Memoire de SOUZA Ephrem H.

UNIVERSITE D’ABOMEY-CALAVI (UAC)
**************
ECOLE DOCTORALE
« SCIENCES POUR L’INGENIEUR »
**************
DIPLOME D’ETUDES APPROFONDIES (DEA)

**************
Spécialité : Génie Electrique
Rapport de stage
Thème :
ETUDE ET MODELISATION DE LA VARIABILITE DU POTENTIEL

SOLAIRE PHOTOVOLTAÏQUE : CAS DE LA ZONE CÔTIERE DE
COTONOU
Présenté par :
Ephrem H.de SOUZA, Ingénieur, professeur certifié en génie électrique
Direction de : Encadrement :
Pr. SANYA Emile Dr FIFATIN François-Xavier
(Maître de conférences, CAMES) (Maître Assistant, CAMES)
Laboratoire d’Electrotechnique de Télécommunications et d’Informatique Appliquée (LETIA)
Année académique 2013-2014

Etude et modélisation de la variabilité du potentiel solaire photovoltaïque : Cas de la
zone côtière de Cotonou
Rédigé par de SOUZA Ephrem

Remerciements
Je remercie Dieu tout puissant.
J’adresse mes remerciements au Professeur AVLESSI Félicien

Directeur de l’école polytechnique d’Abomey-Calavi (EPAC)
Je remercie également le professeur Antoine VIANOU, Professeur

Titulaire en sciences et Techniques de l’Ingénieur, chevalier de l’ordre
International des Palmes Académiques du CAMES, Vice-Recteur
Honoraire de l’UAC, Président du Comité Scientifiques Sectoriel Sciences
et Techniques de l’Ingénieur et Membre de l’Académie Nationale des
Sciences Arts et Lettres du Bénin.
Je voudrais ensuite remercier le Professeur Emile SANYA,

Coordonnateur du troisième cycle à l’EPAC pour avoir bien voulu accepter
superviser le travail ;
Je remercie ensuite le Docteur François Xavier FIFATIN, Chef

de Département Génie Electrique à l’EPAC pour avoir proposé le sujet,
pour la qualité de ses conseils.
Ma reconnaissance va par ailleurs à l’endroit de tous les

enseignants de l’Ecole Doctorale Sciences pour l’Ingénieur ;
Je remercie ma très chère épouse Marielle de SOUZA pour tous les

sacrifices consentis.
Enfin, je remercie tous les membres du LETIA pour leur sympathie

et leur esprit d’ouverture.
Rédigé par de SOUZA H. M. Ephrem i

Sommaire
Remerciements .............................................................................................. i
Liste des figures ........................................................................................... iv
Liste des tableaux ........................................................................................ vi
Résumé ........................................................................................................ ix
Abstract ......................................................................................................... x
Introduction générale .................................................................................... 1
1. Objectifs ................................................................................................ 3
2. Méthodologie ........................................................................................ 3
Chapitre 1 : Généralités et synthèse bibliographique ................................... 5
Chapitre2 : Traitement et analyse des données .......................................... 13
Chapitre 3 : Modélisation de la variabilité ................................................. 22
Chapitre 4 : Résultats et discussion ........................................................... 40
Conclusion générale ................................................................................... 56
Références bibliographiques ...................................................................... 57
Table des matières ...................................................................................... 60
Rédigé par de SOUZA H. M. Ephrem ii

Nomenclature
Symboles Désignation Unités
Rg Irradiation globale Kw/m²/K
Ro Irradiation non atmosphérique Kw/m²/K
H Durée moyenne d’ensoleillement heures
Ho Durée moyenne d’ensoleillement heures
W Energie Kwh
S Superficie Mètre carré
Rédigé par de SOUZA H. M. Ephrem iii

Liste des Figures

Figure 1.1 : Matérialisation du rayonnement ......................................... 7
Figure 2.1 : Irradiation par la méthode d’Angstrom-Prescott des années

2011, 2012 et 2013 ................................................................................. 17
Figure 2.2 : Valeurs mensuelles de l’humidité relative des années 2011,

2012, 2013 ............................................................................................... 18
Figure 2.3 : Valeurs mensuelles de la couverture nuageuse des années

2011, 2012 et 2013. ................................................................................. 19
Figure 2. 4 : valeurs mensuelles de la température des années 2011, 2012,

2013. ........................................................................................................ 20
Figure 4.1 :Irradiation estimée par le modèle d’Angstrom-Prescott et celle

obtenue par la méthode des moindres carrés. ......................................... 42
Figure 4.2 : Irradiation estimée à partir du modèle élaboré en tenant

compte de l’humidité relative et celle obtenue par le modèle d’Angstrom –
Prescott .................................................................................................. 44

compte de la couverture nuageuse et celle obtenue par le modèle
d’Angstrom – Prescott ............................................................................. 45

compte de la température et celle obtenue par le modèle d’Angstrom –
Prescott .................................................................................................. 46
Rédigé par de SOUZA H. M. Ephrem iv

Figure 4.5 : l’irradiation estimée à partir du modèle élaboré en tenant

compte de la combinaison humidité – couverture nuageuse et celle obtenue
par le modèle d’Angstrom – Prescott ..................................................... 47

compte de la combinaison température – couverture nuageuse et celle
obtenue par le modèle d’Angstrom – Prescott ..................................... 48

compte de la combinaison température – humidité et celle obtenue par le
modèle d’Angstrom - Prescott ................................................................. 49

compte de la combinaison température – humidité - couverture nuageuse et
celle obtenue par le modèle d’Angstrom - Prescott. ............................... 50
Figure 4.9 : Irradiations issues du modèle élaboré, du modèle d'Angstro-

Prescott et celle de l'année 2005. ............................................................ 55
Rédigé par de SOUZA H. M. Ephrem v

Liste des Tableaux

Tableau 2.1 : Insolation mensuelle H dans la zone côtière (heures)-14
Tableau 2.2 : Radiation solaire R0 à la limite de l’atmosphère dans la

zone côtière (kWh/m2/j) - 14
Tableau 2.3 : Insolation journalière H0 théorique (heures)- ........ 14
Tableau 2.4 : Valeurs des coefficients a et b suivant la région [18].15
Tableau 2.5 : Valeurs pour l’irradiation des années 2011-2012 et

2013 .................................................................................................. 16
Tableau 2.6: Valeurs des données mensuelles sur l’humidité relative
des années 2011, 2012 et 2013 (données de l’ASECNA). ............... 17
Tableau 2.7 : Valeurs des données mensuelles de la couverture nuageuse

des années 2011, 2012 et 2013 ................................................................ 18
Tableau 2.8: Valeurs des données mensuelles sur la température des
années 2011 - 2012 et 2013 ..................................................................... 19
Tableau 3.1 : Valeurs moyennes de l’irradiation, de la couverture
nuageuse et de l’humidité de 2011 à 2013 ....................................... 23
Tableau 3.2 : Valeurs des différents coefficients entrant dans le calcul

par la méthode des moindres carrés ................................................. 33
Tableau 4.1 : Valeurs de l’irradiation mensuelle calculée par la

méthode des moindres carrés ........................................................... 40
Tableau 4.2 : Valeurs des irradiations issues de la méthode des

moindres carrés et du modèle d’Angstrom Prescott ....................... 40
Rédigé par de SOUZA H. M. Ephrem vi

Tableau 4.3 : Valeurs de l’irradiation estimée à partir du modèle

élaboré en tenant compte de l’humidité relative et celle obtenue par le
modèle d’Angstrom – Prescott ......................................................... 43
Tableau 4.4: Valeurs de l’irradiation estimée à partir du modèle élaboré en
tenant compte de la couverture nuageuse et celle obtenue par le modèle
Tableau 4.5 : Valeurs de l’irradiation estimée à partir du modèle élaboré
en tenant compte de la température et celle obtenue par le modèle
Tableau 4. 6: Valeurs l’irradiation estimée à partir du modèle élaboré en
tenant compte de la combinaison humidité – couverture nuageuse et celle
obtenue par le modèle d’Angstrom – Prescott ....................................... 46
Tableau 4.7 : valeurs l’irradiation estimée à partir du modèle élaboré en
tenant compte de la combinaison température – couverture nuageuse et
celle obtenue par le modèle d’Angstrom – Prescott................................ 48
en tenant compte de la combinaison température – humidité relative et
celle obtenue par le modèle d’Angstrom – Prescott................................ 49
Tableau 4.9 : valeurs de l’irradiation estimée à partir du modèle élaboré en
tenant compte de la combinaison température – humidité - couverture
nuageuse et celle obtenue par le modèle d’Angstrom – Prescott ............ 50
Tableau 4. 10 : Ecarts moyens et quadratiques ..................................... .52
Tableau 4. 11 : Comparaison des valeurs d’irradiation issues du modèle

élaboré, du modèle d’Angstrom – Prescott et celle mesurée de l’année
2005 ......................................................................................................... 54
Rédigé par de SOUZA H. M. Ephrem vii

Sigles et acronymes
ASECNA : Agence pour la sécurité de la navigation aérienne

Africaine et Malgache
MBE : Mean bias error
RMSE : Root mean square error
NASA : National aeronautics and space administration
Rédigé par de SOUZA H. M. Ephrem viii

Résumé
Cette étude a contribué à trouver un modèle mathématique du potentiel
solaire photovoltaïque de la zone côtière de Cotonou. Ce modèle a été
établi à l’aide des données sur la température, l’humidité relative, et la
couverture nuageuse collectées à l’agence météorologique ASECNA. Ces
différentes données ont été considérées sur une période de 2011 à 2013
soient trois années. L’irradiation globale de la zone côtière de Cotonou a
été estimée pour la même période par le modèle d’Angstrom Prescott.
Partant de la moyenne sur les trois années, deux méthodes ont été utilisées.
Il s’agit de la méthode des moindres carrés et de la méthode de résolution
directe utilisant l’équation normale. Le calcul des écarts moyen et
quadratique sur les douze mois de l’année a montré que la méthode directe
utilisant l’équation normale est plus précise. Le modèle élaboré par la
méthode directe a permis de faire ressortir l’impact des paramètres
météorologiques (température, humidité relative et couverture nuageuse)
sur la variabilité du potentiel solaire photovoltaïque.
Le modèle a été validé en considérant les mesures directes de l’irradiation

globale et des données climatiques de la zone côtière de Cotonou de
l’année 2005.
Mots clés : irradiation, potentiel photovoltaïque, température, couverture

nuageuse, humidité relative.
Rédigé par de SOUZA H. M. Ephrem ix

Abstract
This study has contributed to find a mathematical model of the
photovoltaic solar potential in the coastal region of Cotonou. This model
has been established on a data set of temperature, the relative humidity and
clouds cover collected at the meteorological agency (ASECNA).
These different data has been considered within a period starting from
2011 to 2013 either tree years. The global radiation has been estimated for
the same period by the angstrom Prescott model. Starting from the average
over the three years two methods have been used. It is question of the least
square method and the direct resolution method using normal equation.
The computation of the mean deviation and the standard deviation
throughout the twelve months of the years has shown that the normal
equation method is more accurate. The model found by the direct
resolution method has helped to stand out the impact of the meteorological
parameters on the variability of the photovoltaic potential. The model has
been validated taking into account the direct measures of the global
radiation and the climatic data of the years 2005.
Keywords: irradiation, photovoltaic potential, temperature, cloud cover,

relative humidity.
Rédigé par de SOUZA H. M. Ephrem x

Introduction générale
Les énergies renouvelables en général et l’énergie photovoltaïque en
particulier sont souvent considérées comme des solutions alternatives
durables aux problèmes actuels de la ressource énergétique. Ce constat est
plus frappant dans le domaine de l’électricité.
L’énergie du soleil est la source la plus renouvelable de toutes, c’est même

l’énergie primaire de toutes les énergies présentes sur la terre à l’exception
de la géothermie [1]. L’énergie solaire au Bénin est non négligeable
notamment dans les régions du nord au sud. En effet sur le territoire
national l’irradiation moyenne est d’environ 3,9 à 6,2 kWh/m2/j.
Néanmoins l’énergie solaire photovoltaïque est encore à un état

embryonnaire par rapport à la quantité produite. Ce potentiel ne pourrait
être mis en valeur si le climat devrait connaître de grandes modifications.
Vu le caractère intermittent que revêt cette énergie il est important de
s’intéresser à l’étude de sa variabilité. Cela permettra de faire ressortir
l’influence des paramètres climatologiques.
Le présent travail s’inscrit dans ce cadre et vise à évaluer le potentiel

photovoltaïque d’une part et d’autre part à réaliser un modèle de la
variabilité du potentiel photovoltaïque dans la zone côtière de Cotonou. Le
travail réalisé est organisé en quatre chapitres. Dans le premier, nous
présentons la synthèse bibliographique, à travers un deuxième chapitre,
nous abordons l’analyse et le traitement des données collectées par rapport
au potentiel photovoltaïque, dans le chapitre trois, nous exposons le type
de modèle utilisé et enfin le quatrième chapitre a abordé les résultats et
discussions.
Rédigé par de SOUZA Ephrem 1
Contexte, justification et problématique

L’énergie électrique est un facteur important pour le développement d’un
pays en général et en particulier pour le développement d’une ville. Ainsi
dans la zone côtière de Cotonou, tenant compte du nombre sans cesse
croissant de la population, il est nécessaire de penser à d’autres sources
d’énergie autre que l’énergie hydraulique et l’énergie thermique. L’énergie
solaire photovoltaïque peut être une solution mais les données sur
l’irradiation dans la zone côtière n’étant pas disponibles, nous allons
évaluer l’irradiation à partir des données sur l’insolation.
Compte tenu des fluctuations de l’énergie solaire photovoltaïque qui

engendre la variabilité de cette énergie, à travers un modèle mathématique,
il faut faire ressortir les facteurs climatiques qui sont à la base de cette
variabilité. Est-ce la couverture nuageuse comme le suggèrent certains
travaux de recherche ? Ou la température ? Ou encore l’humidité relative ?
Ou autre ?
Rédigé par de SOUZA H. M. Ephrem 2

1. Objectifs
L’objectif général de cette recherche est d’analyser la grande variation du
potentiel solaire photovoltaïque et de faire ressortir l’influence des
paramètres météorologiques. Ainsi, les objectifs spécifiques s’énumèrent
comme suit :
- recueillir les données sur l’ensoleillement, la température, la

couverture nuageuse et l’humidité relative dans la zone côtière ;
- analyser les caractéristiques de ces données sur une période bien
définie ;
- élaborer un modèle mathématique de la variabilité du potentiel
solaire photovoltaïque ;
2. Méthodologie
Afin d’atteindre les différents objectifs ci-dessus énumérés, nous avons
procédé à la revue documentaire par la lecture, la collecte et la synthèse
des documents d’informations existantes sur la variabilité du potentiel
solaire photovoltaïque.
Ce premier travail nous a permis d’avoir une vue claire des travaux qui ont
été faits dans ce domaine afin de mieux cerner l’originalité de nos travaux
de recherche. Cette phase de la recherche confirme bien que, peu de
travaux sont faits dans le domaine de la variabilité du potentiel
photovoltaïque. Les données sur l’irradiation globale ne sont pas
disponibles dans l’agence de l’ASECNA. Nous avons exploité les données
sur l’insolation, la température, la couverture nuageuse et l’humidité
relative sur une période trois ans.

Ensuite nous avons dû estimer l’irradiation globale par le modèle

d’Angstrom Prescott. Les méthodes des moindres carrés et de résolution
directe utilisant l’équation normale ont permis d’élaborer le modèle
mathématique de la variabilité du potentiel solaire photovoltaïque.

Chapitre 1 : Généralités et synthèse bibliographique
1.1. Généralités sur l’énergie solaire
1.1.1.Le système terre soleil

Le soleil est une source d’énergie, une sphère composée principalement
d’hydrogène et d’hélium soit à peu près 564 millions de tonnes
d’hydrogène et 560 millions de tonnes d’hélium. La distance soleil terre est
de 150 millions de km son rayon fait 109 fois celui de la terre. Le soleil tire
son énergie des réactions thermonucléaires se produisant en permanence
dans son noyau dont la température atteint 15 millions de degrés soit 107K.
Mais à l’extérieur, la couche externe du soleil appelée encore photosphère
et qui est visible de la terre a une température considérablement plus
faible.
L’énergie émise par le soleil est sous la forme de rayonnements

électromagnétiques dont l’ensemble forme le rayonnement solaire qui
constitue la seule source externe notable d’énergie pour l’atmosphère. Le
rayonnement solaire se propage à la vitesse de la lumière. Il faut noter que
ce sont les rayonnements de hautes fréquences qui sont les plus
énergétiques.
Toute application solaire nécessite la connaissance du mouvement apparent

du soleil pour un point donné de la surface terrestre caractérisé par sa
latitude (positive par rapport à l’hémisphère Nord) et sa longitude (définie
par rapport au méridien de Greenwich positivement vers l’est).

1.1.2.Quelques définitions [1]

- Irradiance (W.m-2) : Identifiée comme l’éclairement, elle est la
densité du flux rayonné par le soleil sur l’unité de surface réceptrice.
- Irradiation (Wh.m-2) : C’est l’énergie rayonnée par le soleil sur
l’unité de surface réceptrice sur un intervalle de temps donné.
- Rayonnement diffus : La portion du rayonnement solaire absorbé
puis diffusée par les aérosols (nuages, gaz, …) dans plusieurs
directions. (Figure1.1).
- Rayonnement direct : La portion du rayonnement solaire provenant
directement du soleil elle ne subit aucune diffusion avant d’atteindre
le sol comme le montre la figure 1.1.
- Rayonnement global : La somme des rayonnements diffus et direct.
- Insolation : C’est la durée d’ensoleillement exprimée en heures.
- Constante solaire : C’est l’énergie solaire reçue par unité de temps à
la limite supérieure de l’atmosphère, sur une surface d’unité
perpendiculaire aux rayons solaires et pour une distance terre soleil
égale à sa valeur moyenne. Elle a été estimée à 1367W/m2 par
CLAUS FRÖLHLICH et CHRISTOPH WEHRLI du centre
radiométrique mondial de Davos (suisse).
- L’albédo : la partie réfléchie par le sol, Il dépend de l’environnement
du site.

Figure 1.1 : Matérialisation du rayonnement.
1.2. Revue bibliographique

Le potentiel photovoltaïque dépend essentiellement de l’énergie
solaire, ou plus précisément de l’irradiation solaire, cette irradiation varie
en fonction du climat de la zone et de beaucoup d’autres facteurs.
L’irradiation solaire exprime la quantité d’énergie reçue au niveau du sol
par unité de surface.
La revue bibliographique faite porte sur l’historique, l’évaluation du

potentiel photovoltaïque et la variabilité du potentiel solaire
photovoltaïque.

1.2.1.Historique
L’utilisation de l’énergie solaire remonte à l’antiquité. Les grecs allumaient
la flamme olympique grâce à un système de miroir et les rayons du soleil
[2]. Il a fallu attendre 1839 pour voir la conversion de la lumière en
électricité appelée effet voltaïque par Edmond Becquerel [3]. Ensuite
Robert Millikan sera le premier à produire l’électricité avec une cellule
solaire. Mais pendant les quarante années suivantes l’énergie solaire n’a
connu aucune avancée car les cellules solaires ont un trop mauvais
rendement pour transformer la lumière du soleil en énergie.
Pendant l’année 1954, trois chercheurs américains (Chapin, Pearson et

Prince) mettent au point une cellule photovoltaïque à haut rendement.
De nos jours l’énergie photovoltaïque connaît une grande avancée, en

2011, les centrales solaires les plus puissantes au monde sont celles de
Sarnia au canada, finsterwade en Allemagne et okhotuykovo en Ukraine
occupant chacune plus de 300 hectares avec une puissance installée
d’environ 80 MWc. Elles sont composées d’un million de panneaux
photovoltaïques [2].
1.2.2. Evaluation du potentiel photovoltaïque

L’évaluation du potentiel solaire photovoltaïque dans une région est
nécessaire avant toute application. Plusieurs méthodes sont utilisées pour
estimer l’irradiation solaire, mais essentiellement deux méthodes ont été
recensées à travers la bibliographie. Soit l’irradiation est mesurée
directement sur les sites soit elle est estimée par des modèles élaborés. La
meilleure façon d’évaluer la ressource solaire est l’utilisation des données
du rayonnement solaire mesurées par des stations météorologiques bien

réparties sur le sol [4]. Afin d’évaluer le potentiel en chaque point, la

méthode d’interpolation du krigeage appartenant à la famille d’algorithmes
de régressions linéaires des moindres carrés a été utilisée.
Contrairement à la mesure directe d’autres auteurs ont opté pour

l’élaboration de modèles. Tel est le cas des travaux faits dans [5] sur le site
d’Amman pour estimer l’irradiation diffuse par trois approches différentes,
la distribution normale, la demi-onde sinusoïdale et la forme polynomiale.
Les résultats issus de ces travaux n’ont pas donné les valeurs d’irradiation
solaire escomptée. Par contre dans [6] un modèle théorique du
rayonnement basé sur des équations sinusoïdales a permis d’évaluer sur les
sites de Dakar et de Nouakchott le potentiel solaire photovoltaïque. Des
campagnes de mesure de l’irradiation globale sur une surface horizontale
ont été faites sur les deux sites pour valider ce modèle. Il en résulte des
valeurs d’irradiation de 4,9 kWh/m2/j à Dakar et 4,37 kWh/m2/j à
Nouakchott.
Néanmoins, dans les études pratiques, il est logique de considérer que

l’irradiation solaire est directement proportionnelle à la durée
d’ensoleillement [7]. Le modèle original qui exprime cette relation entre
l’irradiation solaire et l’ensoleillement est le modèle d’Angstrom. Selon [7]
ce modèle a connu une modification pour devenir le modèle d’Angstrom-
Prescott. En effet Prescott a remplacé le paramètre irradiation en temps de
ciel clair par l’irradiation hors atmosphère. Dès cet instant, ce modèle est
devenu le plus utilisé. Dans [8] ce modèle a été préféré par rapport à deux
autres modèles après une étude comparative. Il s’agit du modèle de
Gariepy et du Rietweld. Des mesures directes effectuées sur une période

d’un an ont permis d’assurer l’effectivité des résultats de cette étude

comparative.
Grâce au même modèle dans [9] l’irradiation solaire globale et l’irradiation

solaire diffuse ont été estimées. L’irradiation directe est déduite des deux
autres et une corrélation a été alors faite entre l’irradiation solaire globale
et l’irradiation solaire directe à Doha au Quatar.
Le modèle d’Angstrom-Prescott est modifié pour donner le modèle

d’Angstrom-Page. Dans [10] en l’absence des données sur l’insolation
Muyiwa et al ont remplacé ces données par celles sur la température et les
précipitations pour estimer l’irradiation solaire globale sur une surface
horizontale à Akure au Nigéria.
Egalement le modèle d’Angstrom-Page dans [11] a permis d’évaluer

l’irradiation solaire globale toujours au Nigéria. Cette fois ci ce sont les
paramètres de l’insolation et de l’indice de clarté qui sont pris en compte.
Des écarts moyens et quadratiques sont calculés pour faire ressortir le

degré de précision de ce modèle. Cela n’a pas empêché la modification
dudit modèle par l’intégration d’autres facteurs climatiques comme la
température, l’humidité relative et la précipitation [12]. Ces données ont
été collectées sur une période de 31 ans dans quinze régions différentes du
Nigéria. Il a été établi que les paramètres météorologiques tels que
l’humidité relative, la température et les précipitations sont tout aussi
importants que l’insolation pour évaluer le potentiel solaire photovoltaïque.

1.2.3. Variabilité
Le dimensionnement et la gestion optimale des systèmes énergétiques
passent impérativement par la connaissance des conditions
météorologiques auxquelles sont soumis ces systèmes. L’optimisation
d’un système photovoltaïque dépend en partie des valeurs instantanées des
variables météorologiques.
Des études sont effectuées dans certaines régions du monde pour évaluer et
modéliser le potentiel solaire photovoltaïque. En outre vu le caractère
intermittent de l’irradiation d’autres recherches ont permis de voir
l’influence des paramètres météorologiques sur l’irradiation. Beaucoup de
travaux ont montré que l’irradiation varie en fonction des paramètres
météorologiques [13]. Deux méthodes ont été mises en application dans
les différents travaux. L’irradiation solaire globale est mesurée et les
données des paramètres météorologiques sont collectées auprès des
agences chargées à cet effet. Le tracé des courbes a mis en exergue
l’influence de ces paramètres sur l’irradiation. C’est le cas des études faites
dans [14] où les données sur l’insolation, la couverture nuageuse et
l’humidité relative ont été collectées pour une période de dix ans dans la
région de Lira. Il ressort de cette étude que la valeur maximale de
l’irradiation est observée en décembre avec une basse valeur de la
couverture nuageuse et de l’humidité relative.
D’autres paramètres sont pris en compte dans [13] en plus de l’humidité

relative notamment la température et la visibilité. Une baisse de la valeur
de l’irradiation est constatée, baisse due à la grande valeur de la couverture
nuageuse.

La deuxième méthode consiste à élaborer un modèle mathématique, qui a

pour variables d’entrées les paramètres météorologiques afin de prédire des
valeurs d’irradiation solaire globale. Dans [15], un modèle a été développé
prenant en compte la couverture nuageuse sur une période d’un an.
Skartveit & al ont tracé le graphe densité de probabilité en fonction du
temps, en utilisant la distribution de Weibull. Ainsi les résultats ont
clairement montré que la couverture nuageuse influe fortement sur la
variabilité du potentiel solaire photovoltaïque. Par contre les recherches de
Falayi dans [16] révèlent qu’il faut associer aux données de la couverture
nuageuse les données d’autres paramètres météorologiques tels que
l’insolation, l’humidité relative et les précipitations pour avoir des résultats
probants. Ainsi les données concernant les facteurs climatiques de six
régions différentes du Nigéria ont été collectées. En élaborant cinq modèles
basés sur le modèle d’Angstrom-Prescott modifié. Ces cinq modèles ont
considéré les différents facteurs pris isolément, puis collectivement. Cela a
permis de faire ressortir le paramètre qui impacte beaucoup plus la
variabilité du potentiel solaire photovoltaïque. Le premier n’a tenu compte
que des paramètres température et couverture nuageuse, le deuxième
modèle a pris en compte la température et l’humidité relative. Le troisième
a comme entrées température et précipitations, le quatrième considère la
couverture nuageuse et la précipitation. Enfin le cinquième modèle intègre
tous les paramètres. En conclusion, tous les paramètres météorologiques
jouent un rôle important dans la variabilité du potentiel solaire
photovoltaïque. C’est la conclusion à laquelle ont abouti les travaux de
recherche dans [17]. Un modèle mathématique a été élaboré en considérant
tout au moins deux ou trois paramètres climatiques.

Chapitre2 : Traitement et analyse des données

Une fois la présentation des données collectées, l’évaluation de
l’irradiation globale sera faite. Enfin on procèdera à l’analyse des différents
résultats.
2.1. Collecte et présentation des données.

Le recueil des données sur l’irradiation solaire dans la zone côtière de
Cotonou a posé certaines difficultés. En effet, seules les données
concernant l’insolation, l’humidité, la température et la couverture
nuageuse sont disponibles auprès du service météorologique de
l’ASECNA. Nous avons exploité ces données sur une période de trois ans
pour cette étude.
Les données de l’ASECNA concernant l’insolation mensuelle H dans la

zone côtière, la radiation solaire R0 à la limite de l’atmosphère dans la zone
côtière, et l’insolation journalière H0 théorique sont présentées dans les
tableaux 2.1, 2.2 et 2.3

Etude et modélisation de la variabilité du potentiel solaire photovoltaïque : Cas de la zone côtière de Cotonou
Tableau 2.1: Insolation mensuelle H dans la zone côtière (heures)[18]

JANV. FEV. MARS AVRIL MAI JUIN JUIL. AOUT SEPT. OCT. NOV. DEC.
2011 183.9 196.3 247.9 206.7 179.3 129.9 125.5 144.9 173.2 204.3 267.9 228.6
2012 170.0 149.7 181.7 200.6 172.2 112.8 129.3 150.7 160.1 203.4 247.6 248.5
2013 221.6 189.5 252.1 217.3 195.1 135.3 135.0 189.6 155.5 230.3 247.6 242.9
Tableau 2.2:Radiation solaire R0 à la limite de l’atmosphère dans la zone côtière (kWh/m2/j)[18]

JANV. FEV. MARS AVRIL MAI JUIN JUIL. AOUT SEPT. OCT. NOV. DEC.
Cotonou 13 .88 14 .72 15.41 15.45 15.11 14.76 14.89 15.26 15.34 14.93 14.45 13.59
Tableau 2.3 : Insolation journalière H0 théorique (heures)[1]

JANV. FEV. MARS AVRIL MAI JUIN JUIL. AOUT SEPT. OCT. NOV. DEC. .
Cotonou 11.75 11.87 12 12.23 12.38 12.48 12.38 12.33 12.1 11.95 11.83 11.72

2.2. Evaluation de l’irradiation globale

Pour estimer l’irradiation globale, plusieurs modèles ont été utilisés dans la
bibliographie. Pour cette étude nous allons utiliser le modèle d’Angstrom
Prescott. Il est donné par l’équation [7]:
( ) (2.1)
Avec :
: Rayonnement global moyen mensuel mesuré sur un plan horizontal en

kWh/m2/j
: Rayonnement global moyen mensuel mesuré hors atmosphère en

kWh/m2/j
H : La durée moyenne d’ensoleillement effective du jour par mois en

heures
: La durée maximale journalière d’ensoleillement en heures
n : Nombre de jours du mois
Les coordonnées géographiques de Cotonou aéroport sont latitude 06°21N

et longitude 02°23E
Les coefficients a et b sont des constantes dont les valeurs dépendent des
régions comme le présente le tableau 2.4 :

Tableau 2.4 : Valeurs des coefficients a et b suivant la région [18].
Régions a b
Régions tempérées 0,18 0,55
Régions arides 0,25 0,45
et semi arides
Régions tropicales humides 0,29 0,42
A l’aide de l’outil Matlab nous allons évaluer l’irradiation globale

(équation2.1) sur une surface horizontale. Les résultats des valeurs
d’irradiation globale dans la zone côtière de Cotonou pour les années 2011,
2012 et 2013 sont présentés dans le tableau 2.5 et matérialisés par la figure
2.1
Tableau 2.5 : Valeurs pour l’irradiation des années 2011-2012 et 2013
Irradiation (kWh/m2/j)
Janv. Fév. Mars Avril Mai Juin Juil. Août Sept. Oct. Nov. Déc.
2011 4,774 5,425 6,016 5,574 5,033 4,406 4,359 4,752 5,086 5,415 5,908 5,160
2012 4,622 4,832 5,227 5,493 4,952 4,212 4,401 4,821 4,931 5,404 5,678 5,375
2013 5,188 5,339 6,066 5,703 5,212 4,467 4,465 5,283 4,877 5,727 5,678 5,314

6,500
6,000
Irradiation (kWh/m2/j
5,500
5,000 2011
2012
4,500
2013
4,000
3,500
Mois de l'année
Figure 2.1 : Irradiation par la méthode d’Angstrom-Prescott des années

2011, 2012 et 2013
A l’analyse de la figure 2.1, on remarque que les valeurs basses de

l’irradiation se retrouvent en juin et juillet et la plus faible valeur est de
4,212 kWh/m2/jour du mois de juin 2012 tandis que la plus forte valeur est
de 6,066kWh/m2/jour au mois de mars 2013.
Il ressort de cette estimation que l’irradiation solaire sur les trois années
varie entre 4,212 kWh/m2/j et 6,066 kWh/m2/j. Pour toutes les années
l’irradiation est forte entre Février et Mai puis entre Octobre et Décembre.
Cela montre bien qu’il y a possibilité d’implantation de centrale solaire
dans la zone côtière de Cotonou.
Cette variation est due à plusieurs facteurs dont la couverture nuageuse,

l’humidité relative et la température. Les données collectées à la station
météorologique par rapport à la couverture nuageuse, la température et

l’humidité relative sont présentées respectivement dans les tableaux 2.6,

2.7 et 2.8 et représentées sur les figures 2.2 ; 2.3 et 2.4
Toutes les données sur les paramètres traités ont été exploitées sur trois
années. Elles sont mesurées par jour et la moyenne est obtenue
mensuellement. Les données concernant la température extrême sont
mesurées au-dessus du sol.
Données sur l’humidité relative
Tableau 2.6: Valeurs des données mensuelles sur l’humidité relative des
années 2011, 2012 et 2013(données de l’ASECNA).
Humidité relative (g/cm3)

2011 93 92 88 89 93 93 93 94 92 95 93 96
2012 94 88 88 92 93 95 91 92 92 93 92 94
2013 93 90 89 92 95 92 92 90 92 92 91 90
 Courbes représentatives des valeurs mensuelles de l’humidité
98
96
Humidité relative (g/cm3)
94
2011
92
2012
90
2013
88
86
84
Mois de l'année
Figure 2.2 : Valeurs mensuelles de l’humidité relative des années 2011,

2012, 2013.

Données sur la couverture nuageuse
Tableau 2.7 : Valeurs des données mensuelles de la couverture nuageuse

des années 2011, 2012 et 2013
Couverture nuageuse (okta)
2011 5,49 6,69 6,75 6,71 6,81 7,05 7,05 6,88 6,98 6,9 6,66 5,98
2012 6,03 6,35 6,63 6,75 6,86 7,07 7,05 7,06 7,03 6,91 6,73 6,54
2013 6,06 6,37 6,73 6,81 6,87 7,01 7,03 6,91 7,05 6,94 6,77 6,33
Courbes représentatives des valeurs mensuelles de la couverture

nuageuse
7,5
Couverture nuageuse (okta)
6,5
2011
6 2012
2013
5,5
5
Mois de l'année
Figure 2.3 : Valeurs mensuelles de la couverture nuageuse des années

2011, 2012 et 2013.

Données sur la température
Tableau 2.8 : Valeurs des données mensuelles sur la température des

années 2011-2012 et 2013
Température (°C)
2011 30 30,88 33,19 32,69 31,97 30,24 29,35 29,38 30,42 30,62 31,89 30,81
2012 30,59 31,68 32,23 31,69 30,3 28,83 28,97 28,45 30,29 31,16 31,44 31,85
2013 31,15 32,05 32,41 32,16 30,88 29,43 28,62 28,67 29,98 30,61 31,55 24,38
 Courbes représentatives des valeurs mensuelles de la

température
35
30
25
Température (°C)
20
15 2011
2012
10
2013
5
Mois de l'année
Figure 2. 4 : valeurs mensuelles de la température des années 2011,

2012, 2013.
2.3 Analyse des résultats

Les figures 2.2, 2.3 et 2.4 montrent respectivement la distribution des
valeurs moyennes de l’humidité, de la couverture nuageuse et de la

température pour une période de trois ans. De ces courbes, on observe en

décembre, février et mars que la valeur maximale de l’humidité est de
96g/m3 tandis que la valeur minimale est de 88g/m3. Celles de la
couverture nuageuse présentent respectivement une valeur maximale et une
valeur minimale de 7,07 okta et 5,48 okta observées en juin et janvier. En
effet, le mois de juin est le mois des grandes pluies. Enfin, les valeurs
maximale et minimale de la température sont respectivement de 33,19°C
en mars et de 24,38°C en décembre ce qui est bien conforme car quand
l’humidité est grande la température est basse.

Chapitre 3 : Modélisation de la variabilité

Il s’agit d’élaborer un modèle mathématique de la variabilité du potentiel
solaire photovoltaïque ; ce qui revient à modéliser la variabilité de
l’irradiation solaire.
En effet si le ciel est couvert de nuages ce n’est pas évident d’avoir du

soleil, de même si on constate une humidité relative au sol c’est que les
rayons solaires ne sont pas parvenus sur la terre. L’irradiation varie en
fonction de plusieurs variables mais nous nous intéresseront à trois
variables que sont : la couverture nuageuse (nébulosité totale), l’humidité
relative et la température.
Pour la modélisation de la variabilité, nous avons utilisé deux méthodes à

savoir la méthode des moindres carrés et la méthode de résolution directe
utilisant l’équation normale. Une étude comparative a été faite afin de
déduire la méthode la plus précise.
3.1. Méthode des moindres carrés

Pour cette méthode, deux variables sont prises en compte à savoir
l’humidité et la couverture nuageuse.
Formulation de la fonction
Soit f la fonction de l’irradiation ; x la variable correspondant à la

couverture nuageuse et y celle de l’humidité.
Il s’agit d’une fonction à deux variables. Soient C1, C2, C3, C4, C5, C6
C7, C8 et C9 les coefficients directs.

( )
(3.1)
Le tableau 3.1 présente la fonction f qui représente la moyenne

de l’irradiation et la moyenne des variables climatiques représentées
respectivement par x et y.

Tableau 3.1 : Valeurs moyennes de l’irradiation, de la couverture nuageuse et de l’humidité de 2011à 2013
f 4,86 5,20 5,77 5,59 5,07 4,36 4,41 4,95 4,96 5,52 5,75 5,28
x 5,85 6,47 6,70 6,76 6,85 7,05 7,04 6,95 7,02 6,92 6,78 6,31
y 93,33 90,00 88,33 91,00 93,67 93,33 92,00 92,00 92,00 93,33 92,00 93,33
Les équations 3.2 à 3.39 permettent de minimiser l’écart quadratique afin de déterminer les coefficients entrant
dans le modèle
Soit Z l’expression de la fonction irradiation
(3.2)
Pour faire l’itération par rapport aux douze mois on obtient
∑( ) (3.3)
En dérivant par rapport à la constante C1cela donne

(∑ ( ) ) (3.4)
∑ ( ) (3.5)
En Séparant les différents termes on obtient
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.6)
∑ ∑
En dérivant par rapport à la constante C2
(∑ ( ) ) (3.7)
∑ ( ) (3.8)

∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.9)
∑ ∑
(∑ ( ) ) (3.10)
∑ ( ) (3.11)
∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.12)
∑ ∑ ∑

(∑ ( ) ) (3.13)
∑ ( ) (3.14)
En séparant les différents termes on obtient
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.15)
∑ ∑
(∑ ( ) ) (3.16)

∑ ( ) (3.17)
∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.18)
∑ ∑ ∑
(∑ ( ) ) (3.19)
∑ ( ) (3.20)

∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.21)
∑ ∑ ∑
(∑ ( ) )
(3.22)
∑ ( ) (3.23)
∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.24)
∑ ∑ ∑

(∑ ( ) ) (3.25)
∑ ( ) (3.26)
∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.27)
∑ ∑ ∑
(∑ ( ) ) (3.28)

∑ ( )
(3.29)
∑ ∑ ∑ ∑ ∑ ∑ ∑
(3.30)
∑ ∑ ∑
En faisant le point récapitulatif de toutes les équations obtenues soient neuf équations on obtient
∑ 1 ∑ xi+∑ x 2i ∑ yi ∑ y2i ∑ xiyi ∑ x2iyi

(3.31)
∑ xiy2i+∑ x2iy2i -∑ =0

∑ 1x i ∑ xi+∑ x3i ∑ xiyi ∑ xiy2i ∑ x2iyi ∑ x3iyi

(3.32)
∑ x iy i+∑
2 2
x iy i -∑
3 2
=0
∑ 1x
2
i ∑ x3i+∑ x 4i ∑ x2iyi ∑ x2iy2i ∑ x3iyi
(3.33)
∑ 4
x iyi ∑ x iy i+∑
3 2
x iy i -∑
4 2
=0
∑ 1yi ∑ xiyi+∑ x2iyi ∑ y2i ∑ y3i ∑ xiy2i

(3.34)
∑ 2
x iy 2
i ∑ xiy i+∑
3
x iy i -∑
2 3
=0
∑ 2
1y i ∑ xiy2i+∑ x2iy2i ∑ y3i ∑ y4i ∑ xiy3i
(3.35)
∑ 2
x iy 3
i ∑ xiy4i+∑ x iy i -∑
2 4
=0

∑ 1xiyi ∑ x2iyi+∑ x3iyi ∑ y2i ∑ xiy3i ∑ x2iy2i

(3.36)
∑ 3
x iy 2
i ∑ x iy i+∑
2 3
x iy i -∑
3 3
=0
∑ 2
1x iyi ∑ x3iyi+∑ x4iyi ∑ x2iy2i ∑ x2iy3i ∑ x3iy2i
(3.37)
∑ 4
x iy 2
i ∑ x iy i+∑
3 3
x iy i -∑
4 3
=0
∑ 2
1xiy i ∑ x2iy2i+∑ x3iy2i ∑ x2iy3i ∑ xiy4i ∑ x2iy3i
(3.38)
∑ x3iy3i ∑ x2iy4i+∑ x3iy4i -∑ =0
∑ 2 2
1x iy i ∑ x3iy2i+∑ x4iy2i ∑ x2iy3i ∑ x2iy4i ∑ x3iy3i
∑ x4iy3i ∑ x3iy4i+∑ x4iy4i -∑ =0 (3.39)
Le tableau 3.2 permet d’avoir les valeurs mensuelles de tous les coefficients entrant dans le
calcul par la méthode des moindres carrés pour calculer le cumul.

Tableau 3.2: Valeurs des différents coefficients entrant dans le calcul par la méthode des moindres carrés
Janvier Février Mars Avril Mai Juin Juillet Août Septembre Octobre Novembre Décembre total
Zi 4,86E+00 5,20E+00 5,77E+00 5,59E+00 5,07E+00 4,36E+00 4,41E+00 4,95E+00 4,96E+00 5,52E+00 5,75E+00 5,28E+00 6,17E+01
Xi 5,85E+00 6,47E+00 6,70E+00 6,76E+00 6,85E+00 7,05E+00 7,04E+00 6,95E+00 7,02E+00 6,92E+00 6,78E+00 6,31E+00 8,07E+01
Yi 9,33E+01 9,00E+01 8,83E+01 9,10E+01 9,37E+01 9,33E+01 9,20E+01 9,20E+01 9,20E+01 9,33E+01 9,20E+01 9,33E+01 1,10E+03
xi^2 3,43E+01 4,19E+01 4,49E+01 4,57E+01 4,69E+01 4,96E+01 4,96E+01 4,84E+01 4,93E+01 4,78E+01 4,59E+01 3,98E+01 5,44E+02
yi^2 8,71E+03 8,10E+03 7,80E+03 8,28E+03 8,77E+03 8,71E+03 8,46E+03 8,46E+03 8,46E+03 8,71E+03 8,46E+03 8,71E+03 1,02E+05
Xiyi 5,46E+02 5,82E+02 5,92E+02 6,15E+02 6,42E+02 6,58E+02 6,48E+02 6,40E+02 6,46E+02 6,46E+02 6,23E+02 5,89E+02 7,43E+03
xi^2yi 3,20E+03 3,77E+03 3,97E+03 4,16E+03 4,40E+03 4,63E+03 4,56E+03 4,45E+03 4,53E+03 4,47E+03 4,22E+03 3,72E+03 5,01E+04
xiyi^2 5,10E+04 5,24E+04 5,23E+04 5,60E+04 6,01E+04 6,14E+04 5,96E+04 5,89E+04 5,94E+04 6,03E+04 5,73E+04 5,50E+04 6,84E+05
Xizi 2,85E+01 3,36E+01 3,87E+01 3,78E+01 3,47E+01 3,07E+01 3,10E+01 3,45E+01 3,49E+01 3,81E+01 3,90E+01 3,33E+01 4,15E+02
Yizi 4,54E+02 4,68E+02 5,10E+02 5,09E+02 4,74E+02 4,07E+02 4,06E+02 4,56E+02 4,57E+02 5,15E+02 5,29E+02 4,93E+02 5,68E+03
Xiyizi 2,66E+03 3,03E+03 3,41E+03 3,44E+03 3,25E+03 2,87E+03 2,86E+03 3,17E+03 3,21E+03 3,56E+03 3,59E+03 3,11E+03 3,81E+04
xi^2yi^2 2,98E+05 3,39E+05 3,50E+05 3,78E+05 4,12E+05 4,32E+05 4,20E+05 4,09E+05 4,17E+05 4,17E+05 3,89E+05 3,47E+05 4,61E+06
zixi^2 1,67E+02 2,18E+02 2,59E+02 2,55E+02 2,38E+02 2,17E+02 2,19E+02 2,40E+02 2,45E+02 2,64E+02 2,64E+02 2,11E+02 2,79E+03
yi^3 8,13E+05 7,29E+05 6,89E+05 7,54E+05 8,22E+05 8,13E+05 7,79E+05 7,79E+05 7,79E+05 8,13E+05 7,79E+05 8,13E+05 9,36E+06
xiyi^3 4,76E+06 4,72E+06 4,62E+06 5,09E+06 5,63E+06 5,73E+06 5,48E+06 5,42E+06 5,47E+06 5,62E+06 5,28E+06 5,13E+06 6,29E+07
zixi^2^yi 1,55E+04 1,96E+04 2,29E+04 2,32E+04 2,23E+04 2,02E+04 2,01E+04 2,20E+04 2,25E+04 2,46E+04 2,43E+04 1,96E+04 2,57E+05

Tableau 3.2 ( suite) : Valeurs des différents coefficients entrant dans le calcul par la méthode des moindres carrés
Janvier Février Mars Avril Mai Juin Juillet Août Septembre Octobre Novembre Décembre total
yi^4 75883348,4 65610000 60883249 68574961 76973437 75883348,4 71639296 71639296 71639296 75883348 71639296 75883348,4 862132225
xiyi^4 444168003 424549188 407917769 463450159 527268043 534658896 504462431 498193992 502965169 524862356 485356230 479013637 5796865874
xi^2yi^4 2599848573 2,747E+09 2,733E+09 3132135209 3611786097 3767099650 3552273098 3464540661 3,531E+09 3,63E+09 3288288461 3023773582 3,91E+10
zixiyi^2 247876,516 272466,23 301636,9 312852,643 304439,134 267688,352 262750,783 291635,37 295022,59 332302,38 329995,215 290506,092 3509172,21
zixi^2yi^2 1450895,61 1763074,5 2020967,3 2114352,01 2085408,07 1886078,59 1850212,19 2028090,69 2071294,6 2298435,9 2235717,58 1833819,71 23638346,6
ziyi^2 42348,1653 42107,04 45020,433 46291,6181 44443,6692 37992,6129 37313,544 41936,5808 42021,221 48043,486 48707,7808 46020,7671 522246,918

La résolution sous Matlab a donné les différentes valeurs des

coefficients C1 à C9 comme suit :
C1=-3,9822 ; C2=36,0418 ; C3=0,1764 ; C4=-3,8005 ; C5=0,0286 ; (3.40)

C6=0,0000 ; C7=-0,0317 ; C8 = 0000 ; C9 = 0000
La fonction peut ainsi être réécrite sous la forme:
Z=-3,9822+36,0418X+0,1764X2-3,8005Y+0,0286Y2-0,0317X2Y (3.41)
1.1. Méthode de résolution directe utilisant l’équation normale

La modélisation du problème par un polynôme approximant la valeur de
l’irradiation donne l’irradiation en fonction de l’humidité, de la couverture
nuageuse et de la température.
( ) (3.42)
En nommant l’irradiation estimée et la valeur mesurée de
l’irradiation, la variable représentant l’humidité, la variable
représentant la couverture nuageuse, la variable représentant la
température, l’équation peut s’écrire alors :
( ) (3.43)
est une combinaison linéaire des variables , et En
considérant un polynôme d’ordre 3 ce qui permet d’avoir plus de précision,
il faudra déterminer alors 10 coefficients constituant de l’équation (3.44).
Précisons que les autres termes n’ont aucune incidence sur l’irradiation car
les coefficients qui découlent de ces termes ont des valeurs nulles.
(3. 44)

La résolution de l’équation (3.43) par la méthode des moindres carrées

basée sur la régression linéaire n’assure pas toujours d’avoir un optimum
global. Pour faire n face à ce problème, nous utilisons une méthode de
résolution directe à partir les équations normales [19]. On a donc :
( ) (3. 45)
Avec une matrice de n=4 colonnes et de m lignes représentant les m
observations à prendre en compte pour l’approximation. est la
transposée de . Y est le vecteur de m éléments représentant les valeurs de
l’irradiation mesurée pour les m observations.
(3. 46)
[ ]
L’équation donne un résultat optimal à la seule condition que la matrice

normale soit inversible.
L’algorithme1 illustre les différentes étapes à suivre pour le calcul des

coefficients :

Algorithme1
Debut Eqnormal
m,k,j,i,l entier
X, x1,x2,x3,theta tableau de réel
Afficher ('le nombre de variable est 3')
AFFICHER ('Entrez le degre du polynome')
SAISIR degre
m=0;
initialiser theta;
%polynôme de trois variables de degré degre
pour k de 0 à degre
pour j de 0 à degre
pour i de 0 à degre
pour l de 1 à nb_donne
X [l,m]=(x1[l]^i)*(x2[l]^j)*(x3[l]^k);
m=m+1;
finpour
finpour

finpour
finpour
% calcul des coefficients theta
theta=(XJ*X)-1*(X*y)
Fin Eqnormal
En effectuant l’opération de l’équation (3.44) dans Matlab on obtient

les coefficients suivants :
(3.47)
[ ]
D’où on obtient :
(3. 48)

Chapitre 4 : Résultats et discussion
Ce chapitre présente les différents résultats obtenus à partir des deux

méthodes utilisées pour la modélisation. A partir de ces résultats, les écarts
seront calculés pour apprécier celle adaptée à cette étude.
4.1. Résultats
4.1.1. Méthode des moindres carrés

En utilisant l’équation (3.10) l’irradiation liée à chaque mois a été
évaluée afin de dégager les différentes irradiations. Ces résultats sont
consignés dans le tableau 4.1

Tableau 4.1 : Valeurs de l’irradiation mensuelle calculée par la méthode des moindres carrés
xi 5,85E+00 6,47E+00 6,70E+00 6,76E+00 6,85E+00 7,05E+00 7,04E+00 6,95E+00 7,02E+00 6,92E+00 6,78E+00 6,31E+00
yi 9,33E+01 9,00E+01 8,83E+01 9,10E+01 9,37E+01 9,33E+01 9,20E+01 9,20E+01 9,20E+01 9,33E+01 9,20E+01 9,33E+01
Zi 6,10E+00 6,78E+00 7,17E+00 6,89E+00 6,80E+00 6,26E+00 6,37E+00 6,58E+00 6,43E+00 6,63E+00 6,86E+00 7,09E+00
Le tableau 4.2 présente les valeurs mensuelles des deux irradiations et la figure 4.1 représente ces irradiations.
Tableau 4.2 : Valeurs des irradiations issues de la méthode des moindres carrés et du modèle d’Angstrom
Prescott
Irradiation par 4,86E+00 5,20E+00 5,77E+00 5,59E+00 5,07E+00 4,36E+00 4,41E+00 4,95E+00 4,96E+00 5,52E+00 5,75E+00 5,28E+00
Angstrom-Prescott
xi 5,85E+00 6,47E+00 6,70E+00 6,76E+00 6,85E+00 7,05E+00 7,04E+00 6,95E+00 7,02E+00 6,92E+00 6,78E+00 6,31E+00
Yi 9,33E+01 9,00E+01 8,83E+01 9,10E+01 9,37E+01 9,33E+01 9,20E+01 9,20E+01 9,20E+01 9,33E+01 9,20E+01 9,33E+01
Irradiation par les 6,10E+00 6,78E+00 7,17E+00 6,89E+00 6,80E+00 6,26E+00 6,37E+00 6,58E+00 6,43E+00 6,63E+00 6,86E+00 7,09E+00
moindres carrés
Xi : couverture nuageuse
Yi : humidité

7,5
7
6,5
6
5,5
5 Irradiation par
fiAngstrom - Prescott
4,5
ZiIrradiation par les
4 moindres carrés
3,5
3
Mois de l'année
Figure 4.1 : Irradiation estimée par le modèle d’Angstrom-Prescott et

celle obtenue par la méthode des moindres carrés.
La figure 4.1 montre que l’irradiation obtenue par la méthode des
moindres carrés est écartée de celle obtenue par le modèle d’Angstrom-
Prescott. En effet l’écart moyen est de 1,52 E+00 (MBE) et l’écart
quadratique est de 1,54 E+00 (RMSE).
4.1.2. Méthode de résolution directe utilisant l’équation normale

L’irradiation a été estimée en prenant comme variables d’entrées,
chaque paramètre météorologique. Ces paramètres sont ensuite couplés
deux à deux ce qui donne trois combinaisons. Enfin tous les paramètres
sont pris en compte ensemble soit au total sept combinaisons. Cet exercice
permet de faire ressortir le paramètre ou la combinaison de paramètres qui
influence réellement la variabilité du potentiel solaire photovoltaïque.
Notons que les données sont considérées pour 36 mois. Sur trois années la
moyenne de l’irradiation mensuelle est déterminée.
Le tableau 4.3 présente les valeurs de l’irradiation estimée en

considérant comme variables d’entrée les données de l’humidité relative et
les valeurs de l’irradiation estimée à partir du modèle d’Angstrom-Prescott
qui se retrouve dans les sept tableaux. La figure 4.2 matérialise les courbes
de l’irradiation issue du modèle élaboré et de l’irradiation du modèle
d’Angstrom-Prescott qui est aussi présente sur les sept figures. Le tableau
4.4 présente les valeurs de l’irradiation estimée en prenant comme
variables d’entrée les données de la couverture nuageuse. La figure 4.3
donne l’allure des courbes représentant ces irradiations. Egalement le
tableau 4.5 présente les valeurs de l’irradiation estimée considérant comme
variables d’entrée les données de la température. La figure 4.4 représente
les courbes des deux irradiations. Ensuite les tableaux 4.6, 4.7, et 4.8
présentent respectivement les valeurs des irradiations obtenues en
considérant comme variables d’entrée les données des combinaisons
humidité-couverture nuageuse, température-couverture nuageuse et
température-humidité.
De même, les figures 4.5, 4.6 et 4.7 présentent les courbes des
irradiations de ces différentes combinaisons. Enfin, le tableau 4.9 présente
les valeurs de l’irradiation estimée en considérant comme variables
d’entrée les données de la combinaison des trois paramètres climatiques.
La figure 4.8 matérialise les courbes des deux irradiations. Le tableau 4.10
donne les différents écarts moyens et quadratiques qui ressortent des
irradiations estimées afin d’identifier le ou les paramètres qui influencent
réellement la variabilité du potentiel solaire photovoltaïque).

Tableau 4.3 : Valeurs de l’irradiation estimée à partir du modèle élaboré en
tenant compte de l’humidité relative et celle obtenue par le modèle d’Angstrom -
Prescott
Janvier Février Mars Avril Mai Juin Juillet Août Septembre Octobre Novembre Décembre
Irradiation par
l’équation 5,03 5,32 5,50 5,21 5,02 5,04 5,12 5,14 5,11 5,04 5,12 5,08
normale
Irradiation par
Angstrom - 4,86 5,20 5,77 5,59 5,07 4,36 4,41 4,95 4,96 5,52 5,75 5,28
Prescott
6
5,8
5,6
5,4
5,2
5
4,8 Irradiation par l’équation
4,6 normale
4,4 Irradiation par Angstrom -
4,2 Prescott
4
Mois de l'année

compte de l’humidité relative et celle obtenue par le modèle d’Angstrom –
Prescott
La Figure 4.2 montre que l’irradiation obtenue par l’équation normale en tenant
compte de l’humidité relative présente une allure qui se rapproche de celle
d’Angstrom-Prescott dans la période de Janvier à Mai. Par contre, à partir du
mois de Juin, les deux courbes ne présentent plus les mêmes variations. Plus la
courbe de l’irradiation obtenue par l’équation normale se rapproche de celle
d’Angstrom- Prescott et plus l’influence de ce paramètre est notable. On peut
conclure que l’humidité relative n’influence presque pas sur l’irradiation. Les
écarts moyen et quadratique sont respectivement 1,17 E-04 et 4,03 E-01
Tableau 4.4: Valeurs de l’irradiation estimée à partir du modèle élaboré en

tenant compte de la couverture nuageuse et celle obtenue par le modèle
d’Angstrom - Prescott
Irradiation par
5,03 5,36 5,85 5,64 5,04 4,78 4,69 4,67 4,93 5,09 5,39 5,26
l’équation normale
Irradiation par
4,86 5,20 5,77 5,59 5,07 4,36 4,41 4,95 4,96 5,52 5,75 5,28
Angstrom - Prescott
6
5,8
Irradiation(kWh/m2/j)
5,6
5,4
5,2
5
4,6 normale
4,4
Irradiation par Angstrom -
4,2
Prescott
4
Mois de l'année

compte de la couverture nuageuse et celle obtenue par le modèle
d’Angstrom – Prescott
La Figure 4.3 montre que l’irradiation en tenant compte de la couverture
nuageuse et celle du modèle d’Angstrom-Prescott présentent globalement le
même sens de variation. L’influence de la couverture nuageuse sur l’irradiation
est plus remarquable car l’irradiation obtenue se rapproche de celle d’Angstrom-
Prescott de Janvier à Mai et d’Août à Décembre. Les écarts moyen et
quadratique sont respectivement 2,08 E-04 et 3,0 E - 01.


en tenant compte de la température et celle obtenue par le modèle
d’Angstrom - Prescott
Irradiation par
5,03 5,36 5,85 5,64 5,04 4,78 4,69 4,67 4,93 5,09 5,39 5,26
Irradiation par
4,86 5,20 5,77 5,59 5,07 4,36 4,41 4,95 4,96 5,52 5,75 5,28
Angstrom - Prescott
7
Irradioation(kWh/m2/j)
6,5
5,5
Irradiation par l’équation
5 normale

Prescott
4
Mois de l'année

compte de la température et celle obtenue par le modèle d’Angstrom –
Prescott
La Figure 4.4 montre que l’irradiation en tenant compte de la température et
celle du modèle d’Angstrom-Prescott présentent des allures presque identiques
sur toute l’année mais avec un écart plus prononcé à partir du mois de Juin.
Comparativement à la couverture nuageuse et à l’humidité relative, la
température à beaucoup plus d’influence sur l’irradiation. Les écarts moyen et
quadratique sont respectivement 2,19E-04et 2,44E-01.

Tableau 4.6 : Valeurs l’irradiation estimée à partir du modèle élaboré en

tenant compte de la combinaison humidité – couverture nuageuse et celle
obtenue par le modèle d’Angstrom - Prescott
Irradiation par
l’équation 5,03 5,36 5,85 5,64 5,04 4,78 4,69 4,67 4,93 5,09 5,39 5,26
normale
Irradiation par
Angstrom - 4,86 5,20 5,77 5,59 5,07 4,36 4,41 4,95 4,96 5,52 5,75 5,28
Prescott
6
5,8
Irradiation(kWh/m2/j)
5,6
5,4
5,2
5
4,6 normale
4,2 Prescott
4
Mois de l'année
Figure 4.5 :l’irradiation estimée à partir du modèle élaboré en tenant

compte de la combinaison humidité – couverture nuageuse et celle obtenue
par le modèle d’Angstrom – Prescott
La Figure 4.5 présente l’irradiation estimée en tenant compte de l’humidité

relative et de la couverture nuageuse et l’irradiation obtenue par le modèle
d’Angstrom-Prescott. Du mois de Janvier à Mai, les deux courbes sont presque
confondues tandis que de Juin à Décembre, ces deux courbes présentent

quelques écarts. On peut conclure que l’influence de la combinaison de ces

paramètres est faible. Les écarts moyen et quadratique sont respectivement
2,10E-04 et 2,88E-01.
Tableau 4.7 : valeurs l’irradiation estimée à partir du modèle élaboré en

tenant compte de la combinaison température – couverture nuageuse et
celle obtenue par le modèle d’Angstrom - Prescott
Irradiation par
4,91 5,30 5,77 5,70 5,09 4,74 4,57 4,63 5,02 5,25 5,45 5,31
Irradiation par
4,86 5,19 5,77 5,59 5,06 4,36 4,41 4,95 4,96 5,52 5,75 5,28
Angstrom - Prescott
6
5,8
5,6
5,4
5,2
5
4,6 normale
4,2 Prescott
4
Mois de l'année

compte de la combinaison température – couverture nuageuse et celle
obtenue par le modèle d’Angstrom – Prescott
La Figure 4.6 présente l’irradiation estimée en tenant compte de la couverture
nuageuse et de la température et l’irradiation obtenue par le modèle

confondues tandis que de Juin à Décembre, ces deux courbes présentent

quelques écarts. L’influence de la combinaison couverture –température sur
l’irradiation est notable. Les écarts moyen et quadratique sont respectivement
1,83E-04et 1,95E-01.

en tenant compte de la combinaison température et humidité et celle
obtenue par le modèle d’Angstrom - Prescott
janvier février mars avril mai juin juillet août septembre octobre novembre décembre
Irradiation par
5,07 5,33 5,61 5,73 5,00 4,67 4,65 4,62 4,96 5,14 5,54 5,40
Irradiation par
4,86 5,20 5,77 5,59 5,07 4,36 4,41 4,95 4,97 5,52 5,75 5,28
Angstrom - Prescott
6
5,8
5,6
5,4
5,2
5
4,6 normale
4,2 Prescott
4
Mois de l'année

compte de la combinaison température – humidité et celle obtenue par le
modèle d’Angstrom - Prescott
La Figure 4.7 présente l’irradiation estimée en tenant compte de la température
et l’humidité et l’irradiation obtenue par le modèle d’Angstrom-Prescott. Du
mois de Janvier à Mai, les deux courbes sont presque confondues tandis que de

Juin à Décembre, ces deux courbes présentent quelques écarts. Elles sont
proches l’une de l’autre l’influence de cette combinaison est remarquable. Les
écarts moyen et quadratique sont respectivement 2,08E-04et 2,19E-01.
Tableau 4.9 : valeurs de l’irradiation estimée à partir du modèle élaboré en

tenant compte de la combinaison température – humidité - couverture
nuageuse et celle obtenue par le modèle d’Angstrom - Prescott
Irradiation par
l’équation 4,88 5,17 5,72 5,75 5,03 4,65 4,65 4,66 5,02 5,20 5,54 5,47
normale
Irradiation par
Angstrom - 4,86 5,20 5,77 5,59 5,07 4,36 4,41 4,95 4,96 5,52 5,75 5,28
Prescott
6
5,8
5,6
5,4
5,2
5
4,6 normale
4,2 Prescott
4
Mois de l'année

compte de la combinaison température – humidité - couverture nuageuse et
celle obtenue par le modèle d’Angstrom - Prescott.
La Figure 4.8 présente l’irradiation estimée en tenant compte de la température,
l’humidité et la couverture nuageuse et l’irradiation obtenue par le modèle

confondues tandis que de Juin à Décembre, ces deux courbes présentent un léger
écart. On peut conclure que l’influence de la combinaison des trois paramètres
est remarquable. Les écarts moyen et quadratique sont respectivement 1,56E-
04et 1,92E-01.
Les différents écarts entre les valeurs d’irradiations estimées à partir

du modèle et les valeurs d’irradiation mesurées sont présentés dans le
tableau 4.10.

Tableau 4. 10 : Ecarts moyens et quadratiques

Modèle MBE RMSE
Humidité couverture nuageuse 2,10E-04 2,88E-01
Couverture nuageuse température 1,83E-04 1,95E-01
humidité température 2,08E-04 2,19E-01
Humidité 1,17E-04 4,03E-01
Couverture nuageuse 2,08E-04 3,06E-01
Température 2,19E-04 2,44E-01
Température – couverture nuageuse

1,56E-04 1,92E-01
- humidité
4.2. Discussion
La performance du modèle réalisé est évaluée dans la zone côtière de
Cotonou. Ce modèle prend en compte successivement les paramètres
météorologiques pris individuellement, en couple et les trois paramètres
ensemble.
Il s’agit de la couverture nuageuse, de la température et de l’humidité

relative afin d’apprécier l’influence qu’ont ces paramètres ou leur
combinaison sur la variabilité du potentiel solaire photovoltaïque. Le
tableau 4.10, présentant l’écart moyen et l’écart quadratique de ces sept
combinaisons, montre que la combinaison des trois paramètres a le plus
petit écart moyen (1,56E-04) et le plus petit écart quadratique (1,92E-01).

La combinaison qui suit est celle du couple couverture nuageuse et

température. Quand on considère les paramètres pris isolément, la
température influe sur l’irradiation plus que les deux autres et la couverture
nuageuse plus que l’humidité relative.
La comparaison des deux méthodes utilisées, méthode des moindres carrés

et méthode de l’équation normale pour réaliser le modèle, montre que la
méthode de l’équation normale est meilleure. Elle donne des valeurs
proches et centrées sur la moyenne des valeurs mesurées. Tenant compte
de la combinaison humidité relative et couverture nuageuse, la méthode de
l’équation normale présente les plus petits écarts moyens et quadratiques
(2,10E-04et 2,88E-01), tandis que les écarts de la méthode des moindres
carrés sont largement supérieurs à (1,52et 1,54).
En outre, il faut remarquer que la variabilité du potentiel solaire

photovoltaïque est manifeste en considérant la valeur moyenne sur les trois
ans. Cela donne 5,77 kWh/m2/jour et 6,066 kWh/m2/jour comme forte
valeur en considérant l’année 2013, selon l’estimation par le modèle
d’Angstrom-Prescott. Notons que ces valeurs sont observées au mois de
mars. Par contre, le modèle réalisé donne 5,74 kWh/m2/jour au mois
d’Avril en se référant aux figures 4.1 et 4.2.
Ce modèle permet, non seulement d’estimer avec précision

l’irradiation dans la zone côtière de Cotonou, mais en plus, il a permis de
constater que, plus on tient compte de tous les paramètres météorologiques,
plus on tend vers la précision. Les travaux réalisés par Falayi (14)
confirment cette affirmation.

4.3. Validation du modèle obtenu par la méthode de l’équation

normale
Les valeurs réelles d’irradiation relevant des mesures directes ne sont pas
disponibles à la structure météorologique (ASECNA). Or, pour valider le
modèle élaboré, il fallait forcément comparer les valeurs d’irradiation qui
proviennent du modèle à des valeurs réelles d’irradiation mesurées
directement sur site et non à des valeurs d’irradiation estimées. Ainsi, il a
fallu recourir à des valeurs réelles d’irradiation de l’année 2005 dans la
zone côtière de Cotonou relevées sur le site internet de la NASA (NASA
Surface meteorology and solar energy). Les valeurs d’irradiation des
années récentes n’étant pas disponibles. Les données de la couverture
nuageuse, de la température et de l’humidité relatives de l’année 2005
dans la zone côtière de Cotonou sont considérées comme variables d’entrée
au modèle élaboré. Le tableau 4.11 et la figure 4.9 présentent ces résultats.
Tableau 4. 11 : Comparaison des valeurs d’irradiation issues du modèle

élaboré, du modèle d’Angstrom – Prescott et celle mesurée de l’année
2005
modèle élaboré 5,32 5,23 5,65 5,33 4,64 4,29 3,88 4,18 4,19 4,62 5,14 5,15
irradiation
5,36 5,25 5,68 5,29 4,59 3,99 3,79 4,33 4,44 4,68 5,04 5,18
mesurée (2005)
modèle Angstrom-
4,86 5,20 5,77 5,59 5,07 4,36 4,41 4,95 4,96 5,52 5,75 5,28
Prescott

5,5
irradiation (kWh/m2/j)
4,5
modèle élaboré
4
irradiation mesurée (2005)
3,5
modèle Angstrom-Prescott
3
Mois de l'année
Figure 4.9 : Irradiations issues du modèle élaboré, du modèle

d’Angstrom – Prescott et celle mesurée de l’année 2005.
4.4 Interprétation des résultats obtenus dans le tableau 4.11et à

la figure 4.9
On peut déduire des résultats présentés dans le tableau 4.11 et la figure 4.9
que le modèle réalisé est plus précis que le modèle d’Angstrom-Prescott
car les valeurs dudit modèle se rapprochent beaucoup plus de celles
mesurées l’année 2005. En effet, les valeurs des écarts quadratiques sont
respectivement de 498.10-3 pour le modèle élaboré et de 129.10-3 pour le
modèle d’Angstrom-Prescott. En outre, les fortes valeurs d’irradiations
s’observent au mois de Mars pour les différents modèles et pour l’année
2005, nous avons respectivement 5,68kWh/m2 comme valeur mesurée,
5,6429kWh/m2 pour le modèle réalisé et 5,7698kWh/m2 pour le modèle
d’Angstrom-Prescott. De même, les faibles valeurs s’observent au mois de
juillet. On obtient 3,79kWh/m2 comme valeur mesurée, 3,88148kWh/m2
pour le modèle réalisé et 4,4085kWh/m2 pour le modèle d’Angstrom-
Prescott.

Conclusion générale
A travers cette étude, nous avons élaboré un modèle mathématique du
potentiel solaire photovoltaïque dans la zone côtière de Cotonou. Ce
modèle a été réalisé à l’aide des données météorologiques sur la
température, l’humidité relative et la couverture nuageuse considérées sur
trois années de 2011à 2013. L’irradiation globale dans la zone côtière a été
estimée par le modèle d’Angstrom-Prescott. La valeur maximale de cette
irradiation est de 6,066kWh/m2/j, valeur constatée au cours de l’année
2013 au mois de mars.
Le calcul des écarts moyen et quadratiques a permis de faire l’étude

comparative des deux méthodes utilisées à savoir, la méthode des moindres
carrés et la méthode directe utilisant l’équation normale. La méthode de
l’équation normale présente des résultats proches des valeurs mesurées.
En outre, le modèle élaboré à partir des paramètres météorologiques (la

température, l’humidité et la couverture nuageuse) a permis de voir
l’impact de ces derniers sur l’intensité de l’irradiation solaire et d’en
déduire sa valeur approximative. Ledit modèle est validé par les données
d’irradiation solaire, de température, de couverture nuageuse et de
l’humidité relative mesurées directement dans la zone côtière au cours de
l’année 2005.
Pour la suite de nos recherches allant dans le même sens, il serait

intéressant d’étendre l’étude sur d’autres sites pouvant permettre de couvrir
tout le territoire béninois. Dans cette étude, nous devons procéder nous-
mêmes aux mesures des données directement sur les sites afin de mieux
apprécier la précision.
Références bibliographiques
[1] A Labouret and M Villoz, 2013, Energie Solaire Photovoltaïque.:
Dunod, vol. 4ème édition.
[2] Congrès international UNESCO, Juillet 1973, "Le soleil au service de

l'homme".
[3] www.energie-solaire.fr.
[4] AHMED ALAMI MERROUNI and MEZRHAB AHMED MOUSSI

MUSTAPHA, 2013, "Investigation des zones favorables pour
l’installation des fermes PV dans l’oriental du Maroc".
[5] M. S. AUDI and M. A. ALSAAD, 2007, "A general model for the
prediction of hourly diffuse solar radiation," international journal of
solar energy, vol. 10, no. 1, pp. 39-49.
[6] B. OULD BILAL, V. SAMBON, NDOMGO C M. F. KEBE M., and

P. A. NDIAYE, 2007, "Etude et modélisation du potentiel solaire du
site de Nouakchott de Dakar," journal des sciences, vol. 7, no. 4, pp.
57-66.
[7] R.C. SRIVASTAVA and PANDEY HARSHA, 2013, "Estimating

Angstrom- Prescott Coefficients for India and developing a correlation
between sunshine hours and global solar Radiation for India,"
Renewable Energy.

[8] EMIR ONAT INCI TRUK TÔGRUL, 1991, "A comparison of

estimated and measured values of solar radiation in Elazig, Turkey,"
Renewable Energy, vol. 20, pp. 243 – 252 .
[9] G. ABDALLA YOUSEF A., Juin 1987, "Solar radiation over Doha ,"
International Journal of Solar Energy, vol. J, pp. 1-9.
[10] Muyiwa Adaramola, 2012, "Estimating global solar radiation using

common meteorological data in Akure Nigeria," vol. 47, pp. 36-44.
[11] Salomon Agbo, May 2013, "Evaluation of regression parameters of

the Angstrom-Page model for predicting global solar radiation," vol.
24, no. 2.
[12] Solomon Ogolo, Juin 2014, "Estimation of th global solar radiation in

Nigeria using a modified Angstrom model and the trend analysis of
the allied meteorological components," vol. 43, pp. 213-224.
[13] A. H. Hassan, "The variability of the daily solar radiation components

over HELWAN," Renewable Energy, vol. 23, pp. 641 – 649.
[14] J. MUBIRU, E. J. U. D. Banda, F. D’UJANGA, and T. SENYONGA,

2007, "Assessing the distribution of monthly mean solar irradiation at
African equatorial site sciences direct," Energy Conversion et
Management , vol. 48, pp. 380-383.
[15] A. SKARTVEIT and J. A. LSETH, Mai 2007, "Intrahour variability

of solar irradiance," Energy sources, vol. 15, pp. 105-116,.

[16] E. O. Falayi, 2013, "The impact of cloud cover, relative humidity,

temperature and rainfall on solar radiation in Nigeria," energy and
power, pp. 119-127.
[17] Tadros and Shaltout, 1988, "Simple method for computation of solar
radiation for different latitude in Egypt," pp. 53-60,.
[18] L.R.J SMITHSONIAN, 1966, "Meteorological Tables,".
[19] Takajo, Hiroaki , Takahashi, and Tohru, "No iterative method for
obtaining the exact solution for the normal equation in least-squares
phase estimation from the phase difference," vol. 5, pp. 1818 – 1827.
[20] M. A. MOSALAM SHALTOUT, A. H. HASSAN, and A. M.

FATHY, 2001, "Total suspended particles and solar radiation over
CAIRE and ASWAN," Renewable Energy, vol. 23, pp. 605 – 619,.
[21] J. A. GONZALEZ and J. COLBO, 1998, "Influence of the global

radiation variability in the hourly diffuse fraction correlations,"
Renewable energy,.
[22] JANVIER HOUNGUE, 2014, "Cartographie du rayonnement solaire

en République du Benin et du Togo," mémoire master en énergie
renouvelable.

Table des matières
Remerciements ............................................................................................. i
Sommaire .................................................................................................. ii
Liste des figures ........................................................................................... iv
Liste des tableaux ........................................................................................ vi
Liste des sigles et abréviations ............................................................... viii
Résumé ........................................................................................................ ix
Abstract ......................................................................................................... x
Introduction générale .................................................................................... 1
1. Objectifs ................................................................................................ 3
2. Méthodologie ........................................................................................ 3
Chapitre 1 : Généralités et synthèse bibliographique ................................... 5
1.1. Généralités sur l’énergie solaire .................................................... 5
1.1.1. Le système terre soleil ............................................................. 5
1.1.2. Quelques définitions [1]........................................................... 6
1.2. Revue bibliographique ................................................................... 7
1.2.1. Historique ................................................................................. 8
1.2.2. Evaluation du potentiel photovoltaïque ................................... 8
1.2.3. Variabilité .............................................................................. 11
Chapitre2 : Traitement et analyse des données .......................................... 13
2.1. Collecte et présentation des données. .......................................... 13
2.2. Evaluation de l’irradiation globale .............................................. 15
2.3 Analyse des résultats....................................................................... 20
Chapitre 3 : Modélisation de la variabilité ................................................. 22
3.1. Méthode des moindres carrées..................................................... 22

2.1. Méthode de résolution directe utilisant l’équation normale ........ 36

Chapitre 4 : Résultats et discussion ........................................................... 40
4.1. Résultats ....................................................................................... 40
4.1.1. Méthode des moindres carrés ................................................ 40
4.1.2. Méthode de résolution directe utilisant l’équation normale .. 42
4.2. Discussion .................................................................................... 52
4.3. Validation du modèle obtenu par la méthode de l’équation
normale ................................................................................................... 54
4.4 Interprétation des résultats obtenus dans le tableau 4.11 et à la
figure 4.9 ................................................................................................. 55
Conclusion générale ................................................................................... 56
Références bibliographiques ...................................................................... 57
Table des matières ...................................................................................... 60

Langue

Memoire de SOUZA Ephrem H.

Transféré par

Informations du document

Description :

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Memoire de SOUZA Ephrem H.

Titre original :

Transféré par

Description :

Droits d'auteur :

UNIVERSITE D’ABOMEY-CALAVI (UAC)

DIPLOME D’ETUDES APPROFONDIES (DEA)

Spécialité : Génie Electrique

ETUDE ET MODELISATION DE LA VARIABILITE DU POTENTIEL

Laboratoire d’Electrotechnique de Télécommunications et d’Informatique Appliquée (LETIA)

Année académique 2013-2014

Rédigé par de SOUZA Ephrem

Je remercie Dieu tout puissant.

J’adresse mes remerciements au Professeur AVLESSI Félicien

Je remercie également le professeur Antoine VIANOU, Professeur

Je voudrais ensuite remercier le Professeur Emile SANYA,

Je remercie ensuite le Docteur François Xavier FIFATIN, Chef

Ma reconnaissance va par ailleurs à l’endroit de tous les

Je remercie ma très chère épouse Marielle de SOUZA pour tous les

Enfin, je remercie tous les membres du LETIA pour leur sympathie

Rédigé par de SOUZA H. M. Ephrem i

Liste des figures ........................................................................................... iv

Liste des tableaux ........................................................................................ vi

Introduction générale .................................................................................... 1

Chapitre 1 : Généralités et synthèse bibliographique ................................... 5

Chapitre2 : Traitement et analyse des données .......................................... 13

Chapitre 3 : Modélisation de la variabilité ................................................. 22

Chapitre 4 : Résultats et discussion ........................................................... 40

Conclusion générale ................................................................................... 56

Références bibliographiques ...................................................................... 57

Table des matières ...................................................................................... 60

Rédigé par de SOUZA H. M. Ephrem ii

Symboles Désignation Unités

Rg Irradiation globale Kw/m²/K

Ro Irradiation non atmosphérique Kw/m²/K

H Durée moyenne d’ensoleillement heures

Ho Durée moyenne d’ensoleillement heures

S Superficie Mètre carré

Rédigé par de SOUZA H. M. Ephrem iii

Liste des Figures

Figure 2.1 : Irradiation par la méthode d’Angstrom-Prescott des années

Figure 2.2 : Valeurs mensuelles de l’humidité relative des années 2011,

Figure 2.3 : Valeurs mensuelles de la couverture nuageuse des années

Figure 2. 4 : valeurs mensuelles de la température des années 2011, 2012,

Figure 4.1 :Irradiation estimée par le modèle d’Angstrom-Prescott et celle

Figure 4.2 : Irradiation estimée à partir du modèle élaboré en tenant

Figure 4.3 : Irradiation estimée à partir du modèle élaboré en tenant

Figure 4.4 : Irradiation estimée à partir du modèle élaboré en tenant

Rédigé par de SOUZA H. M. Ephrem iv

Figure 4.5 : l’irradiation estimée à partir du modèle élaboré en tenant

Figure 4.6 : Irradiation estimée à partir du modèle élaboré en tenant

Figure 4.7 : Irradiation estimée à partir du modèle élaboré en tenant

Figure 4.8 : Irradiation estimée à partir du modèle élaboré en tenant

Figure 4.9 : Irradiations issues du modèle élaboré, du modèle d'Angstro-

Rédigé par de SOUZA H. M. Ephrem v

Liste des Tableaux

Tableau 2.2 : Radiation solaire R0 à la limite de l’atmosphère dans la

Tableau 2.4 : Valeurs des coefficients a et b suivant la région [18].15

Tableau 2.5 : Valeurs pour l’irradiation des années 2011-2012 et

Tableau 2.7 : Valeurs des données mensuelles de la couverture nuageuse

Tableau 3.2 : Valeurs des différents coefficients entrant dans le calcul

Tableau 4.1 : Valeurs de l’irradiation mensuelle calculée par la

Tableau 4.2 : Valeurs des irradiations issues de la méthode des

Rédigé par de SOUZA H. M. Ephrem vi

Tableau 4.3 : Valeurs de l’irradiation estimée à partir du modèle

Tableau 4. 11 : Comparaison des valeurs d’irradiation issues du modèle