Prdiction de la production d'une installation PV

Les acteurs du march de l'nergie (investisseurs, producteurs d'lectricit, les gestionnaires de rseau, les consommateurs, etc.) font face des dfis potentiels tels que la demande croissante d'nergie, les nouveaux modes de consommation d'nergie, l'intgration de sources d'nergie renouvelables (intermittentes) dans les rseaux lectriques ainsi que l'volution des rseaux lectriques. Cet ouvrage tudie la possibilit de prdire la production d'une installation photovoltaque en autoconsommation par les rseaux de neurones artificiels. Nous avons fait une comparaison croise de deux architectures (boucle et non-boucle) de rseaux de neurones par rapport la rgression multivariable dans le but de disposer d'un outil de prdiction efficace et fiable de la production d'une installation PV partir des donnes mtorologiques (ensoleillement et temprature ambiante).Pour ce faire, nous avons utiliss des donnes de monitoring d'une installation sur une priode de 72 jours pour raliser, entraner et tester deux topologies de rseaux de neurones (boucle et non boucle) dont l'apprentissage est fait avec l'algorithme de Levenberg-Marquardt.