Estimation du rayonnement solaire reçu sur terre par la méthode ANFIS

Abstract

La prévision du rayonnement solaire à l’aide des techniques d’intelligence artificielle représente un domaine important dans le domaine des énergies renouvelables. Dans notre travail, nous nous sommes appuyés sur la collecte de données (région de Ouargla au Sud-Est de l’Algerie) liées à l'énergie solaire, telles que le rayonnement solaire, la température, la vitesse du vent, l'humidité, la pression, le jour et l'heure. La technique appliquée est l’ANFIS qui est une technique hybride combinant la logique floue et les réseaux de neurones. Notre analyse est basé sur le choix de de la fonction d’appartenance qui donne les meilleurs résultats de la performance de la méthode RMSE (la racine carrée de l’erreur quadratique moyenne) qui fournit des informations sur la variation des valeurs prédictives autour des données mesurées. Les meilleurs résultats ont été obtenus pour la fonction d’appartenance Gaussienne. D’après notre application on a conclu que la technique ANFIS est très fiable pour la prédiction du rayonnement solaire au niveau du sol.

يمثل التنبؤ بالإشعاع الشمسي باستخدام تقنيات الذكاء الاصطناعي مجالا مهما في مجال الطاقة المتجددة. اعتمدنا في عملنا على جمع بيانات (منطقة ورقلة جنوب شرق الجزائر) المرتبطة بالطاقة الشمسية مثل الإشعاع الشمسي، درجة الحرارة، سرعة الرياح، الرطوبة، الضغط، اليوم والوقت. التقنية المطبقة هي ANFIS وهي تقنية هجينة تجمع بين المنطق الضبابي والشبكات العصبية. يعتمد تحليلنا على اختيار دالة العضوية التي تعطي أفضل نتائج أداء طريقة RMSE (الجذر التربيعي لمتوسط ​​الخطأ المربع) والتي توفر معلومات عن تباين القيم التنبؤية حول البيانات المقاسة. تم الحصول على أفضل النتائج لوظيفة العضوية الغوسية. من تطبيقنا استنتجنا أن تقنية ANFIS موثوقة للغاية للتنبؤ بالإشعاع الشمسي على مستوى الأرض.

Predicting solar radiation using artificial intelligence techniques represents an important area in the field of renewable energy. In our work, we relied on the collection of data (Ouargla region in the South-East of Algeria) linked to solar energy, such as solar radiation, temperature, wind speed, humidity. , pressure, day and time. The technique applied is ANFIS which is a hybrid technique combining fuzzy logic and neural networks. Our analysis is based on the choice of the membership function which gives the best results of the performance of the RMSE method (the square root of the mean square error) which provides information on the variation of the predictive values around the data measured. The best results were obtained for the Gaussian membership function. From our application we concluded that the ANFIS technique is very reliable for predicting solar radiation at ground level.