Deux méthodes d'IA peuvent améliorer les prévisions de vitesse du vent pour les parcs éoliens
infohightech ·
L'année dernière, l'énergie éolienne a représenté 23,2 % de l'énergie injectée dans le système électrique espagnol, selon les données publiées par Red Eléctrica dans son dernier rapport 2024. Bien que l'énergie éolienne domine la production nationale d'énergie, sa dépendance aux conditions météorologiques et son caractère intrinsèquement intermittent posent des défis. Par conséquent, l'optimisation des données de prévision de la vitesse du vent pour ces infrastructures est essentielle pour optimiser la gestion et la performance des éoliennes.
C'est précisément ce que propose le groupe AYRNA de l'Université de Córdoba (UCO), qui utilise l'intelligence artificielle pour dynamiser l’énergie éolienne . L'équipe a validé deux méthodologies, basées sur plus de 13 ans de données, capables de prédire des vitesses extrêmes avec une plus grande précision que les méthodes traditionnelles, en utilisant des variables telles que les composantes du vent à différentes altitudes, pressions et températures de l'air. Cette recherche est publiée dans la revue Energy and AI .
Les deux systèmes sont basés sur des réseaux neuronaux artificiels, inspirés du cerveau humain, et sur des systèmes de classification ordinale, qui catégorisent les vitesses du vent de l’intensité la plus faible à la plus élevée, plutôt que de prédire des vitesses spécifiques.
Comme l'explique le chercheur Antonio Gómez, du Département d'informatique et d'intelligence artificielle de l'UCO, les deux méthodologies ont été conçues pour prévoir quatre plages de vitesses de vent différentes – faible, modérée, élevée et extrême – avec des horizons temporels de 1, 4 et 8 heures. Chacune de ces catégories est associée non seulement à une plage de vitesses de vent spécifique, mais aussi à une estimation de la production d'énergie éolienne .
Si le premier modèle présente des performances similaires pour les quatre classes de vent, le second excelle face aux événements plus violents, note David Guijo, autre auteur de l'étude. En effet, pour les rafales dépassant 20 mètres par seconde, classées comme vents extrêmes, le système surpasse les méthodes traditionnelles et permet de prédire les vitesses avec une précision supérieure à 94 %. Ceci est particulièrement utile pour anticiper les vents extrêmes, permettant ainsi l'arrêt des éoliennes afin d'éviter tout dommage ou effondrement.
« Les entreprises énergétiques doivent estimer périodiquement l'énergie qu'elles injecteront sur le réseau, ce qui souligne la nécessité d'affiner les prévisions pour des prévisions optimales », souligne le chercheur Pedro Antonio Gutiérrez. Il note que si les deux systèmes peuvent être extrapolés relativement facilement à différents parcs éoliens, les modèles ont été entraînés sur un parc spécifique présentant des conditions particulières. Par conséquent, leur application à d'autres contextes nécessiterait un nouvel entraînement et une validation.
Ces travaux, menés en collaboration avec des chercheurs du Département de théorie du signal et des communications de l'Université d'Alcalá, s'inscrivent dans le cadre du projet national de recherche NEXO. Ce projet vise à développer des modèles d'intelligence artificielle pour des applications aux énergies renouvelables, à divers événements météorologiques et au domaine médical.