Détection des rampes de puissance éolienne à l’aide de l’apprentissage machine

Le projet porte sur le développement et l’adaptation d’un modèle d’apprentissage profond existant afin de prévoir de façon automatique à partir de cartes de prévisions météorologiques à haute résolution la probabilité d’occurrence de rampes de puissance éolienne. Ces événements soudains de changement rapide de la production éolienne, difficiles à prévoir, peuvent avoir des impacts significatifs sur la stabilité du réseau électrique et poser des défis au niveau de sa gestion. Plusieurs études ont montré que l’occurrence de rampes est reliée à l’occurrence de phénomènes météorologiques précis. L’apprentissage profond sera ici utilisé pour analyser de façon automatique les patrons associés à ces phénomènes sur des cartes de prévisions et évaluer si les conditions sont propices ou non à l’occurrence de rampes, imitant ainsi le travail d’un météorologue expérimenté. Les avantages de ce projet pour l’organisation partenaire Hydro-Québec (HQ) seront d’augmenter la valeur économique de l’éolien et de faciliter son intégration dans le réseau, l’éolien étant appelé dans les années à venir à composer une part plus importante du mix énergétique au Québec avec des plans de développement ambitieux dont HQ sera le maître d’œuvre, et à remplacer une grande partie de l’électricité produite à partir de combustibles fossiles dans les réseaux

Faculty Supervisor:

Julie Carreau

Student:

Partner:

Hydro-Quebec

Discipline:

Earth science

Sector:

Construction and infrastructure; Professional, scientific and technical services; Utilities

University:

Polytechnique Montréal

Program: