DS0204 - Gestion des variabilités spatio-temporelles des énergies

Modélisation, prévision et évaluation des risques pour la production d'énergie éolienne – FOREWER

FOREWER

La part d'énergie renouvelable dans l'offre globale de l'énergie croît actuellement à grande vitesse, une grande partie de cette croissance provenant de l'énergie éolienne. La production éolienne est distribuée dans l'espace et intermittente par nature. Ces nouveaux défis nécessitent une meilleure compréhension de la distribution spatiale et temporelle de la ressource et de la production d'électricité éolienne à travers les modèles statistiques et probabilistes précis.

Modélisation, prévision et évaluation des risques pour la production d'énergie éolienne

Le projet FOREWER vise à résoudre les problèmes clés de la modélisation pour l’énergie éolienne avec une synergie entre les méthodologies statistique et probabiliste et les modèles météorologiques modernes. Ce partenariat public-privé multidisciplinaire réunit des spécialistes de modélisation stochastique et de la gestion des risques, des statisticiens, des météorologues et des ingénieurs de l'industrie énergétique. Notre objectif est de développer des modèles statistiques pour la distribution de la ressource renouvelable et la production énergétique à différentes échelles spatiales et temporelles (de quelques mois à 30 ans). Nous allons ensuite évaluer le potentiel de ces modèles pour résoudre des problèmes de planification et de gestion des risques pertinents pour les partenaires industriels du projet, tels que l'évaluation de la sensibilité d'une ferme éolienne à la variabilité du climat, la détermination de la capacité minimale des générateurs d'appoint et l'opération optimale de ces actifs, et l'intégration de la production renouvelable au réseau.

D'une part, la méthodologie statistique et probabiliste de pointe (ondelettes, processus stochastiques) sera appliquée aux simulations historiques du climat développés au LMD (partenaire du consortium) pour comprendre le comportement multi-échelle de la ressource éolienne, analyser ses modes de variabilité et identifier les composantes prévisibles de sa distribution. D'autre part, des méthodes d'apprentissage statistique développées par l'équipe de statistiques du LPMA seront adaptées pour identifier les relations entre la production renouvelable et les variables météorologiques. La méthodologie de prévision statistique qui a été utilisée avec succès par le LPMA pour prédire la consommation de l'électricité sera adaptée pour obtenir des projections saisonnières et décennales de ces relations, afin de produire des prévisions fiables de la génération d'électricité renouvelable, prenant en compte la non-stationarité du climat.

Durant les 18 premiers mois du projet, notre recherche a avancé principalement dans quatre directions.

La prévision de la ressource renouvelable à moyen terme. Nous avons étudié la variabilité de la ressource éolienne en France aux échelles mensuelles et saisonnières. Dans un premier temps, nous avons établi la relation entre la circulation atmosphérique à grande échelle et le vent de surface. Nous avons ensuite appliqué ce modèle aux prévisions saisonnières de la circulation à grande échelle du European Center for Medium-Range Weather Forecasts, dans une tentative de prévision de la distribution mensuelle et saisonnière de la vitesse de vent de surface.

Prévision de la production renouvelable à court terme. La prévision de la production d’une ferme éolienne en temps réel en utilisant les données météorologiques a été étudiée. Les techniques d’apprentissage statistique ont été testées et comparées aux modèles paramétriques. L’erreur de prévision de la nouvelle méthode est inférieure à 1.65% de la puissance installée.

Intégration de la ressource renouvelable dans les systèmes et les marchés d’énergie. Nous avons déterminé les politiques optimales de vente d’énergie pour un producteur éolien qui souhaite vendre sa production future sur les marchés à terme, spot, intraday et d’ajustement, et qui peut accéder à des prévisions imparfaites de la production future, mises à jour en temps réel.

Modélisation des variables météorologiques à grande échelle. Les conditions météorologiques ont un impact direct sur la consommation électrique et la production renouvelable en France, et une caractérisation du climat à l’échelle régionale peut permettre d’améliorer les prévisions de la production et de la consommation. Dans ce projet nous avons montré qu’en tenant compte de la température et du vent, le territoire français peut être partitionné, du point de vue du climat, en régions homogènes, en nombre petit, qui sont stables depuis les 15 dernières années.

Les innovations majeures du projet sont

- L'analyse de pa prévisibilité probabiliste à moyen et long terme de la ressource éolienne en utilisant des outils statistiques de pointe;

- L'approche end-to-end, qui consiste à considérer toute la chaine de la production d'électricité éolienne, de la modélisation et prévision de la ressource, jusqu'au gestion des risques associés. La puissance prédictive de nos modèles sera testée dans les études de cas avec les partenaires industriels.

Pendant la première phase du projet, quatre articles ont été redigés :

B. Alonzo et al., Modelling the variability of the wind energy resource on monthly and seasonal timescales, to be submitted subject to validation by the partners
<b

Pour les raisons de protection de l'environnement et de sécurité énergétique, la part d'énergie renouvelable dans l'offre globale de l'énergie croît actuellement à grande vitesse. La Commission Européenne a fixé comme objectif d'accroître la part d'utilisation des énergies renouvelables à un seuil de 20% d'ici 2020.
Une grande partie de cette croissance proviendra de l'énergie éolienne. La production d'électricité à partir de cette source est distribuée dans l'espace et très sensible aux conditions atmosphériques et donc intermittente par nature, ce qui conduit à des problèmes majeurs de planification et de gestion de risques à différentes échelles.

Ces nouveaux défis, en particulier, ceux liés à la planification des investissements et l'intégration au réseau de la production éolienne à grande échelle, nécessitent une meilleure comprehension de la distribution spatiale et temporelle de la ressource et de la production d'électricité éolienne à travers les modèles statistiques et probabilistes précis. Par ailleurs, les avancées récentes en climatologie montrent le potentiel de développer des méthodes de prévision probabiliste de moyen et long terme (saisonnière et décennale) de la production éolienne avec un pouvoir prédictif amélioré par rapport aux prévisions basées uniquement sur les moyennes climatologiques. Par conséquent, des meilleurs outils des gestion de risques pour les producteurs et les transporteurs d'électricité éolienne peuvent être envisagés.

Le projet FOREWER vise à résoudre ces problèmes avec une synergie entre les méthodologies statistique et probabiliste et les modèles météorologiques modernes. Ce partenariat public-privé multidisciplinaire réunit des spécialistes de modélisation stochastique et de la gestion des risques, des statisticiens, des météorologues et des ingénieurs de l'industrie énergétique.

Notre objectif est de développer des modèles statistiques pour la distribution de la ressource renouvelable et la production énergétique à différentes échelles spatiales et temporelles (de quelques mois à 30 ans). Nous allons ensuite évaluer le potentiel de ces modèles pour résoudre des problèmes de planification et de gestion des risques pertinents pour les partenaires industriels du projet, tels que l'évaluation de la sensibilité d'une ferme éolienne à la variabilité du climat, la détermination de la capacité minimale des générateurs d'appoint et l'opération optimale de ces actifs, et l'intégration de la production renouvelable au réseau.

D'une part, la méthodologie statistique et probabiliste de pointe (ondelettes, processus stochastiques) sera appliquée aux simulations historiques du climat développés au LMD (partenaire du consortium) pour comprendre le comportement multi-échelle de la ressource éolienne, analyser ses modes de variabilité et identifier les composantes prévisibles de sa distribution. D'autre part, des méthodes d'apprentissage statistique développées par l'équipe de statistiques du LPMA seront adaptées pour identifier les relations entre la production renouvelable et les variables météorologiques. La méthodologie de prévision statistique qui a été utilisée avec succès par le LPMA pour prédire la consommation de l'électricité sera adaptée pour obtenir des projections saisonnières et décennales de ces relations, afin de produire des prévisions fiables de la génération d'électricité renouvelable, prenant en compte la non-stationnarité du climat.

Les innovations majeures du projet sont
- L'analyse de pa prévisibilité probabiliste à moyen et long terme de la ressource éolienne en utilisant des outils statistiques de pointe;
- L'approche end-to-end, qui consiste à considérer toute la chaine de la production d'électricité éolienne, de la modélisation et prévision de la ressource, jusqu'au gestion des risques associés. La puissance prédictive de nos modèles sera testée dans les études de cas avec les partenaires industriels.

Coordinateur du projet

Monsieur Peter Tankov (Laboratoire de Probabilités et Modèles Aléatoires)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

EDF EDF RECHERCHE ET DEVELOPPEMENT - SITE CLAMART
RTE Réseau de Transport d'Electricité
IFAECI Institut Franco-Argentin d'Etudes du Climat et de ses Impacts, UMI CNRS 3351
ECOLE POLYTECHNIQUE - LMD ECOLE POLYTECHNIQUE - LMD
MAIA EOLIS Maïa Eolis
LPMA UMR 7599 Laboratoire de Probabilités et Modèles Aléatoires

Aide de l'ANR 480 797 euros
Début et durée du projet scientifique : septembre 2014 - 42 Mois

Liens utiles

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter