Vous êtes ici : Accueil > Energies Bas Carbones > Solaire Photovoltaïque > Prevision Productible - PV et CPV

Article | Solaire photovoltaïque


Prévoir la production d’énergie photovoltaïque et anticiper les défaillances

Prevision Productible - PV et CPV

Publié le 25 octobre 2016

​Évaluer à l’avance la quantité d’énergie disponible produite par des panneaux photovoltaïques constitue des données stratégiques pour des acteurs comme les gestionnaires d’un territoire, de réseaux électriques, d’un bâtiment ou d’un parking, afin d’organiser la recharge de véhicules électriques par exemple. Une bonne prévisibilité des profils de production photovoltaïque permet en effet d’estimer les besoins en énergie complémentaire, d’anticiper des risques de chutes de production sous des climats à forte variabilité (climats insulaires par exemple) en recourant aux solutions de stockage, de gérer au mieux les différentes sources d’énergie dans des objectifs d’économie et de réduction des émissions de CO2. En parallèle, anticiper les risques de défaillance en détectant l’apparition de défauts et en estimant leur impact est aussi capital pour des exploitants de centrales PV. Il faut donc définir des indicateurs de performances mesurables (c’est-à-dire ne perturbant pas la production) et pertinents à la fois pour de la maintenance curative mais surtout prédictive.


Les thématiques de recherche Prévision et diagnostic ont ainsi démarré au Liten en 2006 pour le diagnostic et en 2009 pour la prévision.

Sur la prévision un premier projet ANR baptisé ReactivHome a conduit les équipes à concevoir une solution de prédiction de la quantité d’énergie photovoltaïque produite au niveau d’un bâtiment, la veille pour le lendemain. Une plate-forme intégrant des outils de prévision a ainsi été mise au point, qui s’appuie sur les principes physiques de fonctionnement d’une centrale photovoltaïque. Il s’agit d’une différence fondamentale avec l’état de l’art du moment qui se fonde plutôt sur des modèles statistiques et mathématiques. En modélisant physiquement les données d’une installation et les données effectivement mesurées, la solution devient un modèle d’apprentissage hautement performant, qui corrige naturellement et au fil du temps l’écart obtenu entre la prévision et la mesure effective.

Cette brique technologique a été éprouvée sur d’autres projets de recherche où le facteur de prévisibilité était important, dans les domaines de l’habitat, de la mobilité (véhicule électrique), de la gestion d’énergie d’un site tertiaire. Ces applications dans des domaines diversifiés ont ouvert la voie à des améliorations très significatives. « Prédire la production 24h à l’avance n’est pas toujours suffisant. Deux autres horizons temporels ont ainsi été créés : h+3 et h+6, c’est-à-dire la quantité d’énergie produite estimée 3 heures ou 6 heures avant, et m+15, soit l’énergie estimée un quart d’heure avant », témoigne le responsable de l’activité. Si l’horizon temporel à J+1 fait largement appel aux données météorologiques qui procurent les valeurs d’irradiation solaire sur les panneaux, celui à h+3 ou h+6 recourt aux données satellites (données payantes livrant les valeurs d’irradiation à un instant t et les vitesses de déplacement des nuages). Celui à m+15, enfin, s’appuie sur les images procurées par une caméra à 360° sur site qui observe l’apparition des nuages et livre les informations utiles en termes de prévision. « En couplant ces trois données dans un modèle d’apprentissage, la solution devient de plus en plus robuste au bout de 10 jours, de 20 jours, puis 30 à 40 jours. Très vite, elle aboutit à des taux d’erreur de seulement 5% à 10% sous les climats européens ».


L’enjeu est aujourd’hui d’optimiser la solution, d’activer tous les leviers pour affiner les modèles et réduire les taux d’erreur à leur minimum. Le Liten se consacre particulièrement à l’amélioration des prévisions à J+1, en dissociant dans le spectre lumineux la partie directe et diffuse, et en se basant sur les données de température. Les données météorologiques sont ainsi rendues extrêmement performantes, en ne se limitant pas aux données primaires mais à ce que le panneau reçoit et capte effectivement. Les solutions font ainsi appel aux savoir-faire des photovoltaïciens et gagnent quelques dixièmes de points de performance à chaque avancée.


Sur l’activité diagnostic, le CEA a décidé d’investir sur fond propre en 2006 sur le thème de la détection et de la coupure des arcs électriques. En 2009 grâce à un programme ANR « DLD PV » nous avons pu explorer en détail des signatures de défaut et des méthodes d’identification et de classification. Aujourd’hui, deux voies sont privilégiées , l’une sur le traitement et la valorisation d’images thermiques prises sur site, l’autre sur le tracé et l’analyse de la courbe I-V par panneaux.


AVANTAGES :

Des solutions déjà disponibles pour les marchés de l’énergie


  • Dans le secteur très concurrentiel de la prévisibilité de la production photovoltaïque (de nombreux acteurs livrent des prévisions très fiables à J+1) la solution développée par le Liten se distingue par la combinaison des trois horizons temporels (J+1, h+6, m+15). Seuls deux acteurs en France sont capables de fournir de telles données.
  • Une start-up, Steadysun, fondée en 2012 par l’un des chercheurs du Liten, a été créée pour se positionner sur les nombreuses applications rendues possibles par cette technologique. Elle a déjà contracté avec de nombreux énergéticiens en Europe ou aux Etats-Unis, intéressés par une solution qui les aide à mieux gérer les besoins en énergie et à anticiper les réserves primaires nécessaires à l’équilibre du réseau. Des solutions bâties également pour le trading de l’énergie solaire permettent de fournir aux acteurs, toutes les 15 mn, les informations stratégiques nécessaires aux prises de position sur ce marché.
  • La brique technologique « prévisibilité de la production d’énergie photovoltaïque » du Liten s’intègre encore à de nombreux projets de recherche, nationaux ou européens, où la disponibilité de ces données d’information s’avèrent utiles à l’avancée des projets.
PROJETS


  • Un premier projet ANR, RéactivHome, en 2009, aboutit aux prémisses de la prévision. L’ambition de RéactivHome est d’optimiser la consommation et la production d’énergie au niveau d’un bâtiment suivant différents critères : coût, impact environnemental, pointes de consommation d’énergie. Il implique le CEA-Liten, G2Elab, G-SCOP, Schneider Electric, Orange Labs.
  • De 2009 à 2012, plusieurs projets ADEME ont nécessité l’apport des briques technologiques de la prévision, notamment le projet Opéra (Opération Pilote Enr-mde pour sécuriser les Réseau électrique Autonome de Mayotte), DHRT2 (partenariat technologique entre Toyota, l’INES et le CEA pour optimiser le système énergétique global bâtiment-véhicule) ou Reflexe, projet pionnier de smart grid en France retenu par l'Ademe dans le cadre des Investissements d'avenir. Piloté par Veolia Environnement, il regroupe 4 partenaires leader dans leur domaine : Alstom grid, Sagemcom, le CEA-Liten, l'école Supélec.
  • Le projet européen H2020 Tilos, engagé en 2015, portant sur la prévision du rayonnement solaire, associe 15 instituts de recherche et entreprises de 7 Etats différents, dont le Liten. 

En 2012, un partenariat industriel a été fait avec SOCOMEC sur la détection d’arcs, pour aboutir fin 2015, début 2016 à un produit commercialisé aux US. En 2012, un partenariat a été créé aussi avec Urbasolar sur la valorisation des outils de diagnostic et d’aide à l’exploitation de centrales PV.

REPÈRES
  • ​Une dizaine de chercheurs 
Pour en savoir plus

  Pour en savoir plus sur la collecte des données de grandes centrales PV fançaises, cliquez ici.

 ​Contactez nos experts