Prévision de l'éclairement normal direct par intelligence artificielle et commande prédictive d'un réacteur solaire

Direct normal irradiance forecasting by artificial intelligence and predictive control of a solar reactor

• Auteur / Autrice : Youssef Karout
• Direction : Stéphane Grieu, Stéphane Thil
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'ingénieur
• Date : Soutenance le 24/10/2022
• Etablissement(s) : Perpignan
• Ecole(s) doctorale(s) : École doctorale Énergie environnement (Perpignan ; 1999-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Procédés, matériaux et énergie solaire (Perpignan)
• Jury : Président / Présidente : Gilles Flamant
• Jury : Examinateurs / Examinatrices : Didier Dumur, Sylvain Rodat, Gilles Notton
• Jury : Rapporteurs / Rapporteuses : Ted Soubdhan, Laurent Linguet

Mots clés

Mots clés contrôlés

Énergie solaire -- Recherche

Apprentissage automatique

Gaz de synthèse

Commande prédictive

Mots clés libres

Machine Learning

Odel based predictive control

Solar resource forecast

Direct normal irradiance

Sky-Imaging data

Syngas production

Apprentissage automatique

Contrôle prédictif

Prévision de la ressource solaire

Éclairement normal direct

Image du ciel

Production de gaz de synthèse

Résumé

En raison de l'activité humaine au cours de ces dernières décennies, la planète est confrontée à des menaces existentielles qui nécessitent une action rapide. SFERA III est l'un des nombreux projets de recherche visant à concrétiser la vision verte de l'UE. Son objectif est de fournir des solutions techniques adaptées aux systèmes tirant profit de l'énergie solaire concentrée. Cette thèse contribue à SFERA III de deux manières : premièrement, un modèle de prévision infra-horaire de l'éclairement normal direct (DNI) a été développé pour résoudre les problèmes liés à l'intermittence de la ressource solaire ; deuxièmement, un contrôleur prédictif, tirant profit de prévisions du DNI a été développé pour garantir la stabilité d'un réacteur solaire conçu pour produire du gaz de synthèse. La première partie de cette thèse traite du dévelopement d'un modèle hybride pour la prévision infra-horaire du DNI. Il combine un modèle basé sur la connaissance, qui est utilisé pour la prévision du DNI par ciel clair à partir de mesures du DNI, avec un modèle fondé sur l'apprentissage automatique, qui évalue l'impact des perturbations atmosphériques sur la ressource solaire, par le traitement d'images du ciel à plage dynamique élevée. Les performances du modèle hybride sont comparées à celles de deux modèles statistiques basés sur des observations passées du DNI. Les résultats soulignent la pertinence du modèle hybride et de la prise en compte d'images du ciel dans le processus de prévision du DNI. La deuxième partie de la thèse porte sur la modélisation et le contrôle d'un réacteur solaire destiné à produire du gaz de synthèse, en exploitant l'énergie solaire concentrée. Un modèle basé sur l'équilibre thermodynamique a été développé. Ensuite, deux stratégies prédictives ont été développées : la première stratégie vise à maintenir la température du réacteur à sa valeur nominale ; la deuxième stratégie vise à maintenir la température du réacteur à sa valeur nominale, tout en maximisant l'utilisation de l'énergie solaire. Enfin, ces contrôleurs ont été comparés à un contrôleur de référence qui associe un contrôleur basé sur des règles et un contrôleur PID adaptatif. Différents modèles de prévision du DNI ont été testés et la robustesse du contrôleur aux erreurs de prévision a été évaluée.

As a result of human activity in recent decades, the planet is facing existential threats that require swift action. SFERA III is one of several research projects aiming to fulfill the EU's green vision. Its goal is to provide adapted technical solutions for concentrated solar power systems. This thesis contributes to SFERA III in two ways: first, solve problems related to solar irradiance intermittence, by providing an intrahour direct normal irradiance (DNI) forecasting model; second, propose a model based predictive controller, taking advantage of DNI forecasts, to maintain the stability of a solar reactor designed to produce syngas. The first part of this thesis exhibits a hybrid model for the intrahour forecasting of DNI. It combines a knowledge-based model, that is used for clear-sky DNI forecasting from DNI measurements, with a machine-learning-based model, that evaluates the impact of atmospheric disturbances on the solar resource, through the processing of high dynamic range sky images provided by a ground-based camera. The performance of the hybrid model is compared with that of two machine learning models based on past DNI observations only. The results highlight the pertinence of combining knowledge-based models with data-driven models, and of integrating sky-imaging data in the DNI forecasting process. The second part of the thesis deals with the modeling and control of a solar reactor designed to produce syngas, by exploiting concentrated solar power. A reactor model based on the thermodynamic equilibrium is developed. Then, two model-based predictive control strategies are proposed: MPC strategy 1 aims to maintain the reactor's temperature at its nominal value; MPC strategy 2 aims to maintain the reactor's temperature at nominal value, while maximizing the use of solar energy. Finally, these controllers are compared to a reference controller, which is a combination of a rule-based controller and an optimized adaptive PID controller. The robustness of the controller to forecast errors is also studied by testing different DNI forecasting models.