Veuillez utiliser cette adresse pour citer ce document :
http://dspace1.univ-tlemcen.dz/handle/112/22466Affichage complet
| Élément Dublin Core | Valeur | Langue |
|---|---|---|
| dc.contributor.author | BERRAHOU, Malika | - |
| dc.date.accessioned | 2024-05-15T09:56:59Z | - |
| dc.date.available | 2024-05-15T09:56:59Z | - |
| dc.date.issued | 2023-09-23 | - |
| dc.identifier.uri | http://dspace1.univ-tlemcen.dz/handle/112/22466 | - |
| dc.description.sponsorship | La société SRD se démarque par son réseau de distribution d’électricité hautement technologique, axé sur l’efficacité, l’intégration des énergies renouvelables et la fiabilité de l’énergie fournie. En partenariat avec le laboratoire LIAS, SRD accède aux dernières avancées en modélisation éolienne et en apprentissage automatique, renforçant ainsi la crédibilité de ses projets et favorisant un échange de connaissances fructueux entre l’industrie et le milieu académique. Notre travail consiste à développer des modèles de prévision avancée pour la production éolienne en utilisant des techniques de traitement des données temporelles, notamment les séries temporelles. Ces modèles sont conçus pour anticiper avec précision la production éolienne sur deux échelles temporelles spécifiques : à court terme (2 heures) pour la gestion en temps réel de l’équilibre production-demande d’électricité, et à moyen terme (1 mois) pour l’ajustement de la planification opérationnelle en fonction des saisons et des conditions météorologiques. Pour atteindre ces objectifs, nous avons mis en oeuvre divers modèles de réseaux de neurones, tels que les réseaux LSTM et GRU, spécialement adaptés pour capturer les dépendances temporelles complexes présentes dans les données éoliennes. | en_US |
| dc.language.iso | fr | en_US |
| dc.publisher | University of tlemcen | en_US |
| dc.relation.ispartofseries | 045 Master Maths; | - |
| dc.subject | Apprentissage automatique, Modèles de prévision, Traitement des données temporelles, Séries temporelles. | en_US |
| dc.title | Développement des modèles de prévision de la consommation et de la production éolienne et photovoltaïque | en_US |
| dc.type | Thesis | en_US |
| Collection(s) : | Master en Mathématique | |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| Developpement_des_modeles_de_prevision_de_la_consommation_et_de_la_production_eolienne_et_photovoltaïque.pdf | 1,62 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.