Energier: Takket være Récif-prosjektet ønsker Polynesia å forutsi solproduksjon med kunstig intelligens

Da han dro til Frankrike etter sin bachelorgrad, ble Vatanui Sanzine ingeniør ved Institute of Nuclear Physics i Orsay, hvor han hjalp til med å bygge partikkelakseleratorer. Han tjenestegjorde i to år før han returnerte til Polynesia.

Der bestemte han seg for å gå tilbake til skolen og gjøre en hovedoppgave. Mål: Å utvikle et verktøy for å forutsi solproduksjon. Dens prediktive modeller er basert på kunstig intelligens: «Jeg bruker mange kunstig intelligens-modeller slik at jeg kan gi meg selv spådommer om mengden sollys i løpet av en time eller en dag. Dette vil tillate oss å forutse energien vi har og forbedre mikronettstyringen».

Dette mikronettverket er Récif. Et pilotprosjekt er under oppstart ved universitetet. Koordinert av universitetsprofessor Pascal Ortega, passer den inn i en container. Drevet av solcellepaneler skal Récif gjøre det mulig å generere elektrisitet, lagre energi og drive et klimaanlegg. Alt dette, uavhengig av elektrisitet… «Vi genererer strøm med solcellepaneler, det vet alle. Men det er ingen lagring med elektrokjemiske batterier, litiumbatterier,» sa han. Franco Ferrucci, PhD-student ved UPF, forklarer.

«Vi bruker hydrogen. Med elektrisitet og destillert vann kan vi produsere hydrogengass. Så er det en annen maskin som gjenvinner denne hydrogengassen for å produsere elektrisitet. Et system som lar produksjonen fortsette når været er overskyet eller for eksempel om natten. «De to maskinene som produserer hydrogen og bruker hydrogen (…) har svært lavt utbytte, ca. 50%. Det betyr at resten omdannes til varme. Målet med prosjektet er å bruke denne varmen til kaldproduksjon.

Vateanu sine solvarslingsmodeller, som nå brukes i Récif-mikronettet, kan brukes over hele territoriet for å forbedre styringen av strømnettet, for eksempel for å unngå strømbrudd. «Strømnettet har solparker, det er enkeltpersoner med solcellepaneler, og selskaper som EDT gjør prognoser for å vite hvor det blir mer produksjon og for eksempel hva de skal gjøre hvis skyer passerer. Det er tatt for å unngå strømbrudd. Hvis vi vet hvordan vi skal forutse bedre, kan vi bruke mindre lagring. Ved å bruke, er det plutselig en reduksjon i kostnader, anskaffelser og vedlikehold, fordi komponentene er mindre.

Modellene brukes allerede på universitetet. Og resultatene er avgjørende: «Takket være disse modellene har vi forbedret produktiviteten ved universitetsområdet. Dette er veldig geospesifikke metoder, som gjør at du kan si at du er spesifikk for området du befinner deg i. Takket være målingene vi gjør ved universitetet, har vi kan få prognoser Vi kan utvide dette til hele øya, gjøre målinger overalt og komme med spådommer om hele øya Det er også nødvendig å bruke kunstig intelligens-modeller. «.

Dataene som brukes til å trene den kunstige intelligensen som kreves for disse prediktive modellene, samles inn ved universitetet ved hjelp av ulike enheter. å måle sollys, temperatur, fuktighet; Vi har et kamera som tar bilder av himmelen fra bakken, og som gir oss informasjon om skydekke, spesielt for korte tidsskalaer. Vi brukte Météo France sine prognoser til å utvikle våre egne prognoser.

Kunstig intelligens har allerede blitt brukt i andre solskinnsvarslingsmodeller i årevis. Men Watianuis metode er nyskapende. «Jeg har utviklet en metode for å lage sannsynlighetsprognoser, altså med sannsynligheter. Mine modeller sier for eksempel: i et slikt intervall vil det være 38 % sjanse for å få avlesninger.

Manon Kemonbe for TNTV