Please use this identifier to cite or link to this item: https://dspace.univ-ghardaia.edu.dz/xmlui/handle/123456789/981
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSAITI, Tamer-
dc.contributor.authorHAMZA, Abdelaziz-
dc.date.accessioned2022-05-09T09:42:34Z-
dc.date.available2022-05-09T09:42:34Z-
dc.date.issued2020-
dc.identifier.urihttps://dspace.univ-ghardaia.edu.dz/xmlui/handle/123456789/981-
dc.description.abstractLa prévision de la production électrique des énergies renouvelable notamment l’énergie éolienne constitue une partie très importante dans l’intégration aux réseaux électriques, ce faisant, il contribue à réduire le fonctionnement des centrales électriques conventionnelles, ce qui conduit à réduire le coût de production électrique et préserver l'environnement car il s'agit d'une énergie propre, gratuit et renouvelable. Dans ce travail nous avons développé des programmes qui calculent l’erreur de prévision à court terme en utilisant les méthodes statistiques classiques telles que la régression, et des méthodes d’intelligence artificielle basées sur les réseaux de neurones. Les méthodes classiques dépendent du modèle mathématique, mais les méthodes de réseaux de neurones ne dépendent que des données historiques avec une prévision précise, sachant que la production électrique dépend du vitesse du vent, de la saisonnalité.EN_en
dc.publisheruniversité GhardaiaEN_en
dc.subjectPrévision de production, énergie éolienne, régression linéaire, réseaux neurones artificielEN_en
dc.subject: التنبؤ بتوليد الكهرباء، طاقة الرياح ، االنحدار الخطي ، الشبكات العصبية االصطناعية.EN_en
dc.subjectProduction forecasting, wind energy, linear regression, artificial neural networksEN_en
dc.titleEtude de Prévision de la Production Electrique des Energies RenouvelablesEN_en
dc.typeThesisEN_en
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
608.420.115.pdf7.29 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.