PhD Dan Assouline: IA explore le potentiel des énergies renouvelables

Afin d’utiliser les énergies renouvelables de façon optimale, il est nécessaire d’estimer leur potentielle contribution énergétique. En particulier, une telle estimation est nécessaire à grande échelle afin d’évaluer les zones à fort potentiel pour chaque type de ressource au sein d’une région, et ainsi de pouvoir mettre en place des stratégies énergétiques efficaces. En Suisse, la "Stratégie Energétique 2050", instituée en 2011 par le Conseil Fédéral Suisse, se place en exemple en s’imposant l’objectif ambitieux de réduire la consommation de CO₂ de 50-80% d’ici 2050, en suivant trois principales directives: supprimer progressivement l’usage du nucléaire, améliorer l’ecacité énergétique et augmenter drastiquement l’usage d’énergies renouvelables.

Cette thèse développe une stratégie générale, basée sur l’utilisation de données et combinant Systèmes d’Information Géographique et Apprentissage Automatique pour estimer le potentiel de trois énergies alternatives populaires: éolienne (éoliennes à axe horizontal), géothermique (pompes à chaleur très peu profondes) et solaire (Panneaux Photovoltaïques (PV) montés sur les toits des bâtiments). Afin de déterminer le potentiel à grande échelle de chacune des trois énergies, une méthodologie spécifique, estimant plusieurs variables caractéristiques, est proposée, basée sur l’utilisation de données réelles. Les variables estimées sont ensuite combinées pour former le potentiel. L’utilisation de méthodes d’Apprentissage Aléatoire (notamment de Machines à Vecteurs de Support et Forêts Aléatoires) permet, avec l’aide de prédicteurs adéquats et de données d’entrainement, la prédiction spatio-temporelle de ces précédentes variables, ainsi que l’incertitude reliée a la prédiction. Dans chaque cas, la méthodologie est appliquée à la Suisse; elle repose donc sur la présence de données disponibles pour le territoire. Néanmoins, les types de données utilisés, notamment des données météorologiques, topographiques, et reliées au sols et au bâtiment, deviennent progressivement disponible dans bon nombre de pays, permettant ainsi la généralisation des méthodologies suggérées.

Les résultats montrent que l’Apprentissage Automatique est adapté à l’estimation de potentiel énergétique, étant donnée la précision raisonnable obtenue pour chaque prédiction et estimation spatiale. Les valeurs finales de potentiel, globalement validées à l’aide de données existantes, mettent en lumière le fort potentiel énergétique renouvelable en Suisse. En particulier, l’utilisation de panneaux solaires PV sur les toits semble être une solution prometteuse: son potentiel est évalué à 16.3 TWh par an, ce qui correspond à 25.3% de la demande annuelle en électricité en 2017.