Comment l’IA générative contribue à la transition énergétique

Le soleil, le vent et l’énergie hydraulique comptent parmi les principaux vecteurs de la transition énergétique. La production d’électricité issue du soleil et de l’énergie éolienne est soumise à d’importantes fluctuations qui doivent être compensées par des accumulateurs et des centrales électriques traditionnelles réglables (gaz, nucléaire, charbon). Afin de garantir un fonctionnement stable du réseau électrique, l’électricité injectée doit toujours correspondre à l’électricité consommée. Pour injecter une part importante d’énergie renouvelable dans le réseau, il est donc nécessaire de prévoir précisément la production d’électricité attendue à partir de l’énergie solaire et éolienne. Des chercheuses et chercheurs de la Haute école spécialisée bernoise travaillent à améliorer la planification des énergies renouvelables, afin de maximiser leur utilisation et de favoriser ainsi la transition énergétique.

De nouveaux modèles révolutionnent les prévisions météo

«L’intelligence artificielle et les données satellites en temps réel sont la clé d’une meilleure intégration de l’énergie solaire dans le réseau», explique Angela Meyer, responsable du groupe de recherche «AI for Energy and Industry». Les nouveaux modèles de prévision qui sont développés dans le monde entier constituent une révolution en matière de prévision de la puissance issue des énergies renouvelables. Le modèle de prévision du rayonnement solaire du groupe d’Angela Meyer, soutenu par le Fonds national suisse de la recherche scientifique (FNS), a permis d’élargir d’une heure l’horizon de prévision intrajournalière de la production d’électricité solaire. La prévision de production à court terme est désormais rallongée d’une heure, sans perdre en précision. Le modèle de prévision du rayonnement solaire SHADECast, qui a été développé à cet effet, utilise les données satellites les plus récentes. Grâce à l’apprentissage automatique, le modèle apprend comment vont évoluer la couche nuageuse et le rayonnement solaire dans les minutes et les heures à venir. Après 10 ans d’apprentissage à partir des données satellites, le modèle se montre en mesure de faire des prévisions précises à court terme de la production d’énergie solaire. Jusqu’ici, de nombreuses prévisions d’électricité solaire étaient basées sur des modèles de prévisions météo classiques. Toutefois, ces modèles sont souvent moins adaptés aux prévisions à court terme, car ils ont tendance à entrainer des erreurs importantes lors des prévisions intrajournalières, notamment en cas de conditions météorologiques changeantes ou nuageuses. Grâce à des prévisions plus précises, les producteurs peuvent optimiser leur production et leurs stratégies de négoce d’électricité, et les gestionnaires de réseau peuvent garantir l’injection d’électricité solaire et la stabilité du réseau en planifiant plus précisément l’utilisation de l’énergie de réglage et en prévenant les fluctuations sur le réseau.

Une contribution active à la transition énergétique

Les recherches du groupe «AI for Energy and Industry» de l’Institute for Data Applications and Security IDAS portent non seulement sur les prévisions de rendement, mais aussi sur la gestion d’actifs fondée sur des données, pour les grands parcs énergétiques alimentés par des énergies renouvelables. Elles abordent des thèmes tels que l’amélioration de l’exploitation, l’entretien et la maintenance prédictive, et visent également à augmenter la rentabilité d’une installation. Outre les modèles de prévisions solaires, un nouveau projet de prévisions à court terme de l’énergie éolienne, soutenu par le FNS, vient d’être lancé. D’autres projets sont également en cours de préparation. Angela Meyer se réjouit de l’intérêt que ce thème suscite: «Il est très motivant de voir que nous pouvons contribuer activement à la transition énergétique grâce à notre travail et que l’intérêt porté à cette thématique ne cesse de croitre.»

L’IA peut aussi contribuer aux prévisions à long terme

Des calculs à long terme sont également nécessaires. Les investisseurs dans les parcs énergétiques s’intéressent aux conditions de production du futur. Par exemple, ils souhaitent connaitre la quantité future de soleil et de vent sur un site donné, savoir si les installations construites devront être plus robustes, car les tempêtes seront plus fortes, et si les périodes sans soleil et sans vent seront plutôt plus ou moins fréquentes en raison du changement climatique. «Nous pouvons également apporter notre contribution dans ce domaine par le biais de nos recherches», indique Angela Meyer.