Prédiction de la vitesse du vent à l’aide d’un Modèle hybride CEEMDAN-GRU

Abstract

Ce travail de recherche est dédié au développement et à la validation d'une approche de modélisation hybride performante pour la prévision de séries temporelles non stationnaires et intermittentes, avec une application ciblée sur la vitesse du vent. L'architecture proposée, baptisée CEEMDAN–GRU, associe la méthode de décomposition empirique adaptative Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) à l'efficacité séquentielle des réseaux de neurones récurrents Gated Recurrent Unit (GRU). Le déploiement de la technique CEEMDAN permet de segmenter le signal d'origine en composantes intrinsèques (IMFs), isolant efficacement le bruit à haute fréquence afin d'optimiser l'apprentissage des cellules GRU sur les dynamiques temporelles à court et à long terme. Grâce à sa réactivité face aux variations brusques et à l'absence de déphasage temporel (time-lag), cette architecture offre une solution robuste pour la gestion de l'énergie éolienne. Les perspectives de cette étude visent l'incorporation d'algorithmes d'optimisation méta-heuristiques pour le réglage automatique des hyperparamètres, ainsi que la transposition de ce modèle à la prédiction d'autres sources renouvelables intermittentes, notamment l'énergie solaire photovoltaïque.