Le Simulateur de Géométrie 3D des Nuages combine des vues satellite et caméras au sol pour recréer l’apparence des nuages sous différents angles et déterminer leur position précise dans l’atmosphère. Il fournit un environnement contrôlé pour développer et valider des techniques de localisation 3D des nuages et de prévision d’ombres, offrant des informations précieuses pour améliorer la modélisation de l’irradiance solaire et la prévision de puissance photovoltaïque.
Doctorat
Simulateur de Géométrie 3D des Nuages
Simulation de scènes nuageuses en 3D, avec génération de vues depuis le sol et par satellite, afin de tester la reconstruction des nuages et la localisation de leurs ombres au sol pour la prévision solaire.
- 2017
- Mines Paris - PSL
Contenu de l’article
Outils et technologies
Compétences mobilisées
Notre démarche
Génération de scènes 3D
Modélisation des nuages
Les nuages sont représentés sous forme de volumes 3D simples composés de petits cubes (voxels). Cela permet de créer des scènes réalistes, allant des cumulus dispersés aux couches de stratus uniformes.
Imagerie synthétique
Chaque scène de nuages virtuelle est observée simultanément par un satellite et une caméra au sol simulés. Le résultat est une paire d'images synthétiques qui imitent les observations réelles dans des conditions contrôlées.
Compétences mobilisées
Outils et technologies
Reconstruction 3D
Projection géométrique
Les pixels de nuages détectés dans chaque image sont projetés dans l'espace 3D en fonction de la géométrie des deux capteurs.
Intersection de volumes
Le chevauchement entre les projections satellite et sol révèle les positions de nuages les plus probables en trois dimensions.
Compétences mobilisées
Outils et technologies
Évaluation
Évaluation de la précision
Le simulateur compare les nuages reconstruits avec leurs positions réelles pour mesurer la précision spatiale.
Validation des ombres
Il vérifie également la précision avec laquelle les ombres de nuages estimées s'alignent avec les vraies ombres au sol.
Compétences mobilisées
Outils et technologies
Projets liés
R&DEDF · Paris
Prévision Photovoltaïque Régionale par Deep Learning
Prévision spatio-temporelle de la production photovoltaïque régionale à partir de séquences d’images Meteosat, avec un modèle ConvLSTM entraîné et évalué face aux mesures et à une référence de persistance.
Doctorat2017Mines Paris - PSL
Métriques d'Évaluation de Prévisions - Article Scientifique
Cadre scientifique pour évaluer les prévisions solaires au-delà des métriques d’erreur moyenne, avec le Temporal Distortion Mix et une métrique de rampe pour mesurer les décalages temporels et les variations rapides d’irradiance.
Doctorat2018Mines Paris - PSL
Synergie des données in-situ et satellites pour la prévision solaire
Fusion de données issues de caméras hémisphériques au sol et de satellites géostationnaires afin de reconstruire les nuages en 3D, d’estimer leurs ombres au sol et d’améliorer la prévision de l’éclairement solaire à très court terme.