Mathématice, intégration des Tice dans l'enseignement des mathématiques  
Sommaire > N°56 - septembre 2017 > Atelier scientifique du Lycée Parc de Vilgénis (...)

Atelier scientifique du Lycée Parc de Vilgénis (Massy)

Moteur de recherche
Mis en ligne le 28 juin 2017, par Taillet Jacques

Auteur de l’article : Jacques Taillet est un des lauréats des trophées Shannon Il est professeur de mathématiques au Lycée Parc de Vilgénis de Massy. Il y anime depuis plusieurs année un atelier scientifique.

Il y a 10 ans au Lycée Parc de Vilgénis, 8 élèves faisaient spé-maths sur un total de 4 classes de TS. Face à ce nombre famélique, je me suis dit qu’il faudrait donner le goût des mathématiques à nos élèves. Un atelier de maths pour des élèves qui n’en veulent pas ne m’a pas semblé la bonne solution – c’est pourquoi j’ai préféré mettre en place un Atelier Scientifique qui traiterait de sujets intéressant les élèves et où les mathématiques seraient forcément présentes.

L’Atelier Scientifique créé il y a maintenant 6 ans et ne regroupant alors que quelques élèves de 1ère S, rassemble actuellement une vingtaine d’élèves de tous niveaux et de toutes sections du Lycée Parc de Vilgénis, qui se retrouvent à raison de 2h par semaine, sur leur temps libre, pour travailler sur le projet qu’ils ont choisi pour l’année.

Les objectifs sont divers, mais les 2 principaux sont le fait d’acquérir une véritable démarche scientifique et de développer des qualités d’autonomie et de présentation dans une ambiance conviviale. Ce qui compose l’essence de la « communauté scientifique junior » est le travail commun d’élèves de différents niveaux (les Terminales encadrant alors les Secondes, dans la forme comme dans le fond du raisonnement) et de différentes sections (le savoir-faire de chacun est un plus, les élèves des filières S, ES, STI et de l’enseignement professionnel ayant des qualités différentes).

Ainsi, l’atelier vise à :
- Montrer que les mathématiques sont partout.
- Développer l’autonomie
- Travailler en équipe
- Utiliser les Sciences, dont les Mathématiques
- Développer la culture du questionnement
- Acquérir de la confiance en soi, ne pas avoir peur de l’échec.

Fonctionnement d’une séance

Les élèves se sont divisés, selon les intérêts et compétences de chacun, par cercle de travail. Ces groupes de travail ne sont pas pour autant fixes et peuvent très bien évoluer au cours des séances, se mouvant alors avec les demandes et besoins de chaque groupe. Lors d’une séance, un élève de STI est venu raconter à certains élèves des expériences faites lors de ses cours et expliquer les points utiles à prendre pour le travail de cette année – mais il ne maîtrisait pas toutes les notions. C’est pourquoi, il a demandé à certains élèves de l’enseignement Professionnel et à des Terminales de l’enseignement Général de l’aider en mettant leurs connaissances à profit. Afin de vérifier que leurs explications étaient claires, ils ont présenté leurs travaux aux élèves de Seconde de l’atelier. C’est ce partage de savoir-faire qui crée l’atmosphère d’entraide au cœur de la « communauté scientifique junior ».

Les lycéens sont actifs et travaillent de manières diverses pour que leur projet aboutisse : certains font des algorithmes, d’autres des programmes, d’autres encore travaillent sur tableur. Une partie des élèves fait aussi des recherches et une autre s’occupe de la communication de la « communauté », c’est-à-dire qu’elle travaille à la diffusion de l’avancée des travaux sur Facebook (Atelier scientifique Vilgenis), Twitter (@atsvilgenis) et sur le site Internet.

http://ats2016vilge.wixsite.com/ateliersiencesvilge

Les enseignants ont un rôle spécifique, mais différent de celui qu’ils tiennent en cours. De manière imagée, on peut dire qu’ils sont les catalyseurs et les chefs d’orchestre tout à la fois. Ils permettent également à chacun de trouver sa place dans le groupe.

Sujets traités et choisis par les élèves

- 2011-2012 : Peut-on modéliser les relations proies-prédateurs ?

- 2012-2013 Faut-il tuer les requins à La Réunion ? Pourquoi les perruches se développent en Ile de France ?

- 2013-2014 Propagation de dengue en France métropolitaine.

- 2014-2015 Contamination d’un champ de maïs par un autre champ de maïs.

- 2015-2016 Gulf Stream et réchauffement climatique : influences sur L’Europe.

- 2016-2018 Étudier les énergies renouvelables afin de trouver le mix énergétique le plus adapté au lycée et rendre 2 salles de classes autonomes en énergie.

Ces dernières années les élèves ont participé à plusieurs concours et remporté plusieurs prix en sciences (Quintésciences, Faites de la Science au niveau académique, C’est Génial – un second et un premier prix nationaux, finalistes du Prix Education « Mon projet scolaire pour l’environnement et le climat ») dont un en mathématiques (2nd prix Trophée Shannon). Je suis très fier qu’ils aient été primés lors d’un tel concours, les mathématiques étant l’essence première du travail de l’Atelier.

Les élèves ont été invités à présenter leurs travaux à l’IHP (2014, 2015, 2016) et à Jussieu (2016) à l’occasion de la Fête de la science et au forum des mathématiques vivantes au 104 (2015) à l’occasion la clôture de la semaine des mathématiques.

Usages du numérique dans le cadre de l’atelier scientifique

Descriptif chronologique des usages du numérique à partir du travail sur la contamination d’un champ de maïs par un autre.

A) Utilisations de logiciels, programmes, vidéos.

  1. Un questionnaire a été réalisé sous Google Drive. Nous avions pensé utiliser Lillie notre ENT, mais nous aurions été limité quant au panel que l’on pourrait atteindre en France comme à l’étranger.
    Une fois les données Google Drive récupérées, elles ont été traitées via Excel.
    Attention : il s’agit d’un document de travail d’élèves, ce qui explique l’absence de présentation.
    Excel - 708.5 ko

    voir le fichier ci-contre :
    questionnaireOGMlyceens 72702 resultats colonne V.

  2. Pour semer notre maïs nous avons réalisé un plan sous géogebra, logiciel que nous utilisons régulièrement en classe.
    geogebra - 2.4 ko

    voir le fichier champ 3 disponible ci-contre.
    Attention à l’ouverture, le repère est décalé.

  3. Les mesures des hauteurs de chaque plant ont été réalisées régulièrement (voir le fichier : tableau mesure plante), le tableur a servi à stocker les données avant de les traiter. Moyenne, médiane……
  4. Nous avons utilisé Geogebra afin de déterminer quelle représentation graphique de fonctions semblait passer au plus proche des points moyens.
    geogebra - 4.9 ko

    voir le fichier ci-contre : Croissance courbe copie

  5. Puis nous avons réalisé une animation de la croissance des plants sous GeoGebra avant de faire un programme en langage C
    Vidéo du premier programme :
     https://www.youtube.com/watch?v=LZvQpPt09ro
    Un programme en Java a été réalisé par la spécialité ISN de TS.

B) Internet et réseaux sociaux

En parallèle, nous avons réalisé un blog (https://ats20142015.wordpress.com) afin que tout élève de l’atelier ait accès aux informations de l’atelier bien qu’à chaque séance nous fassions un bilan oral du travail de chaque groupe. Cette année (2017) nous avons essayé de stocker nos travaux via Trello, mais l’ensemble du groupe ne parvient pas à utiliser cette « plateforme ». Elle ne semble pas convenir à l’atelier composé d’élèves de classes et sections différentes et de culture numérique différente. Nous n’en sommes donc pas très satisfaits. Je n’ai pas encore trouvé comment amener les élèves à l’utiliser régulièrement.

Seuls 4/25 l’utilisent. Pour compenser cela à chaque fin de séance, je fais un mail collectif.

Cette année-là, nous avions une jeune fille de ES qui veut devenir journaliste. Nous lui avons laissé gérer la communication (sous mon regard plus ou moins éloigné). Elle a obtenu que le Parisien et le journal de Massy publient un article sur l’Atelier..

Comme nous avions un blog pour retracer l’aventure avec le maïs (voir plus haut) nous nous sommes dit que les réseaux sociaux manquaient à notre panel.

Nous avons créé une page Facebook à partir d’un compte. Elle permet aux parents, aux lycéens et aux jeunes chercheurs qui travaillent avec nous de suivre l’avancée de nos travaux. Nous avons échangé avec FondationCgénial, IHP, LMD,….

Twitter nous permet de communiquer rapidement sur les données météo de notre station et d’avoir des réponses à de petits questionnaires, mais nous n’arrivons pas encore à obtenir un nombre significatif de réponses. Cela permet toutefois une visibilité.

Cela permet aussi d’échanger avec des sites de mathématiques et de savoir ce qui se fait un peu partout. Cela nous oblige à faire des tweets en anglais.

Pour finir, nous avons réalisé une vidéo afin de maîtriser un autre vecteur de communication. (https://www.youtube.com/watch?v=kehGAMoPLqU&t=39s)

La stratégie (Excel, programme, vidéo) se retrouve aussi dans nos projets antérieurs : relation proies prédateurs, dengue, Gulf Stream et données météo.

Deux exemples pour illustrer les travaux réalisés

Je vais vous présenter de façon détaillée deux des six thèmes abordés par les élèves.

- Contamination d’un champ de maïs par un autre (2014/2015)
- Données météo et énergies renouvelables (2016/2018)

Pour présenter ce travail, j’ai décidé de mettre les écrits des élèves, simplement relus et mis en page par moi-même.

Chaque exemple est précédé d’une présentation rapide puis présenté grâce aux écrits des élèves.

Premier exemple : contamination d’un champ de maïs par un autre

Une simple question d’élèves de l’atelier : « Pourquoi avons-nous peur des OGM ? » a donné un sens à un travail de 15 mois. Cette question s’est vite transformée en « une contamination est-elle possible ? »

Voir une vidéo de présentation

Nous avons donc semé des grains de maïs dans le parc de notre Lycée, observé la récolte, modélisé la contamination et comparé nos modèles aux résultats du champ.

Derrière tout cela se trouvent des maths : Réaliser un plan pour repérer les plants de maïs.

Comme nous avions plus de 100 plants, nous avons mesuré régulièrement la dimension de ceux-ci. Il y a donc des statistiques sur un grand nombre de données.

Les élèves voulaient voir voler un grain de pollen pour comprendre quelles fleurs femelles allaient être fécondées. Ils ont compris que cela ne servait à rien, qu’il s’agissait en réalité d’un problème de probabilité.

Pour la modélisation ils ont choisi de travailler avec une figure usuelle : le triangle équilatéral. (algorithme codé avec algobox).

Ils ont aussi réalisé un questionnaire, auquel 1 400 français et 400 européens ont répondu.

Voir le compte-rendu de cette expérience par les élèves

Introduction :

Nous, élèves de l’atelier scientifique du lycée Parc de Vilgénis, nous sommes demandés s’il fallait avoir peur des OGM. L’une des craintes liée aux OGM est la contamination d’un champ par un autre. Nous avons cherché à savoir si cela était possible et dans quelle proportion. Différentes idées nous sont apparues mais une difficulté s’est imposée à nous : les OGM sont interdits en France. A partir de ce moment, nous avons voulu savoir comment observer cette contamination.

Nous avons donc contacté des chercheurs de l’INRA : Frédérique ANGEVIN et Christian LANNOU, qui nous ont aidés et avec qui nous avons échangé depuis le mois d’avril 2014.

1 - Quelques informations sur le maïs

Nos expériences impliquent les allèles du gène qui caractérise la couleur du fruit. Une partie de nos graines allait produire un maïs blanc tandis que l’autre partie produirait un maïs jaune. L’allèle codant pour le maïs jaune est dominant et toutes les graines sont de lignées pures, c’est à dire homozygotes pour le gène considéré.

On quantifiera l’importance de la contamination du blanc par le jaune en comptant le nombre de grains jaunes dans le blanc.

Le voyage du pollen jusqu’à l’inflorescence femelle se fait grâce au vent. Porté par le vent, le pollen se pose sur un stigmate (très long, appelé « soie » chez le maïs. Le tube pollinique germe alors dans la soie permettant aux noyaux d’atteindre le sac embryonnaire. Là, la fécondation d’un gamète mâle avec une ovule donnera naissance à un embryon, tandis que la fécondation de l’ovule et de la gamète mâle restante constituera l’albumen de la future graine : sa réserve nutritive.

2 - Protocole champ de maïs :

Nous avons donc décidé de semer du maïs dans notre lycée mais ce n’est pas si facile que ça en a l’air.
Nous avons cherché un terrain assez grand et bien orienté. Le vent dominant étant SO – NE. Il fallait trouver du maïs jaune et du maïs blanc dont on est sûr qu’il est homozygote. Notre limite est notre maïs blanc, nous avons 500 graines, le jaune est en quantité suffisante. Cette quantité semble suffisante pour réaliser une étude statistique, mais il n’en faut pas trop pour que l’on puisse récolter toutes les données  : plus de 600 graines sont plantées.
Déterminer la distance entre chaque futur pied de mais (Nous voulions espacer les graines de 80 cm dans une même rangée pour des raisons géométriques, nos rangées étant séparées de 80 cm. Nos calculs nous ont montré que 80 cm entre chaque graine étaient beaucoup trop et que 40 cm semblaient plus convenables, mais Frédérique Angevin qui a accepté de nous aider nous a plutôt conseillé de les planter tous les 20 cm afin d’éviter le tallage).
Nous avons laissé 80 cm entre chaque rangée afin de pouvoir biner et arroser.
En espaçant ainsi nos graines nous avions besoin d’environ 30 m, comme nous avons réduit l’espacement à 20 cm, nous avons diminué notre zone d’ensemencement. Trop tard, nous avions déjà retourné 300 m2.

3 – Des mesures durant l’été.

Au cas où notre contamination n’aurait pas lieu, nous mesurons nos plants de maïs régulièrement.

Pour repérer nos plans

chaque pied de maïs est repéré  : A, B, C, D, E pour les rangées de gauche et F, G, H, I, J pour les rangées de droites. Chaque rangée est numérotée en partant de 1 à gauche de la rangée (A1, A2, B1, B2, …)

Nous avons déterminé quelle fonction avait sa courbe qui passait au plus près des points moyens (de nos mesures)

4 – La récolte

- Nous sommes venus pendant les vacances de la Toussaint récolter nos épis.
- chaque pied de maïs est repéré  : A, B, C, D, E pour les rangées de gauche et F, G, H, I, J pour les rangées de droites. Chaque rangée est numérotée en partant de 1 à gauche de la rangée (A1, A2, B1, B2, …)
- on prend sur un pied de maïs blanc un épi (2 si le deuxième a des grains)
- on compte le nombre de grains jaunes qu’il y a dans l’épi blanc
- on range l’épi dans un sac en papier
- on inscrit sur le sac le nom du pied sur lequel on a pris l’épi et le nombre de grains jaunes
- on répète l’opération jusqu’à qu’il n’y ait plus d’épis sur les plants issus d’une graine blanche

Nous avons trouvé des grains jaunes dans nos épis blancs, la contamination a eu lieu, dans des proportions de 30% sous le vent à plus de 2 m des maïs jaunes.

5 - La modélisation commence

En visitant notre champ à la fin de l’été, on a essayé d’imaginer comment se déplacerait le pollen avec le vent.

Comme notre champ est bordé d’arbres au nord, le vent ne peut se déplacer dans tous les sens, on a considéré qu’il était canalisé.

Nous avons visualisé notre pollen sur le sol, donc un disque.

Notre première idée a été d’imaginer notre pollen se déplaçant essentiellement dans le sens du vent et un peu dans le sens contraire et de manière négligeable sur les côtés.

La première idée a été d’imaginer que de la source à l’extérieur nous avons une gaussienne.

La seconde idée a été un gradient décroissant du centre vers l’extérieur.

6 – Diverses idées.

Nous voulions voir voler un grain de pollen. Comme cela n’était pas financièrement possible, il nous a fallu réfléchir.

a) Nos expériences avec la craie

Notre première idée a été d’utiliser de la craie comme substitut à notre grain de pollen.

On peut rendre la craie aussi petite que l’on veut. Si on prend de la craie colorée on peut mieux la distinguer.

Expériences

- On place un ventilateur sur une chaise
- On place un tas de craie sur la table à 1m du ventilateur
- On place le détecteur de pollen à 1m du tas de craie
- On allume le ventilateur

Résultat  : La craie ne décolle pas

 

- On rapproche le ventilateur et le détecteur du tas de craie.

Résultat  : La craie ne décolle pas

- On suppose que la craie est humide, pour remédier à cela on a stocké la craie dans une enveloppe.

- On place un tas de craie avec des morceaux sur la table à 1m du ventilateur

Résultat  : La craie décolle

- On place un tas de craie avec des morceaux encore plus petits sur la table

Résultat  : La craie ne décolle pas

- On place un tas de craie avec des morceaux encore plus petits sur la table

Résultat  : La craie décolle, mais nous ne visualisons rien avec la caméra.

- On recommence avec une soufflerie plus puissante (10 m/s) : Voir photo ci contre

b) Seconde tentative avec des billes de polystyrène

La craie ne correspond pas à nos attentes nous cherchons un autre substitut. De la taille du millimètre, les billes de polystyrène nous semblent convenir.

Expérience :

- Bâche claire au pied du ventilateur pour récupérer les billes plus facilement.
- Nous avons cependant remarqué que les billes ne ressortaient pas assez sur le mur clair de la salle, nous avons donc utilisé une personne porteur d’un manteau noir debout devant le mur face à la caméra pendant le lâcher des billes car nous ne voyions pas les billes à la caméra
- Ventilateur (modélisation du vent) dont nous avons mesuré la vitesse. 1,5 m/s ; 3 m/s et 4 m/s
- Billes de polystyrène (modélisation du pollen) de1 mm de diamètre et de 0,5 mg.
- Fonction Caméra de notre appareil photo placé de sorte qu’on voie les billes de polystyrène tomber.
- Nous avons lâché les billes de polystyrène devant le ventilateur réglé à trois vitesses différentes tout en filmant.
- Puis nous avons compté le nombre de billes tous les 20 cm à partir du ventilateur tout en les ramassant, ce qui était la partie la plus longue du travail.
- Complété des tableaux pour comparer ultérieurement les résultats des trois lancers.

c) Interprétations et critiques 

Craie

Interprétation :

- Selon la taille, la poussière de craie arrive a s’envoler
- Quand les morceaux sont assez gros ils s’envolent
- Quand on réduit la taille des morceaux ils ne s’envolent pas
- Quand on réduit encore la taille des morceaux, ils s’envolent
- Nous avons constaté que plus on s’éloigne de la source, moins il y a de craie.

Critiques :

- Cependant, nous ne pouvons évaluer la quantité, il faudrait la peser. Or cette quantité est trop difficile à ramasser et à peser.
- Notre ventilateur a peu de portée, il ne représente que partiellement le vent.

Polystyrène :

Interprétation :

- Il n’y a pas de bille à côté du ventilateur, elles sont emportées par le vent.
- Quand le vent a une vitesse plus élevée, les billes sont emportées dans un courant d’air sur une distance plus importante.
- Trajectoire  : La dernière partie correspond à une situation de vent nul avec la bille lancée à une vitesse V0, la trajectoire est une parabole.

Critiques :

Cependant, cette expérience a des défauts car
- Nous avons laissé tomber le polystyrène devant le ventilateur allumé alors que le pollen est naturellement posé sur les fleurs mâles du panicule sur le maïs lorsqu’il est emporté par le vent, ce qui n’était pas faisable car il aurait fallu poser 1500 grains de polystyrène un par un et allumer le ventilateur ce qui aurait été trop long.
- Le polystyrène est plus gros que le grain de pollen, notre modèle est-il le bon ?
- Le « vent  » créé par le ventilateur est un tourbillon et non un vent de flux homogène et ne porte pas assez loin.

7 – On met les mains dans la physique

a) sans frottement

b) avec frottements

8 - Nos modélisations

- Nous avons modélisé avec Algobox (voir ci-contre) le lancer de 100 000 grains de pollens avec un vent variant de 0 à 10 m/s et un angle de départ du grain de pollen variant de -1,5 à 1,5 radian. Nous avons utilisé nos formules sans frottements. Cela nous a donné une courbe ressemblant à celle que nous avons lu dans différents travaux de l’INRA.
- A partir de ces résultats nous avons essayé de voir si nous retrouvions les résultats de notre champ. Nous allons supposer que la fécondation a lieu dans 50% des cas.

9 - Poursuite de la modélisation

On suppose que le vent n’est dirigé que dans le sens sud ouest, nord est.

Le pollen est émis sur un secteur circulaire de 60°

On va séparer le secteur circulaire en un triangle et des trapèzes. (Afin de ne pas être dérangé par pi) On supposera que sur chacune de ces zones, les grains de pollen sont répartis uniformément.

On veut déterminer la quantité de grains de pollen que reçoit chaque fleur femelle en fonction de sa position dans le champ. On suppose que chaque plant de maïs a une fleur femelle dont la zone réceptrice est de 5 cm².

Nous allons remplir nos zones de fleurs virtuelles et nous saurons combien de grains de pollen reçoit chaque fleur de la zone.

Le comptage effectué à partir de notre modèle correspond assez bien à celui de notre champ.

10 - Comparaison de nos travaux avec les résultats de la récolte

Les séries 1 à 4 correspondent à nos modèles et 5 à 8 à nos résultats récoltés sur le champ le 17 octobre.

Les résultats sont semblables, nos premières modélisations nous encouragent, nous essayons de les améliorer.

Comme les grains de pollen sont émis à certains moments de la journée, nous allons essayer d’appliquer les vents relevés à ces périodes là pour affiner notre travail.

Conclusion

Ainsi, pour modéliser la contamination, nous pensions qu’il était nécessaire de voir voler un grain de pollen, néanmoins nous avons réalisé que cela n’était pas indispensable à notre travail. Ce sur quoi nous nous focalisons est la dispersion des grains de pollen. Pour réaliser nos calculs, nous avons dû simplifier le vent en le rendant uniforme mais nos programmes nous ont finalement permis de le rendre aléatoire.

Ce travail nous a donc permis de passer de la théorie à la pratique (notre champ) et de retourner à la théorie afin de vérifier les résultats obtenus avec l’expérience de la pratique.

A l’aide du comptage des grains de maïs que nous avons effectué, nous avons pu observer que la contamination était possible et importante, nous sommes en droit de nous poser des questions sur les OGM et sur la peur qu’ils produisent.

Deuxième exemple : données météo et énergies renouvelables

L’Atelier veut déterminer quel mix énergétique permettrait d’équiper de façon autonome les salles que nous utilisons. Pour cela il nous fallait connaître les données météo de notre Lycée. Nous avons pu les collecter à l’aide d’une station météo prêtée dans le cadre du projet : « Météo à l’Ecole ».

Voir une vidéo de présentation

Rapidement, en plus des questions énergétiques qui nous ont amenés à créer nos propres éoliennes (travail en cours), nous nous sommes posés des questions très mathématiques : Peut-on prévoir la température de demain à partir des seules données de notre station ? Peut-on réaliser des prévisions sur la France ? Pour y répondre, nous avons réalisé un maillage de la France en 25 carrés... travail qui nous a amenés à participer au prix Shannon.

Voir le dossier réalisé par les élèves sur ce second thème.

Ce dossier présente le travail des élèves de l’Atelier Scientifique du Lycée Parc de Vilgénis. L’Atelier se compose d’une vingtaine d’élèves, de tous niveaux, de l’enseignement général, technologique et professionnel.

Notre travail de l’an dernier sur le Gulf Stream (GS) et sur l’impact du réchauffement climatique sur celui-ci nous a amenés à nous intéresser plus amplement à la question du changement climatique... à savoir comment trouver des solutions pour lutter contre celui-ci, et devenir de véritables acteurs.

PARTIE I - Réalisation d’un questionnaire 

Nous avons tout d’abord réalisé un questionnaire, un Google drive , pour connaître l’opinion publique sur le réchauffement climatique.

Voici ce que nous avons remarqué :
- Les moins de 15 ans sont les moins convaincus de la réalité du réchauffement climatique alors que les 20-30 ans sont plus conscients de la réalité de ce problème.
- Les personnes ont plus confiance dans la possibilité d’alimenter des logements plutôt que des salles de classe uniquement avec des énergies renouvelables

N.B : Nous sommes conscients des imperfections de notre échantillonnage. Tout d’abord, ne sont pas prises en compte de par le format du questionnaire, toutes personnes n’utilisant que peu ou prou les nouvelles technologies. En ce qui concerne les établissements scolaires, nous ne touchons que ceux qui acceptent de relayer notre questionnaire. Dans ces établissements, nous n’atteignons que les élèves qui acceptent de le remplir.

Questionnaire et résultats : 1000 réponses avec intervalles de confiance

Voir Annexe 1 ci-dessous.

Devant ce scepticisme, nous avons donc décidé de travailler sur deux axes :
- utiliser les données de notre station météo, prêtée par Météo à l’Ecole , afin de tenter de prévoir le temps qu’il fera demain et ainsi mieux comprendre les données de notre station.
- trouver le mix énergétique (éolien, solaire, etc.) le plus adapté à notre lycée afin de rendre nos deux salles de travail autonomes en énergie.

PARTIE II - Données météo et prévisions

I. Locales

a) Pleut-il ?

Nous avons calculé la différence entre la température en période de pluie et le point de rosée du même jour (donnés par notre station) afin de déterminer s’il y avait une corrélation entre les deux.

Les calculs ont été faits avec les données de chaque heure entre le 3 mai 2016 et le 17 novembre 2016, soit 4062 données. Nous avons observé que si la différence entre le point de rosée et la température extérieure était inférieure à 2,735°C, il pleuvait dans la journée (avec une marge d’erreur de 5%).

b) Peut-on faire des prévisions de températures sur notre Lycée ?

On a cherché à prévoir les températures extérieures dans notre lycée à partir des données des jours précédents. Pour cela, on a testé différentes méthodes.

Nos lectures et discussions nous ont amenés à penser que les conditions initiales étaient fondamentales pour nos travaux. Dans chaque modèle testé, on a vérifié si les conditions initiales de nos modèles étaient justes, c’est-à-dire si les données du jour précédant notre jour d’origine correspondaient aux données de notre station. Si c’était le cas nous testions notre modèle sur le jour suivant. Pour savoir avec quelle fréquence notre travail était cohérent, nous avons créé un programme pour chaque méthode utilisée, que nous avons testé un grand nombre de fois. Voici les différentes méthodes auxquelles nous avons eu recours :

Méthode 1

On a commencé par chercher 2 jours parmi toutes nos données où les températures étaient les plus proches possibles sur toute la journée. On a ensuite comparé sur un graphique les températures du jour précédent et du jour suivant dans chacun des 2 jours étudiés.

L’objectif était de vérifier si les températures des jours précédents étaient proches. Si c’était le cas, on pouvait penser que les températures du lendemain seraient proches. On a commencé par tester avec les jours dont on connaissait les températures du lendemain pour vérifier la validité de cette méthode.

On a ensuite cherché 2 autres jours où les températures étaient proches, mais cette fois-ci espacés au maximum d’une semaine.

On a remarqué que les températures étaient assez proches (moins de 3°C d’écart) jusqu’aux environs de midi. Cependant, l’écart entre les températures des 2 jours augmente de plus en plus dans l’après-midi (on obtenait parfois des températures éloignées de plus de 5°C de la réalité).

Conclusion  : Cette méthode n’était donc pas très précise et ne permettait pas de prévoir toutes les températures du lendemain. (Algorithme 1 : voir annexe 2 ci-dessous)

Méthode 2

On veut calculer la température médiane du lendemain.

On a pris une plage de données de températures p de 5 à 7 jours et on a construit un graphique de ces températures. On a ensuite créé une courbe de tendance sur ce graphique.

Le but est de voir si on peut retrouver des données proches de celles du jour précédant la plage p (p-1). Si c’est le cas, on essayera de prévoir les températures du jour suivant la plage p (p+1).

La courbe de tendance est cependant peu précise et ne permet donc pas de prévoir les températures du lendemain.

On a aussi essayé de trouver les milieux des pics sur le graphique afin de créer une courbe de ces milieux pour prévoir les températures médianes de p+1.

Conclusion   : Cette méthode n’est pas utilisable, les milieux varient de façon beaucoup trop aléatoire, on ne peut donc pas prévoir la suite de la courbe (et donc les températures du lendemain).

Méthode 3

On veut calculer la moyenne des températures du lendemain.

On a calculé les moyennes des températures de tous les jours de septembre. On a ensuite pris 5 moyennes consécutives et on a déterminé une fonction polynôme f de degré 4 qui à 0 associe la première moyenne, à 1 associe la deuxième, etc. jusqu’à 4.

On a ensuite calculé l’image de 5 par f (moyenne de la température du jour suivant).

Conclusion  : On a parfois trouvé des valeurs proches de la réalité, mais aussi parfois très éloignées. Cette méthode n’est donc pas assez précise.

Méthode 4

On a réessayé avec des polynômes de degrés plus élevés à l’aide d’un programme qui calcule la valeur recherchée (polynôme de degré 5). (Algorithme 2 : voir annexe 3 ci-dessous).

La fonction étant d’un degré impair, elle tend vers moins l’infini en moins l’infini et vers plus l’infini en plus l’infini. Les données que l’on trouve sont donc beaucoup trop éloignées de la réalité (on trouve parfois 180°C). Les abscisses de nos points sont aussi trop éloignées les unes des autres : si elles étaient plus proches, on trouverait peut-être des valeurs plus proches de la réalité.

On a réessayé avec un polynôme de degré 6. Le coefficient que nous avons trouvé est négatif, la fonction tend donc vers moins l’infini en moins l’infini et vers moins l’infini en plus l’infini. Les températures trouvées sont donc beaucoup trop froides (parfois inférieures à -30 000°C).

On essaye actuellement de trouver une autre forme de fonction, avec un cosinus (par exemple : cosinus*polynôme).

Conclusion  : À ce jour pas de résultat, nous n’abandonnons pas l’idée pour autant (Vidéo d’approximation de la fonction sinus par des fonctions polynômes)

N.B : Nos différents calculs pour trouver la température du lendemain sur notre lycée peuvent sembler aberrants. En effet, la température dépend de multiples autres facteurs (pression, vent, pluie … ) que nous n’avons pas pris en compte dans nos calculs. Cela nous a cependant permis de nous rendre compte de l’importance de ces facteurs. Nous avons donc décidé de les étudier, à l’échelle de la France.

II. Nous voulons prévoir le temps qu’il fera sur différentes régions

a) Découpage de la France 25 carrés

Nous avons pour objectif de repérer un phénomène climatique (variations remarquables de précipitations, de températures, de pression) sur la France métropolitaine pour ensuite essayer de le suivre et comprendre d’où il vient et où il va.

Nous inspirant de notre travail de l’an passé sur le Gulf Stream, nous avons divisé la France en carrés de 200 km de coté. Pourquoi 200 et pas 100 ? Cela ferait trop de zones à étudier. Nous sommes arrivés à une carte divisée en 25 carrés. (Algorithme 3 : voir annexe 4 ci-dessous)

On s’intéresse à trois données principales : températures (extérieures), précipitations, pression. Nous avons pour chaque zone (carré) une station associée et il y a 21 zones sur 25 qui contiennent une station météo. Dans les limites du possible, il faudrait programmer une carte de la France, où, pour chaque zone, les 3 données s’affichent dans la zone (de différentes couleurs) en fonction de l’heure. Pour chaque heure, trois données s’affichent par zone. On arriverait donc à 63 données en tout pour chaque heure. On donne les villes comportant des stations météo et les zones auxquelles elles correspondent. Nous avons associé une station par zone pour plus de facilité, bien qu’il y ait plusieurs zones contenant plus d’une station. On recueille les données sur une journée.

Ensuite, on a émis l’hypothèse qu’il y avait une relation entre la variation de la pression et un événement climatique. Nous nous sommes donc intéressés à un seul événement climatique : les variations de précipitations cumulées sur un temps donné. Lorsque nous remarquons dans une région la présence de ce phénomène à une heure donnée H, nous observons les zones adjacentes deux ou trois heures plus tard, afin de savoir si l’élément climatique est présent. Si oui, on observe la pression des deux zones, afin de savoir si le phénomène de dépression s’est produit.

Les premiers travaux ont été réalisés à la main par groupe de 4 à 6 en faisant des recherches sur les sites. Une fois que notre compréhension a évolué, nous avons utilisé un tableur.

b) Prévision de température 

Nous voulons être capables de prévoir avec une heure d’avance la température d’un endroit donné en France.

Pour notre calcul, nous n’avions besoin que de 5 zones. Nous avons donc récolté les données de température, d’origine et de vitesse du vent dans 5 zones disposées de telle manière qu’une zone se retrouve entourée à sa droite/gauche/haut/bas. Les informations venant des zones diagonales ne nous intéressent pas, car nous projetons nos vitesses, nous ne les avons donc pas utilisées.

Nous devions tout d’abord convertir nos données en mètres et secondes (unités du système international). Mais nous avons néanmoins gardé les degrés Celsius (il s’agit d’une différence, ce n’est donc pas la peine de convertir en degrés Kelvin).

Nous voulions savoir comment la quantité de flux de matière se déplaçait des zones externes vers la zone centrale.

Nous avons alors calculé la moyenne des températures et des vitesses du vent de la zone centrale et celles des zones externes lorsque leur vent avait un impact direct ou indirect sur la zone centrale.

Vocabulaire

Pour avoir la température dans la zone du centre ( i  ; j ), on utilise la formule de la conservation de l’énergie, en négligeant les phénomènes de propagation de l’énergie (car ils sont lents).

On a tout d’abord émis l’hypothèse que les variations de température, à pression atmosphérique (locale) constante, ne sont dues qu’aux déplacements des masses d’air (vitesses des vents). Pour cela on considère que l’air transporte avec lui la quantité d’énergie (interne, thermique) qui correspond à sa température.

Le résultat trouvé est donc une variation de température subie par la zone centrale provenant des zones externes.

Nos résultats ne sont pas satisfaisants, nos hypothèses de travail sont trop fortes. Nous devons retravailler cela. (Algorithme en cours de réalisation)

PARTIE III – Energies renouvelables

I. Energies solaires

a) Consommation de nos salles

A partir de la station météo de Paris, car la nôtre est trop récente pour nous donner des mesures sur un laps de temps suffisant, on mesure tout d’abord les radiations reçues par m2 en 1 an.

Consommation (en W)
Ordinateur (unité centrale + écran) 110 22 2420 8 19360
Lampe 18 72 1296 8 10368
Projecteur 275 2 550 8 4400
TOTAL 4266 34128

Ensuite, nous avons cherché à calculer la consommation électrique de nos 2 salles, en observant les différentes consommations du matériel. Arrivant à des résultats aberrants, nous avons mesuré cette consommation avec un wattmètre. Ainsi, nous avons pu déterminer la consommation réelle de la salle.

Parallèlement, nous avons participé aux TP de la section STI2D, afin de trouver la production électrique d’un panneau photovoltaïque.

Après avoir récolté les données météo pendant l’automne, on a calculé le nombre de panneaux nécessaires à l’alimentation de la salle. Nous sommes arrivés à un résultat de 150m² de panneaux. Cela nous semblait beaucoup trop important, d’après nos lectures et nos discussions avec des professeurs de physique.

Nous avons donc décidé de n’utiliser que 50m², dans le but de déterminer un mix. Nous avons calculé combien de temps nous pourrions alimenter les salles en étudiant la consommation moyenne de chaque salle.

Hypothèses  : nos salles sont occupées de 8 à 12h et de 14 à 18h, nous disposons de 50m² de panneaux photovoltaïques d’une puissance de 150 Wc.

a) Nous déterminons le nombre d’heures durant lesquelles nous pouvons faire fonctionner nos salles en autonomie : 30% du temps (en heures pleines).

b) Nous utilisons une batterie de 10kW pour stocker et faire tampon et nous comptons combien de minutes par an notre salle est autonome. Nous arrivons environ à 60% du temps (minutes pleines).

Remarque  : Nous avons besoin pour nos calculs de tenir compte de la température de notre panneau photovoltaïque. Ne pouvant la mesurer, nous l’avons assimilée à la température extérieure.

b) Travail avec les panneaux photovoltaïques 

On a cherché à savoir ce qu’on pouvait produire avec notre panneau photovoltaïque. Pour cela, nous avons mesuré la tension à ses bornes avec une carte d’acquisition et nous l’avons comparée aux radiations solaires reçues au sol, mesurées par notre station météo. On a remarqué qu’il semblait y avoir une liaison entre ces deux paramètres.

Pour vérifier cette hypothèse, on a refait la même expérience avec une batterie et des résistances. En comparant nos résultats avec les radiations solaires, nous avons pu confirmer qu’il y avait bien une corrélation entre la tension aux bornes de notre panneau et les radiations solaires reçues au sol.

Cette expérience nous a aussi permis de calculer une intensité et donc de déterminer la puissance produite par notre panneau. (Photos et courbes : voir Annexe 5 ci-dessous)

II. Eolienne

a) Eolienne classique

Par ailleurs, nous avons étudié l’énergie éolienne. Nous avons donc réalisé une première maquette, celle de l’éolienne Darrieus, à axe vertical (première version en carton). Nous avons vite compris que son rendement serait trop faible et nous nous sommes donc dirigés vers l’éolienne Panémone. Cette dernière est à axe vertical, mais nous avons décidé de la renverser sur un axe horizontal afin d’améliorer son fonctionnement. Ensuite, nous avons réalisé plusieurs tests sur cette maquette pour déterminer sa production. (voir Annexe 6 ci-dessous et la vidéo intitulée « Montage Eolienne » disponible que Youtube

Nos protocoles ne sont pas satisfaisants, le vent qui entraine notre éolienne n’est pas homogène sur la largeur de notre éolienne. Nous devons améliorer cela.

b) Micro ou mini-éolienne

Partant du principe qu’il sera difficile d’installer de grandes éoliennes (pour des raisons de droit), nous nous intéressons aussi aux micro-éoliennes.

Nous avons fabriqué des micro-éoliennes, sous forme d’hélices pour le moment, avec un nombre de pales différent. Après leur fabrication par notre imprimante 3D, nous les testons pour savoir à quelle vitesse chaque modèle tourne : nous partons du principe que plus les hélices tournent vite, plus elles pourront produire d’énergie. Ainsi nous cherchons pour le moment à déterminer quel modèle d’hélice (avec 2, 3, 4, 6 ou 8 pales) peut produire le plus d’énergie. Ensuite nous chercherons à déterminer quel moteur est le plus adapté pour être placé derrière nos éoliennes selon la vitesse de rotation de celles-ci. (Hélices et imprimante 3D : Annexe 7)

Cette idée nous est venue d’une installation similaire que nous avions trouvée sur Internet : il y avait un grand nombre de petites éoliennes de toutes les couleurs reliées entre elles par des engrenages, ce qui permettait de produire le plus d’énergie possible. Le côté coloré et original du projet nous a tout de suite plu, car étant dans un lycée et voulant placer des éoliennes à la vue de tous, le rendu esthétique avait une place importante dans nos critères.

Expérience

Matériel

- pied de l’éolienne
- écrou
- éolienne(s)
- ventilateur
- tachymètre
- marqueur rouge
- anémomètre

 

Protocole

- Installer le tachymètre face au pied de l’éolienne.
- Installer l’anémomètre.
- Faire un point bien visible au marqueur rouge sur une des pales de l’éolienne qui sera face à la caméra.
- Insérer l’éolienne sur le pied et la fixer avec l’écrou.
- Placer le ventilateur face à l’éolienne (à côté de la caméra).
- Allumer le ventilateur et la caméra.

Réalisation

On réalise nos premiers essais avec des hélices de 2, 4 et 6 pales :

- Nous utilisons un tachymètre pour mesurer la vitesse de rotation de nos hélices. Quand la vitesse du "vent" augmente, les hélices se bloquent. Il faut revoir le système de fixation sur le pied.

Après avoir résolu ces problèmes, on a refait des tests.

- Le vent créé par le ventilateur ne dépasse pas 4 m/s. L’hélice à 4 pales semble plus efficace que celle à 6 pales. Nous n’avons cependant pas assez de mesures pour conclure.
- La forme des pales doit intervenir.

Résultats 

- La réalisation de l’hélice à 8 pales nous amène à faire de nouvelles mesures.

Nous avons 80 mesures à ce jour (Photos micro éoliennes et montage : Annexe 8).

- Les écarts entre les différents types d’hélices sont trop faibles pour être interprétés. Il nous faut tester les hélices avec des vents supérieurs à 4 m/s.

Un moteur sur nos hélices

Nous avons trouvé un moteur électrique fonctionnant dans des tours semblables à ceux de nos hélices. Cela fonctionne bien, quelques 200 mV produits, mais nous ne sommes pas satisfaits de notre vent expérimental produit par un ventilateur.

Nous avons refait les expériences avec un sèche-cheveux et mesurons l’intensité en mA produite.

Observations sur plus de 90 mesures  : Pas de mesure en dessous de 2m/s (nous comptons améliorer cela en améliorant la stabilité des hélices sur l’essieu).

Résultats

L’éolienne à 2 pales atteint rapidement un maximum de puissance, celle à 8 pales est lente à se mettre en route.

N.B  : Nos travaux ne sont pas assez précis pour choisir entre les autres modèles d’éoliennes.

Nous poursuivrons nos travaux avec les éoliennes à 3, 4 et 6 pales.

Travail à venir avec nos micro-éoliennes

Nous allons augmenter la profondeur des hélices afin d’incliner davantage les pales. Nous relierons ces éoliennes avec un engrenage qui nous fera perdre de l’efficacité par frottement mais amènera de la stabilité. Cela permettra que toutes les éoliennes tournent même si elles ne sont pas toutes exposées de la même façon au vent.

Nous aborderons dans les semaines à venir les questions suivantes :

- Où mettre l’engrenage ? à l’extérieur, au milieu, à l’intérieur ?

- La position des micro-éoliennes les unes par rapport aux autres aura-t-elle une influence ?

- La présentation de gauche est-elle plus efficace que celle de droite ?

- Que se passe-t-il si on place une éolienne 2 pales au milieu d’un ensemble de 4 pales ?

Une fois que nous aurons établi la production de nos micro-éoliennes, on refera nos calculs de l’autonomie de nos salles en y ajoutant les résultats mesurés.

III. Economies

Plutôt que produire plus, nous avons aussi pensé diminuer nos besoins en énergie. En effet, cela nous paraît primordial pour notre projet. Nous pensons donc remplacer les lampes de nos salles par des LEDs. D’après nos calculs théoriques, cela nous permettrait de réduire notre consommation d’environ 700W, ce qui n’est pas négligeable.

On pense aussi à récupérer les 3°C produit par la chaleur de nos ordinateurs.

Nous espérons également que notre projet ait un impact sur le comportement éco-citoyen de notre lycée (lumière et vidéo qui restent allumés).

Conclusion 

Nous pensons, dans les mois qui viennent, pouvoir établir l’efficacité de notre projet. Nous espérons que cela aura un effet positif sur le comportement éco-responsable des élèves et des enseignants.

Annexes du second exemple

1

Questionnaire Energies Renouvelables. Atelier Scientifique de Vilgénis

Le projet de l’année consiste à déterminer quel mix énergétique est le plus adapté afin de rendre autonome en énergie les salles dans lesquelles l’Atelier travaille.

Le questionnaire comporte 6 questions.

Indiquez votre âge, nationalité, sexe

1) Le réchauffement climatique est-il une réalité selon vous ?

1 étant le moins convaincu et 5 le plus convaincu.

2) L’utilisation d’énergies renouvelables vous semble-t-elle être la principale solution face au réchauffement climatique actuellement ?

Oui Non Ne se prononce pas

3) Selon vous, quelle énergie renouvelable a le plus d’avenir dans votre pays ?

Eolien Géothermie Solaire Autre

4) D’après vous, est-il possible d’alimenter des logements avec des énergies renouvelables uniquement ?

Oui Non Ne se prononce pas

5) D’après vos connaissances, peut-on rendre des salles de cours indépendantes en énergie ?

Oui Non Ne se prononce pas

6) Si oui, comment ? (question ouverte)

2

ALGORITHME 1

[a] = tableau des températures d’hier //

[b] = tableau des températures d’aujourd’hui

[a]’ = [a]+42 //[a]’ contiendra le tableau des températures du jour similaire à aujourd’hui

[b]’ = [b]+42 //[b]’ contiendra le tableau des températures du jour précédant le jour similaire à aujourd’hui

j = aujourd’hui // variable qui contient la date du jour similaire à aujourd’hui

//Boucle qui permet de chercher la date d’une journée passé similaire à aujourd’hui telle que la veille du jour similaire soit similaire à la veille d’aujourd’hui

Tant que ([b]- [b]’) n’est pas dans [-2 ;2]

 Tant que ([a]- [a]’) n’est pas dans [-2 ;2]
 j = j-1

 [a]’ = température du jour j

 fin tant que
 [b]’ = température du jour j-1

fin tant que
Afficher "il est probable qu’il fasse " Température du jour j+1 "°C demain"

3

ALGORITHME 2

Initialisation
i,j = entiers //deux variables permettant de parcourir des tableaux

n = dimension du système +1

A = une matrice de taille n //Pour stocker la partie fonction de l’équation

B = un vecteur de taille n //Pour stocker la partie résultat de la fonction de l’équation

X = vecteur stockant les inconnues x

T = température de test

H = heure du test

ASCII = un char //Pour afficher les inconnues

Asci = entier //Pour stocker et changer ASCII

Algorithme

Afficher « Polynome du système : »

Saisir n+1

//Saisie des x pour chaque equation dans la matrice A

Pour i = 0 Tant que i < n 

 Afficher « ➔Saisissez l’heure de la i+1eme température »

 Saisir l’heure de la température

 Pour j = 0 Tant que j < n

 A[i][j] =pow(x,n-j-1) //Associe à chaque case j de la ligne i la valeur de la puissance de x par n-j-1 correspondante pour obtenir la première partie de l’équation

 j=j+1

Fin pour
 i=i+1

Fin pour

//Saisie des solution des équations dans B

Afficher « ➔Saisissez les température : »

Pour i = 0 Tant que i < n

 Afficher « Température »(i+1) « = »

 Saisir la température i+1

 I=i+1 

Fin pour

Afficher « Affichage du système : »

Pour i = 0 Tant que i<n

 ASCII = Asci

 //Cette boucle afficher la premiere partie de l’équation i

 Pour j = 0 Tant que j<n

 Afficher A[i][j] « * »ASCII //Affiche le x^(n-j)*inconnue

 Asci++

 ASCII = Asci

 Fin pour

 Affiche la seconde partie de l’équation i

Afficher « = »b[i]

Fin pour

Résolution du système grâce au pivot de Gauss

Affichage de la fonction sous forme f(x) = ax^n + … (a+n-1)x + (a+n)

Afficher « Quelle est la dernière température aux extremums du jour précèdent et a quelle heure ? »

Saisir la temperature T et l’heure h

i = f(h)

//Si la temperature précédente est à peu près bonne, donne la temperature suivante

Si T-i est dans [-3 ;3]

 Alors

 Afficher « De quelle heure voulez-vous connaitre la température ? »

 Saisir l’heure h

 j = f(h)

 Afficher « Il fera probablement »j « °C demain a »h « heure »

 Fin Si

4

Analyse

Le but du programme est d’estimer le lien entre l’arrivée de pluies importantes et une baisse significative de la pression atmosphérique les précédant.

Comme base d’information sur laquelle s’appuyer, nous avons un quadrillage de la zone étudiée qui nous fournit pour chaque case du quadrillage, un relevé horaire des précipitations et de la pression atmosphérique.

Considérant qu’une constante de référence définissant une forte pluie nous a été fournie, nous commençons par recenser l’ensemble des cases avec l’heure associée où le relevé de précipitations dépassera la constante de référence désignée sous le nom de "seuil d’averse".

Le recensement des cases se fera dans un tableau d’entités "averse" qui contiendra toutes les informations caractérisant chacune d’elles. Ce tableau les rangera de manière chronologique.

Après quoi, en parcourant le tableau chronologique, on peut identifier les cases contiguës qui ont reçu une averse avec un "écart de temps" spécifié. La contiguïté est vérifiée par le max des écarts entre les deux abscisses et les deux ordonnées qui ne doit pas dépasser 1, mais doit aussi valoir 1 pour éliminer la superposition des cases.

Ce décalage nous assure une relation de causalité entre la première case arrosée et la seconde. Il faut alors associer les deux averses. Nous obtenons alors une liste chronologique des relations de causalités possibles. On pourra établir d’autres listes de relations de causalité en faisant varier l’écart de temps vers 2 ou 3 heures.

Dans un premier temps, on va étudier la case sensée contenir Bordeaux pour identifier les relations de causalité qu’elle peuple.

Structures de Données  


- Deux tableaux 3 dimensions :

V(x,y,h) : volume de précipitations dans la case (x,y) à l’heure h

P(x,y,h) : pression atmosphérique dans la case (x,y) à l’heure h


- Tableau 1 dimension d’objets structurés Averse

Averse comprend les champs :
X appartient aux entiers positifs

Y appartient aux entiers positifs
H appartient aux réels positifs
V appartient aux réels positifs

- Tableau 1 dimension d’objets structurés Relation Causalité

Relation Causalité comprend les objets :
Averse 1

Averse 2

Pression

- Des constantes :

Seuil d’Averse appartient aux réels positifs

Seuil de Pression appartient aux réels positifs

Ecart de temps appartient aux réels positifs

Procédures proposées

- Recherche des Averses

Compteur_averse = 0

Pour H allant de 0 à 23

Pour X allant de 1 à 5 :
Pour Y allant de 1 à 5 :

//On teste pour chaque cases s’il y a eu une averse, si oui on incrémente le compteur de 1 et on met les coordonnées et l’heure de l’averse dans Averse

Si V(x,y,h) >= Seuil d’Averse alors

Compteur_averse = Compteur_averse +1

Averse (compteur_averse) reçoit x,y,h,V(x,y,h)

Fin si

Fin pour

Fin pour

Fin pour

- Afficher Averse(1) ; Averse(2) ;… ;Averse(Compteur_averse)

- Recherche des Causalités

Compteur_causalité = 0
Ecart_de_Temps = 1 (heure)

//Si il y a causalité entre une averse dans une zone qui se deplace dans une zone proche, on increment le compteur et on rentre les coordonnées du deplacement et la pression dans relation Causalité

Pour i allant de 0 à Compteur_averse – 1 :

Pour j allant de i +1 à Compteur_averse :
Si averse(j).h = averse(i).h + ecart_de_temps et 
maximum ( val_abs ( averse(j).x - averse(i).x) , val_abs (averse(j).y – averse(i).y ) ) = 1 alors : //
Relation_Causalité ( Compteur_Causalité ).averse_1 = averse(i) ,

Relation_Causalité ( Compteur_Causalité ).averse_2 = averse(j) ,

Relation_Causalité ( Compteur_Causalité ).pression
= P(averse(j).x,averse(j).y,averse(j).h – ecart_de_temps) ,

Compteur_Causalité = Compteur_Causalité + 1 ;

Fin si

Fin pour

Fin de boucle i

- Etude à Bordeaux

X_Bordeaux = 1,

Y_Bordeaux = 3 ;
//Si il y a causalité a Bordeaux, on en imprime les parametres de pression et d’averse

Boucle de i=0 jusqu’à Compteur_causalité – 1

Si Relation_Causalité(i).averse_1.x = X_Bordeaux et
Relation_Causalité(i).averse_1.y = Y_Bordeaux alors
Impression des valeurs des averses et de pression de la relation de causalité x,y,

Fin si

Fin de boucle i

Pistes possibles  


- Faire varier l’écart de temps
- Comptabiliser les couples i,j et étudier la valeur de la pression , puis faire une analyse statistique des pressions obtenues

- Faire varier les seuils d’averse et de pression pour identifier les causalités statistiquement établies

5

Premier montage

Corrélation radiation solaires et tension produite par le panneau photovoltaïque
Carte d’acquisition pour récupérer les données Notre panneau photovoltaïque 65 Wc

Second montage

Mise en place de résistance pour mesure de l’intensité du panneau

Corrélation radiation solaires et tension produite par le panneau photovoltaïque

6

Éoliennes

Voir une vidéo du montage de l’éolienne

Darrieus

Panémone

Essais Panémone

7

Imprimante

8

Micro-hélice


Réagir à cet article
Vous souhaitez compléter cet article pour un numéro futur, réagir à son contenu, demander des précisions à l'auteur ou au comité de rédaction...
À lire aussi ici
MathémaTICE est un projet
en collaboration avec
Suivre la vie du site Flux RSS 2.0  |  Espace de rédaction  |  Nous contacter  |  Site réalisé avec: SPIP  |  N° ISSN 2109-9197