Un réseau de neurones prédit la résistance à l’arrachement des pieux photovoltaïques

Des chercheurs iraniens ont développé un réseau neuronal artificiel interprétable capable de prédire la capacité à l’arrachement des pieux en acier battus utilisés pour les centrales photovoltaïques au sol, avec une erreur de prédiction moyenne de 7,63 %.

En bref

• Le modèle, entraîné sur 130 essais de charge réalisés sur une centrale solaire en Iran, atteint un coefficient de détermination (R²) de 0,778 et une erreur moyenne de 7,63 %.
• Quatre paramètres suffisent en entrée : vitesse de pénétration du pieu, longueur d’ancrage, angle de frottement du sol et surface latérale du pieu.
• L’analyse SHAP montre que la vitesse de pénétration (49,8 %) et l’angle de frottement (47,1 %) sont les principaux facteurs prédictifs, loin devant les paramètres géométriques.
• Le modèle, entraîné sur un seul site sablonneux, doit être utilisé avec prudence dans des contextes géologiques différents (sols argileux, limoneux, graveleux).

Un enjeu géotechnique pour les grandes centrales au sol

La résistance à l’arrachement des pieux peut constituer une contrainte géotechnique et de conception importante pour les centrales photovoltaïques de grande taille, notamment lorsque des pieux en acier battus supportent des structures à inclinaison fixe ou équipées de trackers. Les structures photovoltaïques présentent une grande surface exposée mais un poids propre relativement faible : le vent agissant sur les modules peut donc générer des forces d’arrachement et de renversement considérables, que la structure de support doit transmettre à des fondations composées de pieux relativement petits. Dans les sols faibles, meubles, saturés, perturbés ou très hétérogènes, ces pieux peuvent ne pas développer une résistance de frottement latéral suffisante.

Les essais statiques de traction axiale et d’arrachement permettent d’établir le comportement réel charge-déplacement et d’optimiser la longueur des pieux, plutôt que de s’appuyer uniquement sur des corrélations conservatrices — un enjeu qui a motivé le développement de ce modèle prédictif.

130 pieux testés sur une centrale solaire iranienne

L’étude, intitulée « Une approche par réseau neuronal interprétable pour prédire la capacité à l’arrachement des pieux photovoltaïques à partir des données d’installation », a été publiée dans la revue Results in Engineering par des chercheurs de l’Islamic Azad University, de l’Université de Téhéran et de la société Zaminrun Geotechnical Company. « L’expansion rapide des installations photovoltaïques au sol nécessite des fondations sur pieux à la fois économiques et fiables, capables de résister aux forces d’arrachement induites par le vent. Cependant, la capacité à l’arrachement des pieux photovoltaïques en acier battus est difficile à prédire, car les formules statiques conventionnelles prennent mal en compte les effets couplés de la dynamique d’installation et des conditions spécifiques du sol », expliquent les chercheurs.

L’équipe a entraîné et testé son réseau neuronal à partir de 130 essais expérimentaux de charge réalisés sur une centrale solaire de Rafsandjan, dans le centre de l’Iran, sur des pieux en acier ST52 (79 profils IPE 140, 31 IPE 160, 20 IPE 180). Trente sondages ont permis de caractériser le sol, et des essais de cisaillement direct ont déterminé son angle de frottement interne. Les pieux ont été battus par machine hydraulique, puis soumis à des essais d’arrachement par paliers de 500 kgf, la capacité à l’arrachement étant définie comme la force enregistrée pour un déplacement de 20 mm.

Une erreur de prédiction de 7,63 % avec seulement quatre paramètres

Le modèle repose sur quatre paramètres d’entrée : la vitesse de pénétration du pieu pendant son installation, la longueur d’ancrage, l’angle de frottement du sol et la surface latérale du pieu. Entraîné avec une validation croisée en 10 sous-ensembles et des techniques anti-surapprentissage (dropout, arrêt précoce), le réseau neuronal a obtenu un coefficient de détermination (R²) de 0,778, une erreur quadratique moyenne (RMSE) de 0,787 tonne et une erreur absolue moyenne de 7,63 %.

L’analyse d’interprétabilité SHAP a identifié la vitesse de pénétration (49,8 %) et l’angle de frottement (47,1 %) comme les principaux prédicteurs, les paramètres géométriques n’apportant qu’une contribution marginale. Les chercheurs soulignent toutefois que le modèle, développé à partir des données d’un seul site sablonneux, doit être utilisé avec prudence dans des contextes géologiques sensiblement différents — sols argileux, limoneux, graveleux ou fortement stratifiés.

Questions fréquentes

Pourquoi la résistance à l’arrachement des pieux est-elle importante pour le photovoltaïque au sol ?

Parce que les structures photovoltaïques, très exposées au vent mais légères, transmettent d’importantes forces d’arrachement à leurs fondations sur pieux, qui doivent être correctement dimensionnées pour y résister.

Quelle précision atteint ce modèle d’IA ?

Une erreur absolue moyenne de 7,63 % et un coefficient de détermination de 0,778, à partir de seulement quatre paramètres d’installation et de sol.

Ce modèle peut-il être utilisé sur n’importe quel site ?

Non : il a été entraîné sur les données d’un seul site sablonneux en Iran, et ses prédictions pourraient ne pas se généraliser facilement à des sols très différents (argileux, limoneux, graveleux ou fortement stratifiés).

En résumé

En s’appuyant sur des données d’installation facilement mesurables plutôt que sur des formules statiques conservatrices, ce réseau neuronal interprétable ouvre une piste pour optimiser le dimensionnement des fondations sur pieux des centrales photovoltaïques au sol — à condition de valider son application sur d’autres types de sols que celui, sablonneux, sur lequel il a été développé.

Source : étude publiée dans Results in Engineering (ScienceDirect).