Chiffrer un projet d'énergie avec quatre dépôts GitHub gratuits

Quatre bibliothèques libres, installées sur ton poste en vingt minutes, pour remplacer les hypothèses de coin de table par des séries calculées.

La fiche

Nombre d'étoiles relevé sur GitHub le 16 septembre 2026.

1PyPSA, le système entier

À quoi ça sert. Poser un réseau (nœuds, lignes, moyens de production, charges) et demander à un solveur ce qui tourne, à quel coût, heure par heure. C'est l'outil qui répond à « et si on ajoutait 40 MW de solaire ici ? ».

1Installe

pip install pypsa highspy

2Colle ce code

import pypsa

n = pypsa.Network()
n.add("Bus", "poste")
n.add("Load", "site", bus="poste", p_set=100)     # 100 MW appelés
n.add("Generator", "reseau", bus="poste",
      p_nom=100, marginal_cost=20)                 # 20 €/MWh
n.optimize()
print(n.objective)                                 # le coût du dispatch

3Règle-le

• marginal_costle coût variable de chaque moyen (€/MWh), qui décide de l'ordre d'appel
• p_nom_extendable=Truele solveur dimensionne au lieu d'imposer la puissance
• snapshotsles pas de temps (une année à l'heure, c'est 8 760)
• "StorageUnit"tester une batterie sans refaire le modèle

import pandas as pd
n.set_snapshots(pd.date_range("2026-01-12", periods=168, freq="h"))

2pvlib, le solaire heure par heure

À quoi ça sert. Calculer ce qu'une installation photovoltaïque produit réellement sur un site : position du soleil, inclinaison, température des modules, pertes. La bibliothèque de référence, née chez Sandia.

1Installe

pip install pvlib pandas

2Colle ce code

import pandas as pd
from pvlib.location import Location

site = Location(43.30, 5.37, tz="Europe/Paris", altitude=10)   # Marseille
heures = pd.date_range("2026-06-21", periods=24, freq="h", tz="Europe/Paris")
ciel_clair = site.get_clearsky(heures)
print(ciel_clair.head())                                        # ghi, dni, dhi

3Règle-le

• surface_tilt, surface_azimuthinclinaison et orientation des modules
• ModelChainla chaîne complète, du rayonnement à la sortie d'onduleur
• temperature_model_parametersles pertes thermiques, souvent sous-estimées
• pvlib.iotoolslit PVGIS et les fichiers météo réels

from pvlib.iotools import get_pvgis_hourly
donnees, meta = get_pvgis_hourly(43.30, 5.37, start=2020, end=2020)

3atlite, la météo devient un gisement

À quoi ça sert. Transformer des champs météo (vent, rayonnement, température) en séries de production sur une zone entière. Répond à « combien produirait un parc n'importe où dans cette région ? ».

1Installe

pip install atlite

2Colle ce code

import atlite

zone = atlite.Cutout(path="sud-2023.nc", module="era5",
                     x=slice(3, 7), y=slice(42.5, 45),   # la fenêtre géographique
                     time="2023-06")
zone.prepare()                                           # télécharge la météo
facteur = zone.wind(turbine="Vestas_V112_3MW", capacity_factor=True)

3Règle-le

• modulela source météo ("era5" couvre le monde, maille de 30 km)
• x, yla fenêtre : plus elle est large, plus le téléchargement est long
• turbinele modèle de machine, pris dans le catalogue fourni
• capacity_factor=Truele facteur de charge plutôt que les mégawatts

4windpowerlib, une machine, un parc

À quoi ça sert. Descendre au niveau de la machine : courbe de puissance, hauteur de moyeu, extrapolation du vent, effet de sillage. Quand atlite donne l'ordre de grandeur régional, windpowerlib donne le chiffre d'un projet précis.

1Installe

pip install windpowerlib

2Colle ce code

from windpowerlib import WindTurbine

machine = WindTurbine(turbine_type="E-126/4200", hub_height=135)
print(machine.power_curve.head())      # la courbe de puissance du catalogue

3Va plus loin

Passe du vent mesuré à la puissance produite avec la chaîne complète :

from windpowerlib import ModelChain
# meteo : ton tableau vent / température
production = ModelChain(machine).run_model(meteo).power_output

Pour un parc, WindFarm agrège plusieurs machines avec leurs pertes. Et règle hub_height au mètre près : dix mètres changent le résultat de plusieurs pour cent.

5Tu ne codes pas ? Le prompt Claude Code

Colle ce texte dans Claude Code (ou Cursor), dans un dossier vide, et remplace ce qui est entre [crochets] :

Installe pvlib et pypsa dans un environnement virtuel.
Calcule la production horaire d'une centrale solaire de [12 MWc] à [ta ville], sur une année, avec les données PVGIS.

Puis construis un réseau PyPSA à un nœud : cette centrale, une charge industrielle de [8 MW] constante, et le réseau public à [95 €/MWh].

Dis-moi combien d'heures par an la centrale couvre la charge, et ce que ça change sur la facture. Donne-moi le code, les hypothèses, les sources des données, et trace un graphique.

6Avant de mettre ça dans un livrable

• Les API bougent. Ces exemples suivent la doc du jour : vérifie la version que tu installes.
• Un modèle n'est pas une mesure. Écris tes hypothèses à côté du résultat, toujours.
• ERA5, c'est 30 km de maille. Un ordre de grandeur régional, pas une campagne de mesure sur site.

7Questions fréquentes

Faut-il un gros ordinateur ? Non pour pvlib et windpowerlib. atlite demande quelques gigaoctets de disque. PyPSA dépend de la taille du réseau : un nœud est instantané, un pays entier demande de la mémoire.

C'est gratuit ? Oui, les quatre sont open source (MIT ou BSD-3), usage commercial compris, à condition de garder la mention de copyright.

Par lequel commencer ? pvlib si tu as un site précis à chiffrer. PyPSA si ta question porte sur l'équilibre et le coût du système.