Projet de fin d'étude : La prévision de l’énergie éolienne à l’aide de l’apprentissage distribué
Etudiant : EL HAOUAT IHSANE
Filière : Master Informatique Décisionnelle et Vision Intelligente (MIDVI)
Encadrant : Pr. EL FAZAZY KHALID
Annèe : 2023
Résumé : Ce rapport de recherche présente le travail réalisé au sein de laboratoire LISTIC à Polytech Annecy Chambéry, en France dans le cadre du projet de fin d’étude de Master en Informatique Décisionnelle et Vision Intelligente à la Faculté des Sciences Dhar El Mahraz, FSDM, à Fès, au Maroc. L’objectif principal de ce travail était d’utiliser l’apprentissage fédéré pour la prévision de l’énergie éolienne en se basant sur les données provenant du parc éolien "La Haute Borne" situé en France. Pour atteindre cet objectif, une revue de l’état de l’art a été réalisée afin d’explorer les solutions existantes en matière d’apprentissage automatique classique et d’apprentissage fédéré. Par la suite, des approches univariées et multivariées ont été appliquées pour prédire l’énergie éolienne dans les deux cas, à savoir l’apprentissage local et l’apprentissage fédéré. Une analyse approfondie des performances des méthodes proposées a été effectuée, et des comparaisons ont été réalisées pour évaluer les avantages et les limitations de chaque approche. Les résultats obtenus ont montré qu’il n’y avait pas de différences significatives entre les performances de l’apprentissage local et de l’apprentissage fédéré. Cela s’explique en partie par le fait que les turbines du parc éolien se trouvent dans une même zone géographique, ce qui entraîne des données similaires. Cependant, pour obtenir des résultats plus diversifiés et représentatifs, il est recommandé d’intégrer des données provenant de différents parcs