Suite à un stage avec la compagnie Hatch, nous possédons des jeux de données composés de séries chronologiques de vitesses de vent mesurées à divers sites dans le monde, sur plusieurs années. Les ingénieurs éoliens de la compagnie Hatch utilisent ces jeux de données conjointement aux banques de données d’Environnement Canada pour évaluer le potentiel éolien afin de savoir s’il vaut la peine d’installer des éoliennes à ces endroits. Depuis quelques années, des compagnies offrent des simulations méso-échelle de vitesses de vent, basées sur divers indices environnementaux de l’endroit à évaluer. Les ingénieurs éoliens veulent savoir s’il vaut la peine de payer pour ces données simulées, donc si celles-ci peuvent être utiles lors de l’estimation de la production d’énergie éolienne et si elles pourraient être utilisées lors de la prévision de la vitesse du vent long terme. De plus, comme l’on possède des données mesurées de vitesses de vent, l’on en profitera pour tester à partir de diverses méthodes statistiques différentes étapes de l’estimation de la production d’énergie. L’on verra les méthodes d’extrapolation de la vitesse du vent à la hauteur d’une turbine éolienne et l’on évaluera ces méthodes à l’aide de l’erreur quadratique moyenne. Aussi, on étudiera la modélisation de la vitesse du vent par la distributionWeibull et la variation de la distribution de la vitesse dans le temps. Finalement, l’on verra à partir de la validation croisée et du bootstrap si l’utilisation de données méso-échelle est préférable à celle de données des stations de référence, en plus de tester un modèle où les deux types de données sont utilisées pour prédire la vitesse du vent. Nous testerons la méthodologie globale présentement utilisée par les ingénieurs éoliens pour l’estimation de la production d’énergie d’un point de vue statistique, puis tenterons de proposer des changements à cette méthodologie, qui pourraient améliorer l’estimation de la production d’énergie annuelle. / Following an internship with the company Hatch, we have access to datasets that are composed of wind speed time series measured at different sites accross the world and over several years. The wind speed engineers from Hatch are using these datasets jointly with Environment Canada databases in order to ascertain the wind energy potential of these sites and to know whether it is worth installing wind turbines there. For a few years, some companies are also offering mesoscale simulations of wind speed based on different environmental characteristics from the site we want to evaluate. We would like to know if it is worth paying for those mesoscale datasets and if they can be used to provide better estimations of the wind energy potential. Among other things, these data could be used to provide a better estimation of the long term mean wind speed. Since we already possess measured datasets, we will also use them to test, with statistical methods, the methodology currently used and the different steps leading to an estimation of the wind energy production. First of all, we will see what are the different methods that could be used to extrapolate wind speed to a wind turbine’s height and we will evaluate those methods with the mean squared extrapolation error. Also, we will study wind distribution modelling by the Weibull distribution and consider its variability over time. Finally, cross-validation and block bootstrap will be used to see whether we should use mesoscale data instead of wind data from Environment Canada or whether it would even be beneficial to use both kind of data to predict wind speed. In summary, the whole methodology used by wind speed engineers to estimate the energy production will be tested from a statistical point of view and we will attempt to propose changes in this methodology that could improve the estimation of the wind speed annual energy production.

Les énergies et plus particulièrement les énergies renouvelables sont un des éléments clés du développement soutenable aujourd'hui en plein expansion. Cette problématique est encore plus sensible dans les régions insulaires. Le chapitre 17 de l'Agenda 21 (Conférence de Rio, 1992) stipule que les îles sont des cas particuliers à la fois d'un point de vue environnemental et de leur développement. Elles ont des problèmes spécifiques et sont extrêmement fragiles et vulnérables. Dans le contexte actuel du développement durable, l'énergie est la pierre angulaire de leur stratégie de planification. En milieu insulaire, les contraintes habituelles dans le domaine de l'énergie sont la distance aux réseaux principaux, la petite échelle, les difficultés de distribution et l'absence de grands marchés traditionnels. Ces contraintes sont en général contrebalancées par l'extrême abondance des sources renouvelables d'énergie et l'incroyable adaptabilité et capacité d'intégration des technologies d'énergies renouvelables. Des facteurs qui tranchent avec l'inefficacité et le coût élevé des systèmes à énergie conventionnelle dans ces régions insulaires. En fait, nous pourrions dire que les îles doivent devenir de véritables laboratoires pour l'avenir des énergies " durables " Dans le document final rédigé à la fin de la première conférence sur le développement durable des îles (Minorca, 1997), nous pouvons lire : " les sources d'énergie non-renouvelables doivent être considérées comme des solutions provisoires, non souhaitables comme solution à long terme au problème énergétique des îles. ". C'est dans ce contexte que s'inscrivent les activités de recherches que nous avons réalisées depuis notre recrutement sur un poste de Maitre de Conférences en Septembre 1996, à l'Université de Corse. Elles concernent, en grande partie, l'intégration des sources renouvelables (solaire photovoltaïque et éolien) dans les réseaux électriques insulaires, avec comme champ d'application, la Corse. La démarche développée consiste à étudier le système énergétique globalement : en effet, un système solaire ou éolien n'est pas seulement tributaire de sa fiabilité technique et des performances individuelles de ses composants, il dépend de l'agencement des différents composants, de la stratégie de fonctionnement des divers sous-systèmes et de son dimensionnement. De plus, il est dépendant, par nature, des rythmes et aléas de son approvisionnement en énergie. Nous avons donc mis en œuvre une méthodologie globale du système prenant en compte tous les particularismes liés à l'utilisation des sources renouvelables d'énergie. La problématique générale posée par les systèmes utilisant une source renouvelable d'énergie d'origine phénomène (vent, soleil) est la suivante : comment utiliser au mieux un flux énergétique (éclairement solaire, vitesse de vent) fortement dépendant du temps et de l'espace pour répondre à une demande énergétique présente généralement sous une autre forme, elle aussi aléatoire dans le temps ? La particularité des chaînes de conversion solaire ou éolienne, comme celle de tout système à intrant énergétique d'origine phénomène provient du caractère aléatoire de la source du fait des variations météorologiques non prévisibles. Ainsi, même pour un système parfaitement connu d'un point de vue mathématique et technique, certaines grandeurs telles que rendement, efficacité ou productivité restent liées aux fluctuations spatio-temporelles de la source mais également de la charge. C'est donc pour cette raison que la connaissance et la caractérisation de la source énergétique doivent être étudiées de manière très précise. L'extrant énergétique (la consommation) est lié quant à lui aux besoins de l'utilisateur et/ou aux caractéristiques du réseau de distribution d'énergie. C'est pour cette raison, que la première partie de mes travaux se concentre sur la connaissance et la caractérisation de la source énergétique qu'elle soit solaire ou éolienne. Ainsi, nos principales activités de recherches portent sur : - l'étude des ressources énergétiques : absolument nécessaire pour les raisons exposées précédemment : étude statistique, développement de corrélation et de modèle, interprétation physique des phénomènes. - la production d'énergie à grande échelle à partir de sources renouvelables : très souvent, il s'agit de systèmes directement connectés au réseau de distribution. Cette production pose des problèmes du fait de sa forte variabilité qui perturbe le fonctionnement du réseau de distribution. Il faut donc étudier les interactions dynamiques inévitables entre l'offre et la demande, et analyser l'intervention de plusieurs facteurs tels que : centralisation ou distribution des systèmes de production, stockage d'énergie, taille du réseau, .... pour préserver la stabilité du réseau au fur et à mesure de l'augmentation de la capacité installée. - les systèmes de production multisources (appelés hybrides) : il s'agit de systèmes d'approvisionnement en électricité, la plupart du temps pour l'alimentation des sites isolés (mais dont l'application en mode connexion réseau électrique est également envisagée) couplant divers types de productions telles que éolienne, photovoltaïque et autres. Ils permettent une fourniture d'électricité plus fiable et moins coûteuse. Devant la complexité de ces systèmes, il convient de développer des méthodes de dimensionnement intégrant une optimisation de la gestion de l'énergie et une étude de coût optimal de production. Nous contribuons également aux activités de recherches portés par les membres de l'équipe. Elles concernent plusieurs domaine comme : - le diagnostic des systèmes de production [6.7.2.5 ; 6.7.2.10] : étant donnés la complexité des systèmes et le nombre important des paramètres qui entrent dans leur fonctionnement, un automaticien a rejoint notre équipe et développe des méthodologies de diagnostic des systèmes complexes qu'il applique à nos systèmes. - le développement de capteurs solaires innovants [6.7.1.3 ; 6.7.1.17 ; 6.7.1.19 ; 6.7.12.. 6.7.2.1. ; 6.7.2.2 ; 6.7.2.3. ; 6.7.2.8. ; 6.7.2.11. ; 6.7.2.17 ; 6.7.2.35 ; 6.7.2.36] (thermique et/ou photovoltaïque) : dans ce domaine, l'équipe a développé un capteur à air autonome, un capteur solaire en matériau composite et travaille actuellement sur un volet solaire à haute intégration dans l'habitat et sur un capteur hybride de production simultanée de chaleur et d'électricité. Dans un premier temps, nous présenterons donc les travaux relatifs à l'estimation et à l'analyse de la ressource énergétique que sont le rayonnement solaire et les vitesses de vent. Cette partie est un élément clé de l'analyse du comportement, de l'optimisation des systèmes de production d'énergie à sources renouvelables d'énergie. Il est en effet indispensable de mettre en place des caractérisations stochastiques du fait même de l'aspect aléatoire et non déterministe de cette ressource. La deuxième partie traite de la problématique de la connexion de systèmes énergétiques sur le réseau électrique insulaire, et les outils que nous avons mis en place afin d'analyser l'opportunité de l'intégration de fermes éoliennes ou de systèmes photovoltaïques sur les réseaux électriques, et plus particulièrement ceux non-interconnectés comme les réseaux insulaires. Cette thématique, nous a naturellement amené à étudier le couplage à d'autres sources d'énergie (et/ou de stockage) afin de réduire l'influence de l'aspect intermittent et non contrôlable de ces sources d'énergie. Le but des travaux entrepris sur ces systèmes n'est pas de rendre compte de l'évolution précise des paramètres entrant dans son fonctionnement tels que la tension, l'intensité, mais à partir de variables purement énergétiques (et non électriques) de dimensionner les différents sous-systèmes et de choisir la meilleure stratégie de fonctionnement pour chaque sous-système. Dans ce cadre, la modélisation physique globale utilisée permet de décrire le comportement de chaque sous système, puis on adjoint une étude de coût de production pour finaliser l'optimisation

Le laboratoire TELE a développé une méthode d'évaluation des paramètres qui déterminent l'état de la surface de la mer, à partir de mesures effectuées à distance par une combinaison d'instruments hyperfréquences embarqués à bord de satellites. La résolution de ce problème nécessite de construire un modèle statistique de la surface de la mer comme fonction d'un nombre limité de paramètres pertinents, de développer le modèle de diffusion des ondes électromagnétiques par la mer rugueuse, de simuler, pour un ensemble donné d'états de mer, les mesures attendues des satellites et de mettre au point la méthode de calcul des paramètres descriptifs de l'état de la mer à partir des mesures des satellites (inversion). L'objectif de cette thèse est d'analyser, de développer et d'implémenter la modélisation statistique de la surface de la mer et de valider ce modèle, appelé UCL-3, à partir des données réelles. Notre recherche a permis de déterminer les quatre paramètres pertinents qui décrivent l'état de la mer. La structure des petites vagues résulte de la réaction instantanée de la surface au vent local et peut être décrite à l'aide de ce seul paramètre. Par contre, la structure des grandes vagues contient l'histoire de la vague ; c'est pourquoi, nous avons proposé de la décrire non seulement en fonction de la vitesse du vent mais aussi de la pente significative des vagues, de la distance d'action au vent et du nombre d'onde au pic du spectre des déplacements de la surface. La qualité de ce modèle a été confrontée avec des données de terrain, en particulier celles de la bouée BEATRICE (située au large de l'île d'Ouessant, France). Ensuite, le modèle a été validé à l'aide de données mesurées par des satellites. Nous avons porté une attention particulière à la mission TANDEM, qui combine en synergie des données provenant de divers senseurs à bord des satellites ERS-1 et ERS-2. Le modèle UCL-3 réduit la quantité des données pour lesquelles la procédure des précédentes recherches ne fonctionnait pas. Enfin, les grandeurs géophysiques obtenues ont été comparées avec des mesures simultanées « in situ » de bouées NOAA situées dans l'Océan Atlantique, l'Océan Pacifique Nord et le Golfe d'Alaska. Cette comparaison satellite – bouée montre que les résultats obtenus par l'inversion des mesures radars concordent avec ceux mesurés « in situ » par des bouées. / The Telecommunications and Remote Sensing Laboratory of UCL has developed a method to retrieve the sea surface state parameters, from remote sensing measurements collected by a combination of microwave satellite payloads. This approach has required to construct a rough sea surface statistical model (wave displacement spectrum, long wave slope probability density function, ... ) as a function of a limited number of relevant sea state parameters, to develop an electromagnetic scattering model suitable for the rough sea surface model, to simulate radar and radiometric measurements for a given set of sea states and to develop a computational inversion method to retrieve the sea state parameters from satellite data. The objective of this thesis has been to analyze, develop and implement the statistical modeling of the rough sea surface and to validate this model (called UCL-3) on real data. In this research, four parameters have been chosen as the minimum set required to provide a suitable enough description of the sea state for microwave remote sensing purposes. The small wave structure of the rough sea depends on the instantaneous local wind speed, therefore it may be described by this parameter only. On the other hand, the large sea wave structure which contains the wave history needs more degrees of freedom; therefore, we propose to describe these waves not only as a function of the wind speed but also of the wave significant slope, of the fetch and of the wavenumber at the peak of the surface displacement spectrum. With respect to previous researches made at UCL we have introduced an additional peak enhancement in the large sea wave spectrum. The quality of the resulting sea surface model has been confronted with “ground truth data” in particular those from the BEATRICE buoy (located near Ouessant Island, West of France). In a second step, the surface model, along with the electromagnetic scattering one, has then been validated on satellite data. In this thesis a particular attention has been paid to the TANDEM mission synergistically combining data from different sensors borne on two different satellites ERS1 and ERS2. The obtained geophysical retrievals have been compared with simultaneous "in situ" buoy measurements from a set of NOAA buoys located in the Atlantic Ocean, the Pacific Ocean and the Gulf of Alaska. This comparison allowed us to improve models previously derived at UCL and to reduce the percentage of retrieval failures i.e. the amounts of data points for which the retrieval procedure in the previous researches was failing. These sea surface results from inverted radar data agree with those derived from buoy data.

L'objectif principal de ce travail est l'étude des vitesses de vent, dans la couche atmosphérique de surface, dans le cadre des processus multifractals. Nous montrons que les modèles de cascades aléatoires, originellement introduits pour représenter l'intermittence spatio-temporelle en turbulence pleinement développée, se révèlent pertinents pour décrire les fluctuations du vent aux méso-échelles. Sur le plan théorique, nous présentons un nouveau formalisme multifractal qualifié d'"asymptotique mixte" qui généralise l'analyse standard et permet d'estimer les "dimensions négatives" introduites par Mandelbrot il y a une vingtaine d'années. L'application de cette approche à des données de turbulence permet de distinguer divers modèles de cascades proposés pour décrire l'intermittence de la dissipation. En étudiant les incréments temporels et spatiaux de la vitesse du vent enregistrée en différents sites de Corse et des Pays-Bas, nous montrons la nature intermittente des fluctuations du vent dans la gamme méso-échelles. Notre analyse s'appuie sur la covariance de la magnitude, outil qui s'avère plus efficace pour étudier l'intermittence que l'étude des lois de puissance classique. Nos résultats suggèrent ainsi l'existence d'un mécanisme de cascade "universel" associé au transfert d'énergie entre les mouvements synoptiques et la turbulence micro-échelles dans la couche limite de surface. Ces observations nous conduisent à la construction d'un modèle de séries temporelles pour la dynamique du vent associé à une cascade aléatoire continue. Cette représentation reproduit remarquablement les distributions empiriques des vitesses et permet une prévision de la vitesse à court terme (1-12 heures) de meilleure qualité que les modèles de référence.

Une chambre environnementale a été développée pour étudier le comportement de l'interface sol-atmosphère durant l'infiltration et l'évaporation. Un volume d'environ un mètre cube d'argile verte de Romainville a été mis en place par compactage. Près de cent capteurs ont été utilisés pour assurer un suivi très large des paramètres du sol (succion, teneur en eau, température, gonflement à la surface) et de l'air (vitesse du vent, humidité relative, température). La température à la surface ainsi que la fissuration due au séchage ont été également suivies. Les mesures pendant la première phase d'humidification ont permis la détermination de la conductivité hydraulique en fonction de la succion et de la courbe de rétention d'eau du sol. La deuxième phase comporte quatre essais de séchage dont deux pour l'évaluation du taux d'évaporation potentiel PE et deux autres pour la détermination du rapport du taux d'évaporation réel AE au taux d'évaporation potentiel PE. Les résultats obtenus ont permis l'élaboration d'une nouvelle approche de calcul de PE, et le développement d'une nouvelle approche de calcul de AE en tenant compte de la fissuration en surface du sol.

Cette thèse s’intéresse à la problématique de la prédiction dans le cadre du design de systèmes énergétiques et des problèmes d’opération, et en particulier, à l’évaluation de l’adéquation de systèmes de production d’énergie renouvelables. L’objectif général est de développer une approche empirique pour générer des prédictions avec les incertitudes associées. En ce qui concerne cette direction de la recherche, une approche non paramétrique et empirique pour estimer les intervalles de prédiction (PIs) basés sur les réseaux de neurones (NNs) a été développée, quantifiant l’incertitude dans les prédictions due à la variabilité des données d’entrée et du comportement du système (i.e. due au comportement stochastique des sources renouvelables et de la demande d'énergie électrique), et des erreurs liées aux approximations faites pour établir le modèle de prédiction. Une nouvelle méthode basée sur l'optimisation multi-objectif pour estimer les PIs basée sur les réseaux de neurones et optimale à la fois en termes de précision (probabilité de couverture) et d’information (largeur d’intervalle) est proposée. L’ensemble de NN individuels par deux nouvelles approches est enfin présenté comme un moyen d’augmenter la performance des modèles. Des applications sur des études de cas réels démontrent la puissance de la méthode développée. / This Ph.D. work addresses the problem of prediction within energy systems design and operation problems, and particularly the adequacy assessment of renewable power generation systems. The general aim is to develop an empirical modeling framework for providing predictions with the associated uncertainties. Along this research direction, a non-parametric, empirical approach to estimate neural network (NN)-based prediction intervals (PIs) has been developed, accounting for the uncertainty in the predictions due to the variability in the input data and the system behavior (e.g. due to the stochastic behavior of the renewable sources and of the energy demand by the loads), and to model approximation errors. A novel multi-objective framework for estimating NN-based PIs, optimal in terms of both accuracy (coverage probability) and informativeness (interval width) is proposed. Ensembling of individual NNs via two novel approaches is proposed as a way to increase the performance of the models. Applications on real case studies demonstrate the power of the proposed framework.

L’énergie éolienne, l’une des énergies renouvelables les plus compétitives, est considérée comme une solution qui remédie aux inconvénients de l’énergie fossile. Pour une meilleure gestion et exploitation de cette énergie, des prévisions de sa production s’avèrent nécessaires. Les méthodes de prévisions utilisées dans la littérature permettent uniquement une prévision de la moyenne annuelle de cette production. Certains travaux récents proposent l’utilisation du Théorème Central Limite (TCL), sous des hypothèses non classiques, pour l’estimation de la production annuelle moyenne de l’énergie éolienne ainsi que sa variance pour une seule turbine. Nous proposons dans cette thèse une extension de ces travaux à un parc éolien par relaxation de l’hypothèse de stationnarité la vitesse du vent et la production d’énergie, en supposant que ces dernières sont saisonnières. Sous cette hypothèse la qualité de la prévision annuelle s’améliore considérablement. Nous proposons aussi de prévoir la production d’énergie éolienne au cours des quatre saisons de l’année. L’utilisation du modèle fractal, nous permet de trouver une division ”naturelle” de la série de la vitesse du vent afin d’affiner l’estimation de la production éolienne en détectant les points de ruptures. Dans les deux derniers chapitres, nous donnons des outils statistiques de la détection des points de ruptures et d’estimation des modèles fractals. / The wind energy, one of the most competitive renewable energies, is considered as a solution which remedies the inconveniences of the fossil energy. For a better management and an exploitation of this energy, forecasts of its production turn out to be necessary. The methods of forecasts used in the literature allow only a forecast of the annual mean of this production. Certain recent works propose the use of the Central Limit Theorem (CLT), under not classic hypotheses, for the estimation of the mean annual production of the wind energy as well as its variance for a single turbine. We propose in this thesis, an extension of these works in a wind farm by relaxation of the hypothesis of stationarity the wind speed and the power production, supposing that the latter are seasonal. Under this hypothesis the quality of the annual forecast improves considerably. We also suggest planning the wind power production during four seasons of the year. The use of the fractal model, allows us to find a "natural" division of the series of the wind speed to refine the estimation of the wind production by detecting abrupt change points. Statistical tools of the change points detection and the estimation of fractal models are presented in the last two chapters.