Contribution à la modélisation de l’irradiation solaire

Abstract

Contribution à la modélisation d’irradiation solaire L'objectif principal de cette étude est d’apporter notre contribution à la modélisation du rayonnement solaire dans l’Algérie. La première contribution consiste à la modélisation empirique afin d’établir une nouvelle corrélation pour l’estimation du rayonnement solaire global mensuel. Une combinaison entre les données au sol et les données satellitaires durant la période de Janvier 1994 à Décembre 2005 de la ville Médéa, Algérie a été utilisée. 23 modèles traditionnels basés sur la durée d'ensoleillement ont été testés et comparés avec notre modèle. Les résultats obtenus ont montré un bon accord entre les valeurs estimées et mesurées, avec un coefficient de régression R2 dépassant 99%. Dans la deuxième contribution, nous avons abordé la modélisation par la technique neuronale. Une méthodologie détaillée de l'optimisation du modèle RNA pour prédire le rayonnement solaire a été développée et appliquée sur la ville de Ghardaia. Cette méthodologie est basée sur deux axes principaux : la sélection des paramètres d’entrée et de sortie, et la sélection de la structure du RNA. Nous nous sommes focalisés surtout sur le choix de : l’algorithme d’apprentissage, la technique de normalisation et l’architecture du réseau. Cela nous a permis d’atteindre un modèle optimal. Après une comparaison de ce modèle avec d'autres modèles existants dans la littérature, nous avons prouvé sa supériorité en terme d'erreurs et de coefficient de corrélation avec une erreur absolue moyenne en pourcentage de 1.17%, une racine d’erreur quadratique moyenne de 14.06%, et une précision des sorties allant de 97% à 99,29%. L’objectif de la troisième contribution, est le développement d’un modèle de RNA valable pour la prédiction du rayonnement solaire sur l’ensemble de territoire national. Les données géographiques et météorologiques ont été collectées à partir de 64 villes d’Algérie pour une période de 12 ans (1994-2005). Les résultats obtenus sont très satisfaisants et très précis avec un coefficient de corrélation de 99,52%, une erreur absolue moyenne en pourcentage de 4.7%, une racine d’erreur quadratique moyenne de 0.014% et une erreur quadratique moyenne de 0.02%.