Abstract:
L'intelligence artificielle joue un rôle important dans le secteur de l'énergie, comme l'analyse des
données, la prévision de la demande d'énergie, l'amélioration de l'efficacité énergétique des bâtiments,
l'amélioration des réseaux électriques et l'amélioration des opérations de distribution et de stockage. Dans
ce mémoire, Des modèles hybrides ont été proposés basés sur l'algorithme d'Extrême Learning Machine
(ELM) et la machine à vecteurs support (SVM), en utilisant la décomposition en ondelettes (W-ELM &
W-SVM), pour la prévision du rayonnement solaire horaire dans la ville de Ghardaïa, en Algérie. Le
problème est abordé en prenant en compte à la fois des données météorologiques (variables exogènes)
et des données de rayonnement solaire précédant l'heure prédite (variables endogènes) comme entrées
pour estimer le modèle optimal. Les données horaires sur une période allant de 2012 à 2015 sont utilisées
pour l'apprentissage, tandis que les données de 2016 sont réservées aux tests. Les résultats mettent en
évidence l'efficacité du modèle hybride, en particulier du WP-ELM, par rapport aux autres modèles.
Lorsque les variables endogènes sont utilisées comme entrées, le modèle affiche d'excellentes performances.
