Modélisation et optimisation de la gestion énergétique d’un nano-réseau multisource autonome
Notice bibliographique
Résumé
Les installations électriques en régions éloignées dépendent d’une source d’énergie indépendante du réseau principal pour s’alimenter. Une petite installation autonome alimentée par différentes sources, comme des panneaux solaires, une génératrice et des batteries, aussi appelée un nano-réseau, est une solution efficace pour répondre à ce besoin. Cependant, elle fonctionne avec une source d’énergie solaire intermittente, ce qui pose des défis de gestion énergétique. Un tel système multisource nécessite une gestion visant à maximiser l’utilisation de l’énergie solaire afin de réduire l’utilisation de la génératrice et les impacts environnementaux qui l’accompagnent. Ce projet de maîtrise vise à réduire l’utilisation de la génératrice des nano-réseaux. Il se base sur le cas d’étude d’une antenne de télécommunication alimentée par ce type de nano-réseau à Dorval-Lodge, Québec, Canada. Afin de développer des méthodes de réduction d’appel de la génératrice, un modèle numérique complet de la station a d’abord été développé et validé avec le cas d’étude. Ce modèle, basé sur sa représentation énergétique macroscopique, permet d’estimer la production des panneaux solaires, la production de la génératrice et l’état de charge des batteries avec respectivement 1,6 %, 2,1 % et 2,2 % d’erreur par rapport au comportement réel. À partir de ce modèle, une nouvelle proposition des paramètres de contrôle de la station ont été suggérés pour différentes saisons permettant d’atteindre des réductions de frais d’exploitation de la génératrice en hiver et au printemps de respectivement 10 % et 12 %. Le cadre de modélisation développé dans ces travaux peut être réutilisé pour des études de gestion de l’énergie, d’analyse économique et de projections pour les nano-réseaux existants et potentiels. Il permet aussi d’améliorer la proposition d’optimisation saisonnière avec des approches de contrôle en temps réel considérant d’autres capteurs ou des prévisions météorologiques reliées aux performances de production d’énergie solaire.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».