Cet article présente un modèle numérique d'un système d'éclairage de rue intelligent alimenté par énergie solaire avec prévisions intégrées de consommation d'énergie, développé dans MATLAB/Simulink. La simulation utilise des données météorologiques horaires réelles de la région d'Almaty, où l'irradiance solaire variait de 0 à 980 W/m² et les températures varient de –25°C à +35°C. Le système modélisé comprend un panneau photovoltaïque de 200 W, une batterie de 120 Ah et des luminaires LED allant jusqu'à 60 W. Une analyse prédictive de l'état de charge (SOC) de la batterie et du besoin en énergie externe a été réalisée en utilisant des algorithmes d'IA ANN, LSTM, GRU et Random Forest entraînés sur des données synthétiques de la simulation. Les résultats montrent que le système peut fonctionner de manière autonome pendant jusqu'à 72 heures par temps adverse. La probabilité de basculement vers l'alimentation de secours est de 27 à 32 % en hiver et de moins de 8 % en été. Les modèles LSTM et GRU ont atteint une erreur de prédiction du SOC moyenne de moins de 5 % par rapport aux valeurs réelles. L'architecture proposée offre une approche pratique et adaptable pour concevoir, tester et optimiser l'éclairage alimenté par énergie solaire dans des environnements urbains et ruraux à travers le Kazakhstan et des régions similaires. Elle démontre le potentiel de la combinaison de la simulation avec l'IA pour soutenir des infrastructures d'éclairage extérieur durables et résilientes.
Junisbekov et al. (Mer,) ont étudié cette question.