Machine learning appliqué aux systèmes photovoltaïques

Cet ouvrage propose une ressource à la fois technique et pédagogique sur la modélisation, la simulation et l’analyse des systèmes de production d’énergie photovoltaïque par apprentissage automatique. La première partie pose les fondements : rayonnement solaire et instruments de mesure, physique des semi-conducteurs et de la cellule, puis modèles électriques (diode unique, double diode, Bishop) et simulation d’un champ photovoltaïque en fonctionnement sain. La seconde partie confronte ces modèles aux données : apprentissage supervisé (régressions, SVM, forêts aléatoires, KNN) et non supervisé (K-means, c-means, ACP), analyse de séries météorologiques et de production, puis prévision par lissage exponentiel, Holt-Winters, autorégression, SARIMAX, LSTM et réseaux convolutifs. Les exemples, reproductibles, s’appuient exclusivement sur des logiciels libres, afin de rendre la démarche accessible aux étudiants, chercheurs et ingénieurs.