Apprentissage statistique pour l'énergie éolienne : Une étude de modélisation et de stabilité vers la prévision.

Résumé Nous nous concentrons sur la modélisation de l'énergie éolienne à l'aide de techniques d'apprentissage automatique. Nous montrons sur des données réelles fournies par la société d'énergie éolienne Maïa Eolis, que les modèles paramétriques, même en suivant de près l'équation physique reliant la production éolienne à la vitesse du vent, sont surpassés par des algorithmes d'apprentissage intelligents. En particulier, l'algorithme CART-Bagging donne des résultats très stables et prometteurs. De plus, comme une étape vers la prévision, nous quantifions l'impact de l'utilisation de mesures de vent détériorées sur les performances. Nous montrons également sur cette application que la méthodologie par défaut de sélection d'un sous-ensemble de prédicteurs fournie dans le package standard de forêt aléatoire peut être affinée, en particulier lorsqu'il existe parmi les prédicteurs une variable qui a un impact majeur.