Electricite industrielle
Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/4034
Browse
2 results
Search Results
Item Conception d’un système énergétique hybride (Solaire Photovoltaïque-Diesel) interconnecté au réseau électrique(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2025) Bouzeghaia, Ikram Nor El Houda; Berremili, Sana; Tadjer, Sid Ahmed (Promoteur)Ce Mémoire présente l’étude et la simulation d’un système hybride combinant l’énergie photovoltaïque, un groupe électrogène diesel et le réseau électrique, destiné à alimenter un site pétrolier isolé à Gassi Touil, en Algérie. L’objectif est de garantir une alimentation électrique fiable et économique, en particulier face aux coupures fréquentes du réseau dans les zones sahariennes. Deux scénarios ont été comparés à l’aide du logiciel HOMER Pro : un système avec stockage par batteries, et un autre sans stockage. Une modélisation électrique a été réalisée sous MATLAB/Simulink pour analyser le comportement dynamique du système. Les résultats ont montré que, malgré les avantages du stockage, le système sans batteries offre une meilleure rentabilité globale, avec un coût d’investissement réduit, une simplicité d’exploitation, et une performance suffisante pour assurer la continuité de l’alimentation grâce à la complémentarité entre le réseau et le groupe électrogène. En conclusion, le choix s’est porté sur un système hybride sans stockage, combinant énergie solaire, groupe diesel et réseau électrique, comme solution optimale pour répondre aux besoins énergétiques du site tout en maîtrisant les coûts.Item Application des réseaux de neurones profonds pour la prévision de la charge électrique(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2023) Sidoummou, Mohammed; Bourguieg, Maroua; Tadjer, Sid Ahmed (Promoteur)Dans notre monde de plus en plus interconnecté et dépendant de l'énergie, la capacité de prédire précisément la charge électrique est devenue essentielle. Les fournisseurs d'énergie, les opérateurs de réseau et les régulateurs sont de plus en plus confrontés à la nécessité de prévoir avec précision la demande d'énergie. Les fluctuations de la demande d'énergie peuvent entraîner des déséquilibres sur le réseau électrique, perturbant ainsi son fonctionnement optimal. De même, la capacité à prédire la demande future d'énergie peut avoir des implications importantes pour les marchés de l'électricité, influençant la tarification, les décisions d'investissement et les stratégies d'équilibrage de la charge. C'est dans ce contexte que s'inscrit ce mémoire. Explorer l'application de l'intelligence artificielle, et plus particulièrement des réseaux de neurones, dans le domaine de la prévision de la charge électrique. Ces techniques avancées offrent la promesse d'améliorer la précision des prévisions de charge électrique, et donc de contribuer à un fonctionnement plus efficace et plus sûr des réseaux électriques et des marchés d'électricité.