Artificial Intelligence for Renewable Energy Systems
Intelligence artificielle pour les systèmes d'énergie renouvelable
Résumé
The world is currently facing an increasing demand for energy despite the depletion of fossil fuels. This has led to a rapid growth of renewable energy sources, particularly photovoltaic solar energy (PV). However, the fluctuating nature of solar irradiation poses a challenge for the efficient and reliable management of PV solar systems. In recent years, artificial intelligence (AI) techniques have emerged as powerful tools to address the uncertainty associated with renewable energy systems, including PV solar systems. In this thesis, we propose the implementation of AI techniques for the optimal management of PV solar systems, with a focus on site adaptation, solar irradiation forecasting, and energy storage optimization. We review the state-of-the-art AI techniques applied to PV solar systems and propose novel solutions that leverage machine learning algorithms to enhance the performance of PV systems. Furthermore, we address the socio-economic and environmental context of PV solar systems by analyzing the impact of climate change on photovoltaic power potential and developing an interactive tool for estimating PV power potential. The research presented in this thesis is the result of a collaborative effort between the University of Los Andes and the Laboratory of Analysis and Architecture of Systems (LAAS-CNRS). Its aim is to contribute to the development of a sustainable and clean energy future.
Le monde fait face à une demande croissante en énergie malgré la raréfaction des énergies fossiles, ce qui a conduit à une croissance rapide des sources d'énergie renouvelable, en particulier l'énergie solaire photovoltaïque (PV). Toutefois, la nature fluctuante de l'irradiation solaire pose un défi pour la gestion efficace et fiable des systèmes PV solaires. Au cours des dernières années, les techniques d'intelligence artificielle (IA) sont apparues comme des outils puissants pour faire face à l'incertitude des systèmes d'énergie renouvelable, y compris les systèmes PV solaires. Dans cette thèse, nous proposons la mise en œuvre de techniques d'IA pour la gestion optimale des systèmes PV solaires, en mettant l'accent sur l'adaptation au site, la prévision de l'irradiation solaire et l'optimisation du stockage d'énergie. Nous passons en revue l'état de l'art des techniques d'IA appliquées aux systèmes PV solaires et proposons de nouvelles solutions qui exploitent des algorithmes d'apprentissage automatique pour améliorer les performances des systèmes PV. En outre, nous abordons le contexte socio-économique et environnemental des systèmes PV solaires, en analysant l'impact du changement climatique sur le potentiel de puissance photovoltaïque et en développant un outil interactif pour l'estimation du potentiel de puissance PV. La recherche présentée dans cette thèse est le résultat d'un travail conjoint entre l'Université de Los Andes et le Laboratoire d'Analyse et d'Architecture des Systèmes LAAS-CNRS, et vise à contribuer au développement d'un avenir énergétique durable et propre.
| Origine | Version validée par le jury (STAR) |
|---|