Revenir aux archives

Systèmes embarqués

Projet phare

Système intelligent de suivi solaire avec gestion énergétique et protection météorologique

Un panneau solaire qui suit la lumière, se protège des intempéries, anticipe le comportement solaire et rend ses performances visibles.

Contexte: Projet de fin d'études / mémoire de licence

Période: 2024-04 à 2025-05

Résumé

Le projet relie une installation physique de suivi solaire à une supervision et une prévision locales. Le panneau s'oriente vers la lumière la plus forte, transmet les données électriques et environnementales, réagit à la pluie ou aux vibrations et affiche son état sur un tableau de bord Raspberry Pi.

Mon rôle

Projet individuel : j'ai conçu et intégré le contrôle embarqué, la plateforme locale, la télémétrie, le tableau de bord, la logique énergétique et la prévision.

Périmètre et prochaine validation

Les essais couvrent le prototype fonctionnel. Une validation extérieure sur plusieurs saisons constituerait l'étape suivante.

2017–2018

Période NSRDB utilisée pour l'entraînement

2019

Période de prévision GHI

5 days

Historique récent pour le fonctionnement du lendemain

10

Variables météorologiques d'entrée

De la lumière solaire à une décision utile

Panneau et capteurs

Lumière, puissance, batterie, pluie, vibrations et météo

ESP32

Lecture temps réel, suivi, actionneurs et protection

Raspberry Pi 5

Orchestration locale, traitement et prévision

Django et PostgreSQL

API, historique de télémétrie et actions distantes

Tableau de bord

État en direct, tendances, météo et prévision

Ce que le système prend en charge

Suivi sur deux axes avec capteurs de lumière et servomoteurs.

Flux de télémétrie commun pour puissance, batterie et environnement.

Réactions automatiques de protection en cas de pluie ou de vibrations.

Données météo historiques et mesures locales pour l'évaluation et la prévision quotidienne.

Technologie

Contrôle physique

ESP32LDR arraySG90 servosSensorsDC-DC regulation

Plateforme locale

Raspberry Pi 5DjangoPostgreSQLREST APIs

Supervision

JavaScriptD3.jsTelemetry dashboards

Prévision

PythonLSTMNSRDB dataGHI / DNI / DHI
Systèmes embarquésIoTFull-stackIA appliquéeÉnergie renouvelableAutomatisationTélémétrie

Conclusions

  • Le matériel, le tableau de bord et le machine learning fonctionnent ensemble dans un prototype complet.
  • L'ESP32 et le Raspberry Pi séparent clairement contrôle temps réel et orchestration.
  • La prévision associe l'évaluation historique NSRDB aux mesures locales récentes.
  • Alimentation, bruit des capteurs, actionneurs, persistance et interface ont été traités comme un seul système.
Une journée en mouvement
lever du soleilprévision