Appel à candidature pour un projet de thèse : Utilisation de techniques d'apprentissage automatique et statistique pour la prédiction de rayonnement solaire

Titre de la thèse : Utilisation de techniques d'apprentissage automatique et statistique pour la prédiction de rayonnement solaire.

Résumé : L’insertion des Energies Renouvelables sur les réseaux îliens non interconnectés est un enjeu majeur pour réduire les factures énergétiques et environnementales. Leur caractère fatal empêche le producteur de piloter sa production et ainsi handicape leur intégration. Ce projet propose de contribuer à la problématique de l'intermittence des énergies photovoltaïques en étudiant les techniques d'apprentissage automatiques et statistiques

Problématique : L’insertion des Energies Renouvelables (EnR) sur les réseaux électriques îliens non interconnectés est un enjeu majeur pour accroître, d’une part, leurs indépendances énergétiques et d’autre part, réduire les factures énergétiques et environnementales. Cependant, la sûreté d'un réseau électrique insulaire peut être mise à mal lorsque la proportion d’EnR intermittente injectée sur le réseau dépasse un certain seuil. Leur caractère fatal empêche le producteur de piloter sa production et ainsi handicape leur intégration dans les réseaux électriques. Un seuil réglementaire de 30% a ainsi été fixé par décret. Le projet de recherche propose de contribuer à la problématique de l'intermittence et de l'imprévisibilité des énergies photovoltaïques.

Mention du Doctorat : Énergétique (section 62)

Domaine scientifique principal : Énergies Renouvelables 

Domaines scientifiques secondaires : Statistiques, Informatique , Intelligence Artificielle. 

Connaissances et compétences requises : Traitement de données – Méthodes statistiques - Utilisation de matlab – Phénomènes météorologiques – Energies Photovoltaïques

Directeur / Co-Directeur : Christophe PAOLI / Cyril VOYANT

Début : septembre 2015

Financement : Projet TILOS, environ 1630 € net/mois pendant 3 ans 

Lieu : Corte, Ajaccio

Contrat : Contrat doctoral (école doctorale "Environnement et société ") 

Association des doctorants : Pro-Doc

Pour plus d'information, n'hésitez pas à m'envoyer un email à : christophe.paoli@univ-corse.fr - cyril.voyant@univ-corse.fr (pour candidater envoyer une lettre de motivation et un CV). 

>>>>>>>>>>>>> Télécharger la fiche complète <<<<<<<<<<<<<<<<<

Poste d’enseignant-chercheur non titulaire en informatique à l'Université Francophone Galatasaray, Istanbul

L'Université francophone Galatasaray (Istanbul, Turquie) recrute un enseignant-chercheur non titulaire en informatique à compter du 1er septembre 2014.

Le contrat est limité à une durée de 2 ans, renouvelable une fois pour 2 années supplémentaires, et une autre fois pour une année finale (soit un total de 5 ans). Le(a) candidat(e) devra demander le dossier par courriel à l’adresse micelturquie @ hotmail.com, et le renvoyer avant le 20 juin 2014.

Une information complémentaire peut être demandée à M. Jean-Jacques PAUL, Recteur adjoint (jjpaul.gsu @ gmail.com).

>>>> Plus de détail ici.

En savoir plus :

• http://gsu.edu.tr/fr/ 
• http://kikencere.gsu.edu.tr 
• http://bm.gsu.edu.tr/fr/
• http://mtf.gsu.edu.tr/fr/ 

Nouveau papier accepté dans la revue "Energy"

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Energy" éditée par Elsevier.

Title of the paper: Estimation of 5-min time-step data of tilted solar global irradiation using ANN model

Authors: K. Dahmani, R. Dizene, G. Notton, C. Paoli, ML Nivet, C. Voyant

Abstract: Converting measured horizontal global solar irradiance in tilted ones is a difficult task, particularly for a small time-step and for not-averaged data. Conventional methods (statistical, correlation,…) are not always efficient with time-step less than one hour; thus, we chose to use an Artificial Neural Network (ANN) to realize this conversion applied to 5-min solar radiation data of Bouzareah, Algeria. The ANN is developed and optimized using two years of solar data; the nRMSE is around 8% for the optimal configuration, which corresponds to a very good accuracy for such a short time-step.

Sources: http://www.journals.elsevier.com/energy/ (Impact Factor: 3.65).

Nouveau papier accepté dans la revue "Solar Energy"

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Solar Energy" éditée par Elsevier.

Title of the paper: Time series modeling and large scale global solar radiation forecasting from geostationary satellites data

Authors: Cyril Voyant, Pierrick Haurant, Marc Muselli, Christophe Paoli, Marie-Laure Nivet.

Abstract: When a territory is poorly instrumented, geostationary satellites data can be useful to predict global solar radiation. In this paper, we use geostationary satellites data to generate 2-D time series of solar radiation for the next hour. The results presented in this paper relate to a particular territory, the Corsica Island, but as data used are available for the entire surface of the globe, our method can be easily exploited to another place. Indeed 2-D hourly time series are extracted from the HelioClim-3 surface solar irradiation database treated by the Heliosat-2 model. Each point of the map have been used as training data and inputs of artificial neural networks (ANN) and as inputs for two persistence models (scaled or not). Comparisons between these models and clear sky estimations were proceeded to evaluate the performances. We found a normalized root mean square error (nRMSE) close to 16.5% for the two best predictors (scaled persistence and ANN) equivalent to 35-45% related to ground measurements. Finally in order to validate our 2-D predictions maps, we introduce a new error metric called the gamma index which is a criterion for comparing data from two matrixes in medical physics. As first results, we found that in winter and spring, scaled persistence gives the best results (gamma index test passing rate is respectively 67.7% and 86%), in autumn simple persistence is the best predictor (95.3%) and ANN is the best in summer (99.8%).

Sources: http://www.journals.elsevier.com/solar-energy/ (Impact Factor: 2.95).

Nouveau papier accepté dans la revue "Meteorological Applications"

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Meteorological Applications" éditée par Willey.

Title of the paper: 24-hours ahead global irradiation forecasting using Multi-Layer Perceptron

Authors:  Cyril Voyant, Prisca Randimbivololona, Marie-Laure Nivet, Christophe Paoli, Marc Muselli

Abstract:  The grid integration of variable renewable energy sources implies that their effective production could be predicted, at different times ahead. In the case of solar plants, the driving factor is the global solar irradiation (sum of direct and diffuse solar radiation projected on a plane (Wh/m²)). This paper focuses on the 24-hours ahead forecast of global solar irradiation (i.e. hourly solar irradiation prediction for the day after). A method based on artificial intelligence using Artificial Neural Network (ANN) is reported. The ANN hereafter considered is a Multi-Layer Perceptron (MLP) applied to a pre-treated time series (TS). Two architectures are tested; it is shown that the most relevant is based on a multi-output MLP using endogenous and exogenous input data. A real case 2-years TS is computed and the MLP results are compared with both a statistical approach (AutoRegressive-Moving Average model; ARMA) and a reference persistent approach. Results show that the prediction error estimate (nRMSE) can be reduced by 1.3 points with an ANN compared to ARMA and by 7.8 points compared to the naïve persistence.

Sources: http://www.wiley.com

Nouveau papier accepté dans la revue Renewable Energy

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Renewable Energy" éditée par Elsevier.

Title of the paper: Hybrid methodology for hourly global radiation forecasting in Mediterranean area

Authors: Cyril Voyant, Marc Muselli, Christophe Paoli, Marie-Laure Nivet

Abstract:  The renewable energies prediction and particularly global radiation forecasting is a challenge studied by a growing number of research teams. This paper proposes an original technique to model the insolation time series based on combining Artificial Neural Network (ANN) and Auto-Regressive and Moving Average (ARMA) model. While ANN by its non-linear nature is effective to predict cloudy days, ARMA techniques are more dedicated to sunny days without cloud occurrences. Thus, three hybrids models are suggested: the first proposes simply to use ARMA for 6 months in spring and summer and to use an optimized ANN for the other part of the year; the second model is equivalent to the first but with a seasonal learning; the last model depends on the error occurred the previous hour. These models were used to forecast the hourly global radiation for five places in Mediterranean area. The forecasting performance was compared among several models: the 3 above mentioned models, the best ANN and ARMA for each location. In the best configuration, the coupling of ANN and ARMA allows an improvement of more than 1%, with a maximum in autumn (3.4%) and a minimum in winter (0.9%) where ANN alone is the best.

Keywords: Time series, Artificial neural networks, ARMA, Prediction, Global radiation, Hybrid model

Sources: http://www.elsevier.com

Papier accepté dans la revue Renewable Energy

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Renewable Energy" éditée par Elsevier.

Title of the paper: Neural network approach to estimate 10-min solar global irradiation values on tilted planes

Authors: Gilles Notton, Christophe Paoli, Liliana Ivanova, Siyana Vasileva, Marie Laure Nivet.

Abstract: Calculation of solar global irradiation on tilted planes from only horizontal global one is particularly difficult when the time step is small. We used an Artificial Neural Network (ANN) to realize this conversion at a 10-min time step. The ANN is developed and optimized using five years of solar data and the accuracy of the optimal configuration is around 9% for the RMSE and around 5.5% for the RMAE i.e. similar or slightly lower than the errors obtained with empirical correlations available in the literature and used for the estimation of hourly data.


Keywords: Solar irradiation, Artificial Neural Network, Estimation.

Sources: http://www.elsevier.com

Visite des responsables du projet CORSiCA à l'université de Corse le Mardi 14 février 2012

CORSiCA est un projet visant la création d'un "Centre d’Observation Régional pour la Surveillance du Climat et de l’environnement Atmosphérique et océanographique en Méditerranée occidentale". Il consiste à développer une plate-forme instrumentale multi sites de mesures dédiées aux études atmosphériques et océanographiques en Corse dans le cadre du « chantier Méditerranée » dénommé « MISTRALS » (Mediterranean Integrated STudies at Regional And Local Scales, http://www.mistrals-home.org) et plus particulièrement dans le cadre des programmes HyMeX et ChArMEx. HyMEx (Hydrological cycle in the Mediterranean Experiment, http://www.hymex.org) a pour objectifs d'améliorer la caractérisation et la compréhension du cycle de l'eau sur le bassin Méditerranéen ; ChArMEx (Chemistry-Aerosol Mediterranean Experiment, http://charmex.lsce.ipsl.fr) a pour but de dresser le bilan actuel et futur de l’environnement chimique atmosphérique (espèces particulaires et réactives gazeuses à vie courte) du bassin méditerranéen, et de ses impacts régionaux sur le climat, la qualité de l’air, et la biogéochimie marine.

Ainsi les responsables du projet CORSiCA présenteront son état d’avancement le Mardi 14 février 2012, Amphithéâtre Jean Nicoli Bât Culombu, et proposeront des pistes de collaborations avec les chercheurs de l'université de Corse. Voici le programme :

• 14:00 - 14:15 : présentation générale du projet CORSiCA [D. Lambert]
• 14:15 - 14:45 : présentation générale de ChArMEx et aperçu des activités et collaborations en Corse [F. Dulac, M. Mallet]. Thématiques de collaborations possibles : pollution sur la production d'énergie solaire par diminution du rayonnement incident ; prévision de la qualité de l'air locale et l'influence du transport à grande distance et des écoulements locaux ; études liées aux émissions par les feux ; liens avec la santé, etc...
• 14:45 - 15:15 : présentation générale de HyMeX et aperçu des activités et collaborations en Corse [S. Coquillat, D. Lambert, J.-P. Pinty]. Thématiques de collaborations possibles : études des risques d'inondations ou de vent violent ; intérêt pour le potentiel éolien, l'agriculture ; étude des feux de forêt ; ingénierie (solaire, traitement du signal, transmission de données) ; lien avec les SHS, etc...
• 15:15 - 15:30 : présentation des activités du SPE prévues dans le projet CORSiCA [C. Paoli, X. Silvani]
• 15:30 - 16:00 : discussion sur les ouvertures et collaborations envisageables en Corse à l'UCPP et hors Université.

Venir à la réunion :

Afficher Laboratoire SPE sur une carte plus grande

Un nouveau Papier accepté dans la revue Energy !

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Energy" éditée par Elsevier.

Title of the paper:  Estimation of hourly solar global irradiations on tilted planes from horizontal ones using artificial neural networks.

Authors: Gilles Notton, Christophe Paoli, Siyana Vasileva, Marie Laure Nivet, Jean-Louis Canaletti, Christian Cristofari.

Abstract:  Calculation of solar global irradiations from only horizontal global ones is a difficult task, especially since the time step is small and the data are not averaged. We used an Artificial Neural Network (ANN) to realize this conversion. The ANN is optimized and tested on the basis of five years of solar data and the accuracy of the optimal configuration is around 6% for the RMSE and around 3.5% for the RMAE i.e. better performance than the empirical correlations available in the literature.

Keywords: Solar irradiation, Artificial Neural Network, Estimation.

Sources :  http://www.elsevier.com

Papier accepté dans la revue Energy

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Energy" éditée par Elsevier.

Title of the paper :  Numerical Weather Prediction (NWP) and hybrid ARMA/ANN model to predict global radiation

Authors : Cyril Voyant, Marc Muselli, Christophe Paoli, Marie-Laure Nivet

Abstract :  We propose in this paper an original technique to predict global radiation using a hybrid ARMA/ANN model and data issued from a numerical Weather Prediction Model (NWP). We particularly look at the Multi-Layer Perceptron. After optimizing our architecture with NWP and endogenous data previously made stationary and using an innovative pre-input layer selection method, we combined it to an ARMA model from a rule based on the analysis of hourly data series. This model has been used to forecast the hourly global radiation for five places in Mediterranean area. Our technique outperforms classical models for all the places. The nRMSE for our hybrid model ANN/ARMA is 14.9% compared to 26.2% for the naïve persistence predictor. Note that in the stand alone ANN case the nRMSE is 18.4%. Finally, in order to discuss the reliability of the forecaster outputs, a complementary study concerning the confidence interval of each prediction is proposed.

Keywords: Time Series forecasting, hybrid, Artificial Neural Networks, ARMA, Stationarity.

Sources :  http://www.elsevier.com

Excellente année 2012 ! Paci è saluta !

Soutenance de thèse de M. C. Voyant : prédiction de rayonnement solaire avec réseaux de neurones artificiels

M. C. Voyant soutiendra publiquement sa thèse pour l’obtention du grade de docteur en énergétique, mention "énergétique, génie des procédés" le 16 Novembre 2011 à 14H au Centre G. Peri à Vignola Ajaccio.

Titre : Prédiction de séries temporelles de rayonnement solaire global et de production d’énergie photovoltaïque à partir de réseaux de neurones artificiels.

Résumé : La Corse faisant partie des petits réseaux insulaires non-interconnectés, son approvisionnement énergétique est très particulier. En effet, comme toutes les autres îles, elle doit se suffire à elle-même. Une solution souvent adoptée pour pallier à cet isolement, consiste à recourir aux énergies renouvelables. Cependant, à cause de leur caractère intermittent, elles ne sont insérées que de manière limitée au sein des réseaux électriques. Il est nécessaire d’utiliser en parallèle d’autres moyens de production d’énergie, avec comme principale difficulté, la gestion optimale de la bascule entre ces deux types d’énergie. Cette étude s’inscrit dans le cadre de la prédiction de la ressource solaire et photovoltaïque dans le but de quantifier l’énergie disponible et de permettre une gestion optimale de la transition entre énergies intermittentes et conventionnelles. Tout au long de ces travaux, nous avons ainsi testé différentes techniques de prédiction sur quatre horizons susceptibles d’intéresser un gestionnaire de réseau : j+1, h+24, h+1 et m+5. A l’issue de toutes ces manipulations, nous pouvons conclure que suivant l’horizon considéré, la hiérarchisation des différents prédicteurs fluctue. On retiendra ainsi, que pour l’horizon j+1, il est intéressant d’utiliser une approche à base de réseaux de neurones en prenant soin de stationnariser les séries temporelles et d’utiliser des variables exogènes. Pour l’horizon h+1, une méthodologie hybride couplant la robustesse des modèles autorégressifs et la non-linéarité des modèles connexionnistes permet d’obtenir des résultats très satisfaisants. Pour le cas h+24, les réseaux de neurones à sorties multiples donnent de très bons résultats. Concernant l’horizon m+5, les conclusions sont moins catégoriques. Ainsi, même si les réseaux de neurones sont les plus performants, la simplicité et les résultats d’une approche basée sur la persistance, nous conduisent à préconiser principalement ce prédicteur. L’ensemble des méthodologies proposées et des résultats obtenus sont complémentaires avec les travaux de prédiction bibliographiques étudiés. Les méthodologies développées pourraient à terme être reprises comme éléments de prédiction dans des outils globaux de contrôle et de commande des systèmes énergétiques.

Mots clés : prédiction, rayonnement global, réseau de neurones, photovoltaïque, séries temporelles, stationnarité

Le manuscrit est disponible en ligne : http://cyril-voyant.univ-corse.fr

2ème réunion de travail pour le projet européen ECEVE

Tous les six mois, les partenaires de projet ECEVE se retrouvent dans le cadre de séminaires de travail afin de faire le point sur l’avancée de leurs travaux. Après une 1ère réunion de travail qui s'est tenue à l’Université de Nitra les 20 et 21 octobre 2010, C’est l’Université de Corse qui a accueillera les différents partenaires au Centre Scientifique Georges Peri à Vignola, Ajaccio du 23 au 25 mai 2011.  

 

Le projet intitulé ECEVE « Implementation of E-Learning Content for Energy Saving Farm into Vocational Education » a été approuvé dans le cadre du programme européen "LIFELONG LEARNING PROGRAMME" et de son action "LEONARDO DA VINCI Transfer of innovation", sous le No. 10310 0544. D'une durée de 24 mois, ce projet a pour principal objectif la création de contenus de formation interactifs (formation en ligne) dans le domaine des ressources énergétiques renouvelables, des procédures visant à réduire la consommation énergétique des fermes et exploitations agricoles dans la philosophie plus générale de la lutte contre le changement climatique et la diminution des émissions de gaz à effet de serre. Deux enseignants-chercheurs en Energies Renouvelables, Gilles Notton et Christophe Paoli, du laboratoire Sciences pour l’Environnement de l’Université de Corse participent au projet et sont plus spécifiquement chargés de la partie ressources en énergie renouvelables et systèmes de conversion énergétiques.

Ce projet International regroupe 7 partenaires :

• l’Université Slovaque d’agriculture de Nitra en Slovaquie qui est l’initiateur et le responsable du projet
• l’Agro-Institut  de Nitra
• KATEM la Haute Ecole de la Technique et de l’Industrie de Kahramanmaras en Turquie
• l’Université Technique Tchèque
• MultiMedia SunShine Ltd de Milton Keynes au royaume Uni
• ET InfoArt de Plovdiv en Bulgarie
• l’Université de Corse

Papier accepté pour pour la 10th International Conference on Environment and Electrical Engineering 2011 - Roma (Italy)

Une première communication sur la thématique de la prédiction de pics de pollution vient d'être acceptée au congrès IEEE "10th International Conference on Environment and Electrical Engineering" qui se déroulera à Roma (Italy) du 08 au 11 mai 2011.

Title of the paper : A neural network model forecasting for prediction of hourly ozone concentration in Corsica

Authors : Christophe Paoli, Gilles Notton, Marie-Laure Nivet, Michel Padovani and Jean-Luc Savelli.

Abstract : This paper presents the first results of a research project aimed at building a pollution peaks predictor using Artificial Neural Networks (ANNs) with data measured locally. We focus more particularly on the ozone concentration prediction in the Corsica Island at horizon “h+1”. We mainly look at the Multi-Layer Perceptron (MLP) network which is the most used of ANNs architectures both in the Environment domain and in the time series forecasting. We have demonstrated that an optimized MLP with endogenous, exogenous and time indicator inputs can forecast hourly ozone concentration with acceptable accuracy. The final results indicate that our predictor has an average Mean Absolute Percentage Error (MAPE) equal to 10.5%. Knowing that the devices measurement accuracy is around 10%, these results are considered as very convincing by “Qualitair Corse”, regional organization responsible for monitoring air quality. We have also tested in "real conditions" our predictor: indeed, several ozone pollution peaks occurred during the months of June and August 2010. While PREV'AIR, the national air quality forecasting and mapping system, cannot predict the August’s peaks, it appears that our optimized MLP is able to predict them in both cases.

Source : http://eeeic.eu/

Appel à candidature pour un projet de thèse : évaluation multicritère et e-gouvernance territoriale

Appel à candidature terminé.

Pour plus d'information, n'hésitez pas à m'envoyer un email : christophe.paoli@univ-corse.fr.


Sujet de la thèse : Evaluation multicritère et e-gouvernance territoriale des énergies renouvelables: construction des connaissances d’acteurs au sein système d’information géographique et sémantique en Corse.

Résumé : Ce projet de thèse vise le développement d’une application web d’évaluation multicritère participative, dédiée à l’étude des énergies renouvelables (EnR) en Corse, et couplée à un système d’information géographique et sémantique.

Présentation : L’économie et la société de la connaissance fondée sur la coopération et la collaboration, nécessitent la mise en commun d’informations porteuses de sens, articulant savoir tacite (local, spécifique, issu de l’expérience et la pratique, difficile à expliquer, à codifier, à reproduire pour obtenir un avantage compétitif) et savoir objectivé (technique, scientifique, analytique, codifié et diffusable). Les Technologies de l’Information et de la Communication (TIC), particulièrement au travers du web, permettent la participation active et interactive des internautes à la production de la connaissance partagée. Eclairer la décision dans ce contexte cognitif multi-acteurs nécessite de structurer la participation dès l’amont du processus, pour constituer une démarche cohérente, transparente et porteuse de sens. En matière d’énergie, notamment renouvelable, la décision réelle concernant divers sujets (projets, planifications, politiques, réseaux électriques, etc.)  s’inscrit dans cette gestion complexe de la participation à l’évaluation: multiplicité d’acteurs, aux objectifs plus ou moins conflictuels, intervenant à divers échelons (du local au global), nécessitant d’appréhender une pluralité de systèmes de valeurs et d’informations entachées de mal connaissance (imprécisions, incertitudes et indéterminations). Se pose alors le problème de rendre opérante une e-gouvernance territoriale en matière d’EnR, particulièrement en Corse en vue de leur bonne intégration.
Pour éclairer la décision territoriale en matière d’EnR, seront mobilisées les recherches scientifiques en aide multicritère à la décision participative, les méthodes de surclassement de type ELECTRE TRI à coupler un système d’information géographique (SIG), les langages de représentation des connaissances et travaux sur les ontologies développés dans le cadre du web sémantique, la programmation web et .NET.
Bâtir une méthodologie pluridisciplinaire (économie, informatique, physique des EnR) de recherche opérationnelle, formalisant la participation d’acteurs variés à l’évaluation multicritère des sujets EnR et modélisant les préférences sur ces derniers en vue d’éclairer de façon robuste et opérante la décision territoriale.
Développer une nouvelle application web dédiée exploitant un système d’information ontologique et géographique inédit, dépassant ainsi la simple fourniture et synthèse de données brutes hétérogènes, permettant la construction participative des échelles de valeurs et des paramètres des critères d’évaluation (poids, seuils) tout comme la délibération des acteurs sur les recommandations en matière d’énergie (bon usage de TIC).
. 

Mention du Doctorat : Sciences économiques
Domaine scientifique principal  : Recherche opérationnelle
Domaines scientifiques secondaires : Informatique  
Connaissances et compétences requises : Aide multicritère à la décision, Méthodes de surclassement ELECTRE, Programmation web et .NET, Technologies XML / Web sémantique, SIG.

Directeur : Pascal Oberti, Université de Corse
Co-directeur : Christophe Paoli, Université de Corse, Jose Rui Figueira, Ecole des Mines de Nancy


Début : septembre 2011
Financement : bourse universitaire envisagée, environ 1800 € net/mois pendant 3 ans
Lieu : Corte, Université de Corse

Appel à candidature pour un projet de thèse : prédiction de polluants

Appel à candidature terminé. 

Pour plus d'information, n'hésitez pas à m'envoyer un email : christophe.paoli@univ-corse.fr.

Possibilité de stage rémunéré bac+5 à partir de mars/avril.

Sujet de la thèse : Prévision des concentrations de polluants atmosphériques en Corse.

Résumé : Ce projet de thèse vise l’étude de la prévision de la qualité de l’air et le développement d’un outil statistique et informatique de prévision à court terme à partir de données provenant de stations de mesure appartenant au réseau Qualitair Corse et Météo-France.

Présentation : Cette étude fait suite à l’encadrement de deux stages de Master dont les objectifs étaient d’effectuer une étude complète sur le thème de la prévision de la qualité de l’air, et d’initier un projet de construction d’un modèle statistique de prévision. Ainsi l’association agréée Qualitair Corse en collaboration avec l’université de Corse/UMR CNRS UMR 6134 propose de poursuivre ces études dans le cadre d’une thèse de doctorat. En effet, à des fins de complémentarité avec les modèles à grande échelle tels que PREV'AIR, Qualitair Corse a ressenti le besoin de disposer d'un outil de prédiction de pics de pollution à court terme, à partir de données provenant de stations de mesure appartenant à son réseau mais aussi à celui de Météo-France. Suite à la collaboration avec le SPE UMR 6134, les porteurs de ce projet se sont orientés vers l’utilisation de techniques d'intelligence artificielle afin de concevoir un tel outil. Ces techniques ont été utilisées avec succès dans le cadre du projet EnR pour prédire le rayonnement solaire. Avant l'utilisation de ces techniques, il sera essentiel de procéder à un état de l’art, aussi complet que possible de la littérature sur le sujet et sur les techniques de prévision de pics de pollution. En effet, il sera important de comparer ces techniques au prédicteur construit à l’issue de ce projet. Suite à cette étude, nous pensons être en mesure de développer un outil logiciel permettant de prévoir les pics de pollution pour la région de la Corse sur tous les sites avec des données, mais aussi sur des sites ne possédant pas de données. En ce qui concerne ce dernier point, nous pensons combiner réseaux de neurones artificiels et systèmes d'information géographiques. Un ou plusieurs experts associés de l'INSU avec une expérience dans ce domaine seront sollicités afin de guider les membres de ce projet.
. 

Mention du Doctorat : Energetique et génie des procédés
Domaine scientifique principal  : Énergies renouvelables
Domaines scientifiques secondaires : Climat, étude des gaz à effet de serre 
Connaissances et compétences requises : Statistiques et Réseaux de Neurones Artificiels, Connaissance de la programmation MatLab et procédurale, Théorie des séries temporelles, Notions de la problématique liée aux polluants atmosphériques.  


Directeur : Gilles Notton, Université de Corse 
Co-directeur : Christophe Paoli, Université de Corse
Entreprise : Qualitair Corse
Début : septembre 2011
Financement : bourse ADEC/CTC envisagée, environ 1800 € net/mois pendant 3 ans
Lieu : Corte, Qualitair Corse

SemWeb.Pro : conférence sur le Web Sémantique

Les 1ères journées professionnelles du Web Sémantique se teindront les 17 et 18 janvier 2011 à Paris. Plus précisément il s'agit d'une journée de conférence et d'une journée de tutoriels pour faire se rencontrer les professionnels du Web Sémantique: acteurs du web, développeurs et décideurs, communauté scientifique et industriels.

Le programme de SemWeb.Pro très alléchant vient de sortir.

Attention l'entrée est payante sur réservation et le nombre de place est limité à 200. 

Source :

• http://www.semweb.pro 

Papier accepté dans la revue Energy

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Energy" éditée par Elsevier.

Title of the paper : Optimization of an artificial neural network dedicated to the multivariate forecasting of daily global radiation

Authors : Cyril Voyant, Marc Muselli, Christophe Paoli, Marie-Laure Nivet

Abstract :  This paper presents an application of Artificial Neural Networks (ANNs) to predict daily solar radiation. We look at the Multi-Layer Perceptron (MLP) network which is the most used of ANNs architectures. In previous studies, we have developed an ad-hoc time series preprocessing and optimized a MLP with endogenous inputs in order to forecast the solar radiation on a horizontal surface. We propose in this paper to study the contribution of exogenous meteorological data (multivariate method) as time series to our optimized MLP and compare with different forecasting methods: a naïve forecaster (persistence), ARIMA reference predictor, an ANN with preprocessing using only endogenous inputs (univariate method) and an ANN with preprocessing using endogenous and exogenous inputs. The use of exogenous data generates an nRMSE decrease between 0.5% and 1% for two stations during 2006 and 2007 (Corsica Island, France). The prediction results are also relevant for the concrete case of a tilted PV wall (1.175 kWp). The addition of endogenous and exogenous data allows a 1% decrease of the nRMSE over a 6 months-cloudy period for the power production. While the use of exogenous data shows an interest in winter, endogenous data as inputs on a preprocessed ANN seem sufficient in summer.

Keywords: Time series forecasting; Processing; Artificial neural networks; PV plant; Energy prediction; Stationarity

Sources :  http://www.elsevier.com

En route pour PHILOWEB 2010

La première conférence internationale consacrée au Web et à la Philosophie se tiendra le samedi 16 octobre 2010 à Paris. Elle est proposée par l’Université Paris 1 Panthéon– Sorbonne et l’INRIA. A ne pas manquer si comme moi vous êtes sur place ;-) Rendez vous à la Sorbonne, Amphi Gestion à 8h15 !

Source :

• http://web-and-philosophy.org/  

1ère réunion de travail pour le projet européen ECEVE

Un projet auquel je participe avec mon collègue Gilles NOTTON vient d'être approuvé dans le cadre du programme européen "LIFELONG LEARNING PROGRAMME" et de son action "LEONARDO DA VINCI Transfer of innovation". L'intitulé du projet est "Implementation of E-Learning Content for Energy Saving Farm into Vocational Education : ECEVE", No. 10310 0544. D'une durée de 24 mois, ce projet a pour principal objectif la création de contenus interactifs dans le domaine des ressources énergétiques renouvelables, des procédures visant à réduire l'intensité énergétique des fermes et du changement climatique du aux émissions de gaz à effet de serre. Cette 1ère réunion de travail propose à l'ensemble des partenaires : Slovak University of Agriculture, MultiMedia SunShine Ltd., CTU in Praque et l'Université de Corse de se réunir à la Slovak University of Agriculture de Nitra les 20 et 21 octobre 2010.

Papier accepté dans la revue Solar Energy

Un de nos papiers vient d'être accepté pour publication dans la revue "Solar Energy" de l'"International Solar Energy Society", éditée par Elsevier.

Title of the paper : Forecasting of preprocessed daily solar radiation time series using neural networks

Authors : Christophe Paoli, Cyril Voyant, Marc Muselli, Marie-Laure Nivet

Abstract :  In this paper, we present an application of Artificial Neural Networks (ANNs) in the renewable energy domain. We particularly look at the Multi-Layer Perceptron (MLP) network which has been the most used of ANNs architectures both in the renewable energy domain and in the time series forecasting. We have used a MLP and an ad-hoc time series preprocessing to develop a methodology for the daily prediction of global solar radiation on a horizontal surface. First results are promising with nRMSE ~ 21% and RMSE ~ 3.59 MJ/m². The optimized MLP presents predictions similar to or even better than conventional and reference methods such as ARIMA techniques, Bayesian inference, Markov chains and k-Nearest-Neighbors. Moreover we found that the data preprocessing approach proposed can reduce significantly forecasting errors of about 6% compared to conventional prediction methods such as Markov chains or Bayes inferences. The simulator proposed has been obtained using 19 years of available data from the meteorological station of Ajaccio (Corsica Island, France, 41°55'N, 8°44'E, 4 m above mean sea level). The predicted whole methodology has been validated on a 1.175 kWc mono-Si PV power grid. Six prediction methods (ANN, clear sky model, combination …) allow to predict the best daily DC PV power production at horizon d+1. The cumulated DC PV energy on a 6-months period shows a great agreement between simulated and measured data (R² > 0.99 and nRMSE < 2%).

Keywords: Time Series Forecasting, Preprocessing, Artificial Neural Networks, PV Plant Energy Prediction.

Sources :  http://www.elsevier.com