Prediction du rayonnement solaire horaire En utilisant les reseaux de neurone artificiel

Abstract

Abstract: Measurements of solar radiation are rare and limited to only a few areas across the Algerian territory, the sizing and optimization of solar energy projects is a fundamental and indispensable need, it requires knowing solar radiation data at a geographic location by using efficient models to estimate them. The present work aims to predict and develop a neural model for estimating global hourly solar irradiation, according to some parameters of solar geometry and astronomical data for the Adrar region. To do this, we used nine models and three activation functions. The data is collected by Adrar's Saharan Renewable Energy Research Unit and the SODA database over a six-year period (2013 - 2018), 80% of the data was used to train the neural network and the rest for validation. We have tried several combinations of the input data, which gives different level of precision and it has been concluded that the logistic Sigmoid function of 15 neurons of the hidden layer with correlation coefficient between the measured and estimated global solar irradiation is 98.25 %, may be preferred to estimate global solar radiation intensities for the study site and for other locations with similar climatic conditions.

Résumé : Les mesures du rayonnement  solaire sont rare et  limitées à quelques zones seulement à travers le territoire Algérien,  le dimensionnement et l’optimisation des projets de  l'énergie solaire est un besoin fondamental et indispensable, il nécessite  la connaître des donnés de radiations solaires à une localité géographique d’implantation en utilisant  des modèles efficaces pour les estimer. Le présent travail vise à prédire et développer un modèle neuronal pour estimé l’irradiation  solaire globale horaire, en fonction de quelques paramètres de la géométrie solaire et les données astronomique pour la région d’Adrar. Pour ce faire, nous avons utilisé neuf modèles et trois fonctions d’activation. Les données sont collectées par l’Unité de Recherche en Energies Renouvelables en Milieu Saharien d’Adrar et la base de données SODA sur une période de six ans (2013 - 2018) ces données ont traité et contrôlé,  80% des  données ont été utilisées pour entraîner le réseau et le reste pour la validation. Nous avons essayé plusieurs combinaisons des données d’entrée, qui donne différent niveau de précision et il a été conclu que la fonction Sigmoïde logistique de 15 neurones de la couche cachée, avec coefficient de corrélation entre l’irradiation solaire globale mesuré et estimée est de 98.25%, peut être préférée pour estimer intensités de rayonnement solaire global pour le site étudié et pour d'autres endroits ayant des conditions climatiques similaires.