Académique Documents
Professionnel Documents
Culture Documents
OUJDARI Mohammed
2
ENSAM-Meknès
3
ENSAM-Meknès
4
ENSAM-Meknès
I. Introduction générale
5
ENSAM-Meknès
Chapitre 1
Chapitre 1 : Méthodes d’estimation des paramètres de Weibull
Il existe beaucoup de méthodes pour estimer les paramètres de Weibull, mais pour notre
projet on va se concentrer sur les méthodes suivantes :
✓ Méthode de WASP
✓ Méthode de Likelihood modifiée
✓ Méthode des énergies équivalentes
✓ Méthode de Jestus
6
ENSAM-Meknès
1. Méthode de WASP
Cette méthode utilise une approche différente pour estimer les paramètres de Weibull ; il
suppose que la vitesse du vent au-dessus de la valeur moyenne est la plus susceptible de créer la
puissance maximale. Par conséquent, l'ajustement de Weibull en utilisant uniquement les
données au-dessus de la valeur moyenne de la vitesse du vent est considéré comme plus réaliste
par les développeurs de la méthode. Néanmoins, cela ne signifie pas qu'il est plus efficace pour
des distributions de fréquences diverses ; elle a donc été choisie comme l'une des méthodes à
étudier. La documentation de référence sur la méthode n'est pas détaillée mais la méthode WASP
est l'une des méthodologies les plus utilisées à travers la famille de logiciels WASP.
7
ENSAM-Meknès
𝑽 𝒌
𝒍𝒏(𝑽𝒑 ) = − ( ) (2)
𝑪
𝟑 𝟏
𝑪𝟑 𝜞 (𝟏 + ) = ∑𝑽𝟑𝒊 (3)
𝒌 𝒏
𝟏
( ) ∑𝒏 𝟑
𝒊=𝟏 𝑽 𝟏/𝟑
𝒏
𝑪= [ 𝟑 ] (4)
𝚪(𝟏+(𝒌)
𝑽
𝐥𝐧(𝑽𝒑 ) = −[ 𝟏 ] (5)
(𝒏) ∑𝒏 𝟑
𝒊=𝟏 𝑽 𝟏/𝟑
( 𝟑 )
𝚪(𝟏+( )
𝒌
Il existe une version alternative de la Méthode de Likelihood, qui a une modification sur
les fréquences du vent [20, 21, 26, 27, 30, 32]. La méthode est généralement préférée lorsqu'il y
a une grande quantité de données manquantes. Toutes les valeurs de fréquence du vent sont
pondérées en fonction des données disponibles ; par conséquent, la méthode est appelée méthode
du maximum de vraisemblance modifiée (MMLM) (parfois elle est également appelée méthode
du maximum de vraisemblance pondérée dans la littérature). L'équation est réécrite avec l'ajout
de la fréquence en sachant que tous les échantillons sont supérieurs à 0 m/s. La même itération de
MLM est appliquée pour calculer le paramètre d'échelle modifié. Dans cette méthode, le
paramètre k est trouvé par itération pour n nombre d'échantillons avec le paramètre de forme
8
ENSAM-Meknès
initial avec la valeur de k = 2. Après avoir trouvé k dans les limites souhaitées avec l'équation,
−𝟏
∑𝒏 𝒌
𝒊=𝟏 𝑽𝒊 𝐥𝐧(𝑽𝒊 )𝒇(𝑽𝒊) ∑𝒏
𝒊=𝟏 𝐥𝐧(𝑽𝒊)𝒇(𝑽𝒊)
𝒌=[ − ] (6)
∑𝒏 𝒌
𝒊=𝟏 𝑽𝒊 𝒇(𝒗𝒊) 𝒇(𝑽𝒊≥𝟎)
𝟏 −𝟏
𝑪= [ ∑𝒏𝒊=𝟏 𝑽𝒌𝒊 𝒇(𝑽𝒊)] (7)
𝒇(𝑽𝒊≥𝟎)
(8)
P(v) represents the frequency of the observed wind speed in the interval
(v − 1) ≤ V < v.
The probability that the wind speeds are higher than v − 1 (v − 1 < v) now is
(9)
(10)
Statistiquement, une variable stochastique Pv représentée par la fonction de
probabilité P peut être définie comme :
(11)
9
ENSAM-Meknès
(12)
(13)
(14)
10
ENSAM-Meknès
4. Méthode de Jestus
L’une des méthodes les plus connues et simples pour estimer le paramètre de WEIBULL
est la méthode de Jestus, dérivée de la fonction de densité de puissance. Le facteur énergétique
peut être calcule comme le rapport entre la moyenne de la somme des cubes de toutes les vitesses
du vent et le cube de la vitesse moyenne. Une fois Ef calcule, on peut facilement utiliser une
solution numérique dérivée de K et C. La simplicité de l’équation la rend très utile pour les
calculs initiaux, mais il a également été observé que l’ajustement n’est pas aussi bon que celui
des autres méthodes lorsqu’il y a une fiable vitesse du vent et une forte turbulence, ce qui fait le
PDF de WEIBULLL n’est pas une courbe lisse. Néanmoins, il a été choisi pour cette étude
comme formulation de référence afin d’explorer les différences possibles avec des méthodes plus
avancées.
11
ENSAM-Meknès
Chapitre 2
Chapitre 2 : Estimation des paramètres de Weibull a l’aide des 4 méthodes pour les
trois villes : ASSILAH, LARACHE et OUJDA
Dans ce chapitre on a essayé d’estimer les paramètres de Weibull a l’aide des méthodes :
JESTUS, LIKELIHOOD MODIFIE, WASP et la méthode des ENERGIES EQUIVALENTS
pour LARACHE, ASSILAH et OUJDA pour une durée de dix ans de (2008-2018), on a fait une
étude mensuelle, saisonnière et annuelle.
• Mois de JANVIER
12
ENSAM-Meknès
• Mois de FEVRIER
13
ENSAM-Meknès
• Mois de MARS
14
ENSAM-Meknès
• Mois d’AVRIL
15
ENSAM-Meknès
• Mois de MAI
16
ENSAM-Meknès
• Mois de JUIN
17
ENSAM-Meknès
• Mois de JUILLET
18
ENSAM-Meknès
• Mois d’AOUT
19
ENSAM-Meknès
• Mois de SEPTEMBRE
20
ENSAM-Meknès
• Mois d’OCTOBRE
21
ENSAM-Meknès
• Mois de NOVEMBRE
22
ENSAM-Meknès
• Mois de DECEMBRE
23
ENSAM-Meknès
• Saison d’HIVER
24
ENSAM-Meknès
• Saison de PRINTEMPS
25
ENSAM-Meknès
• Saison d’ETE
26
ENSAM-Meknès
• Saison d’AUTOMNE
27
ENSAM-Meknès
• Etude annuelle
28
ENSAM-Meknès
29
ENSAM-Meknès
• Mois de JANVIER
30
ENSAM-Meknès
• Mois de FEVRIER
31
ENSAM-Meknès
• Mois de MARS
32
ENSAM-Meknès
• Mois d’AVRIL
33
ENSAM-Meknès
• Mois de MAI
34
ENSAM-Meknès
• Mois de JUIN
35
ENSAM-Meknès
• Mois de JUILLET
36
ENSAM-Meknès
• Mois d’AOUT
37
ENSAM-Meknès
• Mois de SEPTEMBRE
38
ENSAM-Meknès
• Mois d’OCTOBRE
39
ENSAM-Meknès
• Mois de NOVEMBRE
40
ENSAM-Meknès
• Mois de DECEMBRE
41
ENSAM-Meknès
• Saison d’HIVER
42
ENSAM-Meknès
• Saison de PRINTEMPS
43
ENSAM-Meknès
• Saison d’ETE
44
ENSAM-Meknès
• Saison d’AUTOMNE
45
ENSAM-Meknès
• Etude annuelle
46
ENSAM-Meknès
• Mois de JANVIER
47
ENSAM-Meknès
• Mois de FEVRIER
48
ENSAM-Meknès
• Mois de MARS
49
ENSAM-Meknès
• Mois d’AVRIL
50
ENSAM-Meknès
• Mois de MAI
51
ENSAM-Meknès
• Mois de JUIN
52
ENSAM-Meknès
• Mois de JUILLET
53
ENSAM-Meknès
• Mois d’AOUT
54
ENSAM-Meknès
• Mois de SEPTEMBRE
55
ENSAM-Meknès
• Mois d’OCTOBRE
56
ENSAM-Meknès
• Mois de NOVEMBRE
57
ENSAM-Meknès
• Mois de DECEMBRE
58
ENSAM-Meknès
• Saison d’HIVER
59
ENSAM-Meknès
• Saison de PRINTEMPS
60
ENSAM-Meknès
• Saison d’ETE
61
ENSAM-Meknès
• Saison d’AUTOMNE
62
ENSAM-Meknès
• Etude annuelle
63
ENSAM-Meknès
IV. Conclusion
Les résultats de l’algorithme de calcul ont été validés par comparaison avec les données
mesurées dans la base de données que l’encadrant nous donnés.
Plusieurs indicateurs statistiques utilisés dans la littérature vont nous permettre de confronter
les données obtenues par le modèle développé et les données mesurées. Les indicateurs utilisés
sont :
RMSE, Racine carrée de l’erreur quadratique moyenne.
𝟐 (𝐕𝐜−𝐕𝐦)𝟐
𝐑𝐌𝐒𝐄 = √∑𝐧𝐢=𝟏 Avec n Nombre d’heures, Vc c’est la vitesse calculé et Vm c’est
𝐧
la vitesse mesurée. La RMSE est une mesure de la variation des valeurs calculées autour des
valeurs mesurées, plus sa valeur est petite et plus le modèle est meilleur.
MBE : Erreur de biais moyen.
La MBE donne une indication sur la déviation moyenne des valeurs calculées par rapport aux
valeurs mesurées. Une valeur positive indique une sur estimation par contre une valeur négative
𝐧 𝐕𝐜−𝐕𝐦
indique une sous-estimation. 𝐌𝐁𝐄 = ∑𝐢=𝟏
𝐧
R²: Coefficient de détermination.
64
ENSAM-Meknès
Avec Vcmoy: la vitesse moyenne journalière calculée et Vmmoy est la vitesse moyenne
journalière mesurée. L’indicateur R² varie entre 0 et 1. Une valeur de 1 ou proche de 1 indique
un parfait accord entre la valeur mesurée et calculée. Par contre, une valeur proche de 0 indique
un total désaccord.
Le test du khi-deux
Un test du khi-deux est une méthode de test des hypothèses. Deux tests du khi-deux
courants impliquent de vérifier si les fréquences observées dans une ou plusieurs catégories
correspondent aux fréquences attendues. Nous ici on va s’intéresser justement au test du khi-
deux d'indépendance, pour décider qu’il est la méthode fortement liée aux données de notre base.
65
ENSAM-Meknès
2. Résultats de simulation
χ 2: La
Ville Méthode R² : MBE : RMSE : Test de densité
Coefficient Erreur de L’Erreur khi- de la
de biais quadratiqu deux puissanc
déterminatio moyen e moyenne e
n
OUJDA LIKELIHOO 0.9997653545 0.11484885 0.10484885 0.01078 208.3646
D MODIFIEE
WASP 0.9986473278 0.163482783 0.117538742 0.01368
66
ENSAM-Meknès
Chapitre 3
Chapitre 3 : Extrapolation verticale des paramètres de
Weibull pour l’estimation du potentiel récupérable sur différentes hauteurs,
choix des turbines, et justifications du choix
Plusieurs études établies sur les potentialités énergétiques éoliennes de Maroc ont produit
les paramètres de Weibull obtenus à partir de d’étude statistique de 10 années de mesures, C’est
pour cela que l’étude s’est orientée vers l’extrapolation verticale des facteurs de forme et
d’échelle de Weibull qui déterminent le potentiel d’un site donné.
67
ENSAM-Meknès
𝐻1
𝐾2 1 − 𝐴 𝑙𝑛(𝐻2)
=
𝐾1 1 − 𝐴 𝑙𝑛(𝐻1)
𝐻2
𝐶2 𝐻2𝑛
=
𝐶1 𝐻1
𝐵−𝐴 ln(𝐶1)
Avec 𝑛= 𝐻1 Loi de puissance de Justus-Mikhaiel Proposée en 1976 et proposée
1−𝐴 ln( 10 )
pour des conditions de stabilité neutre, cette loi garde la forme donnée en avec des facteurs A et
B égaux à : 𝐴 = 0,00881 𝐵 = 0,37
Paramètres
de Weibull
68
ENSAM-Meknès
3. Energie annuelle produite sur chaque site pour les différentes altitudes
On a pris une moyenne de 8000 heures par année pour qu’on puisse accéder au calcul de
l’énergie récupérable sur chaque site.
Oujda Assilah Larache
Ville
Paramètres
de Weibull
E(KWh) 2315262 2649578 1869490 2890610 2656489 3724689 3889289 3962428 4642789
Cp (%) 54 55 49 66 60 58 74 72 69
69
ENSAM-Meknès
70
ENSAM-Meknès
Etant donné que les facteurs capacités sont meilleurs à un auteur de 75m pour Oujda, et
50m pour Assila et Larache nous ferons le choix d’effectuer les installations des rotors
Aéronautica 47-750 kWatt, Aéronautica 54-750 kWatt, Enercon E-48/800 kWatt respectivement
dans les villes de OUJDA, ASSILA, LARACHE
71
ENSAM-Meknès
2. Calcul du Gain
On voix claire et très bien qu’on va gagner plus sur Larache que Assila, mais pour Oujda c’est
un mauvais choix, un gain de 756 386 Dollars sur une durée de cinq ans ce n’est pas significatif,
donc un rechoie du rotor.
Conclusion
En somme, nous convenons que l’un des enjeux majeurs de la recherche ce siècle consiste
à l’augmentation de la part des énergies renouvelables dans la production d’électricité en dépit
des énergie fossiles. L’une des alternatives qui se propose est d’exploiter l’énergie récupérable à
travers la vitesse du vent. Ainsi, l’étude du potentiel éolien est une phase cruciale de la
perspective d’installations d’un parc éolien dans une région afin d’en évaluer la puissance
électrique récupérable.
La fonction de densité de Weibull est une loi qui nous a permis ici de modéliser par une
fonction mathématique la distribution des vitesses du vent en fonction de leur fréquence. Les
paramètres d’échelle et de forme de Weibull sont estimés à l’aide de méthodes numériques
programmables. Ces derniers nous ont permis par la suite d’estimer la puissance récupérable et
de choisir les turbines adéquates pour les sites respectifs.
Cette étude, en somme montre que les régions de Larache, Assela et Oujda possèdent un
potentiel éolien exploitable afin de pouvoir alimenter en électricité des zones environnantes
72
ENSAM-Meknès
dépourvu de cette énergie. Une étude des couts de l’installation et de la maintenance de ces sites
ainsi qu’une évaluation du rapport investissement et bénéfice.
Par ailleurs la perspective de ce projet est d’estimer le potentiel solaire de la région afin
d’effectuer une comparaison avec ce potentiel éolien. Cette comparaison avec les couts
d’installation nous permettrait de faire un choix judicieux et rentable entre les deux sources
d’énergies.
73