Documente Academic
Documente Profesional
Documente Cultură
PHILIPPE POGGI
Docteur
Matre de Confrences
62me Section
UNIVERSITE DE CORSE
PASQUALE PAOLI
Discipline : nergtique et Gnie des Procds
Commission dexamen :
Rapporteurs :
Examinateurs :
Jacques Henri BALBI, Professeur et Directeur de lUMR CNRS 6134, Universit de Corse
Michel DUPONT, Professeur lUniversit Antilles-Guyane
SOMMAIRE
REMERCIEMENTS
NOTICE INDIVIDUELLE
ACTIVITES DE RECHERCHES
21
AVANT-PROPOS
INTRODUCTION...................................................................................................................... 2
1
1.2
1.3
1.3.1
dinsolation....................................................................................................................... 33
1.3.2
Dtermination des irradiations solaires horaires globales sur des plans inclins
1.4.1
GLOBAL.............................................................................................................................. 52
1.6
1.6.1
1.6.2
1.7.1
1.7.2
1.7.3
1.7.4
Simulation ........................................................................................................ 78
1.7.5
Conclusion........................................................................................................ 80
1.8
NOTIONS
DE
MULTIFRACTALITE
APPLIQUEE
AUX
DONNEES
METEOROLOGIQUES....................................................................................................... 81
1.9
SYNTHESE ET CONCLUSION............................................................................. 87
OCCIDENTALE.................................................................................................................. 89
2.1.1
2.1.2
93
2.1.3
2.1.4
2.1.5
Conclusion........................................................................................................ 98
2.2
2.3
2.3.2
2.3.3
2.3.4
Conclusion...................................................................................................... 114
2.4
LES
SYSTEMES
PHOTOVOLTAQUES
CONNECTES
AU
RESEAU
lectrique 114
2.4.2
2.5.2
2.5.3
2.5.4
2.6
2.7
PERPECTIVES.............................................................................................................. 168
3.1
3.3
REFERENCES.............................................................................................................. 176
NOMENCLATURE...................................................................................................... 176
REMERCIEMENTS
A Monsieur le Professeur Jacques Henri BALBI, Directeur de lUMR CNRS 6134,
pour lintrt quil a tmoign ce mmoire, de siger ce jury. Quil trouve ici lexpression de
ma profonde gratitude et la reconnaissance de sa confiance quil ma porte en me laissant
mettre en place le projet de Plateforme Solaire de Vignola.
A monsieur Harry BOYER, Professeur lUniversit de la Runion, qui ma fait
lhonneur daccepter dtre rapporteur de mon mmoire et qui ma fortement motiv soutenir
mon Habilitation. Quil trouve ici lexpression de toute ma reconnaissance.
Que Monsieur le Professeur Michel DUPONT, professeur lUniversit AntillesGuyane, qui ma fait lhonneur de sintresser tout particulirement ces travaux de recherche,
trouve ici toute ma reconnaissance et mes remerciements pour avoir accept dexaminer ce travail,
de siger ce jury et de mavoir toujours fait remarquer que je faisais trop de choses.
Pour conclure, je tiens remercier tous les membres du Centre Scientifique de Vignola qui
ont contribus lexistence dun cadre favorable au dveloppement de ces travaux.
5
NOTICE INDIVIDUELLE
Curriculum Vitae
Liste des Travaux et Publications
Curriculum vitae
Philippe POGGI
N le 28 mai 1965 Toulon (Var)
Nationalit : Franaise
Situation familiale : Mari, 2 enfants
Adresse professionnelle :
Laboratoire Systmes Physiques de lEnvironnement
UMR 6134 CNRS Universit de Corse
BP 52
20250 Cort
: 04 95 52 41 31
: 04 95 52 41 42
: philippe.poggi@univ-corse.fr
Adresse personnelle :
47 route du vittulo
20000 Ajaccio
1. Etudes Universitaires
2. Emplois Occups
4. Enseignements Dispenss
Depuis ma nomination en septembre 1996, j ai effectu une moyenne de 200 heures
quivalent TD par an (fig.1). Mon service c est toujours rparti de manire sensiblement
identique entre les cours, TD et TP, avec une rduction des heures de TP en faveur des heures
de cours lors des trois dernires annes.
250
TP
TD
Cours
150
100
50
0
1996-1997 1997-1998 1998-1999 1999-2000 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 2005-2006 2006-2007
80%
Rpartitions entre Licence et Master
Heures equivalent TD
200
60%
Master
Licence
40%
20%
0%
1996-1997 1997-1998 1998-1999 1999-2000 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 2005-2006 2006-2007
Lors de la campagne dhabilitation 2003-2007, dans le cadre de la rforme LMD, jai coport, avec Mars MUSELLI, le master Systmes Energtiques et Energies Renouvelables
(SEER) et jai port le Master Ingnierie Ecologique (INGECO). Ce sont deux masters
professionnels sappuyant sur plus de 50 % denseignants extrieurs (professionnels,
spcialistes, ).
Depuis 2004, je suis le responsable pdagogique de ces deux formations, qui reprsentent
pour le premier master environ 30 tudiants sur les deux annes du master et pour le second
40 tudiants. Ces deux masters ont aujourdhui acquis une reconnaissance nationale, comme
par exemple le master SEER par sa labellisation pole de comptitivit CAPENERGIES. Le
master INGECO, quand lui, a t laurat des Ppites de la fac du Nouvel Obs en 2006,
prix rcompensant les formations professionnalisantes.
Actuellement, je dveloppe des partenariats internationaux pour tendre vers des doublesdiplmes ou des diplmes conjoints avec dautres universits (Europe, Etats-Unis, ..). Pour
cela, en partenariat avec les Relations Internationales de lUniversit de Corse, nous avons
lintention de rpondre au prochain un appel doffre europen ERASMUS MUNDUS
(avril 2008). Dans ce cadre, les partenaires sont lUniversit Technique de Stuttgart,
lUniversit de Palerme, lUniversit Technologique dIstanbul, lUniversit dOpole et
lUniversit de Madrid Rey Juan Carlos.
Nous avons galement initi des contacts avec lUniversit dHawaii (et plus
particulirement le Hawaii Natural Energy Institute) et lUniversit du Machassussets
(Renewable Energy Research Laboratory) afin de rpondre un appel doffre amricain port
par la fondation FACE concernant lchange dtudiants et denseignants au niveau
master et doctorat.
Je participe galement aux runions organises par le CLER (Comit de Liaison des
Energies Renouvelables), qui ont pour objectif de mettre en place minima une charte des
formations ENR de France, et ventuellement un label. Au sein de ce collectif, je suis le
reprsentant niveau MASTER des formations.
Pour le Master INGECO, nous sommes aujourdhui en relation troite avec lUniversit
du Qubec Montral afin de mettre en place un diplme conjoint entre nos deux structures.
Enfin, jai particip la premire runion en Mai 2007 des formations francophone sur le
Dveloppement Durable, initi par lUniversit de Lausanne et les Professeurs Dominique
Bourg et Suren Erkman, pour la mise dune Association internationale de Langue
Francophone pour la Recherche et la Formation sur le Dveloppement Durable.
10
6. Encadrements Effectus
6.1. Stages de Master 1
Rmy BUSSEUIL, 2007. Analyse et modlisation de lombrage sur un champ
Photovoltaques. Master 1 EEA, ENS Cachan
Christophe DARRAS, 2006. Analyse des lments de production dhydrogne et de pile
combustible. Master 1 Systmes Energtiques et Energies Renouvelables, Cort
Co-encadrement 50% avec M.MUSELLI, MCF Universit de Corse.
Michael BRUNINI, 2006. Approche Fractale et Multifractale des profils de vitesse de vent.
Stage 1re Anne, ENS Cachan
Co-encadrement 50% avec J.F.MUZY, CR CNRS LSPE.
Lisa MORETTI, 2005. Analyse des sries de vitesse du vent par lutilisation de cascades
multifractales. Master Physique et Applications, Universit Pierre et Marie Curie, Jussieu
Co-encadrement 50% avec J.F.MUZY, CR CNRS LSPE.
Jean-Philippe MARTINI, 2004. Premire approche de lutilisation dune pile combustible
dans un systme photovoltaque hybride. Stage de Matrise Physique et Applications, Cort.
Co-encadrement 50% avec M.MUSELLI, MCF Universit de Corse.
Sylvain CABARET, 2001. Etude exprimentale dun champ PV connect au rseau
lectrique : Modlisation Physique, Dimensionnement et analyse des performances. Stage de
Matrise Physique et Applications, Cort.
11
Jean-Simon CRISTIANI, 2000. Mthode Spectrale Shinozuka applique aux vitesses de vent
horaires. Stage de Matrise Physique et Applications, Cort.
Rgis DRUAUX, 1998. Modlisation par Chaine de Markov des vitesses de vent. Stage de
Matrise Physique et Applications, Cort.
Alexandre MICALLETTI, 1998. Taux de Disponibilit effective des systmes PV en
connexion au rseau lectrique. Stage de Matrise Physique et Applications, Cort.
Marie-Christine TORRE, 1997. Simulation Autorgressive Gaussienne de la composante
globale horaire du rayonnement solaire. Stage de Matrise Physique et Applications, Cort.
12
photovoltaques,
6.7.1.1. Integration of wind-generating units into the Corsican electrical grid: determination of
the maximal integration rate from a reliability analysis based on a stochastic process
P.Poggi, M.Muselli, C.Cristofari,
International Journal of Nuclear Governance, Economy and Ecology, X(Y), 2007
6.7.1.2. Modelling and Simulating of an Energetic Complex System Constituted by a
Photovoltaic Array, a Wind Turbine, an Electrolyzer and Fuel Cells
P.Poggi, M.Muselli, C.Cristofari, C.Darras, P.Serre-Combe, F.Le Naour,
ECS Transactions - Fuel Cell Seminar, Applications: Residential" Vol. 5, Mars 2007
6.7.1.3. Calculation of the polycrystalline PV module temperature using a simple method of
energy balance
M.Mattei, G.Notton, C.Cristofari, M.Muselli, P.Poggi.
Renewable Energy, 31-4, 553567, 2006
6.7.1.4. Performance evaluation of various hourly slope irradiation models using
Mediterranean experimental data of Ajaccio
G.Notton, P.Poggi, C.Cristofari.
Energy Conversion and Management, 47-2, 147173, 2006.
6.7.1.5. Predicting hourly solar irradiations on inclined surfaces based on the horizontal
measurements: Performances of the association of well-known mathematical models
G.Notton, P.Poggi, C.Cristofari
Energy Conversion and Management, 47, 13-14, 1816-1829, 2006.
6.7.1.6. Contexte insulaire de la production dnergie lectrique Corse, le des nergies
renouvelables ?
G. Notton, C. Cristofari, P. Poggi, P. Oberti
Revue de lEnergie, 564, pp. 78-91, 2005.
6.7.1.7. Modelling of a doubleglass photovoltaic module using finite differences.
G.Notton, C.Cristofari, M.Mattei, P. Poggi.
Applied Thermal Engineering, 25-17-18, 2854-2877, 2005
6.7.1.8. Calculation on an hourly basis of solar diffuse irradiations from global data for
horizontal surfaces in Ajaccio
G.Notton, C.Cristofari, M. Muselli, P.Poggi.
Energy Conversion and Management, 45, 18-19, 2849-2866, 2004
14
6.7.1.9. Influence of the flow rate and the tank stratification degree on the performances of a
solar flat-plate collector
C.Cristofari, G. Notton, P. Poggi, A. Louche.
International Journal of Thermal Sciences, 42(5), 455-469, 2003.
6.7.1.10. Forecasting and simulating wind speed in Corsica by using an autoregressive model.
P.Poggi, M.Muselli, G.Notton, C.Cristofari, A.Louche.
Energy Conversion and Management, 44, 3177-3196, 2003.
6.7.1.11. Calculation of solar irradiances profiles for hourly data in view of energy systems
behaviour simulation
G.Notton, C.Cristofari, P.Poggi, M.Muselli
Renewable Energy, 27(1), pp.123-142, 2002
15
6.7.1.20. Stochastic Study of hourly solar radiation in Corsica by using a Markov Model
P.Poggi, G.Notton, M.Muselli, A.Louche
International Journal of Climatology, Vol 20, 14, 1843-1860, 2000
6.7.1.21. Computer Aided Analysis of the Integration of Renewable Energy Systems in
Remote Areas using a Geographical Information System.
M.Muselli, G.Notton, P.Poggi, A.Louche
Applied Energy, Vol.63-3, N3, pp. 141-160, 1999
6.7.1.22. PV Hybrid Power systems sizing incorporating battery storage: An analysis via
simulation calculations.
M.Muselli, G.Notton, P.Poggi, A.Louche
Renewable Energy Vol. 20, N1, pp.1-7, 1999
16
17
6.7.2.13. Examination of the influence of the dispersed generation in the distribution networks
for medium voltage
S. Nedeltcheva, P.Poggi, G. Notton, M. Muselli, V.Tchobanov.
IEEE Congress, First International Symposium on Environment, identities in
Mediterranean Area, Corte-Ajaccio,France, 10-13 Juillet 2006.
6.7.2.14. Hourly solar irradiations estimation : from horizontal measurements to inclined data.
G.Notton, C.Cristofari, M. Muselli, P. Poggi, N.Heraud.
IEEE Congress, First International Symposium on Environment, identities in
Mediterranean Area, Corte-Ajaccio, France, 10-13 Juillet 2006.
6.7.2.15. Wind farms territorial integration in Corsica : Methodology and case study in
Bonifacio.
P. Oberti, M. Muselli, P. Poggi
IEEE Congress, First International Symposium on Environment, identities in
Mediterranean Area, Corte-Ajaccio, France, 10-13 Juillet 2006.
6.7.2.16. First Experimental PV Grid-Connected System Studied in Corsica: Modelisation and
3 Years of Performance
P.Poggi, M.Muselli, G.Notton, C.Cristofari, S. Nedeltcheva.
19th European Photovoltaic Solar Energy Conference and Exhibition, Paris, pp.
2920-2923, 7-11 Juin 2004.
6.7.2.17. Modelling of the thermal behaviour of a PV module in view to PV/thermal
applications
G.Notton, C.Cristofari, M.Mattei, P.Poggi, M.Muselli
19th European Photovoltaic Solar Energy Conference and Exhibition, Paris, pp.
2211-2214, 7-11 Juin 2004
6.7.2.18. Wind Hybrid system for rural electrification : analysis of various parameters
G.Notton, C.Cristofari, P.Poggi, M.Muselli
European Wind Energy Conference, Copenhague, Danemark, 2-6 Juillet 2001
6.7.2.19. Reliability Analysis of Wind-Assisted Systems and Impact on The reduction of the
Fossil Energy Generation
P.Poggi, G.Notton, M.Muselli, C.Cristofari, A.Louche
European Wind Energy Conference, Copenhague, Danemark, 2-6 Juillet 2001
6.7.2.20. Wind Farm Peak Load Matching Potential in Corsica
P.Poggi, M.C.Torre, M.Muselli, G.Notton, A.Louche
European Wind energy Conference, Copenhague, Danemark, 2-6 Juillet 2001
18
6.7.2.21. Grid-connected PV systems for reducing voltage drops at the end of the feeder - a
case study in Corsica island.
V.Acquaviva, P.Poggi, M.Muselli, A.Louche
16th European Photovoltaic Solar Energy Conference, Glasgow, Ecosse, 1-5 May
2000
6.7.2.22. Analysis of relationships between photovoltaic power and battery storage for
supplying the end of feeder - a case study on Corsica island.
V.Acquaviva, P.Poggi, M.Muselli, A. Louche.
16th European Photovoltaic Solar Energy Conference, Glasgow, Ecosse, 1-5 May
2000
6.7.2.23. A Markov chain model for daily irradiation classes records in order to design PV
stand alone systems.
M.Muselli, P.Poggi, G.Notton, A.Louche
16th European Photovoltaic Solar Energy Conference, Glasgow, Ecosse, 1-5 May
2000.
6.7.2.24. Optimization of Stand-Alone Hybrid PV/Engine Generator/Battery System for
Small Energy Load Case Study in Corsica.
G.Notton, M.Muselli, P.Poggi, A.Louche
PV Hybrid Power Systems 2000 Conference, 7-8/9/2000, Aix-en-Provence, 2000
6.7.2.25. Stand alone Wind Energy System sizing procedure with cost optimization
G.Notton, M.Muselli, P.Poggi, A.Louche
European Wind Energy Conference and Exhibition, Nice, France, pp., Mars 1999
6.7.2.26. Integration of large scale Wind Farms in an islander electrical grid: case study of
Corsica
M.C.Torre, P.Poggi, A.Louche
European Wind Energy Conference and Exhibition, Nice, France, pp., Mars 1999
6.7.2.27. Stochastic Study of Wind Speed in Corsica
M.C.Torre, P.Poggi, G.Notton, A.Louche
5th World Renewable Energy Conf., Florence, Italie, pp., Sept.1998
6.7.2.28. Simulation of Small grid-connected PV systems for residential Applications
V.Acquaviva, M.Muselli, P.Poggi, A.Louche
5th World Renewable Energy Conf., Florence, Italie, pp.1709-1712, Sept. 1998
6.7.2.29. Sizing reduction induced by the choice of electrical appliances options in a standalone PV production
G.Notton, M. Muselli, P.Poggi, A.Louche
5th World Renewable Energy Conf., Florence, Italie, pp.581-584, Sept.1998
6.7.2.30. Rooftop Photovoltaic installation Performances
V.Acquaviva, M.Muselli, P.Poggi, A.Louche
2nd World Conference and Exhibition on Photovoltaic Solar Energy Conversion,
Vienne, Autriche, pp.2652-2654, Juillet 1998
19
6.7.2.31. How to reduce the load without changing the level of convenience Impact on PV
System sizing and cost
G.Notton, M. Muselli, P.Poggi, A.Louche
2nd World Conference and Exhibition on Photovoltaic Solar Energy Conversion,
Vienne, Autriche, pp.3182-3185, Juillet 1998
6.7.2.32. Integration of large scale PV plants in an islander electrical grid: case study of
Corsica
P.Poggi, G.Notton, J.L.Canaletti, A.Louche
13th European Photovoltaic Solar Energy Conference, Barcelone, Espagne, pp.11281131, Juillet 1997
20
6.7.2.40. Estimation of Monthly Mean Values of Hourly Total Irradiation on Tilted Surface
from Recorded Monthly Mean Values of Daily Horizontal Irradiation for a
Mediterranean Climate.
A.Louche, G.Notton, P.Poggi, G.Peri.
ISES Solar World Congress, Budapest, Hongrie, 23-27 Aot 1993
6.7.2.41. Rondulinu-Paomia PV Plant : Remote System or Electricity Grid Connected ?
A.Louche, G.Notton, P.Poggi, G.Peri.
11th European Photovoltaic Solar Energy Conference, Montreux, Suisse, pp.12631265, Oct 1992
6.7.2.42. Comportment of the World Photovoltaic Market.
A.Louche, J.G.De Souza Moreira, G.Notton, P.Poggi.
V Congresso Brasileiro de Energia, Rio de Janeiro, pp.1159-1165, Oct 1990
21
22
6.7.4.9. Intgration de fermes oliennes dans un rseau lectrique non interconnect : aspect
statistique.
P.Poggi, M.Muselli, G.Notton.
Revue Izvestia, Univerist Technique de Sliven, Tome 3, pp.3-15, 2004.
6.7.4.10. Xibridni sistemi ot vazobnovimi iztochnici za avtonomno proizvodstvo na
Elektroenergia
"Systmes hybrides sources renouvelables pour une production dcentralise dans
les sites isols"
G.Notton, M. Muselli, C.Cristofari, P.Poggi, S. Nedeltcheva.
Revue "Energetika, No 8, 36-45. ISSN 0324-1521, 2004.
6.7.4.11. Observabilit et validation de donnes des rseaux lectriques en rgime statique
N. Heraud, P. Trehin, P. Poggi, S. Nedeltcheva
Izvestia na Texnitcheski yniversitet Sliven, 2004
6.7.4.12. Approche stochastique de la limite dintgration de fermes oliennes dans un rseau
lectrique application un rseau insulaire non interconnect : cas de la Corse
P. Poggi, M. Muselli, G. Notton.
4me Ecole Internationale sur l'Optimisation de la production et de la gestion
d'nergie - Dveloppement durable de l'nergie dans l'Europe du Sud-Est. Chaire
Francophone UNESCO, Sozopol, Bulgarie, 25 -30 Septembre 2004.
23
7. Activits Internationales
Les activits internationales que je dveloppe dans le secteur pdagogique sont lies aux
deux masters que je dirige et ont des retombes dans le domaine de la recherche.
Depuis 2003, nous effectuons des changes bi-latraux dans le cadre du programme
Erasmus-Socrates avec lUniversit Technique de Sofia, Laboratoire dlectrotechnique,
Facult de Sliven, et son responsable le Professeur Stefka Nedeltcheva. Ces changes
(tudiants enseignants), nous ont permis en 2007, de mettre en place le master Energies
Renouvelables qui est en convention avec lUniversit de Corse.
Nous avons initi des changes avec lUniversit du Qubec A Montral (UQAM) pour
mettre en place des changes bilatraux et un diplme conjoint entre nos deux structures sur
la base du master INGECO.
Comme je lai dj prsent, en ce qui concerne le Master SEER, en partenariat avec
lUniversit Technique de Stuttgart, lUniversit de Palerme, lUniversit Technologique
dIstanbul, lUniversit dOpole et lUniversit de Madrid Rey Juan Carlos, nous avons
lintention de rpondre en 2008 lappel doffre europen concernant le programme
ERASMUS-MUNDUS . Lobjectif tant de mettre en place un consortium europen pour
attirer des tudiants de lUnion Europenne et de pays tiers dans un objectif dexcellence. De
mme avec les Etats-Unis, jai initi des contacts avec lUniversit dHawaii et lUniversit
du Machassussets afin dtablir des collaborations de recherches et de formations. Avec la
premire universit dans le secteur du couplage Energies renouvelables et piles
combustible , la seconde dans lestimation et la prvision de la ressource olienne.
Nous avons galement particip la mise en place dun rseau international sur la
recherche et les formations ddies au dveloppement durable (Association internationale de
Langue Franaise de Formation et de Recherche En Dveloppement Durable) et qui intgre
donc le second master que je dirige, le master Ingnierie Ecologique INGECO. Nous
devrions organiser en Juillet 2008, une universit dt consacre cette thmatique avec les
diffrents membres de ce rseau (Universit de Lausanne (Suisse), Universit Libre de
Bruxelles (Belgique), Universit Laval (Qubec), Ecole des Mines de Saint-Etienne,
Universit de Technologie de Troyes, Universit de Sherbrooke (Qubec), Universit PierreMends-France, Institut National des Sciences Appliques de Lyon, Ecole des Mines de Paris,
Universit Paris Dauphine).
24
ACTIVITES DE RECHERCHES
25
AVANT PROPOS
Ce document retrace les activits de recherches dveloppes depuis mon recrutement en
Septembre 1996 en tant que Maitre de Confrences lUniversit de Corse. Je suis rattach au
laboratoire Systmes Physiques pour lEnvironnement de lUniversit de Corse et membre de
lquipe Energies Renouvelables . Cette structure est une unit mixte de recherches avec le
CNRS sous lintitul UMR 6134.
Mes travaux sont orients vers les systmes de production dnergie sources renouvelables et
plus particulirement vers lanalyse et la modlisation de lintrant nergtique (rayonnement solaire
et vitesse de vent) et vers la modlisation des systmes nergtiques et leur intgration dans les
26
INTRODUCTION
Les nergies et plus particulirement les nergies renouvelables sont un des lments cls du
dveloppement soutenable aujourdhui en plein expansion. Cette problmatique est encore plus
sensible dans les rgions insulaires.
Le chapitre 17 de lAgenda 21 (Confrence de Rio, 1992) stipule que les les sont des cas
particuliers la fois dun point de vue environnemental et de leur dveloppement. Elles ont des
problmes spcifiques et sont extrmement fragiles et vulnrables. Dans le contexte actuel du
dveloppement durable, lnergie est la pierre angulaire de leur stratgie de planification.
En milieu insulaire, les contraintes habituelles dans le domaine de lnergie sont la distance aux
rseaux principaux, la petite chelle, les difficults de distribution et labsence de grands marchs
traditionnels. Ces contraintes sont en gnral contrebalances par lextrme abondance des sources
renouvelables dnergie et lincroyable adaptabilit et capacit dintgration des technologies
dnergies renouvelables. Des facteurs qui tranchent avec linefficacit et le cot lev des systmes
nergie conventionnelle dans ces rgions insulaires. En fait, nous pourrions dire que les les
doivent devenir de vritables laboratoires pour lavenir des nergies durables
Dans le document final rdig la fin de la premire confrence sur le dveloppement durable
des les (Minorca, 1997), nous pouvons lire : les sources dnergie non-renouvelables doivent tre
considres comme des solutions provisoires, non souhaitables comme solution long terme au
problme nergtique des les. . Cest dans ce contexte que sinscrivent les activits de recherches
que nous avons ralises depuis notre recrutement sur un poste de Maitre de Confrences en
Septembre 1996, lUniversit de Corse. Elles concernent, en grande partie, lintgration des
sources renouvelables (solaire photovoltaque et olien) dans les rseaux lectriques insulaires, avec
comme champ dapplication, la Corse.
La problmatique gnrale pose par les systmes utilisant une source renouvelable dnergie
dorigine phnomne (vent, soleil) est la suivante : comment utiliser au mieux un flux nergtique
(clairement solaire, vitesse de vent) fortement dpendant du temps et de lespace pour rpondre
une demande nergtique prsente gnralement sous une autre forme, elle aussi alatoire dans le
temps ?
La particularit des chanes de conversion solaire ou olienne, comme celle de tout systme
intrant nergtique dorigine phnomne provient du caractre alatoire de la source du fait des
variations mtorologiques non prvisibles. Ainsi, mme pour un systme parfaitement connu dun
point de vue mathmatique et technique, certaines grandeurs telles que rendement, efficacit ou
productivit restent lies aux fluctuations spatio-temporelles de la source mais galement de la
charge. Cest donc pour cette raison que la connaissance et la caractrisation de la source
nergtique doivent tre tudies de manire trs prcise. Lextrant nergtique (la consommation)
est li quant lui aux besoins de lutilisateur et/ou aux caractristiques du rseau de distribution
dnergie. Cest pour cette raison, que la premire partie de mes travaux se concentre sur la
connaissance et la caractrisation de la source nergtique quelle soit solaire ou olienne.
Ainsi, nos principales activits de recherches portent sur :
- ltude des ressources nergtiques : absolument ncessaire pour les raisons exposes
prcdemment : tude statistique, dveloppement de corrlation et de modle, interprtation
physique des phnomnes.
- la production dnergie grande chelle partir de sources renouvelables : trs souvent, il
sagit de systmes directement connects au rseau de distribution. Cette production pose des
problmes du fait de sa forte variabilit qui perturbe le fonctionnement du rseau de distribution. Il
faut donc tudier les interactions dynamiques invitables entre loffre et la demande, et analyser
lintervention de plusieurs facteurs tels que : centralisation ou distribution des systmes de
production, stockage dnergie, taille du rseau, . pour prserver la stabilit du rseau au fur et
mesure de laugmentation de la capacit installe.
- les systmes de production multisources (appels hybrides) : il sagit de systmes
dapprovisionnement en lectricit, la plupart du temps pour lalimentation des sites isols (mais
dont lapplication en mode connexion rseau lectrique est galement envisage) couplant divers
types de productions telles que olienne, photovoltaque et autres. Ils permettent une fourniture
dlectricit plus fiable et moins coteuse. Devant la complexit de ces systmes, il convient de
dvelopper des mthodes de dimensionnement intgrant une optimisation de la gestion de lnergie
et une tude de cot optimal de production.
28
Nous contribuons galement aux activits de recherches ports par les membres de lquipe.
Elles concernent plusieurs domaine comme :
- le diagnostic des systmes de production [6.7.2.5 ; 6.7.2.10] : tant donns la complexit des
systmes et le nombre important des paramtres qui entrent dans leur fonctionnement, un
automaticien a rejoint notre quipe et dveloppe des mthodologies de diagnostic des systmes
complexes quil applique nos systmes.
- le dveloppement de capteurs solaires innovants [6.7.1.3 ; 6.7.1.17 ; 6.7.1.19 ; 6.7.12.. 6.7.2.1. ; 6.7.2.2 ;
6.7.2.3. ; 6.7.2.8. ; 6.7.2.11. ; 6.7.2.17 ; 6.7.2.35 ; 6.7.2.36]
domaine, lquipe a dvelopp un capteur air autonome, un capteur solaire en matriau composite
et travaille actuellement sur un volet solaire haute intgration dans lhabitat et sur un capteur
hybride de production simultane de chaleur et dlectricit.
Dans un premier temps, nous prsenterons donc les travaux relatifs lestimation et lanalyse
de la ressource nergtique que sont le rayonnement solaire et les vitesses de vent. Cette partie est
un lment cl de lanalyse du comportement, de loptimisation des systmes de production
dnergie sources renouvelables dnergie. Il est en effet indispensable de mettre en place des
caractrisations stochastiques du fait mme de laspect alatoire et non dterministe de cette
ressource.
Enfin, nous prsenterons les perspectives de recherches et les projets que nous avons initis et
que nous portons aujourdhui.
29
suffisamment fin.
Nous prsentons une synthse de nos diffrentes publications et communications ralises dans
ce domaine.
PRESENTATION DE LA STATION METEOROLOGIQUE.
1.1
Notre laboratoire dispose dune station mtorologique, en service de 1999 2005 et qui sera
remise en activit fin 2007. Elle se compose :
-
dun pyrhliomtre EPPLEY modle NIP (Normal Incidence Pyrheliometer) fix sur une
monture quatoriale lui permettant de suivre le soleil, qui mesure le rayonnement solaire
direct selon une incidence normale (Figure 1.1);
de quatre pyranomtres Kipp & Zonen qui mesurent le rayonnement global selon
lhorizontale et des inclinaisons de 30, 45 et 60 (Figure 1.2) ;
dun hygromtre ;
et dun pressostat.
30
Les donnes mesures sont releves puis stockes chaque minute. Le laboratoire est situ sur la
route des Sanguinaires au lieu-dit Vignola proximit dAjaccio comme nous pouvons le voir sur la
Site
de
mesures
Figure 1.3 Situation de la station mtorologique.
1.2
A partir dune analyse des corrlations (analyse en composante principale ACP) (Benzecri,
1980), une classification en journes types a t ralise. Chaque journe a t caractrise par
quatre paramtres :
31
le rapport nergtique journalier : rapport des valeurs journalires de lnergie solaire directe
mesure sur lnergie solaire directe par ciel clair calcule partir dun modle dvelopp
par Louche et al. (1987) et utilisant des valeurs moyennes des diffrentes transmittances
atmosphriques.
Les rsultats de cette analyse sont satisfaisants car quatre classes de journes apparaissent de
manire claire lorsque les points reprsentatifs de chaque jour sont projets sur le premier plan
principal dfini par le premier et second axe principal obtenu par cette analyse des corrlations
(Figure 1.4).
classe III
classe II
classe IV
classe I
Les quatre classes ainsi dtermines et prsentes sur la Figure 1.5 peuvent tre qualifies de la
manire suivante :
-
classe I : nergie journalire leve avec rpartition rgulire de lclairement solaire due
la prsence dun ciel clair;
Ainsi, la mthode dveloppe a conduit aux rsultats recherchs savoir distinguer clairement
quatre classes de journe laide de quatre paramtres adimensionnels et de les distinguer
pratiquement sans quivoque de manire automatise selon la position reprsentative de la journe
sur le premier plan principal.
1.3
Les stations de mesure du rayonnement sont encore relativement rares dans certaines rgions de
la plante, en particulier pour le rayonnement direct. Il est donc gnralement ncessaire davoir
recours une mthode de calcul pour obtenir les diffrentes composantes du rayonnement partir
des donnes disponibles. Parmi ces donnes disponibles, on trouve trs souvent la dure
densoleillement qui a t mesure par des hliographes en de plus nombreuses stations et depuis de
plus longues priodes que ne lont t les irradiations elles-mmes. Ainsi, nous avons tabli des
corrlations sur notre site permettant dobtenir dune part les moyennes mensuelles et dautre part
les donnes journalires des irradiations solaires directes normales et globales horizontales partir
des dures dinsolation [6.7.1.29].
La dure densoleillement tait initialement dfinie comme la dure pendant laquelle le disque
solaire tait rest visible ; par la suite, des instruments de mesure, appels hliographes, ont t mis
33
Les rsultats des rgressions linaires calcules pour les moyennes mensuelles des irradiations
solaires journalires directes et globales sont prsents sur la Figure 1.6 H 0 et H b ,M sont
respectivement la moyenne mensuelle de lirradiation solaire journalire globale extraatmosphrique (Iqbal, 1983) et directe par ciel clair (Louche et al., 1987). Une bonne adquation a
t constate entre donnes relles et donnes simules. De plus, une comparaison avec dautres
corrlations (Hay, 1979 ; Rietveld, 1978 ; Glover et McCulloch, 1958, Collares-Pereira et Rabl,
1979) de la littrature, a montr que la prcision obtenue tait du mme ordre de grandeur.
Hb H
= 0,006 + 0,991 S S 0
b, M
H H 0 = 0,546 + 0,206 S S0
CC :0,972
CC :0,953
EQM : 0.036
EQM : 0.029
H b H b ,M et H H 0 en fonction de S S 0 .
De manire analogue, nous avons tabli des corrlations de type polynomial du second degr
pour les donnes journalires de ces mmes irradiations et dont les rsultats sont prsents sur la
Figure 1.7.
CC :0,963
EQM : 0,047
CC :0,956
EQM : 0.100
H b ,M et H H 0 en fonction de S S 0 .
On constate que nos corrlations sont moins performantes pour le rayonnement direct car cette
composante est nettement plus sensible aux fluctuations des paramtres mtorologiques.
34
1.3.2
Dtermination des irradiations solaires horaires globales sur des plans inclins
partir des irradiations solaires journalires globales horizontales.
Les valeurs moyennes mensuelles des irradiations journalires s'avrent insuffisantes mme
pour un pr-dimensionnement ou une tude de productivit de systmes nergtiques : en effet,
elles ne permettent pas d'avoir une vision assez prcise des diffrents phnomnes nergtiques qui
interviennent au sein du systme de production. Dans la plupart des cas, il faut avoir recours au
moins aux moyennes mensuelles d'irradiations solaires horaires qui permettront d'introduire
partiellement les effets de variations dues la fois la position du soleil, du site et du capteur. De
plus, les capteurs solaires sont trs rarement positionns lhorizontale, do la ncessit de
connatre les donnes densoleillement sur des surfaces inclines. La non-linarit du modle
d'irradiation solaire globale incline par rapport aux irradiations globale horizontale et directe
Inclinaison
Mthode
en 3 tapes
EMR EQMR
Mthode
en 4 tapes
EMR EQMR
30
1,9%
8,9%
0,6%
9,9%
45
1,6%
11,0%
0,6%
11,0%
60
1,3%
12,0%
1,6%
8,1%
Tableau 1.1 Valeurs des tests statistiques pour les deux mthodes.
35
Donne dentre
Moyenne mensuelle de lirradiation
journalire globale horizontale H
4 tapes
3 tapes
Collares
Pereira &
Collares
Rabl [19]
Pereira &
Nouvelle
Erbs [22]
Rabl [19]
corrlation
Moyenne mensuelle de
lirradiation horaire
Moyenne mensuelle de
lirradiation horaire
globale horizontale I
diffuse horizontale I d
Moyenne mensuelle de
lirradiation horaire
Moyenne mensuelle de
lirradiation journalire
globale horizontale I
diffuse horizontale H d
Liu&Jordan [23]
Moyenne mensuelle de
lirradiation horaire
diffuse horizontale I d
Liu&Jordan [20]
Donne de sortie
Moyenne mensuelle de lirradiation horaire
globale sur un plan inclin I
Klein [21]
Inclinaison = 30
750
600
450
Droite d'galit
300
150
0
0
150
300
450
600
750
900
Figure 1.9 Comparaison des donnes estimes partir de lalgorithme en 3 tapes et des donnes exprimentales
pour une inclinaison de 30.
36
900
Inclinaison = 30
750
600
450
300
Droite d'galit
150
0
0
150
300
450
600
750
900
Figure 1.10 Comparaison des donnes estimes partir de lalgorithme en 4 tapes et des donnes exprimentales
pour une inclinaison de 30.
La prcision des deux mthodes est satisfaisante et du mme ordre de grandeur, il resterait
maintenant confirmer leur adquation sur dautres sites travers le monde. Bien videmment ces
mthodes ncessitent des donnes mesures au sol, et nous avons particip au dveloppement dune
autre mthode base sur des images satellitaires.
1.4
Ces tudes ont t ralises suite une collaboration avec le Professeur Claude Delorme de
lUniversit dAvignon dans le cadre de la thse de Marc Muselli. De nombreux travaux (Hay,
1984) ont montr une variabilit spatiale importante de lirradiation solaire en particulier dans des
rgions o le relief est important et perturb comme cest le cas dans notre rgion. Pour rendre
compte de cette importante variabilit spatiale, Luther (1992) propose dutiliser la notion de
corrlogramme spatial qui reprsente le coefficient de corrlation en fonction de la distance entre
paires de stations mtorologiques. Nous avons ralis cette tude sur la Corse en utilisant un rseau
de 5 stations mtorologiques, une appartenant au rseau Mto-France (Ajaccio) et quatre autres
utilises lors dune campagne de mesures du laboratoire (Afa, Borgo, Corscia et Pigna). La
localisation de ces stations est prsente sur la Figure 1.11.
37
Altitude
0-500 m
500-1500 m
1500-2000 m
> 2000 m
Borgo
Pigna
Corscia
Afa
Ajaccio
Pour chaque site i et chaque heure h, on dtermine lindice de clart horaire M T ,i ,h comme le
rapport de lirradiation horaire globale sur lirradiation horaire hors-atmosphre (Iqbal, 1983 ;
Klein, 1977 ; Liu et Jordan, 1960 ; Orgill et Hollands, 1977 ; Spencer, 1982) ; on calcule ensuite
lcart entre deux heures successives Di ,h = M T ,i ,h M T ,i ,h 1 , et le coefficient de corrlation
( )
( )
Ri ,k T j =
h =18
Di ,h Di Dk ,h Dk
h=6
2
h =18
h =18
Di ,h Di Dk ,h Dk
h=6
h=6
(1.1)
Le coefficient de corrlation moyen calcul sur la priode de Janvier Dcembre 1994 est
prsent sur la Figure 1.12 en fonction de la distance entre les stations. On constate lexistence de
trois zones :
-
une zone de forte corrlation pour une distance infrieure 7 km (R > 0,5) ;
Ainsi, on peut considrer quil ny a plus aucune relation dun point de vue de lirradiation
solaire entre deux sites distants de plus de 10 km comme cela a t confirm par Luther (1992) pour
une rgion proche de Saarbrcken en Allemagne ; Zelenka et al. (1992) quant eux stipulent quau
38
dessus de 40 - 50 km, les donnes satellitaires sont prfrables aux donnes pyranomtriques sur
des zones o le relief est moins important quen Corse (Suisse, Allemagne, Sude, Etats-Unis), ces
valeurs ont t galement confirmes par Perez et al. (1994).
1
Coefficient de corrlation
0,8
0,6
0,4
0,2
-0,2
0
10
20
30
40
50
60
70
Distance entre les stations de mesures (km)
80
90
100
Etant donne que lextrapolation de donnes dirradiations solaires des lieux o aucune
station mtorologique nest disponible est difficile partir de mesures au sol en particulier dans
notre rgion, lutilisation de donnes satellites semble alors tre une alternative sduisante pour
lestimation du potentiel solaire.
Le satellite europen METEOSAT met des images toutes les demi-heures (depuis 1977) dans
trois canaux : visible (0,1-1,1 m), IR (10,5-12,5 m) et vapeur deau (5,7-7,1 m). De cinq neuf
images analogiques WEFAX (weather Facsimile) sont reues chaque jour selon la dure du jour.
Elles sont envoyes par lAgence Spatiale Europenne Darmstadt. Plusieurs travaux prconisent
lutilisation de ces images pour lestimation du potentiel solaire (Schukze et Heidt, 1996 ; Chaabane
et al., 1996 ; Pereira et al., 1996 ; Sakellariou, 1995 ; Raficul et Exell, 1996). Le format de ces
images est de 800 x 800 pixels dans le canal visible ; chaque pixel reprsente dans le canal visible
un carr de 2,5 x 2,5 km la verticale du satellite ; sous nos latitudes, il reprsente environ 25 km.
Pour tudier la zone qui nous intresse, limage est rduite 16 x 49 pixels. Nous prsentons sur la
Figure 1.13 un exemple dune telle image.
39
satellitaires sont couramment appliques : des mthodes utilisant des rgressions statistiques ou des
mthodes plus compltes dcrivant les transferts et les changes de radiations la traverse de
latmosphre. Une bonne synthse de ces diffrents modles est prsente par Noia et al
(1993a ;1993b).
Le modle que nous avons choisi dutiliser est un modle statistique dvelopp par Claude
Delorme de lUniversit dAvignon (Ben Djemma et Delorme, 1992a ; Delorme et al. 1992 ; Ben
Djemma et Delorme ; 1992b). Pour appliquer cette mthode, seules quatre images par jour dans le
canal visible sont utilises car il sagit de rduire au maximum le temps de calcul afin de pouvoir
utiliser un matriel informatique classique peu coteux.
I (x , y , j , h )
correspondant une brillance Bi ( x , y , j , h ) (valeur numrique allant de 0 255) pour chaque pixel
situ en (x,y) de limage du jour j lheure h. Pour ce faire, on utilise une normalisation par rapport
une rfrence dirradiation par ciel clair avec un indice de temps instantan K ( x , y ,t ) et un indice
de temps journalier K J ( x , y , t ) dfinis par :
K ( x , y ,t ) =
I ( x , y ,t )
H ( x , y ,t )
et K J ( x , y ,t ) =
I c ( x , y ,t )
H c ( x , y ,t )
(1.2)
On tablit ainsi deux images de rfrence correspondant pour chaque pixel deux brillances
Bc ( x , y , t ) et B0 ( x , y ,t ) i.e. la brillance par ciel clair et par ciel nuageux opaque :
Bc ( x , y ,t ) = Ba I C (x , y ,t ) TC ( x , y ,t ) RC ( x , y )
(1.3)
BO ( x , y ,t ) = N Ba I C ( x , y ,t ) TC ( x , y ,t ) RO ( x , y )
(1.4)
o Ba est une constante reprsentative de la brillance des pixels due une atmosphre pure
(= 12) ; N est un facteur dtalonnage du dtecteur (= 0,554) ; TC ( x , y ,t ) est le coefficient de
transmission direct entre le sol et le satellite ; RC ( x , y ) est le coefficient de rflexion du sol pour le
pixel (x,y) ; RO ( x , y ) est une constante dfinissant la rflexion minimum pour un ciel nuageux
opaque.
La brillance de chaque pixel est donc compare ces deux rfrences et un indice instantan
K i ( x , y , j , h ) est calcul par :
si
si
si
Bi < BC
Bi > BO
BO < Bi < BC
Ki = 1
alors
alors
Ki = KO
alors K = 1 (1 K O )(Bi BC )
i
(Bo BC )
(1.5)
H C (x , y , j )
4
I C (x , y ,
h=1
(1.6)
j ,h)
Nous avons valid ce modle sur les donnes au sol de la station mtorologique de Mto
France Ajaccio Campo dellOro sur la base de 235 donnes journalires (Figure 1.14).
41
9
8
7
6
5
4
2
1
4
5
6
mesures pyranomtriques (kWh/m)
Les valeurs des diffrents coefficients statistiques (erreurs moyennes absolue et relative (EM et
EMR), erreurs quadratiques moyennes absolue et relative (EQM et EQMR), coefficient de
corrlation (CC)) sont donnes dans le Tableau 1.2.
EM
EQM EMR EQMR CC
(Wh.m-2) (Wh.m-2) (%)
(%)
-1,09
80,7
-5,6
12
0,969
Cette technique permet donc dobtenir des donnes journalires du rayonnement solaire.
Cependant, comme lont montr Notton (1992) et Mora et al. (1989), le dimensionnement dun
systme nergtique solaire ncessite de connatre les donnes densoleillement au pas minimum de
lheure. De plus, le plan des modules tant souvent inclin par rapport lhorizontal, il est
galement ncessaire de transformer ces irradiations horizontales en irradiations inclines comme
cela avait dj t le cas au paragraphe 1.3 partir de donnes moyennes mensuelles.
42
4,85 kWh/m
pas de 0,15 kWh/m
3,65 kWh/m
Figure 1.15 Cartographie solaire de la Corse : moyennes annuelles des irradiations journalires solaires globales
horizontales.
1.4.2
A laide des donnes journalires obtenues par la mthode dcrite dans le paragraphe 1.4.1 ou
fournies par une station mtorologique (ce sont les donnes les plus facilement disponibles) nous
cherchons obtenir les donnes horaires ou encore dterminer le profil journalier le plus
vraisemblable. Deux approches ont t analyses dans [6.7.1.5]. Nous allons dcrire sommairement
ces deux mthodologies prsentes sur la Figure 1.16.
Donne dentre
Irradiation journalire globale
horizontale H
Nolay
[58]
1re mthodologie
Irradiation horaire
globale horizontale I
Orgill &
Holland [18]
Irradiation horaire
diffuse horizontale Id
Modle
2me mthodologie
Hay &
Hay &
Davies
Davies
[59]
[59]
Donnes de sortie
Irradiation horaire
globale sur un plan
inclin I
TAG [60]
Irradiation horaire
globale horizontale I
Orgill &
Holland [18]
Irradiation horaire
diffuse horizontale Id
Pour valider notre premire mthode, nous lavons teste sur trois ans de donnes horaires
horizontales et inclines mesures sur notre site de Vignola au cours dune campagne de mesures de
1995 1997. Les 6500 valeurs calcules (par la mthodologie complte i.e. aprs application des
trois corrlations) et mesures de lirradiation horaire globale incline sont reprsentes sur la
Figure 1.17 pour une inclinaison de 30 et les valeurs des erreurs et du coefficient de corrlation
entre les donnes exprimentales et calcules sont reportes dans le Tableau 1.3.
43
1000
900
800
700
600
500
400
300
200
100
0
0
100
200
300
400
500
600
700
800
900
1000
Figure 1.17 Irradiations horaires globales sur un plan inclin 30 - valeurs mesures et estimes.
Inclinaison
30
45
60
EM
EQM EMR EQMR CC
Wh.m-2 Wh.m-2 %
%
-3,7
65,2
-2,3
14
0,952
-9,78
74,8
-1,3
14,8 0,947
-9,64
85,6
-3,5
15,5 0,946
Cest pour cette raison que nous avons dvelopp une autre mthodologie plus complexe
mais plus prcise [6.7.1.10]. Elle consiste remplacer le modle sinusodal du profil journalier du
rayonnement global horaire de Nolay (1980) dont les performances taient peu satisfaisantes par un
modle stochastique bas sur un processus ARMA (Auto-Rgressif Moyenne Mobile) de type
TAG (Time-dependent Autoregressive Gaussian). Seule donc la premire tape du processus est
modifie cest--dire. celle qui consiste dcouper lirradiation journalire globale horizontale en
irradiations horaires globales horizontales. Les processus de type auto-rgressifs dordre p dcrivant
une variable stochastique Z(t) scrivent, en fonction des coefficients dautocorrlation partielle i
et dun bruit blanc alatoire normalement distribu a(t), sous la forme :
p
Z ( t ) = i Z ( t i ) + a( t )
i =1
(1.7)
al., 1996). Les modles Autorgressifs Moyenne Mobile (ARMA) des sries temporelles
mtorologiques sont souvent utiliss. Les exemples concernant les prcipitations mensuelles
(Delleur et Kavvas, 1978), pluies annuelles (Carlson et al., 1970) et un index de scheresse mensuel
(Davis et Rappoport, 1974) sont nombreux. Les modles ARMA incluent un trs large ventail de
processus stochastiques qui, cause de leur structure mathmatique, sont utiles pour les prvisions,
et ils fournissent une reprsentation statistique convenable des donnes laide dun petit nombre
de paramtres. Les modles ARMA sadaptent bien aux analyses et aux prvisions des sries
temporelles qui sont persistantes par nature ou par manipulation et ils sont donc spcialement utiles
dans les analyses climatologiques
lirradiation extra-atmosphrique sur la mme priode et ainsi obtenir lindice de clart. Cet
indice M T (h ) = (I (h ) I 0 (h )) , o I 0 (h ) est lirradiation horaire hors-atmosphre lheure h, se
dcompose selon une composante dterministe M Tm (h ) lie la hauteur du soleil et une
composante variable (h ) (Elalaoui, 1990 ; Aguiar et Collares, 1992 ; Graham et al., 1987).
M T (h ) = M Tm (h ) + (h )
(1.8)
M Tm (h ) = (K T ) + (K T ) e
[ ( KT ) cos Z ]
(1.9)
o , et sont des fonctions de KT dont les expressions sont donnes par Aguiar et Collares
Pereira (1992).
Pour ce qui est de la composante alatoire, Graham et al. (1987) et Aguiar et Collares Pereira
(1992) ont montr que :
-
Lindice de clart horaire M T (h ) permet denlever leffet diurne. Or, le modle que lon se
propose dutiliser pour dterminer les irradiations horaires (Aguiar et Collares Pereira, 1992) est
45
auto-rgressif, non stationnaire, non homogne dans le temps et prsente une rpartition de
probabilit Gaussienne. Pour rpondre ces conditions, nous rduisons puis centrons M T (h ) afin
de prendre en compte les phnomnes journaliers et saisonniers, ce qui nous conduit la nouvelle
variable y :
y (h ) =
[M T (h) M Tm (h )]
(K T , h )
(1.10)
y(h ) = 1 y (h 1) + A(h )
(1.11)
o A(h ) est une variable alatoire gaussienne de moyenne nulle et dcart type fonction de lcart
type de y (h ) et du coefficient de corrlation du premier ordre 1 (elle prsente les caractristiques
dun bruit blanc). Ainsi, le modle prsent ne dpend que de lindice de clart journalier et peut,
partir de lirradiation journalire, reconstituer le profil horaire recherch.
Nous avons dans un premier temps vrifi sur la base de 19 ans de donnes horaires que la
composante dterministe vrifiait bien la relation (1.9). Pour ce faire, les jours de K T identiques
ont t regroups (au pas de 0,05), puis, au sein de chaque groupe, des familles de M T (h ) ayant le
mme angle znithal ont t tablies (au pas de 0,1). La moyenne exprimentale de chacune de ces
familles a t compare la composante dterministe de lindice de clart horaire dfinie par
lquation (1.9). En second lieu, nous avons vrifi le modle dcrivant lcart type de M T (h ) . Puis,
nous avons tudi les variables y(h) (q.1.10) pour lesquelles les coefficients du premier et second
ordre ont t calculs : il en ressort que le coefficient du second ordre est trs proche de zro alors
que celui du premier ordre nest pas ngligeable ce qui justifie lutilisation dun processus auto
rgressif du premier ordre (Figure 1.18).
46
Ltude de A(h ) a confirm quil sagissait bien dun bruit blanc ; et celle de la rpartition
probabiliste de y(h ) a montr que cette variable suivait une loi Gaussienne (Figure 1.19).
Toutes les proprits nonces par Aguiar et Collares Pereira (1992) ont t ainsi confirmes et
le simulateur de donnes horaires a pu alors tre mis en uvre. A partir dun algorithme calculant
47
les diffrents paramtres du modle et dun gnrateur de bruit blanc, nous avons reconstitu des
profils journaliers dirradiation solaire globale horaire. Les diffrentes tapes sont les suivantes :
(1) Entre des paramtres : lieu (latitude), jour (dclinaison solaire), heure en temps solaire vrai
(angle znithal) and nergie incidente journalire
(2) Dtermination de lindice de clart journalier KT.
(3) Dtermination de langle znithal z.
(4) Calcul des paramtres: MTm(KTexp,z), (KTexp, z) and 1(KTexp)
(5) Gnration dun bruit blanc A(h ) .
(6) Dtermination de la variable normalise y(h) = 1(KTexp) y(h1) + a(h).
(7) Dtermination de lindex de clart horaire simul MT(h)sim.
(8) Calcule de lirradiadtion solaire extraterrestre horaire I0(h) pour obtenir la valeur horaire de
(9) A la fin de la journe, lindice de clart journalier simul KTsim est calcul et compar avec
celui mesur KTexp en utilisant un cart = 3 % (Aguiar et Collares-Pereira, 1992b). Quand
|(KTexpKTsim)|/KTexp > , lalgorithme est ritr partir de ltape 3.
lirradiation I sim(h).
500
Rel
Simul
450
400
350
300
250
200
150
100
50
0
1
17
33
49
65
81
97 113 129 145 161 177 193 209 225 241 257 273 289 305
Temps
Figure 1.20 Donnes relles et simules dirradiations horaires globales horizontales (12/99) sur la base de donnes
mesures pyranomtriques.
48
500
donnes relles
donnes simules
450
400
350
300
250
200
150
100
50
0
1
33
65
97
129
161
193
225
257
289
321
353
385
417
449
Temps
Figure 1.21. Donnes relles et simules dirradiations horaires globales horizontales (01/93) sur la base de donnes
satellites.
Les deux tapes ultrieures savoir le calcul des irradiations horaires globales horizontales par
t ajoutes cette mthode de dtermination de I . Nous prsentons sur la Figure 1.22 la validation
de la mthode en comparant les donnes mesures aux donnes estimes partir de cette 2me
mthodologie et nous prsentons dans le Tableau 1.4 les valeurs des coefficients statistiques
obtenus pour une inclinaison de 30.
1000
Irradiation horaire globale sur un plan inclin 30
estime partir de la seconde mthodologie (Wh/m)
la mthode de Hay et Davies (1980) puis des irradiations horaires globales sur des plans inclins ont
800
600
400
200
0
0
100
200
300
400
500
600
700
800
900
1000
Inclinaison
30
EM
EQM
CC
Wh.m-2 Wh.m-2
-9,97
29,8 0,993
1000
900
800
700
600
500
400
300
200
100
0
0
100
200
300
400
500
600
700
800
900
1000
Irradiation horaire estime sur un plan inclin 30 partir des donnes journalires horizontales
mesures au sol (Wh/m)
Figure 1.23 Validation de la mthode dobtention des donnes horaires de lirradiation solaire globale sur un plan
inclin partir des donnes du satellite METEOSAT.
Inclinaison
30
EM
EQM
CC
Wh.m-2 Wh.m-2
-1,75
85,4 0,948
trois dimensionnements calculs pour une consommation journalire de 1 kWh selon le profil de
Type IV prsent sur la Figure 2.45 sont illustrs sur la Figure 1.24.
65
Ajaccio
50
Corte
45
55
45
Bastia
40
35
30
25
20
15
Ajaccio
10
Bastia
Corte
35
5,5
5,3
5,1
4,9
4,7
4,5
4,3
Surface de modules PV (m)
4,1
3,9
3,7
3,5
25
15
5
3
3,5
4,5
5,5
6,5
Figure 1.24 Comparaison des dimensionnements pour un systme photovoltaque install respectivement Ajaccio,
Corte et Bastia (Profil de consommation type IV).
Sil y a peu de divergence entre les rsultats de Bastia et Corte, Ajaccio par contre prsente un
grand cart par rapport ces deux villes. Prcisons que ce dimensionnement na t ralis ici que
sur les 2 ans de donnes mtorologiques disponibles (1991 - 1993) et na donc aucune valeur pour
le dimensionnement proprement parler, mais peut-tre utilis quen tant que comparaison. Sur
cette priode, la moyenne annuelle de lensoleillement a t de 4,4 kWh/m pour Ajaccio contre
5,2 kWh/m pour Bastia ; cet cart de 20 % au niveau des ensoleillements moyens annuels sest
traduit par un cart de 30 100 % sur les dimensionnements optimiss (Tableau 1.6).
Inclinaison
TYPE I
Ajaccio
Corte
Bastia
TYPE II
Ajaccio
Corte
Bastia
TYPE III
Ajaccio
Corte
Bastia
TYPE IV
Ajaccio
Corte
Bastia
30
45
60
S (m) C(kWh) S (m) C(kWh) S (m) C(kWh)
6,5
3,0
3,2
5,4
8,1
7,6
6,7
2,7
2,8
4,0
8,6
7,9
6,6
2,6
2,6
4,2
8,8
8,1
4,9
3,5
3,6
12,1
8,8
8,6
4,6
3,1
3,2
12,2
9,4
8,7
4,6
3,0
3,0
12,1
9,7
8,9
4,8
3,4
3,6
11,6
8,4
8,1
4,5
3,1
3,2
11,8
8,8
8,4
4,6
3,0
3,0
11,4
9,2
8,7
5,3
3,8
4,0
12,7
9,2
8,8
4,9
3,4
3,5
12,9
9,8
9,1
4,8
3,2
3,3
13,0
10,3
9,3
Ces rsultats montrent clairement la ncessit de connatre aussi prcisment que possible le
potentiel du lieu dimplantation choisi et dutiliser avec prcaution les donnes des stations
mtorologiques les plus proches. Dans la mise en place du systme dinformation gographique
appliqu ltude du potentiel nergie renouvelable sur la Corse, ce sont les images satellites
qui permettront de dimensionner ces systmes.
1.5
disposer de donnes dirradiations solaires avec un pas de temps plus fin que celui avec lesquels ces
grandeurs sont disponibles dans les bases de donnes habituelles. Ainsi, quand les procdures de
simulation ncessitent de connatre lclairement solaire, il est souvent suppos, dans un but
lclairement solaire tant souvent les seules disponibles) ce qui ne correspond pas une hypothse
raliste. Ainsi, nous avons propos dtudier trois types de rpartition de lclairement solaire
global sur lheure et nous les avons tests dun point de vue des diffrents paramtres statistiques
sur notre site dexprimentation.
Les trois types de rpartition de lclairement solaire pendant lheure sont reprsents sur la
Figure 1.25 pour deux journes particulires : journe du 02/08/1999 ciel clair et journe du
02/01/1999 ciel nuageux.
1200
Irradiance exprimentale
Modle constant horaire
Modle linaire
simplificateur, que celui-ci se rpartit de manire constante sur lheure (les donnes horaires de
Modle hors-atmosphre
1000
Irradiance hors-atmosphre
800
600
400
200
0
4
10
12
14
Temps solaire (heures)
16
52
18
20
Dans le premier modle, on considre que lclairement solaire reste constant du dbut la fin
de lheure alors que dans le second, il varie de manire linaire. Ce second modle peut prdire des
valeurs ngatives de lclairement pour certaines heures ce qui nous oblige alors revenir au
premier modle pour cette heure particulire. De plus, comme lillustre lexemple de la Figure 1.25,
il arrive que les donnes modlises et exprimentales varient en sens oppos (par exemple entre
15h et16h le 02/01/1999).
Nous avons donc utilis un troisime modle qui utilise un profil correspondant au
rayonnement extra-atmosphrique (Iqbal, 1983) prsent sur la Figure 1.25 ; pour chaque heure,
nous calculons le facteur de transmittance, rapport entre lirradiation horaire globale au sol et
lirradiation horaire extra-atmosphrique, nous conservons ainsi le profil dune journe ciel clair
Ces trois modles ont t compars sur la base de 3500 donnes horaires en utilisant cinq
paramtres statistiques : lerreur moyenne (EM), lerreur quadratique moyenne absolue et relative
(EQM et EQMR), le coefficient de corrlation (CC) et le rapport de EQM sur lirradiation horaire
correspondante (RAP).
Les rsultats sont prsents dans le Tableau 1.7. On note une nette amlioration de ces
coefficients pour les modles linaires et extra-atmosphriques par rapport au modle constant
horaire.
Valeur moyenne des
Constant horaire
Linaire
Extra-atmosphrique
EQMR horaires
43,83%
33,70%
30,48%
RAP horaires
0,2398
0,2257
0,1798
EQM horaires
66,91 W.m-2
74,19 W.m-2
52,31 W.m-2
EM horaires
0,0042 W.m-2
-0,00018 W.m-2
CC horaires
0,7211
0,7212
Pourcentage de donnes pour lesquelles ce modle est le meilleur dun point de vue de
EQMR
14,49%
28,42%
57,09%
EQM et RAP
12,46%
27,11%
60,43%
CC
45%
55%
Tableau 1.7 Comparaison des trois modles selon divers critres (3500 donnes)
Selon lheure, un modle peut tre meilleur quun autre selon le profil dclairement choisi au
cours de cette heure. Nous avons donc cherch caractriser chaque heure par un paramtre qui
puisse tenir compte de la couverture nuageuse et induire le choix dun modle plutt quun autre.
Pour ce faire, nous avons choisi lindice de clart horaire MT qui permet de quantifier laspect
perturb de lclairement solaire (Iqbal, 1983 ; Klein, 1977 ; Liu et Jordan, 1960 ; Orgill et
Hollands, 1977 ; Spencer, 1982). Les rsultats nont pas t trs satisfaisants car le choix du
53
meilleur modle nest pas clair pour des valeurs de MT < 0,45 comme le montre la Figure 1.26.
Cependant, on constate sans hsitation que le modle extra-atmosphrique est celui qui donne les
CC
Modle extra-atmsophrique
Modle linaire
EQMR
EQM/irradiation
horaire
0,00-0,05 0,05-0,10 0,10-0,15 0,15-0,20 0,20-0,25 0,25-0,30 0,30-0,35 0,35-0,40 0,40-0,45 0,45-0,50 0,50-0,55 0,55-0,60 0,60-0,65 0,65-0,70 0,70-0,75 0,75-0,80 0,80-0,85 0,85-0,90
Domaine de MT
Figure 1.26 Pourcentage de donnes par classe de MT pour lequel le modle choisi est le meilleur.
1.6
tude similaire sur des donnes horaires de rayonnement global sur des surfaces inclines ;
solaire global, ou mettre en place des profils journaliers horaires bass sur un processus
stochastique autorgressif. Nous avons galement dvelopp, partir de mthode stochastique, des
outils pour rduire de sries chronologiques sur de longues priodes en anne type.
Pour tre facilement utilisable, lnorme volume des donnes doit tre rduit sans aucune perte
dinformation. Un moyen dy parvenir est le traitement statistique des donnes. La gnration dune
anne type de donnes synthtiques est une autre possibilit; cette anne type reprsente de faon
prcise les statistiques relles de plusieurs annes. Cest le but du modle stochastique qui permet la
gnration dune anne de rfrence. Cette procdure rend possible la caractrisation des proprits
de la vitesse du vent dun site, avec seulement quelques paramtres et fournit un gain de temps
lutilisateur pour les procdures de calcul. Ltude des systmes nergtiques ncessite lusage
54
dune base de donnes mtorologiques de rfrence qui doit donc tre la fois reprsentative du
climat et dun accs facile pour les utilisateurs (Festa et al., 1988, 1993).
La succession des journes est gnralement modlise soit par une chane de Markov soit par
un processus de type ARMA (Astier et Duhamel, 1983 ; Boch et al., 1981, Daniel et Chen, 1991,
Kamal et Jafri, 1997).
1.6.1
Les donnes mtorologiques sont indispensables pour valuer les effets long terme des
changements climatologiques, et par l mme pour tudier le comportement de systmes de
production dnergie utilisant comme intrant des sources alatoires (vent, soleil, temprature). La
production issue de ces systmes peut dpendre du rayonnement solaire, de la temprature
Une simulation de fonctionnement du systme fournira des rsultats sur la seule priode
correspondant aux donnes disponibles. Il faudrait disposer de suffisamment de donnes pour la
simulation, afin de calculer le comportement moyen du systme long terme. La modlisation de la
source nergtique doit tre ralise pour deux raisons essentielles :
- lvaluation de la productivit des systmes moyen et long terme et
- lassurance de leur commande et de la gestion
Beaucoup de travaux ont t raliss sur lutilisation des chanes de Markov pour simuler la
distribution statistique de diffrentes variables mtorologiques telles que pression, temprature
vitesse du vent, etc. (Young, 1994 ; Moon et al., 1994). Pour ce qui concerne le rayonnement
solaire, plusieurs tudes ont montr quaucune loi de probabilit classique ne permettait de rendre
compte de manire fiable des variations densoleillement (Elalaoui, 1990, Aguiar et Collares55
Pereira, 1992 ; Marques, 1982 ; Holland et Huget, 1983 ; Khallat et al., 1986) alors que les modles
de Markov taient plus adquats et prcis, pour la prvision la fois du temps (Young, 1994), de la
production des capteurs solaires plans (Lameiro et Duff, 1970) ou des systmes photovoltaques
(Nguyen et Pryor, 1996).
gnrer des sries de profils journaliers partir de ces probabilits et dun tirage alatoire.
En fait, comme cela a t dj le cas dans le paragraphe 1.4.2 et comme le suggre Graham et
al. (1987), lindice de clart horaire M T se prte mieux cette tude.
Considrons maintenant que notre processus puisse prendre un nombre fini dtats. Si X n = i ,
alors le processus est dans ltat i linstant n et on suppose quil y a une probabilit conditionnelle
pij pour que ce processus passe ltat j linstant n+1, soit :
probabilit X n +1 = j X n = i n , X n 1 = i n 1 ,..., X 0 = i 0 = p ij
(1.12)
si ltat X n +1 ne dpend que de ltat prsent X n et non des tats passs ( X i , i = 0 ,..., n 1) alors ce
processus stochastique est dit de Markov dordre 1. On dtermine ainsi la matrice de transition
[ ]
nij
(1.13)
nij
i
nj
nj
j
nij
i
nij
i, j
(1.14)
Si lon dfinit Pij, comme reprsentant cette probabilit de transition dun tat i vers un
tat j , on dfinit alors : P = [P ij ] comme la matrice de probabilit de transition. Une fois que la
56
matrice de transition est dfinie, le comportement probabiliste de la variable stochastique peut tre
dcrit mathmatiquement, de la manire suivante, soit le vecteur de probabilits dtat :
(n) = [1(n), 2(n),...., k(n) ]
(1.15)
o (n) est la probabilit de trouver le systme dans ltat i du rayonnement solaire, aprs n
intervalles de temps, et k reprsente le nombre total dintervalles ou nombre total dtats. On
montre que si (0) est le vecteur dcrivant ltat initial, alors :
(n) = (0) P n
(1.16)
La premire tape de ce travail a donc consist dterminer le nombre dtats utiliss dans le
processus de Markov pour reprsenter le rayonnement solaire global horizontal horaire. Aprs une
analyse effectue sur la base de 20 ans de valeurs de M T , 20 tats ont t dfinis avec un pas de
0,05 (Palomo, 1989) obtenant ainsi une matrice de transition de dimension 20 x 20. Le but final est
de dterminer I partir de la classe gnre (de 1 20). Il faut donc pour chaque classe dfinie par
intervalle en dduire M T puis I . Mais quel M T (valeur mdiane, moyenne ou centrale sur
lintervalle considre) ? Une analyse a t ralise et a montr que la valeur centrale sur
lintervalle tait la mieux adapte et que le nombre dtats choisi (20) conduit de satisfaisants
rsultats.
Lindice de clart horaire nest pas une variable alatoire stationnaire sur lanne car il est bien
connu que sous un climat mditerranen le temps est meilleur en t quen hiver ce que se
traduit par un pourcentage de M T plus important dans les grandes classes durant lt. Ltude de la
fluctuation temporelle doit donc tre ralise sur une priode suffisamment courte pour que cette
volution climatique soit peu marque, cela nous a conduits raliser cette tude pour chaque mois
comme le proposait Gossebaille et al. (1979). Ainsi, les probabilits ont t calcules mois par mois
et 12 matrices de transitions ont t cres puis discutes.
Le comportement limite de la Chane de Markov est galement tudi. Pour cela, on considre
la limite : LimPn = Ql appele limite de la matrice de transition (proprit ergodique des chaines de
n
- q1 j = q2 j = ... = q kj
57
j = 1, 2, ..., k
Sur la Figure 1.27 est reprsente de faon graphique la MTP pour un mois donn sur Ajaccio.
On observe que lessentiel des transitions seffectuent sur la diagonale ou son voisinage.
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
0,95-1,00
0,90-0,95
0,85-0,90
0,80-0,85
0,75-0,80
0,70-0,75
0,65-0,70
0,60-0,65
0,55-0,60
0,50-0,55
0,45-0,50
0,40-0,45
0,35-0,40
0,30-0,35
0,25-0,30
0,20-0,25
0,15-0,20
0,10-0,15
0,05-0,10
0,00-0,05
4
3
2
1
1
10
11
12
13
14
15
16
17
18
19
20
Aprs avoir dtermin les valeurs de n qui conduisent la matrice dquilibre, nous avons trac
sur la Figure 1.28, les probabilits limites des tats en fonction des probabilits marginales
exprimentales de ces tats. On peut noter une bonne adquation ce qui confirme que chaque ligne
de la matrice de transition limite Ql donne les probabilits des tats. La proprit ergodique de la
MTM est ainsi bien illustre.
58
0,14
0,12
Correlation Coefficent = 0,9991
0,1
0,08
0,06
0,04
0,02
0
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
Figure 1.28 - Elments de la Matrice de Transition Limite en fonction des Probabilits marginales
Il reste vrifier que ces donnes suivent bien un processus de Markov du premier ordre. La
persistance dun vnement climatique est caractrise par son coefficient dautocorrlation (CA).
La dpendance (test ) et la stationnarit (test ) des chanes de Markov reprsentant les sries de
journes ont permis de conclure que ces sries sont des chanes de Markov du premier ordre.
Si les vnements successifs sont dpendants, ils peuvent former une chane de Markov du
premier ordre. Daprs Moon et al. (1994), si les vnements successifs sont indpendants, alors la
statistique est distribue asymptotiquement comme avec (m-1) degrs de libert (DL), o m
est le nombre total dtats.
m
Pij
= 2 nij ln
Pj
i, j
(1.17)
T m
Pij (t )
= 2 ni, j (t ) ln
t i, j
Pij
(1.18)
Les valeurs de pour un pas de 1 sont suprieures celle du pour un niveau de confiance de
5 % et 361 DL. Ainsi les transitions successives entre les diffrents tats sont indpendantes, et
lindice de clart horaire possde donc les caractristiques dun processus de Markov du 1er ordre.
Pour tudier la stationnarit, nous avons divis en 5 sous-intervalles de 4 annes les donnes de
rayonnement solaire global. Nous avons ensuite calcul les valeurs mensuelles de qui sont
infrieures la valeur du pour un niveau de confiance de 5 % et 1140 DL. Ceci implique donc
lindice de clart horaire est stationnaire pour chaque mois.
Pour vrifier quil ny a pas deffet de mmoire dun jour lautre sur les irradiations
journalires, le coefficient dautocorrlation des indices de clart journaliers entre les jours j et (j+p)
avec p variant de 1 4 a t calcul pour chaque mois. Ce coefficient est relativement faible pour
j+1 (< 0,3) et diminue rapidement avec le nombre de jours ; ce rsultat confirme que lon peut
ngliger les effets de mmoire dun jour lautre. Il restait vrifier que lindice de clart horaire
ne dpendait que de celui de lheure prcdente afin de confirmer le choix dun processus du 1er
ordre. Le coefficient dautocorrlation (CA) des indices de clart horaires a donc t calcul entre
les heures h et (h+p) pour p variant de 1 3 (Figure 1.29).
1,00
0,80
H+1
0,60
0,40
H+2
0,20
H+3
0,00
1
32
63
94
125
Jours
156
187
218
249
280
311
342
-0,20
-0,40
Il est clair que les valeurs de CA pour p = 1 sont leves alors que celles pour p = 2 et p = 3
sont faibles ce qui confirme que les transitions des indices de clarts horaires ont les proprits
dune chane de Markov dordre 1 (processus homogne et stationnaire, lchelle du mois).
60
Pour un tat donn, la diagonale de la matrice de transition donne la persistance dun tat et
peut tre utilise pour calculer la probabilit davoir une longueur de squence dheures de mme
classe. Galloy et al. (1981) ont montr que cette probabilit pouvait tre modlise par une loi
binomiale ngative translate (BNT) dfinie partir de deux paramtres sexprimant en fonction de
la dure de moyenne des squences et de leur variance.
PSNB ( l ) =
O
1
( 1 + d )h d
( h d )( l 1 )
d ( l 1 )
( l 1 )!
( 1 + d )( l 1 )
(1.19)
Les deux paramtres caractrisant la BNT ont donc t calculs pour chaque mois et chaque
tat. La validit de cette loi applique au rayonnement solaire global horaire est prsente de faon
plus dtaille dans larticle correspondant [6.7.1.20]. Comme nous pouvons le constater, titre
dexemple pour une classe et un mois, sur la Figure 1.30.
100
90
Occurrences exprimentales
80
Occurrences modlises
70
Frquence (%)
l 1 h
- si l > 1 alors ( h d )( l 1 ) = + p
p=0 d
60
50
40
30
20
10
0
1
2
3
4
Longueur des squences homognes (heures)
Figure 1.30 Occurrences de squences homognes exprimentales et modlises par une loi BNT.
61
La simulation commence chaque jour dun mois donn au lever du soleil avec un tat i, donc
une valeur de MT et une irradiation horaire I. Cet tat pour la premire heure est obtenu par la
procdure suivante :
-
les probabilits marginales du mois considr (p1, p2, , pi) sont additionnes jusqu ce
i
que leur somme soit suprieure : p x , ltat de cette heure est alors i.
x =1
les probabilits conditionnelles du mois considr (pi1, pi2, , pin) sont additionnes jusqu
j
La procdure se rpte pour toutes les heures jusquau coucher du soleil. Cependant, si deux
heures conscutives appartiennent au mme tat k, on considre alors quune squence dheures
avec le mme tat k commence et on applique la procdure base sur la loi BNT :
-
' '
L
pBNT ( x k ) , alors la longueur de la squence est L et les heures (h-1)
x =1
Ce simulateur a donc t utilis sur une priode de 20 ans et les rsultats obtenus ont t
compars aux valeurs exprimentales. Pour ce qui est des indices de clart horaires, leur distribution
en classes est prsente sur la Figure 1.31 (CC = 0,9857, EQM < 0,01).
62
18,00
16,00
Donnes exprimentales
Donnes simules
14,00
Frquence (%)
12,00
10,00
8,00
6,00
4,00
2,00
0,
97
0,
92
0,
87
0,
82
0,
77
0,
72
0,
67
0,
62
0,
57
0,
52
0,
47
0,
42
0,
37
0,
32
0,
27
0,
22
0,
17
0,
12
0,
07
0,
02
0,00
25
Frquences (%)
Figure 1.31 Comparaison de la distribution des indices de clart horaires exprimentaux et simuls.
20
15
10
0
[0-100[
[100-200[
[200-300[
[300-400[
[400-500[
[500-600[
[600-700[
[700-800[
[800-900[
[900-1000[
[1000-1100[
63
CC
EM
EMR (%)
EQM
EQMR (%)
Probabilits marginales 0,969
0,003
8,7
0,04
16
et conditionnelles
Energie journalire
0,969 290 Wh/m
4,5
580 Wh/m
14
ACF
0,976
0,07
5
0,10
12
La premire partie consiste utiliser une mthodologie de classification base sur lagrgation
de Ward et utilisant des paramtres discriminants simples dtermins partir de lindice de clart
horaire MT ainsi quune analyse factorielle discriminante qui permettra de dterminer un nombre
de classes reprsentatives de conditions mtorologiques particulires [6.7.1.17]. Dans une seconde
partie [6.7.1.14 ; 6.7.2.23], un modle de Markov dordre 1 (dj dcrit dans le paragraphe 1.5.1)
permettra de crer un simulateur de squences mtorologiques.
lindice de clart horaire MT(h) et journalier KT(j) dfinis dans les paragraphes 1.4.1. et
1.4.2.
S 2 = M T ( h + 2 ) ( 2 M T ( h + 1 )) + M T ( h )
h
64
Diffrents critres peuvent tre utiliss pour construire la classification. Le critre que nous
avons retenu est celui de lAgrgation de Ward (Roux, 1985) i.e. un critre dagrgation selon
linertie en utilisant une distance Euclidienne ; ce critre revient minimiser linertie intra-classes
ou encore maximiser linertie interclasse. Cela permet de reprsenter lhomognit dun groupe
et les diffrences entre les groupes. La mthode a t applique deux sites distants dune dizaine
de kilomtres (laboratoire de Vignola et station mtorologique de Campo del Oro) et pour quatre
inclinaisons de capteurs (0, 30, 45 et 60). A titre dexemple, lapplication de cette procdure
Figure 1.33 Exemple dapplication de la mthode dagrgation de Ward (mois de Janvier, inclinaison de 30, station
Campo del Oro).
0,8
0,6
0,4
Classe II
0,2
Classe III
0
1
3 4 5 6 7 8
Heure (Temps solaire vrai)
10
65
Chaque classe prsente des moyennes distinctes et des cart-types faibles et caractrise un type
dinformations mtorologiques bien dfini. La comparaison des deux stations est impossible car
les chelles pour chaque paramtre dans chacune des classes sont diffrentes selon la station de
mesure. Les moyennes et les dviations standards pour les 10 valeurs de MT qui dfinissent la
journe type sont parfois trs diffrentes (plus dun facteur 2) comme lillustre la Figure 1.35 o
sont reprsents les trois types de journe pour les deux sites (inclinaison 60) partir de la valeur
moyenne et de lcart type pour chaque indice de clart horaire MT.
Vignola (60)
Campo del'Oro (60)
1,0
1,0
I
II
0,8
0,8
II
III
0,6
0,6
MT
MT
0,4
0,4
III
0,2
0,2
0,0
0,0
Classes
Classes
Figure 1.35 Description des classes pour les deux sites et une inclinaison de 60.
Ainsi, pour deux sites trs proches soumis au mme climat, les caractristiques statistiques de
lirradiation globale sont diffrentes comme cela avait dj t constat lors de ltude du
corrlogramme spatiale au paragraphe 1.4.1 et qui nous avait conduits alors utiliser des images
satellites pour dterminer le potentiel solaire dun lieu donn.
La seconde partie de ce travail qui a fait lobjet dune autre publication [6.7.1.14] est de gnrer
des squences de types de journes partir dun modle de Markov dordre 1 de manire similaire
celle prsente dans le paragraphe 1.5.1 avec cette fois la variable X n pouvant prendre les valeurs
1, 2 ou 3.
66
1
Experimentale
Simule
VIGNOLA
Probabilits marginales pi
0,8
0
30
45
60
0,6
0,4
0,2
Classes
0
I
II
III
II
III
II
III
II
III
Quant aux probabilits conditionnelles, elles ont t calcules et compares aux valeurs
exprimentales, lerreur quadratique moyenne EQM est toujours infrieure 0,06 et le coefficient
de corrlation CC toujours suprieur 0,961 quels que soient le site et linclinaison du capteur ce
qui est tout fait satisfaisant.
Enfin, nous avons vrifi si la mthodologie utilise permettait de conserver les proprits
statistiques de lirradiation globale en calculant lnergie solaire reue sur la priode complte
(soient 1448 jours) de trois manires :
-
Dans les deux derniers cas, lnergie journalire a t calcule partir de la relation
67
8
7
6
5
4
3
V a le ur ex p rim e nta le
E (jo ur typ e r el)
1
0
C am p o
(0)
C am p o
(30)
C am p o
(45)
Cam po
(60)
V ig n o la
(0)
V ig n o la
(3 0)
V ig n o la
(45)
V ig n o la
(60)
Nous constatons que les irradiations calcules grce, dune part la classification en journes
types par lagrgation de Ward couple une analyse discriminante, et dautre part au simulateur de
squences mtorologiques sur la base dun modle de Markov dordre 1, sont en bonne adquation
avec la ralit exprimentale.
Nos travaux de recherches ayant pris galement une orientation vers lnergie olienne, nous
nous sommes galement intresss lanalyse stochastique des vitesses de vent ainsi qu la mise
en place de gnrateurs de donnes et de techniques de prvision.
1.7
probabilit, aussi perfectionne soit-elle. En effet, la vitesse du vent un instant donn est corrle
avec les vitesses du vent aux instants prcdents. Par consquent, toute reprsentation
mathmatique du phnomne olien se doit dintgrer ces autocorrlations dune manire ou dune
autre.
Les modles simulant les vitesses de vent doivent tre fiables. Il faut donc ncessairement
disposer de longues sries de donnes sur le site dexploitation afin de calculer au mieux les
paramtres de ces modles.
68
1.7.1
Modlisation
et
simulation
par
des
processus
stochastiques
Les systmes de conversion dnergie du vent (systmes oliens) ont la capacit dtre utiliss
comme source dalimentation sur un rseau lectrique (Daniel et Chen, 1991 ; Nfaoui et al., 1996).
Les installations classiques ncessitent approximativement un temps de dmarrage de 15 - 20
minutes ; si les systmes oliens doivent tre utiliss comme source parallle de soutien de
puissance pour un rseau lectrique, un modle statistique savre ncessaire pour dterminer la
puissance du systme olien quelques heures lavance, afin de prvoir la mise en marche des
installations classiques (Balouktsis et al., 1986).
Une mthode de prvision de puissance du vent quelques heures lavance est donc ncessaire
si lon veut pouvoir contrler et prvoir la production dune ou plusieurs oliennes en un site
donn.
Comme nous lavons dj dit, le vent est un phnomne trs instable ne pouvant tre
compltement dcrit par nimporte quelle distribution de probabilit, aussi sophistique soit elle,
puisque la vitesse du vent toute heure est corrle avec la vitesse du vent aux heures prcdentes.
Par consquent, toute mathmatisation du phnomne olien qui tente de reprsenter plus que
lespace des vnements de cette variable alatoire se doit dintgrer ces autocorrlations dune
manire ou dune autre.
Nous avons donc dvelopp des outils de simulation et de prdiction de vitesse de vent sur les
deux modles mathmatiques stochastiques les plus couramment utiliss, savoir les chanes de
markov (Kirchoff et al., 1988 ; Kaminsky et al., 1990a) et les processus autorgressifs (Nfaoui et
al., 1996 ; Baloktsis et al., 1986).
Nous avons utilis des donnes de vitesse de vent tri-horaire sur les sites d'Ersa pendant 31 ans
(1962-1992), de Pertusato sur 29 ans (1962-1990) et de Figari sur 12 ans (1980-1991). Ces donnes
ont t obtenues partir du service climatologie de METEO France (figure 1.38).
69
Ersa
Altitude
0-500 m
500-1500 m
1500-2000 m
> 2000 m
Figari
Pertusato
La premire approche est base sur le modle de Box-Jenkins pour simuler des sries
chronologiques de vitesse de vent. Nous proposons une mthodologie de modlisation de type autorgressif (AR). Les donnes ont besoin dtre tout dabord transformes pour rendre leur
distribution approximativement gaussienne et normalises pour enlever la non-stationnarit
journalire (Festa et Ratto, 1993) ; ensuite un critre de choix est utilis pour choisir le processus
d'ARMA le plus appropri. Selon la littrature (Balouktsis et al, 1986 ; Brun et al, 1984 ; Daniel et
Chen, 1991, Nfaoui et al, 1996), la non-stationnarit saisonnire est enleve en adaptant le modle
chaque mois. Le modle Autorgressif a t utilis avec succs par la compagnie lectrique Hydro
Qubec, dans un simulateur informatique qui estime limpact conomique de turbines oliennes
sur un systme de puissance.
Les modules de type ARMA sont donc fonds sur l'hypothse que la srie chronologique que
lon cherche reproduire est stationnaire et gaussienne. En pratique, cette hypothse est trop
restrictive, et nest pas vraie dans le cas des vitesses de vent. Il faut donc mettre en uvre une
technique de stationnarisation. L'approche pour rendre la variable gaussienne est base sur la
mthode statistique du Skewness (Balouktsis et al, 1986) qui est base sur une transformation
puissance de la variable V (h,j,m,a). Pour un mois donn m, on calcule la variable Sx(m), partir de
Vx, de V x' ( m ) la moyenne mensuelle et de x(m) la dviation standard mensuelle de Vx(h,j,m,a)
laide de :
70
3
A M J V x ( h , j , m, a ) V x '( m )
/ JMA
Sx( m ) =
'
(
m
)
a =1 j =1 h =1
x
(1.20)
Les diverses tapes de la transformation ont donc permis de passer dune variable dont la loi de
probabilit est une loi classique en une variable de type gaussienne, de moyenne nulle et dcarttype voisin de 1.
0.25
0.20
Probability Density
variable transforme et normalise sur la Figure 1.39 pour le site sur Figari sur toutes les annes.
Real Data
Normal Law
0.15
0.10
0.05
0.00
-3.5
-3
-2.5
-2
-1.5
-1
-0.5
0.5
1.5
2.5
3.5
Bien que des tudes prcdentes sur les sries de vitesses de vent aient t ralises sur une
base saisonnire (Brown et al, 1984 ; Daniel et Chen, 1991) ou sur une base annuelle (Blanchard et
Desrochers, 1984), le choix du mois est le plus reprsentatif. Nous avons donc choisi de segmenter
l'anne dans des priodes mensuelles pour des raisons pratiques. D'abord, la plupart du calcul de
71
conception de systme de vent est excut sur une base mensuelle. En second lieu, nous prfrons
une chelle de temps suffisamment courte sur laquelle nous pouvons considrer que le vent a un
comportement relativement homogne. Un tel procd a t galement employ pour l'analyse
d'autres variables mtorologiques. La non-stationnarit est supprime en adaptant un modle
spar pour chaque mois.
Aprs avoir transform la variable de base afin de pouvoir utiliser un processus AR, il faut en
dterminer son ordre. Pour cela, le calcul des coefficients mensuels d'autocorrlation (ACF) rk(m),
et des coefficients partiels (PACF) k(m) sont dtermins pour des dcalages k et le trac de ces
courbes permet de dterminer les ordres p et q du processus ARMA (Figure 1.40).
0.7
0.6
0.5
ACF
PACF
0.4
0.3
0.2
0.1
0
1
10
-0.1
Lag
Lanalyse des valeurs de ces critres montre quil est opportun de choisir un modle de type
AR(2). En effet, en accord avec ces deux tests, 75 % des cas sont des processus auto-rgressif
dordre 2.
Le modle tant spcifi, un contrle doit tre ralis pour valuer si les hypothses de base
sont correctes. Une analyse quantitative peut tre faite sur les rsidus gnrs par le modle. Si le
modle dtermin avec la mthode prcdente convient, les autocorrlations des rsidus doivent
tre dcorrles et normalement distribues avec une moyenne nulle. Les 50 premires
autocorrlations des rsidus sont normalement comprises dans un intervalle de confiance donn
des rsidus se situent dans cet intervalle de confiance. Ceci est vrifi pour tous les mois. Nous
avons trac les histogrammes relativement la fonction d'autocorrlation des rsiduels selon le
dcalage de k pour un mois donn la station d'Ersa (Figure 1.41).
0.03
0.02
Confidence interval
0.01
rk(a)
(Mlard, 1990). Si l'hypothse de normalit est justifie, alors 95 % des fonctions dautocorrlation
0.00
1
11
13
15
17
19
21
23
25 27
29
31
33
35
37
39
41
43
45
47
49
Lag (k)
-0.01
-0.02
-0.03
Figure 1.41 - Fonction dautocorrlation des rsidus selon le dcalage (Fvrier, ERSA)
Le trac des rsidus et leur analyse statistique nous montrent bien que le signal obtenu peut tre
assimil un bruit blanc (Figure 1.42).
73
a(t)
-1
-2
-3
Nous venons donc de montrer que les vitesses de vent pouvaient tre simules et modlises
par un processus dautorgressif. Dans le chapitre 1.7.4, nous analyserons les proprits statistiques
de sries chronologiques simules et les comparerons aux sries relles.
1.7.3
Pour la seconde approche base sur les chaines de Markov, il est ncessaire davoir des sries
temporelles de vitesse de vent w1, w2,..., wj,..., wn o wj est la vitesse de vent chantillonne dans un
intervalle donn, qui sont classes par tat. On en calcule les diverses probabilits (existences,
transitions dun tat lautre). Llment, Pij de la matrice de transition est dfini comme tant la
probabilit que la vitesse soit dans un tat j sachant quelle tait dans un tat i linstant prcdent.
Le dveloppement dun modle bas sur la thorie des chanes de Markov ncessite lutilisation
de matrices de probabilit de transition (MPT), (Kaminsky et al., 1990b ; Kirchhoff et al., 1989 ;
Moon et al., 1994 ; Sparis et al., 1995).
Le nombre de classes (ou tats) de vitesses de vent a t pris 40, les vitesses taient classes
par intervalle de 1 m/s. Les matrices de probabilit de transition (MPT) peuvent tre utilises pour
analyser le comportement des vitesses de vent. Cette analyse montre les caractristiques suivantes :
1) la probabilit la plus leve se produit sur la diagonale de la matrice. Ainsi, si la vitesse de vent
une heure est connue, il est plus probable que la vitesse de vent horaire suivante soit dans la mme
classe, plutt quelle ne subisse une transition vers un autre tat. Nous notons que plus de 70 % des
74
valeurs de vitesse de vent suivent cette loi (Figure 1.43). De plus, les transitions restent trs proches
de la diagonale. Ceci signifie qu'il n'y a aucune forte variation de vitesse de vent (par exemple, une
transition d'un tat 1 un tat 17 n'est pas probable)
40
Interval of Transition Probability
37
0.85-0.9
34
0.8-0.85
31
0.75-0.8
28
22
19
16
25
0.7-0.75
13
0.65-0.7
0.6-0.65
0.55-0.6
0.5-0.55
0.45-0.5
0.4-0.45
0.35-0.4
10
0.3-0.35
0.25-0.3
0.2-0.25
0.15-0.2
1
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Wind Speed State
0.1-0.15
0.05-0.1
0-0.05
Les deux autres caractristiques sont lies la moyenne des valeurs de vitesse de vent qui ont
t employes dans la construction de la matrice de probabilit de transition.
2) si la moyenne horaire linstant donn (tat m) est dans un intervalle de vitesse de vent audessous de la moyenne sur la priode des valeurs employes pour construire la MTP (correspondant
par exemple un tat n), alors il est plus probable que la vitesse de vent fasse une transition vers
une catgorie infrieure de vitesse de vent. Ainsi, quand l'tat de la vitesse de vent est m < n alors
Pm,m-1 > Pm,m+1 (la probabilit de transition d'un tat m un tat (m-1) est suprieure la probabilit
de transition de m (m+1)).
3) si la moyenne horaire linstant donn (tat m) est dans un intervalle de vitesse de vent audessus de la moyenne sur la priode des valeurs employes pour construire la MTP (correspondant
par exemple un tat n), alors il est plus probable que la vitesse de vent fasse une transition vers
une catgorie suprieure de vitesse vent. Ainsi, quand l'tat de vitesse de vent est m > n, alors
Pm,m-1 < Pm,m+1 (la probabilit de transition d'un tat m un tat (m-1) est infrieure la probabilit
de transition de m (m+1)).
75
Par exemple, pour ERSA, en septembre, la vitesse de vent moyenne est de 6.06 m/.s (soit un
tat n = 6), alors pour les tats infrieurs cette classe, la probabilit de transition vers un tat
infrieur est plus leve que la probabilit de transition vers un tat suprieur, par exemple,
P3,4 < P3,2. Pour les tats au-dessus de cette classe 6, la probabilit de transition vers un tat infrieur
est plus faible que la probabilit de transition vers un tat suprieur, par exemple, P8,7 < P8,9. Ceci
implique qu'il est plus probable que la vitesse de vent augmente si elle est au-dessus de sa valeur
moyenne sur la priode, autrement il est plus probable quelle diminue
Les probabilits limites d'un tat peuvent tre interprtes comme la proportion du temps
durant laquelle le systme est dans une catgorie spcifie de vitesse de vent. Ainsi, il est possible
de comparer les rsultats obtenus au modle de chane de Markov, l'histogramme de vitesse de
vent. Pour les 3 stations, les valeurs des lments de la matrice de transition Pn = Ql, sont
station (Figure 1.44).
0,14
Values of the Elements of the Limiting Transition
Matrix
reprsentes en fonction des probabilits marginales relles, pour tous les mois et pour chaque
0,12
Correlation Coefficent = 0.9991
0,1
0,08
0,06
0,04
0,02
0
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
Figure 1.44 - Elments de Matrice de Transition Limite en fonction des Probabilits marginales relles.
Nous notons une bonne concordance entre les deux valeurs. L'ergodicit de chaque matrice est
vrifie, ce qui est confirme par le coefficient de corrlation (CC) entre les deux sries (CC =
0,9991). Ainsi, le comportement des probabilits marginales relles de la vitesse de vent est
correctement reproduit.
76
Comme le soulignent Moon et al. (1994), il est galement important deffectuer les tests
supplmentaires sur les MTP. Cette approche a t dveloppe dans le paragraphe concernant
lusage de ces matrices pour la modlisation du rayonnement solaire global. Il sagit du test sur les
proprits dindpendance des tats successifs () et le test de stationnarit et dhomognit. Les
rsultats obtenus montrent que quels que soient la station et le mois, est toujours suprieur au 2
pour un premierr ordre, ainsi que pour un deuxime ordre.
Markov d'ordre.
Comme nous effectuons une analyse sur trois stations rparties sur la Corse, il est galement
intressant danalyser les proprits dhomognit spatiale des chaines de Markov. Si les
proprits de chane de Markov pour des vnements successifs en diffrents endroits sont
homognes alors la statistique dfinie comme
S m
Pij ( s)
= 2 nij ( s) ln
s i, j
Pij
(1.21)
est distribue comme un 2 avec (S-1)m (m-1) degrs de libert, o S est le nombre de stations.
Si < 2 (5 %, DL), alors le processus est htrogne dans un intervalle de confiance de 5%.
Les valeurs de , un niveau de confiance de 5%, nous permettent de considrer que les
proprits des chanes de Markov de la vitesse de vent sont spatialement htrognes, mme pour
des sites distants de moins de 20 km (Figari et Pertusato), montrant ainsi que les rgimes de vent
sont totalement diffrents dun site lautre sur la Corse.
Aprs avoir prsent ces deux modles stochastiques et les avoir appliqus sur 3 stations
mtorologiques en Corse, nous nous sommes intresss leur comparaison dans loptique de
gnration synthtique de donnes.
77
1.7.4
Simulation
A partir des modles prsents, nous avons la possibilit de gnrer des vitesses de vent. Il nous
a paru intressant et important de valider ces deux processus par une analyse des vitesses de vent
produites afin de dterminer le modle le plus apte gnrer des sries de vents synthtiques les
proches des sries relle. Plusieurs paramtres permettent une quantification de l'quivalence entre
les vents produits et les rels. Nous en avons choisi quatre qui sont : la moyenne, l'cart type,
l'histogramme et les fonctions dautocorrlation (FAC).
Chacun de ces modles a t employ pour produire une anne de rfrence des donnes
considres ; il peut galement tre utilis pour prvoir la vitesse de vent. Selon un algorithme
utilisant les diffrents paramtres prcdents du processus AR, et avec un gnrateur de bruit blanc,
nous avons reconstitu un profil mensuel de vitesse de vent (le processus gnral a t prsent lors
de la construction de donnes synthtiques du rayonnement solaire global chap 1.4.2.).
Le modle de chane de Markov pour la vitesse de vent donne les bases pour une simulation
pouvant produire des sries chronologiques de vitesse de vent (Kaminsky et al, 1990a). Le procd
a t prsent pour le rayonnement global chap 1.6.2.
A partir de ces deux mthodes, nous avons simul des vitesses horaires pour les trois sites. Afin
de vrifier le processus AR(2) et la validit du modle de Markov, le comportement statistique de
ces sries chronologiques simules a t compar, pour chaque mois, aux sries.
Lanalyse
comparative est valide par un calcul derreurs (Erreur Quadratique Moyenne Relative- EQMR) et
des coefficients de corrlation (CC) et sont prsentes dans le Tableau 1.9.
ARMA
Markov
Vitesse du vent
Moyenne mensuelle
Dviation standard
CC
EQMR
CC
EQMR
0,984
3,05 %
0,965
5,23 %
0,982
3,51 %
0,966
4,70 %
78
Les cart-types mensuels, pour les sries synthtiques sont galement trs proches de ceux des
sries relles. L'erreur entre les valeurs relles et simules est trs faible. Ceci prcise le fait que les
deux modles peuvent reproduire correctement les caractristiques statistiques moyennes des
donnes relles de vitesse de vent.
Une comparaison entre les coefficients d'autocorrlation du second degr permet de faire
apparatre dautres rsultats. Les coefficients dautocorrlation dordre 2 des donnes relles et
celles donnes par les deux modles sont relativement faibles, en revanche, ce nest pas le cas pour
les EQMR. On note une grande diffrence avec une meilleure reprsentativit pour le modle
AR(2). Dans ce cas, au niveau des FAC, on peut considrer que le processus AR(2) permet de
mieux reproduire cet aspect dans les sries simules.
Nous avons galement compar les probabilits annuelles des vitesses de vent (sries relles et
sries simules par les deux processus) pour chaque station. Une reprsentation en est donne sur la
Figure 1.45 pour la station de Figari. Nous pouvons noter que les distributions des valeurs simules
partir du modle de chane de Markov sont plus proches de celles issues des donnes mesures
(EQMR = 10% et CC = 0,99) que celles lies au modle autorgressif.
Les sries relles de vitesse de vent sont corrles sur une plus longue priode que celles
produites par les chanes de Markov, et elles contiennent plus d'information que le modle
markovien du premier ordre. Toutefois ce modle conserve les mmes distributions de probabilit
que celle issue des donnes mesures, alors que ce nest pas le cas du modle autorgressif.
79
Probability Distributions
0.14
0.12
0.1
Real Data
0.08
0.02
0
0
10 11 12 13 14 15 16 17 18 19 20 21 22 23
Une comparaison entre les donnes exprimentales et simules a prouv qu'il est possible de
produire des donnes synthtiques conservant de manire satisfaisante les caractristiques
statistiques des donnes relles. De cette manire, nous pouvons produire une anne synthtique qui
peut servir donc d anne de rfrence . Les simulateurs que nous avons crs, simulent
correctement les profils mensuels de la vitesse de vent. Avec cependant quelques diffrences lies
la nature intrinsque des deux modles : FAC bien conserves pour le processus AR(2), distribution
de probabilits bien reproduites pour le processus de Markov.
1.7.5
Conclusion
Les modles tudis permettent une simulation simple des profils mensuels de vitesse de vent,
donnant une bonne approximation du vrai phnomne. En accord avec les comparaisons entre les
donnes simules et relles, les modles prsents seraient suffisants pour un gestionnaire de rseau
lectrique qui doit assurer la gestion et le contrle de fermes oliennes installes sur son rseau
lectrique.
Les mthodologies dcrites s'avrent assez flexibles pour modliser les principales
caractristiques principales des vitesses de vent et suffisamment prcises pour des applications lies
aux oliennes. Deux des avantages principaux de l'approche autorgressive sont qu'elle peut tre
facilement adapte aux donnes de diffrents emplacements et qu'elle n'assume aucune distribution
de probabilit pour les donnes. Quand un modle appropri est trouv pour la vitesse de vent, des
prvisions ou une fonction de se produire peuvent tre programmes avec le codage trs petit et tre
intgres dans n'importe quel logiciel d'ordinateur consacr la planification ou au fonctionnement
80
Cependant, les phnomnes non correctement reproduits nous ont conduits prendre dautres
voies, qui semblent adapts pour la prvision court et moyen terme de cette ressource nergtique.
1.8
ralisations de processus temporel tels que les vitesses de vent et dvelopper la notion de
multifractalit sur cette variable mtorologique. Ce travail a t soumis publication dans Physical
Soit U (t) une ralisation dun processus temporel (mesure de la vitesse du vent), lincrment
de U (t) lchelle (chelle laquelle on observe le phnomne) et au temps t0 scrit :
U (t 0 ) = U (t 0 + ) U (t 0 )
(1.22)
( U ) q
= C q q = M q ,
(1.23)
o, le moment dordre n de la variable alatoire U tire avec une densit de probabilit (pdf) P(U)
est :
U q = U q P(U )dU
(1.24)
Un processus temporel est monofractal quand le spectre q est une fonction linaire de lordre
q, q = qH et H est alors appel le coefficient de Hurst du processus (son calcul tant complexe nous
ne le dvelopperons pas). Ces coefficients sont utiliss pour quantifier les corrlations sur de
longues priodes en turbulence.
alatoire {U(t), t 0} est dit auto-similaire dindice H si pour = 1 > 0 (rapport de deux
2
chelles distinctes) on a :
U (t ) =
H U (t )
(1.25)
U (t ) . Le graphe de U(t) est invariant vis--vis des oprations de dilatation concernes. Lorsquon
passe aux densits de probabilits associes aux incrments U on a la relation :
P ( X , ) = H P H X ,
(1.26)
Les processus monofractals constituent une vaste classe de processus alatoires (tels que le
mouvement Brownien) permettant de dcrire fidlement et diverses chelles les processus rels au
comportement erratique. Cependant, ils ne permettent pas de modliser certains processus issus des
domaines de la finance, de la turbulence, de la gologie, ou bien encore de lhydromtrie. Dans ces
domaines, on observe des proprits multifractales des sries temporelles.
Un processus temporel est appel multifractal si le spectre dfini dans lquation (1.23) est une
fonction non linaire de q. Dans ce cas, la forme fonctionnelle des lois de probabilits des variations
du champ (ou des incrments) dpend explicitement de lchelle considre (voir ci-dessous). Le
comportement multifractal ne peut avoir lieu quen de ou au-del dune chelle caractristique L.
Cette non-linarit peut sexpliquer comme une variation temporelle de lexposant de Hurst dun
point lautre. Mathmatiquement cet exposant de Hurst local sappelle exposant de Hlder. Plus
82
prcisment, on appelle exposant de Hlder au point t0 du signal la quantit h(t0) dfinie par le
comportement local en loi de puissance :
U (t ) h(t 0 ) pour 0
(1.27)
( U (t )) q
= (qh D (h ))
(1.28)
Un simple argument de type mthode du col , quand 0 permet alors de voir que les
exposants D(h) et q sont relis par la relation suivante (transformation de Legendre) :
q = min{qh D(h )}
(1.29)
On peut galement interprter la non linarit du spectre comme une dformation des densits
de probabilits des incrments P ( U ) au fur et mesure que lon descend dans les chelles.
Dans le cas multifractal on sait que la pdf change de forme lorsquon change dchelle (Figure
1.46).
0,25
U (m/s)
0
Probabilits
-10
-8
-6
-4
-2
10
-1
0,2
-2
-3
taux = 1 heure
taux = 10 heures
taux = 4 jours
taux = 1 minute
taux = 7 minutes
0,15
0,1
-4
-5
-6
-7
0,05
taux = 1 heure
taux = 10 heures
taux = 4 jours
taux = 1 minute
taux = 7 minutes
-8
-9
0
-10
-8
-6
-4
-2
log(P)
10
-10
U (m/s)
(a)
(b)
Figures 1.46 - densits de probabilits (a) et logarithme (b) des pdf des incrments des vitesses de vent U (t) pour des
valeurs de diffrentes.
Le vent par nature est un phnomne turbulent. Sa vitesse varie de manire compltement
erratique sur diffrentes chelles de temps allant de lordre de lanne celui de la seconde. Selon
les chelles considres, les phnomnes physiques mis en jeu sont diffrents. Une modlisation du
signal de vent toute chelle est donc une question pertinente.
83
Si lon observe le signal vent sur une priode de un mois ou sur une dure plus courte, on peut
noter quil prsente les mmes caractristiques (Figure 1.47). On constate donc que ce processus
temporel possde une proprit fractale : lauto-similarit. Il y a invariance dchelle.
20
16
18
14
16
12
14
12
10
10
6
4
4
2
2
0
0
1
1501
3001
4501
6001
7501
9001 10501 12001 13501 15001 16501 18001 19501 21001 22501 24001 25501 27001 28501 30001 31501
1501
3001
4501
6001
7501
9001
Temps (minute)
Temps (minute)
Figure 1.47 Reprsentation des Vitesses de vent sur des chelles de temps diffrentes
Nos chantillons correspondent des enregistrements stalant sur des priodes allant de 4 ans
30 ans avec un pas dchantillonnage de 1 minute 3 heures, selon les sries. A des fins de
comparaison et de confirmation de nos observations, nous avons aussi tudi des sries horaires
enregistres sur diffrents sites en Corse, Ile de la Runion et en Hollande
Lanalyse de la puissance spectrale est un des outils les plus communs pour lanalyse des
fonctions alatoires et est souvent reprsentes dans lanalyse des vitesses de vent. Depuis les
travaux de Van Der Hoven (1957) il est bien admis que lallure du spectre des vitesses de vent
possde 2 rgimes spars par zone faible nergie le spectral gap situe des frquences
voisines de quelques minutes. Ce gap spare le rgime micro-chelle (rgime turbulent) du rgime
mso-chelle (Figure 1.48).
Figure 1.48 - Spectre de puissance des sries de vent en reprsentation doublement logarithmique
La Figure 1.48 reprsente la puissance spectrale, P(k) des signaux de vitesse qui donnent la
rpartition de l nergie en fonction de la gamme de frquence considre. Quelle que soit la
84
srie considre, on observe clairement un rgime de dcroissance en loi de puissance qui stend
entre des chelles de temps allant de quelques minutes (ou quelques dizaines de minutes
lchantillonnage de la srie considre) et 4 - 5 jours. Pour des chelles de temps suprieures 5
jours, le spectre est plat ce qui signifie que du point de vue spectral, le signal de vitesse ressemble,
ces chelles, un bruit blanc sans structure. Les chelles de temps de quelques minutes et en de
correspondent aux grandes chelles de la turbulence atmosphrique classique.
Ce rgime de loi de puissance est semblable justement au rgime bien connu de la turbulence
dveloppe de la cascade de Kolmogorov selon laquelle P(k) k-5/3. Dans notre cas nous trouvons
que lexposant est lgrement plus faible et est proche de -3/2. Lexistence dune cascade
dnergie analogue la cascade de Kolmogorov dans une gamme mso-chelles si elle ne
repose sur aucune approche thorique, est une hypothse qui a dj t aborde par de nombreux
Afin daller plus loin dans la mise en vidence dun tel processus nous avons analys les
donnes avec les mmes outils et mthodes que ceux usuellement employs dans ltude de la
turbulence pleinement dveloppe. Ces mthodes reposent sur la notion de cascade multiplicative
initialement propose par Kolmogorov et Obhukov (Frisch, 1995). Les modles de cascades sont
lobjet de nombreuses tudes mathmatiques et conduisent la notion dintermittence ou de
multifractalit. Nous avons vrifi la non-linarit de la fonction q dans le domaine mso-chelle et
montr quun modle de cascade alatoire log-normale permet de dcrire correctement nos
observations (Figure 1.49).
Figure 1.49 - Scaling des moments des variations de vitesse du vent Vignola en fonction de lchelle. La
reprsentation est doublement logarithmique et les moments dordre 1,2,3,4 et 5 sont reprsents.
85
Les modles de cascades alatoires peuvent intuitivement se comprendre comme des processus
construits multiplicativement sur un arbre : lnergie dun gros tourbillon se fractionne
alatoirement vers des tourbillons plus petits qui se fractionnent leur tour et ainsi de suite. Si lon
admet que lnergie une chelle donne est relie lamplitude des variations de vitesse cette
chelle, alors on peut montrer que la description prcdente conduit une structure particulire (dite
ultramtrique) de la corrlation des logarithmes de ces amplitudes. Mathmatiquement cela signifie
que la corrlation des amplitudes des variations de vitesse dcroit logarithmiquement en fonction de
la distance spatiale ou temporelle considre. Nous avons montr que sur toutes les sries de
vitesses cette loi de dcroissance logarithmique particulire aux modles de cascades est non
seulement bien vrifie mais identique, quelle que soit la srie considre (Figure 1.50).
Figure 1.50 - Covariance des logarithmes des amplitudes des variations de vitesse de vent pour 3 sries enregistres en
Corse et en Hollande
Pour conclure, notre tude a permis de mettre en vidence beaucoup de similarits entre les
rgimes de vents haute frquences bien dcrits par une turbulence 3D homogne isotrope et les
rgimes mso-chelles qui semblent eux aussi faire intervenir un phnomne de cascade. Au
niveau des perspectives, dun point de vue physique, il sagira de comprendre lorigine dune telle
cascade, les valeurs de ses paramtres (chelle dinjection, valeurs des exposants,). Sur le plan
des applications, notre objectif est de mettre en uvre des modles empiriques, similaires ceux
proposs pour la turbulence classique, afin de mieux paramtrer les proprits statistiques du champ
de vitesse ces chelles, de faire des prvisions court et moyen terme. On espre ainsi par
exemple fournir par ce type de modle une meilleure caractrisation des distributions de vitesse que
celle donne par les lois de Weibull. Cette approche est dun intrt certain dans lexploitation de la
ressource vent par des fermes oliennes.
86
1.9
SYNTHESE ET CONCLUSION.
La connaissance des variations de lintrant nergtique solaire et olien tant du point de vue
spatial que temporel est indispensable pour dvelopper des systmes dont le dimensionnement et la
configuration influeront de manire significative sur leurs performances et par l mme sur leur
limite de concurrence par rapport dautres moyens de production dnergie.
Au cours de ce chapitre, nous avons mis en vidence plusieurs reprises la grande variabilit
spatiale de lirradiation solaire et olienne mme entre des sites distants que de quelques kilomtres.
En ce qui concerne le rayonnement solaire, pour rsoudre en partie ce problme, nous avons fait
appel aux images fournies par le satellite Mtosat qui nous ont permis de calculer avec une
prcision assez satisfaisante les irradiations solaires globales sur des surfaces horizontales.
Enfin, un gnrateur alatoire de ces mmes donnes a t mis en place et pourra tre utilis en
tant quentre dans notre simulateur de comportement des systmes photovoltaques et de fermes
oliennes.
Lapproche stochastique dveloppe dans les diffrents travaux de recherches est complte
aujourdhui par une analyse multifractale, et semble tre une voie prometteuse par sa capacit
dvelopper des modles prdictifs.
87
Le chapitre quatre concerne plus particulirement les systmes photovoltaques. Les travaux
dvelopps ont pour thme lutilisation de systmes photovoltaques pour relever les tensions en
bout de ligne basse tension, la modlisation et lanalyse des performances dun systme
photovoltaque install au laboratoire.
Le chapitre cinq est consacr aux systmes multi-sources afin dalimenter des sites isols et la
transposition de ces tudes lassociation du stockage aux nergies renouvelables connectes au
rseau lectrique.
2.1
En tout premier lieu, nous avons dress le bilan nergtique lectrique de la Corse et montr
partir dune tude sur le potentiel de sites dimplantation et sur les cots de production dnergie
que, dans ce contexte dindpendance nergtique particulier, les systmes oliens pouvaient tre
concurrentiels vis--vis des autres sources conventionnelles existantes sur le territoire, confortant
ainsi lintrt et lutilit des projets qui ont t dvelopps dans le cadre du programme EOLE2005.
Nous ne parlerons ici que de la Corse, car lessentiel de nos travaux de recherches ont t appliqus
cette le.
89
2.1.1
Station de
conversion AC/DC
Station de
conversion DC/AC
Station de
conversion DC/AC
Ersa
1,49%
SACOI
9,55%
Micro-hydraulique
(13 centrales)
3,95%
Vazzio
(Ajaccio)
30,55%
Sampolo
(Fiumorbo)
7,45%
Thermique Diesel
Hydraulique
Eolien
Cble
ENR = 32,98%
Calacuccia
(Golo )
10,50%
Tolla
(Prunelli)
7,64%
Lucciana
(Bastia)
12,60%
TAC
Lucciana
(Bastia)
14,32%
90
220000
200000
1434,17 GWh
1500,20 GWh
1519,70 GWh
180000
160000
140000
120000
100000
80000
60000
40000
20000
0
01/98 07/98 01/99 07/99 01/00 07/00 01/01 07/01 01/02 07/02 01/03 07/03
Figure 2.3 - Production dnergie lectrique sur six annes (1998 2003).
THERMIQUE
3 (8 x 20 + 6 x 11 + 3 x 25)
301 MW
HYDRAULIQUE
3 barrages + 7 centrales
134 MW
Micro-Hydraulique
13
20,7 MW
SACOI
Cble DC
50 MW
EOLIENNES
3 Fermes
18 MW
485 MW
38,7 MW
PUISSANCE TOTALE
INSTALLEE
523,7 MW
91
Une des caractristiques de la production dnergie lectrique (Figure 2.3) est un premier pic en
hiver et un second en t (Juin, Juillet, Aot et Septembre) du fait de limportant flux touristique
durant cette priode (1770000 touristes en 1997 pour une population locale de 258000 habitants).
Selon les mois, la part du thermique et de lhydraulique dans la production dlectricit nest pas la
mme ; durant lt, la part de lhydraulique est faible et la plus grande partie de la production
provient du thermique (Tableau 2.2). Chaque source a des contraintes spcifiques (fonction de la
saison et des besoins en lectricit). Lnergie olienne na fait son apparition en Corse quen
Septembre 2000.
Thermique
Hydraulique
SACOI
Eolien
Sur lanne
55,25%
23,46%
20,44%
0,86%
En t (Juin - Septembre)
69,31%
8,78%
21,47%
0,44%
Tableau 2.2 - Part dans la production dlectricit des diverses sources (1998- 2003)
Compare aux autres rgions europennes, la Corse se situe une bonne place dun point de
vue de sa production dlectricit par sources renouvelables dnergie (Eurostat, 2005). La part de
ces dernires est suprieure la moyenne europenne. Le Portugal, la Finlande, la Turquie, la
Slovnie, la Lettonie, la Sude, lAutriche, lIslande et la Norvge utilisent plus dnergies
renouvelables dans leur production dlectricit.
92
2003
6,5%
20,3%
19,8%
53,4%
6,8%
2002
20,3%
200
19,8%
400
53,1%
600
800
1000
1200
1400
1600
A titre dexemple, durant le rude hiver 2004, la tension a chut au-dessous de 198 V. La qualit
de llectricit fournie au consommateur est mauvaise. Une manire de lamliorer est daugmenter
linertie du systme et dinterconnecter la Corse et la Sardaigne dont le rseau lectrique est huit
fois plus puissant que celui de la Corse.
93
50.2
Frquence (Hz)
50.1
50
49.9
49.8
49.7
49.6
1
21
41
61
81 101 121 141 161 181 201 221 241 261 281 301 321 341 361 381 401 421 441 461 481 501
Minute
Figure 2.7 - Variation de la frquence sur le rseau sur la journe (26 Janvier 2001).
Selon EDF, ces contraintes dues la petitesse du rseau obligent limiter la puissance unitaire
dun groupe de production 25 % de la puissance moyenne appele sous peine de fragiliser le
systme lors de la perte ventuelle dun groupe et conduisent galement limiter en temps rel la
puissance olienne livre sur le rseau 30% au maximum de la puissance appele. Limplantation
dolienne sur un tel rseau ne peut se faire sans tenir compte des effets suivants. En premier lieu,
une baisse simultane du vent sur toute lle peut faire chuter brutalement la production dnergie
olienne et implique de disposer de marges de puissance disponibles rapidement mobilisables. En
second lieu, les machines synchronisation sont trs vulnrables aux creux de tension rsultant par
exemple dun dfaut sur un ouvrage. Les autres moyens traditionnels diesel, hydraulique
doivent donc permettre de conserver des marges de puissance utilises en cas de problme. En
troisime lieu, les oliennes ne participent pas au rglage de la tension, laquelle est une quantit
physique devant tre constamment surveille et pouvant faire sauter le systme en cas de chute
rapide. Dautres moyens doivent l encore tre sollicits.
Dans les annes venir, la Collectivit Territoriale de Corse sera contrainte de lancer des
appels doffres europens pour construire les nouveaux quipements ncessaires ; mais devant cette
situation fortement dficitaire, la mise en concurrence ne devrait pas trop inquiter EDF.
2.1.3
Dans ce contexte, il nous parat important et capital de parler de lincident nergtique vcu en
Corse entre Fvrier et Mars 2005, qui a acclr le processus de choix nergtique fait par la CTC
depuis. Un problme dapprovisionnement en fuel pour les centrales thermiques a oblig EDF a
utiliser plus et plus tt que prvu lhydrolectricit. Dbut 2005, le froid qui sest install sur la
94
Corse fin fvrier (priode exceptionnelle) a induit une forte consommation dlectricit et les
moyens hydrauliques ne pouvant plus produire, de nombreux dlestages ont eu lieu sur toute lle
(10 jours de dlestage). La chronologie des problmes rencontrs est synthtise dans le Tableau 2.4
(Leteurtrois, 2005).
base qui ntaient pas en mesure de faire face une vague de froid exceptionnelle.
Consommation
estime
(MWh)
9106
Dlestage
(MWh)
28 Fvrier
Energie
livre
(MWh)
8530
576
Pointe du
Soir
(MW)
382
Pointe du soir
estime
(MW)
442
Puissance
coupe
(MW)
60
1 Mars
8371
8967
596
380
440
60
2 Mars
8011
8830
819
352
432
80
3 Mars
7691
8941
1250
374
454
80
4 Mars
7403
8459
1056
368
428
60
5 Mars
7071
7974
903
341
421
80
6 Mars
7122
7479
357
349
409
60
7 Mars
7349
8349
1000
365
445
80
8 Mars
7354
8153
799
346
426
80
9 Mars
7207
7677
470
330
410
80
10 Mars
7578
7600
22
336
396
60
Tableau 2.4 - Energie livre et Pointe du soir durant la crise nergtique de Mars 2005
La notion de puissance garantie est donc bien relative car mme la puissance fournie par les
centrales thermiques nest pas garantie si le carburant narrive pas. Il est donc temps de se
proccuper de lavenir nergtique de lle et de lavenir proche.
2.1.4
En 1999, la pointe de puissance appele sur le rseau a t de 351 MW pour une puissance
garantie disponible de 400 MW, soit une marge de seulement 50 MW. En 2005, la puissance
appele a dpass les 410 MW (Figure 2.9).
95
La courbe de charge est caractrise par (Barlier, 2000) : en hiver, de 200 350 MW ; en
automne et printemps, de 80 150 MW ; en t de 120 350 MW. Si nous comparons les profils de
charge, nous constatons quen France (RTE, 2005) la charge maximale est obtenue entre 10 et 14
heures alors quen Corse elle est atteinte entre 19 et 20 heures (Figure 2.9). De plus, contrairement
ce qui se passe en France continentale, la consommation est plus importante en t quen automneprintemps cause de la prsence dun important flux touristique.
450
400
29/01/2005
08/05/2005
11/08/2005
300
250
200
150
100
23:00
22:00
21:00
20:00
19:00
18:00
17:00
16:00
15:00
14:00
13:00
12:00
11:00
10:00
09:00
08:00
07:00
06:00
05:00
04:00
03:00
02:00
01:00
50
00:00
Puissane en MW
350
Heures
EDF estime une croissance de la pointe appele de 3 % par an (Barlier, 2000). De 1999 2003,
la croissance moyenne a t de 2,7 %. Les prvisions ralises par RTE (2003) sont issues dune
analyse sectorielle sur lindustrie, le rsidentiel et le tertiaire. Elles tiennent compte des efforts
engags par les diffrents partenaires dans la matrise de la demande dlectricit, ainsi que des
actions spcifiques de promotion du chauffage au gaz en ville, et au fioul en milieu rural, en
remplacement du chauffage lectrique. La conclusion est quen 2005 et 2010 la puissance pointe
sera respectivement de 406 (cette estimation correspondant bien la pointe atteinte le 29 janvier
2005 Figure 2.9) et 494 MW. De nouveaux quipements seront alors ncessaires pour rpondre
la demande. Les moyens de production actuels deviennent vieux : les centrales thermiques ont t
mises en service entre 1981 et 1988 pour le Vazzio et entre 1973 et 1978 pour Lucciana. Cette
dernire devait tre arrte dans les annes 1993-1995 mais elle fonctionne toujours.
En 1993, 806 GWh ont t consomms en Corse, 73 % pour des besoins domestiques et 27 %
pour des besoins industriels induisant ainsi une production de 1063 GWh (en incluant les pertes sur
le rseau de distribution) ; en 1998, la production est passe 1433 GWh, cest--dire une
96
croissance annuelle moyenne de 12,2 % par an sur la priode 1993-1998. En 2015, INESTENE
(1996) envisage une augmentation de 2,2 % par an de la consommation. Pour sa part, EDF estime
une croissance de lordre de 3,2 % par an entre 1999 et 2010 (contre 7 % dans les annes 80). Selon
RTE (2003) la production dnergie en 2005 et 2010 devrait tre de 1887 et 2129 GWh.
Les deux centrales thermiques devraient fonctionner jusquen 2012. Une solution consiste dans
leur transformation en un cycle combin au gaz. En fait, un projet de gazoduc algrien est en cours
dinstruction pour connecter lAlgrie lItalie via la Sardaigne (1550 km) et il pourrait passer par
la Corse situe seulement 14 km des cotes sardes.
- le rseau interconnect est de lordre de 2000 MW ce qui permet une meilleure raction aux
perturbations;
- une amlioration de la qualit avec une tension et frquence plus stable ;
- une diminution du nombre de dlestages ;
- la puissance produite par des systmes sources renouvelables dnergie (olien et
hydraulique sans retenue) fluctuent normment avec les variations mtorologiques et
laugmentation de la taille du rseau permet daccrotre le nombre de ces systmes sur le rseau.
Le dveloppement de lolien est li aux limites techniques du rseau. Lnergie olienne est
par nature alatoire. Autrement dit, dans les petits systmes particulirement ractifs aux
perturbations et bnficiant de peu dinertie lectrique comme en Corse, il est indispensable de
limiter limplantation de lolien 30 % (Monlobou, 2002) de la puissance dgage tout moment
de lanne, sachant que la courbe de charge subit en Corse des variations significatives. Dans ces
conditions, seuls 50 MW oliens sont susceptibles dtre actuellement installs. Enfin,
lacceptabilit sociale du dveloppement de lolien prend toute son importance dans les les,
lesquelles se caractrisent par une sensibilit esthtique et environnementale aigu qui pse sur le
choix des projets. Dans ce domaine, nous avons contribu llaboration dune mthode danalyse
multicritre pour la mise en place dune gouvernance participative locale dintgration doliennes
[6.7.2.15].
97
Dans cette perspective, les initiatives des oprateurs doivent renforcer la crdibilit de lolien,
et la comprhension de ses caractristiques par la population. Cette limite dintgration pourrait
rapidement atteindre 100 MW aprs la ralisation de linterconnexion avec la Sardaigne. Les sites
dimplantation des oliennes (installes et en projet) se doivent tre bien dissmins sur le territoire
ce qui entrane dune part, un avantage lectrique car ces fermes seront soumises diffrents
rgimes de vent induisant ainsi une meilleure rgularit de la production en moyenne et dautre part
un avantage environnemental et social avec un plus faible impact visuel.
Les nergies renouvelables dans le bilan nergtique, via lamnagement du Rizzanese (barrage
de 50 MW) et les oliennes, devraient reprsenter prs de 40 % de la production dlectricit, cest
l une ambition raisonne lhorizon 2010 et de nature faire de la Corse une vitrine des nergies
renouvelables. Une telle volution permettrait en outre de limiter les impacts environnementaux
associs lexploitation des quipements thermiques existants. En effet, tout en restant pour lheure
le moyen de production de base en Corse, les centrales thermiques pourraient tre dautant moins
sollicites que dautres sources de production seront en mesure dapporter une nergie
complmentaire (globalement leur part passerait de 50 % en 2000 45 % en 2010).
2.1.5
Conclusion.
Le dveloppement des nergies renouvelables dans lle semble acquis pour peu quil se fasse
en concertation avec la population concerne (Oberti, 2004). La prise de conscience relative
lenvironnement reste trs forte en Corse mais le dbat sur lnergie sest engag dans une certaine
confusion. Il faudra que tous les acteurs de ce dveloppement nergtique informent et
convainquent la population et que celle-ci, souvent touche par le syndrome NIMBY not in my
back yard comprenne les liens entre les enjeux de la moindre dpendance nergtique et le
dveloppement conomique de lle. Enfin, cette problmatique ne se limite pas la Corse. Elle
concerne tous les territoires insulaires travers le monde et doit tre apprhende spcifiquement.
Rien quen Europe, les les sont au nombre de 300 et reprsentent 13 millions dhabitants, soit une
population plus importante que celle de certains Etats europens.
98
2.2
Nous avons donc orient nos activits de recherches sur ltude des systmes photovoltaques
et des fermes oliennes en intgration dans le rseau lectrique avec toute la problmatique que
nous avons souleve. Nous avons voulu montrer simplement lanalogie existant entre des systmes
raccords rseau de type photovoltaque et olien. Sur la Figure 2.12, la puissance produite par un
systme photovoltaque raccord au rseau en fonction de lclairement solaire et celle produite par
1,1
Puissance sortie du systme/Puissance
nominale du systme
0,9
0,8
0,7
Systme PV
0,6
0,5
0,4
0,3
0,2
0,1
0
0
0,2
0,4
0,6
Eclairement solaire/1000
Vitesse du vent/20
0,8
Ainsi, il doit tre possible dtendre les mthodes utilises pour les systmes photovoltaques
aux systmes oliens. On dtermine la productivit dun systme en couplant la distribution
statistique du paramtre mtorologique utile cest--dire clairement solaire ou vitesse du vent
(Figure 2.13) la courbe de puissance du systme nergtique comme lillustre la Figure 2.14.
12,00%
Eclairement solaire global
Vitesse du vent 10 m
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95 1,00
Eclairement solaire/1000 (W/m)
Vitesse du vent/20 (m/s)
Figure 2.13 Distribution statistique de lclairement solaire et de le vitesse du vent sur le site de Vignola
SYSTEME PV
ECLAIREMENT SOLAIRE
SYSTEME EOLIEN
VENT
It
Distribution statistique de
lclairement solaire global
P
(kW)
P
(%)
P
(kW)
P
(%)
Vdmarrage
Vpuissance nominale
Vcoupure
It
It
PRODUCTION DENERGIE
PRODUCTION DENERGIE
E
(kWh
)
E
(kWh
)
It,m
Vm
Figure 2.14 Illustration dune analogie entre les deux types de systme.
Nous allons donc pouvoir appliquer les diffrentes mthodologies de manire identique aux
systmes photovoltaque et olien.
100
2.3
Le problme que nous avons tudi est particulirement sensible dans le cas de rseaux isols,
comme celui des rseaux lectriques insulaires, non connects sur le rseau de distribution
dlectricit continentale. Pour une compagnie dlectricit, la fiabilit des systmes de production
mixte (sources conventionnelles + renouvelables) doit rpondre aux mmes critres techniques que
ceux des systmes conventionnels. Or, le fait dutiliser une source alatoire peut engendrer des
perturbations dont limportance dpend dune part des caractristiques du rseau et dautre part du
taux dinsertion des systmes nergtiques utilisant des sources renouvelables dnergie (i.e. rapport
entre la puissance SER installe et la puissance totale installe sur le rseau). Un taux dinsertion
lev dans un rseau lectrique implique des problmes dus principalement :
- au caractre alatoire de la production des systmes source dnergie renouvelable (sans
stockage), entranant la ncessit dun contrle optimum des composantes conventionnelles du
rseau - dispatching ;
- la faible probabilit de couplage temporel entre la charge appele et la production du
systme nergtique source non conventionnelle , o la production peut dpasser les besoins.
lintgration de SER sur le rseau afin de pallier le dficit hydraulique et de rduire ainsi la
production lectrique dorigine thermique en priode estivale. Nous considrerons donc la charge
appele sur les mois de Juin, Juillet et Aot.
2.3.1
En ce qui concerne le SER, les transitions dun tat de capacit i : PSER(i) un autre sont
supposes tre instantanes et arrivent nimporte quel moment. La puissance fournie peut
correspondre la puissance nominale PSER(nom) durant une certaine priode et peut changer
brutalement une valeur plus basse (capacit partielle), ce changement est d une variation de la
ressource nergtique, ou peut chuter 0 si elle est trop faible. La capacit peut donc varier dun
tat correspondant la puissance nominale PSER(nom) un tat correspondant une puissance
disponible nulle PSER(j) = 0. Il y a NSER tats possibles de puissance de la ferme disponible.
Les arrts de fonctionnement dus aux pannes et la maintenance des installations SER pouvant
rduire la puissance fournie ne sont pas pris en compte et dans ce cas la disponibilit technique du
SER est de 100 %. Un tat de puissance partielle sera suppos d uniquement la variation de la
ressource. Le modle de Markov propos pour les SER est reprsent sur la Figure 2.15.
Etat 1
plein
ds12
us1N
Etat 1
Marche
us21
Etat 2
partiel
usN2
ds1N
us21 rparation
ds12 panne
Etat 2
Arrt
ds2N
Etat N
zro
Figure 2.15 Modle de Markov N tats pour le SER et 2 tats pour les systmes conventionnels.
103
Pour obtenir ces tats i, on calcule la probabilit de prsence Ai , les taux de monte US SER (i )
(et de descente DS SER (i ) ) vers un tat suprieur (respectivement infrieur).
ASER (i ) =
(2.1)
Le modle de Markov permet de caractriser les transitions dun tat de capacit un autre.
Alors, on dfinit le taux de dpart dun tat i vers un tat k comme :
ik =
(2.2)
Et les taux de descente et de monte de ltat i sont exprims par les relations :
DS SER (i ) = ik et US SER (i ) = ik
k >i
k <i
(2.3)
(2.4)
104
Etat
Disponibilit
Punit(1) = Pnominale
Aunit(1) = 0,988
Punit(2) = 0
Aunit(2) = 0,012
Etat
Disponibilit
Pimport(1) = Pnominale
Aimport(1) = 0,97
Pimport(2) = 0
Aimport(2) = 0,03
Le processus de dfaillance est reprsent par un taux de pannes : descente de ltat 1 vers
ltat 2 : DS1,2 ; le taux de monte US2,1 de ltat 2 vers ltat 1 reprsente le processus de rparation
pannes/heure
rparations/heure
Ensuite, laide de la mthode dcrite ci-aprs, les diffrentes units avec leurs diffrentes
capacits et disponibilits des tats sont combines successivement lune aprs lautre. Cette tape
aboutit un ensemble Ntrad tats possibles de puissance disponible pour les moyens de production
classique - Ptrad(j) et Atrad(j).
On obtient ainsi une srie dtats de puissance : de ltat E(1), qui reprsente ltat de puissance
maximale disponible sur le rseau par les moyens classiques (thermiques) ltat E(Ntrad), qui
reprsente ltat de puissance nulle.
(2.5)
(2.6)
i, j
o i et j varient en tenant compte de toutes les combinaisons possibles donnant la condition (2.5).
105
Lorsque lon combine tous les moteurs (soit 307 MW), on arrive un taux darrt global des
units thermiques de 18%, comme lindique Leteurtrois (2005).
On combine ensuite ce modle dcrivant les units de production traditionnelles avec le modle
dcrivant les imports et enfin le SER (capacits PSER(i), ASER(i), i variant entre 1 et NSER). Nous
obtenons ainsi un ensemble de paramtres caractrisant la puissance disponible sur le rseau
lectrique, incluant moyens traditionnels et SER. Ce modle est dcrit par un nombre total dtats
Ntotal de puissance Ptotal(r) associe leur probabilit Atotal(r).
Pour chaque systme combin, le taux dintgration est dfini comme le rapport entre la
puissance installe du SER et la puissance installe totale.
(2.7)
On dfinit galement le taux de couverture, comme tant le rapport entre la puissance nominale
du SER et la puissance maximale appele sur la priode dtude.
taux de couverture =
(2.8)
Le modle probabiliste est bas sur la puissance pointe appele au cours de la journe sur la
priode dtude. Pour tudier linfluence de la charge pointe, nous ferons varier celle-ci en
pourcentage de la capacit installe (de 30 % 100 %).
ETAT
1: 100%
2: 90%
3 : 80%
4 : 70%
5 : 60%
6 : 50%
7 : 40%
8 : 30%
Probabilit
Ai
0,00159
0,02355
0,11855
0,22011
0,20584
0,20697
0,15783
0,07224
ds
heure-1
1,71430
0,69230
0,39676
0,23663
0,29153
0,21991
0,10904
0
us
heure1
0
0,15385
0,14575
0,20165
0,25303
0,28993
0,28838
0,23824
F
heure-1
0,00273
0,01900
0,06069
0,09647
0,11209
0,10552
0,06273
0,01721
T
heure
366,3000
52,6316
16,4777
10,3659
8,9214
9,4769
15,9413
58,1058
(2.9)
(2.10)
P ,Ch
A chaque tat de marge, la probabilit cumule correspondante est calcule (Ringle et Wood,
1969). Ds que la Marge est ngative, le rseau nassure plus la charge, il y a alors rupture de
charge. En accord avec Milligan et Parsons (1997), Perez et al. (1988 ; 1989) et Wenger et al.
(1994) nous avons suppos que la probabilit de perte de charge ne pouvait pas tre infrieure
0,0003. Ce taux correspond une probabilit de 1 jour de pannes (dfaillance) tous les 10 ans.
Ainsi, la limite dintgration de SER est donne par la premire marge ngative dont la probabilit
cumule est infrieure ou gale cette valeur.
A partir de cette thorie, nous avons ainsi pu analyser lintgration de systmes photovoltaques
et oliens sur le rseau lectrique Corse.
2.3.2
A partir de 20 ans de donnes dirradiations solaires globales horaires nous avons simul la
puissance en sortie de centrale photovoltaque dune puissance crte variant de 20 120 MWc. Les
tats du modle de Markov dcrivant la centrale photovoltaque sont dfinis par pas de 1 MW
Nous avons donc calcul sur la priode estivale les risques de rupture de charge pour diffrents
taux dinsertion de systmes PV et diffrentes charges maximales (Tableau 2.6). Les zones grises
correspondent des valeurs ne rpondant pas au critre de fiabilit (> 0,6624) et en gras italique, les
valeurs pour une charge de 80% de la puissance totale installe qui correspond la puissance
maximale appele en t.
107
Pour une charge maximale appele de 80 % de la capacit installe, le taux dinsertion limite
est de lordre de 15 % correspondant une puissance installe PV de 60 MWc et un taux de
Taux dinsertion
20 MW
30 MW
40 MW
50 MW
60 MW
70 MW
80 MW
90 MW
5,31 %
7,75 %
10,08 %
12,29 %
14,39 %
16,39 %
18,31 %
20,13 %
Quel que soit le mois, une centrale PV de 60 MWc ne crera aucune perturbation sur le rseau,
de plus la probabilit de perte de charge reste toujours infrieure la limite choisie dans notre tude.
2.3.3
Cette dmarche a t galement transpose pour calculer le taux dinsertion dun parc olien
sur le rseau. Cette analyse porte sur 4 stations mtorologiques : Pertusato, Ersa, Figari et Ajaccio
dont les situations gographiques ont t prsentes sur la Figure 2.16.
Corsica
Ersa
7,31 m/s
1 cm = 10 km
Altitude
0-500 m
Ile Rousse
500-1500 m
5,25 m/s
Bastia
1500-2000 m
3,32 m/s
> 2000 m
San
Giuliano
4,39 m/s
Ajaccio
2,84 m/s
Figari
5,28 m/s
Pertusato
8,21 m/s
Le site dinstallation de la ferme a t choisi par rapport une analyse nergtique base sur
lnergie produite par diffrents type de turbines oliennes et repris dans le paragraphe 2.3.3.1. Il
sest avr que, quelle que soit la turbine, le site le plus productible tait celui de Pertusato. Nous
108
avons donc fait lhypothse que la ferme olienne tait positionne sur ce site. Lintgration dune
ferme olienne de 50 MW 200 MW a donc t tudie. Le nombre dtats du modle de Markov
Taux dinsertion
70 MW
80 MW
90 MW
100 MW
110 MW
120 MW
130 MW
140 MW
16,4 %
18,3 %
20,1 %
21,9 %
23,6 %
25,2 %
26,7 %
28,2 %
50
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
Les zones ombres dans le Tableau 2.7 correspondent des valeurs de la PPC (Probabilit de
Perte de Charge) ou RRC (Risque de Rupture de Charge) qui ne rpondent pas au critre de fiabilit
(i.e. 0,0003). Pour une charge pointe de 80 % de la capacit totale installe, le taux dintgration
limite pour une ferme olienne implante Pertusato et raccorde au rseau est de 24 % soit une
puissance installe de 110 MW correspondant un taux de couverture de 38%. Cette limite est
quasiment identique quel que soit le site tudi ( lexception dAjaccio dont le potentiel olien est
incompatible avec linstallation dune ferme) comme le montre le Tableau 2.8.
Vitesse du vent
Taux dinsertion
Moyenne annuelle
Pertusato
8,3 m/s
23,5 % (110 MW)
Ersa
7,96 m/s
22,5 % (105 MW)
Figari
5,24 m/s
22,5 % (105 MW)
Ajaccio
2,84 m/s
17% (70 MW)
En considrant linstallation dune ferme olienne de 110 MW Pertusato, nous avons analys
sa production mensuelle et les consquences qui en dcoulent sur la fourniture dlectricit sur lle
(Figure 5.17) Pendant les mois de Juin, Juillet, Aot et Septembre, la production nergtique dune
ferme olienne de 110 MW situe Pertusato est denviron 190 GWh, tandis que la production
hydraulique sur la mme priode est de lordre de 31 GWh. Dans ce cas, en termes de production
dnergie globale, la centrale olienne permet d conomiser la totalit de lnergie hydraulique
109
et vite lutilisation dune partie de lnergie provenant des installations thermiques. Nous
observons donc un gain important pour la priode estivale (Juin, Juillet, Aot, Septembre). La
ferme olienne permet dconomiser la totalit de lnergie hydraulique durant 7 mois
70
60
50
40
30
GWh
20
10
0
-10
-20
-30
Jan.
Fv.
Mars
Avril
Mai
Juin
Juil.
Aot
Sept.
Oct.
Nov.
Dc.
Une des raisons invoques lors des installations oliennes concerne la protection de
lenvironnement. L'nergie olienne permet d'viter la pollution par mission de CO2 parce que
chaque kWh produit par une olienne remplace un kWh gnr par un autre moyen. Comme nous
avons pu le constater sur la Figure 2.17, lnergie olienne peut tre utilise afin de diffrer
lnergie hydraulique pendant lanne, et elle permet aussi de diminuer lutilisation de lnergie
thermique.
dnergie, et en supposant une simple rgression entre les kWh produits par une centrale thermique
et les missions correspondantes (Frankl et al., 2000) et dans lhypothse o lnergie produite par
la ferme olienne permet dviter lutilisation des centrales thermiques, nous pouvons conclure que
linsertion dune ferme olienne dans la limite de 110 MW, permettrait dviter lmission
denviron de 250 3850 kTonne par an de CO2, ainsi que de 5 7 kTonne de SO2 dans lanne.
Il serait important par la suite de raliser une tude conomique qui prendrait non seulement en
compte lnergie produite, les cots dinstallation, de fonctionnement et dexploitation, mais,
galement, cette notion dmission vite de gaz et dy inclure les externalits.
donnes de vent savoir Ersa, Pertusato, Figari et Ile Rousse (Figure 2.16). Les caractristiques de
ces sites calcules sur une priode de 1960 1990 sont prsentes sur la Figure 2.18.
14
FIGARI
PERTUSATO
ILE ROUSSE
ERSA
v = 5,28 m/s
v = 8,21 m/s
v = 5,25 m/s
v = 7,31 m/s
12
10
Frquence (%)
8
6
4
39,5
35,5
31,5
27,5
23,5
19,5
15,5
7,5
11,5
3,5
40,5
36,5
32,5
28,5
24,5
20,5
16,5
8,5
12,5
4,5
0,5
37,5
33,5
29,5
25,5
21,5
17,5
9,5
13,5
5,5
1,5
20,5
16,5
8,5
12,5
4,5
0,5
doliennes sur quatre sites pour lesquels nous disposions de sries temporelles importantes de
Figure 2.18 Distributions de vitesses du vent sur les quatre sites dtude.
Calculer le cot de production lectrique en ne considrant que les cots d'une seule olienne
n'est pas raliste. Nous avons donc tudi linfluence de la taille de la ferme et de la puissance des
oliennes utilises sur le cot de production du kWh. Pour lvaluation des cots d'infrastructure,
nous avons tenu compte :
-
d'lments lis au nombre doliennes comme les routes d'accs aux oliennes, les
installations lectriques, les terrassements et les fondations ;
111
d'lments indpendants comme l'accs la ferme, les btiments et dautres postes tels que
la diffusion du projet, les imprvus, etc
Les prix des oliennes sans transformateur ont t obtenus grce un catalogue dit par
WINKRA-Recom (G) (Gluck, 1998). Pour l'valuation des cots dexploitation et de maintenance
de la ferme, nous avons tenu compte :
-
de la main-duvre ;
de la location de grues ;
et d'autres cots indirects tels que la location du terrain, les impts et l'assurance.
0,065
6 m/s
7,5 m/s
9 m/s
5 MW
10 MW
50 MW
0,06
0,085
0,075
0,055
0,065
0,05
0,055
0,045
Nous avons dvelopp en dtail chacun de ces aspects partir de nombreuses tudes et de
0,045
0,04
0,035
0,025
0,035
300
350
400
450
500
550
600
650
700
750
800
850
Puissance nominale des machines (kW)
900
950
1000
1050
1100
Figure 2.19. Variation du cot selon la puissance de la machine, le potentiel du site et la taille de la ferme.
Il apparat que le cot minimum est obtenu pour des machines de puissance nominale variant
entre 750 et 850 kW. De plus, il est vident que celui-ci diminue avec la taille de la ferme. En effet,
certains cots de l'infrastructure tels que les routes, les fondations, le cblage lectrique et les sousstations lectriques locales pour les oliennes augmentent en proportion avec la taille de la ferme.
Cependant les cots lis au btiment de contrle, la connexion au rseau et la matrise duvre
112
sont moins dpendants du nombre de machines et permettent donc une conomie d'chelle pour les
grandes fermes. Toutefois, cette rduction dinvestissement devient quasi nulle partir de 20 MW
et cest davantage grce la rduction des frais dexploitation et de maintenance que les cots de
production diminuent.
Pour prolonger cette tude, nous avons choisi quatre oliennes de 750 kW installes en ferme
de 10 machines : Windmaster 750, Largewey 45, Seewind 52 et 62 (ces deux dernires se
diffrencient par la hauteur de leur moyeu). Le facteur de capacit reprsente les performances de
la machine, il correspond au rapport de lnergie produite par lolienne sur sa production
puissance nominale sur la mme priode. Les rsultats des diffrentes simulations sont prsents sur
la Figure 2.20.
Windmaster
Lagerwey
Seewind 52
Seewind 62
45
0,08
40
0,07
35
0,06
30
25
Energie
Cot du kWh ()
50
0,05
Facteur de
capacit
20
0,04
15
10
0,03
ILE ROUSSE
FIGARI
ERSA
PERTUSATO
Compar aux autres systmes de production dnergie, le cot du kWh olien est comptitif
puisque ces machines produisent entre 0,03 et 0,08 /kWh soit moindre cot que les installations
diesel (entre 0,091 et 0,11 /kWh), beaucoup moins que les turbines gaz (entre 1,03 2,40 /kWh)
et du mme ordre de grandeur que les quipements hydrauliques (entre 0,03 et 0,11 /kWh). Le
cot du kWh en provenance du cble SACOI est de lordre de 0,029 /kWh.
Le potentiel olien en Corse a t identifi 433 MW (EDF, 2002 ; Istria, 2000 ; Lynge, 2000)
pour une moyenne annuelle de vitesse de vent suprieure 7 m/s. Sur cette base, le potentiel
conomiquement viable est de 100 MW valeur trs proche de celle dtermine lors de notre tude
de linsertion de moyens de production oliens sur lle.
113
2.3.4
Conclusion
Dans cette tude nous avons dmontr que pour un rseau lectrique caractre insulaire tel
que celui de la Corse (non raccord au rseau de distribution dlectricit du continent) le taux de
pntration olien est denviron 24 % (de linstallation de puissance thermique et import) soit
110 MW ; et de 15 % (60 MWc) pour le photovoltaque. Cette limite semble tre la valeur
maximale que le rseau Corse puisse supporter. Ces rsultats sont bass sur une approche
stochastique de chaine de Markov (une analyse en sensibilit sur le nombre dtats ne modifie pas
ces chiffres).
De plus, la production photovoltaque et surtout olienne favorise le fait de pallier les moyens
hydrauliques pendant la priode la plus dfavorable pour cette ressource, cest--dire durant la
priode estivale. Ceci permet dconomiser les ressources thermiques (classiques) dont lutilisation
induit des influences nfastes sur la sant de lhomme (gaz : CO2 et SO2).
En outre, cette tude souligne limportance des effets micro-climatiques et donc du processus
de slection des sites, non seulement de la production totale dnergie, mais aussi au niveau de la
disponibilit de cette nergie en fonction des besoins.
2.4
lanalyse dun systme photovoltaque install au laboratoire et un usage bien spcifique de ces
systmes, le relev de chute de tension en bout de ligne Basse Tension (BT).
2.4.1
DC
AC
Irradiance [kWh/m]
200
150
150
100
100
50
50
20
05
20
04
20
03
0
20
02
250
20
01
Sur lensemble de la priode tudie, on dispose du rayonnement global, mesur par des
Anne
Figure 2.22 - Evolution des valeurs nergtiques annuelles de la productivit globale
115
PV =
Pm
S
(2.11)
Dans la littrature (Cirillo et Lazzarin, 1988 ; Macagnan et Lorenzo, 1992 ; Notton, 1992 ;
Siegel et al., 1981) la formule la plus couramment utilise, en fonction de la temprature de
rfrence Trf = 25C, la temprature de jonction Tj, et le coefficient de temprature , est :
)]
(2.12)
(2.13)
perte est le rendement estim li aux pertes au sien du champ (cbles, diodes ; ).
18
16
Rendement (%)
14
12
10
8
6
4
2
0
07:00 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00
Temps
Rendement Littrature
Figure 2.23 - Evolution du rendement du champ au cours dune journe (10 Mai 2004)
Nous avons trac le rendement modlis par lquation (2.12) afin de le comparer aux donnes
mesures. On constate quen dbut de journe la temprature de surface est relativement basse
(< 14 C), alors que le soir, elle reste encore leve (> 20 C). Elle est fortement corrle
lirradiation solaire, et on observe un phnomne dinertie thermique au sein du capteur. En milieu
de journe lirradiation atteint son maximum (environ 700 W/m) ainsi que la temprature des
modules (> 40 C) (Figure 2.2.4), le rendement atteint alors une valeur minimale (12 %).
700
50.00
45.00
600
40.00
35.00
30.00
400
300
25.00
20.00
15.00
200
10.00
100
5.00
0
0.00
Figure 2.24 - Evolution du rendement du champ au cours dune journe (10 Mai 2004)
117
Temprature (C)
500
07
:0
0
09
:3
0
12
:0
0
14
:3
0
17
:0
0
19
:3
0
22
:0
0
00
:3
0
03
:0
0
05
:3
0
08
:0
0
10
:3
0
13
:0
0
15
:3
0
18
:0
0
20
:3
0
23
:0
0
01
:3
0
04
:0
0
06
:3
0
09
:0
0
11
:3
0
14
:0
0
16
:3
0
19
:0
0
Rendement Exprimental
Aprs cette analyse sur le champ photovoltaque, nous nous sommes intresss au couplage
entre le champ photovoltaque et londuleur. Nous avons recherch dimensionner la puissance
crte de champ donne pour une puissance donne de londuleur. Ceci revient dterminer le
rapport Pnom onduleur P PV qui conduit une production maximale d'nergie du systme global
sur une priode donne. Pour ce faire, nous avons simul le fonctionnement du systme sur une
priode suffisamment longue et avons calcul pour londuleur SM Sunny boy lnergie produite par
le systme.
p=
Psortie
(2.14)
Pnom onduleur
Psortie
Le rendement de londuleur DC / AC est dfini par : DC / AC =
, de plus la
Psortie PV
puissance perdue lors de la conversion dans londuleur est : Pperte = Psortie PV Psortie . Or,
Schmid et Schmidt (1991) ont montr que :
p perte =
Pperte
Pnom onduleur
= p 0 + kp 2
(2.15)
p 0 est une constante indpendante de la puissance appele et relative aux pertes vide, k est une
constante lie aux pertes rsistives de londuleur. Il dcoule des quations prcdentes que :
DC /
AC =
(2.16)
p + p0 + kp
118
les constantes p 0 et k sont des caractristiques de londuleur et peuvent tre obtenues partir des
rendements 10% et 100% de charge 10 et 100 par :
p0 =
1 10
1
9
99 10 100
k=
et
100
p0 1
(2.17)
Londuleur est de type limitant cest--dire que la puissance de sortie Psortie ne peut excder
p =1
p = 0
Psortie PV
kp 2 + p + p 0
Pnom onduleur
p 1
Psortie PV
si
p0
Pnom onduleur
si
= 0
si
(2.18)
p0 < p < 1
Il est donc possible de dterminer chaque instant la valeur de la puissance en sortie londuleur
et de calculer pour chaque rapport Pnom onduleur P PV la production du systme ainsi que le
rendement nergtique moyen de londuleur.
P
700
installe du champ photovoltaque, Tener = nom ond =
, rapport qui conduit un
P PV
P PV
rendement nergtique maximal calcul sur la priode de simulation, pour chacun des couples
(PPV, Pnom-ond = 700) par :
E sortie ,ac
(2.19)
E sortie , PV dc
Sur la Figure 2.25, nous avons reprsent ce rendement nergtique en fonction du ratio Tner.
On peut observer que la configuration actuelle (850 Wc 700 W) est proche la configuration
optimale nergtique. Celle-ci est de 680 Wc 700 W (soit 8 modules au lieu des 10 installs). La
diffrence entre ces deux configurations est due des considrations techniques. Comme nous
lavons dit, lautre paramtre prendre en considration est la tension de fonctionnement.
Londuleur fonctionne dans une gamme de tension fixe en entre (comprise entre 125 V et 250 V),
celle-ci dpend du nombre de modules en srie. Installer moins de 10 modules induit une tension
continue trop faible pour cet onduleur.
119
93
Rendement [%]
92
Configuration optimale
thorique du systme PV:
680 WC - 700 W AC
91
90
Configuration prsente
du systme PV:
850 WC - 700 W AC
89
88
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
PNOM-onduleur/PPV
Cependant, cette configuration est proche de loptimum nergtique 91,8 % contre 92,2 %.
Lnergie perdue sur la priode dtude est relativement faible, moins de 3 %.
Anne
kWh/m2
Energie produite
DC
AC
kWh
kWh
Nombre dheures
h/an
2001
1918,1
744,4
681,8
3293,4
2002
1869,0
796,8
725,3
4061,5
2003
1955,9
821,7
747,9
4274,3
2004
1852,1
1018,8
930,4
4210,8
2005
1895,0
1019,4
931,7
3973,2
YF =
P PV
[kWh/kWc]
(2.20)
E PV
,
P PV
YA =
[kWh/kWc]
(2.21)
YR =
HT
,
GCTS
[kWh/kWc]
(2.22)
[kWh/kWc]
(2.23)
[kWh/kWc]
(2.24)
[sans dimension]
(2.25)
Y
PR = F ,
YR
Nous prsenterons ici en dtail uniquement ce dernier paramtre. Il mesure l'effet global des
pertes sur le rendement valu, dues au cblage, aux coupures et arrts de londuleur, des pertes
qui apparaissent au moment de conversion du courant AC en courant DC, la temprature des
modules mais aussi au temps de panne du systme et lencrassement des modules. En raison des
pertes dues la temprature des modules de PV, les valeurs de PR sont plus leves en hiver qu'en
121
t et se situent dans lintervalle 0,60 0,80. Des valeurs annuelles dcroissantes peuvent indiquer
une baisse permanente de la performance du systme. Le PR est donc une estimation de toutes les
pertes qui distingue le systme rel du systme sans perte thorique, capable de produire une
nergie lectrique gale YR. Il traduit les diffrentes pertes et sa valeur thorique est estime
0,78. Nous pouvons fixer la valeur thorique du PR 70 % ce qui est tout fait raliste pour le
systme install.
production dnergie lectrique fonctionne normalement avec des valeurs comprises entre 96 99
%. De telles valeurs peuvent tre attendues sur notre site.
Dans le Tableau 2.10, nous pouvons noter que pour les trois premires annes
dexprimentation, le PR est beaucoup plus faible que prvu. De telles valeurs montrent un
fonctionnement dfaillant de linstallation. La faible production dnergie lectrique provient des
problmes de fiabilit du systme, du rendement de champ et en particulier du rendement de
londuleur. En effet, nous devrions obtenir une fiabilit proche de 95%, alors que les valeurs
obtenues sont de lordre de 60 70 %. Ceci met en avant des problmes de fonctionnement du
systme.
Paramtres du systme
2001
2002
2003
Energie de rfrence YR
kWh/kWc
1934,5
1861,5 2007,5
Energie du champ YA
kWh/kWc
876
949
949
Energie du systme YF
kWh/kWc
803
839,5
876
Pertes diverses LC
kWh/kWc
1022
912,5
1058,5
Pertes du systme LS
kWh/kWc
73
73
73
Rapport de Performance PR
kWh
kWh.an
0,42
0,46
0,44
Fiabilit
69,6
65,8
61,8
kWh
681,8
725,3
747,9
Rendement du champ 0
6,9
7,6
7,2
91,3
91,0
91,0
2002
2001
12
Ls
10
0,7
0,6
PR
0,5
h/d
0,3
0,6
PR
0,4
0,7
Lc
10
Yf
Yf
0,8
Ls
Lc
8
h/d
12
0,8
0,5
0,4
0,3
0,2
0,2
2
0,1
0
Jan
Feb Mar
Jul
0,1
0
Jan
Nov Dec
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
2003
12
0,8
Ls
0,7
Lc
10
Yf
h/d
0,6
PR
0,5
0,4
0,3
0,2
2
0,1
0
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug Sep
Oct
Nov Dec
Une analyse fine des acquisitions a permis de montrer que dans tous les cas, la grande partie
des problmes rencontrs est lie des erreurs de fonctionnement de londuleur : plus de 60 % sont
dus une variation dimpdance trop importante, plus de 30 % sur des problmes de MPP, et
environ 10 % lis des problmes de frquence. A titre dexemple, nous prsentons deux journes
typiques du mode de fonctionnement du systme. Une journe, o les dfauts ont t quasiment
inexistants et une autre prsentant un nombre considrable darrt, li limpdance de la ligne
lectrique (Figures 2.27 et 2.28).
E
produite dbut
(kWh)
mes.
4,10
6:13
Fin mes.
20:55
ray
Rendement
()
imp. ()
(Hz)
f (Hz)
(V)
Urs (V)
d'erreur
(W/m2)
(%)
0,397
0,081
49,98
0,0057
232,17
1,33
3,17%
6760,5
10,8
123
Pac et rayonnement
1
1400
1200
Pac (W)
1000
ray (W/m2)
0,9
0,8
0,7
800
0,6
600
0,5
0,4
400
0,3
20:27
19:26
18:25
17:24
16:23
15:22
14:21
13:20
12:19
11:18
9:16
10:17
8:15
6:13
7:14
20:41
19:39
18:37
17:35
16:33
15:31
14:29
13:27
12:25
11:23
9:19
10:21
8:17
0,1
7:15
0,2
0
6:13
200
(kWh)
mes.
1,70
6:13
Fin mes.
20:53
Rendement
imp. ()
(Hz)
f (Hz)
(V)
Urs (V)
d'erreur
(W/m2)
(%)
0,773
0,629
50,05
1,9517
231,21
7,89
69,81%
7050,5
4,3
Pac et rayonnement
1,6
1400
1200
Pac (W)
1,4
1000
ray (W/m2)
1,2
800
600
0,8
0,6
400
0,4
200
0,2
20:27
19:26
18:25
17:24
16:23
15:22
14:21
13:20
12:19
11:18
9:16
8:15
6:13
7:14
20:41
19:39
18:37
17:35
16:33
15:31
14:29
13:27
12:25
11:23
10:21
9:19
8:17
7:15
0
6:13
ray
()
10:17
Lanalyse des performances du systme pour les trois premires annes de fonctionnement a
montr de faon vidente que le mode de fonctionnement spcifique de londuleur nest pas
compatible avec les paramtres fluctuants du rseau insulaire. Lnergie perdue ou non-injecte
dans le rseau est de 30,4 % en 2001 et de 38 % en 2003. Loptimisation des paramtres
oprationnels de londuleur doit tre effectue pour maximiser la productivit globale du systme
PV malgr les conditions de fonctionnement du rseau lectrique.
Lobjectif est davoir une priode dtude suffisamment longue pour observer et analyser
lincidence de chacune des modifications sur la performance du systme.
Paramtres du systme
2004
2005
Energie de rfrence YR
kWh/kWc
1861,5
1898
Energie de champ YA
kWh/kWc
1204,5
1204,5
Energie de systme YF
kWh/kWc
1095
1095
Pertes diverses LC
kWh/kWc
657
693,5
Pertes de systme LS
kWh/kWc
109,5
109,5
Rapport de Performance PR
kWh
kWh.an
0,59
0,58
Fiabilit
87,2
88,0
kWh
930,4
931,7
Rendement de champ 0
9,8
9,6
91,3
91,4
2005
2004
12
12
0,8
0,7
10
0,8
0,7
10
0,6
0,6
8
Ls
Yf
PR
Ls
0,5
Lc
0,4
h/d
h/d
Yf
PR
0,3
4
2
0
0
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug Sep
Oct
0,3
0,1
0,1
0,4
0,2
0,2
2
0,5
Lc
6
0
Jan
Nov Dec
125
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
2006
12
0,8
0,7
10
Ls
Lc
h/d
Yf
0,6
0,5
PR
0,4
0,3
0,2
2
0,1
0
Jan
Feb
Mar
Apr
Tout au long de lanne 2004, la valeur du PR varie. Elle atteint son niveau le plus bas au mois
de fvrier, mois qui prcde la premire modification des paramtres de londuleur. La valeur
moyenne du taux derreurs pour les deux premiers mois de lanne est gale 33 %. Aprs une
seconde modification de la sensibilit en impdance, la valeur moyenne du taux derreurs pour les
mois suivants a chut 9 % (moins de 0,5 % reprsentent des erreurs causes par les variations
dimpdance du rseau lectrique). Les erreurs engendres par la fluctuation de la frquence du
rseau doivent maintenant tre diminues.
En 2005, la performance du systme est en nette hausse par rapport aux annes prcdentes.
Les diffrentes pertes ont galement diminues. Le taux derreur moyen est de 13 % dont de 0,1 %
dus aux variations dimpdance. La diminution de performance du systme vient exclusivement des
problmes de frquence du rseau lectrique qui dconnectent londuleur. Le mois de fvrier est le
plus significatif.
Le diagramme mensuel des paramtres pour les quatre premiers mois de lanne 2006 montre
une performance, dj trs proche du comportement dun systme PV typique. Le PR a une valeur
moyenne de 0,67 et le taux derreur est de 4 %. Aprs la modification des plages de frquence
autorises, nous avons mesur un PR de 0,68 et un taux derreurs de 3 %. Dans ce cas prcis, les
erreurs reprsentent limpossibilit pour londuleur de trouver le MPP (certainement en raison de
linstabilit du rseau).
Avant la modification, la valeur annuelle de lnergie injecte dans le rseau lectrique tait
gale 718 kWh. Ds 2004, cette valeur a augment de 30 % pour atteindre plus de 930 kWh en
2004 et 2005. La fiabilit du systme pour chaque anne dexprimentation a augment (70 % en
2001, plus de 87 en 2004 et 2005). Celle-ci a augment de faon importante partir du moment o
les paramtres de fonctionnement de londuleur ont t optimiss.
126
Au cours des annes 2004 et 2005, les priodes derreurs occasionnes par des variations de
frquence du rseau ont limit la fiabilit du systme. En avril 2006, nous avons modifi une fois de
plus les paramtres de londuleur. La fiabilit du systme a alors atteint 97 %, valeur normale pour
ce type dinstallation.
Les pertes dnergie lectrique pour chaque anne dexploitation ont t traces sur la Figure
2.30. Une diminution trs nette apparat en 2004 suite aux premires modifications.
50
38,2
40
34,2
30,4
30
%
20
12,8
12,0
2004
2005
10
0
2001
2002
2003
Anne
Le rapport de performance PR na cess daugmenter durant ces annes. Son augmentation est
nette mais reste cependant en de des valeurs que lon devrait trouver. Le PR a une valeur
moyenne de 0,44 de 2001 2003. La modification des paramtres apparat clairement, le PR
augmente jusqu atteindre 0,59 en 2004 (0,42 en 2001). Nous avons obtenu au mois davril 2006,
une valeur de PR de 0,68 qui reprsente la meilleure performance du systme sur toute la priode
dtude. Ce rsultat montre que les diverses modifications ont considrablement amlior la
performance du systme malgr linstabilit du rseau lectrique Corse.
Nous venons de prsenter ltude des performances du systme PV install sur le toit du
laboratoire et connect au rseau lectrique. Pour cela nous avons utilis les mthodologies
standardises base des coefficients normaliss. Les donnes enregistres sur la priode 2000
2006 toutes les minutes nous ont permis danalyser le comportement de linstallation sur cette
priode. Ces constations nous ont conduit modifier en deux temps les sensibilits en tension, mais
surtout en frquence et en impdance de londuleur. Ds lors, le systme photovoltaque a atteint
des performances (fiabilit, rapport de performance, nombre dheures de fonctionnement )
proches de ce que la thorie prdit, de 900 heures de fonctionnement les trois premires annes, le
systme a dpass les 1100 heures de fonctionnement annuel en 2005.
127
Nous avons montr quil tait indispensable, surtout en milieu insulaire, ou dans des rseaux
non interconnects, de mettre en place des procdures de monitoring afin danalyser linteraction
onduleur-rseau, mais galement rseau-onduleur.
2.4.2
quatre communications.
Une mthodologie visant pallier les chutes de tension sur un bout de ligne choisi a t
labore. En dehors de cette application particulire, celle-ci a t conue afin dtre utilise comme
outil dans la rduction des chutes de tension.
Les compagnies dlectricit doivent maintenir la tension du consommateur dans les plages de
tension autorise (230 V, -10% +6%.). Lorsque la tension du client est insuffisante en raison des
chutes, le gestionnaire du rseau lectrique a plusieurs alternatives :
trononn en segments ou diples sur lesquels se rpartissent les clients. Ces diples sont de
longueur et de caractristiques lectriques diffrentes. Pour connatre la chute de tension du dernier
usager qui se trouve sur le diple n, il suffit donc deffectuer le cumul des chutes de tension qui
apparaissent sur les diples 1 n. La chute de tension horaire cumule relative (%) du diple n, est
gale (Beyer et al., 1995 ; Thornycroft, 1997) :
U
5 (R + X tg ) n
= 1 + 10
(Pi Li )
U
U n
i =1
(2.26)
129
la disponibilit de la surface en toiture des habitations fournit un espace libre pour installer
les modules.
130
En Corse, on dnombre plus de 120 bouts de lignes prsentant des problmes de chutes de
tension. Nous avons opt pour un site dans la rgion dAjaccio en raison des donnes
mtorologiques que nous possdons.
Suivant ces critres prcdents et en accord avec Arribas (1997), nous avons construit un bout
de ligne lectrique comptant 78 habitations rparties sur 8 diples afin dtudier linfluence dune
installation en toiture connecte au rseau sur les chutes de tension. Ce dernier a t bti sur le
modle dun bout de ligne dj existant et se situant dans la rgion dAjaccio sur la commune de
Piscia Rossa, lieu dit Pietraja. Les donnes concernant ce site nous ont t fournies par EDF Corse.
Nous avons obtenu les caractristiques du systme basse tension en sortie du transformateur : la
valeur de la ractance linique et de la rsistance linique de chaque diple composant le bout de
ligne ainsi que leur longueur et linventaire des consommateurs connects au rseau lectrique.
Tous ces paramtres relatifs chaque segment nous ont permis de construire le bout de ligne.
900
t
automne
hiver
printemps
800
700
charge (Wh)
600
500
400
300
200
100
0
2 3
10 11
12 13 14 15
heures
16 17 18
19 20
21 22
23 24
la puissance du gnrateur ;
la puissance de londuleur ;
dans certains cas, la capacit de stockage des batteries.
Il ne sagit pas seulement de configurer le systme de telle faon quil soit capable de satisfaire
un profil de charge dtermin, car un systme surdimensionn peut toujours aboutir une
satisfaction complte de tous les besoins chaque instant de sa dure de vie. Il sagit en fait de
chercher une taille optimale aussi bien sur le plan technique que sur le plan conomique.
132
SYSTEME PV EN TOITURE
SIMULATION DES CHUTES
DE TENSION
Connaissance du profil de
consommation, de lirradiation
solaire et des caractristiques
du bout de ligne
Utilisation des modles de
Simulation de systmes PV
INFINIT DE SOLUTION S
INDUISANT LA RDUCTION
DSIRE DES CHUTES DE
TENSION
CONTRAINTES PHYSCO
TECHNIQUES
Nombre de chutes de tension
autorises fini
NOMBRE FINI DE SOLUTIONS
Sj
CONTRAINTE
CONOMIQUE
Cot du kWh consomm
CONFIGURATION OPTIMALE
DE FONCTIONEMENT (S)
Figure 2.32 - Synopsis de la mthode de dimensionnement
2. La rduction des chutes dans la plage de tension permise mne une infinit de solutions.
3. Nous avons impos des contraintes physicotechniques afin dobtenir un nombre fini de
solutions (taille du systme limite, nombre fini de chutes de tension mensuelles autoris). En effet,
installer chez un particulier une surface de modules de 1000 m est inconcevable.
133
4. Afin de dterminer la configuration optimale de notre systme, nous avons galement impos
des contraintes conomiques. Le cot du kilowattheure consomm qui mne la configuration du
systme la plus favorable a t calcul.
Les caractristiques du bout de ligne ainsi que le profil de charge saisonnier associs la
formule de calcul des chutes de tension (eq. 2.26) nous ont permis de simuler pour chaque segment
les chutes de tension horaires mensuelles. Les normes imposent que les chutes de tension soient
infrieures 10 %. Le calcul des chutes de tension horaires cumules en pourcentages pour le
segment n est alors le suivant :
U
5 (R + X tg ) n '
= 10
Pi Li
U
U n
i =1
n
(2.27)
o Pi' = P j POND , j et POND,j est la puissance de sortie de londuleur (kW) sur le diple j. Si
j =i
U
U
= 0.
Lquation (2.27) illustre clairement que la puissance issue du champ diminue la puissance
devant tre fournie par le rseau et de ce fait les chutes de tension. Daprs les rsultats obtenus, les
chutes de tension apparaissent en dbut de soire ds le diple numro 3. Ce qui correspond un
pourcentage de 72 % de clients non satisfaits. A partir du diple numro 4, les chutes de tension
apparaissent galement en dbut de matine et en milieu de journe et perturbent le confort de 56 %
des usagers.
Il existe plusieurs scnarii dtude possibles. A savoir : toutes les maisons du bout de ligne
peuvent tre quipes ou bien un segment sur deux, voire quelques maisons sur chaque diple. Pour
limiter les cas dtude, il est ncessaire de choisir un nombre fini de stratgies.
Nous avons dcid dquiper uniquement les diples soumis des chutes de tension ainsi que
toutes les habitations situes qui sy trouvent ; ceci pour faciliter les calculs. Nous avons donc opt
pour les cinq stratgies dtude suivantes :
S1 : chaque habitation du diple 4 est quipe avec un systme PV en toiture ;
S2 : toutes les habitations des diples numro 4 et numro 5 sont quipes ;
S3 : les segments 4, 5 et 6 sont totalement quips ;
S4 : les segments 4, 5, 6 et 7 sont quips ;
S5 : les segments 4 8 sont quips.
134
Pour chacune des stratgies et pour diffrentes surfaces, nous avons simul limpact des
systmes photovoltaques sur les chutes de tension. Nous avons ensuite calcul une moyenne
horaire mensuelle des chutes de tension et enfin nous avons analys leur rduction.
Le diple numro 8 est choisi comme diple de rfrence. En effet, si les problmes de chute
de tension sont rsolus sur celui-ci, ils le seront ncessairement sur les diples qui le prcdent.
infrieures 10 % pour des surfaces suprieures 10 m et ce quelle que soit la stratgie, nous ne
pouvons pas dterminer la configuration PV optimale. Les rsultats obtenus montrent que la
stratgie numro 5 semble tre la plus performante car elle permet de rduire considrablement les
chutes de tension.
Il est donc ncessaire dajouter une contrainte physique notre mthodologie afin de
dterminer la configuration optimale. Nous avons alors dtermin les surfaces ncessaires (Tableau
2.12) pour rduire les chutes de tension de telle faon quelles nexcdent pas 10 % pour les heures
suivantes : 11 heures, 12 heures et 13 heures. Les rsultats montrent que la surface attendue pour
annuler les chutes de tension diffre suivant les mois. Le mois de janvier a t choisi comme
rfrence. La configuration qui correspond un nombre de chutes de tension nul nest pas
techniquement envisageable car les surfaces excdent 1000 m, pour chaque maison quels que
soient le diple et la stratgie.
135
heures
stratgie
S1
S2
11 heures
S3
S4
S5
S1
S2
12 heures
S3
S4
S5
S1
S2
13 heures
S3
S4
S5
jan
2975
2310
1520
1240
1100
fv mars
245
190
125
105
90
395 315
302 245
200 160
165 130
145 90
avr
325
255
170
140
125
sept
100
80
50
45
40
oct
145
115
70
60
55
615
480
315
280
230
nov
dc
1545
1320
1100
1050
950
395
305
200
165
145
1385
1255
1150
1005
895
Afin de rduire la surface de capteurs ncessaire la rsolution de notre problme nous avons
choisi de tolrer une cinq chutes de tension par mois pour les heures tudies. On observe sur la
Figure 2.33 une diminution importante de la surface PV quel que soit le nombre de chutes de
tension autorises, ce qui justifie notre hypothse de travail.
180
160
140
120
100
surface (m)
80
60
40
20
1
5
chutes de tension
autorises
dcembre
octobre
novembre
mois
septembre
aot
juillet
3
juin
mai
avril
mars
fvrier
0
janvier
Tableau 2.12 - Surface ncessaire (m) pour annuler les chutes de tension par mois et pour
chacune des stratgies
Figure 2.33 - Surfaces (m) ncessaires pour assurer une diminution des chutes de tension tout au long de lanne en
fonction de la tolrance permise
Pour 5 chutes de tension permises la surface PV est divise par 3. Cependant, comme la
compagnie dlectricit se doit de fournir un courant de qualit au consommateur, nous avons limit
les chutes de tension mensuelles 1 ou 2. Dans ce cas, la stratgie N5 semble la plus approprie
136
car elle offre une gamme de surfaces PV acceptable pour chaque consommateur ; les surfaces
installes en toiture sont de lordre de 40 m et 70 m et sont techniquement envisageables. Le
systme semble donc surdimensionn pour la majeure partie de lanne. Pourtant, il est ncessaire
de raisonner en matire de satisfaction du consommateur et non en termes de puissance installe.
Nous avons dtermin dun point de vue physique les diffrentes configurations du systme
photovoltaque, cest--dire lensemble des surfaces de capteur conduisant une ou deux chutes de
tension mensuelles. Le comportement conomique dun champ PV connect au rseau lectrique
est dcrit par une fonction du cot, dfinie comme un systme dinvestissement sur lnergie
produite tout le long de la dure de vie du systme. Afin de dterminer la surface PV installer, il
est ncessaire de calculer les cots du systme. Une analyse conomique du problme a donc t
mene afin de connatre le cot de revient du kWh produit du systme PV connect en toiture. Le
cot du kWh produit pour chaque stratgie et pour une cinq chutes de tension autorises est donn
sur la figure 2.34. Le Tableau 2.13 regroupe les cots du kWh consomm pour toutes les surfaces
relatives la Figure 2.33.
180 m
2,5
140 m
1,5
95 m
75 m
70 m
0,5
110 m
stratgie 1
85 m
stratgie 2
stratgie 3
stratgies
une
55 m
deux
45 m
stratgie 4
40
stratgie 5
Figure 2.34 - Cot du kWh consomm en fonction de la stratgie et des surfaces qui leur sont associes (m)
Notons que la valeur la plus basse du cot est obtenue pour la stratgie numro 5 et pour des
surfaces de 40 et 70 m. Nous pouvons conclure daprs lanalyse conomique couple lanalyse
technique que la stratgie S5 est la solution envisager.
137
45
60
75
110
180
0,57
0,80
1,04
1,58
2,69
35
45
60
85
140
0,36
0,57
0,80
1,20
2,06
25
30
40
55
95
0,26
0,31
0,49
0,73
1,35
20
25
35
45
75
0,21
0,26
0,36
0,57
1,04
15
20
30
40
70
0,17
0,23
0,31
0,49
0,96
Tableau 2.13 - Calcul du cot du kWh (/kWh) consomm en fonction des surfaces de
modules (m) pour les cinq stratgies
Daprs Imamura (1994), le bnfice rel dune installation photovoltaque connecte au
rseau est sa capacit fournir au rseau lectrique un maximum de surplus nergtique. Il est
cependant plus logique de dimensionner une installation PV de telle faon que la puissance fournie
soit en troite corrlation avec la charge appele. Diffrents travaux (Hasti, 1994, Schmid, 1995 ;
Schoen, 1997) ont montr que, stratgiquement situs, les systmes PV connects au rseau peuvent
fournir dimportants bnfices la compagnie dlectricit en ce qui concerne lamlioration du
transport et de la distribution de llectricit dans le rseau. Ces tudes, bases sur des modles
utilisant des donnes simules, suggrent que ces systmes PV sont susceptibles de rduire les
pertes de ligne.
Cependant, le problme des chutes ne peut tre rsolu uniquement par lintermdiaire du PV
car certaines chutes apparaissent en dehors des heures densoleillement. Le problme persiste en
dbut de matine et en soire. Une solution doit tre envisage pour annuler ces chutes qui
perturbent le confort de lutilisateur. Pour cela deux solutions peuvent tre envisages.
138
Le systme PV peut tre optimis laide dune gestion intelligente de lnergie. En effet,
un kWh consomm par les appareils lectromnagers a une valeur plus importante quun kWh
fourni la compagnie dlectricit. Ceci peut-tre obtenu par un ajustement du profil de
consommation lensoleillement grce une gestion des appareils lectromnagers : le profil de
consommation est modifi en commandant le dmarrage de ces appareils une heure donne. Cest
la solution la moins onreuse mais elle reste contraignante pour lutilisateur car elle loblige
modifier son mode de vie. Nanmoins, au cours des priodes sans ensoleillement les chutes de
tension auront tout de mme lieu.
Lajout daccumulateurs dnergie permet de pallier les chutes de tension tout au long de la
journe quel que soit le temps. Cest la solution que nous avons envisage.
Il est galement intressant, dun point de vue conomique, dintgrer un parc de batteries dans
un systme PV connect au rseau lectrique (Chowdhury, 1990). Dune part, lnergie produite
pour une puissance de sortie du champ faible, qui est infrieure au seuil bas de londuleur, peut
tre stocke et par la suite injecte dans le rseau. Dautre part, si la puissance de sortie du champ
est suprieure la puissance nominale de londuleur, celle-ci peut tre utilise de la mme faon.
Un stockage dnergie peut satisfaire la demande dans la soire ; dautant plus quavec la
disponibilit des batteries (Perello, 1994), il est possible de stocker de grandes quantits dnergie
durant les priodes de faible consommation pour les utiliser pendant les priodes de pics de charge.
La logique de ce schma tourne autour du fait que le tarif de lnergie au cours des intervalles de
faible charge est moins lev et facilement disponible contrairement lnergie ncessaire pendant
les pics de charge quotidiens. Les compagnies dlectricit considrent que le stockage
lectrochimique reprsente un moyen efficace pour niveler la charge (Cruz, 1997 ; Groumpos et
Papageorgiou, 1987) et semble donc tre une option attractive pour celles-ci. Lobjectif de cette
tude est de comparer les cots et les bnfices dun systme en toiture et dun systme PV auquel
on aurait ajout un moyen de stockage.
139
Lobjectif est de dterminer la capacit nominale de la batterie quil faut associer un champ
PV afin dassurer une charge donne. La premire tape consiste dterminer cette charge. Cest la
donne de base du dimensionnement dun systme photovoltaque (cf chapitre 2.5). Le
dimensionnement de la batterie ncessite de rpertorier les priodes de pics de charge et de fixer la
rduction des chutes de tension dsire car lnergie que le systme photovoltaque doit fournir
dpend de celle-ci. La plage de tension autorise par EDF tant de + 6 % / - 10 %, plusieurs scnarii
de rduction peuvent tre envisags. Nous avons fix un seuil gal 9% afin de limiter la capacit
de la batterie (sa taille dpend de la limite atteindre). Pour les mmes raisons que dans le chapitre
prcdent, seul un diple sera quip.
Dautres contraintes doivent tre prises en considration afin dobtenir lnergie satisfaire par
le systme pour rduire les chutes de tension :
La rduction impose des pics de charges doit tre gnralise sur tous les diples soumis
des chutes de tension suprieures 10 % ;
La diminution des chutes de tension doit tre assure tout au long de lanne.
Dans un premier temps, il est donc ncessaire de dterminer le diple sur lequel la rduction
doit avoir lieu. Nous avons huit possibilits qui correspondent au nombre total de segments
comptabiliss sur le bout de ligne tudi. Cependant nous retiendrons uniquement les diples sur
lesquels les chutes de tension sont suprieures 10 % quel que soit le moment de la journe
(diples 4 8).
Dans un second temps, nous devons choisir le diple quiper. Pour des raisons tant
conomiques que techniques et pour limiter les solutions, nous avons choisi de conserver seulement
les capacits de petites tailles. Nous nquiperons donc pas les trois premiers diples car ils ne sont
quasiment pas soumis des contraintes de tension.
140
Comme seules les capacits de petites tailles sont slectionnes, notre choix sest donc port
sur lquipement en systmes photovoltaques des diples 4 et 8 car les quantits dnergie les plus
faibles, soit par habitation soit par diple, leur sont associes quel que soit le mois.
Suite cela, le calcul de la quantit dnergie mensuelle que lon doit apporter pour obtenir une
rduction des chutes est effectu. Nous obtenons un profil de charge journalier fournir lusager
pour lui assurer un confort total selon le diple (Figure 2.35).
1,4
hiver
printemps
t
automne
1,2
1,0
0,8
0,6
0,4
0,2
0,0
11 1 13 14 15 16 17 18 19
heures
22 23 24
Figure 2.35 - Energie saisonnire ncessaire pour abaisser 9 % les chutes de tension qui surviennent sur le diple
numro 5.
La mthode de simulation que nous avons utilise correspond diffrentes mthodes dcrites
dans la littrature (Ambrosone et al., 1985 ; Muselli, 1997) et dvelopps dans les diffrents travaux
de recherches effectus sur les systmes multi-sources alimentant des sites isols prsents dans le
paragraphe 2.5 bases sur un bilan nergtique du systme et sur les quations de continuit
appliques au stockage lectrochimique. Nous dcrirons ces mthodes dans le paragraphe 2.5. La
Figure 2.36 donne les grandes lignes de la mthode de dimensionnement que nous dvelopperons
par la suite.
141
DETERMINATION DE
LENERGIE A SATISFAIRE
POUR ABAISSER A 9% LES
CHUTES DE TENSION
SIMULATION ET
DETERMINATION DES
COUPLES (Si, Ci) REDUISANT
LES CHUTES DE TENSION
SOUS LA LIMITE AUTORISEE
INFINITE DE COUPLES
SOLUTION (Si,Ci) avec i [1 ; +? [
MENANT 0 LA SATISFACTION
TOTALE DU CONSOMMATEUR
CONTRAINTES ECONOMIQUES
Cot du kWh consomm
CONFIGURATION OPTIMALE DE
FONCTIONNEMENT (S, C)
Afin dassurer la charge tout au long de la journe, nous avons donc considr un champ PV
associ un parc de batteries. Nous allons dimensionner le systme par rapport cette charge et
142
dterminer le couple (S, C) (surface de modules PV, capacit nominale de la batterie) optimal, issu
dune optimisation nergtico - conomique. Pour cela, notre mthode a t axe sur deux
hypothses de charge des batteries ou deux stratgies de fonctionnement.
sa capacit nominale, le surplus nergtique est converti en nergie chimique, dans le cas
contraire, lnergie excdentaire est fournie au rseau.
2. Le systme photovoltaque doit assurer la charge pendant les priodes de forte demande. Si
la puissance du champ est infrieure la charge, la batterie assure la consommation si elle
na pas atteint son maximum de dcharge, sinon il y aura chute de tension.
3. Pendant les priodes de charge, si le SOC atteint les 100 %, la puissance PV disponible est
fournie la charge.
Onduleur
Charge
Modules PV
Batterie
Rseau lectrique
de llectricit provenant du rseau est le plus bas. La capacit nominale est alors atteinte et
un nouveau cycle de dcharge peut commencer.
2. Le systme photovoltaque assure la charge pendant les priodes de forte demande. Si cela
nest pas suffisant, la batterie commence son cycle de dcharge.
3. Si le systme PV produit un excdent, celui-ci permet de charger les batteries jusqu leur
capacit nominale. Le surplus nergtique issu du champ PV est quant lui vendu au rseau.
Onduleur
Charge
Modules PV
Redresseur
Batterie
Rseau lectrique
Dimensionner de manire adquate le parc de batteries pour crter les pics de charge chaque
mois quivaut dterminer la taille de la batterie requise pour assurer une partie des pics de charge
les plus importants de lanne. La taille de la batterie va donc dpendre de la rduction du pic de
charge dsire.
144
450
400
350
300
250
200
150
100
50
0
15
20
25
30
35
40
45
50
70
60
Capacits de stockage (kWh)
50
capa/4
40
capa/3
capa/2
30
capa
20
10
0
0
10
15
20
25
On remarque que pour de petites surfaces, la capacit des batteries requise est trop importante.
Par contre, partir dune certaine valeur de la surface de captation, la diminution de la capacit des
accumulateurs devient presque ngligeable. Il est alors inutile daugmenter le nombre de modules
PV. De plus, la limitation du courant de charge (li la surface de captation) par la capacit
faradique du stockage va conduire liminer les couples trs grande surface et petit
stockage.
145
Nous avons pu dterminer lensemble des couples (surface de capteur, stockage dnergie)
conduisant au confort de lusager. Cependant, une telle contrainte mne une infinit de
configurations possibles du systme qui ne sont pas toutes ralisables. Aprs avoir utilis une
mthode physique pour dterminer toutes les configurations possibles du systme PV, lutilisation
de nouvelles contraintes conomiques nous permet de rduire cet ensemble de solutions. Le calcul
du cot du kWh consomm coupl une contrainte de minimisation conduit au systme optimal.
Pour chaque couple (S,C) de la courbe de dimensionnement, nous avons calcul le cot de
lnergie. Les courbes du cot actualis en fonction de la surface de dimensionnement passent par
un minimum, donc par un maximum de rentabilit. Ce point est choisi comme tant le point
optimum de dimensionnement du systme photovoltaque. Les diffrentes valeurs obtenues ont t
reportes dans le Tableau 2.14. Celui-ci regroupe les surfaces de modules, la capacit de stockage
ainsi que le cot du kWh qui correspondent au systme optimal pour chaque stratgie dtude.
C/2
C/3
C/4
44
58
16
23
31
4,14
0,26
0,65
0,93
1,02
Nous remarquons que lajout dun parc de batteries permet dabaisser sous la limite permise les
chutes de tension et mne des surfaces de modules bien infrieures celles dtermines
prcdemment, conduisant un cot du kWh acceptable, en tenant compte du service rendu ,
quest la suppression des chutes de tension
2.4.2.5 Conclusion
A partir dhypothses physiques et conomiques, nous avons tudi le dimensionnement dun
systme photovoltaque avec batteries coupl au rseau lectrique, conduisant une nette
diminution des chutes de tension (< 9 %). Ce travail a port sur deux types de stratgie de
fonctionnement des batteries et sur linfluence des paramtres.
146
Dans un premier cas, seul le systme PV charge les batteries. La configuration optimale, pour
chaque habitation, obtenue pour une minimisation du cot de revient du kWh produit est la
suivante : (S : 44 m ; C : 58 kWh). Cette valeur de capacit correspond prs de 15 jours
dautonomie ce qui est inconcevable. Dans un second cas, PV et rseau rechargent les batteries.
Nous avons obtenu le couple optimal suivant : une surface de 4 m et une capacit de stockage de 8
kWh (soit deux jours dautonomie), pour un cot du kWh consomm de 0,26 . Ces valeurs sont
plus avantageuses techniquement que celles annonces dans le paragraphe prcdent.
Cette tude a permis dtudier limpact du mode de remplissage des batteries. Nous avons vu
que les considrations physiques permettent de dterminer un ensemble de configurations
satisfaisant le systme. Cependant, afin de choisir le couple optimum, il est ncessaire de faire appel
une tude conomique couple une optimisation du cot de revient. Ltude de cot a montr
Dans ces conditions, le systme (PV + stockage) permet de supprimer les chutes de tension sur
le bout de ligne choisie. Cette notion dassociation des systmes nergtiques sources
renouvelables dnergie et de stockage en connexion au rseau lectrique semble tre une voie
prometteuse pour le dveloppement des SER et surtout dans les rseaux lectriques des milieux
insulaires encore plus sensibles laspect intermittent et non contrlable des nergies
renouvelables.
2.5
DES SYSTEMES MULTI-SOURCES POUR LES SITES ISOLES VERS LASSOCIATION STOCKAGE
DENERGIE - SYSTEMES ENERGETIQUES A SOURCES RENOUVELBALES CONNECTE SUR
LE RESEAU ELECTRIQUE
Ds le dbut de nos activits de recherches, nous avons galement particip ltude des
systmes multi-sources (ou hybride) en vue de lalimentation des sites isols ou non interconnects
un rseau lectrique. Ces travaux ont t transposs aux recherches que nous venons de dcrire et
qui concerne lassociation de stockage dnergie (batteries) et de champ photovoltaque pour pallier
les chutes de tension. Le schma type des systmes multi-source est reprsent sur la figure 2.41.
147
Champ PV
Convertisseur
DC/AC
Eolienne
Convertisseur
AC/DC
Batteries
Alimentation AC
Groupe lectrogne
Le systme est compos dun champ photovoltaque et/ou dune olienne, dun systme de
stockage (parc de batteries) dun groupe de secours (groupe lectrogne) de rgulateur et de
convertisseur et donduleur, si ncessaire.
Un tel systme nergtique complexe, ncessite une optimisation de tous ces sous-lments
afin dassurer la charge donne de manire optimale. Cette optimisation technique conduit une
courbe de dimensionnement et nous avons choisi dans tous nos travaux le facteur cot de
lnergie produit ou consomm comme un facteur discriminant. Le choix du systme optimal est
celui qui conduit un cot minimal.
2.5.1
La conception dun tel systme ncessite de dterminer les valeurs optimales de la puissance
crte du champ PV (ou sa surface) et la capacit de stockage des batteries qui permettent datteindre
un certain niveau de fiabilit savoir ici une fourniture sans interruption dlectricit (une
autonomie du systme global).
148
200
TYPE I
TYPE II
TYPE III
TYPE IV
160
120
80
40
0
0
12
16
20
24
Temps (heures)
Pour chaque profil de charges, nous avons reprsent sur la Figure 2.43 la courbe de
dimensionnement du systme PV cest--dire lensemble des couples caractristiques qui
conduisent lobtention dun systme autonome; le domaine de variation de ces couples a ensuite
tait rduit afin de tenir compte des contraintes techniques telles quune capacit de stockage
inenvisageable (pour la partie gauche de la courbe) ou la limitation du courant de charge des
batteries ncessaire pour ne pas endommager le stockage (pour la partie droite).
149
180
60
Type I
Type II
Type III
Type IV
160
140
50
120
40
100
30
Domaine de
travail
80
20
60
10
40
0
20
0
2
10
12
14
Surface de modules PV (m)
16
18
20
Figure 2.43 Courbes de dimensionnement et domaine rduit de travail pour une consommation journalire de 1 kWh
donc choisir parmi cette multitude de configurations celle qui doit tre installe. Pour ce faire, nous
avons mis en uvre une tude de cot de production du kilowattheure lectrique. Cette tude de
cot est base sur la dure de vie du systme (Paisch et al., 1994 ; Curien, 1990 ; Equer et
Percebois, 1993) de tous les postes engendrant des dpenses et de la production du systme. Ainsi,
pour chaque configuration prcdemment dfinie, nous estimons le cot de production du kWh que
nous avons prsent sur la Figure 2.44 [6.7.1.14 ; 6.7.1.23 ; 6.7.2.34]
9,00
8,00
Cot de production du kWh (/kWh)
On observe donc quil existe un grand nombre de configuratiosn techniques possibles. Il faut
TYPE IV
TYPE III
TYPE II
TYPE I
7,00
6,00
5,00
4,00
2,84
3,00
2,68
2,64
2,39
2,00
3
3,5
4,5
5,5
6,5
7,5
La prsence dun minimum est bien visible, il nous permet de dterminer la solution la plus
conomique qui est celle que nous considrerons comme optimale . Cependant, peut-on tre pour
150
autant satisfait de notre systme ainsi configur ? Cependant, le systme ainsi configurer nest pas
pas totalement satisfaisant. En effet, nous constatons pour cette configuration optimale quun
important surplus dnergie est produit; en effet, si nous calculons le rapport de lnergie produite
par le champ PV sur lnergie consomme durant la mme priode nous constatons quil varie entre
2,02 et 2,5 selon le profil de charge utilis ce qui implique que plus de la moiti de lnergie
produite par le champ photovoltaque nest pas utilise.
Cela nous a amen tudier comment cette nergie perdue pourrait tre rduite; puisque que
celle-ci est due notre contrainte qui impose une fourniture sans interruption dlectricit, nous
avons voulu observer linfluence du taux de couverture solaire sur la configuration du systme, puis
sur le cot de production. En effet, la fiabilit du systme est souvent exprime en terme de
probabilit de perte de charge LLP (Loss of load probability) : ainsi un LLP = 0 correspond un
systme totalement autonome. Cependant comme lont montr Egido et Lorenzo (1992), il est
intrinsquement impossible de valider un modle analytique pour des valeurs de LLP < 10-2, ce qui
reprsente une limite approprie pour des applications de faible ou moyenne fiabilit comme
lclairage par exemple. Par contre, pour de hautes fiabilits comme les tlcommunications, il est
ncessaire de dimensionner avec un LLP = 10-3 ou mme 10-4.
Nous avons donc tudi cette fois les configurations du systme nous permettant datteindre un
taux de couverture choisie en nous intressant plus particulirement la cration dnergie
excdentaire reprsente ici par la part dexcdent dfinie comme le rapport de lnergie
excdentaire sur lnergie produite ou plus exactement productible par le champ PV.
Pour ce faire, nous dimensionnons dans un premier temps le systme photovoltaque afin quil
couvre un pourcentage donn de la charge qui lui est raccorde (prcdemment il devait couvrir
100 % de cette charge). On lui associe ensuite un groupe lectrogne (essence, diesel 3000 tr/mn ou
151
1500 tr/mn) dont la puissance nominale est compatible avec le stockage dnergie cest--dire qui
produit un courant de charge nexcdant pas un cinquime de sa capacit coulombique aprs
conversion en courant continu travers un convertisseur AC/DC comme le recommande le Sandia
National Laboratories (1990). Pour les mmes raisons, il convient de vrifier que la taille du
champ PV est galement compatible avec celle du stockage, dans le cas contraire on augmentera la
taille du stockage afin de respecter cette contrainte. Pour chaque configuration ainsi dtermine,
nous calculons la consommation en carburant et le temps de fonctionnement du groupe qui
interviendront dans lestimation du cot de production du kilowattheure. Pour chaque taux de
couverture et chaque consommation (en nergie et en profil), nous retenons la configuration
optimale cest--dire celle qui conduit au plus faible cot de production
Il apparat que la configuration optimale est celle pour laquelle le taux de couverture est de
lordre de 75 80 %, le cot de production est alors bien infrieur celui dun systme PV pur,
nous donnons dans le tableau 2.15 des rsultats obtenus selon le taux de couverture solaire.
Surface PV
(m)
470
400
340
2,41
2
1,71
152
Plusieurs points se doivent dtre amliors par rapport aux travaux exposs prcdemment :
-
une fois le groupe introduit, il convient dtudier quelle est la meilleure stratgie de
fonctionnement pour chaque sous systme ;
la mthode de calcul de cot devra tre amliore et chaque composant devra tre tudi
partir de la bibliographie existante et des donnes fournies par les divers constructeurs et
fournisseurs de composants.
2.5.3
Nous avons cherch simuler dune part le comportement global du systme hybride dans
lequel le fonctionnement du groupe lectrogne a t cette fois introduit et dautre part, optimiser
la stratgie d'exploitation c'est--dire les diffrents modes de fonctionnement possibles des divers
sous-systmes caractriss par un certain nombre de paramtres tels que seuil de dmarrage ou
d'arrt du groupe, rgime de charge, utilisation du groupe lectrogne en alimentation directe, en
chargeur de batteries ou en mode mixte, etc... Le groupe lectrogne nintervient quen tant que
chargeur auxiliaire de batteries via lintervention dun convertisseur AC/DC.
la taille du groupe installer est plus petite car sa puissance nominale est alors lie la
capacit de stockage des batteries et non la puissance maximale appele par la charge ;
Ces travaux, prsents dans [6.7.1.14 ; 6.7.1.22 ; 6.7.2.24 ;], nous ont permis de dterminer la
puissance du groupe lectrogne, le choix du type de groupe (essence, diesel, tr/min, ) en
fonction du temps de dmarrage et darrt par rapport la stratgie de fonctionnement suivi.
153
2.5.4
La premire partie de nos calculs a t base sur les profils de charge prsents sur la Figure
2.42. Nous avons fait voluer ces profils vers des profils saisonniers plus ralistes en termes de
charge appele dans lhabitat. Ce profil a t estim pour un foyer de 4 personnes utilisant soit des
lments faible consommation dnergie, soit des lments plus traditionnels. Dans notre tude,
nous avons considr une habitation non raccorde au rseau de distribution. Le choix du nombre
de points dclairage et du volume de rfrigration a t ralis aprs une tude dtaille. De mme,
linfluence de la saison sur la consommation a t prise en compte et a conduit llaboration de
deux profils de charge conduisant tous deux au mme niveau de confort cest--dire offrant le
mme service : le profil conome utilisant du matriel adapt haut rendement nergtique et le
profil standard utilisant un quipement dont la consommation nergtique se situe dans la
annuelles pour chacun des deux profils sont respectivement 623 kWh pour le profil conome et
1517 kWh pour le profil standard (Figure 2.45).
550
500
450
moyenne de celles des appareils conventionnels disponibles sur le march. Les consommations
400
350
300
250
200
150
100
50
0
0
10
12
heures
14
16
18
20
22
24
A partir de ces deux profils de charge, nous avons simul le fonctionnement du systme pour
deux taux de couverture solaire (100 % et 99 %) et obtenu les configurations optimales du systme
aprs application de la mthode dcrite prcdemment (Figure 2.46). Au niveau de la configuration
optimale, on constate que le passage dun taux de couverture de 100 % 99 % se traduit par une
diminution de la surface de 8 30 % et dune diminution significative de la taille des batteries de 50
60 %.
154
200
Profil conome - Taux de couverture 100%
Profil standard - Taux de couverture 99%
Profil conome - Taux de couverture 100%
Profil standard - Taux de couverture 99%
180
160
140
120
100
80
60
40
4,16
3,04
20
2,72
1,83
0
0
10
20
30
Surface de modules PV (m)
40
50
60
On observe galement une diminution de plus dun facteur trois au niveau des caractristiques
du systme PV par le simple fait dun choix judicieux du matriel lectrique permettant de passer
du profil standard au profil conome. Cela se traduit galement par une rduction de 1/3 du cot du
kWh. On peut ainsi comparer des cots pour un mme service rendu et constater quun choix
optimal de lquipement peut induire une rduction de prs dun facteur 3,4 du cot du systme de
production sans diminuer pour autant le degr de confort.
2.6
SYNTHESE ET CONCLUSION
La mthodologie de dimensionnement que nous avons dveloppe initialement a t amliore
Lapproche globale quelle utilise et la simplicit des modles mis en uvre pour dcrire le
comportement de chaque sous systme permet de ltendre aisment dautres systmes de
155
utilisation dun stockage dnergie nexcdant pas deux ou trois jours dautonomie dans une
configuration hybride ;
Au niveau de ltude des cots et plus particulirement des valeurs obtenues, il faut prciser
que nous ne pouvons pas comparer ces cots avec ceux produits par des moyens classiques. Il est
cependant intressant de noter que le recours aux nergies renouvelables disponibles in situ permet
de rduire voire mme dannuler les cots de transport et de distribution (Chabot, 1996).
Intgrer les besoins de lutilisateur dans loptimisation du moyen de production dlectricit qui
va lui tre fourni est invitable. Il est ncessaire que le concepteur ou linstallateur du systme soit
galement un ambassadeur des conomies dnergie.
Lexemple que nous avons trait ici permet de manire vidente de prendre conscience du
problme de lutilisation rationnelle de lnergie au niveau de lalimentation lectrique de lhabitat
mme sil ne sagit pas du secteur le plus nergivore. Ce concept dpasse de loin le cadre de
lutilisation des sources renouvelables dnergie, il sinscrit galement dans celui de la prservation
de lenvironnement et du dveloppement durable.
2.7
application de charge autonome. Lajout dun groupe lectrogne a permis de rduire la part du
renouvelable et de fiabiliser le systme. Le systme de stockage permet dassurer le tampon lors
de non-production du renouvelable..
156
Les systmes associant batteries et/ou groupe lectrogne sont largement utiliss dans les
systmes de production lectrique partir d'nergies renouvelables. Ils gardent cependant un
caractre polluant pas compltement satisfaisant. Le couple lectrolyseur/pile combustible permet
de remdier ce problme : l'lectrolyseur permet de stocker de l'lectricit sous forme d'hydrogne
et la pile combustible permet de fournir l'lectricit d'appoint en cas de manque de ressource des
nergies renouvelables. Il "suffit" alors d'avoir un stock d'hydrogne de contenance adapte.
Nous avons introduit une chaine hydrogne au sein de systmes multi-sources. Celle-ci permet
la fois dassurer le stockage de lnergie, via un lectrolyseur, et la production dnergie
lectrique via une pile combustible. On peut dcomposer ce systme en quatre sous-systmes
Nous avons donc ralis une optimisation technique et conomique du systme hybride. Et
une tude comparative avec un systme classique photovoltaque batteries. La charge alimenter
est celle dcrite sur la Figure 2.45, profil basse consommation.
lec (P ) = 2U ref
4aP 0 ,5
b 1 + 1 +
b
Les valeurs des paramtres a et b sont donnes pour un lectrolyseur "classique" moyen.
158
(2.28)
Lnergie fournir la charge et non produite par le champ photovoltaque est fournir par
la pile combustible. La puissance maximale de la pile combustible correspond la puissance
maximale de la charge alimenter.
.
La conversion de lhydrogne en lectricit par la pile combustible se fait par le PCS, cest-dire 3,55 kWh/Nm3. Le rendement de cette conversion (autour de 55 %) est une fonction de la
puissance lectrique fournir par la pile combustible. Lexpression du rendement en fonction de
4a' P'
1 + 1 +
b'
0 ,5
(2.29)
Les rsultats de simulations issus des modles dvelopps ont ensuite t compars avec ceux
issus des modles dvelopps par nos partenaires du CEA et de HELION Fuel Cells Maker (Figure
2.49). On observe de fortes simulations, les carts provenant essentiellement des stratgies de
fonctionnement choisies. Ce point sera abord dans les prochains travaux de la Thse de Christophe
DARRAS dbut en Septembre 2007.
159
160
Pour un champ photovoltaque dune puissance PPV = 2600 Wc, nous voyons donc quil
suffit de dimensionner llectrolyseur 65% de 2600 Wc, soit environ 1700 W. Au-del, lnergie
lectrolyse ne sera pas plus importante.
Ayant ainsi dimensionn llectrolyseur, nous avons ensuite mis en place la mthode de
dimensionnement nergtique prsente prcdemment, et transpose ce nouveau type de systme
multi-source. La courbe limite de fonctionnement du systme (ou de dimensionnement) (Figure
2.51), permet dindiquer la configuration minimale du champ photovoltaque et du rservoir
dhydrogne ncessaire pour que le systme ne tombe pas en panne sur la priode de simulation.
161
2500
2000
1500
1
1000
500
0
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
La zone 2 dfinit un systme sous dimensionn. (taux de dfaillance > 0) Dans ce cas, cest
soit le volume dhydrogne, soit la puissance du champ photovoltaque qui est insuffisante. Le
systme fonctionne avec un taux de dfaillance suprieur zro. Plus le point de fonctionnement
sloigne de la limite de la courbe de fonctionnement et est lintrieur de la zone 2, plus le taux de
dfaillance est important.
La zone 3 dfinit un systme dont le taux de dfaillance sur la priode considre est nul.
Afin daffiner notre tude, nous avons trac les courbes de fonctionnement limites pour
diffrentes valeurs de puissance dlectrolyseur (Figure 2.52) :
162
3000
2500
2000
p elec : 0.7
p elec : 0.65
1500
p elec : 0.5
p elec : 0.4
1000
P elec : 1
500
0
0
2000
4000
6000
8000
10000
Nous constatons que la courbe de fonctionnement limite varie peu quel que soit le ratio de
puissance de llectrolyseur.
La pile combustible
Le contrleur/convertisseur
Llectrolyseur
Le rservoir dhydrogne
Le champ photovoltaque
Le Tableau 2.16 synthtise les hypothses conomiques choisies dans cette tude (temps de
fonctionnement de linstallation 20 ans ; taux dactualisation : 6%).
Equipements
Dure de vie
Cot du kW
Pile Combustible
10000 h
2000 /kW
Convertisseur
10 ans
1000 /kW
Electrolyseur + compresseur
10 ans
4000 /kW
Stockage hydrogne
20 ans
250 50L H2@ 200 bars
Champ photovoltaque
20 ans
6000 /kWc
Pour chaque point de la courbe limite de fonctionnement (Figure 2.53), nous avons calcul le
CGA correspondant. Si nous superposons les courbes CGA et volume dH2 en fonction de
la puissance crte du champ photovoltaque, nous pouvons voir clairement quune zone doptimum
conomique apparat.
35000
30,000
25,000
25000
20000
15,000
15000
10,000
CGA en / kWh
20,000
10000
Zone
5,000
5000
0
0
1000
2000
3000
4000
5000
6000
7000
Puissance crte du cham p photovoltaque (W)
8000
0,000
9000
Optimum conomique :
CGA : 5,13 /kWh
Puissance crte PV : 3000 W
CGA (/kWh)
30000
6,000
5,900
5,800
5,700
5,600
5,500
5,400
5,300
5,200
5,100
5,000
2500
2700
2900
3100
3300
3500
p elec : 0.65
p elec : 0.5
p elec : 0.4
p elec : 1
Figure 2.54 Cot du systme en fonction de la puissance PV et pour diffrentes valeurs dlectrolyseurs
164
Nous constatons sur le prcdent graphe, que loptimum conomique du CGA (5,13 / kWh)
est obtenu pour une puissance crte de champ photovoltaque de 3000 W, un rservoir dhydrogne
de 1800 litres et un lectrolyseur choisi 50 % de la puissance crte PV.
Cette tude a t poursuive par une analyse comparative, dans les mmes conditions
Le CGA est plus lev pour un systme avec pile combustible (5 /kWh) par rapport un
systme avec batteries (2,2 /kWh). Le matriel investir est plus coteux et plus nombreux
(lectrolyseur, rservoir dhydrogne, etc). De plus la dure de vie de la pile combustible est
encore rduite 10000 heures, ce qui impose des frais dentretien et de maintenance levs
(remplacement de la pile tous les 2 ans). Le taux de dfaillance des deux systmes, pour ltude
considre est gal zro, donc le surcot dun systme pile combustible ne peut pas tre expliqu
par une disponibilit plus grande du systme.
Enfin, nous avons ralis un bilan nergtique du systme avec les paramtres dfinis au cours
de loptimisation technique et conomique effectue prcdemment. Les paramtres retenus sont les
suivants :
-
Le bilan nergtique global sur la priode de simulation est reprsent sur la Figure 2.55.
165
Contrle
27,5 MWh
77 MWh
Part directe charge : 12%
18,38 MWh
PAC
Electrolyse
92693 heures
47761 heures
67,45 MWh
H2
Direct
Hydrogne
On constate sur ce schma que lnergie produite par le champ photovoltaque est bien
suprieure aux besoins. Seulement 12 % de cette nergie alimente directement moins de la moiti
de la charge. Le reste sert alimenter la boucle de stockage qui a un rendement de lordre de 35 %.
Le cot gnral annualis du systme est de plus du double celui dune installation PV +
batteries. Ceci est le signe dune technologie encore nouvelle. Cette tude conomique simplifie
na pas pour but de donner un cot prcis et exact du cot, mais est utile pour donner des lments
indicatifs sur le dimensionnement des matriels. Nous pouvons ainsi constater que le cot du champ
photovoltaque est prpondrant devant le cot du stockage. Avec une nergie lectrique coteuse
comme celle du photovoltaque, llectrolyse aujourdhui est un moyen luxueux de stockage,
mais propre .
Notre tude montre que le cot dinvestissement dun systme photovoltaque avec pile
combustible est lev. Cependant, le cot du stockage du kWh aprs investissement est tout de
mme moins lev que celui dun systme avec batteries. Nous pouvons imaginer quun tel systme
pourrait ventuellement tre utilis dans certaines rgions o un systme dlectrification
photovoltaque en site isol ncessite un stockage important. Dans certaines zones de montagne par
exemple, le nombre de jours dautonomie est lev, ce qui ncessite un parc batterie important.
Ce travail a t men en partenariat avec HELION Fuel Cells et INES-CEA. Les premiers
rsultats obtenus nous ont conduits dposer, avec ces partenaires, un projet, appel PEPITE, dans
le cadre de lANR programme PANH. Nous venons dobtenir lacceptation de ce projet, qui va
nous permettre de valider nos calculs, et la stratgie de fonctionnement du systme, en dveloppant
un champ exprimental sur Cadarache.
167
PERPECTIVES
Il sagit tout dabord de poursuivre nos travaux sur la ressource nergtique (rayonnement
solaire et vent) afin de proposer un outil de connaissance et de prdiction dont lchelle de temps
reste dfinir, afin de pouvoir optimiser la gestion du rseau lectrique lorsque lon introduit des
fermes oliennes ou des centrales photovoltaques.
fermes oliennes dans les rseaux lectriques insulaires sur un programme de recherches communs
trois les : La Runion, les Antilles et la Corse. Une approche commune est envisage.
Enfin, la dernire problmatique concerne la Plateforme Solaire de Vignola, dont une partie est
ddie au projet MYRTE couplage photovoltaque et chaine hydrogne en vue dune intgration
sur le rseau lectrique.
3.1
En effet, afin de caractriser le potentiel d'une ferme olienne et/ou dun systme
photovoltaque, il est important de disposer de modles statistiques prcis de l'intrant nergtique,
savoir l'volution des vitesses de vent et/ou du rayonnement solaire global. Ces modles devront
aussi permettre de dvelopper des mthodes de prvision de l'amplitude des fluctuations afin de
faire de la commande et de la gestion des systmes nergtiques. La prdiction de la production des
centrales EnR intermittentes est essentielle la gestion du rseau lectrique insulaire dans le cas
dune introduction massive de ces sources dnergie renouvelable.
Nous proposons une alternative fonde sur des modles inspirs de l'tude de la turbulence
pleinement dveloppe. Ces modles que l'on qualifie de "cascades alatoires" sont justifis par
l'observation de lois d'chelles de type ``multi-scaling" sur des donnes de vent hautes frquences.
Ce paradigme de la cascade permet de reproduire le comportement statistique toute chelle des
vitesses de vent. Ce type de modle permet de proposer un clairage nouveau sur la calibration
statistique des potentiels nergtiques de fermes oliennes.
Dans la perspective d'une mise en place de fermes oliennes et/ou de centrales photovoltaques
sur diffrents sites, il est ncessaire de faire une tude jointe des proprits statistiques du vent sur
ces sites. Nous envisageons alors de dvelopper une approche d'optimisation des ressources inspire
de la thorie de portefeuille en finance, selon laquelle l'allocation doit maximiser le rendement en
minimisant le risque. La difficult du problme est, comme en finance, relie la nature non
Gaussienne des fluctuations de puissance disponible. Cette tude pourra saccompagner des
mthodes de classification permettant de regrouper des sites ayant des proprits statistiques et des
comportements de vitesse de vent identiques. Lobjectif final tant dobserver si on peut lisser la
production globale dnergie olienne et solaire sur la rgion.
Dans le mme temps, nous avons l'ambition de travailler sur des modles physiques afin de
comprendre l'origine de certaines proprits statistiques universelles observes sur les sries de
vitesse de vent, telles que les temps caractristiques ou les exposants d'chelles observs.
En ce qui concerne le rayonnement solaire, il est envisag dinstaller des capteurs (du type
cellules photovoltaques) dans les zones de vie de la Corse afin destimer au mieux le potentiel
solaire et sa rpartition gographique. Cette analyse pourra tre couple aux tudes bases sur les
analyses dimage satellitaire prsentes dans ce rapport.
169
3.2
le niveau de puissance gnr est variable, et les oscillations de puissance qui en rsultent ont un
rel impact sur le rseau et sur les charges quil alimente alors mme que la tension et la
frquence du rseau doivent satisfaire des normes qui garantissent que les charges alimentes ne
soient pas endommages. En sens inverse, un rseau faible peut connatre lui aussi des variations
induites par le comportement de ses charges et des autres sources, et ces variations (creux de
tension par exemple) peuvent limiter la possibilit dinjection dnergie dans le rseau des systmes
de production EnR qui y sont connects, par le biais des protections de dcouplage. Une mauvaise
conception ou un mauvais ajustement des paramtres de dcouplage peuvent considrablement
limiter la quantit dnergie livre au rseau par les units de production. Il est donc important
dtudier le comportement dun rseau de petite dimension soumis aux fluctuations de puissance
induites par la production solaire ainsi que la stabilit du systme en cas dincidents rseau, et
plus particulirement pour une production dcentralise dnergie
Il sagit donc de rsoudre une par une les problmatiques susceptibles de limiter la diffusion du
photovoltaque dans les rseaux lectriques insulaires. Pour cela, nous allons dvelopper un
programme de recherches axs sur 3 tches.
170
Des analyseurs de rseaux seront installs, permettant de caractriser le rseau. Des bases de
donnes ddies disposant dun format commun permettront lchange facilit des donnes dans des
perspectives de traitements statistiques et de simulations.
rseau lectrique
Lintgration de centrales EnR intermittentes en grand nombre nest envisageable que si leur
fonctionnement nentre pas en conflit avec les contraintes ou la capacit daccueil du systme
lectrique insulaire auquel elles appartiennent. Il est donc important de comprendre prcisment les
caractristiques de linteraction entre les centrales EnR et le systme lectrique (intgralit des
moyens de production insulaires et rseaux) dans lequel les centrales vont sinsrer. De mme que
le monitoring systme, lvaluation de linteraction centrale EnR - systmes lectriques insulaires
doit permettre la mise en place dune base de connaissances essentielle la ralisation de la tche 3.
La connaissance dtaille de ces interactions est indispensable pour valuer avec une prcision
amliore les facteurs limitant la capacit daccueil des EnR intermittentes dans les systmes
nergtiques et la dtermination des puissances maximales de sources EnR intermittentes que
pourra grer un systme lectrique insulaire sans mettre en pril la qualit de la fourniture lectrique
lensemble des consommateurs dlectricit.
Lobjectif est de montrer jusqu quel niveau linsertion massive de production dcentralise
peut avoir un impact sur ces diffrents points du rseau. Une analyse multicritre des impacts
pourra tre dveloppe et nous proposerons des solutions fonctionnelles et technologiques.
La dmarche envisage pour la suite du travail est de dterminer les capacits du territoire
recevoir du photovoltaque (en plein champ, sur bti), puis, en fonction dune part de la
connaissance de la ressource nergtique et de la qualit du rseau dans les diverses zones du
territoires et dautre part de la connaissance de la puissance des systmes dans ces conditions
dclairement et de qualit de rseau, de dterminer lhistorique de la courbe de production
lectrique au cours du temps. Si les rsultats obtenus sont probants, on sefforcera, en superposant
171
les courbes de charge fournies par EDF/SEI et la courbe de production lectrique des diverses
units de production, doptimiser la rpartition de la centrale photovoltaque sur le territoire.
Ce travail initi dans le courant de lanne 2007 lors dun dpt lANR Photovoltaque a t
labor avec diffrents partenaires, comme le LBPS de lUniversit de la Runion, INES, lENSAM
Metz, TENESOL Ocan Indien, APEX BP Solar Martinique, le Groupe Dijoux et le Syndicat
dlectrification de la Martinique.
3.3
Solaire de Vignola dans laquelle nous avons initi le projet MYRTE (Mission HydrogneRenouvelable pour lIntgration au Rseau Electrique), projet de couplage photovoltaque
lectrolyseur pile combustible.
Lobjectif de MYRTE est de raliser en Corse un systme hybride nergies renouvelableshydrogne, permettant aux diffrents partenaires de bnficer du retour dexprience sur les
possibilits offertes par ce type de systme, ainsi quun retour dexprience sur le comportement de
ses systmes pile combustible au sein dun systme hybride hydrogne. Le couplage de panneaux
photovoltaques avec lhydrogne a pour but daborder laspect Gestion et stabilisation de
rseau .
Les rseaux lectriques prsentant un fort taux de pntration des nergies renouvelables ont en
contrepartie besoin dun dispositif permettant de grer lintermittence de celles-ci. Cest le cas des
bouts de rseau, o une gestion intelligente de lnergie produite et consomme doit tre faite. Cest
aussi, moyen terme, le cas des rseaux insulaires o les nergies renouvelables sont une source de
scurisation de lapprovisionnement nergtique, et sont donc perues comme le moyen
Le projet de systme hybride hydrogne sur le site de Vignola (MYRTE), dans les grandes
lignes, comprend :
un systme de production photovoltaque de lordre de 600 kWc,
un lectrolyseur dune dizaine de kW (Hlion)
un systme de stockage de gaz assurant lautonomie du systme selon un profil de charge
prdfini
une pile combustible de 200 kW (Hlion)
un systme de raccord au rseau
un systme de contrle commande de lensemble (Hlion + partenaires)
Il a pour objectif de contribuer renforcer le rseau lectrique lors des pointes appeles.
173
Une fois cet outil mis en place, il sera ncessaire de dmontrer physiquement les
possibilits offertes par les systmes hybrides-hydrogne. Cela passe par une dmonstration de la
fiabilit des composants dans des conditions relles, mais aussi par laffinement des stratgies de
contrle commande et par lacquisition dun retour dexprience par les partenaires. La
combinaison de loutil de dimensionnement et dun site dexprimentation permettra de crer une
matire. Une premire tape vient dtre valide par lANR travers le programme PANH,
puisque que le projet PEPITE vient dtre obtenu. Le systme est reprsent par sur la Figure 2.56.
Synoptique projet
PAC Vignola
Lgende:
CV
Convertisseur
Limites des
fournitures Hlion
Dfinition de larchitecture
globale et CC du systme par
Hlion
PV
CV
Connexion
Rseau
CV
Electrolyseur
CV
Stockage
gaz
Stockage
lectrique
Rseau
Sous-Systme
pile
combustible
Ce systme est galement conu pour limiter les missions de flux vers le milieu extrieur :
1. rcupration de la chaleur de la pile et de llectrolyseur stockage par changement de phase
envisage et distribution aux lieux de vie
2. rcupration de leau produite par la pile (circuit ferm)
Les systmes hybrides nergies renouvelables hydrogne ont fait lobjet de plusieurs
dveloppements dans le monde depuis 1986. La solution du stockage long terme de lnergie grce
au vecteur hydrogne connat cependant un intrt toujours croissant. Plusieurs publications
174
scientifiques autour de ce thme ont dj vu le jour et leur rythme sest intensifi depuis quelques
annes. Plusieurs voies ont t explores dans ces recherches qui ont conduit diffrentes
dfinitions de systmes :
- la diversit des sources dnergie primaire (PV, olien),
- les dimensionnements du systme (rapport des puissances des diffrents composants, taille de
stockage ),
- les technologies utilises (pile combustible alcalines ou PEM, lectrolyseurs alcalins,
compression,),
- les applications.
A partir de ce constat, les enjeux scientifiques principaux du projet Ppite et de Myrte sont 1)
de constituer des rfrences pour optimiser la ralisation ultrieure de systmes 2) de russir une
printemps pour lanne 2005 (fournies par EDF GDF Corse) nous avons estim un profil de
consommation saisonnier. La base du dimensionnement est donc la priode hivernale, priode
ou la pointe est la plus marque, surtout en soire, et galement observable en milieu de journe.
Sur la Figure 2.57, nous prsentons, la courbe reprsentant la journe ayant eu la consommation de
pointe en 2005. Nous y avons galement port la partie que devrait alimenter le systme de
production dnergie dont lobjectif est dcrter cette courbe, les deux zones ayant pour base le
trait plein rouge.
430
zone 1
420
P
410
400
390
zone 2
380
T
P'
370
360
T'
350
340
330
320
310
300
290
280
00:00 01:00 02:00 03:00 04:00 05:00 06:00 07:00 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:01 22:01 23:01
Figure 2.57 - Courbe de charge Hiver 2005 et pointe assurer par Myrte
176
Le systme nergtique devra donc tre dimensionn et devra rpondre ces profils de charge.
Il faudra valider en premier lieu le nombre de jours dautonomie souhaits. Cest llment
dimensionnant du systme.
Lobjectif final est de disposer dun instrument de R&D ayant fait ces preuves en terme de
viabilit technique et conomique par le lever des diffrents verrous technologiques, aussi bien sur
177
CONCLUSION GENERALE
Le dveloppement de lutilisation des sources renouvelables est aujourdhui inluctable.
Lintroduction de production dcentralise (olien et photovoltaque) va ncessiter de dvelopper
des rseaux lectriques intelligents et des modes de gestion adapts (prvision de la ressource,
stockage de lnergie lectrique, ).
Nous avons montr que ltude dun systme utilisant une source renouvelable dnergie passe
obligatoirement par une connaissance aussi fine que possible des fluctuations de la source et de la
charge qui lui est raccorde.
Suite aux diverses conclusions manants de nos travaux de recherches, lexpertise que nous
avons pu mener, nous ont a conduit mettre en place des projets de recherches ambitieux. Ces
perspectives de recherches sinscrivent principalement dans trois domaines : la mise en place
doutils de prdiction de la ressource, lanalyse de lintgration optimale sur un rseau lectrique, et
le dveloppement de la filire hydrogne comme vecteur nergtique et de stockage afin de
favoriser lintroduction massive des nergies renouvelables dans les rseaux lectriques insulaires.
Ces travaux seffectuent dores et dj dans le cadre du pole de comptitivit CapEnergies (projets
labeliss, et projet structruant du pole pour le dernier) et en partenariat avec des universits
franaises (Universit de la Runion, Universit Antilles-Guyane, ) et trangres (Universit de
Sofia, ), des organismes de recherches (le CEA, INES) et des industriels (Groupe RAFFALLI,
HELION Fuel Cells maker).
178
REFERENCES
Aguiar , M. Collares-Pereira, Conde J.P., (1988), Simple procedure for generating sequences of
daily radiation values using a library of Markov transition matrices. Solar Energy, 40, 269279.
Aguiar B.V.S.P., Valerio L.F.A., Castro R.M.G., (2001), Evaluation of wind generators capacity
credit using a reliability model, European Wind Energy Conf, 1162-1165
Aguiar R. et Collares Pereira M., (1992), TAG : a time dependent, autoregressive, gaussian model
for generating synthetic hourly radiation. Solar Energy, 49-3, 167-174.
Ambrosone G., Catalanotti S., Coscia U., Troise G., Cocurullo G., (1985), Comparison between
power and energy methods of analyses of photovoltaic plants. Solar Energy, 34, 1-8.
Astier R. et Duhamel C., (1983), Modles de prvision et de simulation de lirradiation solaire au pas
de temps de lheure, Revue de Physique Applique, Vol 18, 29-38.
Balouktsis A., Tsanakas D., Vachtsevanos G., (1986), Stochastic simulation of hourly and daily
average wind speed sequences. Wind Engineering, 10-1, 1-11.
Barlier Y. (2000), The situation of electricity generation in Corsica. Colloque Dissemination of the
advanced control technologies and SCADA systems for the isolated power networks with
increased use of renewable energies Ajaccio, 27-35.
Ben Djemaa A. et Delorme C., (1992a), A comparison between one year of daily global irradiation
from grounded-based measurements versus Meteosat images from seven locations in
Tunisia. Solar Energy, 48-5, 325-333.
Ben Djemma A. et Delorme C., (1992b), Dtermination quotidienne, en tout point dune rgion, de
lvolution de lclairement solaire utilisable partir dimages de Mtosat. Journal de
Physique III, 2, 847-858.
Benzecri J.P. et Benzecri F. (1980), Pratique de lanalyse des donnes: analyse des
correspondances. Dunod Editeur.
Beyer H.G.,. Bolhen M, Schumacher J., (1995), GENG. A solar modelisation data generation for
the simulation system INSES, 13th European Photovoltaic Solar Energy Conf., 982-985.
Blanchard M. et Desrochers G., (1984), Generation of autocorrelated wind speeds for energy
conversion system studies, Solar Energy, Vol 33 (6), 571-579.
Boch G., Boileau E., Benard C., (1981), Modlisation de lirradiation solaire au pas de temps de
lheure, Revue Phys. Appl., Vol 16, 55-63.
Brett A.C. et Tuller S.E. (1991), The autocorrelation of hourly wind speed observations, Journal
Appl Meteorol, Vol 30, 823-833.
Brown B.G., Katz R.W., Murphy A.A., (1984), Time series models to simulate and forecast wind
speed and wind power, Journal Clim. Appl. Meteorol., Vol 23, 1184-1195.
Carlson R.F., McCormick A.J.A., Watts D.G., (1970), Application of linear random models to four
annual streamflow series, Water Ressour. Res., Vol 6, 1070-1078.
Chaabane M., Djemma A.B., Kossentini A., (1996), Daily and hourly global irradiation in Tunisia
extracted from Meteosat WEFAX images. Solar Energy, 57-6, 449-457.
Chabot B., (1996), Llectrification rurale dcentralise : tat de lart et perspectives techniques et
conomiques. La revue de lnergie, 475, 82-92.
Chowdhury B.H., (1990), Short term prediction of solar irradiance using time series analysis,
Energy Sources, Vol 12, 199-219.
Collares Pereira M. et Rabl A., (1979), The average distribution of solar radiation correlations
between diffuse and hemispherical and between daily and hourly insolations values. Solar
Energy, 22, 155-164.
Craig L., Liebmann C., (1992), Wind farm balance of plant costs. Rapport ETSU 6027.
Curien N., (1990), Calcul conomique. Encyclopdie conomique, chapitre XII, Edition X. Greffe,
J.Mairesse et J.L. Reiffers, ISBN : 2-7178-1968-1.
179
Daniel A.R. et Chen A.A., (1991), Stochastic simulation and forecasting of hourly average wind
speed sequences in Jamaca, Solar Energy, Vol 46(1), 1-11.
Davis J.M. et Rappoport P.N., (1974), The use of time series analysis techniques in forecasting
meteorological drought, Mon. Wea. Rev., Vol 102, 176-180.
Delleur J.M. et Kavvas M.L., (1978), Stochastic models for monthly rainall forecasting and
synthetic generation, J. Appl. Meteor., Vol 17, 1528-1536.
Delorme C., Gallo A., Olivieri J., (1992), Quick use of WEFAX images from Meteosat to determine
daily solar radiation in France. Solar Energy, 49-3, 191-197.
Deshmukh R.G., Ramakumar R., (1979), Reliability of Wind Assisted Utility Systems, Proc.
Control of Power Systems Conf., IEEE Catalog, N79, CH1377-1, REG5, 143-148
Deshmukh R.G., Ramakumar R., (1982), Reliability Analysis of Combined Wind-Electric and
Conventional Generation Systems, Solar Energy, 28 (4), 345-352
Dubey S.D., (1967), Normal and Weibull distributions, Naval Res. Logistics Quart., Vol 14, 69-79.
EDF Service Corse, (2002), Lolien au service du dveloppement durable en Corse. Fiche
dinformations remise lors de la Confrence lolien dans les iles, Ajaccio.
Egido M., Lorenzo E., (1992), The sizing of stand alone PV-Systems : a review and a proposed new
method. Solar Energy Materials and Solar Cells, 26, 51-69.
Elalaoui Faris M.E., (1990), Contribution au dimensionnement des systmes photovoltaques :
lanalyse et la prdiction de leur performance. Thse de doctorat, Universit de Nice.
Equer B., Percebois J., (1993), Les contraintes macroconomiques du photovoltaque. Energie
Solaire Photovoltaque, Volume II : Aspects Socio-Economiques. Edition Ellipse, ISBN : 27298-9390-3.
EUREC Agency (1998), Material, Photovoltaics, Harvesting the sun in the Urban Landscape,
Tutorial Course.
Eurostat donnes, (2005).
Festa R. et Ratto C.F., (1993), Proposal of a numerical procedure to select reference years, Solar
Energy, Vol 50(1), 9-17.
Festa R., Ratto C.F., DeGol D., (1988), A procedure to obtain daily values of meteorological
parameters from monthly averages, Solar Energy, Vol 40 (4), 309-313.
Frankl P., Gamberale M., Battisti R., (2000), Life-cylce assessment of a PV cogenerative system,
comparison with a sloar thermal collector and a PV system, Proceedings 16th EC
Photovoltaic Solar Energy Conf.,1910-1914
Frisch U., (1995), Turbulence, Cambridge University Press, Cambridge.
Galloy E., Le Breton A., Martin S., (1981), A model of weather cycles based on daily rainfall
occurrence. Actes de the rhythms in Biology and other Fields of Applications, Note de
lecture en Biomathmatiques, 49, 303-310.
Gardner P., (1994), Wind farm power quality. Rapport ETSU W/33/00254/REP.
Garver L.L., (1966), Effective Load Carrying Capability of Generating Units, IEEE Transactions
on Power Apparatus and Systems, 910-915
Glover J. et McCulloch J.S.G., (1958), The empirical relation between solar radiation and hours of
sunshine. Q.J.R. Meteorol. Soc., 84, 172-175.
Gluck H., (1998), Wind turbine market. Winkra-Recom, Hannover
Gordon J.M. et Hochman M., (1984), On the random nature of solar radiation. Solar Energy, 32-3,
337-342.
Goussebaille J., Bejon M.J., Bois P., Vauchaud G., (1979), Critique et analyse de donnes
journalires dinsolation et de rayonnement. Analyse statistique des processus
mtorologiques appliqus lnergie. Edition du CNRS, 77-103.
Graham V.A., Hollands K.G.T., Unny T.E., (1987), Stochastic variation of hourly solar radiation
over the day. Actes du ISES Solar World Congress, 3796-3800.
Groumpos P., Papageorgiou G.,(1987), An Optimal Sizing Method for Stand-Alone Photovoltaic
Power System. Solar Energy, 38-5, 341-351
180
Haeberlin H. et Beutler Ch., (1995), Normalised Representation of Energy and Power for Analsysis
of Performance and On-line Error Detection in PV Systems, 13th European Photovoltaic
Solar Energy Conference, Nice, Octobre 23-27.
Hay J.E. (1979), Calculation of monthly mean solar radiation for horizontal and inclined surfaces.
Solar Energy, 23, 301-307.
Hay J.E. et Davies J.A., (1980), Calculation of the solar radiation incident on an inclined surfaces.
Actes du First Canadian Solar Radiation Data Workshop, 59-72.
Hay J.E., (1984), An assessment of the mesoscale variability of solar radiation at the Earths
surface. Solar Energy, 32-1, 425-434.
Hentschel H.G.E. et Porcaccia I., (1984), Relative diffusion in turbulent media: the fractal
dimension of clouds. The American Physical Society, 29(3), 1461-1470.
Hoff T., Shugar D.S., (1995), The value of grid-support photovoltaics in reducing distribution
system losses, IEEE Transactions on Energy Conversion
Hollands K.G.T. et Huget R.G., (1983), A probabilistic density function for the clearnesse index
with application. Solar Energy, 30, 195-209.
Hossain J., (1991), High Penetrations of Renewables in the Power Grid of Tamil Nadu, Wind
Engineering, 15(6), 318-328
Imamura E.I., Uchiyama Y., (1997), Impacts of highly penetration of PV system for electricity
supply configuration, 14th European Photovoltaic Solar Energy Conference, 912-914
Imamura M.S., (1994), Grid-connected PV plants: field experience in Germany and a pursuit of
higher solar energy collection efficiency, Solar Energy Materials and Solar Cells, 35, 359374.
INESTENE, (1996), Potentiels de matrise de la demande d'lectricit en Corse l'horizon 2015,
Rapport de Collectivit Territoriale de Corse
Iqbal M., (1983), An introduction to solar radiation. Academic Press, Canada, ISBN:0-12-3737524.
Istria P., (2000), Lolien en Corse, le role de lADEME : connaissance du gisement. Actes du
colloque Dissemination of the advanced control technologies and SCADA systems for the
isolated power networks with increased use of renewable energies, Ajaccio, 21-23.
Journal Officiel, (2001), Arrt du 8 Juin 2001 fixant les conditions dachat de llectricit produite
par des installations utilsant lnergie mcanique du vent telles que vises larticle 2 (2)
du dcrt n2000-1196 du 6 Dcembre 2000. Journal Officiel de la Rpublique Francaise,
22 Juin 2001, 9932-9938.
Kamal L. et Jafri Y.Z., (1997), Time series model to simulate and forecast hourly averaged wind
speed in Quetta, Pakistan, Solar Energy, Vol 61(1), 23-32.
Kaminsky F.C., Kirchhoff R.H., Syu C.Y., (1990a), A stastistical technique for generating missing
data from wind speed time series, Proc. of Conf. of the AWEA, 211-216.
Kaminsky F.C., Kirchhoff R.H., Syu C.Y., Manwell J.F., (1990b), A comparison of alternative
approaches for the synthetic generation of a wind speed time series. Wind Engineering, 9me
symposium, 1-8.
Kaye R.J., OBrien R., Ghiotto N., MacKee P., (1997), Site selection and assessment of rooftop
photovoltaic installations, 14th European Photovoltaic Solar Energy Conference, 1979-1982
Khallat M.A. et Rahman S., (1986), A probabilistic approach to photovoltaic generator performance
prediction. Institute of Electrical and Electronics Engineers, Transaction of Energy
Conversion, 3, 33-40.
Kirchhoff R.H., Kaminsky F C., Syu C.Y., (1989), Synthesis of wind speed using a Markov
Process, Proc. of the 8 ASME Wind Energy Symposium, Houston, Texas, 17-22.
Kirchhoff R.H., Kaminsky F.C., Syu C.Y., (1988), A Markov chain analysis of wind speed at
Windsor, Massachusetts. Wind Engineering, 5, 9-16.
Klein S.A., (1977), Calculation of monthly average insolation on tilted surfaces. Solar Energy, 23,
526-541.
181
Laali A.R., Louche A., Meyer J.L., (1996), Influence of wind farm capacity, turbine size and wind,
European Wind Energy Conference and Exhibition, 1535-1537.
Lameiro G.F.et Duff W.S., (1970), A markov model of solar energy space and hot water heating
system. Solar Energy, 22, 211-219.
Leteurtrois J.P., (2005), Rapport sur la Crise Energtique en Corse. Conseil Gnral des Mines,
NCGM 05-02
Liu B.Y.H. et. Jordan R.C., (1960), The interrelationship and characteristic distribution of direct,
diffuse and total solar insolation. Solar Energy, 4, 1-19.
Louche A., Maurel M., Simmonot G., Peri G., Iqbal M., (1987), Determination of Angstroms
turbidity coefficient from solar direct total solar irradiance measurements. Solar Energy,
38(2), 89-96.
Lovejoy S. et Schertzer D., (1986), Scale invariance, symmetries, fractals and stochastic simulations
of atmospheric phenomena. Bulletin American Meteorological Society, 67(1), 21-31.
Luther G., (1992), The regional function energy. Actes du 11th Photovoltaic E.C. Solar Energy
Conference, Montreux, Suisse, 1313-1316.
Lynge Jensen T., (2000), Renewable energy on small islands. Forum of Energy and Development,
Second Edition, ISBN 87-90502-03-5.
Macagnan M.H., Lorenzo E., (1992), On the optimal size of inverters for grid connected PV
systems. 11th E.C. Photovoltaic Solar Energy Conference, Montreux, 1167-1170
Mackay R.M., Probert S.D., (1996), Icelands energy and environmental strategy, Applied Energy,
53(3), 245-281
Mandelbrot B. (1984), Fractals in physics : Squig clusters, diffusions, fractal measure and unicity of
fractal dimensionality. Journal of Statistical Physics, 34(5/6), 895-930.
Marion B., Hayden H., (2005), Performance Parameters for Grid-Connected PV Systems, 31st
IEEE Photovoltaic Specialists Conference and Exhibition - Lake Buena Vista, Florida.
Marques M., (1982), Conception dun modle stochastique de simulation des rayonnements solaires
direct et global un pas de temps fin. Application aux donnes de Grenoble. Thse de
Doctorat, Universit de Grenoble.
Melar G., (1990), Mthodes de prvision cour terme. Modles Arma, mthode de Box et Jenkins,
modles de prvision, mthodes de prvision court terme. Statistiques et Mathmatiques
Appliques, Editions de lUniversit de Bruxelle, SMA, 229-241.
Milligan M., Parsons B., (1997), A Comparison and Case Study of Capacity Credit Algorithms for
Intermittent Generators, NREL/CP-440-22591 ]UC Category : 1210 ]DE97000223
Monlobou P., (2002) Colloque Energie olienne dans les Iles , 18 Janvier 2002, Ajaccio.
Moon S.E., Ryoo S.B., Know J.G., (1994), A Markov chain model for daily precipitation in South
Korea. International Journal of Meteorology, 4, 1009-1016.
Morales A., Trecat J., Crappe M., (2002); Adequate level of wind energy to be installed in
Belgium, IEEE Young Researches Symposium in Electrical Power Engineering, 1543-1546
Muselli M., (1997), Electrification des sites isols, Dimensionnement des systmes hybrides
source renouvelables dnergie, Thse, Universit de Corse
Nfaoui H., Buret J., Sayigh A.A.M.,(1996), Stochastic simulation of hourly average wind speed
sequences in Tangiers (Marocco). Solar Energy, 56-3, 301-314.
Nguyen B.T. et Pryor T.L., (1996), A computer model to estimated solar radiation in Vietnam.
Actes du World Renewable Energy Congress, 1274-1278.
Noia M., Ratto C.F., Festa R., (1993a), Solar irradiance estimation from geostationnary satelitte
data : I. Statistical models. Solar Energy, 51-6, 449-456.
Noia M., Ratto C.F., Festa R., (1993b), Solar irradiance estimation from geostationnary satelitte
data : II. Physical models. Solar Energy, 51-6, 457-465.
Nolay P., (1987), Dveloppement dune mthode gnrale danalyse des systmes photovoltaques.
Thse de lEcole Nationale Suprieure des Mines de Paris.
Notton G., (1992), Contribution ltude des systmes de production autonome dnergie utilisant
la conversion photovoltaque, Thse, Universit de Corse
182
Oberti P., (2004), Dcision publique et recherche procdurale : illustration dune dmarche
multicritre la localisation participative dun parc olien en rgion corse, in Actes des
journes de lAssociation Franaise de Science Economique, "Economie : aide la dcision
publique", Universit de Rennes 1-CREM, 18-19 mai, http://www.crereg.univrennes1.fr/journeesafse2004.html
Orgill J.F. et Hollands K.G., (1977), Correlation equation for hourly diffuse radiation on a
horizontal surface. Solar Energy, 19, 357-359.
Paish O., MacNellis B., Derrick A.,. (1994). Solar Electricity. Chapitre V : Applications. Edition
T.Markvart, John Wiley & sons, ISBN: 0-471-98852-9, Chichester, Royaume Uni.
Palomo E., (1989), Hourly solar radiation time series as first-order Markov chain. Actes du
International Solar Energy Society Solar World Congress, 2146-2150.
Pereira E.B., Abreu S.L., Stuhlmann R., Rieland M., Colle S., (1996), Survy of the incident solar
radiation in Brazil by use of Meteosat satellite data. Solar Energy, 57-2, 125-132.
Perez R., Berkheiser W., Stewart R., (1989), Analysis of Lincoln Center Experimental Data for
Investigation of Photovoltaic Peak Load Matching Potential, Rapport Atmospheric Sciences
Research Center SUNY at Albany, ASRC Pub. No.1281, Report to the New York Power
Authority,
Perez R., Seals R., Stewart R., Zelenska A., Estrada-Cagigal V., (1994), Using satellite-derived
insolation data for the site/time specific simulation of solar energy systems. Solar Energy,
56-6, 491-495.
Perez R., Stewart R., Berkheiser W., (1988), Analysis of Lincoln Center experimental data for
investigation of photovoltaic peak load matching potential, ASCR Pub#1281 Albany
Perrin de Brichambaut C. et Vauge C., (1982), Le gisement solaire : valuation de la ressource
nergtique. Tec & Doc Lavoisier, ISBN :2-85206-168-6.
Raficul Islam M.D., Exell R.H.B, (1996), Solar radiation mapping from satellite image using a low
cost system. Solar Energy, 56-3, 225-237.
Richardson C.W., (1981), Stochastic simulation of daily precipitation, temperature and solar
radiation, Water Ressources Research, 17-1, 182-190.
Rietveld M.R., (1978), A new method for estimating the regression coefficients in the formula
relating solar radiation to sunshine. Agr. Meteorol.,19, 243-252.
Ringlee R.J., Wood A.J., (1969), Frequency and Duration Methods for Power Reliability
Calculations: II-Demand Model and Capacity Reserve Model, IEEE Transactions on Power
Appartus and Systems, Vol.pas-88(4)
Roux M., (1985), Algorithme de Classification. Masson Edition, Paris.
RTE, (2003), Bilan Prvisionnel Rapport 2006-2015.
RTE, (2004), Statistiques de l'nergie lectrique en France 2003
RTE, (2005), Historique de la consommation en France, site internet : www.rte-france.com
Sakellariou N., Gulyurtlu I., Ramirez L., (1995), Utilisation of wind, solar and biomasse resources
in Mediterranean rural region. Actes du Renewable Energy Developpment European
Conference and APAS-RENA Contractors Meetings, Venise, Italie, 209-214.
Schmid J., (1995), Photovoltaic electricity production, Renewable Energy Development European
Conference and APAS-RENA Contractors Meeting, 492-496.
Schmid J., H. Schmidt. H., (1991), Inverters for Photovoltaic Systems. 5th Contractor's Meeting of
the EC Photovoltaic Demonstration Projects, Ispra, Italie, 122-132.
Schulze-Kegel D. et Heidt F.D., (1996), Mapping of global radiation with Meteosat. Solar Energy,
58-1-3, 77-90.
Sparis P., Antonogiannakis J., Papadopoulos D., (1995), Markov matrix coupled approach to wind
speed and direction simulation, Wind Engineering, Vol 19(3), 121-133.
Spencer J.W., (1982), A comparison method for estimating hourly diffuse solar radiation from
global solar radiation. Solar Energy, 29, 19-32.
Staib F., Steinborn F., Bohnisch H., (1993), The capacity credit of renewable energy systems an
economic approach. Actes de ISES World Congress.
183
Steadman M.J., (1992), Site development costs for wind farm sites. Rapport ETSU WN 5092.
Suivi Eolien (2004), Tableau de bord Suivi de la production doliennes en France Site internet
http://www.suivi-eolien.com/,
Tande J.O.G., (2001), Application of wind farm interaction with grid, European Wind Energy
Conf., 999-1002
Van der Hoven I. (1957), J. of Meteorol., 14, 160
Wenger H.J., Hoff T., Shugar D., Farmer B., (1994) PVUSA 500 kW Grid Support Photovoltaic
Project: Interim Results on value, 12th European Photovoltaic Solar Energy Conf., 11761179
Young K.C., (1994), A multivariable chain model for simulating climatic parameters from daily
data. Journal of Applied Metorology, 33, 661-671.
Zelenka A., Czeplak G., DAgostino V., Josefsson W., Maxwell E., Perez R., (1992)., Techniques
for supplementing solar radiation network data. Rapport final du International Energy
Agency Solar Heating and Cooling Program, Task 9, Susbstack 9D, IEA, Paris, France.
184
NOMENCLATURE
A
a
a(t)
a
A
Ai
A(h)
An
ASER
AC
ACF
AIC
Amix
AR
ATrad
b
b
B(x,y,j,h)
Ba
B0(x,y,t )
BIC
C
Cbat
CA
capa
CGA
Ch
CC
coefficient de corrlation
capacit du parc de batteries (Ah)
Cout gnral annualis (/kWh)
charge appele sur le rseau lectrique
Coefficient de corrlation
Bc (x,y,t )
Cdc (x,y, j )
DC
DSSER(i)
DS trad ( 1 )
Di,h
EM
EMR
EPV
EQM
EQMR
ERR
ESystme
FAC
FSER(i)
G
GCTS
Erreur moyenne
Erreur moyenne relative (%)
Energie produite par le champ photovoltaque (kWh)
Erreur quadratique moyenne
Erreur quadratique moyenne relative (%)
Taux d'erreurs (%)
Energie en sortie du systme (kWh)
fonction dautocorralation partielle
Taux de rencontre pour le SER dans ltat i
Eclairement solaire global (W.m-2)
Irradiance gale a 1 kWh/m2 (de CTS)
Irradiation solaire journalire globale horizontale (Wh.m-2)
coefficient de Hurst du processus.
H
H
185
H0
H0
Hb
Hc (x,y,t )
Irradiation solaire globale journalire horizontale par ciel clair selon le modle (Wh.m-2)
Hb
Hb,M
Hb,M
Moyenne mensuelle de lirradiation solaire journalire directe par ciel clair (Wh.m-2)
Hd
HT
Hz
I(x,y, j,h )
(Wh.m-2)
Ic (x,y,t )
I
I0
I
I&
Id
Id
I&d
Moyenne mensuelle de lirradiation solaire horaire globale sur un plan inclin (Wh/m)
IEC
J
K
k
K (x,y,t )
Irradiation solaire globale horaire horizontale par ciel clair selon le modle CSM (Wh/m)
K0
KT
KT,C
LC
Li
LLP
LS
M
M
MPP
Mq,
Pertes diverses
Longueur du dipole i (km)
Probabilit de perte de charge
Pertes du systme
marge
nombre de mois
Point de Puissance Maximale (rgime de fonctionnement d'un onduleur) (W)
fonction de structure dordre q.
186
MT,i,h
MTm(h )
MTM
MT,m
nj
Nombre dtats j
nij
P
P
P
P
Pi
p0
PACF
PCS
0
PDC
/AC
Plectro
PEM
PEMFC
Pi
Pj
Puissance de llectrolyseur
Pile Combustible de type Proton Exchange Membrane .
Proton Exchange Membrane Fuel Cell
puissance cumule appele sur le dipole i (W)
puissance appele sur le dipole i (W)
pj
pij
Pm
p0
POND,j
pperte
Pperte
0
PPV
PR
PSNB
Ptotal
Rapport de Performance
Probabilit Binomiale Transalate
puissance totale combine
Psortie
Psortie PV
PV
Ql
RAP
R
Photovoltaque
limite de la matrice de transition
Rapport de lerreur quadratique moyenne sur lirradiation horaire
rsistance linque du dipole (/km)
rk
Pnom onduleur
Rc (x,y )
R0(x,y )
( )
Ri,k T j
S
S
SER
187
Si
Surface (m)
SI
Nombre dheures pour un jour donn o lindice de clart horaire est suprieur lindice
de clart moyen mensuel
SOC
tat de charge de la batterie (Ah)
SPV
S0
S0
Sx(m)
t
Tner
Tj
Tj
Jour
Tref
U
U (t)
Uref
UPV
Uref
USSER(i)
US trad
V
V(h,j,m,a)
Wc
WC
Wh
X
Xn
Volts
vitesse de vent lheure h, du jour j, du mois m et de lanne a (m/s)
Puissance crte des modules/champ photovoltaque (W)
Watt crte (puissance nominale d'une cellule, module ou champ PV, mesure en CTS)
Wattheure (quantit d'nergie solaire ou lectrique)
ractance linque du dipole (/km)
tat linstant n dun processus stochastique
Variable centre et rduite de MT (h )
Energie de champ PV norme (kWh/kWc)
Energie du systme norme (kWh/kWc)
Energie de rfrence norme (kWh/kWc)
variable stochastique
S2
y(h )
YA
YF
YR
Z(t)
U n
U (t 0 )
V x' ( m )
(h )
Angle znithal ()
test de dpendance de processus de markov
Composante alatoire dune heure lautre de lindice de clart horaire
188
solaire
ik
lec(P)
PaC(P)
DC/ AC
Rendement de londuleur
OND
PV
Rendement du champ PV
0
10
100
pertes
ref
ref, modules
x(m)
a
q
189
PUBLICATIONS