UNIVERSITÉ MOHAMMED V – AGDAL FACULTÉ DES
Transcription
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 : CFp 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 : CFp 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 : CFp 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 : CFp 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 ai 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