dc.contributor.author |
SAITI, Tamer |
|
dc.contributor.author |
HAMZA, Abdelaziz |
|
dc.date.accessioned |
2022-05-09T09:42:34Z |
|
dc.date.available |
2022-05-09T09:42:34Z |
|
dc.date.issued |
2020 |
|
dc.identifier.uri |
https://dspace.univ-ghardaia.edu.dz/xmlui/handle/123456789/981 |
|
dc.description.abstract |
La 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.publisher |
université Ghardaia |
EN_en |
dc.subject |
Prévision de production, énergie éolienne, régression linéaire, réseaux neurones artificiel |
EN_en |
dc.subject |
: التنبؤ بتوليد الكهرباء، طاقة الرياح ، االنحدار الخطي ، الشبكات العصبية االصطناعية. |
EN_en |
dc.subject |
Production forecasting, wind energy, linear regression, artificial neural networks |
EN_en |
dc.title |
Etude de Prévision de la Production Electrique des Energies Renouvelables |
EN_en |
dc.type |
Thesis |
EN_en |