Prévision infra-horaire du DNI pour la gestion des centrales CSP · 2017-07-04 · St ephane Grieu ([email protected]) Laboratoire PROMES{CNRS (UPR 8521), equipe COSMIC

ContexteLe projet CSPIMP

Prevision infra-horaire de l’eclairement normal directConclusions et perspectives

Prevision infra-horaire du DNI pour la gestion descentrales CSP

Stephane Grieu ([email protected])

Laboratoire PROMES–CNRS (UPR 8521), equipe COSMIC

Universite de Perpignan Via Domitia

JNES 2017

14 juin 2017

Stephane Grieu ([email protected]) Prevision infra-horaire du DNI pour la gestion des centrales CSP



La ressource solaireLa prevision de la ressource

Interaction entre rayonnement solaire et atmosphere (1/3)

Les composantes du rayonnement solaire (GHI, DHI et DNI)

Le rayonnement global est defini comme la somme des rayonnements direct etdiffus recus au sol. S’il est mesure horizontalement, on parle de GHI, acronymede Global Horizontal Irradiance. On peut le formuler comme suit (1) :

GHI = DHI + DNI · cos(SZA) (1)

GHI : Global Horizontal Irradiance (ou eclairement global horizontal)DHI : Diffuse Horizontal Irradiance (ou eclairement diffus horizontal)DNI : Direct Normal Irradiance (ou eclairement normal direct)SZA : Solar/Zenith Angle






L’eclairement normal direct

Plus que tout autre phenomene atmospherique, les masses nuageuses ont une in-fluence sur le DNI. C’est pourquoi, generalement, les situations“ciel clair”(aucunnuage ne masque le Soleil) et “ciel nuageux” sont dissociees. D’ou (2) :

I = Ics · kc (2)

I : eclairement normal directIcs : eclairement normal direct par ciel clair (fonction de τcs)kc : indice ciel clair (voir ci-apres)






L’indice ciel clair

Cet indice varie entre 0 et 1 : kc = 0 lorsqu’un nuage epais occulte le Soleil alorsque kc = 1 en cas d’absence de nuage devant le Soleil. kc ∈]0, 1[ lorsque desnuages fins, tels que des cirrus, voilent le Soleil.

SoleilSoleil Soleil

Atm

osph

ere

kc = 1 kc ∈]0,1[ kc = 0

Figure 1: Rayonnement solaire.

2





Les modeles de persistance

Persistance du DNI

Dans le cas d’un signal de faible variabilite ou d’un signal periodique, la persis-tance du DNI peut fournir une prevision (a l’horizon ∆tf ) dont l’incertitude estinferieure aux exigences de l’operateur [Nou et al., 2016] (3) :

I (t + ∆tf ) = I (t) (3)

I /I : eclairement normal direct predit/mesure

Persistance de l’indice ciel clair

Une persisante de l’indice ciel clair est aussi possible [Nou et al., 2016] (4) :

I (t + ∆tf ) = Ics(t + ∆tf ) · kc(t) (4)

I : eclairement normal direct preditIcs : eclairement normal direct par ciel clair preditkc : indice ciel clair estime





La prevision du DNI a l’aide d’une camera hemispherique

Formulation

La prevision du DNI (a l’horizon ∆tf ) requiert la prevision, d’une part, du DNIpar ciel clair (la composante deterministe) et, d’autre part, de l’indice ciel clair(la composante stochastique) (5) :

I (t + ∆tf ) = Ics(t + ∆tf ) · kc(t + ∆tf ) (5)

I : eclairement normal direct preditIcs : eclairement normal direct par ciel clair preditkc : indice ciel clair predit

Un modele, generalement empirique, est utilise pour la prevision de l’eclaire-ment normal direct par ciel clair. La camera hemispherique permet la previsionde l’indice ciel clair (via la detection des masses nuageuses et, eventuellement,l’estimation de leur mouvement) [Li et al., 2011 ; Chu et al., 2013 ; Marquez etCoimbra, 2013 ; Chu et al., 2014 ; Chu et al., 2015 ; Nou et al., 2016].





L’eclairement normal direct par ciel clair (1/3)

Le modele d’Ineichen et Perez

Le modele empirique le plus communement employe a ete propose par Ineichenet Perez en 2012 [Ineichen et Perez, 2012] (6) :

Ics = b · I0 · exp(− 0, 09m · (TLI − 1)

)(6)

I0 : rayonnement extra-atmospheriquem : masse d’air optique relativeTLI : trouble atmospheriqueb : coefficient dependant de l’altitude du site considere

Le rayonnement extra-atmospherique [Duffie et Beckman, 1980 ; Gueymard, 2012]

I0 = (1 + 0.0334 cos (2π · doy/365)) · I ′0[I ′0 = 1361,2 W m−2

](7)

doy : jour de l’annee (doy ∈ J1; 365K)






La masse d’air optique relative

m est le rapport entre la distance parcourue par la lumiere a travers l’atmosphereet la distance qu’elle parcourrait a travers une atmosphere standard, au niveaude la mer et lorsque le Soleil est au zenith. En considerant une atmosphere platedans laquelle la lumiere se propage de facon rectiligne, on a (8) :

m =1

cos (SZA)(8)

SZA : Solar/Zenith Angle (angle entre le Soleil et le zenith)

Cette formulation etant erronee lorsque SZA est grand, d’autres formulations ontvu le jour, parmi lesquelles [Kasten et Young, 1989 ; Rapp-Arraras et Domingo-Santos, 2011] (9) :

m =1

cos(SZA) + 0.50572 · (96.07995− SZA)−1.6364(9)






Estimation de la position du Soleil [Michalsky, 1998 ; Reda et Andreas, 2004 ;Wald, 2007 ; Grena, 2008 ; Blanc et Wald, 2012]

Algorithme SPA SG MICH ENEA SG2Validite (jusqu’a) 6000 2030 2050 2023 2030Incertitude [◦] 0,0003 0,31 0,0128 0,0029 0,0025Additions 1000 25 20 40 20Multiplications 1300 35 35 40 30Fonctions trigo. 300 25 25 25 23Temps de calcul tSPA ' tSPA/20 ' tSPA/20 ' tSPA/20 < tSPA/20





Les besoins de l’operateur d’une centrale CSP (1/2)

Optimisation de la sequence de demarrage de la turbine

– Horizon temporel : de l’ordre du temps caracteristique de la turbine (' 2 h).

– Pas de resolution temporel : suffisamment court (' 10 min) afin d’appre-hender au mieux la montee en temperature des equipements et d’anticiperle besoin eventuel d’un appoint electrique.





Les besoins de l’operateur d’une centrale CSP (2/2)

Coordination entre champ solaire, systeme de stockage et generateur d’appointpour pallier une chute de la ressource

– Horizon temporel : & 4 h. Un passage nuageux ponctuel peut etre absorbepar l’inertie de la centrale. Pour un passage nuageux prolonge (' 1 h), legenerateur d’appoint (ou le systeme de stockage) peut etre utilise. En casde front nuageux massif (& 4 h), stopper la centrale peut s’averer judicieux.

– Pas de resolution temporel : de l’ordre du temps caracteristique du gene-rateur d’appoint (' 10 min).

Regulation du debit du fluide caloporteur

– Horizon temporel : < 1 h. Le temps de passage moyen du fluide calopor-teur dans le recepteur est de l’ordre de 20 min. Un debit trop faible peutprovoquer une surchauffe du recepteur. Diminuer ce debit (generalementsurestime) doit permettre d’augmenter la productivite du champ solaire.

– Pas de resolution temporel : ' 5 min.




Presentation et objectifsDeveloppement d’un systeme de vision a grand angle de champDetection des masses nuageuses

Concentrated Solar Power Efficiency Improvement (1/2)

Financement

Projet labelise EUROGIA + (EUROGIA 2020) et finance, pour la France, par leMinistere de l’Industrie (01/05/2012–31/12/2016).

Consortium

General Electric Oil & Gas (Thermodyn, Nuovo Pignone), Acciona Energia, SPG,PROMES–CNRS et ARTS.

Cas d’etude

Centrale a collecteurs cylindro-paraboliques Palma del Rio II, Palma del Rio,Espagne (50 MW, Acciona Energia).





Concentrated Solar Power Efficiency Improvement (2/2)

Objectifs du projet

Ameliorer la competitivite des centrales CSP :

– optimiser les sequences de demarrage et d’arret de la turbine a vapeur afinde faire face a des conditions de ressource solaire variables ;

– caracteriser la fatigue mecanique des elements constitutifs de la turbine avapeur ;

– optimiser les procedures de maintenance ;

– developper un outil pour la prevision a court terme (infra-horaire) de laressource solaire permettant d’optimiser la conduite des centrales solairesa concentration.





Le PROMES sky imager (PSI) (1/3)Laboratoire PROMES-CNRS, Perpignan, France

24

Un aperçu du PSI 3 ainsi que de quelques clichés d'images à haute dynamique acquis avec le système sont présentés à la Figure 17. Les caractéristiques du PSI 3 sont détaillées au Tableau 7.

Figure 17 : Aperçu du PSI 3 et de quelques clichés à haute dynamique.

Tableau 7 : Caractéristiques du PSI 3.

Données techniques Site d'implantation Caméra MV1-D2048C-96-G2 Latitude 42,6648° N Capteur CMOS CMV4000 Longitude 2,91018° E Définition 2048 x 2048 pixels Communication et statut Taille des pixels 5,5 µm Interface Ethernet (1000BASE-T) Profondeur des couleurs

10 bits au format « raw » et sans HDR* Alimentation +12 VDC

Format 1" Mise en service Février 2015

Plage dynamique ≅ 60 dB sans HDR* Statut Suspendu depuis octobre 2015

Vitesse d'acquisition 22 fps # d'images acquises > 500 000 Temps de pose 0,024 ms - 349 ms Format des images « raw » Température de fonctionnement

0 °C à 50 °C sans contrôleur

Fréquence d'acquisition 3 images/min

Objectif FE185CO86HA-1 Volume de stockage ≅ 125 Go/mois Filtre Edmund Optics ND2.0 Autres Caisson Turtle S IP67 Coût total ≅ 5000 € Contrôleur de température

Oui, température limitée entre 10 °C et 50 °C Dimensions 185 x 160 x 300 mm

* HDR est l'acronyme de High Dynamic Range (cf. section 4) L'image du ciel produite par l'objectif occupe en réalité une surface d'environ 1600 x 1600 pixels

sur le capteur (≅ 2,6 Mpx). Cette définition permet toutefois d'atteindre un pouvoir de résolution proche de celui fixé dans le cahier des charges (i.e. 𝑑𝜃 ≅ 0,1°). Elle permet également de faire grimper la vitesse d'acquisition à environ 29,3 fps, ce qui est bénéfique pour la génération d'images à haute dynamique (section 4). Dans le mode « haute dynamique », l'image est encodée sur 64 bits dans son format « raw » soit 192 bits pour une image RGB. Néanmoins, les images sont sauvegardées au format « raw » 16 bits pour un gain sur le stockage (cf. sous-section 4.5).

On remarque que le volume de stockage du PSI 3 est bien plus conséquent que pour le PSI 1, malgré une optimisation du stockage des données. Une stratégie de compression ou de suppression des images est donc indispensable pour un fonctionnement à long terme du PSI 3. Cette stratégie n'a pas été mise en place dans le cadre de ce projet. L'acquisition d'images avec le PSI 3 a ainsi été suspendue en octobre 2015 car le disque dur du serveur dédié au PSI 3 était complet (1 To).





Le PROMES sky imager (PSI) (2/3)Centrale a collecteurs cylindro-paraboliques Palma del Rio II, Palma del Rio, Espagne





Le PROMES sky imager (PSI) (3/3)

Caracteristiques

– Capteur : CMOS CMV4000.

– Definition : 2048 × 2048 pixels.

– Taille des pixels : 5,5 µm

– Objectif : hypergone (ou fisheye) (185◦).

– Plage dynamique (sans HDR, pour High Dynamic Range) : 60 dB.

– Plage dynamique (avec HDR) : superieure a 100 dB.

– Frequence d’acquisition : 3 images par minute.

– Temps de pose : 0,024–349 ms.

– Filtre : Edmund Optics ND 2.0.

– Controleur de temperature : oui (de 0 a 50 ◦C).

– Mise en service : fevrier 2015.





Generation d’images HDR (1/2)

La plage dynamique du ciel

La plage dynamique (DR) d’une scene est definie comme le logarithme decimaldu rapport entre les luminances maximale (Lmax) et minimale (Lmin) observeesdans cette scene (10) :

DR = 20 log10

(Lmax

Lmin

)(10)

Soit, pour le ciel, avec LSoleil ' 107 W m−2 sr−1 et Lnuage ' 10 W m−2 sr−1

(lorsque le ciel est couvert par d’epais nuages, le GHI est de l’ordre de 40 a80 W m−2) (11) :

DRciel = 20 log10

(LSoleil

Lnuage

)' 120 dB (11)





Generation d’images HDR (2/2)

Algorithme de fusion d’images LDR (Low Dynamic Range)

1. Acquisition d’une sequence d’images LDR (60 dB) prises avec differentstemps de pose.

2. Suppression, pour chaque image, des pixels sous- et surexposes.

3. Correction des pixels restants pour que leurs valeurs respectives puissenttoutes correspondre a une exposition de reference.

4. Fusion des images LDR corrigees pour aboutir a une image a plus hautedynamique, dite HDR (> 100 dB).

31

(a) (b) (c)

Figure 21 : Étude de la linéarité de la réponse du capteur.

Les pixels correctement exposés pour quatre temps de pose de deux séquences d’images LDR sont présentés à la Figure 22. Concernant les images correspondant aux deux premiers temps de pose, les pixels correctement exposés sont confinés dans une zone circumsolaire relativement réduite ; c’est pourquoi ces images ne sont pas reproduites sur la Figure 22. On remarque à ce propos que la majorité de la plage dynamique du ciel est « captée » par les temps de pose 𝓉 , 𝓉 et 𝓉 : les temps de pose plus courts se limitent en général à réduire la saturation dans la zone circumsolaire (typiquement pour ξ < 10°). C’est la raison pour laquelle le nuage de points de la Figure 21a apparaît plus ténu que celui des figures 21b et 21c.

𝓉 𝓉 𝓉 𝓉 = 𝓉

Figure 22 : Aperçu des zones correctement exposées pour deux séquences de 4 images LDR.

4.3.3 Correction des images LDR Les images LDR sont à présent épurées de leurs pixels sous- et surexposés se situant dans les

plages de non-linéarité du capteur. Dans l’optique de combiner les images LDR, l’étape suivante consiste à réajuster la valeur mesurée par les pixels de telle sorte que chaque image puisse correspondre à un même temps de pose. Dans cette étude, le temps de pose de référence 𝓉 est défini comme étant le temps de pose maximal :

𝓉 = 𝓉 = 𝓉 (35)

En s’appuyant sur l’équation (32), il est possible de définir une fonction 𝑓 , qui associe à chaque valeur mesurée 𝑉 , une valeur estimée 𝑉 , issue d’un temps de pose 𝓉 . Cette fonction s’écrit :





Algorithme de detection

Constatations [Kazantsidis et al., 2012 ; Yang et al., 2015]

L’anisotropie du ciel clair (en raison des phenomenes de diffusion dans l’atmo-sphere, sa luminosite n’est pas homogene) et la presence du Soleil sur l’image(dans la zone circumsolaire, les pixels sont satures) degradent la detection.

Segmentation par seuillage

Un algorithme de detection des masses nuageuses, base sur une segmentationpar seuillage [Li et Yang, 2011 ; Ghonima et al., 2012] que l’on applique a lacaracteristique δRGB (22) et qui necessite qu’une image “ciel degage” (RGBcd)soit generee, a ete propose. Il permet l’obtention d’une “carte des nuages” (Cp).

δRGB =

√∑(RGB−RGBcd)2∑

RGBcd(12)

δRGB : erreur quadratique normalisee entre les images RGB et RGBcd





Exemples de cartes des nuages (Cp)PROMES-CNRS, Perpignan, France

4.2. DÉTECTION DES NUAGES 149

(a) Image HDR RGB. (b) Image HDR RGBcs. (c) Carte des nuages Cp.

Figure 4.17 – Quelques exemples d’images RGB, d’images RGBcs et de cartes des nuagesassociées (PSI 3).

RGB RGBcd Cp





Fraction de nuages dans le ciel (Fc)PROMES-CNRS, Perpignan, France

Constatations

– A Perpignan, le ciel est degage environ 35 % du temps et totalementcouvert environ 28 % du temps (660 000 images).

– Cette information permet a l’exploitant d’une centrale solaire de mieuxconnaıtre les conditions dans lesquelles la centrale opere et ainsi planifierles operations de maintenance.148 CHAPITRE 4. ANALYSE DE L’ATMOSPHÈRE À L’AIDE DU PSI

0 0,2 0,4 0,6 0,8 10

0,2

0,4

0,6

0,8

1

Fraction de nuages Fc

Cou

vert

ure

nuag

euse

Yc

0-10 10-50 50-90 90-1000

10

20

30

40

Fraction de nuages Fc [%]

Occ

urre

nce

[%]

(a) Yc en fonction de Fc. (b) Répartition de la fractionde nuages à Perpignan.

Figure 4.16 – Statistiques sur la fraction de nuages et la couverture nuageuse.

4.2.4.2 PSI 3

Le passage du PSI 1 au PSI 3 a imposé quelques modifications dans le fonctionnement del’algorithme de détection des nuages. Le problème est principalement lié à la plage tonale élevéede l’image HDR qui vient perturber la technique de seuillage s’appuyant sur la caractéristique∆NRBR : la différence absolue entre NRBR et NRBRcs ne produit pas de bons résultats dans lacouronne circumsolaire. Nous avons alors constaté que remplacer ∆NRBR par la caractéristiqueδRGB permettait de lever partiellement ce problème :

δRGB =

√∑(RGB−RGBcs)

2

∑RGBcs

(4.29)

où δRGB correspond à l’erreur quadratique normalisée entre les images RGB et RGBcs.Hormis ce changement de caractéristique, la méthodologie reste identique à celle présentée

à la Figure 4.13. Les seuils sont :

TδRGB= +0,10 (4.30)

TNRBR = +0,4 (4.31)

où TδRGBest le seuil fixe appliqué à la caractéristique δRGB.

Des exemples d’estimation de la carte des nuages pour un ciel partiellement couvert, dansle cas où l’image RGBcs a pu être générée, sont donnés à la Figure 4.17. On constate quel’image RGBcs est relativement fidèle à la distribution attendue de luminance en conditionciel dégagé 4. Cependant, le Soleil et certains artefacts sont identifiés comme des nuages parl’algorithme. En effet, ces zones de l’image ne coïncident pas avec l’image RGBcs car elles sontvictimes des réflexions parasites se produisant dans le système optique. On rappelle à ce proposque les réflexions sont particulièrement marquées dans la zone circumsolaire (cf. épaulementaux Figures 3.23 et 3.33). Il s’agit d’ailleurs probablement de la raison pour laquelle l’équipede Kleissl utilise un seuil fixe appliqué à la caractéristique RBR dans cette zone, au lieu deleur bibliothèque de pixels ciel clair (cf. paragraphe 4.2.1.2.2, [91]).

4. Rappelons ici qu’un opérateur non-linéaire est appliqué aux images HDR pour pouvoir les afficher auformat 8 bits (cf. sous-sous-section 3.4.3.4). Il en résulte que le Soleil apparait plus grand et les couleursapparaissent plus fades.




Modeles de previsionResultats

Modeles de persistence (1/2)

Horizon de prevision

tf = t + ∆tf avec ∆tf 6 30 min

Persistence du DNI

La persistance du DNI est le modele le plus simple permettant d’aboutir a saprevision pour tout type d’horizon et de resolution (13) :

I (t + ∆tf ) = I (t) (13)

Ce modele est tres efficace lorsque la variabilite du signal est faible sur l’horizonde prevision etudie. C’est le cas pour une journee totalement couverte ou lorsquele Soleil s’approche du zenith, dans le cas d’un ciel degage.





Modeles de persistence (2/2)

Persistence de l’indice ciel clair (kc)

La persistance du DNI trouve ses limites en cas de variabilite importante dusignal. Une part de cette variabilite resulte du mouvement apparent du Soleil.Il est ainsi souhaitable de corriger son effet sur la prevision du DNI. D’ou, enconsiderant une persistence de l’indice ciel clair (kc) (14) :

kc(t + ∆tf ) = kc(t) =I (t)

Ics(t)(14)

La prevision du DNI associee s’ecrit alors (15) :

I (t + ∆tf ) = kc(t) · Ics(t + ∆tf ) (15)

Avec, pour le DNI par ciel clair (16) :

Ics(t + ∆tf ) = b · I0 · exp(−0,09m(t + ∆tf ) · (TLI (t?)− 1)

)(16)





Modeles deterministes (1/2)

Modele utilisant la fraction de nuages (Fc)

Une solution pour prevoir l’indice ciel clair (kc) est d’utiliser la fraction de nuagesdans le ciel (Fc). En effet, statistiquement, il existe une correlation entre lafraction de nuages et l’indice ciel clair estime quelques minutes plus tard (17) :

kc(t + ∆tf ) = 1− Fc(t) (17)


I (t + ∆tf ) =(1− Fc(t)

)· Ics(t + ∆tf ) (18)



)(19)





Modeles deterministes (2/2)

Modele utilisant la fraction de nuages (Fc)

Il est egalement possible d’utiliser un modele polynomial de degre N applique ala fraction de nuages dans le ciel (Fc) pour prevoir l’indice ciel clair (kc) (20) :

kc(t + ∆tf ) =N∑

n=0

an

(Fc(t)

)n(20)


I (t + ∆tf ) =N∑

n=0

an

(Fc(t)

)n · Ics(t + ∆tf ) (21)



)(22)





Modele ANFIS

Adaptive Network-based Fuzzy Inference System

Un modele base sur un systeme neuro-flou (une boite noire) a egalement etedeveloppe afin de prevoir l’indice ciel clair (kc). Ce type de systeme combine lastructure connexionniste des reseaux de neurones artificiels et l’ecriture de reglesfloues (23) :

kc(t + ∆tf ) = ANFIS(kc(t),Fc(t),∆tf ) (23)


I (t + ∆tf ) = ANFIS(kc(t),Fc(t),∆tf ) · Ics(t + ∆tf ) (24)



)(25)





Performance des modeles de prevision : RMSE

Constatations

– Les modeles deterministes surpassent les modeles de persistance pour ∆tfcompris entre 10 et 12 min. Pour ∆tf = 30 min, RMSE est diminue de20 W m−2 (reference : persistance du DNI).

– Quel que soit l’horizon de prevision, le modele ANFIS est le plus perfor-mant. Pour ∆tf = 30 min, RMSE est diminue de 30 W m−2 (reference :persistance du DNI).

0 5 25 300

50

100

150

200

RM

SE[W

m−

2 ]

Persistence of DNIPersistence of kc

Model based on Fc

ANFIS model

10 15 20 Forecast horizon ∆ tf [min]





Prevision du DNIPROMES-CNRS, Perpignan, France (∆tf = 30 min)




ConclusionsPerspectives

Conclusions

Synthese

– Une etude traitant de la prevision infra-horaire de l’eclairement normaldirect (ou DNI pour Direct Normal Irradiance) est presentee. Les situations“ciel clair” et “ciel nuageux” sont dissociees.

– Les previsions sont realisees a partir d’images a haute dynamique du cielgenerees par le PROMES Sky Imager (PSI). Le PSI est en effet capablede mesurer une information allant jusqu’a 0,9◦ du Soleil, permettant ainsila detection des nuages les plus exposes et, a terme, une evaluation dugradient lumineux dans la zone circumsolaire.

– Un modele empirique (base sur une persistance du trouble atmospherique)est utilise pour la prevision de l’eclairement normal direct par ciel clair.

– La prevision de l’indice ciel clair est realisee a partir de la fraction de nuages(calculee sur la totalite de l’image), sans prise en compte du mouvementdes masses nuageuses.





Perspectives (1/2)

Synthese (1/2)

– Des algorithmes permettant la classification des masses nuageuses (selonleurs proprietes optiques) et la classification des situations (une ou plusieurscouches de nuages, complexite des phenomenes...) devront etre develop-pes. Les outils de l’intelligence artificielle (machine learning) pourront etreutilises.

– L’estimation du mouvement des masses nuageuses est, a ce jour, un verrou

scientifique qu’il est difficile de lever :

– pour les situations les moins complexes, une approche hybride com-binant “correspondance de blocs” (pour les mouvements dominants)et “flot optique” (pour les mouvements locaux) sera utilisee [Peng etal., 2016] ;

– pour les situations les plus complexes (apparition, disparition, fusion,scission des nuages), les outils de l’intelligence artificielle pourrontetre utilises.





Perspectives (2/2)

Synthese (2/2)

– Le developpement de modeles dynamiques permettant le suivi de la fractionde nuages (par prevision de serie temporelle) dans une ou plusieurs zonesd’interet (dont il conviendra de definir la geometrie), determinees a partirdu mouvement estime des masses nuageuses.

– Le developpement, a partir des previsions infra-horaires du DNI, de strate-gies permettant d’optimiser en temps reel la conduite des centrales solairesa concentration, eventuellement equipees de systemes de stockage.

Generating high dynamic range images using a sky imagerRémi Chauvin1, Julien Nou1, Stéphane Thil1,2, Stéphane Grieu1,2

1 PROMES-CNRS (UPR 8521), Tecnosud, Rambla de la thermodynamique, 66100 Perpignan, France2 Université de Perpignan Via Domitia, 52 Avenue Paul Alduy, 66860 Perpignan, France

0

200

400

600

800

DNI[W

m−2]

MeasurementsPersistence of DNI

09:07 09:36 10:05 10:34 11:02 11:31 12:00 12:29 12:58 13:26 13:550

200

400

600

800

October 6, 2015

DNI[W

m−2]

Measurements15-min forecasts

Figure 1: Forecast at ∆t = 15 min.

• Coefficient of correlation: persist. 0.0216, median 0.7126

• RMSE: persist. 299.1927, median 219.0340

1


Documents

Prévision infra-horaire du DNI pour la gestion des centrales CSP · 2017-07-04 · St ephane Grieu ([email protected]) Laboratoire PROMES{CNRS (UPR 8521), equipe COSMIC