webTV

Lecture

Carlos Adrian Correa Florez, MINES ParisTech PhD, PERSEE center

Lecture

Smart4RES

Lecture

CoRDÉES : gouvernance énergétique de quartier

Lecture

Prédiction solaire pour des suiveurs photovoltaïques

Lecture

The REstable project

+ TOUS

 

Soutenance de thèse de Kévin BELLINGUER

Optimisation de l'Intégration de Données Multi-sources dans les Modèles de Prévision Court-terme de la Production Photovoltaïque.

																Kevin BELLINGUER Kevin BELLINGUER

Titre anglais : Optimisation of the Use of Multiple Sources of Data in Short-term Photovoltaic Generation Forecasting Models.
Date de soutenance : vendredi 17 juin à 14h00
Adresse de soutenance : Mines Paris PSL - Campus Pierre Laffitte - 1 rue Claude Daunesse - Sophia Antipolis
Directeur de thèse : Georges KARINIOTAKIS
Codirecteur : Robin GIRARD

devant le jury composé de :

LAURET Philippe Professeur des
universités
Université de la Réunion Rapporteur
WIDEN Joakim Professor Uppsala University Rapporteur
BESSA Ricardo Senior
Researcher
INESC TEC Examinateur
BROWELL Jethro Senior Lecturer University of Glasgow Examinateur
GEORGHIOU Georges Professor University of Cyprus Examinateur
HAMMER Annette Docteure University of Oldenburg DLR Examinateur
GIRARD Robin Chargé de
recherche
Mines Paris - PSL Examinateur
KARINIOTAKIS Georges Directeur de
recherche
Mines Paris - PSL Examinateur
BONTRON Guillaume Docteur Compagnie Nationale du Rhône Invité

 

Mots clés en français : 
Mots clés en anglais : 

Résumé de la thèse en français
Dans un contexte d’épuisement des ressources naturelles, les sources d’énergies renouvelables jouent un rôle croissant dans le mix de la production électrique. Cependant, une part importante des renouvelables peut compromettre la stabilité du réseau électrique en raison de leurs variabilités. Il est donc primordial de connaître la quantité d’énergie future produite afin d’assurer l’équilibre entre production et consommation. Cette thèse porte sur l’amélioration de la précision des prévisions court-terme de la production photovoltaïque. Pour y parvenir, un couplage entre modèles statistiques et modèles physiques est proposé, en plus d’une architecture permettant de conditionner les modèles à la situation météorologique. En outre, un large éventail de sources d’information est considéré. A cet égard, une analyse approfondie des données permet de mettre en exergue l’information pertinente ainsi que les dépendances spatio-temporelles pouvant exister entre les différentes variables.

Résumé de la thèse en anglais
In a context of natural resources depletion, weather-dependent renewable energy sources play an increasingly important role in the electricity generation mix. Yet, high shares of renewables can jeopardise the safe operation of the power grid due to their variable nature. To address this challenge, it is essential to know the future amount of energy produced to balance production and consumption. In this thesis, we explore two main approaches that aim at improving the accuracy of short-term photovoltaic generation forecasting. The first option is to extend the existing statistical models found in the literature through the coupling with a physics-based model, and by operating a shift from static to weather-adaptive models. The second option lies in extending the range of available sources of information. In this regard, an in-depth quality analysis of production measurements emphasises relevant information, and exhibits the spatio-temporal correlations that may exist between the inputs.

Partager

actualité

240 ans de recherche et de formation

Ecole 240 ans de recherche et de formation Vidéo : 240ans de recherche…
> En savoir +

Une présence remarquable du Centre PERSEE à la conférence phare dans le domaine des réseaux électriques IEEE ISGT Europe 2023

International Une présence remarquable du Centre PERSEE à la…   Le groupe ERSEI du Centre PERSEE de Mines Paris…
> En savoir +

Mines Paris plébiscitée par ses étudiantes

Formation Mines Paris plébiscitée par ses étudiantes Mines Paris - PSL, une école qui répond…
> En savoir +

Le MS ENR parmi les meilleures formations françaises « Énergies Renouvelables »

Formation Le MS ENR parmi les meilleures formations… Les élèves du master EnR Le Mastère…
> En savoir +

Femmes de science

Formation Femmes de science Chercheuses confirmées, doctorantes, élèves ou alumni,…
> En savoir +

Quelle école d’ingénieurs a le meilleur réseau LinkedIn ?

Formation Quelle école d’ingénieurs a le…  Mines Paris - PSL au Top 5 du classement LinkedIn 2023…
> En savoir +

+ Toutes les actualités

Mentions légales efil.fr © 2014 Mines Paris - PSL