SolarProd

Outil de prévision photovoltaïque régional en cas d'impact climatique extrême à Hainan

Présentation

Le projet vise à développer un outil logiciel appelé « SolarProd », qui se concentre sur la prévision des systèmes de production d'énergie photovoltaïque (PV) dans la province de Hainan dans des conditions climatiques extrêmes. En intégrant des séries chronologiques de données historiques et la technologie des réseaux neuronaux graphiques, l'outil est capable de fournir des prévisions spatio-temporelles des risques pour la production d'énergie photovoltaïque causés par des événements de faible luminosité extrême.

Méthodologie

Le projet intègre des données météorologiques et topographiques ainsi que des données sur la production des panneaux photovoltaïques et des connaissances d'experts étroitement liées à l'impact des conditions météorologiques extrêmes sur le fonctionnement du réseau électrique. Cette intégration forme un graphe de connaissances spatio-temporel pour l'analyse de l'impact photovoltaïque basé sur des sources de données diverses et hétérogènes.

Lorsqu'il dispose d'un ensemble complet de données pour cette région, l'outil peut analyser et simuler le rayonnement solaire et ainsi prédire l'impact spatio-temporel des futures conditions météorologiques extrêmes dans cette région, notamment des conditions de luminosité extrêmement faibles en raison d'un faible rayonnement solaire.

Outil de prévision photovoltaïque régional en cas d'impact climatique extrême. © The Aerospace Information Research Institute, Chinese Academy of Sciences

Site(s) d'application

Hainan, Chine

Données

Satellite

• Données météorologiques de l'Agence spatiale européenne (Copernicus Climate Data Store)

Autres

• Données topographiques (Land Processes Distributed Active Archive Center)
• Données sur l'état actuel des panneaux photovoltaïques
• Données sur les porteurs photovoltaïques

Résultats - Produit(s) final(aux)

Le produit SolarProd est un outil de prévision spécialisé pour les systèmes de production d'énergie photovoltaïque dans des régions spécifiques, en l’occurrence la province chinoise de Hainan.

Il est attendu que l'outil soit capable de fournir des prévisions basées sur des séries temporelles, qui afficheront les conditions de luminosité extrêmement faible causées par un rayonnement solaire réduit pendant des périodes spécifiques, ainsi que la distribution spatiale des panneaux photovoltaïques affectés. Ces prévisions seront présentées sous forme de cartes et de rapports de données.

En outre, l'outil fournira un échantillon de données comprenant des séries chronologiques de données relatives au rayonnement solaire et des données sur la distribution des panneaux photovoltaïques dans la zone de démonstration de la province de Hainan. Les données relatives au rayonnement solaire seront utilisées pour former et valider les modèles de réseaux neuronaux graphiques afin de garantir la précision et la fiabilité des prévisions.

Références

Chen, D.-Y. ; Peng, L. ; Zhang, W.-Y. ; Wang, Y.-D. ; Yang, L.-N. Research on Self-Supervised Building Information Extraction with High-Resolution Remote Sensing Images for Photovoltaic Potential Evaluation. Remote Sens. 2022, 14, 5350. https://doi.org/10.3390/rs14215350