatique en cours. La variabilité et l'intermittence de ces sources d'énergie constituent la principale contrainte à gérer pour assurer l'intégration des énergies renouvelables sur le réseau électrique. Ce problème peut être en partie résolu par l'amélioration des prévisions de production à court et moyen termes. La théorie des AMAS (Adaptive Multi-Agent Systems) propose de résoudre des problèmes complexes par auto-organisation pour lesquels aucune solution algorithmique n'est connue. Le comportement local et coopératif des agents permet au système de s'adapter à un environnement dynamique pour maintenir le système dans un état de fonctionnement adéquat. Dans cette thèse, cette approche est appliquée à la prévision de production de parcs éoliens. Plus précisément, nous étudions l'intégration de données à plus fine échelle (les parcs éoliens pour une région ou les éoliennes pour un parc) dans le modèle de prévision. Nous proposons donc une méthode prenant en compte des données locales dans la prévision globale et plus précisément les interdépendances entre la production des éoliennes et des parcs. L'étude a mené à la conception de deux systèmes multi-agents auto-adaptatifs : AMAWind-Turbine prévoyant la production d'un parc en utilisant les données des éoliennes, et AMAWind-Farm prévoyant la production d'une région en utilisant les données des parcs. Ces systèmes ont été testés en conditions réelles sur cinq parcs éoliens actuellement en cours d'exploitation. Les expérimentations effectuées ont validé le bon fonctionnement des systèmes et ont permis d'observer une baisse d'erreur de prévision, le principal facteur dans le domaine d'application.

Sous la direction du :
Directeur de thèse
Gleizes, Marie-Pierre
Bernon, Carole
Guépet, Julien
Ecole doctorale:Mathématiques, informatique, télécommunications de Toulouse (MITT)
laboratoire/Unité de recherche :Institut de Recherche en Informatique de Toulouse (IRIT), UMR 5505
Mots-clés libres :Systèmes multi-agents - Prévision de production de parc éolien - Interdépendances spatiales - Coopération - Energie éolienne - Prévision
Sujets :Informatique
Déposé le :02 Jul 2020 15:46