Système De Prédiction De Vitesse Du Vent Base Sur Les Réseaux Neurones Profonds

dc.contributor.authorBEN AMOR, Rodouane
dc.contributor.authorBEN BACHIR, Ahmed Lamine
dc.date.accessioned2020-11-25T09:49:40Z
dc.date.available2020-11-25T09:49:40Z
dc.date.issued2020
dc.description.abstractL'énergie éolienne est l'énergie renouvelable tirée du vent. Cette énergie est devenue l'énergie renouvelable la plus importante en termes de croissance d'utilisation dans le monde. Du fait que la production de l'énergie éolienne est liée aux variation de la vitesse du vent, la prédiction de cette dernière est devenue une étape essentielle réseau électrique et aussi pour une bonne exploitation de l'énergie éolienne. vitesse du vent peuvent être utilisées pour la conception des parcs éoliens, estimation du potentiel énergétique éolien,etc. Plusieurs modèles de prédictions ont été développés sur un site. à titre d'exemple on peut cité les réseaux de neurones artificiels ...etc. Dans ce travail on va utiliser les Réseaux de Neurones Profonds pour prédire la vitesse du vent. Notre objectif c'est de traiter une série temporelle de données mesurées prédire les valeurs futures de la vitesse du vent. Abstract : Wind energy is renewable energy drawn from the wind. This energy has become the most important renewable energy in terms of growth in use in the world. Because the production of wind energy is linked to the variation of wind speed, the prediction of this has become an essential step in the electrical network and also for a good exploitation of wind energy. wind speed can be used for the design of wind farms, estimation of wind energy potential, etc. Several prediction models have been developed on one site. as an example we can quote artificial neural networks ... etc. In this work we will use Deep Neural Networks to predict wind speed. Our goal is to process a time series of measured data to predict future values of wind speed.en_US
dc.description.sponsorshipSoutenu devant le jury composé de: Mer. BRIK Youcef, Université de M’SILA ,Président. Mer. Mezaache Hatem ,Université de M’SILA ,Rapporteur. Mer. DJERIOUI Mohamed ,Université de M’SILA, Examinateur.en_US
dc.identifier.otherEL/ESEM007/20
dc.identifier.urihttps://depot.univ-msila.dz/handle/123456789/21048
dc.language.isofren_US
dc.publisherUniv M'silaen_US
dc.subjectIntelligence Artificielle, Réseaux de Neurones Artificiels, Deep Learning, Réseaux de Neurones Profonds, Série Temporelles, Prédiction, Vitesse du Vent.en_US
dc.subjectArtificial Intelligence, Artificial Neural Networks, Deep Learning, Deep Neural Networks, Time Series, Prediction, Wind Speeden_US
dc.titleSystème De Prédiction De Vitesse Du Vent Base Sur Les Réseaux Neurones Profondsen_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
1090.pdf
Size:
10.45 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections