UNIVERSITÉ MOHAMMED V – AGDAL FACULTÉ DES

UNIVERSITÉ MOHAMMED V – AGDAL
FACULTÉ DES SCIENCES
Services des affaires estudiantines
Rabat
N° d’ordre 2228
THESE DE DOCTORAT d'ETAT
Présentée par
Hassan NFAOUI
Discipline : Physique
Spécialité : Energétique
Titre :
CARACTERISTIQUES DU GISEMENT EOLIEN MAROCAIN et
OPTIMISATION D'UN SYSTEME AEROGENERATEUR/GROUPE
ELECTROGENE POUR L'ELECTRIFICATION DES VILLAGES
ISOLÉS
__________
Soutenue le 03 Décembre 2004
Devant le jury :
Président :
D. SAYAH
Examinateurs
H. ESSIARAB
A. SAYIGH
M.A. TAOUD
M. EL KHAMLICHI
F. BILLAL
Professeur à la Faculté des Sciences, Rabat
Professeur
Professeur
Professeur
Professeur
à
à
à
à
la Faculté des Sciences, Rabat
l’Université de Reading, UK
l’Ecole Mohammadia d’Ingénieurs
la Faculté des Sciences, Rabat
Directeur Scientifique à ISESCO, Rabat
Faculté des Sciences, 4 Avenue Ibn Battouta B.P. 1014 RP, Rabat – Maroc
Tel +212 (0) 37 77 18 34/35/38, Fax : +212 (01) 37 77 42 61, http://www.fsr.ac.ma
0
R E M E R C I E M E N T S
Ce travail présenté dans ce mémoire a été effectué au Laboratoire d’Energie
Solaire de la Faculté des Sciences de Rabat en collaboration avec le Département
d’Ingénierie de l’Université de Reading (UK).
Je voudrais tout d’abord rendre hommage à Madame Jamila BAHRAOUIBURET, professeur à la faculté des Sciences de Rabat, fondatrice du Laboratoire
d’Energie Solaire, pour sa contribution à la réalisation de ce travail. Elle m’a encadré
aussi pour le Diplôme d’Etudes Supérieures de 3ème cycles sur le rayonnement solaire,
je dois dire que j’ai beaucoup appris d’elle, grâce à sa méthodologie et sa
compétence. Son coté humain et son esprit critique ont contribué d’une façon
considérable à ma formation.
M. Hassan ESSIARAB, professeur à la faculté des Sciences de Rabat, a
contribué à l’encadrement de ce travail. Il m’a continuellement apporté son soutien et
m’a fait bénéficier de ses remarques constructives. Je suis très heureux de lui
exprimer toute ma reconnaissance pour la confiance qu’elle m’a accordée afin de
mener à terme ce travail.
Je tiens à exprimer ma reconnaissance à M. Ali SAYIGH, professeur à l’Ecole
d’Ingénieurs, Université de Hertfordshire (UK), ‘Director General of World Renewable
Energy Network (WREN)’ et ‘Editor-in Chief of Renrwable Energy Journal’ pour la
direction de ce travail malgré ses nombreuses responsabilités. Je tiens à l’assurer de
toute ma reconnaissance pour son soutien académique et humain continu. C’est grâce
à son encouragement, j’ai assisté aux 8 ‘World Renewable Energy Congress (WREC)’,
ce qui m’a permis d’avoir des contacts et des discussions fructueux avec d’autres
chercheurs et utilisateurs des énergies renouvelables à l’échelle internationale.
Je suis très sensible à l’honneur que me fait Monsieur le professeur Driss
SAYAH, Responsable du Laboratoire de Physique de Solide des Matériaux, Faculté
des Sciences de Rabat, en présidant le jury.
1
Je remercie chaleureusement Monsieur Mohammed Ali TAOUD, professeur à
l’Ecole Mohammedia des Ingénieurs de Rabat, pour l’intérêt qu’il a apporté à mon
travail, et l’honneur qu’il me fait en présidant le jury.
Je suis
très
reconnaissant
à messieurs
au
professeur
Mohammed
EL
KHAMLICHI de la Facultés de Sciences de Rabat, au Dr Faiq BILLAL, directeur
scientifique à l’Organisation Islamiques de l’Education, des Sciences et de la
Coopération (ISESCO) pour l’intérêt qu’ils ont porté à mon travail et l’honneur qu’ils
m’ont fait de participer au jury de ma thèse.
Grâce aux bourses du gouvernement britannique et aux encouragements de
‘British Council’ à Rabat, J’ai pu poursuivre mes études de recherches à l’Université
de Reading (UK) et perfectionner mon anglais, prière de trouver ici mes remerciements
Mes stages à l’Université de Reading, Département d’Ingénierie (UK), sous la
direction du Prof. Ali Sayigh, m’ont permis d’avancer mon travail de recherche sur
l’énergie éolienne et de réaliser une modélisation par ordinateur d’un système hybride
Aérogénérateur/Groupe Electrogène pour l’électrification rurale. Mes discussions avec
Prof. P.D. DUNN, chef de Département d’Ingénierie, Prof. P. MUSGROVE, découvreur
de l’aérogénérateur à axe vertical, Dr A.S.K. DARWISH et Dr A. BULLOCK, membres
de ‘Energy Group’ du même département, ont été profitable.
Pour finir, je tiens à adresser mes vifs remerciements à la Direction du Service
de la Météorologie Nationale ainsi qu’au Service de Climatologie de Casa -Anfa, pour
avoir mis à ma disposition, les mesures de la vitesse et de la direction du vent.
Enfin, il m’est agréable de remercier Hafid BOUTALEB-JOUTEI, Président de
l’Université Mohammed V-Agdal et professeur à la faculté des Sciences de Rabat du
soutien moral et financier qui sont très bénéfiques pour l’aboutissement de ce travail.
2
3
SOMMAIRE
Pages
INTRODUCTION GENERALE………………………………..……………………….12
CHAPITRE I : SITUATION ENERGETIQUE, GISEMENT EOLIEN ET
BESOINS ENERGETIQUES DANS LES COMMUNAUTES
RURALES AU MAROC………………………………..…………….....21
Introduction………………………………..…………………………………….……….….22
I-A Contexte générale……………..……..…………………………………….……….…………...23
I-A.1
I-A.2
I-A.3
I-A.4
Energie une matière première vitale………………………………..…….....23
Perspectives mondiales de l’énergie………………………………….......….23
Energie et développement économique…………………………………..….26
Energie et environnement…………………………..…………….……….………..26
I-B Situation énergétique du Maroc ………………………..……………….……….…………...27
I-B.1 Introduction……………..……..………………..………….……….……………….....27
I-B.2 Aspects économiques……………..……..…………………………..………………...27
I-B.2.1 Indicateurs économiques du secteur……………..……..………………….27
I-B.2.1.1 Balance, consommation et dépendance énergétiques……..…....27
I-B.2.1.2 Secteur pétrolier……………………………………..…….32
I-B.2.1.3 Secteur gaz naturel………………………………………..32
I-B.2.1.4 Secteur électrique……………………………………...…..33
I-B.2.1.5 facture énergétique nationale……………………………..35
I-B.3 Aspects écologiques…………………………...………………………………35
I-B.3.1
I-B.3.2
I-B.3.3
I-B.3.4
I-B.4 Aspects
Ressources naturelles………………………….…………………….36
Impact des changements climatiques………………………………36
Bilan général des émissions des Gaz à Effet de Serre…………..38
Déforestation…………………………………………..……………..38
sociaux………………………………………………………………..39
I-B.4.1 Développement inégal en milieu rural et urbain…………………39
I-B.4.2 Milieu rural………………………………………………………….40
I-B.5 Conclusion………………………..……………………………………40
I-C Energie éolienne au Maroc………………………….…………………………...….41
I-C.1 Introduction………………………………………………………...…………..41
I-C.2 Données du vent disponibles……………………………………………...…41
I-C.3 Données solaires disponibles……………………………………...………….47
I-C.4 Complémentarité entre les énergies éolienne et solaire disponibles
4
dans les régions les plus venteuses………………………………………....48
I-C.5 Application de l'énergie éolienne…………….………………………………52
I-C.5.1 Pompage d'eau……………………………………………………….53
I-C.5.2 Génération d'électricité………………………..…………………....54
I-C.5.2.1 Projets de démonstration réalisés par le Centre
de Développement des Energies Renouvelables………………...54
I-C.5.2.2 Travaux de recherche sur les éoliennes……………………..….56
I-C.5.2.3 Parcs éoliens…………………………………………………...…56
I-C.5.2.4 Installations privées………………………………………...…….57
I-C.6 Conclusion…………………………..…………………………………………57
I-D Besoins énergétiques dans les communautés rurales au Maroc…...………..…58
I-D.1 Introduction………………….…………………………………………..…….58
I-D.2 Situation actuelle de l'électrification rurale……………………..…….….....58
I-D.2.1 Nombre total de villages………………………………...…………58
I.D.2.2 Electrification par extension du réseau électrique national……….59
I-D.2.3 Electrification par Groupes Electrogènes………………………….60
I.D.2.4 Electrification par les énergies renouvelables……………………..61
I-D.2.5 Eclairage traditionnel………………………………...…...…………62
I-D.3 Identification des usages de l'énergie et des besoins énergétiques
en milieu rural………………………………………………….……...........62
I-D.3.1 Equipements traditionnels : un budget au service de
l'éclairage et de l'audiovisuel…………………………………..…..62
I-D.3.2 Applications et équipements…………………………………...….64
I-D.3.2.1 Usages domestiques…………………………………..…...64
I-D.3.2.2 Usages publics……………………………………………..66
I-D.3.3 Etude du cas du village Tirga-Ait Ouakki……………….66
I-D.4 Solutions pour l'électrification en milieu rural……………………………..69
I-D.4.1 Electrification conventionnelle………………………...……69
I-D.4.2 Contraintes économiques et techniques de l'électrification rurale
I-D.4.2.1Dispersion de la population et coût des raccordements
I-D.4.2.2 Demande rurale et coût de fonctionnement des réseaux
I-D.4.2.3 Faisabilité globale……………………………...….74
I-D.4.3 Tarification et taxes……………………………………..….74
I-D.4.3.1 Produits pétroliers…………………………………76
I-D.4.3.2 Gaz naturel……………………………………...…77
I-D.4.3.3 Electricité……………………………………….….78
I-D.4.3.4 Nécessité de trouver des solutions novatrices… 81
5
I-D.4.4 Electrification décentralisée…………………………………82
I-D.5 Investissement dans le secteur énergétique………………………...….…....84
I-D.6 Conclusion…………………………………………….………..…………...…86
Conclusion………………...………………………………………………………………….86
CHAPITRE II : CARACTERISTIQUES DU POTENTIEL EOLIEN DU
SITE DE TANGER…………………………………...………………..88
Introduction……………………………………...…………………………………………..89
II.1 Etude statistique de la vitesse du vent……………………………...……………..90
II.1.1 Introduction…………………………………...……………………...………..90
II.1.2 Moyenne et maxima de la vitesse du vent……………………………...…91
II.1.3 Variations saisonnières et annuelles……………………………………...….93
II.1.4 Variations interannuelles…………………………………..………………….95
II.1.5 Variations quotidiennes…………………………………………………….…97
II.1.6 Distribution des fréquences…………………………………………………..98
II.1.6.1 Répartitions des vitesses horaires………………………………….98
II.1.6.2 Fréquence cumulée des vitesses horaires………………………….99
II.1.7 Conclusion…………………………………………………………………....102
II.2 Traitement statistique de la direction du vent………………………………….102
II.2.1 Introduction…………………………………………………………………..102
II.2.2 Distribution de la vitesse du vent suivant les 18 directions
principales du vent…………………………………………………………...103
II.2.3 Roses des vents pour le site de Tanger…………………………………..103
II.2.4 Conclusion……………………………………………………………………106
II.3 Modélisation mathématique des distributions des fréquences de la vitesse
du vent..……...…………………..…………………...…………………………….…107
II.3.1 Introduction………………………………………………………………......107
II.3.2 Loi de Weibull………………………………………………………………107
II.3.3 Détermination des paramètres de Weibull…………………………………109
II.3.4 - Loi de Weibull Hybride…………………………………………………...111
II.3.5 Energie éolienne disponible…………………………………………………119
II.3.6 Profil vertical du vent par rapport au sol………………………………....121
II.3.7 Conclusion…………………………………………………………………....125
II.4 Influence du pas et du nombre d’années de mesures sur l’estimation
du potentiel éolien…………………………………………....……..………...........126
II.4.1 Introduction…………………………………………………………...126
II.4.2 Influence de la fréquence des mesures sur le calcul des
6
moyennes mensuelles de la vitesse du vent…………………….…………...126
II.4.3 Influence du nombre d’années de mesures sur la vitesse du vent……..130
II.4.4 Validation des résultats obtenus……………………………………134
II.4.4.1 Variations mensuelles de la vitesse du vent…………….134
II.4.4.2 Fréquences cumulées………………………………………135
II.4.4.3 Répartition des vitesses horaires…………………………136
II.4.4.4 Distribution de Weibull hybride………………………….138
II.4.5 Conclusion…………………………………………………………....139
II.5 Modélisation stochastique de la vitesse du vent………………………………...140
II.5.1 introduction…………………………………………………………………...140
II.5.2 Revue bibliographique…………………………………………….…………140
Partie A : Modélisation par un modèle auto-régressif…….…………………………..142
II.5.A.1 Introduction………………………………………………………………...142
II.5.A.2 Construction d'une variable stationnaire à distribution gaussienne…...143
II.5.A.2.1 - Transformation gaussienne…………………………………..…143
II.5.A.2.2 Nécessité d'une variable aléatoire stationnaire………………..144
II.5.A.2.3 Elimination de la variation saisonnière……………………..…145
II.5.A.2.4 Elimination de la variation journalière……………………......145
II.5.A.2.5 Examen de la stationnarité……………………………………..151
II.5.A.2.6 Examen de la normalité………………………………………..151
II.5.A.2.8 Fonctions d'auto corrélation mois par mois…………………...156
II.5.A.3 Méthodologie…………………………………………...........................….159
II.5.A.3.1 Rappel sur le modèle Auto-Régressif AR(p)…………………159
II.5.A.3.2 Identification du modèle………………………………………...159
II.5.A.3.3 Détermination de l'ordre du modèle…………………………...160
II.5.A.3.4 Estimation des paramètres du modèle………………………....160
II.5.A.3.5 Test du modèle………………………………………………….165
II.5.A.4 Application du modèle obtenu pour générer une année de référence
pour le site de Tanger……………………………………………………...166
II.5.A.4.1 Calcul et comparaison des fonctions d'autocorrélation (fac) réelles et simulées……………...……………………...166
II.5.A.4.2 Acceptation du modèle Auto Régressif d’ordre 2 (AR(2))…...167
II.5.A.4.3 Validation du modèle………………………………………...…168
II.5.A.4.4 Détermination de l'année type………………………………....175
II.5.A.5 Conclusion…………………………………………………………………175
Partie B : Simulation par le modèle markovien……………………………………...176
II.5.B.1 Introduction………………………………………………………………...176
7
II.5.B.2 Modèle de la chaîne de Markov pour la vitesse du vent…………….176
II.5.B.3 Analyse des moyennes horaires de la vitesse du vent………………...178
II.5.B.4 Interprétation des résultats………………………………………………..181
II.5.B.5 Discussion de la matrices de transition………………………………....181
II.5.B.6. Génération synthétique des Moyennes Horaires de la Vitesse du vent..182
II.5.B.6.1 Choix d’une nouvelle variable………………………………....182
II.5.B.6.2 Ajustement des densités de probabilités par des fonctions….182
II.5.B.6.3 Formulation de la procédure de simulation d’une
séquence synthétique………………………………………………..183
II.5.B.7 Préservation des caractéristiques statistiques par le modèle…………...184
II.5.B.7.1 Moyenne, variance, matrices des probabilités de
transition et histogramme…………………………………..185
II.5.B.7.2 Densité spectrale (S) d’énergie et auto corrélation……………186
II.5.B.7.3 Probabilité de persistance………………………………………188
II.5.B.8 Conclusion…………………………………………………………………190
II.5. Conclusion………………………………………………………………….….191
Conclusion………………………………..…………………………………………………191
CHAPITRE III : INTEGRATION DE L’ENERGIE EOLIENNE DANS
L’ELECTRIFICATION DES VILLAGES ISOLES……………....193
Introduction………………………………………………………………………………...194
III.1 Système hybride Aérogénérateur/Groupe électrogène…………………….……194
III.2 Hypothèses pour la modélisation…………………………………………………195
III.2.1 Données éoliennes…………………………………………………………..195
III.2.2 Demande d’énergie…………………………………………………………197
III.2.3 Taille de l’aéromoteur et puissance nominale……………………………198
III.2.4 Groupe électrogène (GEG)………………………………………………….201
III.2.5 Taille et types des batteries……………………………………………….202
III.3 Traitement informatique du modèle et résultats………………………...……..205
III.3.1 Données d’entrées………………………………………………………..…205
III.3.2 Composantes du système…………………………………………………..206
III.3.3 Calcul économique………………………………………………………….206
III.3.4 Résultats de l'optimisation du système……………………………………209
III.3.4.1 Effet de la vitesse nominale de vent (Vn/Vm)…….……….…….209
III.3.4.2 Effet des batteries……………………………………………..…...214
III.3.4.3 Effet de la stratégie de contrôle……………………………..…...218
8
Conclusion…………………………………………………………………………………..221
CHAPITRE IV : OPTION DE L’ENERGIE EOLIENNE AU MAROC………….213
Introduction………………………………………………………………………………...221
IV.1 Localisation des zones les plus venteux………………………………………….222
IV.2 Evaluation quantitative de la puissance éolienne exploitable dans
les sites retenus…………………………………………………………….………222
IV.3 Aérogénérateurs……………….……………………………………………………..224
IV.3.1 Aérogénérateurs à axe horizontal………………………………………….224
IV.3.2 Aérogénérateurs à axe vertical…………………………………………….224
IV.4 Technologies éoliennes disponibles………………………………………………..225
IV.4.1 Tailles des aérogénérateurs………………………………………………...226
IV.4.2 Facteur de capacité…………………………………………………………226
IV.5 Capacité de puissance éolienne installée à travers le monde………………...226
IV.5.1 Vent : 10 % de la consommation en électricité vers 2020……………...228
IV.5.2 Investissement, coût et création d'emplois…………………………..…...229
IV.5.2.1 Investissement………………………………………….…….……..229
IV.5.2.2 Coût……………………………………………………………...…..230
IV.5.2.3 Création d'emplois……………………………………………….....231
IV.5.3 Bénéfices environnementales des 10 %………………………..…...231
IV.6 Energie produite par un aérogénérateur………………………………………..231
IV.7 Dimensionnement d'une centrale électrique éolienne…………………………..232
IV.7.1 Dimensionnement d'un parc éolien………………………………………..233
V.7.1.1 Caractéristiques de l'aérogénérateur………………………………233
IV.7.1.2 Caractéristiques du réseau électrique……………………………233
a. Connexion Aérogénérateur/Réseau électrique national………...234
b. Connexion Aérogénérateur/Groupe électrogène………………..235
IV.7.1.3 Caractéristiques du vent………………………………………….237
IV.7.2 Projets de parcs éoliens dans les sites retenus…………………………..239
IV.7.3 Analyse économique………………………………………………………..240
IV.7.3.1 Coût d'installation…………………………………………………240
IV.7.3.2. Coût d'exploitation……………………………………………….241
IV.7.3.3 Prix de vente……………………………………………………...242
IV.7.3.4 Taux d'intérêt……………………………………………………...242
IV.7.3.5 Délais d'emprunt…………………………………………………..242
9
IV.7.3.6 Taux d'inflation…………………………………………………...242
IV.8 Résultats de l'analyse de la rentabilité économique…………………………...242
Conclusion…………………………………………………………………………………..248
CONCLUSION GENERALE…………………………………………………………….250
BIBLIOGRAPHIE…………………………………………………………………………250
ANNEXES
A : DISTRIBUTIONS DE LA VITESSE DU VENT MESURE DES
SITES VENTEUX AU MAROC……………...…………………………………265
B : CARACTERISTIQUES DE L’AEROGENERATEUR…………………………..267
B.1 Puissance maximale récupérable par un aéromoteur………………………..268
B.2 Action du vent sur les pales………………………………………………....268
B.3 Paramètres de fonctionnement et Performance d’un aéromoteur…………..269
B.4 Profil de la puissance d'un aéromoteur……………………………………...271
B.5 Calcul du coefficient effectif de la puissance……………………..………...272
C : DONNEES TECHNIQUES DES AEROGENERATEURS 150 et 250 kW…..273
D : PRESENTATION DES OUTILS DE CALCUL DE LA
RENTABILITE ECONOMIQUE D’UN PROJET…………………………..….279
D.1 Investissements…………………………………………………………...…...280
D.1.1 Investissements en limites des unités de production……..280
D.1.2
Frais de location ou d'achat du terrain…………………………..280
D.1.3 Fonds de roulement………………………………………….280
D.2 Charges fixes…………………………………………………………………..281
D.2.1 Amortissements………………………………………………281
D.2.2 Intérêt des emprunts………………………………………...281
D.2.3 Entretien (maintenance)……………………………………...282
D.2.4 Taxes et assurances………………………………………….282
10
D.3 Main d’œuvre…………………………………………………………………283
D.4 Etude de la rentabilité économique d’un projet………………………...283
D.4.1 Critères économiques………………………………………...283
D.4.2 Méthode du POT ou du temps de remboursement simplifié
D.4.3 Méthodes reposant sur l’actualisation des revenus………..285
E : Estimation of daily and monthly direct, diffuse and global solar
radiation in Rabat…………………………………….…………………………..290
Renewable Energy, Vol.3, No.8, pp.923-930, 1993
F : STOCHASTIC SIMULATION OF HOURLY AVERAGE WIND
SPEED SEQUENCES IN TANGIERS (MOROCCO)……………………….299
Solar Energy Vol.56, No.3, pp.01-314, 1996
G : COST OF ELECTRICITY GENERATED AND FUEL SAVING
OF AN OPTIMIZED WIND-DIESEL ELECTRICITY SUPPLY
FOR VILLAGE IN TANGIERS-AREA (MOROCCO)……………………...314
Proc. 4th World Renewable Energy Congress, 16 – 21 Juin 1996–Denver,
Colorado.(USA)
H : WIND CHARACTERISTICS AND WIND ENERGY POTENTIAL
IN MOROCCO…………………………………………………………………...320
Solar Energy, Vol.63, No.1, pp.51-60, 1998
I : A stochastic Markov chain model for simulating wind speed times
series at Tangiers, Morocco……………………………………………………...331
Renewable Energy, 29(2004) 1407-1418
J : WIND ENERGY AND ITS ECONOMY IN SOUTH OF MOROCCO……...334
Proc. 8th World Renewable Energy Congress, 28 Août – 3 Septembre 2004 –
Denver, Colorado.(USA)
11
INTRODUCTION GENERALE
1 Electrification des zones isolées
Le Maroc compte en 1996, plus de 85 % des villageois qui n'ont pas accès à
l'alimentation en électricité. Cependant, l'électrification rurale s'est accélérée
sensiblement depuis 1980, date de lancement de la première phase du Programme
National d'Electrification Rural (PNER) qui a permis d'électrifier, sur la période 19801986, 286 centres ruraux soit une moyenne de 50 centres par an. Après 1990, environ
1 800 localités rurales ont été électrifiées par le réseau interconnecté. La deuxième
phase du programme PNER, entamée en 1990, a visé l'électrification de 200 000 foyers
à l'horizon 2000. Cependant, avec l'accumulation des retards, le rythme d'électrification
rurale n'a pas dépassé 50 villages par an durant la période 1986-95. Mais grâce au
Programme d’Electrification Rurale Globale (PERG) initié en 1995, le taux
d’électrification a augmenté de 22 % en 1996 à 55 % en 2002.
Concernant les énergies renouvelables, 30 villages (1 500 foyers) ont été
électrifiés entre 1990 et 1994 en énergie solaire. Mais pour les groupes électrogènes
(GEG), 2500 centres ruraux (14 % des localités rurales) sont auto - électrifiées en 1990.
Le prix de l'électricité générée par l'utilisation des GEG est plus élevé que celui
obtenu à partir du réseau électrique national. Ceci est dû en partie à l'isolement des
sites qui tend à faire augmenter le coût du transport du fuel, mais aussi parce que les
GEG fonctionnent généralement à des puissances inférieures à leurs puissances
nominales. Pour plusieurs villages isolés, la problématique de la réduction du coût
d'électricité est résolue par la limitation d'approvisionnement en électricité à quelques
heures par jour, le soir.
Le but de ce travail est de contribuer à l’étude des caractéristiques du gisement
éolien marocain avec une étude spécifique du site de Tanger ainsi que la faisabilité
technique et économique de fournir une alimentation en électricité continue par
intégration de l'énergie éolienne (kits éoliens et systèmes hybrides), c'est à dire 24 heures
par jour pour une communauté isolée située dans une zone venteuse ou de produire
de l’électricité par l’installation de parcs d’éoliens, ce qui participe à l’indépendance
énergétique du Maroc.
12
2 Sources d'énergie pour les communautés isolées
Il y a plusieurs méthodes d'exploitation des ressources d'énergie disponibles
pour alimenter des consommateurs potentiels en électricité. Cependant, pour les
villages isolés en particulier, le choix est généralement limité par les faibles
consommations d'énergie des foyers et l'emplacement géographique. Ainsi, pour des
considérations économiques, les avantages et les inconvénients des diverses ressources
d'énergie disponibles seront discutées par la suite, afin d'identifier l'option la plus
prometteuse pour les communautés isolées marocaines.
2.1 Connexion au réseau électrique national
L'extension du réseau électrique national à l'ensemble du pays est la solution la
plus souhaitable tant les avantages sont multiples : continuité, extensibilité, réponse
rapide à une augmentation de la demande, etc. Cependant le coût de raccordement est
une variable du nombre de foyers par Kilomètre de ligne électrique. Dans le cas
d'une petite communauté dispersée le coût sera plus élevé que pour une large
communauté.
2.2 Microcentrales hydroélectriques
Les microcentrales hydroélectriques sont une autre méthode de génération
d'électricité à coût réduit, mais les sites appropriés pour ce type d'électrification sont
très rares. La génération d'électricité par microcentrales hydroélectriques peut être
rentable particulièrement pour les sites isolés, si une topographie appropriée peut être
trouvée. Pour des besoins réduits, c'est à dire quelques foyers, l'eau peut être
détournée d'une rivière pour faire fonctionner une micro - centrale plutôt que de
construire un barrage coûteux.
2.3 Moteurs à combustible
Les moteurs à combustible fonctionnant soient au fuel, au pétrole, au gasoil, au
gaz, au biogaz, à l’alcool ou même à certaines huiles végétales. Ils ont été développés
durant plusieurs années. Le choix d'un combustible particulier dépend principalement
du lieu d'installation de la centrale électrique, puisque celui-ci va déterminer le coût et
la disponibilité du combustible utilisé.
13
Le moteur à compression, et plus précisement, le groupe électrogène (GEG), a
été utilisé durant plusieurs années dans des domaines variés, principalement pour le
transport, mais aussi pour la génération d'électricité de réserve (au cas où le réseau
électrique tombe en panne) ou pour l'électrification isolée. Pour la génération
d'électricité, la taille typique du GEG varie de quelques kiloWatts pour un foyer, à
plusieurs mégaWatts pour les réseaux locaux de taille moyenne.
Pour l'électrification locale, la génération d'électricité par les groupes électrogènes
(GEG) possède de nombreux avantages. Le moteur peut démarrer rapidement, s'il y a
une demande d'énergie urgente, et la vitesse de régulation est correcte et stable : la
vitesse chute à peu prés de 3 ou 4 % entre le fonctionnement sans charge et celui de
pleine charge. Le fuel peut être stocké indéfiniment et avec plus de sécurité que le
pétrole.
L'inconvénient des groupes électrogènes (GEG) est le coût de fonctionnement,
qui a tendance à être excessif à cause principalement du fuel. Ce dernier est raffiné à
partir du pétrole brut dont le prix a considérablement augmenté durant les dernières
années. En 1973, la guerre au Moyen Orient a eu pour résultat la hausse du prix du
baril de pétrole de 2 à 12 Dollars ($). Bien que le prix du pétrole ait chuté durant les
dernières années, il est prévu que la tendance des prix sera à l'augmentation puisque
les réserves en combustibles diminuent.
2.4 Energies renouvelables
L'énergie solaire peut être utilisée de plusieurs façons et prend plusieurs formes
indirectes. Les réserves mondiales totales de combustibles fossiles sont à peu prés
équivalentes à une semaine d'irradiation solaire, et approximativement 1 % du
rayonnement solaire incident sur la surface terrestre qui se convertit en énergie
éolienne [105]. Les combustibles fossiles, tels que le charbon, le pétrole et le gaz ont
effectivement emmagasiné l'énergie solaire pour plusieurs millions d'années. Le Maroc
dispose d'une insolation assez importante ce qui rend l'électrification par l'option
solaire des communautés isolées possibles malgré le prix non encore compétitif des
cellules photovoltaïques.
L'énergie éolienne est considérée aujourd'hui comme la source la plus
prometteuse des énergies renouvelables. Dans les sites où la force du vent est élevée,
l'énergie éolienne peut fournir de l'électricité moins chère que le charbon ou le
14
nucléaire. A l’échelle nationale, quelques décisions ont été prises pour exploiter
l'énergie éolienne, allant de l'utilisation des aérogénérateurs individuels ou intégrés au
Panneaux photovoltaïque/Groupe électrogène à la construction de parcs éoliens. Avec
l'arrivée d'autres opérateurs que l'Office National d'Electricité sur le marché de la
production de l'électricité, il est possible de prévoir la construction d'un grand nombre
de parcs éoliens à travers le Maroc.
Pour plusieurs communautés isolées au Maroc utilisant actuellement les groupes
électrogènes (GEG) pour s'approvisionner en électricité et disposant d'une vitesse du
vent moyenne annuelle dépassant 5 m/s, le vent peut devenir une ressource d'énergie
abondante : l'énergie éolienne est une solution appropriée pour l'électrification des
communautés isolées situées dans ces régions mais un certain nombre de problèmes
techniques et économiques restent à résoudre avant que ces régions puissent bénéficier
d'une telle énergie.
3 Energie éolienne
L'homme a exploité l'énergie éolienne depuis la navigation à voile jusqu'à la
génération d'électricité par les aérogénérateurs. Les anciennes utilisations des énergies
éoliennes, de type voile à toile, trouvent leur origine en Perse, en Chine et en
Méditerranée. Elles sont utilisées pour drainer, scier le bois et moudre les grains, mais
la commodité et l'efficacité des moteurs à vapeur et plus récemment les moteurs à
combustible marquent la fin des éoliennes traditionnelles.
Vers les années cinquante, dans le cadre des programmes des énergies
alternatives, l'exploitation de l'énergie éolienne a été encouragée, mais l'intérêt porté à
ce type d'énergie s'est affaibli à cause de la chute du prix du pétrole et du prix
prometteur de l'énergie nucléaire. C'est à partir de 1977, suite à la crise du pétrole en
1973 due à la guerre au Moyen Orient, que la construction des parcs d’éoliens a
connu un développement rapide et continu.
4 Grandes lignes de la thèse
Ce travail s'inscrit dans le cadre de la valorisation et l'utilisation des énergies
renouvelables, en particulier l'énergie éolienne au Maroc qui tend à être considérée
comme une pièce maîtresse pour répondre aux besoins immédiats des populations
rurales et contribuer à l’indépendance énergétique et au développement économique.
15
Cette étude s'est, avérée d'une part, nécessaire pour le Maroc, qui est dépourvu
de ressources pétrolières et qui importe actuellement une bonne partie de son
approvisionnement en énergie. L'exploitation de l'énergie éolienne peut donc constituer
un moyen de diversification des sources d'énergie. D'autre part, sachant qu'il existe
une grande variété de systèmes de conversion éolienne, il est nécessaire de bien
étudier les caractéristiques du gisement éolien marocain afin d'y adapter les systèmes :
choisir le type de convertisseur le mieux adapté au site, dimensionner le système et
évaluer ses performances. Ceci est d'autant plus important que la source - vent est
différente des sources classiques d'énergie. Lorsqu'on utilise l'énergie éolienne, il n'y a
pas de consommation de matière mais seulement utilisation d'un flux d'énergie dont
les caractéristiques essentielles sont ses variabilités quotidienne et saisonnière, aux ses
effets prévisibles et calculables, alors que ses variations d'origine climatiques sont
complètement aléatoires.
L'un des objectifs de ce travail est de montrer que le coût de génération du
kWh pour électrifier les villages isolés et situés dans des zones venteuses telle que la
région de Tanger, peut être significativement réduit par l'intégration des
aérogénérateurs aux groupes électrogènes (GEG) avec ou sans stockage pour au moins
assurer la continuité d'approvisionnement en électricité, mais en espérant améliorer sa
qualité.
Ce mémoire contient une description détaillée d'un modèle informatique d'un
système hybride Aérogénérateur/Groupe électrogène avec stockage à court et moyen
terme pour calculer le combustible consommé, et cela pour une vaste gamme de
données. Il est possible de déterminer les effets de la combinaison de plusieurs
paramètres, principalement à travers les données du vent et la demande en électricité.
Les deux entrées principales du programme informatique considéré sont la
source d'énergie principale, soit le vent, et la raison de la génération d'électricité, soit
la demande. Nous nous sommes limités aux moyennes horaires de la vitesse du vent
mesurées de 1978 à 1989 à l'aéroport de Tanger et aux puissances électriques horaires
moyennes mesurées durant deux journées, l'une représentant l'été et l'autre représentant
l'hiver pour le village Tirga-Ait Oukki (province d'Errachidia) comptant 116 foyers
électrifiés dans le cadre du Programme Pilote d’Electrification Rural (PPER), et cela à
cause du manque de données pour des fréquences élevées de mesure (un pas de
mesure de 1 à 2 secondes) avec une grande variation des caractéristiques pour ces deux
entrées.
16
Dans le premier chapitre, après un aperçu sur l'évolution de la situation
énergétique au Maroc depuis 1980, une étude bibliographique concernant ce qui a été
fait au niveau de l'évolution et l'exploitation des énergies renouvelables, plus
particulièrement, l'énergie éolienne au Maroc a été faite. L'un des volets de ce travail
consiste à comparer les potentiels solaire et éolien pour 17 stations météorologiques où
les mesures du vent sont fiables. Ce qui permet d'identifier des sites venteux et/ou
bien des sites où il y a complémentarité entre des potentiels solaire et éolien.
Ensuite, après une étude bibliographique sur les besoins énergétiques dans les
communautés rurales, les efforts d'électrification rurale entrepris au Maroc et les
solutions possibles, nous montrerons la possibilité d'intégrer l'énergie éolienne pour la
production d'électricité de puissance par parcs éoliens ou pour l'électrification
décentralisée des villages dont l'extension au réseau électrique national est coûteuse.
Le deuxième chapitre traitera ensuite les caractéristiques du gisement éolien
marocain avec une étude spécifique pour le site de Tanger. Le choix de cette zone
venteuse est consécutif au fait que pour ce site, nous disposons d'une longue série des
moyennes horaires de la vitesse du vent (MHVV) s'étalant de 1987 à 1989 (échantillon
de 105 000 données) et deux années de données horaires pour la direction du vent
(1988-1989) relevées dans la station météorologique de Tanger par la Direction de la
Météorologie Nationale (DMN).
Le traitement des données et la présentation des résultats dépendent de la nature
et du nombre de mesures disponibles ainsi que du système de conversion choisi. C'est
pour cela que nous nous sommes efforcés de présenter un grand choix des données,
afin de répondre aux besoins des utilisateurs.
Après une première réduction du volume important des données par des
traitements statistiques, celles-ci sont compactées sans perte significative d'informations
qu’elles contiennent par l'adaptation des modèles statistiques aux distributions
fréquentielles de la vitesse du vent. Cette méthode a l'avantage de représenter les
données observées par un nombre de paramètres limités. Une troisième représentation
des données déduite de l'étude de l'influence du pas et du nombre d'années de
mesures sur l'estimation du potentiel éolien présente l'avantage de limiter la série de
mesures sans perte des caractéristiques statistiques de la série originale.
Le dimensionnement d'un système éolien basé uniquement sur une analyse
statistique non temporelle des moyennes horaires de la vitesse du vent (MHVV) est
17
insuffisant car les fluctuations aléatoires de la vitesse du vent au cours du temps
contraignent le système à fonctionner en régime permanent, de plus la mémoire de
ces fluctuations influence grandement le dimensionnement optimal du système. L'étude
du comportement dynamique d'un système éolien exige donc que l'on prenne en
compte les corrélations avec le temps. Cette étude peut être faite grâce aux modèles
dynamiques qui ont l'avantage de générer des séries de valeurs probables à un pas de
temps défini, en un site donné, avec les mêmes caractéristiques dynamiques de la
série réelle. II suffit donc de quelques paramètres pour générer toute une série de
données dont l'optimisation nous produit une année de référence de la vitesse du vent.
Nous présentons dans cette partie deux approches de modélisation, une par l’utilisation
de modèles auto régressifs de type AR(p), où p est l’ordre du modèle, l’autre par
l’utilisation d’une modélisation probabiliste en chaîne de Markov.
L'avantage de la modélisation par ordinateur pour l'évaluation et la comparaison
rapide de différents systèmes hybrides est de faciliter la collecte des données de base
sur les caractéristiques de fonctionnement de l'aérogénérateur, le groupe électrogène
(GEG), les batteries et l'onduleur.
Certaines de ces informations seront présentées dans ce chapitre, sous forme
d'étude préliminaire de chaque composante du système, ainsi que les données
particulières et les hypothèses qui vont être utilisées dans le modèle ultérieurement.
Pour les caractéristiques de l'aérogénérateur, notre choix s'est porté sur celui d'un
aérogénérateur à axe horizontal à vitesse de rotation constante qui a l'avantage de
pouvoir être relié au réseau électrique national en cas d'électrification du village
considéré.
Dû à la spécificité de la demande en énergie de la communauté considérée et
dans le but de généraliser l'application des résultats de cette modélisation, nous avons
utiliser un ensemble harmonieux d'entrées généralisées au programme informatique afin
de permettre une comparaison directe des performances de différents systèmes. Pour la
généralisation des résultats, on les calcule par kW de demande moyenne en
normalisant la demande plutôt que de se baser sur le type et la taille particulière du
village considéré. Les paramètres d'entrées sont aussi exprimés de la même manière :
la taille de l'aérogenérateur est présentée en terme de surface balayée (m2) ou de la
puissance nominale (kW) par kW de demande moyenne où les effets de l'échelle vont
dépendre des hypothèses économiques. Ceci peut être simplement accommodé par le
18
changement de paramètre prix dépendant du profil de la demande, et par conséquent
de la gamme de la taille du système.
Le profil de la demande normalisée sera utilisé partout avec une gamme étroite
d’hypothèses économiques pour évaluer les performances relatives aux différents
systèmes sur la base du coût de génération du kWh d'électricité délivrée. La
section.IV du chapitre III présente deux options de stratégies de contrôle pour intégrer
les composantes du système examinées.
Enfin, au chapitre IV, 10 projets de parcs d'éoliens dans les régions les plus
venteuses du Maroc proposés, seront soumis aux tests des critères de coûts et de
rentabilité. Il s'agit du coût de l'énergie du vent pour différents sites à travers le pays;
utilisant des aérogénérateurs de puissances nominales de la gamme 150 à 250.kW par
aérogénérateur allié à une variation du prix de vente du kWh. De plus, les projets
seront soumis au test d'autres paramètres énergétiques et financiers, tels que la
capacité de la puissance à installer, le financement de l'installation, le taux d'intérêt, le
taux d'actualisation, etc.
19
PRESENTATION DES ANNEXES
Afin de ne pas surcharger la partie principale de ce mémoire, nous avons
regroupé en annexes nos publications antérieure les plus importantes relative au sujet
sont présentées en annexe ainsi que les caractéristiques de la vitesse du vent d’un
site, les caractéristiques théoriques et techniques d’un aérogénérateur et les outils de
calcul concernant la rentabilité économique d’un projet.
Dans l’étude du gisement éolien d’un lieu, on a toujours besoin d’un certain
nombre de formules et de modèles, exposées à la section 1 du chapitre II, et surtout
des mesures de la vitesse du vent pour connaître ses caractéristiques. L’Annexe A
regroupe les distributions de la vitesse du vent mesurée pour les sites venteux choisis.
S’il est plus facile de déterminer l’énergie éolienne reçue au sol, elle est, par
contre, difficilement calculable après sa conversion en électricité par un aérogénérateur.
L‘Annexe B et C présentent les formules de calcul des caractéristiques théoriques d’un
aérogénérateur à axe horizontal et à vitesse de rotation constante pour l’optimisation
du système Aérogénérateur/Groupe électrogène et les caractéristiques techniques pour
deux types d’aérogénérateurs (150 kW et 250 kW) nécessaires pour l’étude de la
rentabilité économique des parcs éoliens considérés.
L’Annexe D présente une revue bibliographique des outils nécessaire pour une
étude de la rentabilité économique d’un projet
Enfin, les Annexes E, F, G, H, I et J, regroupent nos publications les plus
importantes de 1993 à 2004
20
CHAPITRE
I
SITUATION ENERGETIQUE, GISEMENT EOLIEN ET BESOINS
ENERGETIQUES DANS LES COMMUNAUTES RURALES AU MAROC
21
I.
SITUATION ENERGETIQUE, GISEMENT EOLIEN ET BESOINS
ENERGETIQUES DANS LES COMMUNAUTES RURALES AU MAROC
Introduction
Le Maroc est confronté à une forte contrainte énergétique causée par sa
dépendance de l’importation des énergies commerciales, et l'utilisation extensive de
l'énergie traditionnelle : le bois de feu et le charbon de bois, dans le secteur rural.
Ceci se manifeste par un montant de la facture énergétique nette élevé et par une
consommation énergétique par habitant au Maroc, en tant qu'indice de développement,
faible.
Compte tenu de l'insuffisance en ressources énergétiques locales mobilisables, la
satisfaction des besoins est demeurée largement tributaire des produits énergétiques
importés. Pour faire face au problème de la dépendance, il y a différentes solutions
proposées telles que l'intégration des énergies renouvelables, l'augmentation de la
consommation du gaz naturel ou l'installation des centres nucléaires pour la production
d'électricité.
Une forte inégalité de consommation caractérise le modèle de consommation
entre un secteur moderne (résidentiel riche, tertiaire moderne, industrie, transports) qui,
en règle générale, utilise l'énergie de façon peu efficace, et un secteur rural et
périurbain largement privé d'énergies commerciales et consommant du bois de feu et
du charbon de bois, contribuant à la déforestation.
L'un des volets de ce travail de recherche consiste à sélectionner les sites
prometteurs pour l'utilisation de l'énergie éolienne, d'évaluer et de déterminer les
caractéristiques du potentiel éolien et de présenter des informations spécifiques dont
les utilisateurs de l'énergie éolienne avaient besoin en reprenant les études antérieures
par le choix d’une longue série de données climatologiques du vent pour ces sites.
Cette évaluation s'avère intéressante non seulement pour l'étude de l'efficacité des
systèmes éoliens destinés au pompage de l'eau ou l’utilisation électrique autonome,
mais aussi pour juger la faisabilité des parcs éoliens au Maroc et trouver une nouvelle
source d'électricité.
22
Dans ce chapitre, nous allons aussi donner un aperçu sur l'évolution de la
situation énergétique au Maroc depuis 1982. Ainsi, nous présentons la nécessité
d'intégrer l'énergie éolienne pour l'électrification décentralisée des villages dont
l'extension au réseau électrique national est coûteuse ou pour la production d'électricité
de puissance par l’installation des parcs éoliens.
I-A Contexte général
I-A.1 Energie : une matière première vitale
Dans toutes nos activités quotidiennes, nous faisons appel à l’énergie sous ses
différentes formes. Elle est une source stratégique pour le développement durable. Pour
la majorité des pays importateurs d’énergie, l’approvisionnement en ressources
énergétiques en quantités suffisantes relève de la sécurité nationale dans la mesure où
son manque peut immobiliser l’appareil productif et handicaper la croissance
économique du pays. La crise énergétique de 1973, la guerre de Golf en 1991 et la
guerre d’Irak en 2003 sont autant d’exemples qui illustrent, si besoin est, le rôle
géopolitique et stratégique que joue l’énergie au niveau planétaire. La question
énergétique doit être examinée dans une perspective globale intégrant les aspects
institutionnels, économiques, environnementaux et les aspects du développement social.
I-A.2 Perspectives mondiales de l’énergie
La croissance démographique, le développement économique et social suscitent
une demande de plus en plus accrue en énergie surtout en pétrole et en gaz. La
réserve énergétique mondiale est limitée et estimée à 784.Milliards Tonne en
Equivalent de Pétrole (TEP) (Figures I.1 et I.2)
23
Energie primaire en milliars de TEP
6
5
Pétrole
4
Gaz
3
Charbon
2
1
Nucléaire
0
0.0
1970
1.5
1980
3.0
1990
4.5
Renouvelable
Hydraulique
2000
2010
2020
6.0
7.5
9.0
2030
10.5
Année
Figure I.1 : Demande mondiale de l’énergie primaire [1].
Total toutes énergies = 784 Milliards TEP
17%
18%
Pétrole
Charbon
Gaz natuel
142 MTEP
507 MTEP
40 ans
507 ans
135 MTEP 135 ans
65%
Figure I.2 : Réserve énergétique mondiale (Source : Observatoire de l’Energie
Français d’après BP Statistical Review, Juin 2000) [1]
Les statistiques du Conseil Mondial de l’énergie montrent qu’au cours des
quarante dernière années, les besoins mondiaux en énergie ont augmentés dans des
proportions considérables. En 1960, la consommation énergétique mondiale était de
3.3Milliards de TEP; en 2000, elle a atteint 10.0 Milliards de TEP, ce qui présente
une augmentation de 203 % en 40 ans, ou encore un accroissement annuel moyen de
2.8 % [1,2].
24
Année 2000 : 10 Milliards TEP
Renouvelable
3%
Nucléaire
8%
Hydraulique
3%
Pétrole
37%
Charbon
26%
Gaz naturel
23%
Année 2030 : 15 Milliards TEP
Renouvelable
4%
Hydraulique
2%
Nucléaire
5%
Charbon
24%
Pétrole
37%
Gaz naturel
28%
Figure I.3 : Consommation mondiale en énergie primaire par produit [1].
L’analyse des perspectives mondiales futures de la fourniture et l’utilisation de
l’énergie est complexe dans la mesure où plusieurs facteurs façonnent l’offre et la
demande d’énergie tels que les effets de l’environnement, l’efficacité dans l’utilisation
d’énergie, etc… Selon la référence [1], la demande d’énergie primaire passera de
10.0Millions de TEP en 2000 à 15.0 Millions de TEP en 2030 (Figure I.3).
Notons que plus de la moitié de cet énergie est consommée par les pays
membres de l’Organisation pour la Coopération et le Développement Economique
25
(OCDE) mais, tout le continent africain ne consomme que 5 % de la consommation
énergétique mondiale (Figure I.4).
Chine
12%
Ex URSS
9%
Asie
11%
OCDE
53%
Afrique
5%
Amérique Latine
5%
Europe hors OCDE
Moyen orient
1%
4%
Figure I.4 : Consommation mondiale en énergie primaire par région [1].
I-A.3 Energie et développement économique
Jusqu’au milieu des années 1970, on constate une liaison étroite entre la
croissance du Produit Intérieur Brut (PIB) dans les pays industrialisés et la croissance
de la consommation d’énergie. Les chocs pétroliers vont montrer qu’il n’en est rien et
que le lien est beaucoup plus souple qu’on le supposait [1].
I-A.4 Energie et environnement
La fourniture et l’utilisation de l’énergie contribuent à la dégradation de
l’environnement surtout à celle de la qualité de l’air, et, dans certaines mesures, à la
pollution du sol et de l’eau. Par exemple, le dioxyde du carbone, CO2, émis lors de
la combustion des combustibles fossiles et de la biomasse, contribue à l’effet de serre,
et, par la suite, à l’échauffement de la planète et à la destruction de la couche
d’ozone.
26
I-B Situation énergétique du Maroc
I-B.1 Introduction
Cette partie se propose d'étudier la situation énergétique au Maroc sous les
aspects suivants : économiques, écologiques et sociales.
I-B.2 Aspects économiques
I-B.2.1 Indicateurs économiques du secteur
I-B.2.1.1 Balance, consommation et dépendance énergétiques
Le bilan énergétique marocain demeure caractérisé par la prédominance des
produits pétroliers qui ont représenté, en 2002, environ 61 % de la consommation en
énergie conventionnelle évaluée à prés de 10.5 Millions de TEP. Le charbon occupe la
deuxième place avec 32 %, tandis que l'apport de l'électricité d'origine hydraulique
s'est limité à 2 % compte tenu de la sécheresse (alors qu'elle comptait pour 8 %
environ en 1980). Durant les deux dernières décades, la consommation d’énergie au
Maroc a augmenté de 122%, plus du double comme le montre les tableaux I.1-I.3 et les
figures I.5 et I.6.
Tableau I.1 : Consommation et production d'énergie au Maroc [2]
Consommation
1000 TEP
Electricité (1)
Charbon (2)
Produits pétroliers (3)
Gaz naturel (4)
Total
1982
149
438
4 086
60
4 733
1992
255
1 107
5 801
18
7 181
1982/2002 en %
2002
634
326
3 382
672
6 445
58
37
38
10 498
122
Production
1000 TEP
Electricité hydraulique
Electricité éolienne
Charbon
Pétrole brut
Gaz naturel
Total
1982
149
412
15
60
635
1992
255
322
10
18
606
1982/2002 en %
2002
222
49
50
0
-100
12
-19
37
-103
321
-49
TEP : Tonne en Equivalent de Pétrole soit :
Electricité
: 1000 kWh = 0.26 TEP
Charbon local
: 1 tonne = 0.56 TEP
Pétrole brut : 1 tonne
= 0.93 TEP
Charbon importé : 1 tonne = 0.66 TEP
Gaz naturel : 1 tonne
= 0.76TEP
(1) Il s’agit de la production brute de l’ONE jusqu’à 1996
(4) : production locale
(2) Ventes locale + importation du charbon et du coke
(3) Il s’agit des ventes des sociétés distributrices des produits suivants:essences, gasoil, fuel-oil, essence
aviation, pétrole lampant, propane, butane, essences spéciale et paraffine
27
12
12
Electricité
Charbon
Produits pétroliers
Gaz natural
10
10.5
10
Millions de TEP
8
8
7.2
61%
6
6
4.7
81%
4
4
86%
2
2
0
0
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002
Années
(*)
: il s’agit de l’électricité hydraulique
Figure I.5 : Consommation énergétique au Maroc [3].
2500
Production d'électricité
Puissance installée
2000
1000
1500
1000
500
500
0
0
1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002
Année
Figure I.6 : Electricité hydraulique [3]
28
Production (Millions de kWh)
Puissance installée (Millions de kW)
1500
Tableau I.2 : Importation, exportation et facture énergétiques [2,3].
Importation
énergétique
Pétrole brut
Produits pétroliers
Electricité (GWh)
Charbon
Total
Importation
produits pétroliers*
Pétrole brut
Gas oil
Bîtumes
Butane
Propane
Carburéacteur
Huiles
Paraffine
Additifs
Total
1982
Quantité
103tonnes
4468
176
42
1993
Valeur Quantité
(MDh) 103tonnes
6 351
743
1 027
1 310
1982
Quantité
103tonnes
4468
21
109
35
7
4
176
1993
Valeur Quantité
(MDh) 103tonnes
6 351
216
495
32
7 094
2002
Valeur Quantité
(MDh) 103tonnes
6 981
6 182
357
381
883
923
55
77
144
8
8 276
7 716
Valeur
(MDh)
12 073
966
2 529
231
377
29
16 205
1982
Quantité
103tonnes
200
7
207
1993
Quantité
103tonnes
33
463
496
2002
Quantité
103tonnes
46
597
744
1 387
Valeur
(MDh)
135
1 462
1 105
2 702
Valeur
(MDh)
6 981
1 295
437
422
9 135
2002
Quantité
103tonnes
6 182
1 533
1 392
5 000
Valeur
(MDh)
12 073
4 132
400
2 500
19 105
* hors gasoil pêche
Exportation
produits pétroliers
Huiles
Naphta
Propane
Fuel oil
Total
Valeur
(MDh)
-
-
Facture énergétique nette
Année
1982
Total (MDh)
Valeur
(MDh)
74
662
736
1993
2002
8 399
16 403
Tableau I.3 : Dépendance énergétique [2,3]
Déficit énergétique
1000 TEP
Taux de dépendance énergétique (%)
Part du pétrole dans la consommation (%)
Importation nette d’énergie/Produit interne brut (%)
1982
4 098
87
86
1993
6 748
93
82
3.3
2002
10 176
97
61
4.1
29
Comparé à la France, un pays industrialisé, ou à la Tunisie dont la population
n’est que le tiers de celle du Maroc, ce dernier consomme des quantités annuelles en
énergie conventionnelle et en électricité en 2001 comparables à celles de la Tunisie
mais, elles sont très faibles par rapport à celles de la France (Figures I.7 et I.8). La
même remarque reste valable pour les consommations par an et par habitant (Figure I.9
et I.10).
Sé rie1
Maroc
10
Anné e 2000
Espagne
125
Portugal
24
France
257
Tunisie 8
Turquie
77
0
100
200
300
Millions de TEP
Figure I.7 : Consommation énergétique annuelle en TEP en 2001 [1].
Année 2000
Maroc 15
Série1
Espagne
209
Portugal
41
France
441
Tunisie 9
Turquie
104
0
100
200
300
400
TWh
Figure I.8 : Consommation énergétique annuelle en TWh en 2001 [1].
30
500
Maroc
0.35
Espagne
3.13
Portugal
2.46
Série1
France
4.25
Tunisie
0.82
Turquie
1.15
0
1
2
3
4
5
TEP
Figure I.9 : Consommation annuelle par habitant en TEP en 2001 [1].
500
Maroc
5250
Espagne
4100
Portugal
Sé rie1
7300
France
990
Tunisie
1560
Turquie
0
1000
2000
3000
4000
5000
6000
7000
8000
kWh
Figure I.10 : Consommation annuelle par habitant en kWh en 2001 [1].
Si l'on examine la consommation d'énergie par secteur de 1990 à 2001, on
remarque que la répartition sectorielle de la consommation énergétique n’a pas
beaucoup changée malgré son augmentation de 78 % (Tableau I.4).
Tableau I.4 : Répartition sectorielle de la consommation d’électricité[1].
1990
Electricité en TWh
Commercial
(%)
Résidentiel
(%)
Industriel
(%)
Autres*
(%)
1995
7.34
47
26
15
9
1999
9.47
44
29
18
9
2001
11.6
43
29
19
9
13.1
43
29
19
9
(*) : Agriculture + éclairage public
31
I-B.2.1.2 Secteur pétrolier
La consommation énergétique nationale est passée de 4.7 Millions de TEP en
1982 à près de 10.5 Millions de TEP en 2002. Elle reste marquée par la
prépondérance des produits pétroliers même si la part de ces derniers est tombée de
86 % en 1982 à 61 % en 2002 en raison de l'entrée en service de la centrale de Jorf
Lasfar fonctionnant au charbon (Tableaux I.1 et I.2, Figure I.5).
Pour assurer l'adéquation de l'offre et de la demande des produits pétroliers, le
Maroc importe directement certains produits raffinés tels que le gasoil, le butane, le
carburéacteur et le propane. Il procède également à l'exportation des excédents de
raffinage notamment le naphta (Tableau I.2).
La figure I.11 montre que le marché national des produits pétroliers en 2001
est dominé par le gasoil avec 49 %, en second rang vient le fuel et le butane avec
19 % et 18 % respectivement, l’essence, le carboréacteur (Kérosène) et le propane
partage les 14 % restant avec un cumul de 6.1 MTEP.
Butane
Ordinaire 18%
1%
Pétrole
2%
Carbureacteur
4%
Super
5%
Propane
2%
Gasoil
49%
Fuel oil
19%
Figure I.11 : Répartition des produits pétroliers au marché national en 2001 [1]
I-B.2.1.3 Secteur gaz naturel
La consommation du gaz, qui est restée à ce jour quasi - négligeable
(20.millions de m3/an), est appelée à s'accroître de manière significative, après la mise
en service du Gazoduc Maghreb Europe (GME) [1,2]. Dans le cadre de la sécurité
d’approvisionnement, l'introduction du gaz va modifier le paysage énergétique national.
Son utilisation est prévue dans un premier temps, pour les futures centrales électriques
de Tahaddart I (384 MW, mise en service 2005) et Tahaddart II (384 MW, mise en
32
service 2006) qui vont consommer 540 Millions de m3 de gaz naturel [1]. Le projet
de construction d'un deuxième Gazoduc en vue d'alimenter les industries de l'axe
Kénitra, Mohammedia et Casablanca, est à l'étude [2].
I-B.2.1.4 Secteur électrique
D'origine hydraulique et thermique, la quasi - totalité de la production de
l'électricité est assurée par l'Office National de l'Electricité (ONE) jusqu’à 1996 avec
une contribution faible du privé de l’ordre de 10 % [2]. La puissance électrique
installée par l’ONE et les auto producteurs est passée de 1 815 MW en 1982 à
4696.MW en 2002 dont 53.9 MW est d’origine éolienne installée en 2000 soit 1.2 %
de la puissance électrique installée (Figure I.12).
5000
Thermique
Hydraulique
Eolien
4500
4000
1.22%
Puissance installée (en MW)
3500
3000
2500
2000
80%
1500
1000
500
61%
62%
0
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002
Année
Figure I.12 : Puissance électrique installée [2]
L'Office National d’Electricité (ONE) a disposé du monopole de transport et
jusqu'en 1994, de celui de la production. Il assure également la distribution dans les
centres éloignés et dans certaines villes non desservies par les régies. Cependant, dans
la plupart des zones urbaines, la distribution est assurée par onze régies autonomes
(distribution d'eau et d'électricité) qui représentent ainsi une proportion de l'ordre de
50 % des ventes de kWh [2].
33
Les importations d'électricité de l’Espagne, d'Algérie et l'apport des tiers
(principalement l'Office Charifien des Phosphates, OCP) se sont élevées à 1 477 GWh
en 2002, soit 10 % de la consommation électrique totale durant cette année. Suite à la
libéralisation progressive du secteur électrique par la privatisation des sociétés de
raffinage tels que l’octroi de concessions pour la production d’électricité : cas pour la
centrale de Jorf Lasfer et du parc éolien de Koudia AlBeida et la centrale électrique
de Tahaddart, la production concessionnaire de l’électricité a atteint 62 % de l’énergie
électrique nette consommée en 2002. La consommation électrique nette s’est établie à
15540 GWh en augmentation de 64 % par rapport à l’année 1982 (Tableau I.5,
Figure.I.13)
Tableau I.5 : Production nette de l'électricité [3].
Production en
GWH
Usines hydrauliques
Centrales thermiques
Usines auto producteurs de
secours
Quantité
555
4 479
1982
%
11
89
Quantité
964
7 418
1992
%
11
88
82/92 %
74
66
Quantité
842
3641
2002
%
19
80
92/02 %
-13
-51
9
0
14
1
57
40
1
198
Production :ONE
5 043
100
8 396
100
66
4 523
100
-46
Achat électrique en
kWh
Quantité
1982
%
Quantité
1992
%
82/92 %
Quantité
2002
%
92/02 %
100
2 911
9 567
1 477
14.1
87
13
40
-40.5
11 018
100
100
945
Production concessionnaire
(1)
Apport des tiers (2)
Parc éolien
Auxiliaires centralesTHT
/HT pompés du réseau
Total
35
35
100
100
1 054
1 054
100
2 911
Energie nette consommée 5 078
100
9 450
100
86
15 540
100
(1) : Jorf Lasref + Parc éolien de Koudia AlBeida
(2) : Maroc Phosphore + Maroc Chimie etc…+ importation de l’Algérie et de l’Espagne
34
64
Energie électriqure en millions de KWh
16000
Production électrique par l'O.N.E.
Energie électrique nette appelée
14000
12000
10000
8000
6000
4000
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
Années
Figure I.13 : Consommation nette d'électricité [3].
I-B.2.1.5 facture énergétique nationale
Au cours de l’année 2002, la facture énergétique brute s'est élevée à
19105.MDh dont 63 % pour l'importation du pétrole brut. Au cours de cette même
année, le Maroc a exporté les excédents de raffinage (principalement du naphta) pour
une valeur globale de 2 702 MDh. La facture énergétique nette s’est élevée à
16403.MDh, absorbant 10 % des recettes des exportations (Tableaux I.2).
I-B.3 Aspects écologiques
L’utilisation de l'énergie conventionnelle contribue à la dégradation de
l'environnement, surtout à celle de la qualité de l'air. Si la consommation de l'énergie
reste une donnée fondamentale de notre style de vie moderne et un important facteur
de développement et d'amélioration des conditions de vie de la population mondiale, il
n'en demeure pas moins que des efforts doivent être consentis en vue d'atténuer
l'impact environnemental associé à l'énergie. Ces efforts doivent être orientés selon les
quatre axes principaux suivants :
35
- une meilleure maîtrise du secteur énergique en vue d'une amélioration des
rendements de production, de conversion, de distribution et d'utilisation de l'énergie,
- la promotion de l'utilisation de technologies propres,
- l'utilisation des énergies renouvelables en complément aux énergies classiques,
- la promotion des combustibles moins polluants par l'intégration du concept du coût
environnemental dans les prix des combustibles.
I-B.3.1 Ressources naturelles
Le Maroc ne dispose pas de ressources énergétiques locales importantes. Si on
comptabilise l'hydro – électricité, qui peut être considérée comme ressource
renouvelable, l'énergie commercialisable locale ne dépasse pas 380 000 TEP, soit 4.5%
de la consommation globale nationale. Cependant, la consommation du bois de feu et
du charbon de bois est très répandue surtout dans le milieu rural [2].
L'énergie traditionnelle occupe une place très importante dans la consommation
énergétique nationale : le bois de feu et le charbon de bois représentent une
consommation annuelle estimée à 30 % de la consommation totale, soit près de
3.47MTEP [2].
L'exploitation massive et non contrôlée du bois de feu, peut avoir plusieurs
conséquences préjudiciables à l'environnement. En effet, l'abattage excessif des arbres
pour leur utilisation comme bois de feu ou du bois de charbon, peut engendrer une
déforestation massive, un déséquilibre écologique de l'écosystème qui se manifeste par
la dégradation de la qualité de l'air, l'érosion des sols, la désertification, les
changements climatiques, etc.
I-B.3.2 Impact des changements climatiques
Les grands modèles climatiques prévoient, qu'en cas de doublement de la
concentration en dioxyde de carbone, CO2, dans l'atmosphère (prévu en 2050), la
région du Maroc connaîtrait une augmentation de la température moyenne annuelle de
plus de 4° C, ce qui aurait des conséquences directes sur les ressources en eau
disponibles et sur leur qualité, avec des impacts négatifs sur l'eau potable, l'agriculture,
la santé et d'une manière générale sur le développement économique du pays [2].
36
L'une des conclusions d’une étude réalisée sur les sources d'émissions des Gaz
à Effet de Serre (GES) au Maroc est que le Maroc contribue peu à l'accroissement de
la concentration dans l'atmosphère des GES. Par contre, c'est un pays à haut risque
quant à l'impact possible des changements climatiques sur ses ressource en eau, sa
forêt et son littoral (Tableau I.6).
En effet, de par la situation géographique du Maroc (zones aride et semi-aride)
et ses choix politiques (priorité pour le développement agricole), son développement se
trouve largement conditionné par le climat et l'eau.
Tableau I.6 : Bilan des émissions des Gaz à Effet de Serre par source d'émission et
par type de gaz en 1990 (en 1000 tonnes) [2].
CO2
CH4
1. Energie.
Energies conventionnelles,fossiles 19 287
8.8
2. Forêts.
Biomasse – Energie(combustible
965
54
hors site)
Eclaircissement net des forêts * 1 320
Incendies forêts
80
0.3
Total émission forêts
2 365
54.3
3. Agriculture.
Conversion des prairies**
8 213
Riziculture
2.9
Elevage :
Fermentation entérique
231
Déchets animaux
10
Engrais chimiques
Total émission agriculture
8 213 243.9
4. Industrie (procédés).
Cimenteries
2 680
3. Déchets.
Décharges d'ordures
138
Eaux usées municipales
3.5
Eaux usées industrielles
1.3
Total émission déchets
- 142.8
TOTAL
32 545
450
Total E-CO2
32 545 11 025
Pourcentage
74.1
25.1
CO
NO2
NOx
Total
E-CO2
%
42
0.57
66.32 19 685
44.8
455
0.35
8.4
2 400
5.5
3
458
0.002
0.35
0.06
8.46
1 320
88
3 808
3.0
0.2
8.7
-
-
-
8 213
71
18.7
0.2
-
0.19
0.19
- 5 660
245
61
- 14 250
12.
0.6
0.1
32.5
-
-
500
-
1.11
355
0.8
-
2 680
6.1
- 3 382
86
32
- 3 500
74.8 43 923
- 43 923
100
7.7
0.2
0.1
8.0
100
Source : Etude réalisée par le GERERE pour le Ministère de l’Environnement, Rabat avril 1995
* Eclaircissement net = défrichement - reboisement
** Conversion en terres cultivées.
37
Le climat de la région se caractérise périodiquement par des épisodes de
sécheresse, fréquentes et de longue durée (quelques années) au cours desquelles les
potentialités en eau mobilisable (estimées à 21 milliards de m3) connaissent des baisses
importantes (de 50 à 90 %) et leur impact au niveau économique est fortement
ressenti [2]. Le déficit hydraulique que pourrait connaître la région aura un impact
négatif certain sur la forêt ainsi que sur la désertification.
Un autre impact possible des changements climatiques est l'élévation du niveau
des océans avec des conséquences sur le littoral qui représente au Maroc une zone
importante par la concentration de la population qui y vit et par les rôles qu'elle joue
(pêche, transport maritime, tourisme balnéaires, etc.) [2].
I-B.3.3 Bilan général des émissions des Gaz à Effet de Serre, GES
En 1990, le Maroc a émis environ 44 Millions de tonnes de gaz EquivalentCO2, dont 74 % de CO2, soit 1.7 tonnes E-CO2 par habitant dont 1.3 tonne de
CO2.[2]
Le captage de CO2, par la forêt en 1990 a été estimé à 4.6 Millions de tonnes
environ, ce qui représente 14 % de CO2 total émis. Ce chiffre, qui confirme la faible
productivité de la forêt marocaine, aurait tendance à diminuer avec la déforestation [2].
L’analyse des résultats obtenus pour 1990 montre que 45 % des émissions de
Gaz à Effet de Serre (GES) au Maroc sont imputables à la consommation des
combustibles fossiles, essentiellement les produits pétroliers (84 %) et charbon (16 %)
(Tableau I.6). C’est donc sur ce secteur qu’il faudra concentrer les efforts. A noter
que malgré l’importance de ces chiffres, au niveau global, la consommation de
l’énergie au Maroc reste faible en comparaison à des pays voisins tels que l’Algérie
et la Tunisie [2].
I-B.3.4 Déforestation
La situation géographique du Maroc entre la Méditerranée au Nord, l'Atlantique
à l'Ouest et le désert saharien au Sud ainsi que l'orientation générale de son relief (du
Sud - Ouest au Nord - Est) lui confère une grande variété bioclimatique et une
importante gamme de milieux naturels (types d'écosystèmes) où se développent une
38
flore et une faune extrêmement variées. Ainsi, l'ensemble des formations végétales y
sont représentées : 4 700 espèces végétales sont dénombrées dont 537 néfastes [2].
Les formations forestières (y compris les nappes alfatières), qui abritent une
importante biodiversité, couvrent quelques 9 millions d'hectares situés en majeure partie
dans des climats semi-arides, subhumides. Selon les espèces, ces formations se
répartissent en cèdre, chêne vert, acacia, arganier, alfa, etc. La superficie boisée au
Maroc, qui ne représente que 8% du territoire national, reste faible par rapport à la
norme (15 à 20) nécessaire à l'équilibre écologique et environnemental [2].
I-B.4 Aspects sociaux
L'importance de l'énergie ne provient pas seulement de sa valeur intrinsèque en
tant que matière première, mais surtout pour les services qu'elle est susceptible de
rendre : chauffage, climatisation, cuisson, éclairage, mobilité et force motrice. Du fait
de la diversité de ces services et leur importance primordiale pour les ménages,
l'industrie, l'agriculture, la communication, le transport, etc., l'énergie constitue une
ressource vitale pour le développement humain.
I-B.4.1 Développement inégal en milieu rural et urbain
Presque la moitié de la population marocaine demeure une population rurale.
La majorité de cette population rurale vit dans des sites enclavés, dispersés et
difficiles d'accès. Elle dispose de peu de moyens et n'a pas accès aux services et
infrastructures de base pour satisfaire ses besoins vitaux: éducation, santé, hygiène, etc.
Avec les retards cumulés de plusieurs années, le développement social du
monde rural pose un véritable défi au progrès du Maroc. Les moyens nécessaires pour
juste assurer les infrastructures de base pour les besoins vitaux tels que l'éducation, la
santé et l'hygiène doivent être augmentés.
I-B.4.2 Milieu rural
Contrairement au milieu urbain, le milieu rural au Maroc se caractérise par une
sous énergitisation. Cette situation constitue un handicape pour le développement
socio-économique du monde rural aussi dans les secteurs économiques que sociaux
(santé, qualité de vie, etc….). De même l'énergie permet l'accès, grâce au pompage, à
39
l'eau dans les régions où cette ressource est rare, favorisant ainsi l'hygiène et la
prévention.
En l'absence des énergies commerciales, les populations rurales ont recours
surtout au bois de feu. Les particules émises par la combustion de bois dans les fours
traditionnels peuvent causer des affections respiratoires des enfants et des femmes.
I-B.5 Conclusion
Le Maroc dépend, pour plus de 85 % de l'extérieur en ce qui concerne son
approvisionnement en produits énergétiques. La facture pétrolière éponge 10 % des
recettes d'exportation en 2002. Comparée à la moyenne mondiale (1.4 TEP/habitant par
an) en 1994, la consommation annuelle énergétique primaire commerciale par habitant
0.3TEP par an n'est pas seulement très faible par rapport aux pays voisins de la
Communauté Economique Européenne (CEE) (3.0 TEP) ou des Etats Unis d’Amérique
(USA) (7.5 TEP), mais aussi par rapport aux autres pays du Maghreb (Algérie,
0.61TEP et Tunisie, 0.57 TEP par an et par habitant) [2] et n’a pas beaucoup variée
durant la dernière décade, 0.35 TEP en 2001 [1].
Cependant, l'usage des formes traditionnelles d'énergie comme le bois, le
charbon de bois, reste largement extensif, la part de la consommation est estimée à
30 % de la consommation totale. Ce qui constitue un grand danger pour l'équilibre
écologique et socio - culturel des écosystèmes.
40
I-C Energie éolienne au Maroc
I-C.1 Introduction
Après la première crise énergétique (1973), un intérêt pour le développement
des énergies renouvelables est apparu à travers le monde y compris le Maroc. La
politique énergétique s’est intéressée de plus en plus aux aspects d'utilisation de ce
genre de ressources. Dans ce sens, un établissement public, le Centre de
Développement des Energies Renouvelables (CDER), a été crée le 6 mai 1982, venant
ainsi concrétiser l'intérêt porté à la promotion de ce secteur.
Au Maroc, l'utilisation de l'énergie éolienne a commencé dans les années trente
avec l'utilisation d'éoliennes multipales pour alimenter en eau la population et le bétail
en milieu rural; mais son utilisation pour la production d’électricité de puissance par
installation de parcs éoliens, n’a débuté qu’en 2000.
Les travaux de recherche sur le gisement éolien marocain et son exploitation
pour le pompage de l’eau ou pour la production d’électricité restent limités malgré les
données de la vitesse du vent à long terme remontant jusqu’à 1948, dont se dispose
la Directions de la Météorologie Nationale (DMN).
Il nous a semblé en même temps intéressant de comparer les potentiels éolien
et solaire au Maroc pour les dix sept stations météorologiques pour lesquelles les
mesures de la vitesse du vent et l'irradiation solaire globale sont fiables et
significatives. Cette étude permettra d’établir la complémentarité entre les énergies
éolienne et solaire des sites les plus venteux. De telles informations sont utiles pour
l’utilisation de l'énergie éolienne pour l'électrification du monde rural où l'isolement de
certains villages et surtout le coût des carburants pétroliers constituent un obstacle
sérieux à la généralisation de la production d'électricité par les Groupes ElectroGènes
(GEG).
I-C.2 Données du vent disponibles
Depuis 1948, une dizaine de stations météorologiques marocaines dont plusieurs
situées dans les aéroports, furent équipées par des anémomètres et des girouettes pour
41
mesurer la vitesse et la direction du vent. En 1978, leur nombre atteignait la
trentaine. Elles sont gérées par la Direction de la Météorologie Nationale (DMN).
Dans de nombreuses stations, nous disposons des moyennes horaires de la vitesse et
la direction du vent, mesurées à une hauteur de 10 m au-dessus du niveau de la mer
à l'exception de Laâyoune où elle est de 15 m [4]. Les mesures sont archivées sur
fichiers mais leur exploitation est restée très réduite à part quelques travaux de
recherche conduits au niveau des établissements de l’enseignement supérieur [5,6] et
quelques institutions de recherche ainsi que le Centre de Développement des Energies
Renouvelables (CDER) [4]. Ce document concerne principalement l'évaluation du
gisement éolien et le traçage d'une carte des régimes des vents moyens au Maroc, en
se basant sur cinq années de mesures de la vitesse du vent (1978-1982) pour dix sept
stations météorologiques, répondant aux normes définies par l'Organisation de la
Météorologie Mondiale (OMM) (Tableau I.7, Figures I.14 et I.15).
Dans le cadre de la Coopération Technique allemande, pour la détection des
sites côtiers les plus venteuses, le Centre de Développement des Energies
Renouvelables (CDER) a lancé en 1991 une campagne de mesures de courtes durées
allant de trois mois à deux années pour plus de dix stations. Les données sont
publiées dans l’ouvrage [7]. En 1995, neuf anémomètres sont installés par le CDER
pour contribuer à l’évaluation du potentiel éolien de la région Nord – Est et le Sud [8]
Tableau I.7 : Stations synoptiques retenues [4].
Station
Latitude
Nord (°)
Agadir
30.23
Béni-Mellal
32.22
Casablanca
33.34
Dakhla
23.46
Fes
33.55
Ifrane
33.30
Kenitra
34.18
Laâyoune
27.10
Marrakech
31.37
Midelt
32.41
Nador
35.90
Ouarzazate
32.56
Oujda
34.47
Rabat
34.30
Errachidia
31.56
Safi
32.17
Tanger
35.43
CA : Chauvin Arnoux
42
Longitude Altitude
Ouest (°) (m)
9.34
6.24
7.40
15.56
4.58
5.10
6.36
13.13
8.02
4.44
2.55
6.54
1.56
6.46
4.24
9.14
5.54
18
468
56
11
571
1664
5
63
464
1508
7
1136
465
75
1037
43
15
Début des Type
de Hauteur de
données l'anémomètre l'anémomètre(m)
1949
1970
1947
1980
1961
1961
1951
1976
1947
1951
1976
1950
1947
1948
1973
1955
1949
CA / JR
10
CA
10
CA / JR
10
JR
10
CA
10
CA
10
CA / JR
10
CA
15
CA / JR
10
CA
10
JR
10
CA
10
CA / JR
10
CA / JR
10
CA
10
CA
10
CA / JR
10
JR : Jules Richard.
43
44
Tableau I.8 : Moyennes mensuelles et annuelles de la vitesse du vent mesurée, V(m/s) [4]
Station
J
F
M A
Agadir
Béni-Mellal
Casa
Dakhla
Fes
Ifrane
Kenitra
Laâyoune
Marrakech
Midelt
Nador
Ouarzazate
Oujda
Rabat
Errachidia
Safi
Tanger
2.5
0.7
2.9
5.8
2.9
2.6
2.2
4.8
2.1
4.4
3.3
1.7
3.7
3.2
2.7
3.9
4.7
2.9
1.0
3.9
7.0
2.8
3.1
3.1
5.0
2.5
5.7
3.9
2.1
3.9
3.3
3.2
3.9
5.2
2.4
1.0
3.6
7.9
2.8
3.0
3.2
5.7
2.9
5.3
3.9
2.9
3.6
2.9
3.9
4.4
4.9
3.1
1.1
3.9
9.1
2.6
2.8
3.8
5.2
2.9
5.6
3.9
4.0
3.7
3.3
4.4
4.0
5.1
M
3.0
1.3
4.5
10.6
2.7
2.8
3.9
6.4
3.2
4.8
4.0
3.6
3.9
3.3
4.6
4.3
5.4
J
Jt
2.7
1.6
3.1
11.2
2.4
2.1
3.9
6.7
3.5
3.3
3.9
3.5
3.9
2.9
5.5
4.2
4.9
2.2
1.6
3.7
11.2
2.8
2.6
3.8
7.3
3.1
3.3
3.9
3.5
3.8
2.7
4.1
4.3
5.9
A
2.2
1.5
3.3
10.3
2.9
2.7
3.7
7.5
2.8
3.0
3.5
3.2
3.6
2.6
4.0
4.2
5.5
S
O
N
D
2.3
1.2
3.1
8.5
3.0
2.8
3.4
5.7
2.7
2.7
3.4
2.4
3.3
2.7
3.4
3.9
6.1
2.1
0.9
3.2
6.6
3.3
3.1
3.0
4.4
2.3
3.7
3.3
2.4
3.5
2.8
3.0
3.9
5.6
2.6
0.6
2.5
5.5
3.2
2.8
2.4
4.5
1.9
3.9
2.9
1.8
3.3
2.4
2.3
3.5
6.3
1.7
0.6
3.3
6.4
3.4
2.8
2.9
4.7
1.5
4.6
4.3
2.2
4.5
2.8
2.4
3.6
5.2
Annuelle
Période
2.5
1.1
3.5
8.4
2.9
2.8
3.3
5.7
2.6
4.2
3.7
2.8
3.7
2.9
3.6
4.0
5.4
1978-1982
1978-1982
1978-1982
1980-1983
1978-1982
1978-1982
1978-1982
1978-1982
1978-1982
1978-1982
1979-1983
1978,1980-83
1978-1982
1978-1982
1978-1982
1978-1982
1978-1982
Tableau I.9: Moyennes mensuelles et annuelles de la puissance éolienne estimée, P(W/m2)[4]
Station
Agadir
Béni-Mellal
Casablanca
Dakhla
Fes
Ifrane
Kenitra
Laâyoune
Marrakech
Midelt
Nador
Ouarzazate
Oujda
Rabat
Errachidia
Safi
Tanger
J
F
56
6
73
235
45
38
56
125
25
269
107
52
107
44
20
71
161
M
109
8
171
390
45
44
91
160
39
343
143
57
121
51
93
67
218
29
5
71
530
40
39
78
185
53
344
126
89
78
31
81
83
159
A
56
5
77
787
34
36
94
137
40
299
105
162
90
38
129
61
170
M
53
22
108
989
33
32
111
221
55
231
118
115
95
40
141
73
182
J
Jt
35
8
71
1205
24
16
91
227
62
110
107
93
93
26
178
65
192
21
11
61
1247
32
24
88
273
51
102
105
89
93
21
89
62
340
A
27
12
49
925
34
29
85
288
41
87
73
82
89
18
79
62
291
S
O
27
7
43
517
31
26
76
155
46
75
69
45
69
22
61
57
298
37
4
57
283
48
40
74
86
34
170
88
61
87
24
40
58
200
N
69
4
42
183
53
43
76
120
25
222
83
34
117
26
24
49
278
D
23
4
70
284
84
49
90
116
18
324
257
87
194
30
24
55
225
Annuelle
45
8
74
640
42
35
84
175
41
208
115
81
103
31
80
64
226
45
Tableau I.10: Moyennes mensuelles et annuelles du facteur de forme estimé, K (sans unité)[4]
Station
Agadir
Béni-Mellal
Casablanca
Dakhla
Fes
Ifrane
Kenitra
Laâyoune
Marrakech
Midelt
Nador
Ouarzazate
Oujda
Rabat
Errachidia
Safi
Tanger
J
1.48
1.58
1.59
2.11
1.63
1.50
1.47
2.18
1.80
2.01
1.53
1.22
1.78
1.94
2.28
2.11
1.79
F
1.32
1.51
1.60
2.23
1.66
1.67
1.64
2.06
1.83
2.17
1.60
1.34
1.72
1.92
1.53
2.20
1.77
M
1.96
1.76
2.22
2.27
1.78
1.80
1.87
2.43
1.85
1.90
1.67
1.39
2.01
2.01
1.91
2.50
1.99
A
1.81
1.84
2.31
2.26
1.78
1.74
2.23
2.48
2.07
2.27
2.09
1.47
2.07
2.38
1.77
2.46
2.05
M
1.87
1.43
2.45
2.91
1.90
1.81
2.04
2.94
1.99
2.21
1.91
1.43
2.11
2.16
1.77
2.78
2.21
J
2.10
1.96
2.56
2.82
1.98
1.89
2.26
3.51
2.05
2.22
2.20
1.53
2.23
2.35
1.97
2.99
1.82
Jt
2.05
1.85
2.44
2.69
2.05
1.96
2.29
4.27
2.05
2.07
2.07
1.55
2.14
2.46
1.95
3.21
1.70
A
1.84
1.76
2.50
2.88
2.00
1.96
2.21
4.59
1.98
2.21
2.24
1.53
2.06
2.54
2.04
3.12
1.77
S
2.00
1.76
2.30
3.05
2.26
2.09
2.09
3.00
1.97
2.21
2.36
1.54
2.00
2.45
1.88
2.63
1.97
O
1.57
1.81
2.03
2.52
1.96
1.86
1.93
2.50
1.84
2.19
1.82
1.38
1.85
2.23
1.87
2.51
2.21
N
1.37
1.59
1.76
2.45
1.74
1.58
1.57
1.99
1.78
1.97
1.65
1.39
1.55
1.80
1.79
2.15
2.15
D
1.52
1.58
1.68
2.30
1.49
1.61
1.72
2.30
1.74
2.04
1.39
1.13
1.75
1.90
1.82
2.06
1.71
Annuelle
1.63
1.67
1.99
2.22
1.80
1.74
1.90
2.52
1.89
2.00
1.77
1.39
1.88
2.08
1.71
2.46
1.88
Tableau I.11 : Moyennes mensuelles et annuelles du facteur d'échelle estimé, C(m/s) [4]
Station
Agadir
Béni-Mellal
Casablanca
Dakhla
Fes
Ifrane
Kenitra
Laâyoune
Marrakech
Midelt
Nador
Ouarzazate
Oujda
Rabat
Errachidia
Safi
Tanger
46
J
3.73
2.30
4.26
6.88
3.52
3.45
4.03
5.56
3.39
9.17
4.80
3.90
5.32
3.73
3.26
4.55
5.69
F
3.96
2.29
5.21
8.33
3.64
3.91
4.87
5.96
3.83
9.41
5.50
4.09
5.36
3.86
3.87
4.58
6.30
M
3.49
2.16
4.94
9.16
3.67
3.91
4.99
6.58
4.17
9.10
5.32
4.63
4.98
3.39
4.69
5.07
5.95
A
4.23
2.21
5.05
10.4
3.61
3.75
5.57
6.05
4.03
8.96
5.57
5.66
5.38
3.86
5.27
4.53
6.11
M
4.20
2.43
5.68
11.8
3.61
3.70
5.78
7.25
4.39
8.47
5.61
4.81
5.50
3.79
5.61
4.97
6.45
J
3.84
2.37
5.03
12.6
3.41
3.16
5.47
7.44
4.55
7.04
5.82
4.54
5.65
3.43
6.24
4.84
6.15
Jt
3.27
2.57
4.73
12.6
3.71
3.52
5.44
8.00
4.34
6.60
5.57
4.70
5.55
3.22
5.09
4.78
7.14
A
3.20
2.54
4.52
11.6
3.67
3.78
5.34
8.21
4.10
6.54
5.13
4.63
5.47
3.11
4.99
4.77
6.95
S
3.56
2.28
4.25
9.61
3.70
3.64
5.17
6.43
4.25
6.42
5.14
3.95
4.91
3.28
4.44
4.51
7.39
O
3.23
2.11
4.46
7.66
3.97
3.98
5.08
5.19
3.78
8.21
5.08
3.91
5.02
3.21
3.67
4.53
6.67
N
3.61
2.02
3.76
6.70
3.84
3.79
4.87
5.40
3.32
8.73
4.71
3.34
5.13
2.95
2.80
3.99
7.39
D
2.71
1.99
4.62
7.50
4.01
4.17
5.29
5.64
3.08
9.80
5.90
3.66
6.42
3.26
3.05
4.14
6.18
Annuelle
3.61
2.31
4.74
9.71
3.71
3.74
5.20
6.54
3.98
8.21
5.37
4.38
5.40
3.43
4.42
4.62
6.53
Tableau I.12 : Moyennes mensuelles et annuelles de la fréquence des vents nuls
observée, F0 (%)[4]
Station
Agadir
Béni-Mellal
Casablanca
Dakhla
Fes
Ifrane
Kenitra
Laâyoune
Marrakech
Midelt
Nador
Ouarzazate
Oujda
Rabat
Errachidia
Safi
Tanger
J
F
25
64
24
04
07
14
40
02
31
46
24
53
21
02
08
04
06
M
18
52
15
05
12
12
29
04
26
32
20
43
19
02
08
04
07
A
21
49
17
03
13
13
27
03
22
35
18
32
18
05
06
02
06
M
18
45
12
01
18
14
23
04
18
29
21
21
22
03
06
01
05
J
20
42
10
00
15
16
24
02
18
36
20
17
20
03
07
02
06
Jt
20
25
13
00
21
25
20
01
14
47
24
14
22
05
01
03
10
A
25
31
12
00
14
16
20
00
19
44
20
18
22
06
08
01
07
S
24
32
18
00
12
20
22
01
23
48
23
24
25
06
10
01
10
O
27
40
18
00
08
14
26
01
28
52
24
32
23
07
12
01
07
N
26
51
19
02
06
13
33
04
31
49
26
33
22
02
08
04
06
Annuelle
D
22
64
24
07
07
17
44
06
35
50
31
39
27
09
08
02
05
31
63
19
03
06
24
38
07
46
47
20
36
21
04
10
03
05
23
47
17
02
11
17
29
03
26
43
23
30
22
04
08
02
07
I-C.3 Données solaires disponibles
Il n'existe que trois stations marocaines où les mesures de l'irradiation solaire
globale d'un plan horizontal sont disponibles pour une longue période. Par contre, plus
d'une trentaine de stations météorologiques mesurent la durée d'insolation depuis 1955.
En ce qui concerne les sites de Casablanca et Béni Mellal, les mesures sont
effectuées par la Direction de la Météorologie National (DMN). Pour Rabat, elles sont
faites au laboratoire d'énergie solaire de la Faculté des Sciences de Rabat [9].
A partir des mesures de la durée d'insolation et de l'irradiation globale d'un
plan horizontal de toutes les stations météorologiques jusqu'en décembre 1981 et en
tenant compte des caractéristiques climatiques, des cartes ont été établies par Buret et
Al. [9] présentant les courbes d'iso-rayonnement en kWh.m-2 pour tout le territoire. Les
figures I.16a et I.16b montrent deux exemples de ces cartes donnant la durée moyenne
de l’insolation annuelle et les moyennes annuelles des irradiations globales
quotidiennes.
Plusieurs travaux ont étudié des corrélations entre l'indice de clarté, Kt, et la
fraction d'insolation, , en utilisant les valeurs quotidiennes pour différents sites
marocains [9-19]. Afin d'améliorer ces corrélations, une étude a été effectuée par
Khtira [18] sur une période beaucoup plus longue (9 ans pour Rabat, 10 ans pour
Casablanca et Béni-Mellal). Des relations valables pour l'ensemble des données des
trois stations ont été établies mois par mois par Khtira [18] et à l'échelle annuelle par
47
Nfaoui [19]. Les corrélations à l'échelle mensuelle sont utilisées pour reconstituer les
irradiations solaires globales quotidiennes pour les stations où l'on ne dispose pas de
mesures du rayonnement mais de la durée d'insolation pendant la période 19811990.[18]. Le tableau récapitulatif I.13 donne les moyennes mensuelles de ces
irradiations globales quotidiennes estimées pour chaque station sur les dix années. Ces
données seront utilisées pour l’étude comparative avec le potentiel éolien.
Tableau I.13 : Moyenne sur 10 ans de la moyenne mensuelle des irradiations globales
quotidiennes d'un plan horizontal, exprimées en kWhm-2(période 1981-1990) [18]
F
M
A
M
J
Jt
A
S
O
N
D
Annuelle
Station J
Agadir
3383
Al hoceima
2740
Béni Mellal 3105
Bouarfa
30842
Casa-Anfa
899
Dakhla
3991
El jadida
2903
Errachidia
3377
Essaouira
3105
Fès
2938
Ifrane
2864
Kénitra
2673
Laâyoune
3666
Larache
2570
Marrakech
3266
Meknès
2671
Midelt
3280
Nador
2716
Nouacer
2934
Ouarzazate
3622
Oujda
2750
Rabat-Salé
2852
Safi
3134
Sidi Ifni
3303
S. Slimane
2699
Tan-Tan
3470
Tanger
2656
Taza
2821
Tétouan
2696
4068
3396
3811
3884
3600
4830
3623
4218
3857
3550
3483
3410
4467
3312
3980
3360
4114
3361
3619
4478
3464
3558
3885
3873
3385
3996
3336
3463
3181
5303
4556
5266
4995
4978
5861
4986
5357
5067
4974
4908
4838
5673
4803
5181
4797
5285
4623
4983
5735
4794
5010
5219
5063
4800
5187
4826
4690
4383
6254
5399
5876
5869
5937
6847
5987
6332
6030
5410
5259
5864
6678
5641
6076
5479
6135
5573
5791
6816
5530
5924
6152
5881
5536
6075
5565
5564
5271
6671
6671
6739
6546
6820
7027
6878
6882
6682
6383
6301
6874
7100
6673
6727
6457
6745
6298
6718
7292
6329
6835
7002
5767
6626
6155
6710
6481
6333
6706
6763
7385
6810
6955
7035
6897
7098
6985
7141
7232
7206
7118
7087
7280
7059
7139
6912
7158
7445
7037
7064
7029
5662
7061
5949
7158
7118
7085
6394
6739
7317
6710
6737
6335
6628
6881
6628
7107
7043
7084
6716
7071
7074
7136
6814
6773
6976
6975
7064
6998
6924
5500
7002
5618
7093
7091
6928
5994
5999
6733
5898
6297
6157
6154
6230
6259
6581
6541
6494
6405
6432
6551
6550
6095
9025
6533
6388
6349
6467
6447
5417
6465
5700
6449
6368
6208
5180
5013
5614
5043
5277
5617
5295
5397
5345
5447
5381
5354
5568
5357
5492
5307
5227
5043
5390
5535
5272
5418
5385
4895
5321
5089
5355
5215
4951
4366
3861
4422
4265
4153
4990
4145
4487
4241
4251
4186
4081
4848
4015
4373
3953
4316
3985
4190
4646
4070
4193
4301
4177
4063
4455
4038
4041
3802
3309
2689
3205
3176
2941
4033
2901
3487
3112
2940
2831
2788
3853
2652
3356
2644
3321
2759
2966
3650
2806
2937
3122
3365
2821
3566
2666
2751
2550
3148
2445
2888
2825
2664
3746
2647
3119
2812
2667
2603
2435
3351
2279
3102
2406
3016
2447
2680
3344
2490
2603
2814
3095
2474
3201
2299
2499
2345
5064
4641
5197
4925
4938
5539
4920
5238
5010
4945
4886
4529
5453
4824
5204
4818
5123
4709
4994
5493
4829
4988
5117
4666
4854
4871
4845
4841
4644
I-C.4 Complémentarité entre les énergies éolienne et solaire disponibles
dans les régions les plus venteuses
La combinaison de la génération d'électricité par l'énergie éolienne et solaire est
une solution attractive pour les sites isolés, ayant des potentiels éolien et solaire
importants. La complémentarité entre ces deux ressources d'énergie renouvelable
renforce l'autonomie du système en énergie et permet d'avoir un système hybride
efficace et rentable. Mais une telle installation de puissance entraîne plus de
complications au niveau des équipements et de la régulation du système [20-23].
48
49
50
Par ailleurs, le prix compétitif de la production d'énergie éolienne affecte
positivement la réduction du prix total de l'installation hybride Aérogénérateurs/Panneaux
Photovoltaïques. Cependant, le prix de l'électricité fourni par un système combiné reste
rarement compétitif avec les sources électriques classiques [20-23].
L'énergie éolienne est maintenant reconnue comme l’une des plus prometteuse
des sources d'énergie renouvelable [20]. Plusieurs recherches ont été réalisées durant la
dernière décennie et plusieurs options sont encore à l'étude au niveau théorique et
industriel. Le poids et le prix des aérogénérateurs ont été considérablement réduits [24]
Les systèmes hybrides Aérogénérateurs/Groupes électrogènes, sans/avec batteries,
sont recommandés pour la production d'électricité, surtout pour les sites isolés avec un
potentiel éolien important [25-28].
Nous avons calculé les rapports de la puissance éolienne à la puissance solaire
disponibles dans certains sites du Maroc. La puissance solaire d'un plan horizontal a
été calculée par division des moyennes mensuelles de l'irradiation quotidienne globale
d'un plan horizontal exprimées en Wh.m-2 par 24 heures [29]. Les résultats sont
donnés par le tableau I.14. Ce dernier montre que les sites de Tanger, Midelt,
laâyoune et Dakhla se classent parmi les premières zones tant pour le potentiel éolien
que pour l'irradiation solaire. Nous remarquons qu'il y'a une complémentarité entre
l'énergie éolienne et l'énergie solaire pour Tanger et Midelt (Figure I.17).
Tableau I.14 : Rapports de la puissance éolienne à la puissance solaire.
Station
Agadir
Béni-Mellal
Casablanca
Dakhla
Fes
Ifrane
Kenitra
Laâyoune
Marrakech
Midelt
Nador
Ouarzazate
Oujda
Rabat
Errachidia
Safi
Tanger
J
F
0.40
0.05
0.60
1.41
0.37
0.32
0.50
0.82
0.18
1.97
0.95
0.34
0.93
0.37
0.14
0.54
1.45
0.64
0.05
1.14
1.94
0.30
0.30
0.64
0.86
0.24
2.00
1.02
0.31
0.84
0.34
0.53
0.41
1.57
M
0.13
0.02
0.34
2.17
0.19
0.19
0.39
0.78
0.25
1.56
0.65
0.37
0.39
0.15
0.36
0.38
0.79
A
0.21
0.02
0.31
2.76
0.15
0.16
0.38
0.49
0.16
1.17
0.45
0.57
0.39
0.15
0.49
0.24
0.73
M
0.19
0.08
0.38
3.38
0.12
0.12
0.39
0.75
0.20
0.82
0.45
0.38
0.36
0.14
0.49
0.25
0.65
J
Jt
0.13
0.03
0.25
4.11
0.08
0.05
0.30
0.77
0.20
0.37
0.37
0.30
0.32
0.09
0.60
0.22
0.64
0.08
0.04
0.22
4.72
0.11
0.08
0.30
0.98
0.17
0.36
0.37
0.31
0.32
0.07
0.31
0.21
1.15
A
0.11
0.04
0.19
3.61
0.12
0.11
0.31
1.08
0.15
0.34
0.29
0.31
0.34
0.07
0.30
0.23
1.08
S
0.13
0.03
0.20
2.21
0.14
0.12
0.34
0.67
0.20
0.34
0.33
0.20
0.31
0.10
0.27
0.25
1.34
O
0.20
0.02
0.33
1.36
0.27
0.23
0.44
0.43
0.19
0.95
0.53
0.32
0.51
0.14
021
0.32
1.19
N
0.50
0.00
0.34
1.09
0.43
0.36
0.65
0.75
0.18
1.60
0.72
0.22
1.00
0.21
0.17
0.38
2.50
D
0.18
0.03
0.63
1.82
0.76
0.45
0.89
0.83
0.14
2.58
2.52
0.62
1.87
0.28
0.18
0.47
2.35
Annuelle
0.21
0.04
0.60
2.77
0.20
0.17
0.41
0.77
0.19
0.97
0.59
0.35
0.51
0.15
0.37
030
1.12
51
Figure I.17 : Comparaison entre les puissances annuelles éoliennes et solaires pour les
sites les plus venteux.
I-C.5 Application de l'énergie éolienne
Dans le monde entier, l'utilisation de l'énergie éolienne remonte loin dans le
passé. Depuis des siècles, on a utilisé l'énergie du vent pour l'adduction de l'eau
(éoliennes multipales) et plus récemment pour la production d'électricité
(aérogénérateurs). Avant 1930, des centaines d'éoliennes multipales importées des Etats
Unis par les colonisateurs français au Maroc, destinées à l'irrigation et l'abreuvoir du
bétail, mises en place au début du vingtième siècle, ont permis d'alimenter en eau
potable les régions les plus isolées. L'énergie éolienne peut être donc utilisée pour le
pompage d'eau ou pour la production d'électricité. D’une façon générale, on considère
que les éoliennes multipales de pompage deviennent économiquement rentables lorsque
la vitesse moyenne du vent est de l'ordre de 3 à 4 m/s. Par contre, les
aérogénérateurs ne deviennent compétitifs que lorsque la vitesse moyenne du vent est
supérieure ou égale à 5 m/s [24
52
I-C.5.1 Pompage d'eau
Des enquêtes effectuées par le Centre de Développement des énergies
Renouvelables (CDER) et d'autres organismes nationaux ont montré qu'il existe près de
2000 éoliennes dans le pays [4]. Elles constituent, dans certains cas, la meilleure
solution technique pour l'approvisionnement en eau potable des populations en milieu
rural .
Une enquête réalisée en 1983 avec le concours du Ministère de l'Energie et des
Mines a permis d'expertiser un échantillon de 204 éoliennes situées dans la région de
Rabat - Casa [30]. Les renseignements recherchés concernaient :
_ les caractéristiques des éoliennes (marque, dimension, âge),
_ leur état de fonctionnement,
_ leur utilisation (profondeur, réservoir, usages de l'eau),
_ les problèmes particuliers rencontrés par les utilisateurs.
Les principales informations que cette enquête a permis de dégager sont
essentiellement :
• L'analyse de l'implantation ainsi que divers recoupements ont permis de
confronter l'estimation initiale concernant le nombre d'éoliennes implantées au Maroc,
au nombre qui devrait être légèrement inférieur à 2000,
• 76 % des éoliennes visitées appartiennent à des particuliers,
• près de 20 % doublées par une autre installation (souvent moteur thermique
avec pompe immergée),
• 5 % sont en très bon état, le reste en état de fonctionnement moyen ou en
panne partielle ou totale,
• leur âge moyen se situe entre 35 et 40 ans.
Une autre étude estime le nombre d'éoliennes multipales, publiques et privées,
entre 5 000 et 10.000 [30]. La plus part de celles-ci sont hors d'état de fonctionnement.
Toutes les enquêtes ont montré que les pannes mécaniques et un entretien défaillant
sont souvent responsables de cet état de fait. Certaines sont arrêtées à cause de
l’épuisement des nappes phréatiques. Beaucoup de ces machines sont relativement
anciennes et doivent être réparées.
Le dernier recensement fait par le Centre de Développement des Energies
Renouvelables (CDER) a montré que le nombre d'éoliennes existantes au Maroc
53
dépasse les 500 installations qui couvrent une grande partie du territoire. Le tableau
I.15 donne l'inventaire des éoliennes installées dans quelques provinces au Maroc [31].
Tableau I.15 : Inventaire des éoliennes installées au Maroc[31].
Province
El Jadida
Ben M'sik
Safi
Essaouira
Mohammedia
Béni Mellal
Oujda
Ouarzazate
Ben Slimane
Marrakech
Agadir
El Kelâah
Settat
Total
Nombre d'éolienne
30
20
67
89
19
13
25
18
122
36
33
24
20
516
I-C.5.2 Génération d'électricité
Bien que, dans une partie non négligeable du territoire marocain, la vitesse
moyenne des vents soit supérieure à 5 m/s, l'utilisation de l'énergie éolienne pour la
production de l'électricité reste limitée. Parmi les réalisations et futurs projets se
trouvent :
I-C.5.2.1 Projets de démonstration réalisés par le Centre de
Développement des Energies Renouvelables (CDER)
* Installations d’aérogénérateurs de faibles puissances
Le tableau I.16 récapitule les aérogénérateurs de faibles puissances installées par
le Centre de Développement des Energies Renouvelables (CDER) à travers le territoire
marocain avec l’aide des institutions internationales.
54
Tableau I.16 : Inventaire des aérogénérateurs installées par le Centre de Développement
Des Energie Renouvelables (CDER) et le privé [8].
Puissance installée
Production
Localisation
Part des projets
(kW)
annuelle(kWh
125 unités (45 kW)
66.95
Tanger,
AlHouceima, Privés
(10 W – 1 kW)
Tetouan, Essaouira et Tiznit
10 kW
Coopérative
de
Sidi CDER/USAID/DPA
Bounouar (Essaouira)
1986
13 éoliennes multipales Province d’Essaouira
CDER/USAID
1986-1989
10 kW (2 unités)
16
Electricité & Eau potable CDER/USAID
(Oujda)
1989
Eolienne de pompage à Village de Had Hrara (Safi) CDER/AGLD, Coop.
axe vertical de type V8
avec la Belgique, 1990
Eolienne de pompage à Village de Tfoudi
CDER/AGLD, Coop.
axe vertical de type V6
(Essaouira)
avec la Belgique, 1992
2 éoliennes à axe Village de Beni Rachad
CDER/AGLD, Coop.
vertical de type V3
(Benslimane)
avec la Belgique, 1995
1 kW
2.05
Dar ElAjaza (Oujda)
CDER/USAID, 1996
50 kW (1 unité)
200
Dakhla
Privé
* Systèmes hybrides
Dans le cadre de la coopération du Centre de Développement des Energies
Renouvelables (CDER) avec l’Institut Technologique des Iles Canaries (ITC), un
système hybride, Aérogénérateur/Panneaux Photovoltaïques/Groupe Electrogène, est
installé au village Oussen (Essaouira). Ce système est composé d’un aérogénérateur de
1.5kW/24V, de panneaux Photovoltaïques de 600Wc (8x75 Wc) et de groupe
électrogène de 6 kVA/220V-50Hz pour l’alimentation en électricité par mini réseau de
basse tension d’une mosquée, d’une école primaire de deux salles, d’un dispensaire et
l’éclairage public aux alentours de ces édifices publics. L’aérogénérateur et les
panneaux photovoltaïques chargent des batteries stationnaires d’une capacité de
865AH/24V (12.éléments). L’installation équipée d’un onduleur d’une puissance
nominale de 2400W-24 VCC/220V-50Hz pour la transformation de la tension continue
de 24 V à la sortie des batteries en tension alternative 220V/50Hz. Le groupe
électrogène peut alimenter directement les foyers ou charger les batteries par
l’intermédiaire d’un chargeur/redresseur [8].
En coopération avec la France, le Centre de Développement des Energies
Renouvelables (CDER) a réalisé deux systèmes hybrides. Le premier est composé d’un
55
aérogénérateur de puissance nominale 15.kW et d’un groupe électrogène (GEG)
(15kVA/220V/50Hz) dans la région d’Essaouira pour électrifier 65 foyers, une
mosquée, une école, une auberge de la commune et l’éclairage public. Le deuxième
système est composé de deux aérogénérateurs de 25 kW chacun et d’un GEG pour
électrifier 30 foyers [8].
Toujours dans le cadre de l’électrification rurale décentralisée, le Centre
de Développement des Energies Renouvelables (CDER) a prévu d’installer un autre
système hybride, Aérogénérateur/Panneaux Photovoltaïque, pour charger des batteries de
capacité 865AH/24V par l’intermédiaire d’un onduleur 2400W/220V/50Hz qui alimente
un mini-réseau [8].
I-C.5.2.2 Travaux de recherche sur les éoliennes
Il convient de noter que les travaux de recherche réalisés à l'Institut
Agronomique Vétérinaire Hassan II et l'Ecole Mohammadia d'Ingénieurs sont l'œuvre
d'étudiants à l'occasion de leur projet de fin d'études [5,6]
I-C.5.2.3 Parcs éoliens
* Parc éolien réalisé
Le projet du parc éolien de Kodia Blanco 1 (Tlat Taghramt-province de
Tétouan) d’une puissance de 50.3 MW a été réalisé par le groupement franco-danois
(Germa-Vestas). Dans le cadre de ce projet l’Office National d’Electricité (ONE)
s’engage à acheter toute l’électricité produite. Les 84 aérogénérateurs de marque Vestas
de 600kW destinés pour la production d’électricité sont connectés au réseau électrique
national du nord du Maroc. La production annuelle prévue dépassera 226 GWh, soit
2% de la consommation annuelle du Maroc qui équivaut à la consommation annuelle
d’une population d’environ 400 000 habitants. Le financement et l’exploitation sont
assurés par la Compagnie Eolienne du Détroit, une compagnie française privée. Le
projet permettra la réduction de l’importation de plus 56 000 tonnes de pétrole par an
ce qui aura un impact très positif sur la protection de l’environnement, le parc éolien
évitera aussi de rejeter chaque année dans l’atmosphère 230 000 tonnes de gaz
carbonique (CO2) par comparaison avec une centrale électrique brûlant le charbon [8].
Dans le cadre de la coopération Maroco-Allemande, un parc éolien de puissance
de 3.5 MW est réalisé par l’Office National d’Electricité (ONE) dans le site de Kodia
56
Blanco 1. La production annuelle est estimée à 12 GWh c’est à dire une réduction sur
l’importation de pétrole de 2 761 tonnes[8].
* Projets de parcs éoliens
Dans le cadre des nouvelles orientations du gouvernement du Royaume du
Maroc en matière de production d’électricité et de promotion des énergies
renouvelables, l’Office National d’Electricité (ONE) a lancé en Janvier 2000 un appel
d’offre international pour la réalisation, en production concessionnaire d’électricité, des
parcs éoliens suivants : Parcs de Tanger au Nord : Site de Sendouk (65 MW), Site Dhar
Sadane (75 MW) et Parc de Tarfaya au Sud (65 MW) [8].
I-C.5.2.4 Installations privées
En retournant au tableau I.16, nous remarquons quelques installations privées
pour la production d'électricité éolienne domestique utilisant des aérogénérateurs de
faibles puissances.
I-C.6 Conclusion
La série des données utilisée pour la constitution de l'Atlas Eolien marocain est
insuffisante malgré l'intérêt du sujet traité. La carte de la vitesse moyenne des vents
au Maroc est intéressante mais, ne prend pas en compte les corrections de
l'environnement local (topographie, obstacles, etc.) telles qu'elles sont décrites, par
exemple, dans l'Atlas Eolien européen [32].
La comparaison faite entre le puissance éolienne et l'intensité du rayonnement
solaire pour ces sites montre que Tanger, Midelt, Laâyoune et Dakhla se classent aux
premiers rangs favorables à l'utilisation de l'énergie éolienne et qu'il y a une
complémentarité entre l'énergie éolienne et l'énergie solaire pour Tanger et Midelt. Une
telle information est importante pour l’étude des systèmes éoliens et la production
d’énergie éolienne.
57
I-D Besoins énergétiques dans les communautés rurales au Maroc
I-D.1 Introduction
La campagne marocaine, où l'activité agricole est dominante, représente un
secteur vital du développement du pays. Elle abrite presque la moitié de la population
totale, cependant elle reste sous équipée en matière d'infrastructure électrique.
L'électrification rurale est un domaine dans lequel un pays en voie de
développement, tel que le Maroc, doit augmenter et intensifier ses efforts (dépenses et
investissements). Elle s'effectue soit par extension du réseau national dans le cas où
c’est possible, soit par des solutions alternatives complémentaires à l'extension du
réseau, dans le cas contraire, telles que les énergies renouvelables, les groupes
électrogènes, etc.
En contribuant à l’amélioration de la qualité de vie des populations rurales,
l’électrification du monde rural marocain est un enjeu socio-économique important
pour sauvegarder l’équilibre entre les zones rurales déshéritées et les villes de plus en
plus surpeuplées.
Dans la suite, nous allons essayer de résumer les efforts d'électrification rurale
entrepris au Maroc et les solutions possibles pour rattraper au moins le retard dans
l’électrification du monde rural.
I-D.2 Situation actuelle de l'électrification rurale
I-D.2.1 Nombre total de villages
Le Maroc comptait, en 1982, 31473 douars (villages, entités humaines)
regroupés en 761 Communes Rurales (CR). Le nombre de CR est, depuis 1992, de
1310. Une enquête statistique de l'administration de l'hydraulique en 1990 (étude du
schéma directeur national d'approvisionnement en eau potable des populations rurales),
a montré que le concept de localité (entité géographique et humaine comptabilisant
aussi chaque sous - douar des douars éclatés), était plus pertinent pour des projets
d'équipement rural (Tableau I.17).
58
Cette enquête effectuée sur un échantillon de douars représentatifs (21 % du
territoire) a recensé environ 39 000 localités et 14 millions d'habitants ruraux au
Maroc, soit 54.foyers en moyenne par localité [33-36]. Elle montre que la structure
des douars se répartit comme suit : 56 % sont groupés, 19 % divisés et représentent 2.3
localités en moyenne par douar et 25 % sont dispersés.
Tableau I.17 : Répartition des localités suivant leur taille [36].
Foyers / localité
inférieur à
entre 30 et
entre 75 et
supérieur à
30
75
150
150
Localité en %
Population en %
45
35
14
6
14
60
26
I.D.2.2 Electrification par extension du réseau électrique national
L'une des solutions pour l'électrification du monde rural est la liaison au réseau
national. Elle présente plusieurs avantages tels que la continuité du service et son
extensibilité. Cette dernière s'exprime par la possibilité de répondre rapidement à une
augmentation, même importante, de la demande.
L'électrification rurale s'est accélérée sensiblement depuis 1980, date de
lancement de la première phase du Programme National d’Electrification Rurale
(PNER) qui a permis d'électrifier, sur la période 1980-1986, 286 centres ruraux
(68000.foyers, 400 000 habitants), soit une moyenne de 50 centres par an. Ces chiffres
ne tiennent pas compte des centres électrifiés directement par certaines régies
autonomes de distribution d'électricité. En 1990, environ 1 800 localités rurales sont
électrifiées par le réseau interconnecté. La deuxième phase du programme, entamée en
1990, a visé l'électrification de 200 000 foyers à l'horizon 2000 (1.2 millions
d'habitants). Cependant, avec l'accumulation des retards, le rythme d'électrification
rurale n'a pas dépassé 50 villages par an durant la période 1986-1995. A ce rythme le
taux d'électrification n'aurait pas atteint pas les 27 % en l'an 2000.
L'étude d'impact socio-économique de la première tranche du Programme
National d’Electrification Rurale (PNER) a montré des améliorations sensibles dans les
conditions de vie des populations bénéficiaires et le développement d'activités
économiques et commerciales grâce à la disponibilité de l'électricité. Toutefois cette
59
étude a suscité des interrogations, notamment sur le faible taux de branchement dans
certains centres, la sous-exploitation de l'énergie électrique au niveau de l'agriculture
ou encore les difficultés de fonctionnement de groupes électrogènes de l'état équipant
des centres isolés éloignés du réseau.
La deuxième tranche du Programme National d’Electrification Rurale (PNER2)
lancée en 1990 est conçue sur la base des enseignements de la première phase, avec
une priorité aux zones frontalières et aux provinces encore faiblement touchées. Cette
électrification concernerait en l'an 2000, date échéante de la deuxième tranche du
PNER par extension du réseau interconnecté, 600 centres, environ 2 500 localités (6.4%
du total) et environ 550 000 foyers (25% du total). Quand celui-ci s'achèvera, 90 % des
villages, soit plus de 28 000 foyers, ne seraient toujours pas reliés au réseau. C'est-àdire que 65 % des familles rurales ou 1 600 000 foyers, n'auraient pas encore
d’électricité [37].
En 1996, suite aux programmes d’extension du réseau engagés y compris le
Programme National d’Electrification Rurale (PNER), moins de 2000 des 31000 centres
ruraux sont électrifiés. Ces centres électrifiés ont de 150 à 400 foyers en moyenne
alors que la taille moyenne nationale est de 54 foyers par centre. Le taux
d’électrification officiel (45 % en 1996) ne représente lui-même que la proportion des
foyers pourvus d’électricité sous sa forme classique rapportée à l’ensemble des foyers
potentiellement électrisables.
Sur les 4 millions de logements environ que compte le Maroc en 1996, près
de 2.2 millions (dont 74 % en milieu rural) ne sont pas raccordés au réseau de
distribution de l'eau courante et près de 2 millions (dont 78 % en milieu rural) ne
disposent pas d'électricité [33-36].
I-D.2.3 Electrification par Groupes ElectroGènes (GEG)
C'est une forme d'électrification décentralisée bien développée au Maroc. Une
enquête réalisée par le Ministère des Travaux Publics sur un échantillon de villages
représentatifs (Etude du Schéma Directeur National d'Approvisionnement en Eau
Potable des Populations Rurales / Ministère des Travaux Publics) fait apparaître
l'électrification d’environ 2 500 centres ruraux par groupes électrogènes collectifs et
mini - réseau local de distribution (équipement et gestion par les communes rurales) ou
privés (équipement et gestion par les populations).
60
En 1990, 14.4 % des localités rurales sont équipées d'un mini - réseau alimenté
par un groupe électrogène (auto - électrification). La majorité l'ont été de manière
autonome et sur initiative locale, 34 % sont situées dans des provinces du sud
(Errachidia, Ouarzazate et Taroudant) où les migrations temporaires sont les plus
fortes, et 18 % dans des provinces du centre (Azilal, Marrakech, Settat, El Jadida) [34]:
_ 236 centres (171 systèmes diesels, 80 000 foyers) du Ministère de l'Intérieur
équipés avec une puissance électrique installée de plus de 16 000 kVA et gérés par les
communes rurales.
_ plus de 2 000 localités partiellement auto - électrifiées sur initiative locale (150
000 foyers) avec une puissance électrique installée approximativement de 60 000 kVA.
Le kWh revient à 5 dirhams.
I.D.2.4 Electrification par les énergies renouvelables
Les principaux programmes et projets d'électrification décentralisée mise
en œuvre sont [34] :
- le schéma d’approvisionnement énergétique local, entamé en 1988, qui a
permis l'installation de prés de 200 kits solaires individuels et publics, ainsi qu'une
station de recharge de batteries,
- le Programme Pilote d’Electrification Rurale décentralisée (PPER), lancé en
1988, qui a été initié par la Direction Générale des Collectivités Locales (DGCL) en
association avec la Direction de l'Energie et l'Agence Française de la Maîtrise de
l'Energie. La phase test, de 1990 à 1994, a permis l'électrification de 30 villages
(1500.foyers) dans les provinces de Safi, Errachidia et Azilal. Cette électrification s'est
faite par les micro - centrales hydrauliques, Groupe ElectroGène, des kits solaires ou
des stations de recharge de batteries centralisées,
- le Schéma d'Approvisionnement Energétique Régional réalisé par le Centre de
Développement des Energies Renouvelables (CDER), la Direction d'Energie et le
Programme Spécial Energie dans le cadre de la coopération Maroco – Allemande. Il a
été conçu afin de favoriser l'amélioration de l'approvisionnement énergétique de la
région de Kénitra par l'intégration des énergies renouvelables. 120.foyers ont ainsi été
électrifiés à l'aide de systèmes solaires photovoltaïques pour les besoins d'éclairage et
d'audiovisuel.
61
I-D.2.5 Eclairage traditionnel
Des études réalisées au Maroc montrent que les villageois
essentiellement quatre types de combustibles pour l'éclairage [33-36]:
- le pétrole lampant,
- le gaz butane,
- la bougie,
- les piles.
utilisent
Chaque foyer utilise une combinaison des équipements à sa disposition, mais à
des proportions très différentes suivant sa zone géographique et son budget. Pour
l'audiovisuel, les radio - cassettes sont alimentés par des piles, alors que la télévision
est alimentée par des batteries d'accumulateurs rechargeables.
I-D.3 Identification des usages de l'énergie et des besoins énergétiques en
milieu rural
I-D.3.1 Equipements traditionnels : un budget au service de l'éclairage
et de l'audiovisuel
Dans le cadre du Programme Pilote d’Electrification Rurale (PPER), destiné aux
collectivités rurales isolées, des enquêtes réalisées par la Direction Générale des
Collectivités Locales (DGCL) portées sur 1 600 foyers de 30 villages représentatifs ont
montré que les services principaux sont les usages de l’éclairage et l’audiovisuel; les
autres usages (industrie, artisanat, etc.) étant inexistants dans les zones rurales
couvertes par l'enquête. Quelques moulins (thermiques ou hydrauliques) complètent ce
tableau [33]. Ces informations donnent une évaluation précise de l'état de référence de
la consommation énergétique substitutive.
Donc, en milieu rural marocain, les usages susceptibles d’être électrifiés sont
essentiellement domestiques, avec quelques usages collectifs (éclairage public, mosquée,
école, dispensaire). Néanmoins, la nature de la demande peut être variable quant aux
niveaux d’équipement et de consommation, ce qui impose une stratégie d’équipement
particulière et bien étudiée. Le tableau suivant résume les caractéristiques retenues
pour les principaux équipements d'usage rencontrés.
62
Tableau I.18 : Caractéristiques retenues pour les principaux équipements traditionnels
rencontrés [36].
Usages
Lampe butagaz
Lampe pétrole
Grande bougie
Petite bougie
Torche (2 R20)
Pile R20 (Rk7)
Puissance
Durée éclairage Coût total horaire Coût / kWhéq
lumineuse/Wéq (heures)
(Dh / h) (1)
(2)
300 Lm /30 Wé
45 Lm /4.5 Wé
1 Lm / 0.1 Wé
1 Lm / 0.1 Wé
7 Lm / 0.6 Wé
4 Wh
42 h / bouteille
33 h / litre
8h
2.75 h
18 h / 2 piles
0.43
0.18
0.11
0.11
0.35
Dh
Dh
Dh
Dh
Dh
14
40
1100
1100
620
710
Dh
Dh
Dh
Dh
Dh
Dh
(1) Coût total horaire = combustible + dépenses annexes.
(2) Sur la base de la puissance lumineuse électrique, équivalent d'une ampoule incandescente:1Wéq=10Lm
* Noter le coût du kWh domestique en ville : 1Dh/kWh.
Il faut noter la très grande inégalité du rapport coût/service pour les
équipements traditionnels. Le prix de ces services en milieu rural est donc très élevé
en comparaison avec celui payé sur le réseau interconnecté (1 Dh/kWh domestique)
puisqu'il varie de 14 Dh le kWh pour la petite bouteille de gaz à 1100 Dh le kWh
pour la bougie (Tableau I.18).
L'analyse détaillée du service rendu par les équipements traditionnels a montré
que le service demandé en éclairage dans les foyers ruraux est actuellement le suivant :
- éclairage principal (puissant) dans la salle commune de réunion,
- éclairage temporaire (puissant) pour les invités,
- éclairages secondaires temporaires (chambres, cuisines, etc.).
Ces services sont actuellement assurés par une combinaison d'équipements
mobiles (de la bougie à la lampe à gaz ou de la torche à la pile). La durée totale
moyenne journalière d'éclairage est de 7.5 heures par foyer rural avec 3 points
lumineux (Tableau I.19).
Pour l'audiovisuel, la consommation moyenne étant de 6 piles par mois pour
alimenter les radio - cassettes et 14 % de foyers sont équipés de télévisions alimentés
par des batteries rechargées dans la ville la plus proche, parfois plus de 80 km.
En ce qui concernes les dépenses en énergie substitutive, et des classes de
niveaux d'équipements souhaitables, voici en quelques chiffres les principaux résultats
des enquêtes précitées :
63
- le budget annuel pour l'éclairage et l'audiovisuel avec les équipements
traditionnels (gaz, pétrole, bougie, pile) est de 900 Dh par foyer rural, dont 73 % pour
l'éclairage et 27 % pour l'audiovisuel,
- le coût horaire de l'éclairage est en moyenne de 0.24 Dh, celui d'une pile
pour radio - cassette (R20) de 3.5 Dh (700 Dh/kWh), et celui du fonctionnement de la
télévision de 0.50 Dh par heure (36 Dh/kWh).
Tableau I.19 : Caractéristiques des niveaux d'équipements identifiés [36].
4 niveaux d'équipements
Audiovisuel
Points lumineux (heures / jour) (Dh / an)
2
3.5
10
3
6
150
4
9.5
370
7
16
760
3
7.5
240
Budget annuel
(Dh / an)
250
640
850
2250
900
Répartition
foyers (%)
20
33
38
9
100
I-D.3.2 Applications et équipements
Pour atteindre les objectifs du Programme Pilote d’Electrification Rurale
(PPER), la Direction Générale des Collectivités Locales (DGCL) a élaboré un logiciel
qui permet d'identifier, selon les besoins énergétiques et le budget mensuel des
villageois, pour l'éclairage, 4 niveaux de consommation. Pour rationaliser et régulariser
l’utilisation d’énergie, la DGCL propose les applications suivantes selon qu'il s'agisse
des usages domestiques ou publiques [36].
I-D.3.2.1 Usages domestiques
Face aux quatre catégories de foyers identifiées dans cette analyse, quatre
niveaux d'équipement pour les foyers sont prévus par le programme. Quelle que soit la
configuration technique de production et de distribution de l'électricité retenue pour le
village ou groupement de villages, le service électrique PPER (Programme Pilote
d’Electrification
Rurale) est ainsi le
même en terme d'équipements et d'usages
(Tableau.I.20). Les quatre niveaux d’équipements ‘éclairage’ proposés sont dédoublés
compte tenu des besoins supplémentaires de 20 % environ des foyers pour
l’alimentation électrique de leurs postes de télévision [20].
Tableau I.20 : Niveaux d'équipement des foyers [36]
64
Niveau Pt 1
1.1
1.2
2.1
2.2
3.1
3.2
4.1
4.2
1
1
2
2
2
2
3
3
Heurs/jour
(h/j)
2h30
2h30
4h
4h
4h
4h
6h
6h
Pt 2
0
0
0
0
1
1
2
2
Heurs/jour
(h/j)
0
0
0
0
2h30
2h30
4h30
4h30
Point lumineux 1 (Pt 1) : 400 lumens
Total
Pts totaux
1
1
2
2
3
3
5
5
Télévision
h/j (TV)
2h30
0
2h30
1
4h
0
4h
1
6h30
0
6h30
1
10h30
0
10h30
1
Point lumineux 2 (Pt 2) : 600 lumens
(*) Les points lumineux mobiles, proposés en option, ne sont pas inclus
* éclairage fixe
Il est réservé aux pièces nécessitant un éclairage quotidien et permanent.
Suivant les niveaux d'équipement, 1 à 5 points lumineux fixes sont proposés aux
usagers avec deux possibilités d'intensité lumineuse, 400 lumens (points 1) pour
l'éclairage moyen et 600 lumens (points 2) pour l'éclairage fort (Tableau I.20). Pour
optimiser l’utilisation de ces équipements, les lampes sont semi-fixes (déplaçables) et le
nombres de pièces câblées dans les maisons est supérieur (une ou deux unités) au
nombre de points lumineux prévus par niveau [36].
* éclairage mobile
Les besoins en éclairage intermittent et de durée relativement courte sont
importants en milieu rural pour les déplacements à l’intérieur ou à l’extérieur des
foyers, mais aussi pour les activités économiques nocturnes (élevage, irrigation, etc). Des
lampes autonomes, comprenant un point lumineux, une batterie associée de petite
capacité et un régulateur de charge/décharge pour celle-ci, sont prévues pour assurer
ce complément appréciable à l'éclairage fixe.
* audiovisuel
Les quatre niveaux d'équipement d'éclairage proposés sont doublés (Tableau.I.20)
compte tenu des besoins supplémentaires de 20 % environ des foyers pour
l'alimentation électrique de leurs postes de télévision.
I-D.3.2.2 Usages publics.
65
Quatre lampadaires en moyenne par village fournissant chacun une intensité
lumineuse de 1800 lumens pendant 5 heures par jour.
* mosquée
Quatre niveaux d'équipement suivant la taille de la mosquée, pour l'éclairage de
la salle de prières (2 heures par jour), l'entrée (2 heures par jour), et la chambre du
Fqih (3 heures par jour). Un équipement complet pour la sonorisation 1 heure par jour
(Tableau I.21).
Tableau I.21 : Niveaux d'équipement des mosquées [36].
Niveau
1
2
3
4
Point1
600 lumens (lm)
2
4
6
8
Point2
400 lumens(lm)
1
1
1
1
Point3
600 lumens (lm)
1
1
1
1
Sonorisation
1
1
1
1
* école (si existante)
En raison du faible usage de l'éclairage dans les écoles (les élèves sont libérés
tôt l'hiver pour rejoindre leurs villages avant la tombée de la nuit), une seule classe
par école est équipée, essentiellement pour les travaux de préparation des enseignants;
avec quatre points lumineux de 600 lumens chacun par classe et 2 heures d'éclairage
par jour et par point.
* dispensaire
Quatre points lumineux de 600 lumens et 2 heures d'éclairage par jour et par point
I-D.3.3 Etude du cas du village Tirga-Ait Ouakki
Pour pouvoir quantifier la demande d'électricité des populations rurales en vue
d'un dimensionnement judicieux des installations, trois approches sont possibles :
- définir la demande à partir des caractéristiques électriques des équipements
susceptibles d'être utilisés (durée d'éclairage, tension, intensité du courant, puissance
électrique, etc.),
66
- estimer la demande à partir d'une modélisation des consommations initiales
d'électricité et de leurs évolutions à partir des données disponibles sur des villages
nouvellement électrifiés,
- déterminer la demande à travers des enquêtes sur les consommations
d'énergies substitutives par l'électricité en zones rurales non électrifiées.
Dans cette perspective, nous essayons de quantifier les valeurs horaires de la
consommation pour le village de Tirga-Ait Oukki. La courbe de la demande en
électricité sera utilisée pour modéliser le système hybride Aérogénérateur/groupe
électrogène (Ch III).
La demande en électricité de ce village est satisfaite par un Groupe
ElectroGène (moteur Lister - Petter) de puissance nominale 11 kW, se limitant aux
équipements d’éclairage et d'audio - visuel. La figure I.18 montre le profil quotidien de
la demande en électricité pour les journées du 13 décembre 1994 et 21 juin 1995
représentant l'hiver et l'été respectivement. Le combustible consommé pour la première
journée est de 7 litres.
116 foyers sur 123 inscrits sont servis en électricité. La figure I.19 montre la
répartition des foyers par niveau telle qu'elle est définie à l'échelle nationale dans le
cadre du Programme Pilote d’Electrification Rurale (PPER). A partir du tableau I.22 et
de la figure I.18, on pourrait déduire que la puissance horaire moyenne et la
consommation journalière en électricité sont de l’ordre de 3 kW et 18 kWh
respectivement. La demande est maximale vers 20 heures et chute après 21 heures
Tableau I.22 : Moyennes mensuelles de l’énergie électrique consommée par le village
Tirga-Ait Ouakki.
1994 Compteur Départ1 Départ2 Maison de Compteur Nombre Consm/j Puiss.
principal
l’électricit horaire
de jours
Moyen.
Mois kWh
kWh
kWh
kWh
h
No
kWh/j
kW
Oct.
514
281
196
20
145.4
30
17.0
3.5
Nov
533
292
202
22
146.5
29
18.3
3.6
Déc
570
305
216
36
163.6
30
19.0
3.5
67
6
13 Décembre 1994
5
Puissance (kW)
21 Juin 1995
4
3
2
1
0
18
19
20
21
22
23
24
Temps (heures)
6
Moyenne : 13/12/1994 et 21/06/1995
Puissanse horaire ( kW )
5
4
3
2
1
0
0
2
4
6
8
10
12
14
16
18
20
22
24
Temps ( heures )
Figure I.18 : Profil de la puissance horaire demandée par un village typique marocain
(village : Tirga-Ait Ouakki).
68
14%
6%
7%
Pas d'éclairage
niv.1 : 1 lampe de 8W
niv.2 : 2 lampes de 8W
niv.3 : 2 lampes de 8W + 1 lampes de 13 W
niv.4 : 3 lampes de 8W + 2 lampes de 13 W
33%
40%
Figure I.19 : Répartition des abonnés suivants les niveaux d’équipements (Village :
Tirga-Ait Ouakki, niv 0 : pas d'éclairage, ni TV, niv 2 : 15 % des 33 % des
abonnés possèdent la TV).
I-D.4 Solutions pour l'électrification en milieu rural
I-D.4.1 Electrification conventionnelle.
Au rythme des réalisations du début des années quatre vingt dix, soit une
cinquantaine de villages électrifiés par an, le taux d'électrification rurale n'atteindrait
69
pas les 27 % en l'an 2000. Dans le cadre de la politique de promotion, de
développement et de la solidarité avec le monde rural, un Programme d'Electrification
Rurale Globale (PERG) a été initié en 1995. Pour contourner les contraintes financières
et géographiques, le PERG a promis de mettre en place, d'une part, un nouveau
montage financier caractérisé par la multiplicité des participants et garantissant sa
concrétisation et intègre la double solution de raccordement au réseau national et
l'électrification décentralisée, d'autre part.
Ce programme consiste en l'électrification, à l'horizon 2010, d'environ
1500000 foyers (9 millions d'habitants), soit 100 000 foyers par an (au lieu de 5000 à
l’époque), permettant de porter le taux d'électrification rurale de 21 % à près de 80 %
à cet horizon. En fait, en électrifiant 79 % du total des foyers ruraux, on couvre
pratiquement la totalité des foyers électrisables [2]. Grâce à l’accélération du rythme de
réalisation de ce programme, le nombre de villages électrifiés par année est passé de
500 à 2050 et le taux d’électrification a augmenté de 22 % à 55 % de 1996 à 2002
(Figures I.20 et I.21).
Nombre de villages
électrifiés/Année
2500
Série1
2050
2000
1650
1700
1750
1500
1000
1000
1100
500
500
100
150
0
.1994. .1995. .1996. .1997. .1998. .1999. .2000. .2001. .2002.
Année
Figure I.20 : Electrification rurale [1].
70
Taux d'électrification
rurale (%)
100
S érie1
80
60
40
20
0
22
.1996.
27
.1997.
32
.1998.
39
.1999.
45
.2000.
50
.2001.
55
.2002.
Année
Figure I.21 : Taux d’électrification rurale [1].
Ce programme a été mis en œuvre sous le patronage du Ministère de l'Intérieur
et du Ministère de l'Energie et de Mines, dans le cadre d'un partenariat entre les
Communes et l'Office National de l'Electricité, sur la base de conventions liant
l'ensemble des parties concernées.
Un schéma directeur d'électrification rurale a été mis en œuvre sur la base de
plans d'électrification provinciaux ou préfectoraux établis au niveau des régions. Ce
schéma qui intégrerait les impératifs d'aménagement du territoire, permettrait une
meilleure connaissance des besoins prévisionnels, une programmation rationnelle des
actions et moyens, un choix judicieux des filières techniques et une allocation
optimale des financements.
Afin d'accélérer le processus d'électrification, des mesures d'ordre technique
organisationnel, visant la réduction des coûts, ont déjà été entreprises et renforcées
1996. La réalisation de ce programme d'envergure nationale nécessiterait
investissement annuel de l'ordre d’un (1) Milliard de Dirhams (Dh), dont
et
en
un
le
financement est assuré, grâce à la mise en place d'un montage unique, par les
contributions suivantes : Office National d’Electricité (ONE) (20 %), collectivités locales
(20 %), prélèvement sur le chiffre d'affaire de l'ONE (35 %) et usagers (25 %).
Une part appréciable de ce programme, estimé à 30 %, est prévue pour être
réalisée par le recours aux technologies d'électrification décentralisée par les énergies
renouvelables.
71
I-D.4.2 Contraintes économiques et techniques de l'électrification rurale
Le milieu rural a des caractéristiques spécifiques qui conditionnent dans une
large mesure la faisabilité économique de l'électrification conventionnelle. Parmi les
plus importantes caractéristiques, on distingue [37-40]:
- population fortement à moyennement dispersée (35 habitants par km2),
- zones souvent enclavées rendant difficiles et coûteux les travaux d'installation
de réseaux électriques,
- demande faible d'électricité liée essentiellement aux besoins domestiques,
- taxe de raccordement élevé vu le niveau de vie des populations rurales,
- investissement pour l'interconnexion au réseau de plus en plus coûteux
(multiplication par 15 lorsque le nombre de foyers passe de 50 à 5 par km de ligne).
I-D.4.2.1 Dispersion de la population et coût des raccordements
La faible densité de population dans les zones rurales et l'éloignement des
villages entre eux et par rapport au réseau national existant, font que les longueurs
des lignes moyenne tension, à construire pour leur raccordement sont importantes :
jusqu'à 30 km au Maroc.
Par ailleurs, la dispersion de l'habitat à l'intérieur même des villages à
électrifier conduit à de faible densité d'abonnés potentiels le long des lignes basses
tension à construire. La figure I.22 présente le coût du raccordement en fonction de la
population, tel qu'il se présentait dans le Programme Nationale d’Electrification Rurale
(PNER). Cette figure montre une variation hyperbolique du coût de raccordement en
fonction de la densité de population [37].
72
Figure I.22 : Variation du coût d'électrification en fonction de la densité de
population au Maroc [37].
I-D.4.2.2 Demande rurale et coût de fonctionnement des réseaux
En dehors de quelques rares industries qui se trouvent parfois dans des zones
rurales (mines, agro-alimentaires, etc.) et qui doivent être considérées à part, la
demande d'électricité dans le monde rural est essentiellement constituée par les besoins
domestiques ou par de faibles consommateurs (ateliers agricoles, huileries artisanales,
etc.). En 2001, La consommation moyenne à l’échelle nationale est de l’ordre de
500kWh par an et par abonné au Maroc [1]. La faiblesse des consommations entraîne
des coûts d'investissement et d'exploitation des réseaux, rapportés au kWh livré, élevés
pour les raisons suivantes :
- les coûts d'entretien et de maintenance des lignes électriques sont importants
parce que la nature du terrain rend les interventions souvent difficiles,
- les frais d'administration, de facturations et de dossiers des abonnés sont
élevés étant donné la dispersion de la population,
- les coûts des pertes énergétiques dans les lignes électriques sont importants.
Ces pertes peuvent atteindre les 30 % de l'énergie produite [37].
73
Une étude de cas sur la région d'Errachidia montre, selon le taux de
raccordement, que l'investissement revient entre 25 000 et 90 000 Dhs par foyer et le
coût unitaire total est de 5 à 19 Dhs par kWh vendu [37].
I-D.4.2.3 Faisabilité globale
Les éléments présentés plus haut montrent que globalement le coût du kWh en
zone rurale est la somme des deux coûts suivants :
- investissements correspondants à l'installation du réseau,
- frais de fonctionnement liés à son exploitation.
Ce coût global est élevé pour les localités rurales dispersées et présentant une
faible demande. Il dépasse les 3 Dollars ($) par kWh dans des situations réalistes
observées dans la majorité des centres ruraux des pays en développement [37].
Une étude réalisée par l'USAID (United States Agency for Aid and
Développement) conclut que la priorité de l'électrification pour le développement
économique ne devrait pas être accordée aux zones les plus pauvres mais plutôt aux
régions déjà relativement bien développées et où le potentiel de développement
économique est contraint par l'absence d'une source d'énergie fiable et peu chère. Or
c'est justement ce type de régions qui constitue la plupart des zones rurales non
électrifiées au Maroc [37].
L'électrification rurale conventionnelle par réseau interconnecté constitue la
forme ultime d'accès à l'électricité, donc un objectif à atteindre à long terme. Ses
coûts pour la collectivité, tant au niveau de l'investissement que du fonctionnement,
sont cependant extrêmement lourds, particulièrement pour les villages isolés du réseau
existant et / ou peu denses.
I-D.4.3 Tarification et taxes
Du fait de son importance stratégique, le secteur de l'énergie a bénéficié dans
la plupart des pays, d'un encadrement poussé de la part des pouvoirs publics. Cet
encadrement se traduit souvent par la création de monopoles d’état ou par l'imposition
d'une tarification officielle. Historiquement, la tarification a constitué un outil privilégié
pour agir sur le marché en vue de l'application d'une politique énergétique déterminée.
Dans ces conditions, l'énergie se trouve dans plusieurs pays, soit subventionnée, soit
74
lourdement taxée. En 2001, par exemple, le gasoil est moins taxé au Maroc qu’en
Europe (Figure I.23) contrairement au fuel oil (Figure I.24).
1000
Hors Toute Taxe
Taxes
Prix du Gasoil (1000 Dhs / Hictolitre)
875
800
775
780
580
600
55 %
66 %
58 %
48 %
400
200
0
Espagne
1
France
2
3
Portugal
4
Maroc
Figure I.23 : Prix du gasoil en Europe et au Maroc [1]
3000
8%
2300
2500
Prix du Fuel Oil (Dh / Tonne)
2750
2750
5%
Hors Toute Taxe
Taxes
2250
23 %
9%
2000
1500
1000
500
0
Espagne
1
2
France
Portugal
3
Maroc
4
Figure I.24 : Prix du fuel oil en Europe et au Maroc [1].
75
Les mécanismes tarifaires peuvent créer des situations perverses : le déséquilibre
artificiel entre les consommations des différents types d'énergie (diésélisation du parc
automobile au Maroc), le gaspillage dans le cas de subventions, des structures de
consommation antiéconomique conduisant à des déficits ou à des surinvestissements
inutiles (cas pour l'électricité de l'appel de pointe anormalement élevé par rapport à
l'appel moyen).
Pour illustrer les préoccupations majeures des pouvoirs publics d'un pays, la
tarification a été utilisée pour stimuler le développement plutôt qu'accroître les recettes
fiscales d'où la complexité que nous constatons dans la tarification de chaque produit.
I-D.4.3.1 Produits pétroliers.
Les produits pétroliers faisaient partie, jusqu'à la fin de l'année 1994, des
produits dits réglementés. Leurs prix étaient ainsi fixés par le Ministère de l’Energie
et des Mines (MEM). Les taxes prélevées à l'importation des produits pétroliers étaient
de l'ordre de 50 %, générant des recettes à l'état de l'ordre de 10 milliards de
Dirhams, soit le tiers des recettes douanières globales de l'année 1994. Les prix
pratiqués au Maroc ne reflétaient pas les fluctuations des prix sur le marché
international. Ces fluctuations affectaient principalement les recettes fiscales
énergétiques [2]. De ce fait, les prix des produits pétroliers ont beaucoup variés durant
les deux dernières décennies 1982 à 2002 (Tableau I.23).
Tableau I.23 : Prix des produits pétroliers [3].
Combustible
Essence super
Essence ordinaire
Pétrole lampant
Gasoil
Gaz du pétrole liquides :
- Charges : plus 5 kg
- Bouteille camping : 3 kg
Evolution des prix
Unités
Dh/litre
Dh/litre
Dh/litre
Dh/litre
Dh/Tonne
Dh/Tonne
2002
9.05
8.65
5.27
5.76
Variation
Moyenne %
2002/1982
93
92
134
143
1287.7 2958.3 3333.3
1715.0 3050.0 3333.3
159
94
1982
4.70
4.50
2.25
2.55
1992
6.96
6.70
3.58
3.97
Le système de taxation des produits pétroliers, entré en vigueur au 13/12/94,
n'était pas cohérent et créait des distorsions au niveau du marché national :
* distorsion fiscale entre différents produits énergétiques de substitution
notamment entre le fuel et le charbon et entre le super et le gasoil. Ces anomalies
76
ont favorisé une diésélisation du parc automobile marocain et des choix peu rationnels
au niveau des investissements industriels : cimenteries, Office National d’Electricité et
sucreries,
* taxation plus importante des produits raffinés localement que celle appliquée
aux produits raffinés importés,
* fluctuations importantes des revenus fiscaux de l'état provenant du secteur
pétrolier. En effet, ces revenus étaient aléatoires dans la mesure où les prix sur le
marché national ne dépendaient pratiquement pas des cours internationaux.
Pour remédier à ces problèmes, et dans le cadre de la libéralisation du
commerce extérieur, entamée par le Maroc, le Ministère de l’Energie et Mines (MEM)
a mis en place un nouveau système de tarification et de taxation des produits
pétroliers (essences super et ordinaire, pétrole lampant, gasoil, mazout et kérosène). Ce
système est basé sur l'indexation des prix de reprise des produits pétroliers, à la sortie
des raffineries, sur les cotations du marché international de Rotterdam. Les prix
intérieurs des produits pétroliers suivent désormais les cours internationaux. Les
différents taux des taxes (Droit d'importation, Taxes sur la Valeur Ajoutée (TVA) , etc.)
ont été réajustés pour, d'une part, harmoniser les prix intérieurs des combustibles en
les taxant sur la base de leur pouvoir calorifique, et, d'autre part, préserver et
stabiliser les recettes fiscales de l'état. Les taux de taxation ont été également fixés
pour assurer un compromis entre une protection raisonnable de l'industrie locale de
raffinage et la volonté politique de libéraliser le marché national. En Juillet, 2002, le
taux passeraient progressivement de 17.5 % et 25 % (selon les produits) à 2.5 % en
2009, dû au nouveau réajustement des structures des prix et le début d’application du
démantèlement linéaire des droits d’importation [1,2].
I-D.4.3.2 Gaz naturel
Le développement de l'utilisation du gaz naturel dans le secteur industriel,
dépendra, en premier lieu, de sa satisfaction énergétique et économique. Le système de
tarification pour le gaz naturel, est basé sur la neutralité fiscale entre les différents
combustibles (pétrole, charbon et gaz) en les soumettant au même régime fiscal. La
taxe à la thermie est identique pour les trois combustibles [2].
Malheureusement, une taxation basée principalement sur le pouvoir calorifique
des combustibles, n'est pas de nature à encourager l'utilisation des combustibles
77
commerciaux propres tel que le gaz naturel. En effet, cette approche n'intègre pas
l'impact environnemental des combustibles dans la structure des prix.
Le gaz naturel demeure un des combustibles commerciaux les plus propres, son
utilisation devra être encouragée par une taxation plus réduite traduisant son impact
relativement faible sur l'environnement. Ainsi, d'après le tableau ci dessous, nous
constatons que, par rapport, à une taxation basée sur les émissions des gaz à effet de
serre, le fuel est surtaxé de 25 % et le gaz naturel de 67 %.(Tableau I.24).
Tableau I.24 : Indice de taxation [2].
Combustible Pouvoir
Calorifique
Inférieur (PCI)
Thermie/tonne
Charbon
7 000
Fuel
9 600
Gaz naturel
11 000
Indice
Emissions relatives
relatif de Serre (GES)
taxation
par TEP
1.00
1.00
1.37
0.80
1.57
0.60
des Gaz à Effet de
par tonne
1.00
1.10
0.94
I-D.4.3.3 Electricité
D'origine hydraulique et thermique, la production de cette forme d'énergie, sa
transformation et sa distribution sont assurées par l'Office National d’Electricité (ONE)
depuis 1963. Il existe aussi des industriels autoproducteurs tels que Maroc - chimie,
Maroc - phosphore, sucreries, etc. qui produisent ensemble pour leurs propres besoins,
près de 10 % de l'énergie électrique totale. Celle produite par l'ONE, soit 90 %, est
cédée d'une part aux 11 régies distributrices qui la vendent à leurs abonnés, et, d'autre
part, aux abonnés spéciaux de cet office tels que l'Office National du Chemin de Fer,
l'Office National de l’Eau Potable (ONEP), l'Office Chérifien des Phosphate (OCP), les
cimenteries, etc. Mais, à partir de 1996, une nouvelle orientation stratégique
énergétique est entrée en vigueur [1,3].
Le potentiel hydraulique exploitable s'estime à cinq Milliards de kW, mais
seulement le quart est équipé actuellement à l'aide d'une vingtaine d'usines hydro électriques. Les équipements thermiques ont connu, à leur tour, un développement plus
rapide : une trentaine d'usines, utilisant du fuel-oil et du charbon, assurent aujourd'hui
plus de 90 % de la production électrique totale [3].
L'énergie électrique est produite en grande partie dans les centrales thermiques
à partir de la combustion de produits pétroliers. Les distorsions tarifaires et fiscales du
78
marché des produits pétroliers présentées dans le paragraphe précédent, se répercutent
donc directement sur le prix de l'électricité.
L'effet de ces répercussions est aggravé par les problèmes institutionnels du
secteur : monopole d'état géré par plusieurs établissements publics, accumulation des
impayés de plusieurs abonnés publics, une tarification qui ne reflète pas le coût de
revient surtout en heures de pointe. Cette situation a engendré des difficultés
chroniques à l'office National d’Electricité (ONE), un ralentissement important des
investissements d'où un déficit de l'offre de l'ordre de 150 MW en 1993 et 1994.
Durant cette période, l'électricité a été rationnée par délestage dans le secteur
productif industriel, et, par conséquent l'économie marocaine d'une façon générale, a
subit des dommages financiers importants.
Le système de tarification électrique a également déséquilibré, d'une façon
anormale, la courbe de charge journalière : ainsi que la demande électrique a été le
double entre la pointe (19h-21h) et le creux (4h-6h). Ce rapport, un des plus
accentués au monde, a affecté, de façon considérable, la rentabilité et le rendement
des centrales dont 40 % sont utilisées moins de 5 h par jour. Cette situation
antiéconomique aberrante a incité les pouvoirs publics à revoir les cadres juridiques et
institutionnels du secteur et à instaurer une nouvelle tarification compatible avec les
réalités techniques et économiques de production, de transport et de distribution de
l'électricité [1,3].
Plusieurs réformes du secteur ont été ainsi mises en œuvre. Une nouvelle
tarification a été également instaurée, à partir de 1995, dans le cadre de la
libéralisation des marchés et la restructuration des filières énergétiques avec
repositionnement du rôle de l'Office National d’Electricité (ONE). Cette nouvelle
tarification dont l'objectif est de rétablir des prix qui reflètent les réalités technico économiques de la génération et la distribution de l'électricité, a crée un tarif de
pointe saisonnier pour limiter la puissance nécessaire à la pointe et de réduire les
investissements de production qui y sont liés [1,3].
Depuis les années 80, le tarif de l'électricité à basse tension est comptabilisé
selon des tranches de consommation (consommations moins de 100 kWh/mois, plus de
500 kWh/mois, etc.). Par contre, à partir de 1995, pour les consommations à moyenne
tension, haute et très haute tension, le tarif est fixé aussi selon trois périodes : heures
de pointes, heures pleines et heures creuses.
79
La figure I.25 montre que le tarif moyen de l’électricité à basse tension pour
l’usage particulier est inférieur à celui pour l’usage domestique. Les données sont
obtenues à partir des tarifs réglementés par l'état dans le secteur de l'énergie pour les
dix régions à savoir Casablanca, Fès, Kénitra, Marrakech, Rabat-Salé, Safi, Tétouan,
El Jadida, Tanger et Meknès. A partir de 1995, la figure I.26 montre que les tarifs
moyens de vente d’électricité à moyenne tension, à haute et très haute tension ont
tendance à diminuer mais ceux à basse tension subissent une légère augmentation.
Prix d'électricité (Centimes / Dh)
120
Basse Tension
110
100
Usage domestique
90
80
Usage particulier
70
60
50
40
30
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
Année
Figure I.25 : Tarifs moyens de l’électricité à basse tension réglementés par l'état pour
l’usage domestique et l’usage particulier[3].
80
100
Moyen Tension
Prix d'électricité (Centimes / KWh)
95
90
Basse Tension
85
80
Haute Tension = Trés Haute Tension
75
70
65
60
1.75
1997
3.50
1996
1999
5.25
7.00
1998
2000
8.75
10.50
2001
Année
Figure I.26 : Tarifs moyens réglementés par l'état pour les différentes tensions [1].
Le prix d’électricité industriel au Maroc en 2001, comparé à celui de l’Egypte,
la Tunisie ou en Europe, est plus fort (Figure I.27)
1
Dh/kWh
0.8
0.725
0.7
0.65
0.575
0.6
0.55
0.45
Série1
0.4
0.2
0
Turquie
Tunisie
Espagne
France
Egypte
Maroc
Figure I.27 : Prix d’électricité industriel en 2001 [1].
I-D.4.3.4 Nécessité de trouver des solutions novatrices
Actuellement, le monde rural semble sous électrifié. Pour les décideurs, cette
situation se traduit actuellement par des besoins importants et urgents d'électrification
de localités rurales. Ce sont, évidemment, les raisons économiques que nous avons
81
évoquées précédemment qui sont en cause dans ce constat, mais elles ne sont
sûrement pas les seules : la vision du technicien est également responsable.
En effet, si la solution conventionnelle en matière d'électrification (liaison au
réseau électrique national) a constitué pendant de longues années le réflexe du
technicien lorsqu'il s'agissait d'éclairer le décideur sur la manière d'électrifier le monde
rural, la spécificité de ce monde conjuguée à l'expérience du passé, à l'urgence de la
demande en électrification rurale et à la limitation des ressources, a imposé une vision
plus rationnelle du problème d'électrification : ce qui n'exclut aucune des solutions
d'électrification qui sont techniquement possibles. Parmi ces dernières, l'électrification
décentralisée (alternatives complémentaires à l'électrification par extension du réseau
électrique national), constitue l'option d'avenir pour le milieu rural. Elle consiste à
examiner la possibilité d'électrification d'un centre rural éloigné du réseau interconnecté
en considérant d'abord ses ressources naturelles locales : hydrauliques, éoliennes ou
solaires; la solution d'électrification par Groupe ElectroGène (GEG) n'étant considérée
que dans le cas où les ressources locales seraient inexistantes ou ne peuvent pas
répondre à la demande.
L'électrification rurale décentralisée concerne les zones rurales pour lesquelles le
raccordement aux réseaux électriques conventionnels ne peut être envisagé à moyen
terme en raison de la forte dispersion des populations et un faible niveau des
consommations énergétiques de celles-ci. La mobilisation des ressources énergétiques
renouvelables, l'organisation d'une gestion technique et financière décentralisée par des
associations villageoises, la mobilisation progressive d'acteurs privés régionaux et
d'organisations non gouvernementales et la recherche de montages novateurs et
équilibrés constituent les principaux axes poursuivis en matière d'électrification
décentralisée.
I-D.4.4 Electrification décentralisée
Certes, les générateurs autonomes Groupe ElectroGène (GEG) ou utilisant les
énergies renouvelables (solaire, éolienne, biomasse, micro-hydraulique, vagues) ne
peuvent, dans l'état actuel de la technique, fournir des puissances importantes
(irrigation, industrie, éclairage public) à des coûts abordables mais sont parfaitement
appropriés à de faibles niveaux de consommation tels que l'électrification domestique
(éclairage et audiovisuel), le pompage (eau potable, petite irrigation), la réfrigération
pour vaccins, l'éclairage pour les écoles, les dispensaires et les mosquées.
82
A part sa situation géographique et sa structure physique, le Maroc possède des
gisements renouvelables importants. En effet, les énergies renouvelables présentent un
potentiel d'utilisation fort intéressant dont les principales sont [2,4,5,9] :
_ un rayonnement solaire incident moyen variant entre 4.7 et 5.6 kWh par jour
et par mètre carré, présente plus de 3000 heures / an,
_ un gisement éolien considérable par endroits : une vitesse moyenne du vent
qui varie de moins de 3 m/s à plus de 10 m/s dans plusieurs régions du pays,
_ un potentiel en biomasse également important : 5 millions d'hectares de forêt
et 2.5 millions d'hectares d'alfa ainsi qu'un potentiel appréciable en déchets d’étables
et déchets urbains et agricoles. Cependant, le gisement forestier est à sauvegarder du
fait, en particulier, de l'utilisation abusive du bois de feu. Il est à noter que la
consommation en diverse biomasse représente plus de 30 % de la consommation
globale d'énergie du Maroc,
_ un potentiel appréciable en sites pour micro-centrales hydrauliques (puissance
supérieure à 100 kW par site) et surtout en sites pico-centrales hydrauliques (puissance
de quelques dizaines de kW par site).
Ce potentiel est en cours d'identification et d'exploitation à la fois par l'Office
National d’Electricité (ONE), le Centre de Développement des Energies Renouvelables
(CDER), et la Direction Générale des Collectivités Locales (DGCL) [37-40]. Plusieurs
projets d'électrification décentralisée ont été installés ou en cours d'installation par le
CDER ou initié par ce dernier en collaboration soit avec la DGCL, soit avec des
pays et/ou des organismes de coopération dans le cadre de financement international
ou la production concessionnaire. Ces projets s'inscrivent en grande partie dans le
cadre d'une valorisation et utilisation des énergies renouvelables au Maroc qui sont
devenues une pièce maîtresse pouvant répondre à certains besoins immédiats des
populations.
Le Programme National d'Electrification Décentralisée (PNED) est considéré
comme une électrification décentralisée hors réseau selon des techniques diversifiées
telles que les panneaux photovoltaïques, micro-centrales hydrauliques, aérogénérateurs,
etc. La réalisation du PNED a été prévue par tranche entre 1994 et 2000 pour
l'électrification de 620 villages (31 000 foyers). Elle était financée en grande partie par
l'Union Européenne et le Fonds d'Equipements Communaux. Parmi les projets les plus
importants qui s’inscrivent dans le cadre de ce programme, nous citons [37-40]:
- le projet de Centrale Thermo - Solaire qui consiste en l'installation d'une
centrale à Ouarzazate, d'une puissance de 80 MW utilisant comme énergie primaire le
83
soleil. L'étude de faisabilité (financée par la CEE) a été réalisée par le Centre de
Développement des Energies Renouvelables (CDER) et la société ENDESA (Espagne).
Le financement serait réalisé par la Banque Mondiale et le groupement BMZ
(République Fédérale Allemande).
- le projet de réalisation de Parcs Eoliens se décompose en trois sous projets :
Le premier projet est de 50.3MW qui consiste en l'installation d'aérogénérateurs reliés
au réseau électrique national pour la production d'électricité destinée à couvrir une
partie des besoins énergétiques de la zone Nord du Maroc. Son financement a été
confié au groupement franco-danois et sa gestion et son exploitation à une compagnie
privée. Le deuxième, d'une puissance de 3.5 MW, est réalisé par l’Office National
d’Electricité (ONE) en collaboration avec le gouvernement allemand. La troisième
tranche consiste à un appel d’offre pour l’installation de 3 autres parcs d’éoliens, deux
au Nord et un dans la région de Tarfaya au sud, d’une puissance totale de 200 MW.
En définitive, l'option énergie éolienne peut être compétitive à l'énergie
hydraulique au Maroc. Il n'en demeure pas moins qu'une analyse critique de la
situation des énergies renouvelables au Maroc, permettant d'identifier les obstacles
(institutionnels, législatifs, financiers et techniques) et élaborer une stratégie appropriée
de développement à grandes échelles pour ces énergies, reste nécessaire.
I-D.5 Investissement dans le secteur énergétique
L'investissement global dans le secteur énergétique a atteint 9.3 Milliards de
dirhams en 1995. Sur la période 1996-2000, une part importante des investissements
de l'état dans le secteur de l'électricité a été prise en charge par les producteurs
concessionnaires dont l'apport a été estimé à 21 Milliards de Dirhams pour une
puissance additionnelle de 2 500 MW [2].
Plus généralement, les
dispositions organisationnelles et réglementaires
entreprises dans le secteur énergétique dans le cadre de la libéralisation des marchés
et la restructuration des filières énergétiques conduiront à alléger le budget
d'investissement de l'état par un engagement de plus en plus important du secteur
privé, principalement extérieur, dont la contribution durant la période 1996-2000 a été
estimée à 4 Milliards de Dollars, soit près d'un Milliard de Dollars par an en
moyenne, pour la réalisation des grands projets électriques et gaziers (Tableaux I.25 et I.26
84
Tableau I.25 : Investissements dans les secteurs de l'électricité et du gaz naturel au
Maroc : période 1995-2000 [2]
Puissance Période
Installée
(MW)
ELECTRICITE
Production
> Investissements privés en
production concessionnaire :
* Jorf Lasfer (charbon)
Tranche I et II
Tranche III et IV
*Cycle combiné Mohammedia(Gaz)
* Cycle combiné Kénitra(Gaz)
* Parc Eolien
* Centrale Thermosolaire
Finance ment
(M$)
Finance
Interne
(%)
ment
Externe
(%)
4110
3010
2460
2x330
2x330
450
450
50
80
1996
1996-2000
1996-2000
1996-2000
1996-2000
1996-2000
781
719
330
330
50
250
340
1996-2000
552
480
60
40 (c)
56
16
30
40
70 (c)
60 (c)
Transport
*Réseau national
*Interconnexion Maroc-Espagne
810
550
260
10
90 (c)
Distribution
GAZ NATUREL
* Gazoduc Maghreb-Europe
*Bretelle jusqu'à Mohammedia
Total
290
-
-
> Investissements ONE
* Hydraulique
* Thermique
Repowering
Conversion au Gaz Naturel
60
700
1996-2000
1996-2000
100
100
100
100
100
100
(a)
(a)
(a)
(a)
(a)
(b)
970
1995-2000
1995-2000
770
200
100
(d)
5080
(a) Investissements privés
(b) Investissements privés + Coopération
(c) Crédits Multilatéraux + Crédits Bancaires + Crédits Fournisseurs.
(d) A rechercher
Tableau I.26 : Projets de production concessionnaire de l'électricité [2].
Puissance:MW
Nature
Centrale thermique de Jorf Lasfer
* Exploitation des tranches I&II
*Construction & exploitation des tranches III&IV
Centrale thermique de Mohammedia (*)
* Construction & exploitation
Centrale thermique de Kénitra (*)
* Construction & exploitation
Parc éolien à Tétouan (**)
* Construction & exploitation
(*) : Appel d'offres en cours de finalisation.
Coût:MDh
Groupe vapeur
Charbon
Cycle combiné ou
Classique Fuel/Gaz
4x330
13500
300x450
3 000
Cycle combiné
350x450
3 000
50
450
Aérogénérateurs
(**) : Mise en service en août 2000
85
I-D.6 Conclusion
Sur un total de 26.07 millions d'habitants recensés en 1994, 12.66 millions
habitent en milieu rural, soit une proportion de 48 % dont la majorité vit dans des
sites enclavés, dispersés et difficiles d'accès. Cette population dispose de peu de
moyens et elle n'a pas accès aux services et infrastructures de base pour satisfaire ses
besoins vitaux : l’éducation, la santé et l’hygiène, etc. Ainsi le taux d'électrification au
Maroc en milieu rural ne dépassait guère 62 % en 2003, alors qu'il s'établit à 70 %
en Tunisie et 80 % en Algérie en 1994 [2].
Devant cette situation, le Programme d'Electrification Rurale Globale (PERG) a
été adopté par le gouvernement en 1995. Ce programme consiste en l'électrification, à
l'horizon 2010, d'environ 1 500 000 foyers (9 millions d'habitants), permettant de porter
le taux d'électrification rurale de 21 % à prés de 80 % à cet horizon. Une part
appréciable de ce programme estimée à 30 %, serait réalisée par le recours aux
technologies d'électrification décentralisée par les énergies renouvelables, en général, et
l’énergie solaire et l’énergie éolienne, en particulier.
Les villages marocains à électrifier peuvent être classés en deux catégories :
- Ceux situés dans les régions déjà relativement bien développées où le développement
économique est contraint par l'absence d'une source d'énergie fiable et peu chère. Dans
ce cas, c'est l'électrification par extension du réseau électrique qui est viable,
- Ceux situés dans les zones rurales pour lesquelles le raccordement aux réseaux
électriques conventionnels ne peut être considéré à moyen terme en raison de la forte
dispersion des populations, de l'isolement des villages dans des zones enclavées, des
faibles niveaux de vie et de consommation énergétique de ceux-ci, seule
l'électrification décentralisée peut être envisagée.
I. Conclusion
L'énergie joue un rôle très important dans le processus de développement
durable. C'est une source vitale à la base de tout développement social et économique
des populations. Mais les ressources énergétiques au Maroc sont limitées. La
production nationale de pétrole brut et de gaz naturel est tout à fait négligeable et
celle de charbon reste très faible.
86
De 1992 à 2002, la consommation énergétique totale annuelle au Maroc a
augmentée de 50 %, elle atteint environ 10.5 MTEP et se caractérise par la
prédominance des produits pétroliers, qui couvre 61 % de la consommation totale.
D'où une facture énergétique nette de 16 403 Millions de Dirhams et une dépendance
énergétique très élevée qui atteint 97 % en 2002, absorbant 10 % des recettes des
exportations. Ce qui implique la nécessité de développer les sources d’énergie
nationale, et en particulier l’énergie éolienne.
La situation géographique du Maroc permet à l’énergie éolienne d’offrir
d’excellentes possibilités pour la production d’électricité à grande échelle par
l’installation de parcs éoliens. Les références cités confirment l’avenir prometteur de
l’énergie éolienne au Maroc, et, particulièrement, le site de Tanger pour la production
d’électricité et puisque nous disposons de 12 années de moyennes horaires de la
vitesse du vent et deux années pour la direction du vent. Ceci justifie le choix de ce
site pour une étude plus détaillée.
En plus de la faible consommation énergétique par an et par habitant, le Maroc
est caractérisé par une forte inégalité de consommation énergétique entre le secteur
moderne et le secteur périurbain et rural. Ainsi, l'utilisation des énergies renouvelables,
en général, et l’énergie éolienne, en particulier, en complément des énergies classiques,
peut fournir un appoint non négligeable surtout en milieu rural.
L'une des options de l'électrification rurale, sont les kits éoliens et les systèmes
hybrides, Aérogénérateurs/Groupes électrogènes, qui apparaissent maintenant être
économiquement viable, surtout pour les communautés isolées où le coût de la
génération d'électricité utilisant les combustibles conventionnels est élevé. Comme le
Maroc, d'une part, dispose de nombreux sites où les conditions du vent sont
favorables (3 446 km de côte) et, d'autre part, l'électrification par Groupe ElectroGène
(GEG) est une forme d'électrification décentralisée bien développée au Maroc, il y a
possibilité d'utiliser l'énergie éolienne surtout pour les zones où la force du vent est
forte.
87
CHAPITRE
II
CARACTERISTIQUES DU POTENTIEL EOLIEN DU SITE DE TANGER.
88
II. CARACTERISTIQUES DU POTENTIEL EOLIEN DU SITE DE TANGER
Introduction
Cette étude concerne l’étude des caractéristiques du gisement éolien marocain
avec une étude spécifique pour le site de Tanger. Le choix de cette zone venteuse est
consécutif au fait que, pour ce site, nous disposons d'une longue série des moyennes
horaires de la vitesse du vent (MHVV) s'étalant de 1987 à 1989 (échantillon de
105000.données) et deux années de données horaires pour la direction du vent (19881989) relevées dans la station météorologique de Tanger par la Direction de la
Météorologie Nationale (DMN).
Le traitement des données et la présentation des résultats dépendent de la
nature et du nombre de mesures disponibles ainsi que du système de conversion
choisi. C'est pour cela que nous nous sommes efforcés de présenter un grand choix
des données, afin de répondre aux besoins des utilisateurs.
Après une première réduction du volume important des données par des
traitements statistiques, celles-ci sont compactées, sans perte significative des
informations qu’elles contiennent, par l'adaptation des modèles statistiques aux
distributions fréquentielles de la vitesse du vent. Cette méthode a l'avantage de
représenter les données observées par un nombre de paramètres limités. Une troisième
représentation des données déduite de l'étude de l'influence du pas et du nombre
d'années de mesures sur l'estimation du potentiel éolien présente l'avantage de limiter
la série de mesures sans perdre des caractéristiques statistiques de la série originale.
Le dimensionnement d'un système éolien basé uniquement sur une analyse
statistique non temporelle est insuffisant car les fluctuations aléatoires de la vitesse du
vent au cours du temps contraignent le système à fonctionner en régime permanent,
et, de plus, la mémoire de ces fluctuations influence grandement le dimensionnement
optimal du système. Donc l'étude du comportement dynamique d'un système éolien
exige que l'on prenne en compte les corrélations temporelles des moyennes horaires de
la vitesse du vent (MHVV). Cette étude peut être faite grâce aux modèles dynamiques
qui ont l'avantage de générer des séries de valeurs probables à un pas de temps
défini, en un site donné, avec les mêmes caractéristiques dynamiques de la série
réelle. II suffit donc de quelques paramètres pour générer toute une série de données
dont l'optimisation nous produit une année de référence de la vitesse du vent. Nous
89
présentons dans cette partie deux approches de modélisation, une par utilisation de
modèles auto régressifs de type AR(p), où p est l’ordre du modèle, la deuxième par
utilisation d’une modélisation probabiliste en chaîne de Markov.
II.1 Etude statistique de la vitesse du vent
II.1.1 Introduction
La puissance utilisable que peut fournir une éolienne varie proportionnellement
au cube de la vitesse du vent, ainsi que le montre la formule qui suit [41-43] :
P
= 1  A v3
2
(II.1)
avec
 : densité de l'air (kg / m 3 )
A : surface balayée par l'hélice de l'éolienne (m 2 )
v : vitesse du vent ( m/s ).
Une augmentation de 20 % de
augmentation de la puissance supérieure à
disponible en un site donné nécessite donc
à des fréquences de petites mesures, une
mesure suffisamment grande.
la vitesse du vent se traduit par une
70 %. Une évaluation de l'énergie éolienne
la connaissance de la vitesse du vent prise
heure par exemple, pendant une durée de
Le but de ce travail est le traitement et la présentation des données horaires de
la vitesse du vent enregistrée durant 12 années au site de Tanger pour fournir les
chiffres nécessaires au dimensionnement des systèmes fonctionnant grâce à l'énergie
éolienne.
Dans ce travail, nous allons reprendre et compléter l'étude réalisée par le
Centre de Développement des Energies Renouvelables (CDER) pour ce site [4], en
considérant une période de 12 années de mesures horaires de la vitesse du vent pour
acquérir des informations plus particulièrement pour le site de Tanger
90
Le potentiel éolien, pour les sites où on ne dispose pas de mesures, est estimé
par utilisation des modèles qui tiennent compte des mesures des sites voisins et de la
topographie géographique du lieu [44-46].
II.1.2 Moyenne et maxima de la vitesse du vent
La vitesse moyenne mensuelle est une variable très utilisée dans le domaine de
l'énergie éolienne. En effet, elle donne un ordre de grandeur de l'importance du vent
durant un mois à l'endroit considéré; de plus, la plupart des calculs des performances
des systèmes éoliens se font sur la base des vitesses moyennes mensuelles, car le
comportement de la vitesse du vent est presque homogène à l'intérieur d'un mois
donné.
Il s'agit simplement de la moyenne arithmétique de toutes les lectures de la
vitesse effectuées selon un échantillonnage fréquent et régulier et donné par la
formule suivante [4] :
1 N
V   Vi
(II.2)
N i=1
où
N = nombre de lectures.
V i = moyenne horaire de la vitesse du vent.
On se contente souvent d'étudier les moyennes mensuelles et annuelles ainsi
que les maxima de la vitesse du vent (Tableaux II.1 et II.2, Figures II.1-6). Cette
présentation apporte certes des informations intéressantes aux utilisateurs de l'énergie
éolienne sur la fluctuation de la vitesse du vent : la vitesse moyenne annuelle donne
un ordre de grandeur de l'importance du vent dans le site considéré, les vitesses
moyennes et maxima mensuelles informent sur les variations saisonnières et
interannuelles. Elles servent également à estimer les puissances éoliennes annuelles et
mensuelles utilisables. Les maxima nous permettent de connaître la vitesse critique et
par la suite, de prévoir la résistance du rotor, partie principale du générateur éolien et
même de fabriquer une commande automatique qui met l'éolienne en drapeau lorsque
la vitesse du vent atteint la valeur critique.
91
Durant la période 1978-1989 (24 mesures/jour), pour le site de Tanger, les
tableaux II.1 et II.2 montrent que le mois de juillet est le plus venteux et le plus
fluctuant (: plus élevé) avec une moyenne mensuelle et écart-type de l'ordre de
6.5m/s et 1.90 respectivement et juin est le mois le moins venteux V =5.5 m/s et
=1.19. La moyenne mensuelle maximale atteinte pour le site de Tanger pendant le
mois de Juillet 1986 est de l'ordre de 10.5.m/s; par contre, la valeur minimale de
l'ordre de 2.41m/s est enregistrée pour le mois de décembre 1978. L'année la plus
venteuse est 1986 tandis que l’année la moins venteuse est 1978. Le mois et L'année
durant lesquels le vent est stable sont respectivement le mois de novembre et l'année
1979 (  plus faible). 1988, qui est l'année la plus fluctuante, correspond à l'écart-type
le plus élevé. La vitesse maximale qu'on peut atteindre est de l'ordre de 30 m/s.
Tableau II.1 : Moyennes mensuelles, annuelles et écart-type de la vitesse du vent
V(m/s) (24 mes./ 24h, 1978-1989).
Ann
Mois
J
F
M
A
M
J
Jt
A
S
O
N
D
Moy

92
78
5.02
3.67
4.05
4.50
4.42
2.97
4.27
4.59
5.68
4.99
5.21
2.41
4.31
0.90
79
4.05
5.57
4.48
4.43
6.16
5.92
6.39
5.31
5.89
5.44
6.05
5.48
5.43
0.71
80
3.95
3.62
5.09
6.00
5.01
4.44
5.55
5.36
7.24
6.65
5.56
6.13
5.38
1.01
81
6.07
5.70
4.49
5.21
5.11
6.28
8.74
5.85
5.48
5.21
8.46
6.88
6.12
1.26
82
4.48
7.10
6.48
5.95
6.34
5.56
4.60
6.87
6.61
5.91
6.14
5.36
5.95
0.79
83
6.69
6.07
6.68
6.81
4.78
4.95
3.38
5.18
6.56
6.18
5.24
6.91
5.79
1.04
84
5.07
5.70
6.93
5.70
6.14
6.98
7.57
7.78
4.83
8.91
6.96
6.12
6.56
1.14
85
6.29
7.27
7.04
6.50
5.67
4.23
6.08
6.15
6.51
8.37
6.44
7.02
6.46
0.95
86
6.78
8.07
5.72
7.15
7.72
6.33
10.5
5.71
7.28
5.35
6.23
5.15
6.82
1.39
87
88
7.73 4.44
5.84 6.11
5.80 4.28
7.45 4.77
5.81 5.22
7.47 5.68
7.24 7.50
5.20 5.38
6.32 10.2
4.44 5.81
6.44 5.88
5.17 5.76
6.24 5.92
1.01 1.52
89
5.97
7.77
5.51
5.95
6.07
5.54
6.30
4.50
4.37
7.02
6.24
5.44
5.89
0.91
Moy
5.54
6.04
5.55
5.87
5.70
5.53
6.5
5.66
6.41
6.19
6.24
5.65
5.9
0.3

1.16
1.35
1.03
0.96
0.85
1.19
1.9
0.89
1.41
1.2
0.8
1.18
0.6
Ii =
i/vi
0.21
0.22
0.19
0.16
0.15
0.22
0.3
0.16
0.18
0.21
0.1
0.21
Tableau II.2. Maxima absolus mensuels et annuels de la vitesse du vent (24 mes./ 24 h,
1978-1989)
Année
J
F
M
A
M
J
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
Max.mensu
12
9
12
21
20
20
14
21
24
23
17
18
24
12
17
13
18
17
15
19
25
24
25
21
22
25
12
11
12
15
17
18
26
23
19
22
23
16
26
12
12
13
16
19
22
28
19
20
24
18
22
28
12
15
10
15
16
13
19
19
30
19
21
21
30
10
17
11
15
17
18
29
19
25
23
17
24
29
Jt
11
21
17
22
14
7
22
23
27
22
23
25
27
A
S
O
N
D
Max.annuel
11
14
22
19
21
17
25
30
21
27
20
13
30
12
14
18
15
19
19
21
19
22
21
23
18
23
10
15
17
16
15
17
24
23
19
15
26
21
26
11
14
14
19
19
13
20
22
19
19
18
19
22
6
13
21
18
13
18
19
22
18
23
18
22
23
12
21
22
22
21
22
29
30
30
27
26
25
30
II.1.3 Variations saisonnières et annuelles
Nous savons que les vents sont différents selon les saisons : cette variation
saisonnière est généralement représentée par une série de vitesses moyennes et maxima
absolus (Figures II.1 et II.2). Ces derniers se révèlent importants lorsqu'il s'agit d'adapter
l'énergie éolienne aux besoins énergétiques qui peuvent également varier avec les
saisons. Si l'on compare la moyenne mensuelle et annuelle de la vitesse du vent pour
chaque mois, on constate que les moyennes mensuelles sont toujours proches de la
moyenne annuelle. La différence entre ces deux moyennes ne dépasse guère 1 m/s
(Tableau II.1 et Figure II.1). La figure II.2 présente la variation mensuelle des maxima
absolus de la vitesse du vent. A première vue, les valeurs sont très importantes aux
mois d'été ( mai, juin, juillet et août ) et faibles aux mois d'hiver (novembre,
décembre et janvier). Ceci peut s'expliquer par le renforcement de l'anticyclone des
Açores qui crée une forte circulation d'Alizés en été ou par la circulation thermique
due à la grande différence de la température entre la mer et la terre en été.
93
Figure II.1 : Variation des moyennes mensuelles de la vitesse du vent
Figure II.2 : Variation mensuelle des maxima absolus de la vitesse du vent.
Les années les plus venteuses sont 1984, 1985 et 1986, correspondant aux
moyennes annuelles supérieures à la moyenne à long terme ( V = 5.9 m/s) (Tableau II.1
et Figure II.3). Ce résultat est confirmé par la figure II.4. En effet, elles ont les
maxima absolus les plus élevés. Par contre, les années 1978-1981 ont des moyennes
inférieures à 5.9 m/s : années moins venteuses (Figure II.3).
94
Figure II.3 : Variation des moyennes annuelles de la vitesse du vent.
Figure II.4 : Variation des maxima absolus annuels de la vitesse du vent.
II.1.4 Variations interannuelles
Les variations interannuelles sont un troisième type de variations temporelles
qui correspondent aux différences observées d'une année à l'autre (Figures II.3 et II.4).
Elles nous renseignent sur la périodicité et les irrégularités du vent. On peut voir que
les variations saisonnières impriment le schéma de base chaque année, mais que les
données exactes varient d'une année à l'autre. Pour définir quantitativement cette
variation, nous avons calculé le facteur de variation interannuelle, pour chaque mois
du calendrier [4] :
95
Ii = i
Vi
(II.3)
où
Ii = Variation inter-annuelle dans le ième mois.
i = écart type des vitesses moyennes mensuelles du vent dans le ième mois sur une
période de plusieurs années.
Vi = vitesse moyenne globale dans le ième mois sur une période de plusieurs années.
La valeur de ce facteur varie entre 0.1 et 0.3, selon que la variation est faible
oo extrême (Tableau II.1). Ce facteur de variation interannuelle doit être pris en
considération lorsqu'on veut s'assurer qu'il existe une bonne concordance entre les
besoins et les possibilités offertes par un système éolien.
L'allure générale de la variation interannuelle des moyennes mensuelles confirme
que les années 1978-1981 sont les moins venteuses sur les 12 années de mesures. Les
moyennes mensuelles sont, en général, inférieures à 5.9 m/s ( Figure II.5). On constate
que les maxima absolus durant les années 1984-1989 sont généralement supérieurs à
ceux du reste de la série (1978 - 1983) (Figure II.6).
Figure II.5 : Variations interannuelles de la vitesse du vent.
96
Figure II.6 : Variations interannuelles des maxima absolus de la vitesse du vent.
II.1.5 Variations quotidiennes
De la même façon que le vent varie d'une saison à l'autre et d'une année à
l'autre, il varie entre le jour et la nuit. Cette variation sur une période de 24 heures
est représentée par la variation moyenne de V(h,j), pour une heure donnée h, prises
sur toutes les journées de la période considérée (Figure II.7). La même figure montre
d'une manière générale, pour le site de Tanger, que le vent est fort le jour et atteint
son maximum à 16 heures heure locale et faible la nuit et minimale vers 6 heures.
Les variations quotidiennes peuvent changer d'une saison à l'autre. Par exemple, en été,
les vents peuvent être forts le jour, mais relativement faibles la nuit, alors qu'en hiver
ils peuvent être pratiquement constants, jour et nuit. Connaître ce type de variation
permet également d'harmoniser la puissance fournie par le vent et les besoins
énergétiques.
97
Figure II.7 : Variations quotidiennes de la vitesse du vent.
II.1.6 Distribution des fréquences
II.1.6.1 Répartitions des vitesses horaires
L'histogramme (Figure II.8) représente un nombre d'heures pour lesquelles la
vitesse est égale 0 m/s, 1 m/s, 2 m/s, etc. (en abscisse). Il nous renseigne sur la
distribution des heures dans les différentes classes. On note cependant un léger
maximum de 1 052 heures par an pour la classe 0 m/s correspondant à V = 0 m/s
(vent nul), soit environ 12 %, un chiffre qui a besoin d'être connu, quand il s'agit par
exemple de dimensionner le stockage dans certaines applications de l'énergie éoliennes.
On peut également remarquer que les classes 3, 4 et 5 m/s (vent moyen) ont presque
la même valeur 900 heures par an, soit la fréquence 10 % en moyenne. Les classes de
valeurs élevées ne sont pas vides, elles correspondent au vent fort qui peut atteindre
30 m/s pour le site de Tanger (Tableau II.2).
98
1200
Tanger
24 mes. / 2
No heures par année
1000
800
600
400
200
0
0 1 2 3 4 5 6 7 8 9 10 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Vitesse (m/s)
Figure II.8 : Histogramme des mesures horaires des vitesses du vent.
II.1.6.2 Fréquences cumulées des vitesses horaires
Cette présentation permet d'obtenir rapidement, pour chaque mois ou l'année, le
nombre moyen d'heures dans la journée pendant lesquelles le système produira de
l'énergie. Généralement, pour un système éolien donné, il existe un seuil de la vitesse
du vent au-dessous duquel aucune énergie n'est fournie [24,47]. Il peut arriver que le
système éolien ne puisse pas fonctionner durant les journées à vent faible. Les
moyennes quotidiennes et mensuelles ne peuvent donner une appréciation sur les
seuils. Pour mettre en évidence les heures où le système peut fonctionner, il faut
chercher une autre présentation des données.
Pour évaluer correctement l'énergie disponible à la sortie d'un système éolien, il
faut donc connaître non seulement les moyennes journalières ou mensuelles mais aussi
la répartition statistique des valeurs horaires de la vitesse du vent. Cela se fait par la
méthode des fréquences cumulées. C'est une forme de présentation des données qui
privilégie les phénomènes de seuil et de non-linéarité des systèmes [48].
Le tableau II.3 et la figure II.9 montrent les fréquences cumulées des valeurs
horaires de la vitesse du vent pour l'année (moyenne sur les 12 années de mesure).
Pour un système éolien dont le seuil de fonctionnement est connu, il suffit de porter
ce seuil en ordonnée pour déduire, en abscisse, le nombre moyen quotidien d'heures
99
utiles pendant l'année. D'autre part, l'intersection de la courbe avec l'axe des ordonnés
indique la valeur maximale atteinte par la vitesse du vent, soit 30 m/s durant l'année.
Tableau II.3 : Données de la fréquence de la vitesse du vent (Tanger 1978-1989,
24.mesures/jour)transformées en distribution de la durée et distribution cumulative
Vitesse
m/s
Fréquence
heures
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
1015
218
743
891
902
898
748
670
590
462
395
213
236
239
146
120
59
62
48
35
26
19
12
9
3
3
3
1
1
0
0
Durée V > Vo
%
24.0
21.2
20.6
18.6
16.1
13.7
11.2
9.2
7.3
5.7
4.5
3.4
2.8
2.1
1.5
1.1
0.8
0.6
0.4
0.3
0.2
0,1
0.0
0.0
0.0
Cumulées V < Vo
%
11
14
22
32
42
53
61
69
76
81
85
88
91
93
95
96
97
98
98
99
99
99
99
99
100
Les courbes de probabilité de non-dépassement d'un seuil (Figure II.10) nous
renseignent directement sur les valeurs extrêmes de la vitesse, sur sa valeur médiane
(Probabilité = 0.5) et sur le nombre d'heures pendant lesquelles la vitesse est inférieure
à un seuil donné. La même figure nous montre que la vitesse maximale
(Probabilité=1) et la fréquence du vent nul (P = 0) sont respectivement 30 m/s, 12 %.
100
Tanger
0
1978 - 1989 ; 24 mes. / 24 h
2
4
6
8
10
12
14
16
18
20
22
24
No d'heures par jour
Figure II.9 : Fréquences cumulées de la vitesse du vent.
100
Tanger
1987 - 1989 ; 24 mes./24 h
90
Probabilité : P(V > Vo)
Vitesse (m/s)
23
22
21
20
19
18
17
16
15
14
13
12
10
9
8
7
6
5
4
3
2
1
0
80
70
60
50
40
30
20
10
0
0
1
2
3
4
5
6
7
8
9 10 12 13 14 15 16 17 18 19 20 21
Vitesse (m/s)
Figure II.10 : Probabilité de non-dépassement d'un seuil.
101
II.1.7 Conclusion.
Dans ce travail, les caractéristiques statistiques des moyennes horaires de la
vitesse du vent (MHVV) (24 valeurs par jour), mesurées à l'aéroport de Tanger à l'aide
d'un anémomètre placé à une hauteur de 10 mètres sont étudiées sur la base de
12.années de mesures (1978 - 1989 ). La moyenne horaire de la vitesse du vent à long
terme est égale à ( 5.9 ± 0.3 m/s).
Quand on parle des systèmes éoliens pour la production d’électricité, on pense
au seuil de démarrage, la vitesse nominale et la vitesse d'arrêt. Le seuil de démarrage
dépend du diamètre et le nombre de pâles. Both et Al. [24] ont présenté, dans leur
catalogue des aérogénérateurs démarrant à partir de la vitesse du vent à 2 m/s.
Puisque la vitesse moyenne annuelle du vent à long terme pour le site de Tanger est
voisine de 5.9 m/s, supérieur à 5 m/s valeur à partir de laquelle les aérogénérateurs
sont compétitifs aux centrales thermiques.
II.2 Traitement statistique de la direction du vent
II.2.1 Introduction
La deuxième grandeur caractéristique du vent est sa direction, elle s'effectue
généralement des hautes vers les basses pressions de masses d'air. Mais, cette
circulation peut être modifiée selon la topographie (obstacles) du lieu considéré.
Bien qu'elle ne fasse pas l'objet d'une étude quantitative, la connaissance des
statistiques de la direction du vent est importante pour la compréhension des causes et
effets des vents, l'exploitation et l'orientation des systèmes utilisant l'énergie éolienne,
la thermique de l'habitat, les serres agricultures, etc.
Dans la suite, nous aborderons une étude statistique des données horaires de la
direction du vent pour deux années (1988-1989), l'intérêt de cette étude est d'évaluer
la fréquence et la force avec lesquelles souffle le vent pour les directions
prédominantes.
102
II.2.2 Distribution de la vitesse du vent suivant les 18 directions principales
du vent
La distribution de la vitesse du vent suivant sa direction est
conventionnellement donnée sous la forme de rose des vents. Diverses représentations
sont adoptées par les utilisateurs. La représentation sous la forme d'une rose à
18.directions est la plus utilisée. Elle représente la fréquence par intervalle de vitesse
avec laquelle souffle le vent pour chaque direction [49,50].
II.2.3 Roses des vents pour le site de Tanger
Les figures II.11a et II.11b représentent la distribution de la vitesse suivant
chaque direction et pour chaque mois des années 1988 et 1989. L'analyse de ces
figures montre que les pourcentages élevés des vents forts (V > 7 m/s) sont enregistrés
durant toute l'année. La direction Est est la direction prédominante des vents forts
pour la plupart des mois, par contre c'est la direction Ouest, pour le mois d'avril, qui
correspond au pourcentage des vents nuls les plus faibles (8 %). Le pourcentage élevé
des vitesses nulles est enregistré pour le mois de janvier (27 %).
Ces figures montrent aussi que la proportion des vents soufflant du Nord est
négligeable, par contre celle soufflant du Sud est assez importante uniquement pour
les mois de novembre et décembre.
A l'échelle annuelle, la figure II.12 confirme la dominance de la direction Est
des vents pour le site de Tanger et la proportion négligeable des vents venant du
Nord. Le pourcentage annuel des vitesses nulles est de l'ordre de 14 %.
103
104
105
106
II.3 Modélisation mathématique des distributions des fréquences de la vitesse du vent
II.3.1 Introduction
Nous allons étudier ici la possibilité de regrouper les données de la vitesse du
vent sous forme d'équations mathématiques, en étudiant la distribution des fréquences
des moyennes horaires des vitesses du vent (MHVV). L'intérêt de l'étude de la
distribution des fréquences est qu'elle contient une information de base à partir de
laquelle nous pouvons déduire différentes informations, selon le besoin de l'utilisateur :
fréquences cumulées, énergie éolienne comprise dans un intervalle donné de la vitesse
du vent, etc.
Nous allons donc
distribution des fréquences
fonction sera utile dans le
de l'énergie éolienne à des
déterminer une fonction mathématique représentant la
des moyennes horaires des vitesses du vent (MHVV). Cette
calcul des performances d'un système éolien où l'estimation
hauteurs différentes de celles où les mesures sont prises.
II.3.2 Loi de Weibull
La distribution des fréquences du vent est un ensemble de données
particulièrement important, mais difficile à manipuler. Une représentation mathématique
simplifiée, décrite à l'aide de deux paramètres, se révèle d'une grande utilité pour les
caractériser. Ceci devient particulièrement utile si l'on veut calculer l'énergie qu'on peut
récupérer de la puissance utilisable et estimer les vents à différentes hauteurs audessus du sol.
Un certain nombre de distributions mathématiques ont été utilisées pour
représenter celles de la fréquence du vent mais, depuis peu, la distribution de Weibull
est devenue couramment utilisée. Elle donne un excellent recouvrement des données
expérimentales pour les sites où les fréquences de vent nul sont faibles. Il s'agit d'une
fonction de densité de probabilité sous la forme [51-59]:
p (v ) = k
c
v
c
k- 1
e xp - v
c
k
( k >0 , v >0 ,c >1 )
(II.4)
où
p(v) : densité de probabilité à la vitesse de vent, v (m/s),
k
: facteur de forme de la courbe (sans dimension),
c
: facteur d’échelle de la courbe (m/s)
107
108
La fréquence cumulée correspondante est donnée par [4] :
v
F(v ) =
p (u )d u
0
= 1 - e xp (- v k )
c
(II.5)
La fréquence avec laquelle la vitesse du vent sera dans un certain intervalle est
déterminée par l’intégration de la fonction de densité de probabilité dans l'intervalle
approprié :
v2
F(v 1  v  v 2 ) =
p (v ) d v
V1
= e xp -
v1
c
k
- e xp -
v2
c
k
(II.6)
et la probabilité pour que la vitesse du vent soit supérieure à une valeur v 0
peut être le seuil de démarrage :
F (v  v 0 ) =
, qui

p (v ) d v
v0
= e xp -
v0
c
k
(II.7)
II.3.3 Détermination des paramètres de Weibull
Pour la détermination des paramètres k et c, on utilise la formule (II.5) en la
transformant sous la forme suivante :
ln
- ln 1 - F v
= k ln v - k ln
c
(II.8)
La vitesse étant connue, on peut connaître k et c par régression linéaire. En
utilisant la méthode des moindres carrés qui consiste à ajuster les points
expérimentaux à travers la relation :
y = ax + b
où
dans ce cas
y = ln(-ln(1-F(v)))
k = a
et
et
x = ln(v)
c = exp(-b/a)
109
avec
M(v) = F(v) pour v = vmax
Cette méthode a deux inconvénients
- Elle n'est pas applicable si on tient compte de la vitesse nulle (ln (v = 0 )
indéterminé ).
- ln (1 - F(v = vmax )) = ln ( 0 ) : indéterminé
Pour enlever l'indétermination, nous n'avons tenu compte que du nombre total
de lectures du vent non nul et avons négligé la probabilité d'avoir V = Vmax dans la
relation (II.8) pour éviter ln ( 1 - F(v = vmax)) = ln ( 0 ).
On peut, par conséquent, établir à partir des valeurs connues ou estimées de k
et c, une série complète de fréquences ou un histogramme qui nous permet de
déduire les grandeurs suivantes :
La vitesse moyenne du vent peut être obtenue en intégrant la fonction de
densité de probabilité :
+
N
ou
v =  v i p i( v i)
v =  v p(v) dv
i=1
0
ou encore :
v = c ( 1 +1 )
k
(II.9)
ou

(x) =
t
x- 1
e xp (- t ) d t
0
 : fonction mathématique Gamma.
L'écart-type de la distribution est donné :

2 =
v-v
2
p (v ) d v
0
Ce qui donne :
2 = c 2 ( 1 +1 ) -  2 ( 1 +1 )
k
k
110
(II.10)
On peut aussi déduire d'autres paramètres importants comme par exemple la
2
puissance moyenne, P (w a t t s / m ) qui est donnée par :
P=
1 + 3
ρ
p(v) dv
2 0 v
ou
P=
N
1
ρ
2 i=1
3
vi p( vi)
ou encore
P = 1  c 3 ( 1 +3 )
2
k
(II.11)
ρ : densité de l’air ( kg / m3).
Ainsi, La distribution de Weibull peut faciliter beaucoup de calculs rendus nécessaires
par l'analyse des données du vent.
II.3.4 - Loi de Weibull Hybride.
Dans les régions où les fréquences de vents nuls sont relativement élevées
(plus de 15 à 20 %), la distribution de Weibull n'est pas toujours adaptée. Pour cela,
on définit une nouvelle densité de probabilité [4,60] :
ph(v) = F0
pour
v=0
ph(v) = (1 - F0) p(v)
pour
v > 0 (II.12)
F 0 = fréquences des vents nuls.
où
La valeur de F 0 vient directement des données du vent. Une méthode
relativement longue, mais extrêmement précise, appelée méthode de la vraisemblance
maximale a été utilisée, avec de bons résultats pour le calcul des paramètres k et c.
Elle requiert la résolution des deux équations suivantes par la méthode itérative [4,60]
   k ln( )    ln( )  
Vi
Vi
ni Vi 





i=1
i=1
k=
 N k  

N

V
  i=1 i  
 
N
N
-1
(II.13)
1
k
k

n i Vi


C = i=1
N


N


111
où
N = nombre total de lectures du vent non nulles
ni = nombre de lectures dans le i è m e intervalle.
vi = centre du i è m e intervalle.
Cette méthode s'applique aussi si l’on néglige la fréquence du vent nul. Les
résultats obtenus sont souvent comparables à ceux de la distribution de Weibull
classique et parfois meilleurs pour les sites où les fréquences de vents nuls sont
élevées [4].
Les figures II.14 a, b, c et d et II.15 représentent les distributions observées en
utilisant la loi de Weibull classique et celle de Weibull hybride pour tous les mois
ainsi que les distributions observées à l'échelle annuelle pour Tanger sur une période
de 12 ans de mesures avec 24 relevés par jour.
A l’échelle mensuelle ainsi qu’à l'échelle annuelle, on constate un
rapprochement entre les courbes des distributions de Weibull et Weibull hybride aux
points observés. Pour le mois de juillet, le mois le plus venteux, les deux
distributions sont presque confondues.
Cependant, on ne peut pas faire la comparaison uniquement à partir des
2
constatations visuelles des courbes, nous avons donc appliqué la statistique du χ , qui
mesure l'écart entre les fréquences observées et les fréquences théoriques [53,61,62]. Le
tableau II.5 , résume les résultats comparatifs entre les Fonctions de Densité de
Probabilité (FDP) observées et les FDP estimées par la méthode de Weibull classique,
2
d'une part, et Weibull hybride, d'autre part. En terme de χ , notre tableau montre
que la FDP de Weibull hybride s'adapte mieux aux valeurs observées que celle de
Weibull classique sauf pour le mois d’août.
112
Tableau II.4 : Distributions du vent pour le site de Tanger (1978-1989, 24 mesures/24h, 10
m de hauteur,  = 1.18 kg/m3)
Mois
K1
K2
C1
C2
Vo
V1
V2
Po
P1
P2
Fréq(%
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
o
1
2
:
:
:
J
1.59
1.68
6.55
7.03
5.54
5.88
6.28
313
289
339
F
1.63
1.74
7.06
7.66
6.04
6.32
6.83
378
360
417
M
1.59
1.72
6.65
7.16
5.55
5.06
5.88
310
309
346
A
1.63
1.85
6.96
7.35
5.87
6.23
6.53
317
345
340
M
1.63
1.84
7.09
7.18
5.70
6.34
6.38
305
365
320
J
1.50
1.63
6.90
7.08
5.53
6.23
6.33
351
386
363
Jt
1.62
1.59
7.95
8.30
6.50
7.12
7.45
558
516
602
A
1.62
1.68
7.54
7.60
5.66
6.76
6.79
389
442
428
S
1.76
1.75
7.60
8.28
6.41
6.77
7.37
455
401
522
O
1.67
1.76
7.28
7.74
6.19
6.51
6.89
386
380
424
N
1.85
1.97
7.01
7.72
6.24
6.23
6.84
333
295
367
D
1.66
1.75
6.65
7.26
5.65
5.94
6.48
302
293
356
Ann.
1.62
1.73
7.14
7.53
5.90
6.40
6.71
366
376
400
11.25
03.13
11.54
10.52
09.17
10.34
09.56
07.34
06.79
04.25
03.70
02.24
02.62
02.41
01.41
01.08
00.47
00.61
00.56
00.26
00.33
00.10
00.13
00.05
00.01
00.00
00.00
00.00
00.00
00.00
00.00
11.29
03.01
08.75
09.78
08.64
09.03
07.94
08.78
07.28
05.98
04.71
02.82
02.93
02.44
01.58
01.59
00.72
00.90
00.65
00.33
00.19
00.23
00.13
00.14
00.01
00.02
00.00
00.00
00.00
00.00
00.00
12.71
03.22
09.19
11.49
09.39
10.12
08.00
08.04
05.99
05.27
04.42
02.10
02.47
02.36
01.34
01.32
00.81
00.71
00.36
00.17
00.16
00.03
00.10
00.05
00.01
00.01
00.03
00.00
00.00
00.00
00.00
09.83
02.97
07.55
09.27
10.33
10.70
09.42
08.98
08.24
06.44
05,11
02.53
02.22
02.19
01.05
01.00
00.52
00.35
00.32
00.21
00.18
00.19
00.15
00.03
00.02
00.01
00.02
00.02
00.02
00.00
00.00
10.14
02.11
07.40
09.53
12.37
11.85
10.79
09.01
07.38
05.35
03.53
02.02
02.12
02.07
01.27
00.81
00.41
00.35
00.34
00.30
00.19
00.16
00.14
00.07
00.02
00.04
00.03
00.01
00.02
00.01
00.01
12.14
02.71
09.24
11.09
12.91
11.16
08.80
06.35
05.46
04.22
03.91
01.86
02.11
02.28
01.41
01.22
00.57
00.53
00.33
00.25
00.37
00.25
00.17
00.12
00.10
00.13
00.04
00.01
00.08
00.03
00.00
12.04
01.76
07.41
9.81
11.51
11.15
08.22
05.95
04.63
03.31
03.78
02.28
02.95
02.93
02.59
02.30
01.33
01.46
00.97
01.08
00.94
00.59
00.24
00.26
00.06
00.16
00.10
00.04
00.00
00.00
00.00
16.05
01.53
07.43
09.73
11.37
11.12
08.54
07.23
05.91
03.42
03.30
01.76
02.04
02.97
02.09
01.56
00.56
00.68
00.60
00.50
00.22
00.38
00.23
00.17
00.06
00.05
00.07
00.02
00.03
00.00
00.00
12.66
01.75
07.84
09.93
09.03
09.03
06.38
06.08
06.13
05.77
05.42
03.09
03.65
04.43
02.29
01.95
00.98
01.21
00.89
00.70
00.34
00.25
00.06
00.01
00.00
00.00
00.00
00.00
00.00
00.00
00.00
09.74
02.43
07.68
10.17
10.57
09.99
08.18
07.40
07.17
06.48
04.98
02.78
02.92
02.75
01.88
01.43
00.68
00.63
00.59
00.40
00.29
00.32
00.20
00.17
00.04
00.00
00.02
00.00
00.00
00.00
00.00
08.69
02.16
08.43
08.76
08.34
09.21
08.33
09.45
09.12
07.01
06.55
03.15
03.63
03.34
01.30
00.81
00.38
00.40
00.55
00.13
00.13
00.00
00.03
00.00
00.00
00.00
00.00
00.00
00.00
00.00
00.00
12.20
03.04
09.22
11.57
09.61
08.97
08.08
07.16
06.73
05.75
04.70
02.56
02.65
02.48
01.66
01.35
00.59
00.54
00.39
00.39
00.11
00.06
00.05
00.05
00.02
00.00
00.00
00.00
00.00
00.00
00.00
11.57
02.48
08.47
10.16
10.28
10.23
08.53
07.64
06.73
05.26
04.50
02.43
02.69
02.72
01.66
01.37
00.67
00.70
00.54
00.40
00.29
00.21
00.14
00.09
00.03
00.03
00.02
00.00
00.01
00.00
00.00
Observé
Weibull
Weibull Hybride
K(s.i)
C(m/s)
V(m/s)
P(W/m2)
113
16
Janvier
1978-1989 ,
24 mes./24h
Weibull
14
Fréquence (%)
Observé
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
Fréquence (%)
16
Février
1978-1989
,
24 mes./24h
Observé
Weibull
14
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
16
Mars
1978-1989
,
24 mes./24h
Weibull
14
Féquence (%)
Observé
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
Figure II.14a : Distributions mensuelles de la vitesse du vent pour le site de Tanger
114
Fréquence (%)
16
Avril
1978-1989 , 24mes./24h
Observé
14
Weibull
12
Weibull hybride
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
16
Mai
1978-1989 , 24 mes./24h
Observé
Weibull
12
Weibull hybride
Fréquence (%)
14
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
Fréquenc (%)
16
Juin
1978-1989 , 24 mes./24h
Observé
14
Weibull
12
Weibull hybride
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
Figure II.14b : Distributions mensuelles de la vitesse du vent pour le site de Tanger
115
16
Juillet
1978-1989 , 24mes./24h
Weibull
14
Fréquence (%)
Observé
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
16
Aout
1978-1989 ,
24 mes./24h
Observé
Weibull
12
Weibull Hybride
Fréquence (%)
14
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
16 Septembre
1978-1989 ,
24 mes./24h
Weibull
14
Fréquence (%)
Observé
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
Figure II.14c : Distributions mensuelles de la vitesse du vent pour le site de Tanger
116
16
Octobre
1978-1989 , 24 mes./24h
Observé
Weibull
Fréquence (%)
14
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
16
Novembre
1978-1989 , 24mes./24h
Weibull
14
Fréquence (%)
Observé
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
16
Décembre
1978-1989 , 24 mes./24 h
Weibull
14
Fréquence (%)
Observé
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
Figure II.14d : Distributions mensuelles de la vitesse du vent pour le site de Tanger
117
16
Annuelle
1978-1989 ,
24 mes./24h
Observé
Weibull
Fréquence (%)
14
Weibull hybride
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Vitesse (m/s)
Figure II.15 : Distribution annuelle de la vitesse du vent pour le site de Tanger
Tableau.II.5 : Résultats de comparaison des distributions de Weibull et Weibull
hybride à celle observée en terme de χ
Mois
Weib. distr./ No de classes
observée
2
Weib. hybr/ No de classes
observée
2
J
F
M
A
M
J
J
A
S
O
N
D
21 22 22 22
22 24 25 24 22 22 20 21
458 307 380 340 561 571 930 802 752 334 558 429
22 22 21 20
459 259 357 196
20 22 27 23 24 22
411 561 852 824 545 334
V (m/s)
C (m/s)
20 21
346 351
K (sans unité)
2,0
8
1,9
7
1,8
6
1,7
5
1,6
J
F
M
A
M
J
Jt
Mois
A
S
O
N
27
4116
2,1
9
4
Annuelle
28
4045
facteur de forme, K
Facteur d'échelle, C et Vitesse du vant, V
10
2
1,5
D
Figure II.16 : Valeurs mensuelles de k et c calculées par la loi de Weibull hybride
118
Les figures II.16 et II.17 montrent que l’allure des variations des moyennes
mensuelles de V et C ainsi que les moyennes annuelles sont identiques, ce qui est
à
l’opposé de la variation large du facteur de forme K. Ceci montre la nécessité de
disposer d’une longue série de mesure pour estimer K pour un site donné.
Tableau.II.6 : Valeurs annuelles de v, c et k.
Annuel
k
c
v
1978
1.99
5.53
4.32
1979
2.08
6.34
5.43
1980
1.84
6.46
5.38
1982
1.90
7.17
5.94
1983
1.78
7.26
5.79
1984
1.65
8.63
6.55
1985
1.76
8.93
6.47
V (m/s)
C (m/s)
1986
1.75
9.34
6.81
1987
1.71
8.67
6.24
1988
1.77
8.24
5.90
1989
1.82
7.07
5.88
2,1
K (sans unité)
9
2,0
8
1,9
7
1,8
6
Facteur de forme, K
Facteur d'échelle, C, et Vitesse du vent, V
10
1981
1.84
7.45
6.13
1,7
5
4
1,6
78
79
80
81
82
83
84
85
86
87
88
89
Année
Figure II.17 : Valeurs annuelles de k et c calculées par la loi de Weibull hybride.
II.3.5 Energie éolienne disponible
L'énergie cinétique éolienne disponible dans un volume élémentaire d'air de
masse m se déplaçant à la vitesse V(m/s) dans la direction x est [51] :
p = 1 m V2
2
= 1 A x V 2
(II.14)
2
où
A : surface traversée par l'air (m2)
119
 : densité de l'air (kg/m3).
x : épaisseur du volume élémentaire
La puissance éolienne est la dérivation par rapport au temps de l’énergie
cinétique :
dp
1
2 dx
P w = dt = 2 ρ A V dt
=
1
ρ A V3
2
(II.15)
Pw est la puissance disponible, pouvant être extraite par une éolienne. La
densité de l'air,  (kg m-3) peut être calculée par la relation suivante [51]:
 = 3.485 P
(II.16)
Pw = 1.742 P A V3
T
(II.17)
T
où
P : pression en ( k Pa)
T : température (° k)
puis
Il est à noter que l'équation (II.16) peut être utilisée si la hauteur de l'éolienne
est de l'ordre de quelques centaines de mètres du niveau de la mer où la température
est significativement supérieure à 0°C [51].
La puissance éolienne typique instantanée traversant une surface de 1 m2 à la
vitesse du vent V=5m/s par exemple est 81 W, c'est à dire 7 MW par jour ou
210MW par mois.
La densité de la puissance éolienne disponible dans le vent peut être estimée
par l'équation suivante :
(II.18)
1 N
3
=
ρ

Pw 2
f i Vi
i=1
ou
fi : fréquence du vent dans le ième intervalle.
vi : moyenne de la vitesse du vent dans le ième intervalle.
N : nombre d'intervalle.
La relation (II.18) est utilisée pour calculer les puissances mensuelles et
annuelles à 10 mètres de hauteur avec  = 1.18 kg m-3 [51]. Nous constatons que la
2
puissance moyenne annuelle est de l'ordre 366 W/m . La puissance moyenne mensuelle
la plus élevée est obtenue pour le mois de juillet et la plus faible pour le mois
120
décembre. Les moyennes mensuelles de la vitesse du vent et la puissance calculée
par Weibull classique et Weibull hybride sont comparables aux valeurs observées
(Tableau II.4).
II.3.6 Profil vertical du vent par rapport au sol
Le profil vertical du vent par rapport au sol peut être utilisé pour estimer les
vents à une hauteur différente de celle d'un anémomètre. La hauteur des éoliennes est
généralement supérieure à celle de l'anémomètre dans les stations météorologiques
(10.mètres). Des extrapolations sont donc souvent nécessaires. La vitesse du vent
augmente avec l'altitude par rapport au sol, et on peut représenter cette variation par
l'expression suivante [4]:

Vz = Va ( Z )
Za
(II.19)
où :
Vz : vitesse moyenne
Va : vitesse moyenne
L'exposant, , dépend
rugosité de la surface du sol
du vent à la hauteur z(m).
du vent à la hauteur za (m).
de la stabilité moyenne (météorologique) et de la
zo. Les valeurs de zo pour différents types de surface
sont regroupées dans le tableau II.7 [4].
Type de surface
Marais , glace
Mer calme
Sable
Plaine enneigée
Surface herbeuse
Herbe coupée
Herbe rase , steppe
Région plate
Herbe haute
Blé
Betterave
Palmiers nains
Arbustes
Arbres
Banlieue
Ville
zo (m)
10-5 – 3 10-5
2 10-4 – 3 10-4
10-4 - 10-3
4.9 10-3
0.017
-3
10 - 0,01
0.032
0.021
0.039
0.045
0.064
0.1 – 0.3
0.05 – 0.1
0.2 – 0.9
1-2
1.4
Tableau II.7 : Rugosité pour diverses couvertures du sol
121
122
Cette même approche peut servir pour calculer les paramètres k et c ainsi que la puissance
moyenne à des hauteurs autres que la hauteur de mesure, en utilisant les formules suivantes [4]:
1 - 0,088 L n ( Za )
10
Kz = Ka
(II.21)
Z
1 - 0,088 Ln ( )
10
V
Cz =
(II.22)
(1 - Fo )  (1+ 1 )
kz

1
Pz = 
V3 Pz (V) dv
(II.23)
2
o
Nous possédons là une méthode de puissance, qui se révèle utile lors du
dimensionnement de systèmes éoliens.
La valeur de l'exposant, , donnée par la relation II.20. n'est valable que pour
un certain intervalle de rugosité. Pour tenir compte des valeurs différentes de la
rugosité de la surface du sol, cette expression peut s'écrire sous la forme suivante [4]:
=
où
x - 0,088 Ln Va
1 - 0,088 Ln ( Za )
10
zo (m)
0.000 - 0.005
0.005 - 0.050
0.050 - 0.500
0.500 - 4.000
(II.24)
x
0.25
0.31
0.37
0.48
En outre, lorsqu'on utilise la distribution de Weibull, la fréquence des vents
nuls relative aux nouvelles hauteurs doit être estimée. Ceci est relativement difficile
sans données réelles, mais l'hypothèse de fréquences identiques de vents nuls semble
raisonnable.
L’expression II.24 relative à une rugosité de la surface du sol, zo = 0,017 m,
(surface herbeuse), a été utilisée pour calculer les moyennes mensuelles et annuelles de
la vitesse et la puissance éolienne à des hauteurs allant de 15 à 100 mètres avec un
pas de 5 m. Les résultats sont obtenus en utilisant toutes les données (1978-1989,
24mes./24h). Nous constatons que la vitesse peut augmenter de 25 % et le potentiel
éolien de 50 % à la hauteur de h = 50 m (Tableau.II.8). La figure II.19 montre que
l'augmentation de la vitesse en fonction de la hauteur tend vers une limite.
123
Tableau II.8 : Variations de la vitesse du vent et la puissance éolienne avec la hauteur
-3
( = 1.018 kg m , zo = 0.017 m)
H(m)
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
V
P
J
5.543
313
5.54
354
6.29
387
6,4
416
6,4
443
6,76
468
6,97
491
7,07
514
7,07
536
7,17
557
7,34
578
7.50
597
7.72
617
7.83
636
7.83
655
7.92
674
7.92
692
8.01
710
8.26
728
F
6.04
378
6.04
426
6.80
464
6.89
497
6.89
528
7.32
557
7.5
584
7.59
610
7.59
635
7.69
659
7.89
683
8.08
705
8.26
728
8.35
749
8.36
771
8.44
792
8.44
812
8.55
832
8.82
853
M
5.55
310
5.54
352
6.29
385
6.38
414
6.38
441
6.77
467
6.95
490
7.05
513
7.05
535
7.16
557
7.34
577
7.51
597
7.69
617
7.79
636
7.79
655
7.89
674
7.89
692
7.98
711
8.24
728
A
5.87
317
5.87
361
6.66
395
6.74
426
6.74
454
7.16
480
7.37
505
7.47
529
7.47
553
7.57
575
7.76
597
7.95
618
8.13
637
8.24
659
8.24
679
8.34
699
8.34
778
8.44
737
8.72
756
M
5.70
305
5.70
347
6.51
380
6.58
409
6.58
436
6.95
461
7.18
484
7.31
507
7.31
529
7.4
550
7.57
571
7.75
591
7.93
611
8,06
630
8.06
649
8.18
668
8.18
686
8.26
705
8.52
723
J
5.53
351
5.53
394
6.28
427
6.38
456
6.38
383
6.71
507
6.92
531
7.05
553
7.05
575
7.16
596
7.32
616
7.6
636
7.65
655
7.76
674
7.77
692
7.9
710
7.90
728
7.98
746
8.22
764
Jt
6.50
558
6.50
616
7.28
661
7.36
701
7.36
737
7.71
770
7.94
802
8.06
831
8.06
860
8.16
887
8.34
913
8.49
939
8.67
963
8.79
988
8.80
1011
8.92
1034
8.92
1057
9.01
1079
9.25
1101
A
5.66
389
5.66
435
6.40
471
6.48
502
6.48
530
6.81
557
7.02
582
7.14
606
7.14
629
7.24
651
7.40
673
7.55
694
7.73
714
7.84
734
7.85
754
7.96
773
7.96
792
8.03
811
8.28
829
S
6.41
455
6.41
508
7.19
552
7.27
590
7.27
626
7.70
658
7.87
689
7.96
718
7.96
746
8.06
773
8.31
799
8.46
825
8.63
849
8.72
873
8,73
897
8,82
920
8.82
943
8.94
965
9.23
987
O
6.19
396
6.19
445
6.99
484
7.07
519
7.07
550
7.48
580
7.68
608
7.79
634
7.79
660
7.89
685
8.11
709
8.28
732
8.45
755
8.55
777
8.56
799
8.66
820
8.67
841
8.77
862
9.06
883
N
6.24
333
6.24
379
7.04
417
7.13
451
7.13
483
7.60
512
7.78
539
7.87
566
7.87
591
7.96
616
8.21
640
8.40
663
8.58
686
8.67
709
8.68
731
8.76
752
8.76
774
8.89
795
9.19
815
D
5.65
302
5.65
357
6.41
391
6.50
422
6.5
449
6.89
476
7.07
500
7.17
524
7.17
546
7.29
568
7.48
590
7.64
610
7.82
631
7.92
651
7.92
670
8.02
689
8.02
708
8.12
727
8.40
745
Annuel
5.90
366
6.21
415
6.48
451
6.77
484
7.01
513
7.16
541
7.35
567
7.46
592
7.61
616
7.76
640
7.91
662
7.97
684
8.11
705
8.21
726
8.27
747
8.32
767
8.37
787
8.42
807
8.46
826
(*) Valeurs calculées avec toutes les données (1978-1989 ; 24 mesures/24h.) ; V(m/s) ; P(Wm2)
Tableau II.9 : Pourcentage d'augmentation de la vitesse et de la puissance éolienne en
fonction de la hauteur (V10 et P10 pour h=0 pris comme référence).
Hauteur H(m)
10 15 20 25 30 35 40 45 50 55 60 65 70 75 80
85
90
95
100
V - V10
(%)
V10
P - P10
(%)
P10
0
5
41
42
43
47
0
13 23 32 40 48 55 62 68 75 81 87 93 98 104 111 115 121 126
124
10 15 19 21 26 26 29 32 34 35 37 39 40
100
Tanger
Vitesse ( m/s)
90
Puissance (KW/m2)
Hauteur (m)
80
70
60
50
40
30
20
10
0
0
1
2
3
4
5
6
7
8
9
10
Figure II.19 : Variation annuelle de la vitesse et de la puissance
éolienne avec la hauteur pour le site de Tanger (19781989, 24 mesures /24h).
II.3.7 Conclusion
Dans cette partie, nous avons étudié la distribution des fréquences de la vitesse
du vent. Nous avons ajusté cette distribution des fréquences par les lois de Weibull
classique et Weibull hybride pour chaque mois de l'année. Le test de cet ajustement
montre que l'approche de Weibull hybride s'adapte mieux aux données observées.
Ces résultats vont nous permettre d'utiliser ces fonctions de densités de
probabilités d'une façon explicite pour le calcul des performances, et le
dimensionnement des systèmes de conversion, et estimer les vents à différentes
hauteurs au-dessus du sol
125
II.4 Influence du pas et du nombre d’années de mesures sur l’estimation du
potentiel éolien
II.4.1 Introduction
Dans nos études antérieures [42,63-67], les caractéristiques de l'énergie du vent
pour le site de Tanger sont étudiées sur la base de données s'étalant sur 12 années
(1987-1989), des Moyennes Horaires de la Vitesse du Vent (MHVV) à raison de
24.valeurs pour chaque jour, soit au total [ ( 365 x12 )+3 ] x 24 = 105 192 valeurs.
Pour que cet important volume de données soit utilisé convenablement, il doit
être réduit sans perdre les informations qu'il contient. L'une des méthodes, est le
traitement statistique de ces données. Une autre méthode consiste à prendre seulement
quelques mesures bien réparties dans une journée et ce durant un petit nombre
d'années. Le choix du nombre minimum d'années et du nombre minimum des relevés
des mesures par jour peut se faire si nous étudions l'influence du nombre d’années et
le pas des mesures sur l'estimation des caractéristiques du vent. De plus, l'étude de
l'influence de la taille de l'échantillon est effectivement un bon test de représentativité
de cet échantillon du point de vue des normes climatologiques.
II.4.2 Influence de la fréquence des mesures sur le calcul des moyennes
mensuelles de la vitesse du vent
Faire des mesures toutes les heures nécessite l'utilisation des instruments de
mesures ( anémomètre, intégrateur ou chaîne d'acquisition, etc.) qui fonctionnent tout le
temps plus un contrôle et un entretien permanents de ces appareils afin de minimiser
des erreurs dûes aux pannes ainsi que leur étalonnage afin d'augmenter la fiabilité des
mesures. Cela demande un investissement et un personnel qualifié travaillant
continuellement, ce qui n'est pas toujours facile à réaliser. Pour faciliter la prise des
mesures dans un site isolé où l’on n'en dispose pas suffisamment et où on veut
estimer son potentiel éolien, nous avons pensé à optimiser les relevés en choisissant
uniquement une à quatre mesures quotidiennement, espérant ainsi estimer le potentiel
éolien pour le site Tanger, avec une bonne précision. Pour choisir convenablement
l'heure de relevé, nous avons considéré la moyenne de toutes les valeurs obtenues à la
même heure durant 12 années (N = 365 x 12 +3 jours), noté v(h,.), puis représenté sa
variation sur 24 h.
126
V(h,.) =
1 N
 V(h,j)
N j=1
(II.25)
Nous avons calculé la moyenne annuelle des moyennes horaires de la vitesse du
vent (MHVV) à long terme sur les 12 ans (Figure II.20)
8
Tanger
1978-1989
Vitesse horaire du vent (m/s)
7
Vit. moy.
6
5
4
0
2
4
6
8
10
12
14
16
18
20
22
Heures
Figure II.20 : Valeur moyenne de la vitesse horaire du vent, V(h,j), pour une heure
donnée h, prise sur toutes les journées des 12 ans.
Dans le cas où nous nous contenterions d'une seule mesure quotidienne, la
figure II.20 montre que les valeurs correspondant à 9 heure et 19 h en heure locale se
rapprochent à la valeur moyenne à long terme des moyennes horaires de la vitesse du
vent (MHV) sur les 12 années. La même figure montre que la moyenne du minimum
et du maximum correspondant respectivement à 6 heure et 15 h est voisine de la
moyenne annuelle. Il en est de même pour celles correspondant à minuit et midi. Nous
pourrions choisir les deux premières ou les deux dernières dans le cas de deux
mesures par jour. Nous avons choisi dans le cas de trois mesures 0 heure, 8 h et 16 h
et dans le cas de quatre 0heure, 6 h, 12 h et 18 h pour raison de périodicité.
Le calcul des moyennes mensuelles pour chacun de ces 6 types de relevés de
mesures ainsi que du relevé original nous a ramené à sept séries de 144 valeurs
127
chacune (12 années x 12 mois). Nous avons comparé chacune des séries à la série
2
originale en appliquant le test  donné par l'expression suivante [61] :
2
2
Nc o i
2 Nc o i-e i
= 
-N
(II.26)
χ = 
i=1
i=1 e i
ei
où
Nc = nombre de classes,


 
N = nombre total d'observations,
oi = fréquences observées obtenues à partir de 24 mesures/jour,
ei = fréquences théoriques ou estimées.
Avec
Nc
Nc
 oi =  ei = N
i=1
i=1
Les classes ont été choisies de façon à ce que toutes les fréquences des classes
des valeurs estimées soient supérieures ou égales à cinq. Les classes sont définies de
2
la même façon pour toutes les séries [18]. Rappelons que plus  tend vers zéro plus
la série estimée s'approche de celle observée. Le tableau III.10 montre qu'à 5 % de
2
confiance ( < 5.99) l'hypothèse de limiter à 1, 2 , 3 ou 4 mesures quotidiennes pour
estimer les moyennes mensuelles de la vitesse du vent est acceptée sauf pour le cas
correspondant à deux lectures/jour (6 heure et 15 h). Mais, plus le nombre de mesures
2
par jour augmente, plus  diminue et sa valeur minimale correspond à celle de
quatre relevés par jour. D'où la nécessité de faire une comparaison qualitative.
Afin de choisir qualitativement la meilleure série qui s'approche de celle qui
correspond à 24 mesures par jour, nous avons tracé les variations interannuelles pour
les différents relevés (Figure II.21) et avons calculé l'erreur quadratique moyenne (
écart-type lié ). Son expression s'écrit sous la forme [61,62] :
2
2 1 N
=
(II.27)

(x/24)(24/24)
σ
Vi
N i=1 V i


où
vi (x/24) : moyenne mensuelle de v correspond à x mesures par jour.
N = 12 années x 12 mois (144 valeurs)
128
12
10
24/24
1/24 ( 9 )
1/24 ( 19 )
Tanger 1978-1987
(a)
V (m/s)
8
6
4
2
0
12
10
24/24
2/24 ( 0,12)
2/24 (6,15)
Tanger 1978-1987
(b)
V(m/s)
8
6
4
2
0
Figure II.21 (a,b,c) : Variations interannuelles de la vitesse du vent, V(m,s)
129
A partir des constatations visuelles des courbes (Figure II.21), on remarque que :
- pour tous les relevés choisis, les courbes ont des allures similaires,
- il y a une approche plus marquée entre les courbes correspondantes à 3 et
4.mesures par jours mais, le tableau II.10 montre que l'erreur quadratique moyenne
correspondant au dernier cas est la plus petite.
On peut donc se contenter de 4 lectures par jour (0 heure, 6 h, 12 h et 18 h)
pour estimer les moyennes mensuelles et annuelles avec une bonne précision pour le
site de Tanger.
Tableau II.10 : Résultats de la comparaison dela série des moyennes mensuelles de V(24/24)
et les autres séries en terme de  2 et l'erreur quadratique moyenne
Type de relevé
Degrés de liberté
4/24
3/24
(0, 6, 12, 18) ( 0 , 8 , 16 )
2/24
(0 , 12)
2/24
( 6 , 15 )
1/24
(9)
1/24
( 19 )
2
2
2
2
2
2
2
0.04
0.32
1.90
7.89
3.30
2.30
Limite à 95 %
5.99
5.99
5.99
5.99
5.99
5.99
Limite à 99 %
9.21
9.21
9.21
9.21
9.21
9.21
EQM*
0.19
0.14
(*) EQM : Erreur Quadratique Moyenne
0.27
0.32
0.58
0.44
II.4.3 Influence du nombre d’années de mesures sur la vitesse du vent
L'étude de l'influence de la taille de l'échantillon (longueur de la série de
mesures) est un bon test de représentativité de cet échantillon du point de vue des
normales climatologiques. En effet, plus le nombre total de mesures augmente, plus
l'influence de la contribution de la (n+1)èmedevient faible sur la valeur moyenne des n
premières mesures. La formule suivante le montre
1 n+1
'
=
V n+1  V i
i=1
1 n
 V i + V n+1
n+1 i=1
n+1
n
=
V + V n+1
(II.28)
n+1
n+1
Pour n grand , n/(n+1) tend vers 1, vn+1/(n+1) tend vers 0. La part de la
=
ème
(n+1)
130
mesure, en pourcentage sur le calcul de la vitesse moyenne mensuelle,
devient de plus en plus négligeable au fur et à mesure que n augmente et par
'
conséquent V tend vers V
Afin de rechercher la période minimale de mesures nécessaires à l'estimation
des moyennes mensuelles de la vitesse du vent au site de Tanger, nous avons réalisé
une étude systématique pour les moyennes mensuelles et les moyennes de v( h, j ) pour
une heure h (variation quotidienne), prises sur toutes les journées d'une, 2 ,3, ........... et
12 années en utilisant 24 mesures par jour (Figures II.22 et II.23).
L'examen visuel des figures II.22a et II.23a montrent qu'au fur et à mesure que
le nombre d'années de données augmente, les courbes tendent à se rapprocher l'une de
l'autre, celles correspondant au nombre d'années supérieur ou égale à 9 étant
pratiquement confondues. Pour vérifier que les 9 premières années (1978-1986) sont
suffisantes pour estimer les moyennes mensuelles, annuelles, les moyennes horaires de
la vitesse du vent et que les trois dernières années (1987, 1988 et 1989) ne modifient
que sensiblement les résultats. Nous avons fait un test sur la contribution de chacune
des années, par permutation en calculant les moyennes et en accumulant les années
par ordre décroissant : 1989, 1988-1989, etc. et 1978-1989 (figures II.22b et II.23b).
Ces figures montrent, en ajoutant les années 1980, 1979 et 1978, que les courbes se
déplacent vers le bas en s'approchant de la moyenne de l'échantillon originale (19781989 ), ce qui implique que ces années sont les moins venteuses et qui confirme que
les années 1987, 1988 et 1989 sont proches de la moyenne de l'échantillon. On conclut
qu'on peut se limiter aux années 1978-1986 (9 ans de mesures) avec quatre mesures
par jour pour faire un traitement statistique des moyennes horaires de la vitesse du
vent (MHVV) pour le site de Tanger.
131
8
24 mes./24h
Tanger
Vitesse du vent (m/s)
7
6
5
1978
1978-1980
1978-1982
1978-1985
1978-1986
1978-1987
1978-1988
1978-1989
: 1 an
: 3 ans
: 5 ans
: 8 ans
: 9 ans
: 10 ans
: 11 ans
: 12 ans
1989
1987-1989
1985-1989
1982-1989
1981-1989
1980-1989
1979-1989
1978-1989
: 1 an
: 3 ans
: 5 ans
: 8 ans
: 9 ans
: 10 ans
: 11 ans
: 12 ans
4
3
2
1
3
5
7
9
11
Mois
8
24 mes./24h
Tanger
Vitesse du vent (m/s)
7
6
5
4
3
2
1
3
5
7
9
11
Mois
Figure II.22 : Influence du nombre d'années sur les variations des moyennes
mensuelles de la vitesse du vent.
132
9
24 mes./24h
Tanger
1978
1978-1980
1978-1982
1978-1985
1978-1986
1978-1987
1978-1988
1978-1989
Vitesse horaire (m/s)
8
7
6
: 1 an
: 3 ans
: 5 ans
: 8 ans
: 9 ans
: 10 ans
: 11 ans
: 12 ans
5
4
3
0
2
4
6
8
10
12
14
16
18
20
22
Heures
9
24 mes./24h
Tanger
1989
1987-1989
1985-1989
1982-1989
1981-1989
1980-1989
1979-1989
1978-1989
Vitesse horaire (m/s)
8
7
6
5
4
3
0
2
4
6
8
10
12
14
16
18
20
22
Heures
Figure II.23 : Influence du nombre d'années sur les variations
journalières de la vitesse du vent.
133
: 1 an
: 3 ans
: 5 ans
: 8 ans
: 9 ans
: 10 ans
: 11 ans
: 12 ans
II.4.4 Validation des résultats obtenus
Pour attester qu'il suffit de quatre lectures par jour à 0 heure, 6 h, 12h et 18 h
sur la période d'au moins neuf ans et afin de caractériser le gisement éolien du site
de Tanger et de diminuer le stockage des données, nous avons présenté les résultats
sous plusieurs formes en comparant la série originale (1978-1989 : 12 ans, 24 lectures
par jour) et celle correspond à neuf ans de mesures (1978 - 1986) en se limitant
toujours à quatre mesures par jour.
II.4.4.1 Variations mensuelles de la vitesse du vent
Nous avons tracé les courbes des moyennes mensuelles de la vitesse du vent
pour les deux séries considérées (9 ans, 4 relevés/jour et 12 ans, 24 relevés /jour ). Nous
avons constaté qu'elles sont presque confondues (Figure II.24).
8
1978-86 : 9ans
4mes./24h
1978-89 : 12ans 24mes./24h
7
Vitesse du vent (m/s)
6
5
4
3
2
1
3
5
7
9
11
Mois
Figure II.24 : Variations mensuelles de la vitesse du vent.
Le tableau récapitulatif II.11 résumant les valeurs mensuelles et annuelles de la
vitesse du vent ainsi que l'écart-type pour la série 1978-1986 avec 4 mesures par jour
est comparable à celui de la série originale 1978-1989 (Tableau II.1). Ce qui confirme,
pour le site Tanger, la possibilité d'utiliser uniquement quatre relevés par jour sur la
134
période de 1978 à 1986 (9 ans) pour estimer les moyennes et les maxima mensuels et
annuels de la vitesse du vent. Ce résultat est en désaccord avec celui obtenu par
Laknidri et Laâouina [4] car les années de mesures (1978 - 1982) utilisées par ces
auteurs sont les moins venteuses de l'échantillon choisi (1978 - 1989). La variation
mensuelle de la vitesse du vent durant ces années est très inférieure à celle de la
série originale (Figures.II.22a et II.23a).
Tableau II.11 : Moyennes mensuelles, annuelles et écart-type de la vitesse du vent
(4mes./24h, 1978-1986)
Annuel
Mois
J
F
M
A
M
J
J
A
S
O
N
D
Moyen

78
5.05
3.70
4.06
4.40
4.41
2.89
4.16
4.42
5.62
4.90
5.09
2.37
4.26
0.89
79
80
81
82
4.09 4.05 5.91
5.51 3.71 5.78
4.46 5.03 4.64
4.36 5.93 5.08
6.14 5.00 5.04
5.76 4.41 6.14
6.34 5.55 8.70
5.22 5.35 5.95
5.85 7.03 5.14
5.41 6.62 5.08
5.98 5.49 8.45
5.47 6.10 6.76
5.38 5.36 6.06
0.70 0.95 1.26
4.41
7.18
6.46
5.92
6.20
5.35
4.51
6.85
6.63
5.76
6.08
5.39
5.89
0.83
83
6.70
6.21
6.70
6.94
4.72
4.63
3.39
5.28
6.31
6.12
5.10
6.79
5.74
1.06
84
5.08
5.62
6.70
5.60
6.07
6.86
7.33
7.78
4.47
8.73
7.02
6.25
6.45
1.13
85
86
87
88
89
6.27
7.06
7.36
6.30
5.73
4.33
6.83
6.93
6.17
8.13
6.47
7.01
6.38
0.92
6.83
7.96
5.79
7.25
7.49
6.20
9.95
5.75
6.80
5.08
6.05
5.22
6.70
1.30
7.63
5.92
5.69
7.53
5.58
7.41
7.10
5.06
6.22
4.51
6.34
5.16
6.18
1.00
7.00
6.02
4.07
4.75
5.19
5.70
7.57
5.33
9.81
5.56
5.84
5.64
6.04
1.44
6.03
7.68
5.54
5.81
5.82
5.51
5.92
4.53
4.45
6.91
6.25
5.50
5.83
0.85
Moyen 
5.75
6.03
5.54
5.82
5.62
5.43
6.4
5.61
6.21
6.07
6.18
5.64
5.9
0.3
1.15
1.30
1.06
1.02
0.79
1.18
1.8
0.88
1.35
1.25
0.87
1.16
0.6
Tableau II.12 : Maxima absolus mensuels et annuels de la vitesse du vent (4 mes./
24 h, 1978-1986)
Mois
Année
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
Max.mens.
11
9
12
18
20
20
14
18
22
22
17
18
22
F
M
A
M
J
Jt
A
S
O
N
D
Max.annuel
11
15
11
18
17
15
19
25
22
23
20
20
25
11
11
10
14
16
17
26
23
19
20
21
16
26
12
11
13
13
19
22
26
18
18
24
14
17
26
12
14
9
13
16
13
17
19
26
17
20
16
26
10
16
10
14
17
18
28
19
24
23
17
24
28
11
19
17
19
12
7
21
23
27
20
23
16
27
10
13
17
17
21
17
23
30
21
27
19
13
30
11
14
15
15
19
18
18
18
21
20
21
18
21
10
14
15
14
13
17
22
23
19
14
23
21
23
11
12
13
19
18
12
20
20
18
17
15
17
20
5
12
19
16
12
17
19
19
15
23
15
20
23
12
19
19
19
21
22
28
30
27
27
23
24
30
II.4.4.2 Fréquences cumulées
Cette présentation permet d'obtenir directement, le nombre moyen d'heures dans
la journée pendant lesquelles le système produira de l'énergie. Pour un système éolien
135
dont le seuil de fonctionnement est connu, il suffit de porter ce seuil en ordonnée
pour en déduire, en abscisse, le nombre moyen quotidien d'heures utiles pendant
l'année. On peut également déduire de ces courbes la valeur maximale de la vitesse
pendant l'année. On remarque que les courbes des deux séries considérées sont
confondues ce qui confirme les résultats obtenus (Figure II.25).
30
Tanger
78-86; 4mes./j
78-89;24mes./j
25
Vitesse du vent (m/s)
20
15
10
5
0
0
.
2
4
6
8
10
12
14
16
18
20
22
24
Nombre moyen quotidien d'heures
Figure II.25 : Fréquences cumulées de la vitesse du vent.
II.4.4.3 Répartition des vitesses horaires
Dans l'étude de la conversion éolienne, les phénomènes de seuils sont essentiels
lorsque l'on désire déterminer la quantité d'énergie réellement utilisable, fournie par un
système éolien donné.
La figure II.26 montre que les courbes des deux séries considérées ( 9 ans,
4.relevés/ jour et 12 ans, 24 relevés / jour ) sont confondues ainsi que la vitesse
maximale (Probabilité = 1) et la fréquence de vent nul (P = 0) sont de l'ordre 22 m/s
et 10 % pour les deux séries.
Si l'on compare les histogrammes (Figure II.27), obtenus à partir des mesures
horaires de neuf ans de mesures (1978-1986, 4 relevés/jour) et 12 ans de mesures (19781989, 24 relevés/jour), on voit que la répartition est comparable pour les deux séries
136
100
Tanger
Nombres d'heures (%)
80
60
1978-86 : 9ans
4mes./24h
1978-89 : 12ans 24mes./24h
40
20
0
0
2
4
6
8
10 12 14 16 18
Vitesse du vent (m/s)
20
22
24
26
28
30
Figure II.26 : Probabilité de non-dépassement d'un seuil.
14
1978-86 : 9ans
Tanger
4mes./24h
1978-89 : 12ans 24mes./24h
Fréquence (%)
12
10
8
6
4
0
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
2
Vitesse du vent (m/s)
Figure II.27 : Histogrammes des mesures horaires de la vitesse.
137
II.4.4.4 Distribution de Weibull hybride
Le tableau II.13 et la figure II.28 montrent que pour les deux séries considérées,
les variations mensuelles des paramètres de Weibull hybride k et c sont presque
confondues. Afin de compléter l'information, la figure II.29 montre que les distributions
de Weibull hybride pour les deux séries considérées, sont confondues et s'adaptent
bien aux données observées. On peut se contenter, comme pour l'estimation des
moyennes mensuelles de la vitesse du vent, uniquement, de quatre relevées par jour
sur une période de neuf ans (1978-1986) pour calculer k et c.
Tableau II.13 : Paramètres mensuels et annuels de Weibull hybride et fréquence de
vent nul
Mois
k*
c*
F*
k**
c**
F **
F : fréquence
J
1.68
6.60
11.3
1.68
7.03
8.3
F
1.73
7.16
11.3
1.74
7.66
8.2
M
1.78
7.02
12.7
1.72
7.16
9.3
A
M
J
J
A
S
O
N
D
1.91 2.02 1.68 1.55 1.70 1.81 1.82 1.96 1.72
7.11 6.86 6.71 7.80 7.50 7.90 7.72 7.69 7.10
9.80 10.1 12.1 12.0 16.1 12.7 9.7 8.70 12.2
1.85 1.84 1.63 1.59 1.68 1.75 1.76 1.97 1.75
7.35 7.18 7.08 8.03 7.60 8.28 7.74 7.72 7.26
9.1 10.2 14.6 11.7 12.7 14.2
9.2
9.0
9.5
de vent nul
(*) 1978-1986, 4mes./24h
(**) 1978-89, 24mes./24h
10
Facteur de forme k et d'échelle c(m/s)
8
c
6
9 ans 4 mes./24h
12ans 24mes./24h
1978-1986
4
1978-1989
k
2
0
1
3
5
7
9
11
Mois
Figure II.28 : Variations mensuelles de K et C calculées par la méthode de
Weibull hybride
138
Année
1.73
7.31
11.57
1.73
7.53
10.51
0,15
;
1978-89 : 12 ans
Tanger
Obs. 9ans
Obs. 12ans
Weib.hyb. 4mes
Weib.hyb. 24mes
Fréquence (%)
1978-86 : 9 ans
0,10
0,05
0,00
0
5
10
15
20
25
30
Vitesse du vent (m/s)
Figure II.29 : Distributions annuelles de la vitesse du vent
II.4.5 Conclusion
Les résultats montrent que la période minimale des données qui peut être
considérée est de neuf ans avec quatre mesures par jour (9h, 6h, 12h et 18h) afin
d'estimer convenablement la vitesse du vent : histogramme, fréquences, variations
journalières et annuelles et les paramètres k et c de la distribution de Weibull. Ce
sont des résultats comparables à ceux obtenus par Troen et Lundtang [41].
139
II.5 Modélisation stochastique de la vitesse du vent
II.5.1 introduction
Le comportement dynamique d’un système éolien dépend de celui des variables
météorologiques auxquelles il est soumis. En particulier, la force du vent à l’entrée du
système varie d’une façon plus au moins aléatoire au cours du temps. Il est donc
important de connaître la structure fine de l’énergie reçue, et de modéliser son
évolution dans le temps, pour décrire le comportement dynamique des systèmes éoliens
Ainsi, dans cette partie, nous présentons deux méthodes basées sur deux
modèles, à savoir le modèle auto-régressif linéaire et le modèle en chaîne de Markov,
pour décrire le comportement dynamique des moyennes horaires de la vitesse du vent
(MHVV), pour le site de Tanger. Après avoir déterminé les caractéristiques statistiques
des séries réelles, nous développons deux procédés de simulation de séries
synthétiques des MHVV, ayant des caractéristiques statistiques semblables à celles des
données observées.
Nous examinons, par la suite, l’aptitude des deux méthodes à reproduire le plus
fidèlement possible les séries synthétiques ayant des caractéristiques semblables à
celles des valeurs réelles.
II.5.2 Revue bibliographique
De nombreux chercheurs ont étudié le comportement dynamique de la vitesse du
vent. On peut classer les modèles utilisés en deux types : les modèles stochastiques
auto-régressifs, et les modèles probabilistes des chaînes ou matrices de Markov.
Les premières études statistiques de la vitesse du vent comme variable discrète
ont commencé il y a longtemps mais sans tenir compte de son caractère aléatoire ou
de sa distribution fréquentielle [68]. Différentes distributions fréquentielles ont été
proposées pour représenter la vitesse du vent, y compris la distribution de Peason,
Raleigh et Weibull [52,53,68,69]. Un certain nombre de chercheurs, comme par exemple
Cortis [53] et Blanchard [68], ont commencé à tenir compte du caractère dynamique de
la vitesse du vent en la traitant comme une série temporelle par application du modèle
stochastique ARMA(p,q) (Auto-Regressive Moving Average), diffusé par Box and
Jenkins [70], pour représenter les fluctuations des valeurs horaires de la vitesse du vent,
140
mais aucune de ces études n'a couvert une large gamme de climats et n’a utilisé une
longue série de mesure mise à part les études de Blanchard [68] qui, pour simplifier le
calcul, a utilisé une année représentative de données horaires (1976) et Daniel [71], qui
a utilisé 3 années de moyennes horaires (1982 - 1984) pour trois mois.
On peut reprocher à ces études d'avoir négligé des propriétés importantes de la
vitesse du vent telles que sa non-stationnarité dûe à la variation journalière et
saisonnière, et sa distribution non-gaussiènne. Ainsi, Blanchard a appliqué directement
le modèle Auto-Regressif linéaire AR(p,0) aux valeurs observées des moyennes horaires
de la vitesse du vent (MHVV). Des études publiées par Daniel [71] et Brown[72],
tiennent compte des inconvénients et des limitations des études que nous avons citées.
Pour les modèles probabilistes à chaîne de Markov, ils sont surtout intéressants
quand l’effet de mémoire du comportement dynamique au cours du temps est faible,
sinon, le nombre de paramètres mis en jeu est plus important. Plusieurs travaux ont
essayé des modèles en chaîne de Markov pour décrire l’évolution aléatoire des
données de la vitesse du vent [73-78].
Les propriétés de la vitesse du vent générée utilisant une chaîne de Markov ont
été étudiées dans la thèse de Woo [73]. Le test d’indépendance détermine que les
données de la vitesse du vent pouvaient être décrites à l’aide d’un modèle en chaîne
de Markov du premier ordre, quelque soit le site. En effet, des études par
Kirchoff.[74,75] ont montré qu’un processus Markovian de second ordre appliqué à la
vitesse du vent n’améliore pas significativement les résultats obtenus à partir d’un
processus Markovian de premier ordre.
Afin d’améliorer l’ajustement des séries temporelles synthétisées, la vitesse du
vent répartie en dix huit états dans les travaux de Kirchoff [74,75] a été augmenté à
quarante états par Torre[76].
141
Partie A : Modélisation par un modèle auto-régressif
II.5.A.1 Introduction
Lorsqu'on veut établir la réponse énergétique et prévoir les performances d'un
système éolien, on a besoin de l'analyse statistique temporelle utilisant les modèles
stochastiques pour simuler la vitesse du vent en conservant les propriétés statistiques
principales de la série de base utilisée pour construire le modèle (moyenne, écart-type,
coefficients d'auto corrélation, persistance, densité de probabilité, etc.)
Le modèle étudié est développé sur la base des moyennes horaires de la vitesse
du vent (MHVV) de janvier 1978 à décembre 1989 (soit 12 ans de données ). Dans nos
travaux antérieurs [42,63-67], nous avons montré qu'il était nécessaire de disposer d'au
moins neuf ans de données pour faire une étude statistique des MHVV pour le site
de Tanger.
L'intérêt d'utiliser une longue série de mesures dans le développement du modèle
est d'augmenter la fiabilité de ce dernier en augmentant la précision de l'estimation de
ses paramètres. En particulier, un modèle de la vitesse du vent basé sur plusieurs
années de mesures pour un mois donné sera plus représentatif et plus apte à simuler
des séries synthétiques des moyennes horaires de la vitesse du vent (MHVV) tout en
gardant les informations statistiques principales de la série temporelle de base.
Notre étude consiste à ajuster le modèle stochastique ARMA(p,q) (Auto-Regressive
Moving Average) pour différents ordres, aux moyennes horaires de la vitesse du vent
(MHVV), en nous basant sur une longue série de mesures (12 années de données
horaires) après les avoir transformées et standardisées pour qu'elles soient stationnaires
et qu'elles suivent une distribution gaussienne. Rappelons que le modèle stochastique
n'est applicable que si ces deux dernières conditions sont réalisées. L'objectif principal
de ce travail est de voir l'influence du nombre d'années de mesures sur la sélection de
l'ordre p du modèle ARMA(p, q) ainsi que sa fiabilité pour simuler les MHVV.
Le modèle stochastique sera utilisé pour générer une année type relative au site
de Tanger. Cette dernière constituée de données synthétiques a l'avantage de réduire la
quantité de données et limiter le nombre de simulations annuelles nécessaires pour
dimensionner une installation éolienne.
142
II.5.A.2 Construction d'une variable stationnaire à distribution gaussienne
II.5.A.2.1 - Transformation gaussienne
L'application directe des modèles stochastiques à la série des moyennes horaires
de la vitesse du vent (MHVV) n'est pas possible à cause de leur distribution non
gaussienne. Pour résoudre ce problème, et dans le but de simuler les MHVV à court
terme, Daniel [71] a proposé une transformation de la série des MHVV en une nouvelle
série ayant une distribution gaussienne en utilisant les résultats de Dubey [54]. En effet,
Dubey a montré que, pour un facteur de forme, k, égal à 3.6, la distribution de Weibull
est similaire à celle de Gauss. L'utilisation de ce résultat fournit une seule façon de
sélectionner l'exposant approprié de la transformation x. En élevant les MHVV à la
puissance x, leur distribution va suivre approximativement une distribution gaussienne
Si la vitesse du vent a la fonction de densité de probabilité de Weibull :
f ( v ) = kc ( vc )k-1 exp ( - cv )k
(II.29)
x
alors V a une distribution de probabilité similaire à celle de Gauss de facteur de
x
forme k/x et de facteur d'échelle c [68].
Une autre approche pour sélectionner l'exposant x de la transformation pour
obtenir une distribution gaussiènne est l'utilisation de la statistique de Skewness [71].
x
x


V (h,j,m,a)-V (m)  /σ(m)/AMJ
a=1 j=1h=1
A M J
Sk (m) =   
où A
J
: nombre d'années,
: nombre d’heures,
M
(II.30)
: nombre de jours du mois considéré
 (m) : écart type du mois considéré
La statistique de Skewness Sk est caractérisée par la symétrie de la distribution
fréquentielle des moyennes horaires de la vitesse du vent (MHVV) et nécessite la
transformation de la série des MHVV en une nouvelle série en faisant varier l'exposant
x. En calculant Sk pour chaque série transformée, Sk prend une valeur proche de zéro
quand la distribution est symétrique [71]. Les valeurs de x sont déterminées par
l'équation de Dubey [54], k = 3.6 x, et par la méthode de Skewness.
143
Le tableau II.14 montre que les valeurs de x, obtenues à partir de la méthode
statistique de Skewness, sont toujours supérieures à celles obtenues à partir des
méthodes Weibull et Weibull hybride. La valeur maximale de x correspond au mois de
novembre, ce qui montre que la distribution des moyennes horaires de la vitesse du
vent (MHVV) pour ce mois est proche de celle de Gauss.
Tableau II.14 : Moyennes mensuelles de la vitesse du vent, paramètres de la distribution
Weibull et Weibull hybride [42], et valeurs de x déterminées à partir
du facteur de forme, k, et de la statistique de Skewness.
Mois Vitesse Weibull
Weibull hybride x
x
x
V(m/s) k
c
k
c
Weibull Weib.hybr. Skewness
J
5.54
1.59
6.55
1.68
7.03
0.44
0.47
0.62
F
6.04
1.63
7.06
1.74
7.66
0.45
0.48
0.65
M
5.55
1.59
6.65
1.72
7.16
0.44
0.48
0.67
A
5.87
1.63
6.96
1.85
7.35
0.45
0.51
0.68
M
5.70
1.63
7.09
1.84
7.18
0.45
0.51
0.65
J
5.53
1.50
6.90
1.63
7.08
0.42
0.45
0.58
Jt
6.50
1.62
7.95
1.59
8.30
0.45
0.44
0.58
A
5.66
1.62
7.54
1.68
7.60
0.45
0.47
0.59
S
6.41
1.76
7.60
1.75
8.28
0.49
0.49
0.67
O
6.19
1.67
7.28
1.76
7.74
0.46
0.49
0.64
N
6.24
1.85
7.01
1.97
7.72
0.51
0.55
0.78
D
5.65
1.66
6.65
1.75
7.26
0.46
0.49
0.66
V, k et c sont obtenus à partir des MHVV observées (1978 - 1989).
Pour estimer les paramètres du modèle, nous avons utilisé les valeurs de x
obtenues à partir de la statistique de Skewness car elles donnent de meilleurs résultats
pour tous les mois.
III.5.A.2.2 Nécessité d'une variable aléatoire stationnaire
Pour effectuer la modélisation, on travaillera à partir des coefficients de
corrélation, ce qui nécessite d'avoir une variable stationnaire au second ordre. Dans le
cas contraire, ces coefficients perdraient toute signification en raison de leur
dépendance de l'origine des temps.
Il est évident que V(h,j) n'est pas stationnaire même au premier ordre. En effet,
la figure II.20 représentant V(h) pour une heure donnée h, prise sur tous les jours des
douze années considérées (365 x 12 + 3 jours), on voit une très nette évolution de V(h)
en fonction de h, ce qui prouve bien la non-stationnarité de V(h).
144
La présence de données de la vitesse du vent durant la nuit est un avantage,
comparé aux irradiations horaires, pour faire l'étude stochastique des moyennes horaires
de la vitesse du vent (MHVV) mais, elle pose le problème de la variation journalière.
Pour éliminer l'influence de cette variation, il convient de supprimer les nonstationnarités de la moyenne et de la variance en se ramenant à un processus centré et
de variance unité. Les suites journalières que nous étudions ont des propriétés
statistiques qui dépendent évidemment de la saison comme nous l'avons montré dans
une étude antérieure [42].
II.5.A.2.3 Elimination de la variation saisonnière
Pour éliminer la variation saisonnière, nous avons segmenté l'année en mois.
Cette procédure a été adoptée dans des études antérieures [68,79-82]. Ce choix se
justifie par le fait que la plupart des calculs des performances se fait sur des bases
mensuelles et que le comportement statistique de la vitesse du vent ne montre pas une
nette évolution au cours d'un mois donné. Les douze mois de l'année seront donc
étudiés séparément.
II.5.A.2.4 Elimination de la variation journalière
Pour un mois donné m (de 1 à 12), on a un ensemble de jours AM de l'ordre
de 360 jours de données (12 mois), et on définit pour chaque heure h (de 1 à 24 ), la
vitesse moyenne du vent de l'heure h pour le mois m par :
1 A M
V(h,m) =
(II.31)
  V(h,j,m,a)
AM a=1 j=1
De même, on définit l'écart-type pour un mois m et une heure h par :
σ(h,m) =

1
A M

  V(h,j,m,a) - V(h,m)
AM a=1 j=1


2
1
2
(II.32)
avec AM : nombre total de jours du mois m (12 mois).
 (h ,m ) représente, pour un mois donné et une heure donnée, la dispersion des
moyennes horaires de la vitesse du vent (MHVV) des journées considérées autour de la
moyenne. Afin que chaque mois soit représenté, nous avons tracé sur les figures II.30a
et b, les journées moyennes pour chaque mois et aussi de part et d'autre de chacune
de ces courbes, l'écart-type  (h ,m ) .
145
14
Janvier
Vitesse du vent (m/s)
10
8
v
6
4
v - 
Vitesse du vent (m/s)
v +
12
2
0
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
2
6
8 10 12 14 16 18 20 22
Heures
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
4
6
8 10 12 14 16 18 20 22
Heures
Vitesse du vent (m/s)
Mai
0
2
4
6 8 10 12 14 16 18 20 22
Heures
Février
0 2
Mars
0 2
Vitesse du vent (m/s)
4
Vitesse du vent (m/s)
Vitesse du vent (m/s)
0
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
4
6
8 10 12 14 16 18 20 22
Heures
14
13 Avril
12
11
10
9
8
7
6
5
4
3
2
1
0
0 2 4
6
8 10 12 14 16 18 20 22
Heures
6
8 10 12 14 16 18 20 22
Heures
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
Juin
0
2 4
Figure II.30a : Valeur moyenne de V(h,m), pour une heure donnée h, prise sur toutes les
journées d'un mois donné, en fonction de h, avec l'écart-type,  (h ,m ) .
146
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
2
4
Vitesse du vent (m/s)
6
4
6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
8 10 12 14 16 18 20 22
Heures
8 10 12 14 16 18 20 22
Heures
Octobre
0
Novembre
0 2
14
Aout
13
12
11
10
9
8
7
6
5
4
3
2
1
0
0 2 4 6
8 10 12 14 16 18 20 22
Heures
Vitesse du vent (m/s)
Vitesse du vent (m/s)
8 10 12 14 16 18 20 22
Heures
Septembre
0
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
6
Vitesse du vent (m/s)
Vitesse du vent (m/s)
Vitesse du vent (m/s)
14
Juillet
13
12
11
10
9
8
7
6
5
4
3
2
1
0
0 2 4
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
2 4
6
8 10 12 14 16 18 20 22
Heures
Décembre
0
2
4 6
8 10 12 14 16 18 20 22
Heures
Figure II.30b : Valeur moyenne de V(h,m), pour une heure donnée h, prise sur toutes les
journées d'un mois donné, en fonction de h, avec l'écart-type,  (h ,m ) .
147
La représentation de ce dernier montre que la dispersion des moyennes horaires
de la vitesse du vent, pour une heure donnée h, autour de la valeur moyenne, est
presque de même amplitude pour toutes les heures de la journée. Il en est de même
pour les autres mois.
A partir de ces suites, V(h,m) et (h,m), on définit, pour chaque jour j d'un mois
m, et pour chaque heure h, la variable réduite :
V* (h,j,m,a) =
V(h,j,m,a) - V(h,m))
(h,m)
(II.33)
Ce changement de variable classique nous donne un processus centré et normé
*
(variance unité). L'évolution constante de la moyenne de V (h,j,m,a) définie par (II.33)
*
montre que V (h,j,m,a) est bien centré et, par la suite, la non-stationnarité dûe au
cycle quotidienne est presque éliminée : par exemple, si on calcule la moyenne sur la
première semaine d'Avril (m=4), on trouve une moyenne sensiblement égale à celle de
sa dernière semaine.
Pour avoir une variable aléatoire centrée et normée (variance unité) distribuée
suivant une loi normale), Daniel a proposé la formule suivante :
*
V'(h,j,m,a) - V'(h,m))
V' (h,j,m,a) =
' (h,m)
(II.34)
'
*
où V (h,j,m,a) = V (h,j,m,a)
'
V' (h,m) et  (h,m) : moyenne et écart type de la vitesse du vent transformée de
'
la h è m e heure du jour. Les fonctions V' (h,m) et  (h,m) sont supposées constantes :
V' (25,m) = V' (1,m) , V' (26,m) = V' (2,m) , etc ..
' (25,m) = ' (1,m) , ' (26,m) = ' (2,m) , etc ...
Les figures II.31a et b, pour chaque mois, montrent l'évolution journalière des
moyennes horaires de la vitesse du vent (MHVV) observées, réduites et leur écarttypes. L'allure de la courbe correspondante aux valeurs transformées montre que la
variation quotidienne persiste dans les données de la vitesse du vent mais avec une
amplitude de variation plus faible que celle des données observées. Par contre, l'allure
de la courbe correspondante à l'écart-type des vitesses du vent transformées est presque
constante ce qui montre que la variation quotidienne est presque éliminée. Cette
constatation s'applique pour tous les mois.
148
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
V observées (m/s)
V transformées : V
Ecart-type de V
Janvier
0
2 4
6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
8 10 12 14 16 18 20 22
Heures
Mars
0
2
4 6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
0
2 4
6
0
8 10 12 14 16 18 20 22
Heures
2
4
6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
8 10 12 14 16 18 20 22
Heures
Mai
Février
8 10 12 14 16 18 20 22
Heures
Avril
0 2
4
6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
8 10 12 14 16 18 20 22
Heures
Juin
0
2 4
6
8 10 12 14 16 18 20 22
Heures
Figure II.31a : Evolution quotidienne des moyennes horaires de la vitesse du vent
(MHVV) observées, réduites et leur écart types.
149
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
V observées : V
V transformées : V
Ecart-type de V
0
2 4
6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
Juillet
8 10 12 14 16 18 20 22
Heures
Septembre
0
2
4 6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
0
2
4 6
8 10 12 14 16 18 20 22
Heures
Novembre
8 10 12 14 16 18 20 22
Heures
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
Aout
0
2
4
6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
8 10 12 14 16 18 20 22
Heures
Octobre
0
2
4
6
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
8 10 12 14 16 18 20 22
Heures
Décembre
0
2 4
6
8 10 12 14 16 18 20 22
Heures
Figure II.31b : Evolution quotidienne des moyennes horaires de la vitesse du vent
(MHVV) observées, réduites et leur écart types.
150
II.5.A.2.5 Examen de la stationnarité
'*
Nous avons vérifié que le coefficient de corrélation d'ordre p de V (h,j,m,a),
'*
pour p quelconque, était indépendant de h (afin de prouver que V (h,j,m,a) est bien
ème
stationnaire au 2
ordre) [70]. Pour estimer le coefficient de corrélation d'ordre p pour
l'heure h et pour un mois donné m, nous avons utilisé la formule proposée par
Boch.[79] :
rp (h,m) = V'* (h,j,m,a),V'* (h+p,j,m,a) j,a
(II.35)
L'écart-type relatif à cette estimation est de l'ordre de 1/ AM (AM = 30x12 jours).
Nous avons représenté sur les figures II.32a et II.32b, les coefficients de corrélation
rp(h,m) relatifs à chaque mois pour p = 2.
Définissons rp(m) par :
rp(m) = rp(h,m)
où
h
(II.36)
rp(m) = moyenne de rp(h,m) prise sur h.
Si le processus est bien stationnaire, rp(m) est la meilleure approximation
possible, avec nos données, du coefficient de corrélation d'ordre p [79].
On a alors représenté sur les figures II.32a et b, en trait plein, les droites rp(m) 
1/ AM . On remarque que presque tous les points rp(h,m) sont situés entre les deux
droites. Comme rp(h,m) est une approximation du coefficient de corrélation d'ordre p
à 1/ AM prés, ceci prouve que l'hypothèse de stationnarité n'est pas contredite par le
test [79].
II.5.A.2.6 Examen de la normalité
L'application des modèles ARMA(p,q) (Auto-Regressive Moving Average) pour
simuler les données observées nécessite, en plus de la condition de stationnarité, la
distribution gaussienne de la variable à modéliser. Nous avons représenté pour chaque
mois la fonction densité de probabilité de la variable transformée et standardisée
(Figures II.33a et b) ainsi que la densité de probabilité normale de la variable
correspondante. On remarque que pour chaque mois, la gaussienne enveloppe bien la
majeure partie des histogrammes, ce qui montre que la transformation est bien normale.
151
1,0
1,0
Janvier
Février
0,9
0,9
0,8
0,8
r
r
0,7
0,6
0,6
0,5
0,5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
0,7
Heures
1,0
Heures
1,0
Mars
0,9
0,9
0,8
0,8
r
0,7
0,7
0,6
0,6
0,5
0,5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
r
Avril
Heures
1,0
Heures
1,0
Mai
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
0,5
0,5
Heures
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
r
Juin
Heures
Figure II32b : Examen de la stationnarité de la variable réduite
calculée à l'heure h en fonction de h.
152
V'* (h,j,m,a)
d'ordre 2
1,0
1,0
Juillet
Aout
0,9
0,9
0,8
0,8
r
r
0,7
0,6
0,6
0,5
0,5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
0,7
Heures
Heures
1,0
1,0
Septembre
0,9
Octobre
0,9
0,8
0,8
r
r
0,7
0,6
0,6
0,5
0,5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
0,7
Heures
1,0
Heures
1,0
Novembre
Décembre
0,9
0,9
0,8
0,8
r
0,7
0,6
0,6
0,5
0,5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
0,7
Heures
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
r
Heures
Figure II32b : Examen de la stationnarité de la variable réduite
calculée à l'heure h en fonction de h.
V'* (h,j,m,a)
d'ordre 2
153
0,5
Janvier
0,5
Data
Février
Distribution normale
Densité de probabilité
Densité de probabilité
0,4
0,3
0,2
0,1
0,4
0,3
0,2
0,1
0,0
0,0
-5
-4
-3
-2
-1
0
1
2
3
4
5
-5
-4
-3
-2
-1
V'*
0,5
0,4
0,3
0,2
2
3
5
Avril
0,4
0,3
0,2
0,0
0,0
-5
-4
-3
-2
-1
0,5
0
V
1
2
3
4
-5
5
-4
-3
-2
-1
0,5
Mai
Densité de probabilité
0,4
0,3
0,2
0
V
1
2
3
4
5
1
2
3
4
5
Juin
0,4
0,3
0,2
0,1
0,1
0,0
0,0
-5
-4
-3
-2
-1
0
V
1
2
3
4
5
-5
-4
-3
-2
-1
0
V
Figure.II.33b : Comparaison de la densité de probabilité de la vitesse réduite,
V'* (h,j,m,a), et de la distribution normale correspondante.
154
4
0,1
0,1
Densité de probabilité
1
Mars
Densité de probabilité
Densité de probabilité
0,5
0
V
0,5
Juillet
0,4
Densité de probabilité
Densité de probabilité
0,5
0,3
0,2
0,1
-4
-3
-2
0,2
-1
0
V
1
2
3
4
5
-5
-4
-3
-2
0,5
0,5
0,4
0,3
0,2
-1
0
V
1
2
3
4
5
1
2
3
4
5
Octobre
Septembre
Densité de probabilité
Densité de probabilité
0,3
0,0
-5
0,4
0,3
0,2
0,1
0,1
0,0
0,0
-5
-4
-3
-2
-1
0
V
1
2
3
4
-5
5
-4
-3
-2
0,5
Novembre
0,4
Densité de probabilité
Densité de probabilité
0,4
0,1
0,0
0,5
Aout
0,3
0,2
0,1
-1
0
V
Décembre
0,4
0,3
0,2
0,1
0,0
0,0
-5 -4 -3 -2 -1
0
V
1
2
3
4
5
-5
-4
-3
-2
-1
0
V
1
2
3
4
5
Figure.II.33a : Comparaison de la densité de probabilité de la vitesse réduite,
V'* (h,j,m,a), et de la distribution normale correspondante.
155
II.5.A.2.8 Fonctions d'auto corrélation mois par mois
Pour un mois donné m, on a calculé rp pour p = 0,1,.........,18 par remplacement
des fonctions d' auto corrélation théoriques par celles estimées par les équations de
Yule-Walker [70,83], en prenant l'ensemble des heures d'une journée (h=1,2.........24),
d'un mois m donné, formant une série de valeurs successives :
C p(m) =
1  A JM-p  '*
'*   '*
'*  
    V (h,m,a) - V   V (h+p,m,a) - V   (II.37)
JMA-p a=1 h=1 

 
avec
1 A JM '*
=
  V (h,m,a)
V
JMA a=1h=1
'*
Les fonctions d'auto corrélation (fac),
rp(m),
sont définies comme le rapport Cp/Co.
Elles reflètent la dépendance de la mesure à l'instant h de celle à l'instant h+p.
Pour chaque mois, on obtient des fonctions d'auto corrélation (fac) qui ont une
allure d'exponentielle faiblement décroissante (Figures II.34a et b). Une telle corrélation
'*
jusqu'à l'ordre 18 semble indiquer une très grande stabilité de V (h,m,a) durant les
18 heures antérieures [68].
156
1,0
1,0
Janvier
Février
Data
0,8
0,6
0,6
fac
fac
Simulation
0,8
0,4
0,4
0,2
0,2
0,0
0,0
1
2
3
4
5
6
7
Pas du temps l en heure
8
1
2
3
4
5
6
7
Pas de temps l en heure
1,0
1,0
8
Avril
Mars
0,8
0,8
0,6
fac
fac
0,6
0,4
0,4
0,2
0,2
0,0
0,0
1
2
3
4
5
6
7
Pas du tepms l en heure
1
8
1,0
1,0
2
3
4
5
6
7
Pas du temps l en heure
8
Juin
Mai
0,8
0,8
0,6
fac
fac
0,6
0,4
0,4
0,2
0,2
0,0
0,0
1
2
3
4
5
6
7
Pas du temps l en heure
8
1
2
3
4
5
6
7
Pas du temps l en heure
8
Figure II.34a : Comparaison des fonctions d'auto corrélation rl (fac) estimées et observées
en fonction du pas de temps.
157
1,0
1,0
Juillet
Aout
Réel
Simulé
0,8
0,8
0,6
fac
fac
0,6
0,4
0,4
0,2
0,2
0,0
0,0
1
1,0
2
3
4
5
6
7
Pas du temps l en heure
1
8
2
3
4
5
6
7
Pas du temps l en heure
1,0
Septembre
0,8
0,6
0,6
Octobre
fac
fac
0,8
0,4
0,4
0,2
0,2
0,0
0,0
1
2
3
4
5
6
7
Pas du temps l en heure
1,0
1
8
2
1,0
Novembre
0,8
0,6
0,6
3
4
5
6
Pas du temps l en heure
7
8
Décembre
fac
fac
0,8
0,4
0,4
0,2
0,2
0,0
0,0
1
2
3
4
5
6
7
Pas du temps l en heure
8
1
2
3
4
5
6
7
Pas du temps l en heure
Figure II.34b : Comparaison des fonctions d'auto corrélation rl (fac) estimées et
observées en fonction du pas de temps.
158
8
8
II.5.A.3 Méthodologie
II.5.A.3.1 Rappel sur le modèle Auto-Régressif AR(p)
Le modèle stochastique ARMA(p,q) (Auto-Regressive Moving
Average) tient
compte, en plus des valeurs prises par la variable aux temps antérieurs, du changement
aléatoire du climat traduit par un bruit blanc W(t). L'ordre du modèle est défini en
analysant l'allure des fonctions d'auto corrélation (fac) et les fonctions d'auto corrélation
partielle (facp) que nous allons définir par la suite. L'équation caractéristique du
modèle stochastique peut s'écrire d’une façon générale [70,71,79] :
p
q
(II.38)
Z(t) =  φ i Z(t-i) +  θ i W(t-i) + W(t)
i=1
i=1
i
où
: paramètre de régression et  i
: Paramètre à moyenne mobile.
Z(t)
: moyenne horaire de la vitesse du vent supposée
transformée et standardisée à l'instant t.
W(t) : séquence de variables aléatoires non corrélées, de moyenne 0, et d'écarttype a (p) constant, obtenues à partir des données et réparties suivant
une distribution gaussienne et p et q : ordre du modèle ARMA(p,q)
II.5.A.3.2 Identification du modèle
L'étape d'identification consiste en une estimation des paramètres du modèle à
partir de l'utilisation de l’équations (II.37). L’écart-type du bruit blanc du modèle
purement auto régressif est estimé par des équations (II.36) et (II.37) :
2 (p) = 2 (V'* )(1 - r 1  1 - r 2 2 -r p p)
(II.39)
2 '*
avec  (V ) : écart type obtenu à partir des données transformées et standardisées.
Pour un modèle purement autorégressif, les fonctions d'autocorrélation partielles
(facp),  i , sont données par la formule suivante [70]:
r k =  1 r k-1+ 2r k-2+
+ pr k-p
(II.40)
avec 1 < k < p
Les fonctions d'auto corrélation (fac) ne sont autres que les coefficients autorégressifs qui tiennent compte de la dépendance de la vitesse du vent à l'instant t de
celles qui la précèdent. Les i sont obtenus à partir du système d'équations
précédentes en utilisant la méthode de résolution de Gauss [84].
159
II.5.A.3.3 Détermination de l'ordre du modèle
la détermination de l'ordre du modèle fait appel à l'étude à la fois des fonctions
d'auto corrélation (fac) et des fonctions d'auto corrélation partielle (facp) estimées à partir
des moyennes horaires de la vitesse du vent (MHVV) transformées et standardisées en
utilisant les 12 années de mesures. Pour un modèle purement Auto Régressif (AR(p)),
les fonctions d'auto corrélation (fac) diminuent pendant que les facp s'annulent après
l'ordre p; par contre, si les deux diminuent en même temps, un modèle mixte
ARMA(p,q) (Auto-Regressive Moving Average) est recommandé [70].
Des études antérieures ont montré que les modèles stochastiques les mieux
adaptés aux moyennes horaires de la vitesse du vent (MHVV) sont des modèles auto
régressifs d'ordre 2 [68,71]. Dans le cas de Tanger, afin de mettre en évidence
l'influence du nombre d'années et du climat du site, nous avons calculé les fonctions
d'auto corrélation (fac) et les fonctions d'auto corrélation partielle (facp) jusqu'à l'ordre 18
pour chaque mois. Les figures II.34a et b montrent la variation des fac rl en fonction
du pas de temps l pour chaque mois. On peut remarquer que les fac décroissent
lentement et exponentiellement. L'analyse des fonctions d'auto corrélation (fac) est
insuffisante pour déterminer l'ordre p du modèle, et, par la suite, la connaissance de p
fait appel à l'examen des fonctions d'auto corrélation partielle (facp), i
Pour tous les mois, seuls 1 et 2 sont significativement différents de zéro
comme le montrent les figures II.35a et b pour chaque mois. On peut dire que l’effet
de mémoire est presque nul à partir de la deuxième heure. Cela signifie que la
persistance de l’effet de mémoire des moyennes horaires de la vitesse du vent (MHVV)
ne dépasse pas deux heures. Ceci suggère la sélection d'un modèle auto régressif d'ordre
2, pour simuler les MHVV. Le même résultat a été constaté par Blanchad [68] et Daniel [71]
II.5.A.3.4 Estimation des paramètres du modèle
Une fois l'ordre du modèle déterminé, ses paramètres sont calculés à partir des
formules (II.37) et (II.40), x étant déterminé à partir de la formule (II.29) de Skewness.
Les valeurs de 1 et 2 sont obtenues à partir des moyennes horaires de la vitesse du vent
transformées et standardisées en utilisant les douze années de mesures. Les tableaux.II.15a,b
présentent le résumé du modèle sélectionné et ses paramètres pour le mois d'Avril
160
Les figures II.35a et b et le tableau II.16 montrent que 1 et 2 ont le même
comportement pour tous les mois : 1 est positif et élevé tandis que 2 est positif
mais faible. Dans le cas du modèle auto régressif d’ordre 2, la vitesse du vent à
l'instant t dépend fortement de la vitesse du vent à l'instant t-1 et faiblement de la
vitesse du vent à l'instant t-2. On peut dire que l’effet de mémoire est presque nul à
partir de la deuxième heure. Cela signifie que la persistance de l’effet de mémoire des
moyennes horaires de la vitesse du vent (MHVV) ne dépasse pas deux heures. Le
même tableau montre que la variance du bruit blanc pour tous les mois est faible et
ne dépasse pas 0.214, valeur obtenue pour le mois d’août.
Tableau II.15a : Résumé du modèle et de ses paramètres pour le mois d'Avril.
I . Modèle
(a) v(t) = Vitesse du vent de l'heure t à la hauteur de l'anémomètre
0 .6 8
'
(b) v (t ) = v (t )
'*  '
'
'
(c) v =  v - v  / σ


'
*
'*
'*
(d) v (t ) =  1 v (t - 1 ) +  2 v (t - 2 ) + w (t )
où
W(t)
: Séquence purement aléatoire de moyenne nulle de variance
a (2 ) = 0.196 répartie suivant une distribution gaussienne (bruit blanc).
II . Paramètres estimés.
t
V ' (t)
t
 ' (t)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
2.76
2.70
2.65
2.66
2.66
2.64
2.68
2.70
3.97
3.26
3.36
3.49
3.62
3.69
3.72
3.73
3.70
3.57
3.36
3.14
3.09
2.90
2.82
2.78
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
1.69
1.74
1.77
1.73
1.73
1.75
1.70
1.73
1.67
1.60
1.57
1.48
1.42
1.41
1.44
1.40
1.38
1.39
1.43
1.51
1.57
1.66
1.76
1.74
1 = 0.737
2
= 0.114
a (2 ) = 0.196
161
Tableau II.15b : Moyenne et écart-type de la vitesse du vent transformée de la t
heure du jour.
ème
V ' (t)
Heure
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Janv.
2.480
2.490
2.458
2.532
2.518
2.507
2.473
2.476
2.520
2.544
2.744
2.912
3.071
3.147
3.180
2.156
2.083
2.951
2.750
2.602
2.584
2.467
2.527
2.476
Fev.
2.793
2.713
2.787
2.688
2.649
2.629
2.646
2.686
2.700
2.843
3.013
3.141
3.259
3.330
3.328
3.423
3.382
3.238
3.035
2.885
2.799
2.693
2.637
2.687
Mars
2.574
2.607
2.630
2.599
2.576
2.511
2.469
2.466
2.545
2.821
3.040
3.268
3.334
3.413
3.416
3.434
3.395
3.315
3.154
2.927
2.733
2.555
2.551
2.514
Avril
2.757
2.695
2.654
2.655
2.658
2.641
2.675
2.700
2.965
3.258
3.362
3.492
3.615
3.685
3.724
3.732
3.696
3.567
3.355
3.141
3.085
2.898
2.819
2.783
Mai
2.353
2.362
2.367
2.390
2.345
2.312
2.375
2.545
2.876
3.025
3.186
3.339
3.395
3.484
3.530
3.588
3.556
3.454
3.264
3.015
2.771
2.622
2.497
2.415
Juin
1.865
1.854
1.852
1.884
1.861
1.813
1.853
2.169
2.511
2.736
2.874
2.941
2.985
3.051
3.070
3.083
3.073
3.013
2.836
2.601
2.315
2.110
2.006
1.949
Jt
2.157
2.176
2.135
2.114
2.098
2.101
2.111
2.335
2.628
2.879
3.007
3.072
3.151
3.247
3.335
3.356
3.309
3.238
3.049
2.780
2.528
2.349
2.298
2.225
Août
1.940
1.895
1.902
1.857
1.850
1.848
1.855
1.998
2.324
2.644
2.837
2.941
3.062
3.123
3.200
3.254
3.191
3.098
2.848
2.531
2.242
2.071
1.960
1.953
Sept.
2.599
2.635
2.612
2.595
2.528
2.584
2.554
2.683
3.036
3.470
3.645
3.722
3.770
3.900
3.997
4.012
3.965
3.804
3.438
3.178
2.953
2.842
2.781
2.632
Oct.
2.639
2.650
2.639
2.591
2.646
2.652
2.574
2.627
2.771
3.136
3.286
3.393
3.469
3.504
3.528
3.515
3.456
3.261
2.928
2.713
2.644
2.544
2.615
2.545
Nov.
3.784
3.661
3.701
3.616
3.631
3.633
3.618
3.611
3.605
3.828
4.244
4.364
4.431
4.523
4.507
4.586
4.441
4.064
3.851
3.782
3.746
3.637
3.764
3.805
Dec.
2.675
2.725
2.701
2.624
2.593
2.602
2.560
2.630
2.706
2.786
2.981
3.190
3.303
3.301
3.314
3.280
3.124
2.973
2.810
2.719
2.657
2.579
2.560
2.581
Janv.
1.514
1.483
1.520
1.462
1.445
1.442
1.430
1.396
1.324
1.443
1.472
1.490
1.397
1.325
1.305
1.326
1.369
1.386
1.356
1.471
1.495
1.544
1.493
1.495
Fev.
1.652
1.697
1.686
1.684
1.721
1.683
1.718
1.656
1.657
1.689
1.734
1.653
1.555
1.527
1.483
1.471
1.493
1.540
1.528
1.643
1.675
1.732
1.792
1.722
Mars
1.784
1.724
1.735
1.715
1.715
1.704
1.681
1.698
1.719
1.762
1.665
1.590
1.518
1.501
1.531
1.560
1.604
1.649
1.592
1.653
1.721
1.772
1.780
1.762
Avril
1.691
1.744
1.767
1.734
1.726
1.750
1.704
1.729
1.669
1.597
1.568
1.475
1.416
1.411
1.438
1.397
1.384
1.394
1.431
1.505
1.571
1.663
1.762
1.741
Mai
1.641
1.601
1.626
1.577
1.570
1.565
1.524
1.519
1.458
1.354
1.278
1.227
1.136
1.166
1.166
1.146
1.176
1.217
1.276
1.362
1.515
1.528
1.609
1.625
Juin
1.479
1.425
1.394
1.372
1.348
1.361
1.395
1.359
1.178
1.059
0.990
1.019
1.026
1.012
1.001
1.014
1.031
1.101
1.072
1.204
1.320
1.379
1.406
1.443
Jt
1.586
1.567
1.545
1.524
1.504
1.534
1.527
1.548
1.467
1.287
1.235
1.229
1.208
1.176
1.180
1.176
1.182
1.212
1.253
1.404
1.519
1.568
1.623
1.626
Août
1.561
1.547
1.506
1.522
1.506
1.511
1.515
1.521
1.497
1.370
1.234
1.198
1.174
1.154
1.138
1.112
1.129
1.155
1.262
1.365
1.482
1.557
1.581
1.577
Sept.
1.974
1.957
1.914
1.892
1.918
1.884
1.899
1.898
1.936
1.691
1.640
1.567
1.540
1.541
1.536
1.556
1.529
1.578
1.691
1.804
1.931
2.004
1.997
2.020
Oct.
1.649
1.626
1.611
1.643
1.559
1.539
1.548
1.588
1.640
1.581
1.447
1.379
1.229
1.324
1.389
1.410
1.398
1.431
1.528
1.608
1.646
1.647
1.643
1.660
Nov.
2.098
2.112
2.034
2.066
2.088
2.118
2.109
2.106
2.236
2.274
2.200
2.180
2.090
2.096
2.098
2.081
2.103
2.197
2.215
2.196
2.292
2.231
2.135
2.145
Dec.
1.702
1.686
1.651
1.671
1.703
1.719
1.659
1.609
1.545
1.650
1.696
1.626
1.560
1.596
1.573
1.542
1.597
1.571
1.625
1.640
1.654
1.703
1.708
1.697
 ' (t)
Heure
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
162
Février
0,9
0,7
0,7
facp
facp
Janvier
0,9
0,5
0,5
0,3
0,3
0,1
0,1
-0,1
-0,1
1
2
3
4
5
6
Pas du temps l en heure
Mars
7
1
8
8
0,9
0,7
0,7
facp
facp
3
4
5
6
7
Pas du temps l en heure
Avril
0,9
0,5
0,5
0,3
0,3
0,1
0,1
-0,1
-0,1
1
2
3
4
5
6
Pas du temps l en heure
7
8
1
2
3
4
5
6
Pas du temps l en heure
7
8
7
8
Juin
Mai
0,9
0,9
0,7
facp
0,7
facp
2
0,5
0,5
0,3
0,3
0,1
0,1
-0,1
-0,1
1
2
3
4
5
6
Pas du temps l en heure
7
8
1
2
3
4
5
6
Pas du temps l en heure
Figure II.35a : Fonctions d'auto corrélation partielles  i (facp) estimées à partir des
données transformées et standardisées.
163
Aout
0,9
0,7
0,7
facp
facp
Juillet
0,9
0,5
0,5
0,3
0,3
0,1
0,1
-0,1
-0,1
1
2
3
4
5
6
Pas du temps l en heure
7
1
8
2
3
4
5
6
Pas du temps l en heure
7
8
7
8
7
8
Octobre
Septembre
0,9
0,9
0,7
facp
facp
0,7
0,5
0,5
0,3
0,3
0,1
0,1
-0,1
-0,1
1
2
3
4
5
6
Pas du temps l en heure
7
1
8
2
3
4
5
6
Pas du temps l en heure
Décembre
0,9
0,7
0,7
facp
facp
Novembre
0,9
0,5
0,5
0,3
0,3
0,1
0,1
-0,1
-0,1
1
2
3
4
5
6
Pas du temps l en heure
7
8
1
2
3
4
5
6
Pas du temps l en heure
Figure II.35b : Fonctions d'auto corrélation partielles  i (facp) estimées à partir des
données transformées et standardisées.
164
Tableau II.16 : Paramètres estimés du modèle auto régressif d’ordre 2 (AR(2))
sélectionné, Statistique Q et degré de liberté pour chaque mois.
facp*
facp*
Variance
Q
Degrés de


Mois
liberté
a (2 )
1
2
Janvier
0.737
0.111
0.186
45
30
Février
0.780
0.076
0.163
47
30
Mars
0.734
0.126
0.174
51
30
Avril
0.737
0.114
0.198
42
30
Mai
0.757
0.076
0.201
60
30
Juin
0.759
0.077
0.186
54
30
Juillet
0.780
0.097
0.161
51
30
Aout
0.751
0.066
0.214
61
30
Septembre
0.753
0.099
0.164
51
30
Octobre
0.765
0.074
0.190
63
30
Novembre
0.748
0.087
0.191
63
30
Décembre
0.741
0.132
0.180
38
30
Modèle rejeté pour Q > 51
(*) : fonctions d'auto corrélation partielle (facp)
Dans ce cas, les conditions suivantes
confirme la stationnarité du modèle pour tous
1 + 2
2 - 1
-1  1
sont remplies pour tous les mois, ce qui
les mois [68,71] :
 1
 1
(II.41)
 +1
II.5.A.3.5 Test du modèle
Après la spécification de l'ordre du modèle et l'estimation de ses paramètres, un
contrôle doit être fait pour tester sa validité. Le processus de contrôle se fait
généralement en deux étapes [68,71] :
- comparaison entre les fonctions d'auto corrélation (fac) de la série simulée et
celles de la série observée. S'il y a une différence, la validité du modèle et surtout
son ordre sont mis en cause. Sinon, une analyse qualitative des résidus,
'*
'*
'*
a(t) = v (t ) - (  1 v (t - 1 ) +  2 v (t - 2 ) + w (t )) , peut se faire.
- acceptation du modèle si les résidus sont non corrélés
165
II.5.A.4 Application du modèle obtenu pour générer une année de référence
pour le site de Tanger
II.5.A.4.1 Calcul et comparaison des fonctions d'auto corrélation (fac)
réelles et simulées
Après avoir considéré le modèle sélectionné pour générer une série synthétique
du même nombre de valeurs que la série réelle en initialisant l'exécution du
'*
'*
programme par deux valeurs nulles (V (1 ) = V (2 ) = 0), les valeurs les plus
probables [18], nous avons calculé tous les paramètres statistiques pour comparer les
séries synthétiques et réelles. La génération des suites de valeurs de bruit blanc W(t)
se fait par micro ordinateur à l’aide d’un sous-programme exposé en détail dans la
référence publiée par Pelletier [85]. Le tableau II.17 représente les résultats obtenus
pour quatre générations différentes à titre d'exemple pour le mois d'avril.
Tableau II.17 : Résultats de 4 générations de 8640 valeurs de V pour le mois d'avril
Valeurs observées
Séries de 8640 valeurs(12 mois)
Exécutions
N°1
N°2
N°3
N°4
Vitesse
Variance

fac
r1*
5.801
4.039
0.892
6.011
6.350
5.498
5.557
4.158
4.488
3.989
4.038
0.893
0.900
0.890
0.902
% d'erreur
sur
4
9
5
4
v
% d'erreur
sur 
% d'erreur
sur r1
3
11
1
0
0
1
0
1
(*) : fonction auto corrélation(fac)
On remarque que les résultats changent d'une exécution à une autre, tout en
étant proches des valeurs réelles; cette variation est due à la sensibilité du générateur
du bruit blanc [18]. L'analyse de ce tableau montre que la génération numéro 1 est la
meilleure car elle présente de très bons paramètres statistiques; elle est donc retenue
pour représenter le mois considéré. En appliquant la même méthode aux autres mois,
le tableau récapitulatif II.18 résume les résultats obtenus.
166
Tableau II.18 : Comparaison des séries actuelles et synthétiques
Mois
Janvier
Février
Mars
Avril
Mai
Juin
Juillet
Aout
Septembre
Octobre
Novembre
Décembre
Vitesse
5.70
5.48
5.94
5.98
5.50
5.66
5.80
6.01
5.70
5.83
5.52
5.74
6.47
6.65
5.56
5.71
6.37
6.65
6.10
6.24
6.15
6.37
5.55
5.69
Variance

4.30
4.09
4.46
4.53
4.23
4.32
4.04
4.16
3.99
4.04
4.41
4.41
5.23
5.30
4.68
4.72
4.80
4.91
4.43
4.58
3.98
4.09
4.20
4.37
1ère ligne : données actuelles
2ème ligne : données synthétiques
fac
r1 *
fac
r2
0.900
0.894
0.913
0.911
0.906
0.907
0.892
0.893
0.892
0.893
0.900
0.901
0.915
0.915
0.884
0.885
0.912
0.912
0.898
0.899
0.897
0.897
0.903
0.904
0.841
0.835
0.856
0.854
0.852
0.853
0.830
0.830
0.824
0.824
0.837
0.838
0.859
0.860
0.811
0.812
0.858
0.858
0.832
0.833
0.833
0.834
0.846
0.847
%
d’erreur
% d'erreur
sur r1
4
% d'erreur
sur
5
1
2
0
3
2
0
4
3
0
2
1
0
4
0
0
3
1
0
3
1
0
4
2
0
2
3
0
4
3
0
3
4
0
sur

0
(*) : fonction auto corrélation (fac)
La comparaison entre les fonctions d’autocorrélation observées et simulées
jusqu’à l’ordre 8 pour chaque mois (Figures II.34a et b), montrent qu’elles ne sont pas
différentes d'une façon marquée mais les fonctions d’auto corrélation (fac) simulées
d'ordre supérieur sont un peu plus faibles que celles observées.
II.5.A.4.2 Acceptation du modèle Auto Régressif d’ordre 2 (AR(2))
L'ajustement du modèle est accepté si les fonctions d'autocorrélation des
différences entre les valeurs observées et estimées (résidus) sont non corrélées et
normalement distribuées avec une moyenne nulle et une variance égale à 1/N (N=AMJ
: nombre d'heures du mois considéré) [68]. Les figures III.36a, b, c et d montrent les
32.premières fonctions d'auto corrélation des résidus ainsi que les régions de confiance
de limites  2 N - 0 .5 pour tous les mois. L'hypothèse de la distribution normale des
résidus est justifiée si plus de 95 % des rl(a) sont à l'intérieur de ces limites [68]. Ce
qui est vérifié pour les mois d'avril, juillet, septembre, et décembre pour lesquels un
167
pic ou deux pics sur 32 sont à l'extérieur de la région de confiance. Pour vérifier que
les résidus sont non corrélés, on peut appliquer le test statistique Q, qui est la
sommation des carrés des coefficients d'autocorrélation des résidus, donné par [68,72] :
L
Q = N  r l2(a)
(II.42)
l=1
où L = maximum du pas de temps considéré.
2
Si les résidus sont non corrélés, la statistique Q n'est autre que le test  de
degré de liberté L – p [68,71]. L'appréciation de l'ajustement peut se faire par une
comparaison entre la statistique Q et la valeur de  pour une limite de confiance
donnée. Nous avons appliqué le test statistique Q pour L = 32. Le tableau II.16 montre
2
2
que pour 1 % de confiance (seuil de signification = 0.01) ( < 51), le modèle est alors
valable pour 7 mois sur 12.
II.5.A.4.3 Validation du modèle
Pour vérifier la validité du modèle Auto-Régressif d’ordre 2 (AR(2)) pour
chaque mois par rapport aux caractéristiques de la série réelle, nous avons comparé les
valeurs simulées et observées de la moyenne mensuelle, la variance et les deux
premiers coefficients d'auto corrélation pour chaque mois, en calculant le pourcentage
d’erreur de ces paramètres. Le tableau récapitulatif II.18 résume les résultats obtenus et
montre qu’ils sont satisfaisants pour tous les mois (l’erreur ne dépasse pas 4 % pour la
moyenne mensuelle, 5 % pour la variance et 1 % pour le premier coefficient d'auto
corrélation).
Pour tous les mois choisis, nous avons calculé la fonction densité de probabilité
(FDP) de la série simulée en utilisant le modèle sélectionné et nous l'avons comparée
à celle de la série des données réelles (Figures II.37a et b). L'examen visuel montre que
le modèle considéré reproduit la FDP des valeurs réelles d'une façon satisfaisante
surtout pour les valeurs de la vitesse du vent supérieures à 1 m/s. On s'attend à un
modèle beaucoup plus satisfaisant pour les sites où la fréquence du vent nul (V = 0
m/s) est très faible.
Le modèle Auto-Régressif d’ordre 2 (AR(2)) comparé à la modélisation de
Weibull Hybride permet de générer de longues séries de données qui ont des
caractéristiques statistiques et dynamiques identiques à celles des mesures.
168
0,10
Janvier
r (a)
0,05
0,00
Région de confiance
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
0,10
Février
0,00
Région de confiance
r
(a)
0,05
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
0,10
Région de confiance
0,00
r
(a)
0,05
Mars
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
Figure II.36a : Estimation des fonctions d'auto corrélation r 1 (a ) des résidus
169
0,10
Avril
Région de confiance
0,00
r
(a)
0,05
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
0,10
Mai
0,05
0,00
r
(a)
Région du confiance
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
0,10
Région de confiance
0,00
r
(a)
0,05
Juin
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
Figure II.36b : Estimation des fonctions d'auto corrélation r 1 (a ) des résidus
170
0,10
Juillet
Région de confiance
0,00
r
(a)
0,05
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
0,10
Aout
Région de confiance
0,00
r
(a)
0,05
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
0,10
Région de confiance
0,00
r
(a)
0,05
Septembre
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
Figure II.36c : Estimation des fonctions d'auto corrélation r 1 (a ) des résidus
171
0,10
Octobre
Région de confiance
(a)
0,05
r
0,00
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
0,10
Novembre
Région de confiance
0,00
r
(a)
0,05
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
0,10
Région de confiance
0,00
r
(a)
0,05
Décembre
-0,05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
-0,10
Pas du temps l en heure
Figure II.36d : Estimation des fonctions d'auto corrélation r 1 (a ) des résidus
172
15
Février
Data
15
Simulation
PDF(%)
FDP(%)
Janvier
10
10
5
5
0
0
0
2
4
0
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
Mars
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
15
FDP(%)
FDP(%)
4
Avril
15
10
10
5
5
0
0
0
2
4
0
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
2
4
6 8 10 12 14 16 18 20 22 24
Vitessen du vent (m/s)
4
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
Juin
Mai
15
FDP(%)
15
FDP(%)
2
10
10
5
5
0
0
0
2
4
6 8 10 12 14 16 18 20 22 24
Vitesse du vent
0
2
Figure III.7a : Comparaison des fonctions densité de probabilité (FDP) des valeurs
réelles de V et générés à partir du modèle Auto-Régressif d’ordre 2.
173
Juillet
Simulée
15
FDP (%)
15
FDP (%)
Aout
Réelle
10
5
10
5
0
0
2
4
0
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
0
Septembre
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
15
FDP (%)
FDP (%)
4
Octobre
15
10
10
5
5
0
0
0
2
4
0
6 8 10 12 14 16 18 20 22 24
Vitesse du vent
2 4
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
Décembre
Novembre
15
FDP (%)
15
FDP (%)
2
10
10
5
5
0
0
0
2
4
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
0
2
4
6 8 10 12 14 16 18 20 22 24
Vitesse du vent (m/s)
Figure III.37b : Comparaison des fonctions densité de probabilité (FDP) des valeurs
réelles de V et générés à partir du modèle Auto-Régressif d’ordre 2.
174
II.5.A.4.4 Détermination de l'année type
Nous avons considéré le mois d'avril pour illustrer la méthode à suivre afin de
générer un mois type représentant le mois considéré. En utilisant le modèle autorégressif AR(2) sélectionné pour ce mois en générant une série de 720 valeurs
(30x24.valeurs) nous avons calculé tous les paramètres statistiques. Les résultats
obtenus pour 4 générations différentes sont représentés dans le tableau II.19
Tableau II.19 : Résultats de 4 générations de 720 valeurs de V pour le mois d'avril
Variance

fac
5.801
4.039
0.892
6.337
6.718
5.461
5.617
4.373
4.434
4.363
4.172
0.904
0.889
0.911
0.909
Vitesse
v
Valeurs observées
Séries de 720 valeurs
Exécutions
N°1
N°2
N°3
N°4
r1 *
% d'erreur % d'erreur % d'erreur
sur 
sur r1*
sur v
9
19
6
3
8
10
8
3
1
1
2
2
(*) : fonction d’auto corrélation (fac).
L'analyse de ce tableau montre que la génération numéro 4 est meilleure par
ses très bons paramètres statistiques. On voit ainsi qu'on peut générer un mois de
données synthétiques qui reflète les propriétés statistiques de 12 années de mesures de
ce même mois. En procédant de la sorte pour chaque mois, nous pourrions générer
une année synthétique de données que l'on peut appeler une année type ou année de
référence.
II.5.A.5 Conclusion
Nous avons montré qu'un modèle autorégressif AR(2) est apte à simuler les
moyennes horaires de vitesse du vent (MHV. Le pourcentage d’erreur sur les moyennes
mensuelles simulées de la vitesse du vent ne dépasse pas 3 % pour tous les mois. Ce
résultat est meilleur que celui obtenu par Blanchard [68], cette amélioration étant due à
la longueur de la série de mesures que nous avons utilisées. Nous pourrions utiliser le
modèle autorégressif AR(2) pour générer des mois types de données afin de constituer
une année type ou année de référence en faisant plusieurs générations pour chaque
mois et en choisissant la série optimale ayant les propriétés statistiques les plus
proches de celles de la série réelle correspondante. Cette année type peut servir à
prévoir la performance des systèmes éoliens [86-89].
175
Partie B : SIMULATION PAR LE MODELE MARKOVIEN
II.5.B.1 Introduction
Le processus Markovian est un processus d’états finis qui se développe au
cours du temps d’une manière probabiliste où les transitions d’un état à un autre sont
faites à des points discrets en temps [90]. Dans ce travail, il est montré comment le
processus markovien peut être utilisé pour synthétiser les variations de la vitesse du
vent. La théorie et les applications des processus Markovien peuvent être trouvées
dans les livres publiés par Ruegg[90] et Box et Jenkins [70].
Le modèle markovien peut être utilisé pour générer une série de valeurs des
moyennes horaires de la vitesse du vent (MHVV) avec des caractéristiques statistiques
identiques à celles de la série originale pour le but de simulation. Dans ce travail,
une série de valeurs horaires synthétiques est générée en se basant sur l’analyse d’une
longue série temporelle des MHVV pour le site de Tanger (1978-1989). Douze classes
de la vitesse du vent ont été utilisées pour définir l’espace des états de transition.
Afin de tester la validité du modèle, la série générée est comparée statistiquement à la
série des MHVV originales.
II.5.B.2 Modèle de la chaîne de Markov pour la vitesse du vent
Le développement d’un modèle basé sur la théorie des chaînes de Markov
nécessite l’utilisation d’une matrice des probabilités de transition qui donne la
probabilité pour que la prochaine vitesse du vent horaire soit classée dans n’importe
quel état j sachant que l’actuelle vitesse du vent horaire est classée dans l’état i. Si Pij
est définie comme cette probabilité, alors P=[Pij] est la matrice des probabilités de
transition. Une fois la matrice de transition définie, le comportement probabiliste de la
vitesse du vent peut être décrit mathématiquement comme suit [74,75] :
176
(n) = [1(n), 2(n),……………….., k(n)]
(II.43)
Soit (n) le vecteur des probabilités d’état où i(n) est la probabilité pour que le
système se trouve dans l’état i après n intervalles. k est le nombre total des intervalles
de la vitesse du vent, dans notre développement k = 12.
(n) = (0) Pn
(II.44)
où (0) est le vecteur décrivant l’état de départ et Pn est le nième ordre de la matrice
des probabilités de transition.
Le comportement limite de la chaîne de Markov peut aussi être examiné
comme suit :
Soit lim Pn = Q appelé la matrice de transition limite.
n 
Q = [qij]
Avec (i)
(ii)
(II.45)
k
 q ij = 1
j=1
q1j = q2j =……………= qkj pour tout
j = 1,2,…………,k
Si la matrice de transition limite existe alors il peut être montré qu’il y a un
seul vecteur q = [q1,q2,…………..,qk]
Tel que :
qP = q
avec qj = qij pour tout
(II.46)
i = 1,2,…………..,k.
Après un nombre élevé de transition, qj pour j = 1, 2,……………, k qui
représente la probabilité de trouver le système dans l’état j. Il peut aussi être interprété
comme la proportion du temps de séjour du système de se trouver dans l’état j.
177
II.5.B.3 Analyse des moyennes horaires de la vitesse du vent
Les moyennes horaires de la vitesse du vent (MHVV), pour le site de Tanger,
durant la période de 1/01/1980 à 31/12/1989 (10.années) sont utilisées pour obtenir la
matrice des probabilités de transition et examiner le comportement limite de la chaîne
de Markov. La matrice des probabilités de transition et son comportement limite sont
présentés dans ce travail. Les probabilités des états limites sont comparées à celles
observées. L’analyse a été réalisée pour une chaîne de Markov de douze états basée
sur l’analyse visuelle de la distribution annuelle de la vitesse du vent pour le site de
Tanger. Pour les douze états considérés, les intervalles de la vitesse du vent sont
définis comme le montre le tableau II.20.
Tableau II.20 : Limites des intervalles de la vitesse du vent pour les 12 états de la
chaîne de Markov et la distribution d’effectifs observés et prévus.
N° des intervalles
1
2
3
4
5
6
7
8
9
10
11
12
Total
Limites des intervalles
(m/s)
0-1
2-3
4-5
6-7
8-9
10-11
12-13
14-15
16-17
18-19
20-21
> 22
12
Fréquences observées
Fréquences prévues
13030
14942
17252
13859
10357
6503
5419
3075
1426
992
534
383
87648
13063
14992
17271
13940
10433
6575
5436
3068
1403
964
526
351
87648
La matrice des probabilités de transition, P, et le comportement limite, Q, sont
donnés par le tableaux II.21a et b. A l’échelle annuelle, après 109 intervalles, le
comportement limite est bien défini et les probabilités de transition entre les états
limites sont données par l’une des lignes de la matrice, Q (Tableaux II.21a et b).
178
179
180
II.5.B.4 Interprétation des résultats
Comme il a été mentionné auparavant, les probabilités des états limites peuvent
être interprétées comme la fraction du temps de séjour du système dans l’état spécifié.
Cette interprétation peut être utilisée pour comparer les résultats obtenus à partir du
modèle de la chaîne du Markov avec l’histogramme des moyennes horaires de la
vitesse du vent (MHVV) mesurées. Par exemple, si on examine le tableau II.21b,
l’ordre 109 de
la matrice des probabilités de transition, P, donne les probabilités
limites à l’échelle annuelle. Si l’année est constituée de N heures, alors 0.196xN
(1717.heures) de cet échantillon auraient une vitesse du vent entre 4 et 5m/s et 0.04xN
(350 heures) auraient une vitesse du vent supérieure ou égale à 22 m/s, etc.
Cette interprétation donne la base pour comparer le comportement limite de la
chaîne de Markov à l’échelle annuelle à celui de la chaîne observée. Nous constatons
que les fréquences observées et prévues sont comparables (Tableau II.20).
II.5.B.5 Discussion de la matrice de transition.
En plus de la stabilité du comportement de la chaîne de Markov, il est aussi
instructif d’examiner la structure générale de la matrice de transition, P. Le
tableau.II.21a (1er ordre de la matrice P) présente les caractéristiques suivantes : les
fortes probabilités correspondent à la diagonale de la matrice. Ce qui montre, pour
une moyenne horaire de la vitesse du vent (MHVV) connue, qu’il est plus probable
que la MHVV soit de la même catégorie pour l’heure qui suit. Par exemple à partir
du tableau II.21a, si la MHVV est entre 10 et 11 m/s (état 6), alors il y a une
probabilité de 0.43 que la MHVV gardera la même valeur pour l’heure qui suit.
Les caractéristiques suivantes sont liées à la moyenne à long terme de la
vitesse du vent, V = 6.11 m/s (moyenne annuelle sur dix années : 1980-1989) :
- si la moyenne horaire de la vitesse du vent (MHVV) correspond à un
intervalle de la vitesse du vent qui est inférieure à V , alors il est plus probable de
181
faire une transition vers une classe de vitesse du vent plus élevée qu’une classe de
vitesse du vent plus basse. Par exemple, du tableau 21a (1er ordre de P), si la MHVV
correspond à l’état 2 (2 - 3.m/s), alors la probabilité est 0.20 pour faire une transition
vers l’état 3 (4 - 5 m/s) mais, la probabilité pour faire une transition vers l’état 1 (0 1.m/s) est 0.18.
- si l’actuelle moyenne horaire de la vitesse du vent (MHVV) est supérieure à
V , alors il est plus probable de faire une transition vers une classe de vitesse du
vent plus petite que vers une classe de vitesse du vent plus élevée. Encore à l’échelle
annuelle, si la MHVV correspond à l’état 6. (10 - 11.m/s), alors la probabilité pour
faire une transition vers l’état 7 (12 - 13 m/s) est 0.17 mais, la probabilité pour faire
une transition vers l’état 5 (8 – 9 m/s) est 0.26.
II.5.B.6. Génération synthétique des Moyennes Horaires de la Vitesse du vent
II.5.B.6.1 Choix d’une nouvelle variable.
La génération des valeurs synthétiques est beaucoup plus facile quand la
variable considérée prend des valeurs couvrant tout l’intervalle allant de 0 à 1 [85].
Pour cela, nous avons transformé la variable V‫ ه‬pour chaque classe en une variable X
en utilisant une transformation linéaire simple, donnée par l’expression suivante :
V - Vl
=
'
Xi
V l- V l
(II.47)
où Vl et V’l sont les bornes de l’intervalle i.
II.5.B.6.2 Ajustement des densités de probabilités par des fonctions
Dans la procédure de génération, nous avons besoin de connaître les densités
de probabilité de la variable Xi à générer. Pour cela, nous avons calculé les densités
de probabilité de la variable Xi , pour chaque classe i. Nous avons constaté que la
182
forme générale de ces densités de probabilité est similaire pour les onze premières
classes et peuvent être ajustées par des polynômes du premier degré. Par contre, la
densité de probabilité correspondante à la dernière classe (i = 12) peut être ajustée par
une fonction exponentielle décroissante que nous avons établi, donnée par l’expression
suivante :
A
titre
d’exemple
- 0.47V+9.41
P(V) =
e
pour
la
dernière
(II.48)
classe,
la figure II.38
montre que
l’ajustement est bon, l’exponentielle suit bien le nuage de points des valeurs réelles
avec un coefficient de corrélation égale à R = 0.978.
0.5
Observées
Fréquence
0.4
0.3
0.2
0.1
0.0
22
24
26
28
30
Vitesse du vent (m/s)
Figure II.38 : Données observées ajustées par une fonction exponentielle
II.5.B.6.3 Formulation de la procédure de simulation d’une séquence
synthétique.
Les paramètres essentiels mis en jeu dans la procédure de simulation d’une
série de moyennes horaires de vitesse du vent (MHVV) relative à une année sont les
suivantes :
- matrice des probabilités de transition Pij ,
183
- densités de probabilité des variables, Xi
La procédure de simulation par micro ordinateur, utilisant un logiciel que nous avons
établi, se déroulait comme suit :
On sélectionnerait au hasard un état de départ, soit la vitesse de catégorie i ou
état i . Puis en utilisant la i
ème
ligne de la matrice des probabilités de transition
appropriée pi1, pi2,…….., pik, la catégorie de la vitesse du vent suivante serait
générée d’une manière aléatoire selon les probabilités pij ( 1  j  k-1 ). On tire au
hasard une variable y répartie uniformément sur l’intervalle [0,1], si y tombe entre
j
j+1
 q il et  q il ( 1  j  k-1 ), on pourrait dire que le système est dans l’état j. Une
l=1
l=1
fois la catégorie de la vitesse définie, la valeur de Vj est calculée à partir de
l’équation (II.47). Les valeurs de Xj, sont choisies à partir des séquences de nombres
aléatoires d’une distribution continue uniforme, générées au hasard sur un microordinateur de 32 bits . Ces nombres ont la même densité de probabilités que les
valeurs observées. Pour générer l’état suivant, on utilise la j
ème
ligne de la matrice de
probabilités de transition pj1, pj2,………..pjk, etc. De cette manière, une série de
moyennes horaires de vitesse du vent (MHVV) synthétiques de longueur quelconque
peut être générée. Le comportement statistique de cette série est comparé à la série
temporelle originale [73-76].
II.5.B.7 Préservation des caractéristiques statistiques par le modèle
Après avoir établi le modèle, une validation complète du modèle Markovien
devrait inclure une analyse de la vitesse du vent générée afin de s’assurer que les
valeurs synthétisées sont les plus probables. Plusieurs paramètres permettent une
quantification de l’équivalence entre les valeurs générées et observées, les sept
paramètres sélectionnés sont la moyenne, la variance, la densité de probabilité, la
matrice de transition, la densité spectrale d’énergie, la fonction d’autocorrélation et la
persistance.
184
Les six premiers sont bien définis[74,75,90,91] mais pour le septième, la
persistance, il y a deux approches :
- la première utilisée par Cortis [53] et Blanchard [68] est définie comme suit :
on choisit une série de niveaux représentatifs de la vitesse du vent, puis, pour chaque
niveau on compte le nombre d’heures consécutives passées au-dessus et au-dessous de
ce niveau, ensuite, on calcule le pourcentage de leurs séquences,
- la deuxième utilisée par Kirchhoff [74,75] prétend que la probabilité de
persistance représente la probabilité pour que la vitesse du vent ait séjourné dans le
même état.
Le vent est un phénomène très instable caractérisé par des longues séquences
de vitesse nulle, et un bon modèle doit être capable de reproduire de telles séquences.
Pour vérifier la validité du modèle, les persistances ont été calculées à l’échelle
annuelle pour les vitesses du vent synthétisées, puis, comparées aux valeurs observées
II.5.B.7.1 Moyenne, variance, matrice des probabilités de transition et
histogramme.
Statistiquement, les valeurs de la moyenne et la variance pour la série
synthétique sont presque confondues avec celles de la série temporelle réelle
(Tableau.II.22). L’incertitude relative sur la moyenne est de l’ordre de 1 % et sur la
variance est négligeable, d’où on peut conclure que les caractéristiques statistiques
principales
sont
préservées.
La
comparaison
des matrices
de
transition
et
les
histogrammes correspondants éclaircit bien ce point (Figure II.39).
Tableau II.22 : Moyennes et variances annuelles de la vitesse du vent
Moyennes
Observée
Synthétique
Variances
Observée
Synthétique
6.112
6.117
4.606
4.606
Incertitude
relative sur la
moyenne (%)
1
Incertitude
relative sur la
variance (%)
0
185
25
Observées
Synthétisées
Fréquence (%)
20
15
10
5
0
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
Vitesse du vent (m/s)
Figure II.39 : Distribution annuelle de la vitesse du vent (1980-1989, 24 relevées/jour)
Nous avons comparé qualitativement la distribution d’effectifs observés à la
distribution d’effectifs générés en appliquant le test statistique  à k-1 degrés de
liberté (k=12). La valeur de  observée qui est de l’ordre de 0.002, est confrontée à
 théorique. Avec un seuil de signification de 0.01,  égale à 3.05, donnée par les
tables.[61], est très supérieure à  calculée, ce qui montre qu’il y a une concordance
entre la distribution d’effectifs observés et synthétisés.
II.5.B.7.2 Densité spectrale (S) d’énergie et auto corrélation
La densité Spectrale d’énergie, S, d’une série temporelle est simplement la
transformation de Fourier de sa fonction d’autocorrelation [74,75,92]. La densité
Spectrale d’énergie (S) peut être interprétée physiquement comme l’énergie moyenne ou
la variance par intervalle élémentaire de fréquence, df [93]. L’autocorrélation nous
informe comment la vitesse du vent est corrélée à lui-même. Si la variation d’une
série temporelle est assez lente, elle serait réfléchie dans la fonction d’autocorrélation
qui décroît lentement avec le décalage dans le temps. D’où, une telle série est
186
caractérisée par des valeurs élevées de la densité Spectrale d’énergie (S) décalées vers
les basses fréquences. Par contre, pour une série temporelle qui oscille rapidement, la
fonction d’autocorrelation change de signe et la densité Spectrale d’énergie (S) s’étend
vers les fréquences élevées [93].
La figure II.40 représente la densité Spectrale d’énergie (S) pour des données de
grand pas de mesure : une heure, à savoir une fonction de variation de type lent.
Nous constatons que les données observées et synthétiques suivent la loi –5/3 [93], un
résultat
qui
confirme
les
travaux
publiés
par
Kirchhoff [74,75].
Les
valeurs
synthétiques ont une densité Spectrale d’énergie (S) comparables à celles observées.
Ceci est en accord avec le fait qu’elles ont la même variance (Tableau II.22), puisque
l’intégration de S(f) sur l’intervalle entier des fréquences est la variance.
L’intégrale de la fonction d’autocorrélation sur le temps est appelé l’intégrale
d’échelle. Il représente le temps durant lequel la série est corrélée à lui-même. Pour
un intervalle de temps plus long que l’intégrale d’échelle, la série temporelle devient
statistiquement indépendante de lui-même. Par conséquent, l’intégrale d’échelle est une
mesure de l’intervalle du temps durant lequel la série temporelle rappelle de son
histoire [93]
La série temporelle observée a une fonction d’autocorrélation légèrement
supérieure, au même décalage dans le temps, à celle de la série synthétique.
L’intégrale d’échelle pour la série observée est de l’ordre de 23.8 heures mais elle est
de l’ordre de 12.2 heures pour la série synthétique (Figure II.41). Evidemment, la
fonction d’autocorrélation pour la série synthétique décroît plus vite, or, son intégrale
d’échelle est plus petite, car la vitesse du vent synthétique ne considère que le pas
précédent. Par contre, la vitesse du vent réelle rappelle son histoire pour plus d’un
pas.
187
8
Synthétisées
Observées
Ln(S(f))
6
4
2
0
-9
-8
-7
-6
-5
-4
Ln(f)
Figure II.40 : Densité spectrale d’énergie de la vitesse du vent
Fonctions d'autocorrélation
1.0
Synthétisées
Observées
0.8
0.6
0.4
0.2
0.0
0
20
40
60
80
100
120
140
160
180
200
Décalage (Heures)
Figure II.41 : Fonctions d’autocorrélation annuelle de la vitesse du vent.
II.5.B.7.3 Probabilité de persistance
La caractéristique annuelle de la durée de la course du vent au-dessus et audessous des niveaux de la vitesse du vent considérés a été analysée pour étudier la
188
persistance en considérant l’approche utilisée par Cortis [53] et Blanchard [68].
L’objectif principal de cette analyse est d’étudier l’histoire de la vitesse du vent pour
évaluer sa solidité comme une source d’énergie et de déterminer les niveaux demandés
de stockage associé.
Puisque le nombre des séquences peut varier considérablement, le pourcentage
de séquences pour chaque niveau de vent est considéré au lieu du nombre de
séquences eux-mêmes. On aboutit à des bonnes estimations pour les durées moyennes
de la course du vent au-dessous des niveaux considérés, par contre les durées
moyennes synthétisées au-dessus sont légèrement inférieures aux durées moyennes
observées (Tableau II.23). Ici encore, le modèle Markovien apparaît être précis en dépit
de la grande variabilité du phénomène de persistance.
Tableau II.23 : Persistance annuelle de la vitesse du vent
Niveau
(m/s)
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
Vents observés
Séquence au dessus
Séquence Durée
(%)
moyenne
21.0
14.3
21.6
10.5
18.3
8.5
13.4
7.6
9.3
6.7
7.0
5.8
4.0
5.2
2.7
4.3
1.5
4.0
.8
3.6
.3
3.4
.1
3.4
.0
3.1
.0
2.3
.0
.0
.0
.0
Séquence au-dessous
Séquence Durée
(%)
moyenne
15.7
3.5
20.5
5.7
19.0
9.8
14.6
16.8
10.8
26.6
7.8
40.2
5.0
67.7
3.0
117.8
1.9
187.3
1.0
378.8
.5
772.5
.2
2303.7
.1
5153.6
.0
10956.4
.0
29223.0
.0
87672.0
Vents synthétisés
Séquence au dessus
Séquence Durée
(%)
moyenne
20.2
10.4
21.6
7.4
18.1
6.2
14.0
5.3
9.1
5.0
7.0
4.2
4.4
3.6
2.3
3.9
1.5
3.3
.9
2.8
.5
1.8
.3
1.2
.1
1.1
.0
1.0
.0
.0
.0
.0
Séquence au dessous
Séquence Durée
(%)
moyenne
16.4
3.6
20.5
5.9
18.8
10.0
14.1
17.0
10.5
27.0
7.5
41.0
5.1
64.8
2.9
117.8
2.0
174.7
1.0
350.7
.5
745.5
.5
717.2
.2
1752.3
.1
4382.6
.0
43835.5
.0
87672.0
Enfin, les probabilités de persistance des valeurs observées et générées, comme
elles ont été définies par Kirchhoff [74,75] sont presque les mêmes (Figure II.42)
189
0.6
Synthétiques
Observées
0.5
Probabilité
0.4
0.3
0.2
0.1
0.0
1
2
3
4
5
6
7
8
9
10
Décalage dans le temps (heures)
Figure II.42 : Probabilité de persistance de la vitesse du vent
II.5.B.8 Conclusion
Utilisant la théorie des chaînes de Markov et une longue série des Moyennes
Horaires de la Vitesse du Vent (MHVV) étalée sur 10 années (1980-1989), un modèle
markovien a été développé. Puis le comportement limite de la chaine de Markov a
été examiné et comparé à l’histogramme des MHVV observées. Un accord excellent a
été obtenu. La matrice des probabilités de transition pour la chaîne de Markov à
l’échelle annuelle a été ensuite examinée pour identifier les caractéristiques communs
de la matrice.
L’étude a montré que le modèle Markovien s’adapte bien pour reproduire la
densité de probabilité. Nous pouvons conclure que la vitesse du vent synthétisée peut
représenter la vitesse du vent observée surtout si l’on s’intéresse à l’énergie reçue
dans une fourchette de seuils car le modèle Markovien donne une bonne répartition
énergétique.
La seule mesure statistique qui n’est pas comparable pour les 2 séries
temporelles, observée et synthétique, est la fonction d’autocorrélation. Ce manque de
190
similarité est dù à la nature intrinsèque du processus markovien, une constatation faite
aussi par Kirchhoff et Al. [74,75].
II.5 Conclusion
Les séries simulées par les deux types de modèles stochastiques, le modèle
autorégressif et le modèle markovien, sont plus faciles à utiliser que la série réelle
(volume de données beaucoup plus réduit) malgré qu’ils diffèrent par le nombre de
paramètres mis en jeu à l’entrée du logiciel de simulation.
Les deux modèles présentés dans ce travail sont complémentaires du point de
vue étude statistique et analyse temporelle. Le choix éventuel entre les deux méthodes
de simulation des données de la vitesse du vent dépendra de l’utilisation souhaitée. Si
l’on s’intéresse à l’énergie reçue dans une fourchette de seuils, on prendra le modèle
Markovian, qui donne une bonne répartition énergétique, vu qu’il reproduit de façon
très satisfaisante la densité de probabilité des valeurs réelles. Par contre, si l’on désire
tenir compte du phénomène dynamique dans un court espace de temps (par exemple
l’étude des générateurs éoliens avec système de stockage, parcs éoliens reliés au
réseau national), on utilisera le modèle auto–régressif, qui reproduit mieux le lien
existant entre les valeurs d’heures successives.
II. Conclusion
Le volets de ce chapitre a concerné l'étude spécifique des caractéristiques du
gisement éolien du site de Tanger vu la disponibilité des mesures. Ces données sont
souvent trop nombreuses comme entrée dans un programme de simulation du
fonctionnement d'un système. Un certain nombre de méthodes de calcul ont été
utilisées pour les compacter sans perdre leurs informations. Les principaux résultats
obtenus sont :
- La moyenne à long terme de la vitesse du vent est de 6m/s à une hauteur
de 10.m du sol, ce qui fait de la région de Tanger un site prometteur pour
l'exploitation de l'énergie éolienne,
- la vitesse maximale absolue du vent est de l'ordre de 30 m/s,
191
- la direction dominante du vent est l'Est,
- la fréquence du vent venant du Nord est négligeable,
- la durée minimale pour étudier les caractéristiques statistiques de la vitesse du
vent pour le site de Tanger est de 9 années à un rythme de 4 mesures/jour,
- le modèle mathématique statique le mieux approprié pour l'étude des
fréquences de la vitesse du vent est celui conçu par Weibull Hybride.
Après avoir résolu le problème du choix et du dimensionnement d'un système
éolien à partir des séries de mesures météorologiques du passé, nous devions optimiser
la gestion de ce système. Celle-ci nécessita des prévisions à court terme sur la vitesse
du vent; problème complexe et qui a été résolu par l'application des modèles
dynamiques.
L'application du modèle stochastique aux moyennes horaires de la vitesse du
vent, pour le site de Tanger, a montré que cette variable peut être modélisée par le
modèle Auto Régressif AR(2) ou le modèle markovien avec une précision satisfaisante.
L'année
de référence obtenue à partir de ce modèle, AR(2), correspond à un fichier moins
volumineux que les 10 années de mesures utilisées pour la modélisation. Le modèle
markovien s’adapte mieux pour reproduire les densités de probabilité ; le modèle
autorégressif est plus approprié lorsque l’on s’intéresse à l’effet de mémoire d’une
heure à une autre.
192
CHAPITRE
III
INTEGRATION DE L’ENERGIE EOLIENNE DANS L’ELECTRIFICATION DES
VILLAGES ISOLES
193
III. INTEGRATION DE L’ENERGIE EOLIENNE DANS L’ELECTRIFICATION
DES VILLAGES ISOLES
Introduction
Dans plusieurs pays, l’énergie éolienne est considérée comme la source
d’énergie renouvelable la plus prometteuse pour générer l’électricité. Des variétés de
machines de différentes conceptions sont utilisées pour une large gamme
d’applications. Les éoliennes de petite et moyenne tailles sont les plus utilisées dans
les sites isolés et pour les parcs éoliens [94-100].
Aussi, l’une des options de la stratégie d’électrification rurale est d’installer des
aérogénérateurs, convertir l’électricité en courant alternatif (CA) et de la distribuer aux
foyers voisins par mini - réseau local. Les aérogénérateurs peuvent produire de
l’énergie à moindre prix, particulièrement dans les régions où le potentiel éolien est
important, comme celle du site de Tanger.
Mais cette solution nécessite le recours à un système d’appoint, tel qu’un
groupe électrogène (GEG) pour assurer la consommation durant les périodes de vent
faible. Il est à noter que le fonctionnement des GEG aux faibles charges entraîne
l’augmentation du nombre de démarrages et le prix de la maintenance. Il est aussi
nécessaire de faire face aux fluctuations de la vitesse du vent en utilisant un dispositif
de stockage (batterie d’accumulateurs, accumulateurs hydrauliques, flywheels, stockage
par pompage d'eau, etc.) [101-107].
une
Avant d’installer un système Aérogénérateur/Groupe électogène dans un site,
modélisation, par ordinateur, du système apparaît extrêmement utile pour
déterminer la taille et la puissance optimale de l’aérogénérateur, la stratégie du
contrôle du fonctionnement, les performances et la rentabilité économique du système.
III.1 Système hybride Aérogénérateur/Groupe électrogène
L’objectif de cette étude est la conception d’un système hybride
Aérogénérateur/Groupe électrogène, équipé d’un dispositif de stockage, et fournissant
un courant alternatif (CA). Le système modélisé est constitué d’un aéromoteur à
194
vitesse de rotation constante couplé à un alternateur par un engrenage. Il est
nécessaire de placer tout d’abord un convertisseur pour transformer le courant
alternatif (CA) en courant continu (CC) de basse tension, entre l’alternateur et
l’onduleur, et même entre le groupe électrogène (GEG) et les batteries. Le courant
continu (CC) qui passe par l’onduleur dépend du CA, de l’utilisation à servir à chaque
instant, et l’équilibre entre les deux courants est assuré par les batteries connectées en
parallèles.
Le système fonctionne de la manière suivante : quand l’énergie éolienne dépasse
la demande, l’excès charge les batteries ou si ces dernières sont pleines, il est dissipé
dans une résistance. Par ailleurs, si l’aérogénérateur et/ou les batteries ne peuvent pas
satisfaire la demande, le groupe électrogène (GEG) démarre. Il est conseillé que ce
dernier fonctionne a une charge supérieure à 40 % afin d’en diminuer la maintenance
et d’augmenter la durée de vie [108,109]; l’excès d’énergie du GEG et l'énergie
éolienne chargent les batteries.
III.2 Hypothèses pour la modélisation
III.2.1 Données éoliennes
Pour la modélisation, nous nous sommes basés sur les données de 12 années
(1978-1989) des moyennes horaires de la vitesse du vent (MHVV) relevées à Tanger.
Les figures III.1 et III.2 montrent les fluctuations typiques à l’échelle horaire et
quotidienne. La comparaison des variations horaires pour les mois de janvier et juillet
montre l’apparition de vents réguliers dûs à l’augmentation de la circulation thermique
en été. Une telle constatation est importante pour le stockage de l’énergie éolienne. La
même figure montre qu’à l’échelle horaire, l’amplitude de la fluctuation est importante
surtout en été. Or une diminution importante et durable de l’énergie éolienne est
moins problématique qu’une légère fluctuation de celle-ci. En effet, dans le premier
cas, le système d’appoint (Groupe électrogène (GEG)) va fonctionner pour une durée
assez grande évitant ainsi l’utilisation des batteries ce qui limite le nombre de cycles
charge/décharge.
195
Figure III.1 : Moyennes horaires de la vitesse du vent
Mois
Figure III.2 : Moyennes journalières de la vitesse du vent.
196
La figure II.7 (Ch.II) permet de comparer la valeur moyenne des valeurs
horaires de la vitesse du vent pendant les douze années de mesures aux moyennes des
valeurs pour chaque heure du jour. On peut remarquer que le vent varie peu pendant
la nuit (de 22 heures à 7 heures) et que pendant la journée par contre, il fluctue de 5
à 7.5 m/s avec un maximum vers 16 h. Ce qui montre qu'il y a possibilité d'utiliser
l'énergie éolienne comme système d'appoint alternatif tant que la demande électrique
nationale en électricité atteint aussi son maximum l'après midi.
La figure II.8.(Ch.II) représente la distribution annuelle des fréquences des
moyennes horaires de la vitesse du vent (MHVV). Pour les valeurs correspondant à
V < 2 m/s, il est nécessaire d’utiliser le groupe électrogène (GEG) ou le dispositif de
stockage.
Du fait que l’énergie éolienne instantanée varie proportionnellement au cube de
la vitesse du vent, on peut se demander si l’estimation de l’énergie éolienne sur la
base des moyennes horaires de la vitesse du vent (MHVV) est précise. Des études
antérieures ont montré que l’utilisation des MHVV sous-estime l’évaluation de
l’énergie éolienne récupérable de 5 à 10 % [104].
III.2.2 Demande d’énergie
L’un des facteurs essentiels qui affectent
suite, impose la taille de l’aérogénérateur, est
[108-119]. Celle-ci est définie par l’utilisateur
Aussi, avant d’entamer la modélisation, il faut
de précision possible.
le fonctionnement du système, et, par
la consommation journalière d’énergie
et varie d’une application à l’autre.
définir la demande avec le maximum
Une décision, liée à la priorité relative de chaque appareil ou groupe
d’appareils utilisés par les consommateurs, va déterminer la demande en électricité.
Bien que ces priorités changent d’un individu à l’autre et parmi différentes
communautés, il y a une tendance générale qui peut être utilisé pour sélectionner les
appareils essentiels [108-115]. Une récente étude à l’échelle mondiale montre que les
grandes priorités pour l’utilisation d’électricité en milieu rural sont l’éclairage et
l’audiovisuel [115]. Des enquêtes menées par la Direction Générale des Collectivités
Locales (DGCL), dans le cadre de la mise en œuvre du Programme de Préélectrification Rurale destiné aux collectivités rurales isolées, aboutissent au même
résultat [33,36,116-119].
197
Comme nous ne disposons pas des valeurs horaires de la consommation pour
des communautés isolées de la région de Tanger et que le Programme de PréElectrification Rurale (PPER) sera étendu à l'échelle nationale y compris la région de
Tanger, le profil de la puissance horaire demandé par un village représentatif, Tirga-Ait
Ouakki sera utilisée pour modéliser le système considéré (Figure I.18, Ch.I)
Afin de simplifier les calculs et de comparer les effets de la taille du village,
le potentiel éolien du site et la stratégie du contrôle du fonctionnement du système,
nous avons normalisé la puissance moyenne journalière demandée par le village en la
ramenant à 1 (nous divisons chaque puissance horaire par la puissance moyenne 764 W
et la moyenne de ces valeurs obtenues donne 1). On obtient ainsi l'histogramme de la
figure III.3; on remarque que le pic de la puissance entre 20 heures et 21 heures
correspond à une puissance normalisée de 5.5. Le facteur de demande (inverse du pic
de la puissance moyenne) est égal à 0.18. Ce facteur caractérise la taille du village.
6
Facteur de demande = 0.18
Puissance normalisée
5
4
3
2
1
0
0
4
8
12
16
20
24
Heures
Figure III.3 : Profil journalier de la puissance normalisée pour le village Tirga-Ait Oukki
III.2.3 Taille de l’aéromoteur et puissance nominale
La théorie des aéromoteurs concernant la structure, la modélisation
aérodynamique, l'implantation et la mesure des performances est décrite dans plusieurs
publications [120-124]. Dans ce travail, nous nous intéressons à l’intégration de
198
l’éolienne comme source d’énergie primordiale pour l’électrification des zones rurales
de la région de Tanger. Pour cela, nous allons utiliser une présentation simple et
générale de la performance d’un aérogénérateur. Mais, le choix d’un aérogénérateur
particulier approprié pour générer de l’électricité dans un site isolé est critique pour le
succès du fonctionnement du système. Par conséquent, les facteurs affectant
l’aérogénérateur doivent être discutés avec les paramètres gouvernant le couplage de
l’aéromoteur avec le générateur électrique et le régime du vent dans le site considéré.
Quand on installe un aéromoteur couplé à un générateur électrique, il est
nécessaire de déterminer la puissance maximale délivrée par l’aéromoteur et la
puissance nominale du générateur électrique en considérant avec prudence l’application
en question et le régime du vent où la machine va fonctionner. Comme la puissance
varie proportionnellement au cube de la vitesse du vent, la puissance délivrée par
l’aéromoteur va augmenter jusqu’à la vitesse d’arrêt Va.
Un aéromoteur couplé avec un grand générateur va avoir une puissance
nominale Pn et une vitesse du vent nominale Vn élevées, mais va produire cette
puissance pour une étroite gamme de la vitesse du vent. Le même aéromoteur couplé
avec un générateur plus petit va produire une faible puissance nominale pour une
large gamme de vitesse mais compatible à l’utilisation. La taille et les performances
de l’aéromoteur peuvent être déterminées en spécifiant la vitesse du vent normalisée
Vn/Vm, Vm étant la moyenne annuelle de la vitesse du vent pour le site considéré.
Un aéromoteur à axe horizontal à vitesse constante utilisant un système de
contrôle (régulation par variation de l'angle de calage des pales par exemple) est choisi
parce qu’il fonctionne à une fréquence de rotation fixe. De plus, il a une performance
optimale pour toute une gamme de vitesse de vent compris entre la vitesse nominale
Vn et la vitesse d’arrêt Va. Il peut être connecté au réseau électrique national s’il est
étendu au village considéré [106]. Le but de ce travail n’est pas de s'intéresser à un
aérogénérateur spécifique mais, d’intégrer l’éolienne pour générer de l’électricité avec
un coût réduit. La figure 3 (Annexe B) illustre les caractéristiques générales d’un tel
aérogénérateur.
La relation entre Vd et Vn peut être déterminée en utilisant les équations suivantes :



ρ
S
C
 p 
Vn = 
2 Pn
1
3
(III.1)
199
Cp : coefficient de puissance,
S : surface balayée (m2),
 : densité de l’air (kg/m3),
Pn : puissance nominale.
λ=
R
Ω
V

ΩR
V
(III.2)
: rayon du rotor
: vitesse angulaire du rotor
: vitesse du vent
: paramètre de rapidité (vitesse spécifique)
et comme Ω est constant on a :
Vd = λd
Vn λn
(III.3)
d : vitesse spécifique quand l’aérogénérateur commence à délivrer de l’électricité.
n : vitesse spécifique nominale.
A la vitesse de démarrage Vd, vitesse pour laquelle la puissance délivrée par
l’aéromoteur devient supérieure aux pertes dûes à la génération et la transmission, le
système commence à générer de l’énergie.
Les pertes augmentent avec la puissance nominale et aussi pour un aéromoteur
de surface balayée donnée, la vitesse du vent demandée à surmonter les pertes
augmente aussi.
La puissance mécanique nominale typique des nouveaux aérogénérateurs Pmn est
de l’ordre de 40 % de la puissance éolienne. Les pertes varient proportionnellement à
la puissance électrique nominale effective, Pn, et à la puissance électrique P
[95,97,130,131] :
Pertes = 0.05Pn + 0.03P
(III.4)
En pratique, la vitesse de démarrage est liée à la vitesse nominale puisque la
génération électrique commence seulement quand la puissance mécanique délivrée par
l’aéromoteur est de l’ordre de 5 % de la puissance électrique nominale [25,27,127,128].
A la vitesse nominale, le coefficient effectif de puissance, Cp devient de l’ordre de
0.37 (Annexe B). Au-delà, la puissance reste constante jusqu’à la vitesse d’arrêt qui
est fixée à 25 m/s. De la vitesse Vd à la vitesse Vn, le coefficient Cp est estimé à
partir de la figure 2 (Annexe B).
200
Cette représentation est plus satisfaisante pour une modélisation à long terme et
pour des faibles fréquences de mesures de la vitesse du vent mais moins satisfaisante
pour des fréquences élevées car elle ne tient pas compte des caractéristiques
dynamiques du système [25,128]. De plus, connaissant la moyenne annuelle de la
vitesse du vent et la spécification de la surface balayée, le rapport Vn/Vm décrit
complètement le fonctionnement de l’aérogénérateur pour toutes les valeurs de la
vitesse du vent.
III.2.4 Groupe électrogène (GEG)
L’un des problèmes, qui se pose avec un groupe électrogène (GEG) pour une
communauté isolée est de l'ajuster à la charge de la demande en électricité; la
quantité du combustible consommé par le GEG dépend partiellement du facteur de
demande, c’est le montant de la demande comme une fraction de la capacité nominale
du GEG [130,131]. En pleine charge, il utilise une portion importante du combustible,
de l’ordre 30 %, juste de quoi surmonter ses pertes internes. La figure III.4 montre les
caractéristiques typiques du combustible consommé par 2 GEG de puissances nominales
11 kW et 25 kW. Cette figure montre que les performances chutent pour les faibles
charges. Donc, lorsque le GEG tourne en pleine charge, il est plus performant, moins
coûteux et a une longue durée de vie.
0,5
Combustible consommé (litres/kWh)
0,4
0,3
0,2
11 kW, moteur de diesel : Lister-Petter
25 kW, moteur de diesel : Lister-Petter
0,1
0,0
0
20
40
60
80
100
Charge %
Figure III.4 : Quantité du combustible consommé en fonction de la charge.
201
Pour amortir ces contraintes, il est recommandé que le groupe électrogène
(GEG) fonctionnent à moins de 40 % de sa capacité [132]. Plusieurs constructeurs
recommandent de faire fonctionner les GEG au moins une heure par jour en pleine
charge, afin de nettoyer partiellement les dépôts dûs au combustible brûlé dans les
cylindres ou d’utiliser plusieurs GEG de différentes capacités [130].
Les données ne sont pas disponibles pour un groupe électrogène (GEG) de
capacité égale au maximum de la demande normalisée considérée. Ainsi, la courbe
caractéristique du GEG de capacité 11 kW est utilisée dans le modèle. Rappelons que
ce GEG est celui utilisé pour fournir de l’électricité au village Tirga-Ait Ouakki. Dans
le modèle, il est supposé que tout excès d’énergie est utilisé pour charger les
batteries.
III.2.5 Taille et types des batteries
Une caractéristique essentielle du vent étant la discontinuité dans le temps; Un
certain nombre d’études ont eu pour objet d’étudier ou de mettre au point des
systèmes permettant de stocker l’énergie produite par le vent et non utilisée
directement pendant les périodes de production afin d’en restituer une partie, aussi
grande que possible, pendant les périodes de vent faible [95,105,107,132-139].
Cet aspect de l’énergie éolienne est encore aujourd’hui un de ceux qui
ralentissent le plus son développement, car ce stockage, d’autant plus important que
les régimes du vent soient irréguliers, constitue souvent une grande part (>20 %) de
l’investissement d’une installation de fourniture d’énergie électrique à partir du vent
[95,132,135].
En pratique, la durée de vie des batteries est directement liée au nombre et à
l’amplitude des cycles de charge/décharge, la température à laquelle sont soumises les
batteries et la durée du temps resté sans les charger [132]. L’effet précis de chacun de
ces facteurs et leur effet combinés sont difficiles à quantifier. L’idéal est l’utilisation
de la dépendance de la durée de vie des batteries et le fonctionnement cyclique de
charge/décharge pour optimiser la taille des batteries, mais un tel mécanisme n’est pas
disponible et seulement une large généralisation peut être utilisée.
Actuellement, deux types de batteries constituent les candidats potentiels pour
les applications éoliennes : les batteries au plomb-acide et les batteries au nickel-
202
cadmium : elles sont les mieux adaptées aux exigences de performance, de fiabilité et
de prix [95,132,136,137].
Cependant, les batteries plomb-acide qui peuvent être retenues pour cette étude
sont celles ouvertes à plaques planes épaisses du fait qu'elles concurrencent les autres
par le rapport qualité/prix. En plus, elles sont les plus répandues et celles sur
lesquelles existe une réelle expérience de terrain. Leurs durées de vie diminuent quand
les caractéristiques standards (courant, tension) ne sont pas respectées. Durant la
décharge, la tension interne d’une cellule d’un tel accumulateur chute graduellement de
2.0 à 1.8 V pendant que la matière active est utilisée. Ensuite, sa tension chute
rapidement.
Par contre, les batteries de nickel-cadmium, bien que leur prix soit élevé, sont
moins susceptibles d'être endommagées par un taux élevé de charge/décharge que les
batteries plomb - acide. Elles sont ainsi plus attractives pour les petites capacités de
stockages. La tension à circuit ouvert de chaque cellule est uniquement 1.2 V, ce qui
nécessite d'utiliser un grand nombre de cellules individuelles pour satisfaire les grandes
tensions demandées mais c'est un avantage pour alimenter les autres équipements du
système par des faibles tensions tel que l'onduleur.
Avant d'étudier le rendement énergétique des batteries, il est utile de définir la
capacité nominale (Cn) d’une cellule. Cn représente une charge, exprimée en Ampère heures, capable d’alimenter un système pendant un certain temps, généralement 5 ou
10 heures. Par exemple, une cellule de capacité 100 Ah à un taux de 5 heures va
fournir dans les meilleures conditions un courant de 20 A durant cette période.
Cependant, comme le montre le tableau III.1, si un courant I élevé est demandé, le
temps h de décharge se réduit d’une façon non proportionnelle et donc la capacité Ch
n’est plus constante. On pourrait aussi définir le rendement énergétique de décharge
d’une batterie comme étant le rapport Ch/Cn et tracer ses variations (Figure III.5).
Tableau III.1 : Capacité disponible pour une cellule de 100 Ah pour
différents taux de décharge
Courant demandé
I
11.7 A
20 A
29.3 A
62 A
Durée de décharge
H
10 heures
5 heures
3 heures
1 heure
Total Ah disponible Voltage final de la cellule
V
Ch
117 Ah
1.85 V
100 Ah
1.82 V
88 Ah
1.80 V
62 Ah
1.75 V
203
1,1
1,0
0,9
Nickel-cadmium
Plomb-acide
0,8
Ch/Cn
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
1
2
3
4
5
6
7
8
9
10
Taux de décharge (heures)
Figure III.5 : Capacité disponible des batteries pour différents taux de décharge.
Le rendement énergétique total de décharge des batteries du type plomb - acide
varie avec le niveau de décharge. Une telle variation typique se situe entre 50 et
80.%.[135]. Par contre, le rendement énergétique total de charge des batteries plombacide est de 85 % et 75 % pour les batteries nickel-cadmium.
Le prix du système ne dépend pas seulement du dispositif de stockage, mais
aussi du prix et du rendement des équipements de conversion d’interface
(convertisseur, onduleur). Le convertisseur est moins cher et de rendement élevé, mais
l’onduleur reste encore cher, de faible rendement pour des faibles charges et
s’alimente avec un courant électrique appréciable. La figure III.6 montre le rendement
typique d’un onduleur [135].
204
1,0
Rendement
0,8
0,6
0,4
0,2
0,0
0
10
20
30 40 50 60 70
Puissance de sortie %
80
90
100
Figure III.6 : Rendement typique d'un onduleur.
A présent, pour le stockage à long terme, l’utilisation des batteries, vu leur
prix élevé, n’est pas économique. Il est préférable d'utiliser les groupe électrogène
(GEG) durant les longues périodes de vent faible. Plus la capacité du stockage est
grande, moins elle est utilisable, donc une telle augmentation de la capacité du
stockage est moins rentable [96]. Une étude expérimentale d’un aérogénérateur de
5.kW connecté à 10 kWh de batteries plomb-acide montre que le système est
techniquement viable et peut être économiquement rentable pour les communautés
isolées où le prix du combustible est élevé [110]. Il apparaît qu’une capacité de
stockage inférieure à 10 kWh de batteries est une bonne stratégie d’opération pour les
GEG et l’aérogénérateur pour un stockage à court et moyen terme.
Pour ces raisons uniquement deux combinaisons de taille et de type de batteries
sont utilisées : pour les batteries plomb-acide, le stockage à moyen terme est de : 10
heures x demande moyenne, tandis que pour les batteries nickel-cadmium, le stockage à
court terme est de : 1 heure x demande moyenne.
III.3 Traitement informatique du modèle et résultats
III.3.1 Données d’entrées
Le traitement informatique des données d’entrées suivantes :
205
valeurs de la consommation horaire,
valeurs horaires de la vitesse du vent,
caractéristiques des groupe électrogène, des batteries et l’aérogénérateur,
a pour but d’optimiser le système hybride (Aérogénérateur/Groupe Eletrogène)
schématisé par la figure III.7. Ainsi, la simulation a été faite selon la logique de
l’organigramme de la figure III.8.
III.3.2 Composantes du système
Les composantes de base du système considéré (Figure III.7) consiste en :
surface balayée par les hélices (m2),
alternateur de puissance PG,
groupe électrogène de puissance PD,
batteries de capacité C (kWh).
III.3.3 Calcul économique
L'évaluation économique suivante est basée sur la méthode d'Allison [109,140142]. C'est une méthode simple, mais cependant un moyen de comparaison utile. Elle
est exprimée par l'expression suivante :
n
r (1+r) P i
1
(III.5)
C=
(
+ m P t +FD)
N i (1+r) n -1
(C'est à dire que le prix du kWh d'électricité générée est égal au capital amorti
additionné du prix de la maintenance et du prix du combustible).
où
m : prix de maintenance / année (3 % du prix du système)
C : prix du kilowatt heure (Dh/ kWh)
F : combustible utilisé / année
D : prix du combustible (Dh/l)
r : taux d'intérêt annuel net de l'inflation (5 %)
n : durée de vie (années)
Pi : prix de la composante i considérée
Avec P =  P
t
i i
et
206
N = nombre d'heures dans l'année (365 x 24).
207
Début
données : vent,
diesel, batteries
demande etc...
déclaration configuration système
départ boucle
horaire
non
Selection demande cacul énerg. éolienne
Demande satisfaite
excès vers batteries
oui
fin boucle
horaire
oui
impression
résultats
énerg.
éolien. >
demande
Fin
non
Calcul taux
déscharge
énerg.éolien.
+ batteries >
demande
oui
Demande
satisfaite
non
Démarrage
diesel
excés+éner.éoli
vers batteries
Ajustement niveau charge batteries
Décharge
excès
oui
Cal. état charge
batteries
charge
>
capacité batt.
Figure III.8 : Organigramme de la méthode de simulation.
208
non
Les suppositions suivantes sont faites sur le prix et la durée de vie pour les
différentes composantes du système :
Aérogénérateur
GEG
Batteries
Onduleur
Prix du combustible
:
:
:
:
:
prix 1000-3000 Dh / m2
prix 8000 Dh/ kW
prix 1000 Dh / kWh
prix 3000 Dh / kWh
prix
4.5 Dh / litre
durée
durée
durée
durée
de
de
de
de
vie 20 ans
vie 10 ans
vie 5 ans
vie 20 ans
Dans les calculs, le prix de la maintenance est supposé constant aussi bien
pour le système groupe électrogène (GEG) seul que pour l'Aérogénérateur/GEG/Batteries.
Cela est justifié par le fait que la maintenance de l'aérogénérateur équipé de batteries
est compensée par la réduction de la maintenance des GEG, elle-même dûe à la
réduction du temps de fonctionnement des GEG par leur couplage.
Cependant, pour les systèmes sans stockage, le prix de la maintenance est
supérieur puisque l'addition de l'aérogénérateur seul ne conduit pas à un cycle
d'opération des groupes électrogènes (GEG) satisfaisant.
III.3.4 Résultats de l'optimisation du système
Toute la modélisation est faite en termes de consommation horaire. Les
résultats seront exprimés en valeur annuelle par kW de demande moyenne. Les
variables de sorties comprennent l’énergie éolienne, l’énergie délivrée par le groupe
électrogène (GEG), les énergies reçues et fournies par les batteries ainsi que l’énergie
éolienne gaspillée. On fournit d’autres résultats dont le nombre de démarrages, le
nombre d’heures de fonctionnement du GEG, la quantité du combustible consommé,
les pertes internes des batteries et les pertes du convertisseur et de l’onduleur.
III.3.4.1 Effet de la vitesse nominale de vent (Vn/Vm)
L'effet de la taille de l'aérogénérateur est examiné d'abord en choisissant une
capacité de stockage (batteries plomb–acide) à moyen terme capable de satisfaire la
demande moyenne pour 10 heures, et une logique de la Stratégie de Contrôle du
système la plus simple (S.C.(1)). Ceci indique que le groupe électrogène (GEG)
fonctionne en pleine charge en utilisant l'excès d'énergie pour charger les batteries.
Ceci présente l'avantage que l'énergie électrique générée par litre de fuel consommé
209
est maximale, que le GEG fonctionne avec son efficacité optimale et que le coût de
la maintenance est réduit. Ainsi, l'état moyen de la charge des batteries est le plus
élevé possible.
La figure III.9a représente le combustible consommé par année en fonction du
rapport Vn/Vm pour différentes surfaces de balayage afin de satisfaire la demande
considérée. On constate que l'intersection de ces courbes avec l'axe (ordonnée) qui
représente
la
performance
du
système
sans
aérogénérateur
correspond
approximativement
à
2700 litres.
Ceci
indique
qu'un
système
Groupe
électrogène/Batteries avec la S.C.(1) consomme une quantité de combustible
comparable à celle utilisée par le GEG seul fonctionnant à des charges supérieures à
40 %, puisque le surplus d'énergie générée efficacement durant les périodes de faibles
consommations peut être stocké et utilisé ultérieurement. Comme il peut être constaté,
l'intégration de l'Aérogénérateur/Batteries augmente significativement la quantité du
combustible économisé.
Les courbes ont une même allure générale (Figure III.9a). Elle présente une
chute du combustible consommé vers une valeur minimale à cause de l'augmentation
de Vn/Vm et, par la suite, de la puissance nominale. Ceci est dû à la nature de la
courbe caractéristique considérée de l'aérogénérateur où la vitesse de démarrage, Vd,
est proportionnelle à la vitesse nominale Vn. Un niveau donné de la demande ne peut
être servi que si la puissance nominale lui est supérieure ou égale. Au-delà de ce
minimum, l'augmentation du Vn/Vm est assez importante pour satisfaire le pic de la
demande. Cette augmentation signifie que l'énergie totale délivrée peut être
à cause du surplus produit pour les grandes valeurs de la vitesse du vent.
le rendement pour les faibles valeurs de la vitesse est réduit car la
démarrage Vd augmente, diminuant ainsi la contribution éolienne électrique
augmentée
Cependant,
vitesse de
générale à
la satisfaction de la demande. Par conséquent, le combustible consommé commence à
augmenter.
La
valeur
optimale
de
Vn/Vm
décroît
avec
l'augmentation
de
la
taille
de
l'aérogénérateur (Figure III.9a). Ceci montre que malgré le fait que l'énergie éolienne
totale délivrée par m2 de surface balayée dans un régime de vent donné peut être
maximisée par un choix particulier de Vn/Vm, l'utilisation de cette énergie pour
satisfaire une demande donnée nécessite une optimisation qui est un compromis entre
maximiser l'énergie délivrée et augmenter le rendement de l'aérogénérateur pour les
faibles valeurs de la vitesse du vent.
210
3500
Batteries plomb-acide : 10 kWh
Stratégie de contrôle 1 (GEG fonctionnant en pleine charge)
1a
(e)
0,1
(f)
2
2500
5
10
20
30
40
2000
50
Taille de l'aérogénérateur (m2 )
Combustible utilisé (litres/année)
3000
1500
1000
0,0
0,5
1,0
1,5
2,0
Vn/Vm
Batteries nickel-cadmium : 1 kWh
Stratégie de contrôle 1 (GEG fonctionnant en pleine charge)
2
5
Combustible consommé (litres / année)
(e)
3000
10
20
30
40
50
(f)
2500
2000
1b
Taille de l'aérogénérateur (m2)
3500
1500
1000
0,0
0,5
1,0
1,5
2,0
Vn/Vm
Figure III.9a : Variation du combustible consommé avec Vn/Vm pour différents diamètres
du rotor (e : GEG avec S.C.(1), f : GEG avec S.C.(2)).
Pour les valeurs optimales de Vn/Vm, la figure III.9a montre que la décroissance
de la quantité du combustible consommé est assez importante pour les aérogénérateurs
de grandes tailles. Aussi, en plus des avantages opérationnels du système liés à la
réduction importante du nombre de démarrages du groupe électrogène (GEG),
l'inclusion du stockage réduit le combustible consommé de façon appréciable. Ceci
s'explique par le fait que la source tampon (batteries) est maintenant capable de
compenser l'énergie éolienne durant les périodes où l'énergie est à peine inférieure à
la demande.
211
2a
3000
(f)
0,1
2500
2
5
2000
10
20
30
40
50
1500
1000
0,0
0,5
1,0
1,5
Taille de l'aérogénérateur (m2)
Combustible utilisé (litres / année)
3500 Batteries plomb-acide : 10 kWh
Stratégie de contrôle 2 (charge de fonctionnement du GEG > 40%)
(e)
2,0
Vn/Vm
3500 Batteries nickel-cadmium : 1 kWh
Stratégie de contrôle 2 (charge de fonctionnement du GEG > 40%)
2b
3000
2
5
(f)
2500
10
20
30
40
50
2000
Taille de l'aérogénérateur (m2)
Combustible consommé (litres / année)
(e)
1500
1000
0,0
0,5
1,0
1,5
2,0
Vn/Vm
Figure III.9b : Variation du combustible consommé avec Vn/Vm pour différents
diamètres du rotor (e : GEG avec S.C.(1), f : GEG avec S.C.(2)).
Cette étude concerne la modélisation du fonctionnement du système, alors que
la conception optimale demandée est celle qui minimise le prix de l’installation
considérée en tenant compte du prix et de la durée de vie de toutes ses composantes.
212
3500
Stratégie de contrôle (1), (a)
Combustible consommé (litres/année)
Stratégie de contrôle (2), (c)
Batteries plomb-acide :10 kWh
3000
1.6
2500
Vn/Vm
1.5
2
1.8
2000
1.8
1.5
1.3
1500
1.2
1.1
1000
0
10
20
30
40
50
Taille de l'aérogénérateur (m2)
3500
Batteries nickel-cadmium :1 kWh
S.C.(1), (b)
Combustible consommé (litres / année)
S.C.(2), (c)
3000
Vn/Vm
1.8 1.8
1.7
2500
1.7
1.5
2000
1.3
1.3
1500
1000
0
10
20
30
40
50
Taille de l'aérogénérateur (m2)
Figure III.10 : Variation du combustible consommé avec le diamètre du rotor.
En relevant les valeurs minimales des courbes de la figure III.9a, on peut tracer
la courbe (a) de la figure III.10 qui représente la variation du combustible consommé
en fonction de la taille de l'aérogénérateur du système. Cette courbe permet de
déterminer la taille optimale par la compensation du coût supplémentaire du capital
amorti dû à l'intégration de l'aérogénérateur par le coût correspondant au combustible
économisé. Les courbes (a) de la figure III.11 schématisent le coût de l'électricité
délivrée en fonction de la taille de l'aérogénérateur pour les suppositions économiques
déjà spécifiées et en variant le prix du m2 de la surface balayée. On constate que la
taille optimale de l'aérogénérateur pour 1000 Dh/m2 est centrée autour de 18 m2, ce
qui, sur la figure I.9a, indique une valeur de Vn/Vm de l’ordre de 1.5, c'est à dire de
213
l’ordre de Vn= 9 m/s. Le coût de génération minimal est 2.4 Dh/kWh alors que le coût
de génération du groupe électrogène (GEG) utilisé seul est de l'ordre de 2.46 Dh/kWh
pour la même stratégie de contrôle 1 (S.C.(1)) (Figure III.12a).
(e) : Coût de génération du kWh (GEG seul
fonctionnant en pleine charge)
(f) : Coût de génération du kWh (GEG seul
fonctionnant à une charge > à 40%)
Coût de génération (Dirhams / kWh)
3,5
1a
Batteries plomb acide : 10 kWh
3000 Dh / m2
S.C.(1), (a)
3,0
S.C.(2), (c)
2000 Dh /m2
2,5
(e)
1000 Dh /m2
(f)
2,0
0
5
10
15
20
25
30
35
40
Taille de l'aérogénérateur (m2)
3,5 Batteries nickel-cadmium : 1 kWh
1b
3000 Dh / m2
Coût de génération (Dirhams / kWh)
S.C.(1), (b)
S.C.(2), (d)
2000 Dh /m2
3,0
1000 Dh /m2
2,5
(e)
(e) : coût de génération du kWh (GEG seul
fonctionnant en pleine charge)
(f) : Coût de génération du kWh (GEG seul
fonctionnant à une charge > à 40%)
(f)
2,0
0
5
10
15
20
25
30
35
40
Taille de l'aérogénérateur (m2)
Figure III.11 : Coûts de génération d'électricité pour différents prix des aérogénérateurs.
Cependant, plus important encore, la figure III.9a illustre le fait que le système
Aérogénérateur / groupe électrogène puisse réduire la consommation de combustible
consommé de moitié (18 m2, 1000 Dh/m2), ce qui est très intéressant pour une
communauté isolée.
III.3.4.2 Effet des batteries
La présence des batteries plomb-acide pour le stockage à moyen terme
augmente la rentabilité du système au détriment de la viabilité du système. Pour cette
raison, une capacité de stockage de 1 heure de batterie nickel-cadmium, plus viable,
214
est considérée pour le stockage à court terme. Pour l'utilisation durant les longues
périodes de vent nul, le stockage par batteries à long terme n'est pas économique en
comparaison à l'utilisation directe de l'énergie stockée disponible dans le combustible.
2,8
(b)
2,7
Coût de génération (Dirhams/kWh)
2,6
2,5
(d)
(e)
(a)
2,4
(c)
2,3
(a) 10 h Pb-acide, S.C.(1)
(b) 1 h Ni-Cad , S.C.(1)
(c) 10h Pb-acide, S.C.(2)
(d) 1 h Ni-Cad , S.C.(2)
(e) GEG, S.C.(1)
(f) GEG, S.C.(2)
2,2
(f)
2,1
0
5
10
15
20
25
30
35
40
Taille de l'aérogénérateur (m2)
Figure III.12 : Coût d'électricité pour différentes stratégies de contrôle avec un prix de
2
1000 Dh/m .
En traçant des courbes du même type que précédemment, pour un système
ayant une capacité de stockage de 1 kWh nickel-cadmium, on obtient les figures. IV.9b12b. On constate que pour le prix de 1000 Dh/m2, le coût optimal de génération,
2.66Dh/kWh, est supérieur à celui correspondant au stockage à moyen terme, avec une
marge de tailles optimales de l'aérogénérateur centrées aussi autour de 18m2. Ceci
peut s'expliquer par l'utilisation d'une quantité d'énergie éolienne plus importante pour
le stockage à moyen terme, à cause de la grande capacité de ce dernier.
215
III.3.4.3 Effet de la stratégie de contrôle
La stratégie de contrôle correspondant à la performance optimale du système
tout entier est liée au fonctionnement du groupe électrogène (GEG). Pour un système
donné, l'objectif du contrôle est de satisfaire la demande en utilisant le minimum de
combustible et en maximisant la durée de vie des différentes composantes du système,
à savoir le GEG et les batteries. Une autre option de contrôle qui, mérite d'être
considérée, est d'imposer une charge minimale au GEG pour minimiser la
maintenance. Pour comparer, l'étude faite pour la stratégie de contrôle 1 est reprise
pour le cas considéré. La stratégie de Contrôle 2 (S.C.(2)) est similaire au S.C.(1) à la
différence qu'elle limite le fonctionnement du GEG à des charges supérieures à 40 %
de sa puissance nominale (Figures III.9c et III9.d). Dorénavant, quand la demande sera
au-dessous de ce minimum, le surplus d'énergie du GEG sera utilisé pour charger les
batteries. Le coût minimal pour 1000 Dh/m2 et 10 heures (batteries Pb-acide), est de
2.34 Dh/kWh (Figure III.12c). Le coût de génération par l'utilisation du GEG tout seul
est de 2.12 Dh/kWh au lieu de 2.46 Dh/kWh pour la première stratégie de contrôle
(Figure III.12).
Nous remarquons que le gain en combustible consommé, et, par la suite, le
coût du kWh généré pour le stockage à court terme en adoptant la stratégie de
contrôle 2 (S.C.(2)) au lieu de la S.C.(1), sont assez importants comparativement au
cas du stockage à moyen terme (Figures. III.10 et III.12). Ceci est dû à la réduction
de l'excès de l'énergie (énergie non exploitée) générée par le GEG fonctionnant en
plein régime pour le stockage à court terme (Figure III.13).
La figure III.13 représente la répartition de l’énergie annuelle délivrée
directement pour satisfaire la demande par l’aérogénérateur, le groupe électrogène
(GEG) et l’Aérogénérateur/Batteries pour les deux stratégies de contrôle et pour la
taille optimale de l'aérogénérateur (18 m2). Nous constatons que pour le stockage à
moyen terme, la contribution de l'Aérogénérateur/Batteries est supérieure pour la
stratégie de contrôle 1 (S.C.(1)). Ceci peut s'expliquer par la contribution importante
des batteries à équilibrer l’énergie éolienne durant les périodes où l’énergie éolienne
est à peine inférieure à la demande. Les valeurs élevées entassées autour de la
diagonale de la matrice de charge indiquent une tendance à un faible taux de charge/
décharge des batteries, ceci évite l’endommagement de ces dernières (Tableau III.2). De
plus, nous remarquons aussi qu’uniquement 5 % de la consommation provient
directement de l’aérogénérateur. Ceci est dû au fait que l'utilisation de l'énergie
216
éolienne est limitée uniquement à 6 heures/jour, et, par conséquent, une grande partie
de l'énergie éolienne générée n'est pas exploitée (Figure III.14).
Groupe électrogène
Aérogénérateur + batteries
Aérogénérateur
Energie consommée (kWh / année)
10000
(1)
5%
9000
(1) : 18 m2 , 10 kWh , Vn/Vm = 1.5
(2) : 18 m2 , 1 kWh , Vn/Vm = 1.7
(1)
5%
(2)
13 %
8000
(2)
13 %
4%
4%
7000
32 %
36 %
6000
5000
83 %
83 %
4000
63 %
3000
59 %
2000
1000
0
1
2
3
4
S.C.(2)
S.C.(1)
Figure III.13 : Répartition de l'énergie délivrée directement vers la demande
15000
(1) : 18 m2 , 10 kWh , Vn/Vm = 1.5
(2) : 18 m2 , 1 kWh , Vn/Vm = 1.7
(2)
Vers la demade
Perte par le transformateur
Vers les batteries
Perte par l'onduleur
Perte interne
Excés
(2)
(1)
(1)
Energie (kWh/année)
12500
(2)
10000
(2)
7500
(1)
(1)
5000
(1)
2500
0
1
2
S.C.(1)
3
S.C.(2)
Aérogénérateur
4
5
S.C.(1)
6
7
8
S.C.(2)
Groupe électrogène
9
(1)
(2)
S.C.(1)
10
11
(2)
S.C.(2)
12
Batteries
Figure III.14 : Histogramme de l'énergie utilisée
217
Tableau III.2 : Matrice de charge pour la S.C.(1), une capacité de stockage de 10kWh
et 18m2/kW de demande moyenne.
Niveau de charge au début de l'heure en %
0- 55 10
0-5
99 18
5-10
0 119
3
0
0
2
0
0
1
0
3
1
10 0
3
7
3
3
5
0
1
2
7
2
1
6
0
1
17 1
1 12
85-90
0
1
90-95
0
3
95-100 0
0
10
90 9515
95 100
6
8
3
4
10
4
2
3
0
0
0
0 0 0 0 0 0
0
17 13
7
3
3
11
6
1
1
0
0
0 0 0 0 0 0
0
85 17 13
7
2
3
11
5
2
0
0
0 0 0 0 0 0
0
0 116 22 11 13
5
6
6
9
1
0
0 0 0 0 0 0
0
0
0 514 20 33 15 12
8
11
7
0
0 0 0 0 0 0
0
0
1
0 157 21 61 13
3
5
9
5
0 0 0 0 0 0
0
0
0
2
1 229 36 19 19
9
8
9
4 0 0 0 0 0
0
3
0
0
55
0 334 38 15 21 11 10 3 49 0 0 0 0
0
1
0
2
0
2
1 361 100 22 23 16 9 3 3 0 0 0
0
6
2
0
0
0
0
1 348 94 19 26 11 7 3 7 0 0
0
1
8
0
1
1
0
1
1 233 46 70 26 11 7 4 6 0
0
6
3
6
0
1
60
0
1
1 293 56 30 27 15 7 2 7
0
1
2
41
9
6
1
2
0
1
1 164 53 24 20 4 7 5
8
3
4
1
0
1
12
0
1
0
0
1 97 43 32 19 4 6
10
3
1
1
0
0
2
10
0
0
1
0
0 59 34 22 17 4
64
1 12
2
1
0
0
8
18
0
0
2
0 0 52 37 8 12 23
0
0
3
0
0
0
1
1
2
10
0
0 0 0 43 21 5
37
9
0
1
2
5
0
0
0
0
68
0
0 0 0 0 28 14 38
0
2
0
0
8
0
0
0
9
0
0
0 0 3 0 0 31 51
2
0
0
2
0
2
62
2
0
23
0
8 0 28 0 76 24 2486
Conclusion
Plusieurs stratégies de contrôle peuvent être formulées pour le système de
génération, Aérogénérateur/Groupe électrogène/Batteries, et deux d'entre elles ont été
considérées ici, avec deux types de batteries pour le stockage. A part le système
Aérogénérateur/ Groupe électrogène /Batteries avec stockage à court terme et Groupe
électrogène (GEG) sans charge minimale, les coûts de génération d’électricité pour les
autres configurations sont comparables à celui du GEG fonctionnant seul en pleine
charge. Les systèmes hybrides considérés peuvent réduire la consommation du
combustible de moitié, ceci est intéressant pour l'électrification des communautés
isolées.
2
L'utilisation du combustible consommé et la surface balayée optimale - 18m indiqués par cette modélisation, et des prix typiques pour le fuel - 4.5 Dh/litres - et le
prix de la surface balayée par l'aérogénérateur – 1000 Dh/m2 - a permis d'évaluer le
coût de génération. A part la configuration Aérogénérateur/ Groupe électrogène/Batteries
avec le stockage à court terme et la stratégie de contrôle 1 (S.C.(1)), les coûts
218
optimaux de génération des autres systèmes considérés sont comparables à ceux
fournis par le groupe électrogène (GEG) tout seul avec la S.C.(1).
Pour les valeurs des paramètres étudiés dans ce travail, c'est à dire une vitesse
moyenne du vent de 6 m/s à un niveau de 10 m de hauteur et une demande de
facteur de forme de 0.18, on constate que le fuel consommé par le système Groupe
électrogène /Batteries avec le stockage à moyen terme et la stratégie de contrôle 1
(S.C.(1)) est de 7 litres par kiloWatt de demande moyenne (2550 litres/année), ce qui
est comparable à celle mesurée pour le même GEG fonctionnant tout seul avec une
charge minimale. L'utilisation de ces chiffres et les valeurs centrales des paramètres
économiques (prix du fuel de 4.5 Dh/l, taux d'intérêt de 5 % et taux de la maintenance
de 3 %), montre que le coût de génération du kWh peut descendre au-dessus du seuil
de 2.5.Dh. L'intégration de l'énergie éolienne est meilleure pour le stockage à moyen
terme avec la stratégie de contrôle 2 (S.C.(2)).
Les courbes du coût du kWh généré n'admettent pas de minimum accentué, ce
qui montre que l'aérogénérateur reste la composante la plus chère du système. Comme
les prix des aérogénérateurs ont
une tendance décroissante à l’échelle internationale, le coût du kWh généré par les
systèmes hybrides va baisser aussi.
Le fonctionnement d'un tel système, sans aucun moyen de stockage, semble
avoir des problèmes pour le fonctionnement du groupe électrogène (GEG) à cause des
fluctuations aléatoires du vent et du besoin de faire face aux chutes brusques de
l'énergie éolienne.
Le stockage à moyen terme n'a pas un effet marqué sur le prix de génération,
mais il est potentiellement utile pour le fonctionnement du groupe électrogène (GEG)
(réduction du nombre de démarrages) et profitable pour l'intégration de l'énergie
éolienne.
219
CHAPITRE
IV
OPTION DE L'ENERGIE EOLIENNE AU MAROC
220
IV. OPTION DE L’ENERGIE EOLIENNE AU MAROC
Introduction
La facture énergétique constitue une lourde charge pour l’économie marocaine
et affecte le développement du pays. En effet, étant donné la quasi - inexistence, au
niveau national, de ressources énergétiques conventionnelles exploitables, le pays
dépend presque totalement de l’extérieur pour son approvisionnement en énergie.
Cette situation est rendue plus critique, d’une part, par la hausse et la
fluctuation des prix du pétrole, et, d’autre part, par le développement exponentiel de
la demande en énergie surtout pour les pays en voie de développement. Elle exige
que le Maroc revoit sa politique énergétique, largement dépendante des hydrocarbures,
et qu'il mobilise tous ses efforts afin de développer et rationaliser la consommation de
l’énergie dans le pays, et, particulièrement, la promotion des énergies renouvelables.
C’est dans cet ordre d’idées que le recours aux énergies renouvelables s’impose
comme une alternative impérieuse. En effet, les énergies renouvelables présentent
l’avantage d’être abondantes, propres et inépuisables et peuvent satisfaire la demande
dans des proportions non négligeables. Ce qui pourrait contribuer de façon importante
au développement économique, à l’indépendance énergétique et réduire la facture
énergétique au Maroc.
L’analyse de la possibilité d’utilisation des énergies renouvelables pour satisfaire
certains besoins énergétiques du pays est d’une grande utilité. C'est le cas notamment
de l'énergie éolienne. Pour cela, 10 projets de parcs d'éoliennes, dans les régions les
plus venteuses du Maroc, ont été proposés et soumis aux tests des critères de coûts
de production et de rentabilité.
Parfois, les décideurs politiques ont besoin de connaître les coûts de production
énergétique en avance et il est nécessaire d’évaluer les coûts avec des paramètres
moyens. Ces coûts ne peuvent pas être considérés comme des valeurs absolues mais
sont très importants pour la prise des décisions.
Il s'agit du coût de l'énergie éolienne pour les différents projets proposés;
utilisant des aérogénérateurs de puissances nominales de la gamme de 150 kW à
250kW par aérogénérateur allié à une variation du prix de vente du kWh. De plus,
221
les projets ont été soumis aux tests d'autres paramètres énergétiques et financiers, tels
que la vitesse du vent, la puissance nominale des aérogénérateurs, le coût
d’installation, le délai du crédit, le taux d'intérêt, etc.
IV.1 Localisation des zones les plus venteuses
En examinant la carte des vents au Maroc (Figure I.15), on remarque que, dans
les zones du détroit de Gibraltar et sur les côtes atlantiques situées entre Laayoune et
Dakhla, la vitesse moyenne du vent peut dépasser 10 m/s. Quant à la région
montagneuse de Midelt et du couloir de Taza, les vitesses moyennes y sont de l'ordre
de 5 m/s et 10 m/s respectivement. Cependant, le long de la côte Casablanca-Agadir la
vitesse moyenne est comprise entre 4 et 6 m/s. Ces chiffres permettent d'apprécier les
principaux sites qui feront l'objet d'une évaluation quantitative du gisement éolien
marocain. Nous nous limiterons aux sites suivants : Sendouk, Blanco1, blanco2 ,
ElHaouma et Fnidek pour la région du Nord, Taza et Midelt pour celle du centre et
Safi, Essaouira, Lâayoune et Dakhla pour la côte atlantique et le Sud.[143,144].
IV.2 Evaluation quantitative de la puissance éolienne exploitable dans les sites
retenus
La puissance récupérable à partir du vent, ne peut être exploitée en totalité, et
ce pour des considérations topographiques et techniques. En effet, la puissance
maximale à extraire d'un site est déterminée par le rendement et le nombre maximal
d'aérogénérateurs qu'on peut y placer. Ce nombre est calculé sur la base des critères
suivants [31]:
- la surface du terrain plat,
- la distance entre les aérogénérateurs de la même rangée (au minimum le
triple du diamètre du rotor),
- et la distance entre deux rangées successives (d'au moins dix fois la hauteur
du pylône), c'est à dire, la distance nécessaire pour que le vent puisse récupérer sa
vitesse après avoir heurté un obstacle, ainsi on doit avoir :
( N1 + 1 ) * 3 D < L
222
( N2 + 1 ) * 10 H < l
( IV .1 )
avec
N1 : nombre d'aérogénérateur par rangée.
N2 : nombre de rangées d'aérogénérateurs.
N : nombre total d'aérogénérateurs à placer sur le site.
et
L : dimension du terrain perpendiculairement à la direction prédominante du vent
l : dimension du terrain parallèlement à la direction prédominante du vent.
D : diamètre du rotor de l'aérogénérateur.
H : hauteur du pylône.
Par conséquent, la puissance éolienne exploitable est donnée par [31]:
Pexp = N.S.Pmoy
(IV.2)
Considérons un aérogénérateur standard pour lequel D = 24 m et H = 30 m, le
tableau IV.1 récapitule, pour les sites retenus, les résultats obtenus. A partir de l'étude
des caractéristiques statistiques de la vitesse du vent (Annexe A) et en utilisant
l'expression II.18, on peut estimer la puissance totale qui pourrait être exploitée sur
l'ensemble des sites retenus à plus de 1 817 MW, soit une énergie exploitable de
15918 GWh (Tableau IV.1).
Tableau IV.1 : Récapitulation du calcul du gisement éolien pour les sites retenus[143,144]
Hauteur de l'anémomètre : Z(m)
Superficie
Nombre
Puissance
Energie
V
K
C
P
exploitable
maximum
exploitable
exploitable
Sites
(m/s)
S.I.
(m/s) (W/m2) (Hectares)
D'aérogénér. (MW)
(GWh/an)
Sendouk
9.54 2.62 10.86
897
60
24
9.74
85.32
Blanco 1
10.86 2.47 12.28
1214
65
26
14.28
125.09
Blanco 2
10.27 2.57 11.94
1088
45
18
8.85
77.53
ElHaouma
9.40 2.35 10.69
828
50
20
7.49
65.61
Fnidek
6.98 2.43
8.09
352
50
20
3.18
27.86
Taza
11.23 2.58 12.67
1219
150
195
10.75
94.17
Safi
4.60 2.73
5.28
90
50
65
2.65
23.21
Essaouira
5.10 2.90
7.65
266
50
65
7.62
66.75
Lâayoune
6.97 2.47
8.02
335
4000
5200
788.06
6903.41
Dakhla
7.24 2.94
8.22
328
5000
6500
964.49
8448.93
Total
6616
9520
12133
1817.11
15917.88
(*) Aérogénérateur standard pour lequel D=24 m et H = 30 m
223
IV.3 Aérogénérateurs :
Sans tenir compte de leur puissance, on peut faire une première classification
des aérogénérateurs (Figure IV.1).
IV.3.1 Aérogénérateurs à axe horizontal
Un aérogénérateur à axe horizontal consiste en une machine tournante dont le
mouvement est produit par l'énergie cinétique du vent qui agit sur le rotor doré d'une,
deux ou trois pales. Ce mouvement rotatoire est en suite transmis à travers un
multiplicateur de vitesse vers un générateur qui produira l'énergie électrique.
L'ensemble de ces composants est regroupé dans un carter supporté par un pylône.
Celui-ci est très important dans la mesure où :
_ sa hauteur doit assurer que l'aérogénérateur se trouve en dehors des
perturbations dûes aux obstacles (turbulences),
_ sa fréquence propre doit être différente des fréquences des vibrations
engendrées par l'aérogénérateur [31].
IV.3.2 Aérogénérateurs à axe vertical
Ces aérogénérateurs sont conçus de manière à ce qu'ils puissent fonctionner à
tout vent. N'ayant pas besoin d'être orientés, grâce à la symétrie de leurs pales, ils
permettent de profiter du vent dans n'importe quelle direction. En plus, l'emplacement
du générateur électrique au niveau du sol présente un grand avantage quant aux
opérations de maintenance. Néanmoins, les aérogénérateurs à axe vertical présentent
quelques inconvénients, notamment :
- pas d'auto - démarrage.
- pour des sites où le potentiel est de 1800 à 2500 kWh/kW/an [31], il a été
prouvé qu'avec la même puissance installée, un modèle à axe vertical produit à peu
prés la moitié de l'énergie électrique produite par un modèle à axe horizontal. Ceci
est l'une des raisons principales pour lesquelles la demande sur ce type de machines
est quasiment faible.
L'aérogénérateur à axe vertical de type Darrieus est le plus développé
actuellement grâce aux caractéristiques aérodynamiques de ses pales, lui permettant de
profiter d'une marge assez large de vitesses élevées du vent.
224
225
IV.4.1 Tailles des aérogénérateurs
Le tableau IV.2 montre la croissance rapide de la taille moyenne des
aérogénérateurs durant les dernières années. De cela, nous pouvons constater que la
taille moyenne des aérogénérateurs installés a augmenté d'un facteur de 3 à 4. Durant
la prochaine décennie, il est prévu que la puissance nominale des aérogénérateurs
augmente de 700 kW à 2 MW à terre et à 5 MW à mer..
Tableau IV.2 : Taille moyenne des aérogénérateurs installés chaque année [145].
Année
Danemark
Allemagne
1992
215
185
1993
248
1994
Espagne
Suède
UK
US
125
212
361
223
254
200
247
320
149
364
371
320
412
469
336
1995
493
473
297
448
534
327
1996
531
530
420
459
562
511
1997
560
623
422
550
514
707
1998
687
783
504
590
615
723
IV.4.2 Facteur de capacité
Le facteur de capacité des aérogénérateurs a déjà augmenté de 0.20 à 0.23 0.25 aujourd'hui. Ceci est le résultat d'une meilleure conception et un meilleur
emplacement [145].
IV.5 Capacité de puissance éolienne installée à travers le monde
Parmi les pays à travers le monde, dix ont développé d'une manière
significative ce type d'énergie. Viennentt en tête, l'Allemagne et les Etats Unis
d'Amérique en se partageant 52 % de la capacité totale mondiale installée avec
2874.MW et 2 141 MW respectivement. Le Danemark et l'Inde suivent avec 25 % de
la puissance installée tous les deux, correspond à 1 420 MW et 992 MW. En
cinquième place, l'Espagne compte déjà 880 MW, soit 9 % de la puissance installée et
les autres se partageant les 14 % restants (Tableaux IV.3 et IV.4). Rappelons que, pour
le Danemark, déjà 7 % de sa consommation énergétique provient de l’énergie éolienne
226
et il est en chemin vers l’objectif national de 10 % de son approvisionnement
énergétique proviendrait de l’énergie éolienne d’ici 2005 [145].
Tableau IV.3 : Capacité totale mondiale installée et Watts par habitant pour différents
pays [145].
Pays
Capacité éolienne totale
installée en 1997 (MW)
Australie
Brésil
Canada
Chine
Danemark
France
Allemagne
Grèce
Inde
Italie
Japon
Pays-Bas
Russie
Espagne
Suède
Royaume Unis
Etats Unis d'Amérique
Total
Watts / habitant
11
3
25
146
1116
13
2081
29
940
103
18
329
5
512
122
328
1611
7392
0.60
0.02
0.86
0.12
223.00
0.22
25.00
2.90
1.00
1.80
0.14
22.00
0.03
13.00
13.00
5.60
6.00
Tableau IV.4 : Taux de croissance du marche de l'énergie éolienne dans
les dix premiers pays [145].
Pays
MW installé MW installé MW installé MW installé taux de croissa
fin 1995
fin 1996
fin 1997
fin 1998
1997-98 (%)
taux moyen
sur 3 ans(%
Allemagne
1132
1552
2081
2874
38.1
36.4
USA
1614
1615
1611
2141
32.9
9.9
Danemark
637
835
1116
1420
27.2
30.6
Inde
576
820
940
992
5.5
19.9
Espagne
133
250
512
880
71.9
87.7
Pays Bas
249
295
329
379
15.2
15.0
Royaume Unis
200
273
328
338
3.0
19.1
Chine
44
79
146
200
36.7
65.6
Italie
33
71
103
197
91.6
81.5
Suède
69
103
122
176
43.9
36.5
4687
5893
7288
9597
31.7
27.0
Mondial
227
D' une manière générale, on recense plus de 6 553 MW installés en Europe en
à la fin 1998 [145], ce qui représente à l’époque prés de 65 % de la capacité
électrique mondiale d'origine éolienne, dépassant les Etats-Unis d'Amérique avec 2145
kW installée, l’Asie avec 1 224 kW et le reste du monde avec 235 kW (Figure V.2).
2%
12%
21%
65%
Europe : 6553MW,
USA : 2145MW, Asie : 1224MW, Reste du Monde :
235MW
Figure IV.2 : Capacité de la puissance éolienne globale installée,
10153MW, vers la fin de 1998[145].
IV.5.1 L’énergie éolienne : 10 % de la consommation mondiale en électricité
vers 2020
Une étude récente publiée par l'Association Européenne des Energies Eoliennes
(AEEE) sous la forme d'un rapport, a évalué le développement technologique des
énergies renouvelables durant les 20 prochaines années. Pour la puissance éolienne,
cette étude a prévu que le taux annuel de croissance est de l'ordre de 20 % entre
1998 et 2003, soit une capacité installée de 33 400 kW à la fin de cette période. Pour
atteindre les 10 % fixé comme objectif, une augmentation de 30% est demandée entre
2004 et 2010; soit une capacité installée de 181 000 MW. A partir de 2010, avec un
taux annuel de croissance de 20 % jusqu’à 2015 et un taux de croissance de 10 %
jusqu’à 2020, la puissance éolienne totale installée sera de 1.2 Million. Ceci va
générer 2966 TWh d'électricité, équivalente à 10.85 % de la consommation électrique
mondiale prévue vers la fin de l’année 2020 (Tableau IV.5) [145].
228
Tableau IV.5 : 10 % de la consommation mondiale en électricité provenant de l'énergie
éolienne vers 2020 [145].
Année Taux de croiss. Capac.nouvel.
moy annuel % annuelle (MW)
Capacité
Produ. Annuel.
cumul. MW d'énerg. TWh
Demande mondiale Pénétrat. mondiale
en électricité TWh de l'électri. Eolien. %
1999
20
3120
13273
29.1
14919
0.19
2000
20
3744
17017
37.3
15381
0.24
2005
30
10934
52715
115.4
17918
0.64
2010
30
10596
181252
444.0
20873
2.13
2015
20
101017
537059
1333.8
23894
6.54
2020
10
150000
1209466
2966.6
27351
10.85
IV.5.2 Investissement, coût et création d'emplois
IV.5.2.1 Investissement
L'étude mentionnée ci-dessus montre que les investissements annuels, qui sont
de l'ordre de 3 billions de Dollars ($) en 1999, vont augmenter pour atteindre un pic
de 78 billion de $ en 2020. L'investissement total (avec le prix de l'année 1999)
demandé pour atteindre 1 200 GW de puissance éolienne est estimé à 724 billions de $.
Vers 2020, le coût des investissements par kW aura de l’ordre de 552 $, une
réduction considérable de 43 % comparée à celui d'aujourd'hui (Tableau IV.6).
Tableau IV.6 : Investissement, installation et emploi dû à la
réalisation des 10 % de l'électricité éolienne
mondiale vers 2020 [145].
Année
Installation annuelle
(MW/Année)
Coût
(US$/kW)
Investissement
Investissement
(US$ billion/Année)
(US$ billion)
Emplois cumulé
1998
2600
1000
2600
2600
57200
1999
3120
975
3041
5641
66910
2000
3744
948
3551
9193
66910
2005
10934
830
9072
40038
199582
2010
40596
705
28640
135959
630084
2015
101016
590
59556
361965
1310228
2020
150000
522
78339
723594
1723461
229
IV.5.2.2 Coût
Le coût du kWh de l'énergie éolienne a déjà été réduit de façon spectaculaire
dû à la chute du coût de la fabrication éolienne et autres coûts liés. Plusieurs études
de faisabilité par des organismes internationaux ont montré que le coût du kWh varie
entre 4 et 7 c$ et peut chuter jusqu'à 2.5 c$ vers 2030 [145-153].
Prix d'électricité, cECU/kWh
La figure IV.3 montre que l'énergie éolienne pour certains sites est déjà
compétitive, et même sans tenir entièrement compte de ses bénéfices
environnementaux. Un autre facteur qui doit être tenu en compte dans cette
comparaison est la faiblesse du facteur de capacité des énergies éoliennes c'est à dire
pour produire une quantité donnée d'électricité, il est nécessaire d'installer une capacité
2 à 2.5 fois plus grande comparée à celle de l'énergie conventionnelle (pétrole, gaz et
nucléaire). Cette tendance entraîne une énergie éolienne plus chère au début de sa
durée de vie, mais, d’un autre côté, il n'y a pas de consommation de gaz/pétrole
durant la durée de vie d'une installation éolienne. Le coût de l'énergie éolienne a
prévu de chuter durant les deux décennies suivantes, par contre, il est important que
les trois technologies de génération thermique mentionnées ici soient moins chères
qu'aujourd'hui
10
10
9
9
C Minimum
B Marge
8
7
8
7
6
6
5
5
4
4
3
3
2
2
1
1
0
0
Gaz
1
2
Charbon
3
Nucléaire
4
Figure IV.3 : Prix courant de l’électricité [145]
230
Vent
IV.5.2.3 Création d'emplois
Une évaluation de l'effet de l'énergie éolienne sur l'emploi, réalisée par
l'Association des Fabricants des Aérogénérateurs Danois (AFAD) en 1996 montre que
17 emplois sont crées pour chaque mégawatt de l'énergie éolienne installé. Avec un
prix moyen du kilowatt installé de 1 000 Dollars ($) en 1999, le nombre d'emplois crée
peut être lié au chiffre d'affaire, montrant que 22 emplois (17+5) sont crées pour
chaque million de $ investi [145]. La conclusion de l'évaluation des emplois crées en
installant les 10 % ciblés est la création de plus de 1.7 million d'emplois à travers le
monde vers 2020, pour l’ensemble de la fabrication et l'installation (Tableau IV.6).
IV.5.3 Bénéfices environnementaux des 10 %
La réduction de la quantité du dioxyde de carbone (CO2) émise dans
l'atmosphère est le plus important bénéfice de la génération de l'énergie éolienne. Le
taux du CO2 dans l’atmosphère, avec d’autres gaz (Méthane.(CH4), Oxyde nitreux
(N2O), Hydrofluorocarbones (HFC), Hydrocarbures perfluorés (PFC) et Hexafluorure de
soufre (SF6), participent, en effet, à l’accroissement de l’effet de serre, menant à des
conséquences catastrophiques sur le changement global du climat (augmentation de la
température, inondation des terres basses et ports, etc…)[159]. Des calculs effectués
par le Conseil Mondial Energétique (CME), en se basant sur le rapport publié par l’
l'Association Européenne des Energies Eoliennes ont montré que l'exploitation d'un
kWh d'énergie éolienne permet de réduire en moyenne la quantité de CO2 émise de
0.6 kilogramme [145].
IV.6 Energie produite par un aérogénérateur
La puissance moyenne fournie par un aérogénérateur s'écrit :
(V.3)
P e=ηSP v
avec
η
: rendement global,
S
: surface balayée par le rotor (m2),
Pv
Pe
: puissance moyenne contenue dans le vent à la vitesse V (W/m ),
2
: puissance électrique moyenne fournie en Watt.
231
Un aérogénérateur est caractérisé par sa courbe de puissance qui représente la
variation de la puissance électrique produite en fonction des différentes classes de
vitesse du vent. Ainsi, dans un site donné, on peut déterminer l'énergie effective,
E(kWh), produite par l'aérogénérateur en multipliant les fréquences des différentes
classes de la vitesse du vent par les puissances correspondantes et en faisant la somme
sur la période considérée. Soit :
1 N
E=
(IV.4)
 P( )f( )
1000 i=1 V i V i
avec
T
: période de temps en heures,
P(Vi) : puissance de l'aérogénérateur correspondante à la classe de vitesse Vi ,
f(Vi) : fréquence de la vitesse Vi du vent.
Cette méthode de calcul sera utilisée pour déterminer la productibilité éolienne
annuelle de deux types d'aérogénérateurs (150 kW et 250 kW) fonctionnant sous
différents régime du vent. Leurs caractéristiques sont données dans l'annexe C. Les
résultats obtenus sont utilisés comme éléments de base pour les calculs de
dimensionnement et d’analyse économique de parcs éoliens qui font l'objet de cet
étude (Tableau IV.7)
Tableau IV.7. Productibilité éolienne annuelle.
Sites
Sendouk
Blanco 1
Blanco 2
ElHaouma
Fnidek
Taza
Safi
Essaouira
Lâayoune
Dakhla
Total
Puissance
kW / an /
aérog.
81.47
94.70
94.08
81.22
51.39
98.73
14.24
34.04
47.32
53.62
650.81
Pn = 150 kW
Pn = 250 kW
produite
Energie
générée
Puissance
produite
Energie
générée
MW / an
GWh / an GWh / an kW / an /
MW / an
GWh / an GWh / an
/ aérog.
aérog.
/ aérog.
1955
0.714
17.14
140.30
3367
1.229
29.50
2462
0.830
21.58
166.19
4331
1.456
37.86
1693
0.824
14.83
163.24
2938
1.430
25.74
1624
0.712
14.24
138.68
2774
1.215
24.30
1028
0.450
9.00
84.86
1697
0.743
14.86
19252
0.865
168.68
174.03
33936
1.525
297.38
926
0.125
8.13
26.69
1735
0.234
15.21
2213
0.298
19.37
57.01
3706
0.499
32.44
246064
0.414
2152.80
79.13
411476
0.693
3603.60
625748
0.470
3055.00
89.01
578565
0.780
5070.00
625748
5.702
5480.76
1119.14
1044515
9.804
9150.87
IV.7 Dimensionnement d'une centrale électrique éolienne
Un parc éolien est une installation regroupant une ou plusieurs variétés
d'aérogénérateurs et connectées au réseau électrique. Cette connexion est assurée par
232
une compagnie électrique ou régie de distribution d'électricité qui joue le rôle d'un
accumulateur permettant de faire parvenir l'énergie électrique générée à des centres de
consommation lointains.
La puissance d'une telle installation peut être régularisée selon les besoins
énergétiques tout en étant limitée par les disponibilités du site. Malgré les
caractéristiques de fonctionnement propres au parc d'aérogénérateurs, l'équipement qui
le connecte au réseau ( transformateur, coupe-circuit, machines à induction, relais et
capacités de correction du facteur de puissance) est celui utilisé dans les installations
typiques de production d'électricité.
IV.7.1 Dimensionnement d'un parc éolien
Le dimensionnement d'un parc éolien consiste à déterminer le type et le nombre
d'aérogénérateurs à installer, leur taille et leur puissance. Ce dimensionnement fait
appel, en plus des caractéristiques des aérogénérateurs, à d'autres données telles que :
- caractéristiques du réseau électrique auquel sera connecté le parc et la
distance entre celui-ci et le réseau,
- caractéristiques du site.
IV.7.1.1 Caractéristiques de l'aérogénérateur
Un aérogénérateur est caractérisé par sa courbe de puissance qui représente la
puissance de l'aérogénérateur en fonction de la vitesse du vent (Annexe B).
Sur ces courbes de puissance, on distingue trois zones principales :
- entre 0 et Vd : démarrage de l'aérogénérateur,
- entre Vn et Va : aérogénérateur produit sa puissance nominale; il maintient
approximativement cette puissance jusqu'à la vitesse Va qui correspond à l'arrêt
automatique de l'aérogénérateur pour des raisons de sécurité.
Un aérogénérateur s'adapterait parfaitement à un site où l'intervalle des vitesses
les plus fréquentes contient la vitesse nominale de cet aérogénérateur.
IV.7.1.2 Caractéristiques du réseau électrique
Actuellement, les lignes électriques de transport et/ou de distribution dans notre
pays sont de trois types : lignes de 22 kV, 60 kV,225 kV.
233
Sachant que les aérogénérateurs produisent de l'énergie électrique d’une tension
au dessous de 380 V, il faudrait prévoir la mise en place de transformateurs de
tension (Basse Tension/Moyen Tension et Moyenne Tension/Haute Tension).
Ainsi, dans un parc éolien, on distingue deux niveaux de transformation
(Figure.IV.4). Le premier, permet d'élever la tension de sortie des aérogénérateurs
jusqu'à celle de distribution interne du parc (22 kV). A ce niveau, plusieurs
transformateurs sont associés un par un à des groupements d'aérogénérateurs. Le
deuxième niveau, permet de concentrer dans un poste de transformation, les lignes de
distribution interne de la moyenne tension et d'élever leur tension jusqu'à la haute
tension (60 ou 225 kV).
L'énergie électrique obtenue au niveau du poste de transformation est envoyée
plus loin vers un autre poste qui assure le contrôle et la gestion de la distribution
conventionnelle de l'électricité du côté de la compagnie de distribution.
Si, dans une zone de grand potentiel éolien, on veut réaliser plusieurs
installations de grande puissance, il est pratique de disposer d'une station qui
regroupera les différentes générations d'électricité en provenance de chacune des
installations. A partir de celle-ci, on tracera une ligne de grande capacité qui servira
uniquement pour le transport de l'énergie générée par ces installations sans alimenter
aucune charge intermédiaire et la connexion de cette ligne au réseau se fera à travers
une autre station à partir de laquelle s'effectuera la distribution de toute l'énergie
électrique (conventionnelle et d'origine éolienne) vers les régies de distribution en
moyenne tension.
a. Connexion Aérogénérateur/Réseau électrique national
Rappelons que la génération d'électricité par la force du vent est l'une des
méthodes les moins chères pour les sites où le potentiel éolien est assez important,
mais uniquement si toute la puissance éolienne est utilisée au moment où elle est
générée, c'est à dire que la charge doit absorber utilement la puissance éolienne
fluctuante délivrée par l'aérogénérateur. Pour les aérogénérateurs connectés au réseau
national, les connexions de réserve en sortie sont ajustées selon la puissance éolienne
disponible, en suivant exactement les variations de la charge. Pour un aérogénérateur
relié à un réseau isolé, les connexions de réserve ne sont pas disponibles, et, donc,
d'autres formes de compensation sont requises. Une autre solution fréquemment utilisé,
234
est de surdimensionner l'aérogénérateur et d'éliminer tout excès de puissance éolienne,
mais cette méthode conduit généralement à une augmentation du coût de l'énergie
éolienne [102,105,108].
b. Connexion aérogénérateur/Groupe électrogène
Généralement, le système Aérogénérateur/Groupe électrogène consiste en un
simple aérogénérateur couplé à un simple groupe électrogène (GEG) fournissant des
niveaux de puissances moyennes variant entre 5 kW et 50 kW pour une petite
communauté isolée. Pour des grands systèmes où de multiples aérogénérateurs et GEG
sont nécessaires, le besoin de l'énergie tampon est moins vital, puisque les fluctuations
de la puissance éolienne sont réduites et que le nombre de démarrages peut être
réparti entre tous les GEG. Au dessous de 5 KW, le coût d'un système constitué d'un
GEG et d'un aérogénérateur monte en flèche puisque les niveaux de puissance
demandés diminuent. Par conséquent, des systèmes hybrides incluant l'énergie
photovoltaïque et/ou le stockage par batteries méritent d'être considérés [109,125,127].
L'utilisation d'un aérogénérateur dans un petit système de génération présente,
cependant, un nombre additionnel de problème en plus de la viabilité et du coût, dû à
la nature variable de la puissance fournie et à la réduction de la flexibilité du
fonctionnement. Le mode d'optimisation considéré, c'est à dire l'aérogénérateur en
parallèle avec le groupe électrogène (GEG), fournit seulement une économie limitée du
fuel puisqu' avec une charge nulle, la consommation du fuel dûe aux pertes internes
est de l'ordre de 20 % à 30 % de la consommation en pleine charge. De même,
l'augmentation des exigences de la maintenance résultant du fonctionnement prolongé à
faibles charges, entraîne une exigence sur la demande minimale de 30 % à 40 % de la
puissance nominale fournie. En général, un petit système de génération électrique ne
disposera pas de plusieurs GEG de tailles différents et d'un facteur de demande élevé
à cause du manque de la diversité géographique et sociale des consommateurs, et, par
suite, l'augmentation de la puissance fournie par l'aérogénérateur va simplement induire
une réduction de l'efficacité du GEG [129,134].
235
236
L'intégration la plus importante de l'énergie éolienne peut être faite par le
stockage d'énergie durant les périodes de vitesse de vent élevée pour pouvoir satisfaire
la demande durant les périodes de déficits (vent nul). Garantir l'approvisionnement en
électricité uniquement avec l'aérogénérateur nécessite une grande capacité de stockage,
et, par conséquent, une augmentation du coût du système, d'où la nécessité d'addition
d'une source d'énergie, tel que le groupe électrogène (GEG) pour couvrir les périodes
de vent nul. Cependant, une petite capacité de stockage est encore nécessaire pour
faire face aux courtes périodes de fluctuation de l'énergie éolienne, pour éviter un trop
grand nombre de démarrages du GEG et exploiter au maximum l'énergie éolienne. Un
certain nombre d'options différentes de stockage a été proposé, le système de stockage
le plus conventionnel et le plus reconnu est les batteries électro-chimiques. L'effet de
leur utilisation comme source d'énergie tampon est limité à l'utilisation des batteries
Nickel-Cadmium pour le stockage à court terme, et les batteries Plomb-Acide pour le
stockage à moyen terme [127,129,138-142].
Le régime du vent affecte la taille des différentes composantes du système
suivant les variations de trois paramètres : la moyenne à long terme de la vitesse du
vent, l'intensité de la turbulence (amplitude des fluctuations) et le spectre des
fréquences (espacement temporel des fluctuations). Plus la moyenne à long terme de la
vitesse du vent est élevée, plus la quantité d'énergie éolienne délivrée à la
consommation est importante, remplaçant ainsi davantage le fuel consommé. Pour les
systèmes Aérogénérateur/Groupe électrogène avec ou sans énergie tampon (batteries), le
fuel consommé décroît tant que la moyenne à long terme de la vitesse du vent
augmente. Pour des sites à faibles vitesse de vent, par conséquent, il peut être
impératif d'utiliser une énergie tampon afin de générer l'électricité à un bon prix
[125,127,129,134-142].
IV.7.1.3 Caractéristiques du vent
Vent
Dans chaque site, le vent a une propre distribution moyenne annuelle des
directions et des vitesses (Ch.II). Pour cela, l'alignement des aérogénérateurs doit
permettre de capter le maximum d'énergie disponible dans le vent. Ainsi, dans la
mesure où le terrain le permettrait, les aérogénérateurs seront alignés
perpendiculairement à la direction prédominante du vent [31].
237
Terrain
La topographie du terrain où l'on désire implanter un parc éolien est
déterminante quant à la réalisation des infrastructures électriques et de génie civil. On
distingue, alors, les terrains de nature plate, ondulée et accidentée. Un terrain plat
permet d'avoir une grande étendue d'aérogénérateurs parfaitement alignés et
perpendiculaires aux chemins d'accès (Figure IV 5). Dans ce type de configuration du
terrain, la distance entre chaque rangée d'aérogénérateurs correspondra à la distance
nécessaire pour que le vent puisse récupérer la vitesse qu'il avait à l'entrée de
l'installation et pour que les aérogénérateurs situés en aval ne soient pas très
significativement affectés par la présence des premières rangées.
Aérogénérateurs
Chemins d'accés
secondaires
Direction du vent
Predominante
Chemin
d'accés
principal
Figure IV.5 : Disposition d'aérogénérateurs en terrain plat [31].
Remarques :
1) Si le vent présente de fréquentes variations de sa direction, il s’avère plus
intéressant de placer les aérogénérateurs en disposition triangulaire (Figure IV.6).
2) Si le terrain présente des ondulations, il faudrait atteindre la corde la plus
utile de la colline ou de la montagne considérée; c'est à dire la plate forme la plus
perpendiculaire à la direction prédominante du vent sur le site.
238
Aérogénérateurs
Chemins d'accés
secondaires
Direction du vent
Predominante
Chemin
d'accés
principal
Figure IV.6 : Disposition triangulaire d'aérogénérateurs [31].
IV.7.2 Projets de parcs éoliens dans les sites retenus
Dans cette étude, il s'agit de faire un premier dimensionnement des parcs
éoliens pour différents sites venteux à travers le Maroc, et ceci avec deux types
d'aérogénérateurs de puissances 150 et 250 kW.
Parc du Nord
Les besoins en électricité de la région Nord (Tanger et Tétouan) sont estimés à
557 GWh/an (65MW). Compte tenu des résultats du tableau IV.1, on ne peut pas
implanter plus de 110 aérogénérateurs sur l'ensemble des cinq sites choisis dans la
région du Nord [31].
Parc de Taza
Les besoins en électricité de la région de Taza sont de l'ordre 38.2 GWh/an.
L'alimentation en électricité est assurée par une usine hydraulique (Idriss 1er) avec des
lignes de 60 kV. Sur ce site, on peut implanter jusqu'à 195 aérogénérateurs [31].
Parc de Lâayoune
La demande de Lâayoune en électricité est estimée à 30 MWh. Cette demande
est satisfaite par une centrale thermique. Mais le problème majeur de la ville reste
l'approvisionnement en eau potable. Pour cette raison, une unité de dessalement de
239
l'eau de mer par osmose inverse sera opérationnel bientôt. Cette usine produira
3
7000.m3/jour avec une énergie requise de 7 kWh/m (49 000 kWh/jour) [31].
Ainsi la centrale éolienne proposée à Lâayoune sera destinée à couvrir les
besoins électriques de la ville et les besoins énergétiques de l'usine précitée. Ces
besoins ont été surestimés, dans la perspective que la centrale soit connectée au
réseau national dans l’avenir.
Parc de Dakhla
La puissance installée, actuellement, à Dakhla est d'environ 10 MW assurée par
une centrale thermique et trois groupes électrogènes [31]. Ce site ne représente pas de
limitations de superficie, ni de nombre d'aérogénérateurs à implanter. Le parc de
Dakhla peut couvrir également les besoins des autres régions voisines, sachant que le
réseau national s'arrête à Laayoune.
IV.7.3 Analyse économique
Cette étude permet d'avoir une idée sur la faisabilité économique des parcs
éoliens. Elle est basée sur les données suivantes :
- coût d'installation d'un parc éolien,
- coût d'exploitation d'un parc éolien,
- prix de vente du kWh à produire,
- taux d'intérêt et taux d'actualisation,
- délai.
IV.7.3.1 Coût d'installation
Le coût d'installation d'un parc éolien est déterminé par les éléments suivants :
- aérogénérateurs,
- travaux de génie civil,
- systèmes électriques globaux et contrôle centralisé,
- ingénierie (transformateurs, lignes électriques),
L'investissement total nécessaire pour la réalisation d'un parc éolien peut être
décomposé comme l'indique la figure IV.7.
240
Figure IV.7 : Répartition des frais d'installation [31].
IV.7.3.2. Coût d'exploitation.
Le coût d'exploitation d'un parc éolien comporte les frais suivants :
- maintenance des aérogénérateurs,
- gestion et direction du parc,
- leasing du terrain + TVA,
- divers (interconnexion, assurances, taxes, coût opératoire de la station de
transformation, etc.).
La part de chacun de ces frais dans le coût total d'exploitation est représentée
par la figure IV.8.
Figure IV.8 : Répartition des frais d'exploitation [31].
241
IV.7.3.3 Prix de vente
Au Maroc, l'Office National d’Electricité (ONE) détient le monopole de la
distribution d'électricité. Il serait le principal acheteur du kWh éolien produit. Pour
cela, il faudrait conclure un accord sur le prix de vente. Ce prix est fixé, d'une part,
par la législation, et d'autre part, par la contrainte du bénéfice. Pour les besoins de
l'étude, les calculs de rentabilité économique sont effectués en variant le prix de
vente.
IV.7.3.4 Taux d'intérêt
L'investissement mis en jeu pour financer un projet de parc éolien est un crédit
bancaire donné par une banque nationale ou internationale. Le taux d'intérêt sur un
emprunt est déterminé par la législation (règlement bancaire) et par la nature du projet.
Au Maroc, de 1991 à 1996 les taux débiteurs (taux de sortie) étaient fixés en terme
de maximum. Ce maximum a varié durant cette période entre 12 et 15.8 %. Toutefois,
on peut toujours arriver à conclure des contrats de financement avec des organismes
internationaux de développement et de promotion de l'énergie éolienne.
IV.7.3.5 Délais d'emprunt
Généralement, il est fixé par la durée de vie des installations et par la nature
des investissement. Ce délai peut aller jusqu'à 30 ans.
IV.7.3.6 Taux d'inflation
La valeur de l'argent diminue à cause de l'inflation. Pour les années 1994-1997,
le taux moyen d'inflation peut être estimé entre 5 et 6 pour cent par année.
IV.8 Résultats de l'analyse de la rentabilité économique
L'analyse de la rentabilité économique des projets proposés se base sur deux
critères principaux [154-158] :
- temps de retour actualisé,
- bénéfice actualisé.
242
Les expressions définissant ces paramètres sont développées dans l'annexe D.
Dans la perspective d'obtenir une meilleure rentabilité des projets analysés, nous avons
étudié les limites à partir desquelles ces projets sont bénéfiques, et ceci, en faisant
varier les paramètres du paragraphe IV.7.3.
Tableau IV.8 : Données financières [31]
Estimation (Dh) :
Prix de référence du kWh
Nombre d’aérogénérateurs /Projet
150 kW
Prix de l’aérogénérateur
250 kW
:
1.00
20
2 000 000
:
3 500 000
Frais de maintenance / aérogénérateur
Inflation (énergie) en %
Inflation (coûts) en %
Leasing du terrain + TVA en % du revenu total
Frais de gestion / aérogénérateur
Taxes sur la propriété en % du revenu total
Assurances sur la fiabilité / aérog.
Assurances sur le matériel méc./ aérog.
Coût opératoire de la station / aérog.
Frais d'interconnexion / aérogénérateur
Divers / aérogénérateur
23 000
3.5
6.5
20
9 200
0.05
3 880
23 000
1 840
920
3 880
Les énergies renouvelables, et particulièrement l'énergie éolienne, constituerait un
apport non négligeable dans la voie de l'indépendance énergétique du Maroc et de la
création des conditions du développement durable. Le recours à une telle énergie se
justifie amplement par l'importance des potentialités qu'elles offrent sur le plan
économique, mais aussi sur le plan écologique dans le sens de la sauvegarde de
l'environnement. Son utilisation est aussi encouragée par les organismes nationaux et
internationaux afin de préserver l’utilisation des précieux combustibles fossiles aux
secteurs tels que le transport et le pétrochimique.
Dans notre recherche des sites valables pour l'installation de parcs éoliens, nous
avons pu rassembler des informations statistiques, sur les caractéristiques de la vitesse
243
du vent, basées sur l'observation sur une période plus ou moins longue des différents
sites de sorte qu'il existe actuellement des données fiables pour d'autres travaux de
recherche (cf. Tableaux A1, Annexe A).
Cette étude, a entres autres, permis de recenser les sites qui présentent les
meilleurs potentialités pour l'installation de parcs éoliens économiquement rentables.
Comme il a été annoncé dans l'introduction, les projets retenus ont été soumis à des
tests de faisabilité économique et financière; c'est ainsi, pour l'étude économique que
nous avons retenus les hypothèses ci-après :
- délai du crédit
: 20 ans,
- taux d'intérêt des emprunts :
8%
avec la contrainte suivante : le prix de vente doit être inférieur ou égal à celui
pratiqué par l'Office National d’Electricité (ONE). Nous avons également eu recours à
la méthode du point mort pour déterminer le seuil de rentabilité de chaque site.
Rappelons, que le tarif moyen de l'électricité, toutes taxes comprises, entré en
vigueur le 1er Janvier 1996, pour l'usage domestique est en moyenne d'un Dirham par
kWh. Ce prix a été retenu comme prix de référence pour procéder à l'évaluation
économique puis à la comparaison des projets retenus [3].
L'ensemble des résultats, auxquels nous sommes parvenus, sont présentés dans
les tableaux IV.9-13 Il ressort de ces tableaux que deux éléments conditionnent la
rentabilité de tout projet, à savoir :
- la vitesse du vent du site,
- et la puissance nominale de l'aérogénérateur.
Tableau IV.9 : Energie produite en GWh/aérog./année pour 2 types d’aérogénérateurs.
Sites
Sendouk
Blanco 1
Blanco 2
ElHaouma
Fnidek
Taza
Safi
Essaouira
Lâayoune
Dakhla
244
Pn=150kW
0.714
0.830
0.824
0.712
0.450
0.865
0.125
0.298
0.414
0.470
Pn=250kW
1.229
1.456
1.430
1.215
0.743
1.525
0.234
0.499
0.693
0.780
Le tableau IV.10. fait ressortir que, à l'exception de Safi et Essaouira, le prix
minimal de vente auxquel l'on pourrait vendre l'énergie produite à partir de ces sites
est nettement avantageux par rapport aux prix pratiqués par l'Office Nationale
d’Electricité (ONE). En effet, à part les sites de Safi et d’Essaouira, les prix minimaux
de vente sont dans la fourchette 0.50 - 0.99 Dh pour l’aérogénérateur de puissance
nominale 150 kW et dans la fourchette 0.45 - 0.94 Dh pour celui de puissance
nominale 250 kW
Tableau IV.10 : Prix minimal de vente en Dh/kWh pour que les projets retenus
commencent à être économiquement rentables.
Sites
Sendouk
Blanco 1
Blanco 2
ElHaouma
Fnidek
Taza
Safi
Essaouira
Lâayoune
Dakhla
Pn=150kW
0.58
0.50
0.50
0.58
0.91
0.48
3.26
1.37
0.99
0.87
Pn=250kW
0.53
0.45
0.46
0.54
0.88
0.43
2.79
1.31
0.94
0.84
Par ailleurs, les résultats de l'analyse montrent que même en augmentant le prix
de vente du kWh de 1 Dh à 1.5Dh, le site de Safi et Essaouira restent non rentables.
Ceci peut s'expliquer par la faiblesse du potentiel éolien de ces sites et le prix élevé
des aérogénérateurs. Par contre, les projets de Dakhla et de Laâyoune deviennent
rentables dés que le pris augmente en raison de l'importance de leurs potentiels
éoliens (Tableaux IV.11a et IV.11b).
Tableau IV.11a : Résultats de l'analyse de rentabilité économique des projets retenus
pour les 2 aérogénérateur, 150 kW et 250 kW, avec le prix de vente
moyen de 1.Dh/kWh
Sites
Sendouk
Blanco 1
Blanco 2
ElHaouma
Fnidek
Taza
Safi
Essaouira
Laayoune
Dakhla
Coût de revient
(DH /kWh)
150 kW
250 kW
0.58
0.54
0.53
0.49
0.53
0.50
0.58
0.55
0.80
0.77
0.51
0.48
2.36
2.00
1.11
1.09
0.85
0.81
0.77
0.74
Bénéfices actualisés
(MDH)
150 kW
250 kW
74
140
95
181
94
176
74
137
*
*
101
193
*
*
*
*
*
*
*
*
Temps de retour
(ans)
150 kW
250 kW
8.2
7.4
6.1
5.4
6.2
5.5
8.2
7.5
*
*
5.4
5.2
*
*
*
*
*
*
*
*
* : Ne sont pas rentables économiquement
245
Tableau IV.11b : Résultats de l'analyse de rentabilité économique des projets retenus
pour les 2 aérogénérateur, 150 kW et 250 kW, avec le prix de vente
moyen de 1.5 Dh/kWh
Coût de revient
Bénéfices actualisés
(DH /kWh)
(MDH)
Sites
150 kW
250 kW
150 kW
250 kW
Sendouk
0.68
0.64
138
251
Blanco 1
0.63
0.59
170
212
Blanco 2
0.63
0.60
168
305
ElHaouma
0.68
0.65
138
247
Fnidek
0.90
0.87
67
119
Taza
0.61
0.58
179
331
Safi
2.46
2.11
*
*
Essaouira
1.21
1.15
*
*
Laayoune
0.95
0.91
57
106
Dakhla
0.87
0.84
72
129
* : Ne sont pas rentables économiquement
Temps de retour
(ans)
150 kW
250 kW
4.0
3.6
3.1
3.0
3.2
3.1
4.0
3.7
9.2
9.2
2.8
2.6
*
*
*
*
11.3
11.1
8.3
8.3
Ainsi de l'analyse précédente, il est permis de revoir les cas soulevés par les
sites de Safi, Essaouira et, par là, les cas de certains sites non retenus dans l'étude. Il
s'agit d'installer des parcs d’éoliens à utiliser uniquement durant les périodes venteuses,
notamment en hiver où la demande en énergie est importante. Le couplage des parcs
éoliens avec le réseau national peut soulager les pressions qui s'exercent à cette
période et/ou durant les heures de pointe.
Autre résultat de ces 2 tableaux, avec une variation du prix de vente de 1 à
1.5Dh/kWh, on constate que la durée de récupération de l'investissement initial est
presque réduite de moitié et que les bénéfices actualisés ont augmenté et, par la suite,
une nette amélioration de la rentabilité et une réduction très importante du risque
économique.
Ces résultats permettent également la modulation du prix de vente en fonction
des pouvoirs d'achat de chaque région. En effet, on peut fixer les coûts de vente à
l'intérieur d'une fourchette variant entre 1 et 1.5 Dh/kWh, soit une marge de 50 %. Ce
qui ne manquerait pas d'inciter ces populations à une utilisation plus soutenue de
l'énergie, d'autant plus, si elle est appelée à être utilisée en période de basse demande.
Les tableaux IV.11.a et b, mettant les coûts de revient face la rentabilité
financière et le temps de récupération, permet d'affirmer que plus la puissance des
aérogénérateurs est grande, plus la rentabilité est importante. Compte tenu de ces
remarques, on peut affirmer que l'intérêt d'installer des aérogénérateurs plus puissant
246
est manifesté, car les durées de récupération de l'investissement sont plus courtes
surtouts pour les sites venteux.
Le tableau IV.12. fait apparaître que si l'on réduit le prix d'acquisition de 25.%
en gardant les mêmes prix de vente, on constate que les sites d'Essaouira et Safi sont
encore non rentables pour les deux types d'aérogénérateurs. Ce qui montre l'importance
du potentiel éolien du site retenu sur la rentabilité économique du projet . En
revanche, le site de Lâayoune devient rentable pour les aérogénérateurs de puissance
nominale de 250 kW.
Tableau IV.12 : Evaluation économique des projets retenus pour un coût d'installation
réduit de 25 % et un prix de vente moyen de 1 Dh le kWh.
Coût de revient
(Dh /kWh)
Pn=150kW
Pn=250kW
Sites
Sendouk
Blanco 1
Blanco 2
ElHaouma
Fnidek
Taza
Safi
Essaouira
Lâayoune
Dakhla
0.51
0.46
0.47
0.51
0.69
0.45
1.95
0.93
0.73
0.67
Bénéfices actualisés
(MDh)
Pn=150kW
Pn=250kW
0.47
0.43
0.43
0.48
0.65
0.42
1.62
0.87
0.68
0.63
83
104
103
83
35
110
*
*
*
39
156
197
192
153
68
209
*
*
59
75
Temps de retour
(ans)
Pn=150kW
Pn=250kW
5.1
3.7
4.0
5.1
15.1
3.5
*
*
*
13.1
4.5
3.5
3.6
4.6
13.2
3.3
*
*
16.2
12.0
* : Ne sont pas rentables économiquement
Le tableau IV.12, est basé sur l'hypothèse que les énergies renouvelables,
comme alternatives complémentaires à l'électrification par extension du réseau,
bénéficient de l'appui financier et technique de plusieurs partenaires internationaux
ème
et/ou locaux (une ligne de crédit non remboursable par exemple cf. 4
protocole
financier Maroc –Union Européenne, un crédit sans intérêt, etc.). Cette hypothèse ne
nous semble pas réaliste et nous avons retenus celle de la réduction de 25.% du prix
d’acquisition pour l'évaluation économique des projets car elle est la plus probable
[139-148]. Cette constatation nous conduit à affirmer que sous cette condition, on
arrive à réaliser un gain financier substantiel, qui autorise toutes les manœuvres, pour
l'accouplement de cette source d'énergie avec le réseau national d'électricité (coût de
revient réduit et délai de récupération conforme aux normes internationales).
Nous constatons que si l'on agit sur les paramètres constituant le coût de
revient, en diminuant le prix d'acquisition et en allongeant la durée d'amortissement,
247
les prix de ventes peuvent être fixés en fonction de l'objectif qui est de vendre le
kWh à un prix inférieur à celui pratiqué par l'Office National d’Electricité (ONE).
Ainsi, le tableau IV.13. montre effectivement que si l'on agit sur le délai de
récupération, le prix de vente peut descendre au dessous du seuil 1 Dh/kWh même si
la marge bénéficiaire devient moins importante car l'objectif n'est pas de maximiser
les profits mais d'encourager l'utilisation des énergies renouvelables plus
particulièrement l’énergie éolienne.
Tableau IV.13 : Prix de vente en Dh/kWh pour les projets retenus pour une
durée de récupération de 10 années.
Sites
Sendouk
Blanco 1
Blanco 2
ElHaouma
Fnidek
Taza
Safi
Essaouira
Lâayoune
Dakhla
Coût de revient
(Dh /kWh)
Pn=150kW
Pn=250kW
0.56
0.52
0.49
0.44
0.49
0.45
0.57
0.53
0.90
0.86
0.47
0.42
3.22
2.74
1.35
1.29
0.97
0.93
0.86
0.82
Prix de vente
(Dh /kWh)
Pn=150kW
Pn=250kW
0.93
0.89
0.80
0.76
0.81
0.77
0.94
0.90
1.48
1.47
0.77
0.72
5.31
4.67
2.23
2.19
1.61
1.58
1.42
1.41
Considérant les bénéfices environnementaux
sans émission de pollution, l'énergie totale
aérogénérateurs de puissance nominale 150 kW
(Tableau.IV.7.), ce qui correspond à une réduction
Bénéfices actualisés
(MDh)
Pn=150kW
Pn=250kW
65
116
65
116
65
116
65
116
65
116
65
116
65
116
65
116
65
116
65
116
de la production de l’électricité
produite par l'installation des
est de l'ordre de 114 GWh/an
annuelle de l'émission de CO2 de
0.068 million tonnes soit 114 GWh x 600 tonnes. Pour les aérogénérateurs de puissance
nominale 250kW, l'énergie qui peut être générée est de l'ordre de 196 GWh/an, et, par
la suite, une réduction de l'émission de CO2 de l'ordre de 0.118 million tonnes.
Conclusion
En conclusion, le Maroc est bien placé pour exploiter l'énergie éolienne, une
source naturelle abondante, pour diversifier ses approvisionnements en énergie et
réduire l'émission du dioxyde de carbone et autres polluants. D'après nos estimations,
il est fort possible que 10 % de l'approvisionnement en électricité du Maroc peut
248
provenir de l'énergie éolienne conformément aux prévisions mondiales d’ici 2020 s’il
était fixé comme objectif.
la rentabilité économique, en général, d'un parc éolien dépend en premier lieu
de la vitesse du vent du site, du coût total de l'installation et de la puissance
nominale de l'aérogénérateur surtout pour les sites moins venteux.
L'étude de la faisabilité économique de ces projets a montré l'intérêt
économique, social et écologique qu'elle présente pour le Maroc. De plus, l'exploitation
maximale des projets retenus peut permettre au Maroc de produire de l'électricité à
grande échelle à partir de l'énergie éolienne et, par la suite, contribuer à son
indépendance énergétique et son développement économique.
Le prix minimal de vente du kWh est inférieur au prix de vente de l'électricité
domestique pratiqué par l'Office National d’Electricité pour 8 sites retenus. Cette
constatation est d'autant plus importante que même des sites comme ceux de Safi et
Essaouira, peuvent être traités sous d'autres conditions et devenir rentables.
L'installation des aérogénérateurs de puissance nominale de 250 kW sont les plus
économiques. En effet, les bénéfices actualisés sont presque le double de ceux de
puissance nominale 150 kW, par contre, les temps de retours sont comparables.
Nous constatons que, à part les sites de Safi et d’Essaouira, la rentabilité
économique des projets considérés peut s’améliorer si une partie des équipements se
fabriquent localement puisque des études faites par des experts prévoient que le coût
d’installation des parcs d’éoliens va chuter de 20 à 30 % dans les 10 années à venir.
Sur le plan écologique, l’exploitation des parcs éoliens, une production de
l’électricité sans émission de pollution, contribue à la protection de l’environnement.
249
CONCLUSION GENERALE
En résumé, il ressort des travaux et études sur l'électrification du monde rural
que le Maroc dépend, pour plus de 85 % de l'extérieur en ce qui concerne son
approvisionnement en produits énergétiques. Comparé à la moyenne mondiale
(1.4.TEP/habitant par an), la consommation annuelle d'énergie primaire commerciale par
habitant (0.35 TEP) est très faible. Cependant, l'usage des formes traditionnelles
d'énergie comme le bois, le charbon de bois, reste d'un usage intensif. Leur part est
estimé à environ 30 % de la consommation totale d'énergie. Ce qui constitue un grand
danger pour l'équilibre écologique et socioculturel des écosystèmes.
Le Maroc est caractérisé par une forte inégalité de consommation énergétique
entre le secteur moderne et les secteurs périurbain et rural. Le taux d'électrification
rurale ne dépasse guère 55 % en 2002, alors qu'il s'établit à 70 % en Tunisie et 80 %
en Algérie en 1994. L'utilisation des énergies renouvelables en complément aux
énergies classiques fournit un appoint non négligeable, notamment en milieu rural. A
propos de ce dernier; signalons que sur un total de 26.07 millions d'habitants recensés
en 1994, 12.66 millions habitent en milieu rural, soit une proportion de 48 %. La
majorité de cette population vit dans des sites enclavés, dispersés et difficiles d'accès.
Les villages marocains à électrifier peuvent être classés en deux catégories.
Ceux situés dans les régions déjà relativement bien développées où le développement
économique est contraint par l'absence d'une source d'énergie fiable et peu chère. Dans
ce cas, c'est l'électrification par extension du réseau électrique qui est viable. Pour les
villages situés dans les zones rurales pour lesquelles le raccordement aux réseaux
électriques conventionnels ne peut être envisagé à moyen terme en raison de
l'isolement des villages, du niveau de vie modeste et du faible niveau des
consommations énergétiques de celles-ci, c'est l'électrification décentralisée qui peut
être une solution économique.
Le profil de la puissance électrique demandée, par exemple celle retenue dans
le cadre du Programme Pilote d’Electrification Rurale (PPER) pour le village Tirga-Ait
Oukki, un village type, électrifié par un groupe électrogène (GEG) et utilisant les
équipements électriques tels qu’ils sont définis par le PPER, permet de quantifier les
données horaires de la demande. Ces données ont constitué l'un des principaux
paramètres pour modéliser le système hybride, Aérogénérateur/Groupe électrogène.
250
Le choix du site considéré, dans le cadre de ce travail, est défini par la
comparaison entre les potentiels solaire et éolien pour 17 stations météorologiques où
les mesures sont fiables. Cependant, puisque le site de Tanger se classe parmi les
sites importants aussi bien du point de vue du potentiel solaire que du potentiel éolien
et, puisque nous disposons de 12 années de moyenne horaire de la vitesse du vent,
notre choix s'est limité à ce site.
L'un des volets de ce mémoire a concerné, l'étude spécifique des
caractéristiques du gisement éolien du site de Tanger vu la disponibilité des mesures.
Ces données sont souvent trop nombreuses comme entrée dans un programme de
simulation du fonctionnement d'un système. Un certain nombre de méthodes de calcul
et de modèles ont été utilisés pour les compacter et les présenter sans perdre leurs
informations.
Après la résolution du problème du choix et du dimensionnement d'un système
éolien à partir des séries de mesures météorologiques du passé, nous devions optimiser
la gestion de ce système. Celle-ci, nécessita des prévisions à court terme sur la
vitesse du vent; problème complexe et qui a été résolu par l'application des modèles
dynamiques.
L'application du modèle stochastique aux moyennes horaires de la vitesse du
vent, pour le site de Tanger, a montré que cette variable peut être modélisée par le
modèle Auto Régressif AR(2) ou le modèle markovien à 12 états avec une précision
satisfaisante. L'année de référence obtenue à partir de ce modèle, AR(2), correspond à
un fichier moins volumineux que les 10 années de mesures utilisées pour la
modélisation. Le modèle markovien s’adapte mieux pour reproduire les densités de
probabilité; le modèle autorégressif est plus approprié lorsque l’on s’intéresse à l’effet
de mémoire d’une heure à une autre.
L'une des options de l'électrification rurale est l'intégration de l'énergie éolienne
par l’utilisation des systèmes hybrides. En effet, l'énergie éolienne apparaît maintenant
économiquement viable, surtout pour les communautés isolées où le coût de la
génération d'électricité, utilisant les combustibles conventionnels, est élevé. Comme le
Maroc dispose de nombreux sites où les conditions du vent sont favorables et possède
une longue expérience dans le domaine de l'électrification par groupe électrogène, il y
251
a une possibilité d'intégrer l'énergie éolienne, en la couplant avec d'autres systèmes
d'alimentation en électricité, surtout pour les zones où la force du vent est forte
Peu de communautés marocaines peuvent avoir les moyens de s'approvisionner
en électricité par un groupe électrogène (GEG) durant 24 heures, à cause du coût élevé
du fuel et du mauvais rendement de la génération d'électricité pendant les périodes
creuses. C'est pour cela, et, dans plusieurs cas, l'approvisionnement en électricité est
assuré uniquement quelques heures le soir, principalement pour l'éclairage et
l'audiovisuel, mais même ce délestage ne ramène pas le coût de l'électrification par
GEG à celui du réseau électrique national pour l’utilisation domestique. Ce problème
de coût peut être partiellement résolu, en intégrant les aérogénérateurs avec ou sans
stockage et en réalisant un compromis sur la continuité de la livraison d'électricité et
la qualité du service fourni à ces populations en introduisant certaines restrictions sur
la demande telles que l'élimination volontaire de certains appareils.
Ce travail de recherche présente aussi les résultats d'une simulation d'un
système hybride, Aérogénérateur/Groupe électrogène, utilisant les batteries comme source
d'énergie tampon. L'examen d'un tel système suggère qu'à cause du coût encore élevé
des batteries et des équipements de conversion associés comme interface avec le
courant alternatif, il sera marginalement moins rentable que le groupe électrogène
(GEG). L'analyse économique des systèmes (GEG, Aérogénérateur/Groupe électrogène)
pour deux types de Stratégie de Contrôle (GEG fonctionnant en plein régime ou avec
seuil), indique que la génération d'électricité la plus rentable est fournie pour la
deuxième stratégie de contrôle, soit par le système GEG seul, soit par le système
hybride pour le stockage à moyen terme.
Il apparaît que l'option du stockage qui intègre le plus l'énergie éolienne pour
le site de Tanger et pour le profil de la puissance électrique considérée est l'utilisation
d'une capacité de stockage de 10 heures de batterie plomb-acide, avec 18.m2 de
surface balayée par l'aéromoteur par kW de demande moyenne, intégrée à un groupe
électrogène fonctionnant en pleine charge. L'utilisation d'autres appareillages pour
exploiter l'énergie éolienne non utilisée à des buts de pompage ou de chauffage ou de
climatisation peut augmenter la rentabilité du système considéré.
Cette étude a montré clairement que, pour le fonctionnement du système
hybride, Aérogénérateur/Groupe électrogène, pour des niveaux de puissance de quelques
kilowatts, l'intégration du stockage fournit des avantages opérationnels et économiques
252
non négligeables par rapport au système hybride sans source d'énergie tampon. A
signaler, cependant, qu'une grande incertitude existe concernant la durée de vie des
batteries dans de telles conditions.
Enfin, l’étude de la rentabilité économique d'un parc éolien montre qu’elle
dépend en premier lieu du potentiel du site, du coût total de l'installation, du prix de
vente de l'électricité et de la puissance nominale de l'aérogénérateur surtout pour les
sites moins venteux. Avec un nombre réduit d'aérogénérateurs, le prix de revient du
kWh demeure inférieur au prix de vente de l'électricité domestique pratiqué par
l'Office National d'Electricité. Cette constatation est d'autant plus importante que même
des sites, comme ceux d’Essaouira et de Safi, peuvent être traités sous d'autres
conditions et devenir rentables.
L'étude de la faisabilité économique de 10 projets de parcs d’éoliens a montré
l'intérêt économique, social et écologique qu'elle présente pour le Maroc. A signaler
que l'étude a montré que la durée de récupération de l'investissement initial est courte
et les bénéfices actualisés importants pour 8 projets (Laayoune, Dakhla, Taza, Fnidek,
ElHaouma, Blanc1, Blanco2 et Sendouk). De même que, l'installation d'aérogénérateurs
de puissance nominale de 250 kW sont les plus économiques que ceux de puissance
nominale de 150 kW..
La facture énergétique nette s’est élevée à 16 403 Millions de Dirhams en 2002,
absorbant 10 % des recettes des exportations. Ainsi, l'exploitation des 8 projets retenus
par installation d’aérogénérateurs de puissance nominale élevée peut permettre au
Maroc de produire de l'électricité à grande échelle à partir de l'énergie éolienne, et,
par la suite, contribuer à son indépendance énergétique, son développement
économique et à la protection de l’environnement.
Toute l'étude a été menée sur la base d'observations des phénomènes à l'échelle
horaire. Une étude à un pas de temps plus petit (une minute) serait souhaitable afin
d'affiner les résultats obtenus. Bien évidemment, cette étude devrait être complétée, ce
qui ouvre un certain nombre de perspectives telles que :
- prise en considération de l'effet de l'intensité de la turbulence et de la
distribution du spectre de la vitesse du vent,
- utilisation d'un profil de la puissance électrique demandée s'étalant sur 24
heures en tenant compte des variations journalières et saisonnières, de préférence un
253
profil modélisant les consommations initiales d'électricité et leurs évolutions à partir de
données disponibles sur des villages marocains récemment électrifiés,
- modélisation et optimisation du système hybride, Aérogénérateur/Groupes
électrogènes, pour une gamme d’aérogénérateurs et de groupes électrogènes et pour
d'autres stratégies de contrôle, pour mieux comprendre l'impact du nombre de
démarrages sur la durée de vie des groupes électrogènes et du nombre de
charges/décharges sur la durée de vie des batteries,
- réalisation et test d'un prototype pour valider expérimentalement les résultats
obtenus à partir de la modélisation.
Les mesures effectuées dans les stations météorologiques ou les aéroports sont
insuffisantes pour caractériser la vitesse du vent, évaluer le gisement éolien et établir
l’Atlas éolien marocain, cela est dû au faible densité du réseau d’observation
synoptique et problèmes d’étalonnage des appareils. On peut y remédier en faisant
appel à l’installation d’appareils automatiques d’acquisitions des données du vent et
utilisant des modèles atmosphériques pour tenir compte des vents locaux (brises
Montagne/vallée, brises mer/terre, etc.) pour étudier la rentabilité économique des parcs
d’éoliens pour d’autres sites venteux bien choisis avec des aérogénérateurs de puissance
nominale plus grande.
254
BIBLIOGRAPHIE
[1]
Boutaleb M. (2004) Conférence sur la politique énergétique nationale au Maroc,
Ministère de l’Energie et des Mines, .WWW.mem.gov.ma
[2] Lahbabi A. (1996) Energie - Environnement. Plan d'Action National pour
l'Environnement (P.A.N.E.), Note technique.
[3] Annuaires statistiques du Maroc, Direction de la statistique, 1983, 1986, 19990,
1995, 1998 et 2002.
[4] Knidiri F. and Laaouina A. (1986) L'énergie éolienne au Maroc, CDER.
[5] El Amraoui A. and Ouadih M. (1988) Conception et réalisation d'un aérogénérateur
de moyenne puissance, Mémoire de fin d'étude, IVA Hassan II.
[6] Essaidi R. (1992) Etude énergétique et économique d'une éolienne savonius :
réalisation du frein pour la station expérimentale, Projet de fin d'études, EMI.
[7] Enzili M., Nayssa A. and Affani F. (1995) Le gisement éolien du Maroc : Analyse
des données du vents relevées au niveau des appareils de mesures installés par
le CDER (1991-1994).
[8] Forum de promotion de partenariat entre les industriels Espagnols et Marocains
dans le domaine de l’Energie Eolienne, organisé par le CDER et l’IDEA
(Espagne), les 09 et 10 Mai 2000, Casablanca.
[9] Bahraoui-Buret J., Bargach M. N. and Ben Kaddour M. L. (1983) Le gisement
solaire marocain, Editions SMER.
[10] Ben Kaddour M. L., Sfeir A. A. (1980) Etude du gisement solaire au Maroc en
vue de son exploitation dans l'habitat, Travail de fin d'études, Ecole Nationale
des Travaux Publics de l'Etat France.
[11] Lemmini F. (1983) Etude du rayonnement global à Béni-Mellal, Rapport interne,
Laboratoire d'Energie Solaire, Faculté des Sciences de Rabat.
[12] Bargach M. N. (1983) Contribution à l'étude du gisement solaire marocain;
Application à un générateur photovoltaïque, Thèse de 3éme cycle, Faculté des
Sciences de Rabat.
[13] Buret-Bahraoui J. (1986) Caractéristiques du gisement solaire marocain, Etude
spécifique du site de Rabat, Thèse de Doctorat d’Etat, Faculté des Sciences de Rabat
[14] Nfaoui H., Bahraoui-Buret J. (1986) Trois années de mesures d'ensoleillement
ème
à Rabat, 24
Conférence Internationale de la COMPLES, Vérone(Italie),
179-187.
[15] Aggour M., Bahraoui-Buret J. and Nfaoui H. (1986) Gain d'énergie réalisé par un
ème
système de poursuite du soleil à deux axes, 24
Conférence Internationale de
la COMPLES Vérone (Italie), 169-177.
255
[16] Aggour M., Bahraoui-Buret J. and Nfaoui H. (1987) Estimation du supplément
d'énergie globale reçu par un capteur de poursuite biaxiale du soleil.
Comparaison à d'autres positions du capteur, Journées Internationales de
Thermique, Lyon (France), 674-60.
[17] Nfaoui H. (1986) Trois années de mesures d'ensoleillement à Rabat: étude
ème
statistique et présentation des données Thèse de 3
cycle, Faculté des Sciences
de Rabat.
[18] Khtira A. (1993) Etude spatio-temporelle de l'irradiation solaire globale journalière
d'un plan horizontal au Maroc, Doctorat d'Etat, Faculté des Sciences de Rabat.
[19] Nfaoui H. and Buret J. (1993) Estimation of daily and monthly direct, diffuse and
global solar radiation in Rabat, Renewable Energy, 3(8), 923-930.
[20] Darkazalli G., McGowan J.G. (1978) Analytical performance and economic
evaluation of residential wind or wind and solar powered heating systems, Solar
Energy, 24, 415-421
[21] Samaraka M. T. and Hennet J. C. (1986) Simulation of a combined wind and solar
power plant, Energy Research, 10, 1-10.
[22] Hennet J. C. (1986) Optimization of combined wind and solar, Energy Research,
10, 181-188
[23] Charters W. S. (1986) Solar and wind power for remote areas and rural
communities, Renewable Energy Review Journal, 8(1).
[24] Both D. and Van der Stelt L. E. R. (1983) Catalogue of wind machines, P. V. Box
217, 7500 AE Enchede, the Netherlands.
[25] Slack G. (1983), Small diesel generation systems : the cost and fuel saving
possible by the addition of a wind turbine, with and without short term storage,
Energy Group Report 83/2, Dept. of Eng., University of Reading, UK.
[26] Lipman N.H. (1981) Wind/diesel integration for electricity supply for isolated
communities, Rutherford Lab./Reading University, Energy Group, Department of
Engineering.
[27] Sexon B.A. (1985) Theoretical and Experimental analysis of a wind turbine/battery
system for use in isolated locations, Ph.D. Thesis, Engineering Department,
University of Reading, UK.
[28] Nacfaire H. (1988) Wind-diesel and wind autonomous energy systems,
Proceedings of a contractors’ meeting on wind demonstration projects, Commission
of the European Communities, Directorate-General of Energy, Greece
[29] Shahid S. M. and Elhadidy M. A. (1994) Wind and solar at Dahran, Saudi Arabia,
Renewable Energy, 4(4), 441-445.
[30] (1984). Actes, Séminaire Eolien, CDER.
[31] EL Boudamoussi S. and Ouabbass M. (1994) Collecte de données et
dimensionnement de centrales électriques éoliennes, Mémoires de fin d'études, ENIM
[32] Troen I. and Lundtang E. (1988) European wind atlas. Riso National Laboratory,
Roskilde, Denmark.
256
[33]
Berdai M. and Butin V. (1994), Un programme pilote d’électrification
décentralisée, Systèmes Solaires, 100, 7-14.
[34] Fassi-Fihri A. (1993) Présentation du Programme d'Electrification Décentralisée
(PNED), La tribune de GERERE, 5/27, 2-10.
[35] Mouncef N. (1992) Electrification rural en zone montagneuse : cas du village
Takordmi, électrification par micro-centrale hydraulique, Mémoire de fin d'études,
IAV Hassan II.
[36] Berdaï M. and Butin V. (1993) PPER Electrification décentralisée : hypothèse,
options, méthodes, Ministère de l'Intérieur et de l'Information.
[37] Benallou A. (1993) Limites de l'électrification rurale conventionnelle, 2èmes
Journées Scientifiques Internationales sur l'Electrification Rurale, Abidjan, Côted'Ivoire, 439-443
[38] Serrakh M. (11/5/1995) Contraintes économiques sociales et techniques de
l'électrification rurale au Maroc, Journal l'Opinion, 3.
[39] Fassi Fihri H. (16/12/1995) Electrification du monde rural : un long chemin à
parcourir et surtout à éclairer, Journal l'Opinion, 4.
[40] Fassi Fihri H. (10/2/1996) L'ONE revoit ses prix : toute la lumière sur la nouvelle
forme tarifaire, Journal l'Opinion, 4.
[41] Alnaser W. E. (1993) The available wind power in Barain, Renewable Energy,
3(2/3), 185-188.
[42] Nfaoui H., Bahraui J., Darwish A. and Sayigh A. (1991) Wind energy potential in
Marocco, Renewable Energy 1, 1-8.
nd
[43] Lysen E. H. (1983) Introduction to wind energy, CWD 82-1(2 Ed.), The
[44]
[45]
[46]
[47]
Netherlands
Salmon J. R. and Walmsley J. L. (1986) User's Guide to the MS3GJH/3R model,
Atmospheric Environment Service Report 86-I-2, Ontario (Canada).
Troen I. , Mortemsen N.G. and Petersen E. L. (1985) WAsP Users Guide, Riso
National Laboratory, Roskilde, Denmark.
Jackson P. S. and Hunt J. C. R. (1975) Turbulent wind flow over a low hill, Quart.
J. R. Meteorol. Soc., 101, 833-851.
Musgrove P. J. (1983) The economic of existing wind turbines in the size range
th
10 to 100 metres diameter, Proc. of the 5 BWEA wind energy conference,
Reading (UK), 34-43.
[48] (1979) Analyse statistique des processus météorologiques appliquées à l'énergie
solaire, Ed. CNRS.
[49] Grenier J. C. (1980) European solar microclimates, Laboratoire de Thermique du
Bâtiment et habitat Solaire, Gronoble (France).
257
[50] Jutus C.G. (1980) Vent et performances des éoliennes, Editions SCM, France.
[51] Johnson G. I. (1985) Wind energy systems, Prentice-Hall, INC. Engle woo cliffs,
N.J. 07632,USA
[52] Conradsen K., Nielsen L. B. and Prahm L. P. (1984) Review of Weibull Statistics
for Estimation of Wind Speed Distributions, J. of clim. And Appl. Meteor. 23,
1173-1183
[53] Cortis R. B., Sigl A. and Klein J. (1978) Probability models of wind velocity
magnitude and persistence, Solar Energy 20, 483-493.
[54] Dubey S. D. (1967) Normal and Weibull distributions, Naval Res. Logistics
Quart.14, 69-79.
[55] Raja I. A., Nasir S. M. and Raza S. M. (1992) Distribution of wind power resource
in Pakistan, Renewable Energy, 2(4/5), 411-420.
[56] Al-Alawi I. T. and Mohamed A. Y. (1985) Technical note : A mathematical model
of wind energy for selected locations in Iraq, solar&wind Technology, 1(3), 187-191
[57] Gupta B. K. (1986) Weibull parameters for annual and monthly wind speed
distributions for five locations in India, Solar Energy, 37(6), 469-471.
[58] Joseph P. and Hennessey J. R. (1977) Some aspects of wind power statistics, J. of
Appl. Meteo., 16(2), 119-128.
[59] Tackle E. S. and Brown J. M. (1978) Note on the use of Weibull statistics to
characterise wind speed data, American Meteorological Sociaty, J. of Appl.
Meteo., 16(2), 119-128.
[60] Johnson N.L. and Kotz S. (1970) Continuous univariate distributions, Vol.2, Houghton
Mifflin, France.
[61] Murry R. Spigel (1980) Theory and problems of statistics, Série Schaum,
Ediscience, Paris.
[62] Borse G. J. (1985) FORTRAN and Numerical Methods for Engineers, PWS
Publishers.
[63] Nfaoui H., Bahraoui-Buret J. and Sayigh A. (1990) Wind energy potential in
st
Tangiers (Morocco), Proc. of the 1
World Renewable Energy Congress,
Reading, UK, 1697-1702.
[64] Nfaoui H., Buret-Bahraoui J. and Sayigh A. (1992) Gisement éolien du site de
Tanger-Maroc, Collogue Energie Renouvelable et Utilisation Rationnelle de
l’Energie, Faculté des Sciences Semlalia, Marrakech, 100-102.
[65] Nfaoui H., Buret-Bahraoui J. and Sayigh A. (1992) Mesures du vent au Maroc et
ère
traitement statistique de ces données, 1 Rencontre Nationale des Climatologues
Marocains, Faculté des Lettres et des Sciences Humaines Ben Msik, Casablanca, 11-13
[66] Nfaoui H., Buret J. and Sayigh A. (1994) Caractéristiques de la vitesse et de la
ème
direction du vent pour les régions de Tanger et Rabat, 2
Rencontre Nationale
de Climatologie, Faculté des lettres et des Sciences Humaines, Rabat, 27-29.
258
[67] Nfaoui H., Buret J. and Sayigh A. (1994) Influence of the step and the number
ofyears of measurements on the estimation of wind energy potential in Tangiers rd
Morocco, Proc. of the 3 World Renewable Energy Congress, Reading, UK,2001-2003
[68] Blanchard M. and Desrochers G. (1984) Generation of autocorrelated wind speeds
for wind energy conversion system studies, Solar Energy, 33, 571-579.
[69] Chou R. B. and Cortis R. B. (1981) Simulation of hourly wind speed and array
wind power, Solar Energy 26, 199-212.
[70] Box J.E.P. and Jenkins G. M. (1976) Times series analysis, Forecasting and
control, Holden-Day, San Francisco.
[71] Daniel A. R. and Chen A. A. (1991) Stochastic simulation and forecasting of
hourly average wind speed sequences in Jamaica, Solar Energy 46, 1-11.
[72] Brown B. G., Kats R. W. and Murphy A. H. (1984) Times Series models to
simulate and forecast wind speed and wind power, J. of clim. and Appl. Meteor. 23
, 1184-1195
[73] Woo J.S. (1987), Analysis of wind speed using the Markov chain model, M.S.
Thesis, University of Massachusetts, Department of Mechanical Engineering. June
[74] Kirchhoff R.H., Kaminsky F.C. and Woo J.S (1988), A Markov chain Analysis of
wind speed at Windsor, Massachusetts, Proceedings of seventh ASME symposium
on wind energy, New Orleans, January, 9-16.
[75] Kirchhoff R.H., Kaminsky FC.. and Syu C.Y. (1989), Synthesis of wind speed
th
using a Markov chain, Proceedings of 8 ASME wind energy symposium,
Houston, American society Mech. Eng., 17-22.
[76] Torre M.C, Poggi P., Notton G. and Louche A. (1998), Stochastic study of wind
th
speed in Corsica, Proceedings of 5 WREC, Florence, Italy., 1906-1909.
[77] MacCallum K.J and Bolland J.(1985), The use of transtion matrices for weather
simulation, Marine Technology, 22(3),. 238-244.
[78] McNerney G.M. and Veers P.S. (1985), A Markov method for simulating non
gaussian wind speed times series, , Proceedings of Fourth ASME wind energy
symposium, Dalas, American society Mech. Eng., 209-213.
[79] Boch G., Boileau E. and Bénard C. B. (1981) Modélisation de l'irradiation solaire
au pas du temps de l'heure, Revue Phys. Appl., 16, 237-247.
[80] Gordon J. M. and Reddy T. A. (1988) Times series anlysis of daily horizontal
solar radiation, solar Energy 41(3), 215-226.
[81] Mustacchi C., Cena V. and Racchi M. (1979) Stochastic simulation of hourly
global radiation sequences, Solar Energy, 23, 47-51.
[82] Balouktsis A. and Tsalides Ph. (1986) Stochastic simulation model of hourly total
solar radiation, Solar Energy, 37(2), 119-126.
259
[83] Balouktsis A., Tsanakas D. and Vachtsevanos G. (1986) Stochastic simulation of
hourly and daily average wind speed sequences, Solar Energy 6 , 219 - 228.
[84] Branger J. (1977) Introduction à l'analyse numérique, Herman Editeurs.
[85] Pelletier J.P. (1982), Techniques numériques appliquées au calcul
scientifiques, Edition Masson.
[86] Lou J. and Cortis R. B. (1985) Stochastic analysis of wind stream and turbine
power, Solar Energy 35(4), 297-309.
[87] Bossanyi E. A. (1985) Stochastic wind prediction for wind turbine system control,
th
Proc. of the 7 annual conf. of BWEA, published by Mechanical Engineering Press,
Oxford
[88] Nfaoui H., Bahraoui-Buret J. and Sayigh A.A.M.(1992), Stochastic simulation of
nd
wind speed in Tangiers (Morocco), Proc. of the 2 WREC, Reading, UK, 17141718.
[89] Nfaoui H., Buret J. and Sayigh A.A.M. (1996) Stochastic simulation of hourly
average wind speed sequences in Tangiers (Morocco), Solar Energy 56(3), 561-575
[90] Ruegg A.(1989), Processus stochastiques, avec applications aux phénomènes
d’attente et de fiabilité, Presses polytechniques romandes, EPFL-Centre Midi,
CH-1015 Lausanne Suisse.
[91] Stull Roland B. (1988), An introduction to boundary layer Meteorology,
Kluwer Academic Publishers.
[92] Nfaoui H., Essiarab E. and Sayigh A.A.M.(2002), A stochastic Markov chain
model for simulating wind speed times series at Tangiers, Morocco, Proc. of the
th
7 WREC, Cologne, Allemagne, 1931-1935.
[93] Nfaoui H., Essiarab E. and Sayigh A.A.M.(2004), A stochastic Markov chain
model for simulating wind speed times series at Tangiers, Morocco, Renewable
Energy, 29, 1407-1418.
[94] (1990) Wind energy in Denmark : research and technological development,
Ministry of Energy, Danish Energy Agency.
[95] McGowan J. G., Manwell J. F. and Connors S. R. (1988) Wind/diesel energy
systems : review of design options and recent developments, Solar Energy, 41(6),
561-575.
[96] Manwell J. F. and McGowan J. G. and Jeffries W. (1989) New perspectives on the
bloc island wind/diesel system, RAL Workship-”Wind Turbines in Diesel
Powered Networks”.
[97] Connors S.R., McGowan J. G., Manwell J. F. (1990) The performance and
economic analysis of a simulated village system, Solar and Wind Technology,
7(4), 423-439.
[98] Manwell J. F. and McGowan J. G. (1993) Lead acid battery storage model for
hybrid energy systems, Solar Energy, 50(5), 399-405
[99] Manwell J. F. and McGowan J. G. (1994) A combined probabilistic/time series
model for wind diesel systems simulation, Solar Energy, 53(6), 481-490.
260
[100]Nayer C.V., Phillips S. V., James W. L., Pryor T. L. and Remmer D.(1993) Novel
Wind/Diesel/battery hybrid energy system, Solar Energy, 51(1), 65-78.
[101] Colin A. Vincen (1984) Modern batteries : an introduction to electochemical power
sources, Edward Arnold Ldt, UK.
[102] Sexon B. A. and Dunn P. D.(1985) Experimental analysis of a wind turbine battery
th
system, 7 BWEA Conference, Oxford.
[103]Roberts S. (1991) Solar electricity : a pratical guide to designing and installing
small photovoltaic ystems, Prentice Hall International Ltd, UK.
[104]Dunn P. D. (1986) Renewable energy : Sources, Conversion and application, Peter
Peregrines Ltd., London, UK.
[105]Bullock A. (1990), The optimisation of an hydraulic accumulator energy buffer and
wind/diesel system for remote community electricity generator, Ph.D. Thesis,
Engineering Department, University of Reading, UK.
[106] Dunn P.D. and Gómez S.(1992) Electrical power for isolated communities
nd
load specification and control strategies, Proc. 2 WREC, Reading, UK. 2983
- 2992
[107]Stevenson W. and Somerville M. (1983 Fair Island Wind Power System, BWEA
Conference, Reading, UK.
[108]Slack G. (1983) A preliminary analysis of the Abertridwr load data, Internal
Report, University of Reading, UK.
[109]Slack G. (1985) The integration of a wind turbine and hydraulic accumulator
energy store with a diesel generator to supply electricity in a remote location,
Ph.D. Thesis, Engineering Department, University of Reading, UK.
[110]Treble F. C. (1993) Solar electricity : a layman’s guide to the generation of
electricity by the direct conversion of solar energy, Solar Energy Society, UK.
[111]BP, Solar Systems limited Aylesbury Vale Industrial Park, Farmbrough Close,
Stock lake, Aylesbury, Buckinghamshire HP20 1DQ, England
[112] Photowatt International SA, 65, Avenue du Mont Valerian 92500 Rueil
Malmaison, France.
[113] Solar power system for village, International Battery and Solar power
Consulting, P.O. Box 1107, D.23 Staffeistein.
[114] Energie pacifique : L’energie, l’habitat et le soleil, a Tahiti et sous les
Tropiques, Programme Territoire de la Polynesie Francaice-CEA-AFME,
B.P. 519 Papeete, Polnesie francaise.
[115] Hill R. (1989) Applications of
Arrowsmith Ltd, Bristol, England
photovoltaics,
Adam
Hilger,
JW
[116] (1993) PPER, Electrification décentralisée, hypothèses options méthodes,
Programme Pilote d’Electrification Rurale Décentralisée, Ministère de
l’Intérieur, Maroc
261
[117] Berdai M. et V. Butin V. (1994) Mettre en oeuvre l’électrification
décentralisée - une stratégie d’équipement rural, Liaison Energie Francophonie, 22.
[118] (1993) Electrification rural et aménagement du territoire : Quelle
ème
stratégies Quels acteurs, Texte des communications, 2
journées
Scientifiques Internationales sur l’Electrification Rurale (JSIER), Abidjan.
[119] Raye T. (1991) Photovoltaics in developing countries, Sun World, 15(5), 13-14
[120] Betz A. (1919) Screw propellers with minimum loss of energy, Nochr.
der K. Gesellschaft der Wissenschaften zu Goettingen, 193.
[121] Glauret H. (1925) The analysis of experimental results in the windmill
brake of vortex ring states of an air screw, Aeronautical Research
Council Report and Memoranda, 1026.
[122]Morash R., Barber R. and Marshal O. (1974) Independent energy systems for better
efficiency, 9th Inter society for Energy Conversion Conference.
[123] John D. and Anderson J.R.(1988)
McGraw-Hill Book Company
Fundamentals
of
aerodynamics,
[124] Sharpe D. J. (1989) Layman’s guide to the aerodynamics of wind turbine,
Proc. 8th BWEA, Wind Energy Conference.
[125]Ackerman M. A.. (1991) Optimisation of small wind turbine generators, Ph.D.
Thesis, Engineering Department, University of Reading, UK.
[126] Freris L. L. (1990) Wind energy onversion systems, Prentice Hall International
UK Ltd
[127] Bossanyi E. A., Whittle G. E., Dunn P. D., Lipman N. H. and Musgrove P. J. (1979)
st
Wind characteristics and output of wind turbines. Proceedings of 1 BWEA
Workshop, UK, 157-164.
[128] Bossanyi E. A., Maclean C., Whittle G. E., Dunn P. D., Lipman N. H. (1979)
st
Wind characteristics and output of wind turbines, 1 BWEA Conference,
Cranfield, UK
[129] Bossanyi E. A., Maclean C., Whittle G. E., Dunn P. D., Lipman N. H. and
Musgrove P. J. (1980) The predictability of wind turbine output, Proc. 2sd
BWEA Conf. Cranfield, UK.
[130]John Heywood B. (1988) Internal combustion engine fundamentals, McGraw - Hill
International Editions, Automotive Technology series.
[131] Newton K., Steeds W. and Garrett T. K. (1989) The motor vehicle,
Butterworths International Edition.
[132] Barak M. (1980) Electrochemical power sources, Peter Perigrinus, Oxford.
[133] Smith G. (1976) Storage batteries, Longmans, London.
[134]Sexon B. A. et al.(1980) Wind turbine/diesel electricity generation for small remote
communities, Report to UN, Reading University.
[135]Chaurey A. and Deamb S. (1992) Battery storage for PV power systems : an
overview, renewable Energy, 2(3), 227-235.
262
[136]Todd R.W. (1987) Controls
Engineering, 11(3) 124-130.
for
small
wind/solar
battery
systems,
Wind
[137] Protogeropoulous C., Marshal R. H. and Brinkworth B. J. (1994) Battery
state of voltage modelling and an algorithm describing dynamic
conditions for long-term storage simulation in a renewable system, Solar
Energy, 53(6), 517-527.
[138]Slack G., Lipman N.H. and Musgrove P.J. (1982). The integration of small wind
rd
turbine with diesel engines and battery storage. Proceedings of 3 BWEA
Conference, UK, 157-164.
[139]Manwell J. F., McGowan J. G. and Abdulwahid U. (2000) Simplified Performance
th
Model for Hybrid Wind Diesel Systems, Proc. of the 6 WREC, Brighton, UK, 11831188
[140] Nfaoui H., Buret J., Sayigh A.A.M. and Dunn P.D.(1994). Modelling of a
wind/diesel system with battery storage for Tangiers (Morocco), Renewable
Energy, 4(2), 155-167
[141]Nfaoui H., Buret J. and Sayigh A.A.M., Cost of electricity generated and fuel
saving of an optimized wind-diesel electricity supply for village in Tangier-area
th
(Morocco), Proc. of the 4 WREC, Denver, Colorado, USA, 831-835, 1996.
[142]Nfaoui H., Buret J. and Sayigh A.A.M. (1997) Economic study of an optimised
wind-diesel electricity supply for isolated communities, Proc. of the Intern.
Conference and Exhibition on Village Electricity through Renewable Energy,
NewDelhi, Inde, 573-578
[143]Nfaoui H., Buret J. and Sayigh A.A.M. (1998) Wind characteristics and wind
energy potential in Morocco, Proc. of the 5th WREC, Florence, Italy, 1931-1935.
[144]Nfaoui H., Buret J. and Sayigh A.A.M. (1998) Wind characteristics and wind
energy potential in Morocco, Solar Energy, 63(1), 51-60.
[145] Rave K., Bierregaard H. and Millais C. (1999) WIND FORCE 10, A blue
print to achieve 10% of the world’s electricity from wind power by 2020,
www.ewea.org
[146]Skjold R. Nielsen (1994) Wind
Renewable Energy, 5, 712-717.
turbines-localisation
strategy
[147]Milborrow D. (1994) Economics of wind power and
conventional thermal plant, Renewable Energy, 5, 692-699.
in
Denmark,
comparisons
with
[148] Mays I. (1996) The status and prospects wind energy, Proc. of the 4th WREC,
Denver, Colorado, 29-33.
[149] Aranda F-A and Cruz I-C. (2000) Breesing ahead- the Spanish wind energy
market, Renewable Energy World Magazine, JamesXJames (Science Publishers)
Ltd.
[150] Mays I. (2000) Harnessing the wind-Clean Power for the Future, Proc. of the 6th
WREC, Brighton, UK, 46-50.
263
[151] Gipe P. (2000) The Wind Rush of 99: Boom and Bust in the USA, Proc. of the
6th WREC, Brighton, UK, 124-129.
[152] Milborrow D. (2000) Wind Energy Technology-The State of The Art, Proc. of the
6th WREC, Brighton, UK, 1195-1200.
[153]Guyot A. (2000) Wind Power pricing in A Liberal Electricity Market: The
th
German Experience, Proc. of the 6 WREC, Brighton, UK, 1241-1243.
[154]Chauvel A., Leprince P., Barthel Y., Raimbalt C. and Arlie J. (1976) Manuel
d'évaluation économique des procédés, Editions Thenip.
[155] (1972) Les moyennes et petites industries, Entreprise Moderne d'Edition, Paris.
[156]Nfaoui H. and Sayigh A.A.M (2000) Wind Energy Option in Morocco, Proc. of
the 6th WREC, Brighton, UK, 1253-1257.
[157] Nfaoui H., Essiarab E. and Sayigh A.A.M.(2004), Wind energy and its economy
th
in south of Morocco, Proc. of the 8 WREC, Denver, USA, (à paraître)
[158]Sayigh A.A.M. (1986) The potential of wind energy in the Arab World. In
Proceedings of EWEC 86 Rome ISES Italian Section, Rome, Italy.
[159] Le protocole de Kyoto, à la convention sur les Changements Climatiques,
Secrétaires de la convention sur les changements climatiques, PNUD, 1998.
264
ANNEXE
A
DISTRIBUTIONS DE LA VITESSE DU VENT MESURE DES SITES VENTEUX
AU MAROC
265
A. DISTRIBUTIONS DE LA VITESSE DU VENT MESURE DES SITES
VENTEUX AU MAROC [31].
Le tableau suivant récapitule les distributions de la vitesse du vent mesuré pour
les sites venteux retenus :
Tableau A : Distributions de la vitesse du vent mesuré en pourcentage (%)
Sites Sendouk Blanco1( Blanco2(
V(m/s
(*)
(*)
(*)
0
0.82
0.29
0.29
1
3.52
2.12
2.15
2
4.95
3.58
3.49
3
5.26
4.71
4.45
4
6.23
4.97
5.13
5
7.65
5.60
5.73
6
8.63
6.32
6.66
7
9.63
6.48
7.50
8
9.28
7.26
8.43
9
8.13
7.88
9.00
10
7.50
7.74
8.65
11
6.55
7.50
8.16
12
5.34
7.27
7.62
13
4.31
6.37
6.19
14
3.32
5.46
4.79
15
2.50
4.49
3.72
16
1.84
2.58
2.84
17
1.35
2.68
2.02
18
1.04
1.89
1.24
V  19
2.17
3.80
1.93
(*) Z = 9m,
266
ElHaouma
(*)
0.76
3.17
4.01
4.50
5.73
6.91
8.65
10.14
10.62
6.69
8.27
6.49
5.00
4.10
3.36
2.62
1.83
1.27
0.88
2.01
Fnidek Taza
(*)
(**)
2.68 0.24
5.51 1.72
7.65 3.06
9.40 4.03
9.75 4.62
11.04 5.21
11.88 5.90
12.10 6.66
10.53 7.40
7.96 7.70
5.85 7.64
3.07 7.58
1.41 7.56
0.62 7.01
0.29 6.03
0.13 4.95
0.07 3.96
0.03 2.84
0.01 2.03
0.01 3.90
(**) Z = 10m
Safi
(**)
2.2
2.5
15.7
24.2
18.5
17.0
11.2
4.8
2.5
0.6
0.4
0.1
0.1
0.1
Essaouira
(**)
25.31
10.92
4.31
6.12
10.98
11.83
10.16
9.82
9.44
4.38
3.83
1.30
0.92
0.34
0.24
0.03
Laâyoune
(***)
2.03
2.65
7.34
9.17
10.68
10.88
10.68
10.13
10.04
9.35
6.27
4.93
3.42
1.39
0.59
0.27
0.11
0.05
0.02
(***) Z= 15
Dakhla
(**)
1.27
1.61
4.79
7.32
10.19
9.85
13.13
13.30
12.07
10.47
7.39
4.62
2.63
1.09
0.24
ANNEXE
B
CARACTERISTIQUES DE L’AEROGENERATEUR
267
B. CARACTERISTIQUES DE L’AEROGENERATEUR
B.1 Puissance maximale récupérable par un aéromoteur
La puissance éolienne disponible à travers une surface S est égale à :
1
3
P=
Ou
2
ρSV
(1)
V : vitesse du vent (m/s),
ρ : masse volumique de l’air (kg/m3),
S : surface utile du capteur (m2).
Malheureusement, toute cette énergie ne peut être captée car la vitesse en aval
du dispositif de récupération n’est jamais nulle et le théorème de Betz montre que le
maximum d’énergie pratiquement récupérable est égal à
16
27
(  60%) de l’énergie totale :
16 1 Π 2 3
P max = 27 ( 2 ρ 4 D V )
(2)
La puissance fournit par un aéromoteur est proportionnelle au :
- carré du diamètre du rotor, D(m),
- cube de la vitesse du vent, V(m/s).
L ‘énergie fournie par l’aéromoteur est toujours de l’énergie mécanique que l’on
utilise directement (pompage) ou que l’on transforme selon les besoins et les
possibilités en électricité ou en chaleur.
La limite de Betz doit donc être affectée de tous les rendements propres aux
différentes transformations (hélice, multiplicateur ou réduction, alternateur ou
génératrice continue, redresseur, batteries, onduleur, pertes de lignes, etc.).
De
plus,
le
rendement
de
chaque
élément
varie
avec
le
régime
de
fonctionnement lié à la vitesse de rotation de l’hélice, ce qui en dehors du régime
nominal diminue encore le rendement global du dispositif.
B.2 Action du vent sur les pales
Considérons une section de la pale située à la distance r de l’axe en rotation
autour d’un axe horizontal avec une vitesse angulaire Ω, et une tranche d’épaisseur
dr, la vitesse du vent due au déplacement de la pale est égale à U = RΩ. Entre la
268


vitesse absolue du vent V à la traversée des pales, la vitesse relative du vent W par

rapport au tranche de la pale et U , il existe la relation suivante :
  
V=W+U
(3 )
L’angle d’incidence est formé par la pale et la direction du vent apparent. Il
varie sur toute la longueur de la pale. L’angle de calage est formé entre la pale et le
plan de rotation de l’hélice.
La résultante des forces appliquées à cette portion de
perpendiculaire à la pale et peut être décomposée en deux forces :

- P : poussée perpendiculaire à la direction du vent apparent,

- T : traînée de la même direction que le vent apparent.
la
pale
est
Direction du vent apparent
R
P
T
i

Plan de rotation de l'hélice
Sens de déplacement
de la pâle
V
W
-U
Vent réel

= angle de calage ( attaque )
i
I
P
T
=
=
=
=
angle d'incidence
 + i : angle d'inclinaison
poussée
trainée
Figure B.1 : Action du vent sur la pale [43].
B.3 Paramètres de fonctionnement et Performance d’un aéromoteur
Dans le souci de comparer des rotors très différents, on caractérise ceux-ci par
des coefficients adimensionnels
269
* Vitesse spécifique
Le premier paramètre de fonctionnement est relié à la vitesse périphérique
U=RΩ (avec Ω : vitesse de rotation du rotor et R : rayon d’extrémité de la pale) qui,
rapporté à la vitesse V du vent donne :
λ=
U RΩ
=
V
V
(3)
 : paramètre de rapidité ou vitesse spécifique.
Les machines peuvent être classées en fonction de ce paramètre. Celles ayant
une vitesse spécifique  inférieure à 3 sont dites machines lentes (éoliennes de
pompage), au-delà elles sont dites rapides (aérogénérateurs).
* Coefficient de puissance
Il est défini par le rapport de la puissance P recueillie sur l’arbre moteur du
1
capteur à la puissance cinétique du vent
ρ S V 3 qui passerait dans le disque du
2
rotor en son absence :
Cp = 1
2
P
3
ρSV
(4)
* Coefficient de couple
C’est le rapport du couple moteur Q qui s’exerce sur l’arbre de sortie du
capteur éolien au couple aérodynamique :
CQ = 1
(
Q
2
ρ S V )R

Cp

(5)
2
Les paramètres Cp et CQ caractérisent les performances du capteur et sont
habituellement représentés en fonction de la vitesse spécifique (Figure B.2).
270
271
272
ANNEXE
C
DONNEES TECHNIQUES DES AEROGENERATEURS 150 et 250 kW
273
274
275
276
277
278
ANNEXE
D
PRESENTATION DES OUTILS DE CALCUL DE LA RENTABILITE
ECONOMIQUE D’UN PROJET
279
D. PRESENTATION DES OUTILS DE CALCUL DE LA RENTABILITE
ECONOMIQUE D’UN PROJET [154]
Evaluer la rentabilité d’un projet économique consiste à établir le bilan recettesdépenses de l’installation de production. Les recettes proviennent de la vente du
produit obtenu. Les dépenses comprennent principalement les charges fixes et les
salaires du personnel affecté à la conduite de l’installation. L'objet de cette annexe est
de présenter les postes essentiels de dépenses d'un projet et les critères économiques à
utiliser pour étudier sa rentabilité économique et financière.
D.1 Investissements
Le montant des investissements correspond à la somme totale qu’une société
doit dépenser pour réaliser un projet afin d’effectuer les diverses opérations qui s’y
rapportent, depuis les études technico-économiques préliminaires jusqu’à la mise en
route effective des installations. Ils sont composés des fonds propres de la société et
des emprunts auprès des organismes de crédit. Ces dépenses se composent :
D.1.1 Investissements en limites des unités de production
Les investissements en limites des unités de production correspondent au coût
des installations proprement dites, c'est à dire à celui de l'équipement nécessaire pour
effectuer l'opération, aux frais de préparation du site et au montage, par fois, on y
comprend aussi les dépenses relatives aux études d'engineering.
D.1.2 Frais de location ou d'achat du terrain
Parmi les investissements qu'on doit effectuer pour la réalisation d'un projet,
figure la location ou l'achat du terrain sur lequel les installations doivent être
construites. Le montant réel de cette dépense est lié au site prévu (acquisition du
terrain, travaux supplémentaires nécessaires à sa réalisation).
D.1.3 Fonds de roulement
Le fonds de roulement n’est pas un investissement de même nature que les
autres acquisitions. Il correspond à une immobilisation temporaire (provision courante),
liée au fonctionnement des installations (stock des pièces de rechanges courantes) et
280
donnant lieu, contrairement aux autres types d'investissements, à une récupération
éventuelle à un niveau voisin de sa valeur initiale au moins si on ne tient pas compte
des dépréciations ou modifications de cours possibles de la monnaie durant la période
d’immobilisation.
Du point de vue des calculs économiques, le fonds de roulement
considéré comme une dépense non amortissable à l’année 0. Il est récupérable
instant en particulier après une période de n années, correspondant à la durée
de l’unité. Si on ne tient pas compte de l’actualisation, il apparaît à sa
 
initiale, mais le cas contraire il est schématisé par sa forme actualisée f / 1+i
f est
à tout
de vie
valeur
n
où i
est le taux d’actualisation.
D.2 Charges fixes
Ce sont des dépenses annuelles dont le calcul s’effectue à partir des
investissements de l’unité. Elles comprennent principalement : les amortissements du
matériel, l'intérêts des emprunts, l'entretien du matériel, les taxes, les assurances, etc.
D.2.1 Amortissements
La décroissance de la valeur des unités (usure et détérioration des équipements)
conduit la société à amortir le capital investi, c’est à dire à reconstituer les
investissements des installations au cours de leur période d’activité. Dans cette étude,
seul l'amortissement linéaire a été retenu.
D.2.2 Intérêt des emprunts
Le financement d’un projet se traduit par l’immobilisation de sommes égales à
l’investissement global (capital amortissable et fonds de roulement). En théorie ces
sommes peuvent en tout ou partie : soit empruntées, soit provenir de capitaux propres
dont dispose l’entreprise gestionnaire du projet.
281
D.2.2.1 Capitaux empruntés
La rémunération des sommes prêtées se traduit par le paiement d’un intérêt. Il
peut se présenter sous différentes formes. La forme retenue dans cette étude est
l'emprunt remboursable par annuité constante, a. C'est la modalité la plus répandue.
Dans ce cas l’intérêt sur le capital, Ii , ainsi que l'amortissement, Di, qui se définissent
comme étant la rémunération dans l’unité de temps (année), sont variables. Au bout
de n années la somme Sn à rembourser pour le prêt d’un capital So au taux d’intérêt
simple i est Sn = an
Avec a = Di + Ii
1≤i≤n
a = So  1 -n
1+i 


Et
(1)
D.2.2.2 Actualisation
Si l’on suppose qu’un capital immobilisé doit être rémunéré à un certain taux
annuel appelé taux d’actualisation. C'est l'équivalent de la valeur actuelle de 1 dirham
ou
 
1+i
n
dirhams dans n années.
D.2.3 Entretien (maintenance)
Il comprend :
- L’entretien de routine, c’est à dire la visite et le contrôle périodique des
divers éléments d’une installation,
- les révisions aux cours des arrêts volontaires des unités,
- les réparations urgentes nécessités par des incidences imprévisibles.
D.2.4 Taxes et assurances
On regroupe sous cette appellation.
- les taxes diverses, les patentes, etc.,
- les frais d’assurances qui couvrent essentiellement l’investissement en matériel,
c’est à dire les unités de générations d'électricité et les installations générales.
282
D.3 Main d’œuvre
La rubrique main-d’œuvre ne comprend en général que les dépenses relevant du
personnel de quart, en poste sur les installations, c’est à dire de ceux chargés du
fonctionnement et de l’entretien permanent et courant des équipements.
D.4 Etude de la rentabilité économique d’un projet
Il existe de nombreuses méthodes permettant d’apprécier l’économie d’un projet,
mais en raison de déficit d'information, elles ne sont pas applicables telles quelles.
D.4.1 Critères économiques
Parmi les divers critères de rentabilité qui permettent de juger la valeur
économique d’un projet, certains prennent en compte les bénéfices d’exploitation,
d’autres non.
En évaluation on choisit de faire appel de préférence à la première catégorie
de ces critères, bien que le coût opératoire ou le prix de revient puissent offrir par
eux-mêmes un moyen de comparaison économique préliminaire.
Etant donné que les bénéfices bruts annuels, différence entre les recettes dues à
la vente du produit et le coût opératoire, font l’objet de prélèvement fiscal, on doit
tenir compte de ces impôts (taux de l’imposition) dans le calcul de la rentabilité d’un
projet.
Lorsqu’il n’est pas possible de déterminer la part du prélèvement fiscal, on
conduit le calcul soit en prenant le bénéfice brut annuel, soit en adoptant un
pourcentage de taxation arbitraire à 50 %, cette manière de le faire peut être utilisée
pour la comparaison de plusieurs projets de même nature et de localisation voisines.
Parmi les nombreux méthodes d'évaluation de la rentabilité d'un projet, nous
avons retenues les deux méthodes suivantes :
- Le temps (ou durée) de remboursement appelé encore temps de récupération
(Pay Out Time, POT),
283
- Le bénéfice actualisé ou Cash Flow (CF) actualisé ou Marge
d’Autofinancement actualisée (Discounted Cash Flow ou Net Présent Value).
Brute
D.4.2 Méthode du POT ou du temps de remboursement simplifié
Le temps de remboursement ou de récupération du capital est défini comme
étant la durée au bout de laquelle les recettes totales liées au fonctionnement d’une
unité ou d’un complexe, déductions faites de toutes les sorties y compris les taxes,
sont égales au montant global des investissements nécessaires à l’achat, la construction
et le démarrage des installations, c’est à dire au montant du capital amortissable
initial.
D’un point de vue strictement économique, un critère doit faire intervenir
normalement la notion d’actualisation. Dans le cas présent, il s’agit d’en décrire une
application simplifiée, l’actualisation telle qu’elle est pratiquée par les économistes n’y
apparaît pas de façon explicite.
Ainsi la méthode dite POT s’applique en admettant les hypothèses suivantes :
- les prix de la main d’œuvre, le coût de la maintenance, le prix de vente du
produit etc., sont supposés constants, au cours du temps, par conséquent les revenus
sont identiques d’une année à l’autre,
- on admet que les capitaux sont empruntés, donc rémunérables à l’aide d’un
taux d’intérêt,
- les bénéfices sont soumis à des prélèvements fiscaux,
- l’amortissement est supposé linéaire et la valeur résiduelle des installations
nulles.
Dans ces conditions, si on appelle :
- B : les bénéfices bruts annuels, c’est à dire avant déduction des impôts,
- a : le taux de l’impôt sur les bénéfices bruts,
- I : l’investissement correspond au capital amortissable,
- A : l’amortissement annuel (constant).
Le temps de remboursement (POT) est donné, en années, par l’expression
suivante :
1
 POT  = B (1-a) + A
284
(2)
Le (POT) apparaît ainsi comme le temps au bout duquel la société, qui a
consenti l’investissement I, a récupéré son capital immobilisé sous forme de bénéfices
réels (taxes déduites) et sous forme de provision pour amortissement.
Le terme : B(1 - a) + A, qui représente le 'Flux de Liquidités' est plus
généralement connu sous la désignation de 'Cash Fow' ou encore de 'Marge Brute
d’Autofinancement’.
En première approximation le taux d’imposition pour divers pays est de l’ordre
50 %.
D.4.3 Méthodes reposant sur l’actualisation des revenus
Ces méthodes diffèrent de la précédente par les points suivants :
- elles prennent en compte les recettes et les dépenses de chaque année,
correspondant au programme de production que l’on s’est fixé et aux variations
probables de prix. Ces éléments sont le résultat d’une étude de prospective et se
traduisent par l’établissement d’un échéancier,
- le calcul peut être effectué avant et après imposition sur les bénéfices, c’est à
dire que selon le cas on peut ou non tenir compte des prélèvements fiscaux.
D.4.3.1 Détermination des revenus annuels actualisés (Cash
Flow actualisé ou Net Présent Value)
Dans l’application de ces méthodes, on est amené à calculer le revenu annuel à
l’actualiser et à examiner ses variations en fonction du temps. Pour y parvenir, il est
nécessaire de préciser les conditions d’étude les plus généralement rencontrées.
En premier lieu, on suppose que la fiscalité intervient. En suite, puisqu’il s’agit
d’un projet dont les effets portent en principe sur plusieurs années, on peut ou non
s’affranchir de l’érosion monétaire.
Les calculs peuvent être ainsi conduits de deux manières :
- à “dirhams courants”, les mouvements de trésorier sont dans ce cas évalué en
dirhams de l’année considérée,
285
- à “dirhams constants”, on choisit une année de référence et toutes les transactions
monétaires effectuées au cours de la durée du projet examiné sont comptabilisées
en dirhams de cette année de base.
En évaluation, il est plus simple de raisonner à dirhams constants étant donné
que l'érosion de la monnaie est généralement imprévisible à long terme.
De ce fait, il y a lieu de préciser enfin deux points essentiels :
- d’une part, la date, c’est à dire l’année, à laquelle l’étude de rentabilité est
effectuée, puisque, elle est la date de référence dans le déroulement de calculs. On
choisit en général pour l’année de base, le moment où les installations commencent à
produire,
- d’autre part, la durée n (en année) sur laquelle porte cette étude. Le plus
souvent pour la commodité des calculs, n est pris égal à la période d’amortissement.
a. Financement assuré par la trésorerie générale
On opère de préférence à “dirhams constants” et l’année 0, qui sert de
référence, correspond à la mise en production des installations.
On détermine alors la suite des recettes et dépenses qui résultent de la
réalisation et du fonctionnement des installations, c’est à dire la suite des Cash Flows
ou revenus effectifs (différence entre recettes et les dépenses).
Pour chaque année p d’exploitation, le Cash Flow (CF)p correspondant s’écrit
sous la forme suivante :
(CF)p = Vp - Dp - Ip - (Vp - Dp - Ap)a
(3)
soit
(CF)p = (Vp - Dp - Ap) (1 - a) + Ap - Ip
ou
a
Vp
Dp
Ap
Ip
286
:
:
:
:
:
taux d’impositions des bénéfices bruts.
recettes d’exploitation à l’année p.
dépenses d’exploitation.
amortissement.
investissements totaux.
(4)
On peut introduire le coût opératoire : Cp = Dp + Ap + Fp
Ou
Fp : charges financières (intérêts à l’année p des sommes empruntés).
Le Cash Flow devient alors :
(CF)p = (Vp - Cp) (1 - a) + Ap - Ip
(5)
En actualisant cette expression des revenus effectifs à l’année p, à l’aide du
taux d’actualisation i, on obtient :
 CFp  V p - Cp  1-a  + A p - I p
p =
1 + i 
1 + i p
(6)
Avec Fp = 0
De la relation (6) on peut en déduire, selon la valeur de p, comprise entre 0
et n, les conséquences suivantes :
- A l'année p = 0, I0 est égal à la mise de fonds initiales, c’est à dire à
l’investissement global : capital amortissable (I) et le fonds de roulement (f) : I0 = I + f,
l’investissement global. Par suite (CF)0 = - (I+f),
- A une année p quelconque, Ip est en général nul,
- A l'année p = n, -In représente la valeur du capital récupérable, c'est à dire le
fonds de roulement f, et la valeur résiduelle Ir des installations.
b. Coût d’opportunité des fonds propres
Dans certains cas particuliers, on peut définir pour un projet déterminé la part
des investissements financés par des emprunts et celle qui est constituée de capitaux
propres. On peut alors essayer de trouver la meilleure utilisation de ces fonds. Les
expressions (5) et (6) restent valables, mais avec Fp ≠ 0; ces charges financières
représentent les intérêts à l'année p des sommes empruntées initialement, ou le cas
échéant, lorsque les investissements complémentaires sont réalisés.
A l’année p=0, Io doit représenter les sommes effectivement immobilisées par
l’entreprise qui réalise le projet. Si I est le capital amortissable initiale, constitué
d’une part d’emprunt E et d’autre part de fonds propres P, c’est à dire si : I = E + P,
on aura : Io = I + f – E = P + f, f étant le fonds de roulement, qui éventuellement peut
287
être également réparti entre les capitaux propres et les prêts. Les charges financières
Fp doivent alors être corrigées en conséquence.
A une année p quelconque, Ip n’est en général plus nul, mais égal au
remboursement Rp de capital emprunté relatif à cette année p, de telle sorte que :
p=n R p
(7)

p =E
p=1 1+i
 
avec R0 = 0
Si donc il n’y a pas d’investissements complémentaires, l’expression (6) devient :
 CFp  V p - C p  1-a  + A p - R p
p =
p
1 + i 
1 + i 
avec
(8)
Fp ≠ 0
A l'année p = n, -In représente d'une part, la valeur des capitaux récupérables
soit : (Ir+f), et d'autre part, les remboursements relatifs à cette année n. Par suite : In =
Rn -Ir - f
Remarques :
- Lorsque la décision à prendre est de réaliser ou non un projet déterminé,
l'application de cette méthode consiste à retenir le projet si son bénéfice actualisé est
positif, ce qui signifie que la valeur actualisée de recettes est supérieure à la valeur
actualisée des dépenses,
- Lorsque la décision à prendre est de sélectionner un projet parmi d'autres ou
de comparer plusieurs possibilités, la méthode consiste à retenir le projet dont le
bénéfice actualisé est le plus élevé.
D.4.3.2 Critères de rentabilité avec l’actualisation
A l'aide de l'expression (8), on peut chercher à définir divers critères de
rentabilité :
- bénéfices actualisés,
- temps de récupération du capital avec actualisation
288
a- Bénéfice actualisé ( Discounted Cash-Flow)
On appelle bénéfice actualisé ou encore revenu actualisé d’un projet, la somme
des valeurs actuelles des cash-flows associés à sa réalisation :
 CFp
p
p = 0 1 + i 
p=n
B= 
(9)
En évaluation pour la commodité des calculs, on prend le plus souvent pour n
la fin de la période d’amortissement.
b. Temps de récupération avec actualisation.
La date de récupération d’un projet est la date k à partir de laquelle la somme
des cash flows actualisés devient positive. On détermine ainsi k telle que :
 CFp

p 0
p = 0 1 + i 
p=k
(10)
Il s’agit donc du moment à partir duquel les revenus découlant de la réalisation
du projet auront permis de rembourser le capital initial. Ces investissements, ayant été
rémunéré à un taux égal au taux d’actualisation de l’entreprise qui fait construire les
installations et les exploiter.
Le temps de récupération est la durée qui sépare cette date de celle choisie le
début des calculs économiques.
Remarques :
- Le ‘Pay Out Time’ (POT) peut conduire à des résultats erronés. C'est
pourquoi il convient d'utiliser le critère du temps de récupération lorsque l'on cherche
à examiner un même projet dans des conditions concurrentielles sensiblement
équivalentes, ou les technologies comparées sont souvent voisines et les
investissements du même ordre de grandeur.
289
ANNEXE
E
Estimation of daily and monthly direct, diffuse and global solar radiation in
Rabat
H. Nfaoui and J. Buret
Renewable Energy, Vol.3, No.8, pp.923-930, 1993
290
291
292
293
294
295
296
297
298
ANNEXE
F
STOCHASTIC SIMULATION OF HOURLY AVERAGE WIND SPEED SEQUENCES IN
TANGIERS (MOROCCO)
H. Nfaoui, J. Buret and A.A.M. Sayigh
Solar Energy Vol.56, No.3, pp.01-314, 1996
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
ANNEXE
G
COST OF ELECTRICITY GENERATED AND FUEL SAVING OF AN
OPTIMIZED WIND-DIESEL ELECTRICITY SUPPLY FOR VILLAGE IN
TANGIERS-AREA (MOROCCO)
Nfaoui H., Buret J. and Sayigh AAM.
Proc. 4th World
Colorado.(USA)
314
Renewable
Energy
Congress,
16 – 21 Juin 1996 – Denver,
315
316
317
318
319
ANNEXE
H
WIND CHARACTERISTICS AND WIND ENERGY POTENTIAL IN MOROCCO
H. Nfaoui, J. Buret and A.A.M. Sayigh
Solar Energy, Vol.63, No.1, pp.51-60, 1998
320
321
322
323
324
325
326
327
328
329
330
ANNEXE
I
A stochastic Markov chain model for simulating wind speed times series at
Tangiers, Morocco
H. Nfaoui, E. Essiarab and A.A.M. Sayigh
Renewable Energy, 29(2004) 1407-1418
331
332
333
334
335
336
337
338
339
340
341
342
343
ANNEXE
J
WIND ENERGY AND ITS ECONOMY IN SOUTH OF MOROCCO
Nfaoui H., Essiarab E. and Sayigh A.A.M.
Proc. 8th World Renewable Energy Congress, 28 Août – 3 Septembre 2004 – Denver,
Colorado (USA).
344
A WIND ENERGY AND ITS ECONOMY IN SOUTH OF MOROCCO
H. Nfaoui
1
2
1
, H. Essiarab1 and A. Sayigh2
Département de Physique, Faculté des Sciences, B.P. 1014, Université Mohammed.V, Rabat, MOROCCO
WREN, School of Engineering, Hertfordshire University, UK.
ABSTRACT
This study is about wind characteristics and the feasibility assessment of using
wind farms to generate electrical power in the south of Morocco. Long term hourly
wind speed recorded data over (10 years) in two windy coastal sites (Laayoune and
Dakhla) have been used. The annual average wind speed for the considered sites are
5.7 m/s and 7.6 m/s respectively at a height of 10 m above ground level. Statistical
data on wind speed
and related Weibull Hybrid distribution parameters is also
available in this study.
The cost generation of the kWh of electricity produced by wind power is
evaluated for three sizes of wind turbines to take into account various dimensions
based on the parameters given by Beurskens and Hjuler Jensen [4]. For example,
output is calculated at hub height of 40 m typically 500 kW wind turbines. The
generating cost is estimated to 5.2 Eurocents/kWh for Laayoune and 2.9Eurocents/kWh
for Dakhla. It is a result comparable to the one obtained by Khalaji and Taléghanis :
the final cost of a kWh energy produced with a velocity of 6 m/s is twice the final
cost of electricity produced with 8 m/s [9]. This study shows that the south of
Morocco, particularly the Atlantic zone, is suitable for electrical power production by
installing wind farms
1. INTRODUCTION
The south of Morocco edged by Atlantic Ocean from west, composed of
Sahara provinces, is an arid region and slightly populated, constituted by low
mountains and sets of dry rivers. The Sahara dunes penetrate its western part.
Following the raising of oil price, the energy cost is a key factor in the
Moroccan economy. Morocco depends more than 85% of foreign sources of its energy
supply. The oil invoice absorbs nearly 22.3% of export receipts [1]. However,
limitation of conventional fuel is one strong reason for the application of non-pollutant
wind energy. Furthermore, the fossil fuel is incapable of supplying the remote and
enclave area with the necessary quantity of energy needed for its development.
The renewable energy, particularly wind energy, decentralized and non pollutant
resource, can contribute to face this problem. Or, to use rationally and economically
such energy, it is necessary to dispose of good qualitative and quantitative knowledge
on wind characteristics and wind energy potential in the considered region. For this
reason, we contribute to the evaluation of wind energy in the south of Morocco by a
statistical analysis of hourly wind speed recorded in two coastal sites, Laayoune and
Dakhla, for a long period, 10 years, and by an estimation of generating cost of a
kWh produced by wind power plants. With the aim of intensifying the use of
345
renewable energy in the south of Morocco, consequently decreasing the consumption
of fossil fuel and reducing the emission of CO2 , without doubt the principal cause of
the greenhouse effects.
2. SOURCES OF THE DATA USED
This study of data analysis is based on hourly wind records carried out four
times per day during 13 years for Laayoune ( 1978-1990, anemometer level : 15 m,
roughness : 0.001 m) and 10 years for Dakhla (1980-1989, anemometer level : 10 m,
roughness : 0.001 m) in the meteorology stations by the ‘Direction de la météorologie
Nationale’, DMN.
3. STATISTICAL ANALYSIS OF ANEMOMETRIC DATA
The south of Morocco is dominated by the circulation of the north east trade
wind, which increases strongly in summer when the pressure gradients intensify on a
large scale. This qualitative result is confirmed by high, long term mean wind speed
of the order of 5.9 m/s for Laayoune and 7.6m/s for Dakhla (Tables 1 and 2).
TABLE 1: MONTHLY MEAN VELOCITY AND MAXIMA OF WIND SPEED FOR LAAYONE AND
DAKHLA SITES
Months
J
F
M
A
M
J
Jt
A
S
O
N
D
Annual
Mean Velocity (m/s)
Laayoune
Dakhla
5.25
5.78
5.40
6.63
6.14
7.33
5.81
8.16
6.20
9.04
6.79
9.66
7.60
10.12
7.67
9.53
5.80
8.02
4.83
6.34
4.57
5.35
4.87
5.76
5.90
7.64
Standard Deviation
Laayoune
Dakhla
0.97
1.15
1.36
0.77
0.93
1.33
0.87
1.91
0.92
2.16
0.89
2.17
0.77
2.73
0.85
1.93
0.62
1.20
0.70
1.16
0.74
0.98
1.06
1.10
0.89
1.55
I = MV/SD
Laayoune
0.18
0.25
0.15
0.15
0.15
0.13
0.10
0.11
0.11
0.15
0.16
0.22
0.15
Dakhla
0.20
0.12
0.18
0.23
0.24
0.22
0.27
0.20
0.15
0.18
0.18
0.19
0.20
Maximal wind (m/s)
Laayoune
Dakhla
22
17
34
20
23
21
14
23
14
24
14
25
15
27
34
22
13
20
13
15
17
13
15
17
34
27
TABLE 2 : ANNUAL PARAMETERS OF WEIBULL HYBRID DISTRIBUTION AND MEAN POWER
AVAILABLE
Site
Annual
mean
velocity (m/s)
Mean
power
available (W/m2)
Laayoune
Dakhla
5.9 (5.7)
7.6 (8.4)
204 (175)
462 (640)
Annual parameters of
Weibull-Hybrid distribut.
k
c
2.47 (2.52) 6.79 (6.62)
2.32 (2.22) 8.78 (9.68)
Velocity
(%)
Calms
2 (3)
2 (2)
Frequencies
V >=4
80(78)
88(89)
( ) : Values obtained from reference [1] using 5 years (1978-82) for Laayoune and 4 years for Dakhla (1980-84)
Figure 1 shows the inportance of the seasonal variation. The monthly average
for July, a windy month for both considered sites, is nearly twice that of November,
a less windy month for both sites. So, the south of Morocco is among the windiest
346
region with small annual frequencies of calm wind periods of the order of 2 % for
Dakhla
both sites.
laayoune
14
12
12
10
10
8
6
Annual mean
8
6
4
4
2
2
0
Monthly mean
14
Annual mean
Wind speed (m/s)
Wi
nd
spe
ed
(m/
s)
Monthly mean
0
1
2
3
4
5
6
7
8
9 10 11 12
1
2
3
4
5
6
7
8
9 10 11 12
Month
Month
Figure 1 : Monthly variations of wind speed
The diurnal variations are generally the result of a relatively strong wind
during the day, and low at night. Figure 2 shows the graphics of mean wind at 00,
06, 12 and 18 hours for November, July and on an annual scale. The trade wind are
too strong and mask the sea – land breeze, and the diurnal variation is not marked for
Dakhla
both sites. Laayoune
1 : November
2 : July
3 : Annuaal
.
14
12
12
10
10
Wind speed (m/s)
Wind speed (m/s)
14
8
6
2 : July
3 : Annual
.
8
6
4
4
2
2
0
1 : November
0
1
2
3
4
1
2
3
4
Figure 2 : Daily variations of wind speed
For Laayoune and Dakhla sites, the annual values of the inter annual variation
factor, Ii, ratio of standard deviation of the mean monthly wind speed for the month,
i, of the calendar during a period of several years, to long term mean wind speed, are
of the order of 0.15 and 0.20. These values can be considered as high knowing the
mean latitudes, the values of I, generally, are less than 0.1 [2]. For the summer
347
months, a period during which the wind is high, Laayoune region is characterized by
lower inter annual variation, values of I are very small than Dakhla region. Also, this
Atlantic zone experiences violent wind in summer which can reach 34 m/s for
Laayoune (Figure 4).
20
Laayoune , 1978-1990, 4/24
Dakhla ,
1980-1989, 4/24
Laayoune : V = 5.9 m/s
Dakhla
: V = 7.6 m/s
Wind speed (m/s)
15
10
5
0 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
1
156
1990
Figure 3 : Inter annual variations of monthly wind speed
40
Wind speed (m/s)
35
30
Laayoune 1978-1990, 4/24
Dakhla
25
1980-1989, 4/24
20
15
10
5
0
1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
1
156
1990
Figure 4 : Inter annual variations of absolute maxima of wind speed
The comparison between the measured frequencies of wind speed with those
estimated by Weibull-Hybrid model are satisfactory for both sites (Figures 5). Reference
[3] gives detailed information on the expressions and applications of the considered
model.
348
Dakhla
Laayoune
15
Observed
15
Observed
Weibull Hybrid
Weibull Hybrid
10
Frequency (%)
Frequency (%)
10
5
5
0
0
1
5
9
13
17
21
1
25
5
9
13
17
21
25
Wind speed (m/s)
Wind speed (m/s)
Figure 5 : Annual distributions of wind speed
4. TECHNOLOGY DEVELOPMENT : LARGE WIND TURBINES AND IMPROVED DISIGNS
From the very start of the development of modern wind energy technology, we
have noticed a gradual and consistent growth of the unit size of commercial
machines, from 10 m diameter in the mid-1970s to 80 m at present. For the trend
since see TABLE 3.
TABLE 3 :
APPROXIMATE MEAN SIZE (kW) OF WIND TURBINES INSTALLED EACH YEAR IN EUROPE [4].
Year
Size (kW)
1992
200
1994
300
1996
500
1998
600
1999
700
2000
900
The demand side of the market is the main driver of the trend towards larger
machines. The most important arguments for larger machines are to utilize economics
of scale, to lessen visual impact on the landscape per unit of installed power, and the
expectation that multi-megawatt machines are needed to exploit the offshore potential.
The effects of scale on the relative costs of the machines are illustrated in figure 6.
349
Figure 6 : Relative wind turbine cost as a function of size over the course of time [4].
5. ECONOMICAL AND ECOLOGICAL PROFITABILITY OF WIND ENERGY AND
PERSPECTIVES
In 2001, the provinces’s electricity demand in the south of Morocco was 323.4
106 kWh for an urban and rural population of 691 103 inhabitants [1]. This region does
not represent an area limitation wind farms installation to the national grid. From
which is the possibility to use wind farms, destined for high power electricity
production or to install individual wind turbine for low power, destined for pumping
water or for remote site electrification.
For economical profitability volet, it is about estimating the generating costs of
wind energy for 4 sites among the windy sites in Morocco. According to the reference
[4], the following data can be presumed to evaluate the cost generating :
ex-works cost : 350 Euro/m2, total Investment : 125% of ex-factory cost, annual
operation and maintenance cost : 1 Eurocent / kWh, availability : 99%, technical life
time : 20 years, amortization period : 20 years and real interest rate : 5%.
The cost can be calculated by means of the following expressions [4] :
c = a Itot/(A.E) + m
(1)
where
c : cost (Euro/kWh), a : annuity factor, Itot : total investment per m2 rotor area, A :
availability, E : annual energy output per m2 of rotor area (kWh/m2) and m : operation
and maintenance cost.
While
ai
1 i  /(1 i   1)
n
n
where i : real interest rate and n : amortization period. 
While
3
E = 3.2v
Where
350
(2)
(3)
v is the annual average wind (m/s) at the hub height which is generally higher
than the anemometer level of 10 m at the meteorological stations. However, for a
height less than 100 m, the effect of the roughness of the soil cannot be neglected
when extrapolating the wind speed, so the modified power law developed by Mikhail
and Justus [2,5,6], has been used :


2
1
v v z /z
2
v1 and v2
1
(4)
are the velocities at heights z1 and z2. The exponent, , is a function
depending on the roughness z0 and the geometric Z height and is given by [5]:

 1 / ln( z / z 0)  0.0881 * ln(v1 / 6) /(1  0.0881 * ln( z1 / 10)
where
z  ( z1 z 2)
(5)
0.5
To take into account various dimensions, outputs were calculated at a hub height
of 40 m (typically 500 kW machines), 55 m (typically 1 MW machines), and 75 m
(typically 2 MW machines) for roughness class 1 and class 2 terrain [7]. Figure 8
shows Generating cost of wind energy as a function of local average wind speed at a
height of 10 m above ground for 3 types of wind turbines for Laayoune, Dakhla,
Tangier and Koudia Al Baida (Tétouan) sites. For the last two sites, the wind data are
taken from [3] and [8] references.
6
Generating cost (Eurocentimes/kWh)
5
4
40 m
3
55 m
75 m
2
1
0
5
6
7
8
9
10
11
Annual mean wind speed at 10 m height (m/s)
Figure 8 : Generating cost of wind energy as a function of local average wind speed
for 3 wind turbines ( 1Euro = 10 Dirhams = 1 $)
At a height of 40 m , the generating cost of each kWh is estimated to 5.2
Euro centimes for Laayoune, a comparable cost to the cost obtained for Tangier, sites
351
nearly the same wind potential. For Dakhla, the generating cost of each kWh is of
the order of 2.9 Euro centimes, nearly twice of the cost obtained for Koudia Al Baida
(Tétouan). This shows that the exploitation of wind potential of Dakhla is more
profitable than Laayoune. The cost generated are obtained without taking into account
the national grid existence and the electrical pert of transmission.
Ecologically, wind farms are another advantage, concerning carbon dioxide,
CO2, emissions and other toxic pollutants, with greenhouse effects degrading the
environment.
6. CONCLUSION
The exploitation of wind energy is profitable in the south of Morocco,
particularly, the Atlantic zone of Laayoune and Dakhla sites which benefit from an
ideal wind potential for the realization of wind farms because its long term mean
wind speed are of the order of 5.7 m/s and 7.6 m/s respectively. The economic study
shows that the cost generated of each kWh for Dakhla is 2.9 Euro centimes, nearly
half the generating cost for Laayoune. It is a result comparable to the one obtained
by Khalaji and Taléghani : the final price of a kWh energy produced with a velocity
of 6 m/s is twice the final price of electricity produced with 8 m/s [4].
REFERENCES
[1]
Annuaire statistique du Maroc 2002, Direction de la statistique,
www.statistic.gov.ma.
[2] Justus C.G., Mani K. and A Mikhail A.S.(1979) Interannual andMonth to Month
variations of wind speed, American Meteorological Society, Journal of Applied
Meteorology, 18, 913-920.
[3] Nfaoui H., Buret J. and Sayigh A. (1995) Wind characteristics and wind energy
potential in Morocco, Solar Energy 63(1), 51-60, (1995).
[4] Beurskens J. and Hjuler Jensen P. (2001) Economics of wind energy : prospects
and directions, Renewable Energy World 4(4), 102-121, www.jxj.com/rew/
[5] Knidiri F. et Laaouina A. (1986) L’énergie éolienne au Maroc : analyse préliminaire
basée sur les données existantes, CDER, www.cder.org.ma.
[6] Kasbadji Merzouk N.(2000) Wind energy potential of Algeria, Renewable Energy
21, 553-562.
[7] Troen Ib and E. L. Petersen E.L.(1989) European wind atlas, Riso Natioanl
laboratory.
[8] Enzili M., Nayssa A. et Affani F. (1995) Le gisement éolien du Maroc : analyse
préliminaire des données du vent relevées au niveau des appareils de mesure
installés par le CDER.
[9] Khalaji M. and Taleghani G. (2002) Wind energy and its application in Iran, Proc.
of the 7th World Renewable Energy Congress, Cologne, Germany.
352