La Corse faisant partie des petits réseaux insulaires non-interconnectés, son approvisionnement énergétique est très particulier. En effet, comme toutes les îles, elle doit se suffire à elle-même. Une solution souvent adoptée pour pallier à cet isolement, consiste à recourir aux énergies renouvelables. Cependant, à cause de leur caractère intermittent, elles ne sont insérées que de manière limitée au sein des réseaux électriques. Il est nécessaire d'utiliser en parallèle d'autres moyens de production d'énergie, avec comme principale difficulté, la gestion optimale de la bascule entre ces deux types d'énergie. Cette étude s'inscrit dans le cadre de la prédiction de la ressource solaire et photovoltaïque dans le but de quantifier l'énergie disponible et de permettre une gestion optimale de la transition entre énergies intermittentes et conventionnelles. Tout au long de ces travaux, nous avons ainsi testé différentes techniques de prédiction sur quatre horizons susceptibles d'intéresser un gestionnaire de réseau : j+1, h+24, h+1 et m+5. A l'issue de toutes ces manipulations, nous pouvons conclure que suivant l'horizon considéré, la hiérarchisation des différents prédicteurs fluctue. On retiendra ainsi que, pour l'horizon j+1, il est intéressant d'utiliser une approche à base de réseaux de neurones en prenant soin de stationnariser les séries temporelles et d'utiliser des variables exogènes. Pour l'horizon h+1, une méthodologie hybride couplant la robustesse des modèles autorégressifs et la non-linéarité des modèles connexionnistes permet d'obtenir des résultats très satisfaisants. Pour le cas h+24, les réseaux de neurones à sorties multiples donnent de très bons résultats. Concernant l'horizon m+5, les conclusions sont moins catégoriques. Ainsi, même si les réseaux de neurones sont les plus performants, la simplicité et les résultats d'une approche basée sur la persistance, nous conduisent à préconiser principalement ce prédicteur. L'ensemble des méthodologies proposées et des résultats obtenus sont complémentaires avec les travaux de prédiction bibliographiques étudiés. Les méthodologies développées pourraient, à terme, être reprises comme éléments de prédiction dans des outils globaux de contrôle et de commande des systèmes énergétiques.

Une connaissance approfondie de la variabilité spatiale du climat est essentielle en agronomie et agroforesterie, afin d'évaluer les capacités de production d'une région ou encore la pression phytosanitaire potentielle d'un ravageur. En viticulture, le climat conditionne largement la cinétique de développement de la vigne ainsi que la maturation du raisin. L'objectif de ce travail était de caractériser la variabilité spatiale du climat à méso-échelle en utilisant différentes techniques de spatialisation au pas de temps quotidien de variables climatiques et d'indices agroclimatiques, afin d'évaluer ses conséquences sur le développement de la vigne et sur la maturation du raisin. La région considérée est la Gironde viticole (aire de production des vins de Bordeaux). Six variables ont été étudiées : les températures minimales et maximales, le rayonnement global, l'évapotranspiration potentielle, les précipitations et le bilan hydrique. Pour chaque variable, la méthode de spatialisation fournissant les résultats les plus pertinents à des coûts informatique et temporel raisonnables a été sélectionnée. La propagation des erreurs produites par la spatialisation des variables climatiques au pas de temps quotidien dans les modèles agroclimatiques a ensuite été évaluée. Cette propagation est non négligeable dans le calcul des sommes de températures et des bilans hydriques. La cartographie des variables climatiques a permis de caractériser la variabilité spatiale du climat en Gironde viticole et de bien quantifier des différences entre aires d'appellation qui n'étaient connues que de manière très empirique. Les résultats de cette étude permettront de mieux adapter les techniques viticoles et le choix du matériel végétal aux possibilités offertes par le milieu.

Nous avons mis en oeuvre une méthode statistique déjà existante (Cano, 1982) d'évaluation du rayonnement global à 1' aide des mesures du satellite Météosat. Cette méthode a été testée sur environ 1800 données : 11 mois de l'année 1983, 11 mois de l'année 1984 et 7 mois de l'année 1985. Les grands points de cette méthode statistique sont les suivants : 1) la construction d'une carte d'albédo planétaire par ciel clair d'après une série temporelle d'images sous conditions ciel clair, 2) l'évaluation d'un indice d'ennuagement, n, représentant le pourcentage du pixel recouvert par les nuages, par comparaison avec la carte d'albédo planétaire (albédo référence), 3) l'évaluation de la relation statistique entre la transmittance atmosphérique horaire (K), définie comme le rapport entre le rayonnement global et le rayonnement hors atmosphère (G0h), et n (l'indice d'ennuagement). Cette relation est du type : K = -a n + b ou Gh / G0h = -a n + b, où a et b > 0. Les coefficients de régression de cette relation ont été établis à partir des données du réseau de la Météorologie Nationale (Gh) et des données quotidiennes du canal visible de Météosat (n). En conclusion, nous pouvons dire que cette méthode est satisfaisante, elle permet 1) d'affiner ou de compléter (océans) les atlas du rayonnement déjà existants, en mettant en évidence des micro-climats (précision à 5 km près) peu connus ou inconnus, 2) l'évaluation du rayonnement global horaire moyen mensuel avec une précision de l'ordre de 0,1 kWh/m2, 3) un grand nombre d'application dites solaires (précision de rentabilité, méthode de conception architecturale assistée par micro-ordinateur, dimensionnement ...).

L'intégration de la production des énergies renouvelables intermittentes dans le mix énergétique est aujourd'hui limitée à un seuil de 30 % de la puissance totale produite. Cette mesure vise à assurer la sécurité de l'alimentation électrique des réseaux insulaires en France. La levée de ce verrou technique ne pourra se faire qu'en apportant des solutions au caractère intermittent des sources d'énergies éolienne et photovoltaïque. Les difficultés énergétiques auxquelles sont confrontés aujourd'hui les milieux insulaires préfigurent celles que rencontreront la planète à plus ou moins long terme. Ces territoires sont des laboratoires uniques pour éprouver les nouvelles technologies de stockage, de gestion et de prévision de l'énergie. La contribution de ce travail de thèse se focalise sur la prévision du rayonnement solaire global à différents horizons de temps car la puissance photovoltaïque produite découle directement de l'intensité du rayonnement solaire global. Dans un premier temps, l'étude bibliographique a permis de classer les modèles de prévision numériques et les modèles de prévision statistiques en fonction de la résolution spatiale et temporelle. Par ailleurs, elle montre que les meilleurs performances sont obtenues avec les modèles hybrides. Dans un deuxième temps, un modèle de prévisions à court terme (J+1) est proposé avec le modèle Weather Research and Forecasting (WRF) et un réseau de neurone bayésien. L'hybridation de ces deux méthodes améliore les performances de prévisions à J+1. Dans un troisième temps, un modèle de prévision à très court terme (t+h) est proposé avec le modèle hybride de Kalman. Cette méthode produit d'une part une prévision énergétique et d'autre part une prévision multi-horizon. La comparaison de la performance de ces modèles avec la méthode de référence dite de persistance montre une amélioration de la qualité de la prévision. Enfin, la combinaison du filtre de Kalman avec le modèle numérique WRF permet une mise en œuvre opérationnelle de la prévision. / The integration of intermittent renewable energy in the energy mix is currently limited to a threshold of 30% of the total power being produced. This restriction aims at ensuring the safety of the power input. The elimination of this technical obstacle will be possible with solutions to energy intermittence of wind and solar energy. The energy issues which islands are facing today prefigure global problems in a more or less long term. These territories constitute unique laboratories for testing new technologies of storage, management and forecasting of energy. The contribution of this thesis focuses on the forecasting of global horizontal irradiance at different time horizons. Indeed, the generated PV power stems directly from the intensity of the global horizontal irradiance. First, the review of solar irradiance forecasting methods allows to classify numerical weather models and statistical forecasting methods depending on spatial and temporal resolution. Moreover, it shows that best performance is obtained with hybrid models. Second, a short-term forecast model (day ahead forecast) is developed with the Weather Research and Forecasting model (WRF) and a Bayesian neural network. The hybridization of these methods improves the day ahead forecast performance. Third, a model for forecasting the very short term is developped with the Kalman hybrid model. This method offers on the one hand an energy forecasting and on the other hand a multi-horizon forecast. Comparing the performance of the aforesaid with the reference method, namely the persistence method, shows an improvement of the quality of the forecasts. Combining the Kalman filter with the WRF numerical model allows an operational implementation of the forecast.