Read the full article in English

Comprendre la prévision solaire · 20 octobre 2026 · Lecture accessible

Prévoir la production photovoltaïque : pourquoi réduire la dimension ?

Une journée de mesures contient beaucoup de valeurs. Elle ne contient pas forcément autant d’informations indépendantes. Réduire la dimension, c’est chercher une représentation plus compacte, puis vérifier qu’elle reste utile pour prévoir.

Pourquoi prévoir le PV directement ?

Pour piloter une batterie ou anticiper une injection sur le réseau, la grandeur utile est souvent la puissance électrique réellement délivrée par l’installation. Une voie consiste à prévoir le rayonnement solaire, à le transposer sur le plan des panneaux, puis à modéliser sa conversion électrique. Une autre consiste à prévoir directement la production future à partir de la production passée.

Cette approche directe évite de reconstruire toute la chaîne de conversion pour cette tâche. La mesure intègre déjà la réponse récente des panneaux et de l’onduleur. Elle ne rend pas la météo inutile : les observations du ciel, les satellites ou les prévisions météorologiques peuvent apporter une information absente du seul passé de la centrale.

Pourquoi réduire l’historique ?

Imaginons un modèle recevant toutes les demi-heures de la veille. Certaines valeurs voisines évoluent ensemble : les traiter comme des informations entièrement distinctes peut multiplier les entrées sans apporter autant de signal utile. La réduction de dimension construit un petit nombre de coordonnées qui résument cette trajectoire.

Une image simple : plusieurs photographies presque identiques d’un même objet ne donnent pas nécessairement plusieurs points de vue nouveaux. Mais supprimer une photographie peut aussi faire perdre un détail décisif. La compression doit donc être évaluée, et non supposée bénéfique.

Deux questions à garder séparées

• La forme est-elle préservée ? Un filtre géométrique examine les voisinages et les distances avant de choisir un modèle de prévision.
• La prévision reste-t-elle bonne ? Une approche « wrapper » évalue la représentation avec un prévisionniste, ici un Extreme Learning Machine (ELM).

Une représentation fidèle à la géométrie n’est pas automatiquement la meilleure pour prédire. Le dépôt compare notamment PCA, méthodes de variétés et autoencodeur, avec ces deux regards complémentaires.

Ce qu’il faut vérifier avant de conclure

Ajuster la transformation sur le passé disponible seulement, réserver des dates futures au test et comparer les mêmes horizons. Conserver une prévision sans réduction et des références simples. Examiner aussi le coût de la transformation : une entrée plus petite ne garantit pas que la chaîne complète soit plus légère.

La méthode dépend du site, de l’horizon et de la qualité des données. Elle ne résout ni l’absence d’historique d’une nouvelle centrale, ni une rupture de fonctionnement non documentée.

Explorer le travail collectif

Cette page explique le logiciel pv-dimensionality-reduction, associé au travail de Hassen Bouzgou, Gabriel Chesnoiu, Claudio F. Nicolosi, Adrien Chatel, Gilles Notton, Lionel Menard et Cyril Voyant. Hassen Bouzgou est premier auteur du manuscrit, non soumis à ce stade. Aucun résultat chiffré inédit du manuscrit n’est publié ici.

Le dépôt MATLAB contient un exemple Palaiseau et un mode de vérification rapide. Le code du projet est sous licence MIT ; la bibliothèque drtoolbox embarquée conserve ses propres conditions non commerciales.

Voir le code MATLAB et le protocoleSuite : quel modèle déployer ?