Les prévisions de production renouvelable « sont essentielles pour l’équilibre du réseau électrique »

Les prévisions de production renouvelable « sont essentielles pour l’équilibre du réseau électrique »

Le Monde de l’Énergie ouvre ses colonnes à Morgane Barthod, fondatrice de meteo*swift, start-up dédiée à la  prévision de la production solaire et éolienne, racheté récemment par Trailstone, pour évoquer avec elle cette question cruciale de la transition énergétique.

Le Monde de l’Énergie —Sur quels mécanismes reposent aujourd’hui les techniques de prévision de production des énergies renouvelables intermittentes ? Quelles sont les dernières innovations de rupture en la matière ?

Morgane Barthod —Mon expertise porte surtout sur les prévisions solaire et éolienne. Parmi les autres sources d’énergies renouvelables intermittentes, on compte les centrales hydroélectriques au fil de l’eau. Les techniques de prévision pour ces centrales impliquent de modéliser l’arrivée d’eau grâce à des prévisions de précipitations, des modélisations de bassin-versant et parfois de capteurs placés dans les cours d’eau.

Pour l’énergie éolienne, on utilise à la fois des prévisions météo (issues de modèles de prévision numérique du temps ou de capteurs), les données en temps réel transmises par les parcs éoliens, et des algorithmes d’intelligence artificielle (famille de timeseries). On peut ainsi modéliser le comportement de chaque éolienne dans une situation météo donnée : l’algorithme apprend son comportement passé grâce aux séries temporelles de prévision météo et de production, et en déduit une prévision pour le lendemain.

D’autres techniques sont également utilisées pour améliorer la précision des prévisions, par exemple la descente d’échelle par modélisation numérique de dynamique des fluides pour obtenir des prévisions météo à maille plus fine. Une innovation en la matière est l’utilisation de deep learning pour prendre en compte un spectre plus large en météo : plutôt que de prendre les prévisions météo en un seul point source, les algorithmes peuvent emmagasiner les prévisions de toute une zone et ainsi capter des signaux faibles (par exemple une perturbation météo qui devait passer 10km au nord du parc éolien et qui finalement passera dessus pourra tout de même être captée et prise en compte par les modèles).

La principale innovation de rupture a été l’utilisation d’intelligence artificielle dans ce domaine, soit une approche basée sur les données historiques plutôt qu’une modélisation explicite à partir de la fiche technique de l’éolienne.

Pour les prévisions solaires, on utilise également de l’intelligence artificielle pour modéliser le comportement des parcs photovoltaïques. Pour les prévisions infra-journalières, on complète avec des données satellites de couverture nuageuse : on essaie de prédire l’évolution des nuages existants et d’anticiper si et/ou quand ils feront de l’ombre sur les panneaux solaires.

Le Monde de l’Énergie —En quoi les prédictions météo sont cruciales pour la prédiction de production d’énergies renouvelables ?

Morgane Barthod —La production d’énergie éolienne et solaire dépend directement de la météo : principalement du vent et du soleil, mais aussi par exemple de la température et de l’humidité (en effet, s’il gèle, du givre voire une couche de glace peut se former sur les éoliennes, et ralentir leur rotation ou forcer les opérateurs à les arrêter pour éviter les risques de projection), et d’autres facteurs en fonction des zones géographiques. Dans certaines régions par exemple, les parcs solaires sont très impactés par les tempêtes de sable puisque le sable recouvre les panneaux et les empêche de fonctionner.

C’est donc grâce aux prévisions météo qu’on peut calculer les prévisions de production d’énergie solaire et éolienne.

On peut distinguer plusieurs horizons. Plusieurs jours à l’avance ou la veille pour le lendemain, on s’appuiera plutôt sur les modèles de prévision numérique du temps. Quelques heures à l’avance, on utilisera aussi des images satellites pour la prévision solaire, qui permettent de repérer où se trouvent les nuages et d’appliquer ensuite un modèle de simulation pour anticiper leurs mouvements. Quelques minutes à l’avance, on utilisera principalement les données en temps réel transmises par les parcs solaire et éolien, auxquelles on pourra ajouter des images prises par des caméras « fish-eye » posées au sol à proximité des panneaux solaires.

Le Monde de l’Énergie —Quel impact ont ces prévisions sur les politiques énergétiques ?

Morgane Barthod —Ces prévisions sont essentielles pour l’équilibre du réseau électrique et l’intégration à grande échelle des énergies renouvelables dans le mix électrique.

Lorsque la production éolienne ou solaire subit de fortes variations mais qu’on le sait à l’avance grâce à de bonnes prévisions, le réseau électrique peut aisément les gérer de manière peu coûteuse et peu polluante : en important/exportant de l’électricité, en stockant/déstockant (par exemple grâce à des centrales électriques pompage/turbinage), en modulant les autres sources d’énergie (nucléaire par exemple), en négociant avec des usines une baisse temporaire de leur consommation, etc.

Lorsque ces variations sont mal prévues, il ne reste que les solutions « d’urgence », plus coûteuses et polluantes, par exemple les centrales à gaz ou charbon d’appoint.

La prévision est donc un maillon crucial de la transition énergétique à grande échelle, et de l’indépendance du réseau électrique vis-à-vis des énergies fossiles. Plus les prévisions s’améliorent, plus cela facilite l’intégration d’une grande quantité d’énergies renouvelables au mix électrique.

Le Monde de l’Énergie —Quel est le coût des techniques de prévisions avancées, et leur adoption est-elle rentable pour les centrales EnRi par rapport aux économies qu’elles permettent de réaliser ?

Morgane Barthod —Le coût est très variable en fonction de la qualité de la précision (pour des prévisions très fines, des analystes et chercheurs peuvent regarder les données de chaque parc et développer et implémenter des améliorations spécifiques à chaque parc), du nombre de parcs prévus en même temps (car on réalise alors ensuite des prévisions agrégées, et on peut utiliser les données de certains parcs pour améliorer la prévision d’autres parcs du même portefeuille), etc. Ces prévisions sont cependant très rentables et permettent de réaliser des économies très conséquentes sur les marchés de l’électricité (où les erreurs de prévision sont pénalisées par le gestionnaire de réseau), qui justifient largement l’investissement dans une bonne qualité de prévision.

Morgane Barthod

Diplômée de l’École Polytechnique et de l’EPFL (Lausanne, Suisse) avec deux masters en énergie et en ingénierie de l’environnement, Morgane Barthod a créé la start-up meteo*swift en 2016, pour développer des outils sur-mesure de prévision de la production solaire et éolienne, en utilisant des données météo et du machine learning. Ces outils sont utilisés pour équilibrer le réseau électrique et pour commercialiser l’électricité. Après avoir fait grandir une équipe de 18 personnes et des outils de prévisions aujourd’hui appliqués à plus de 10 GW d’énergie éolienne et solaire, meteo*swift a rejoint le groupe Trailstone.