Coordination de systèmes multisources pour favoriser la production d’énergie électrique renouvelable

Coordination of multisource systems to support the production of renewable electricity

• Auteur / Autrice : Lamine Chalal
• Direction : Jean-Yves Dieulot, Geneviève Dauphin-Tanguy, Frédéric Colas
• Type : Thèse de doctorat
• Discipline(s) : Automatique. Génie informatique. Traitement du signal et des images
• Date : Soutenance le 14/03/2013
• Etablissement(s) : Lille 1
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'automatique, génie informatique et signal (LAGIS)

Mots clés

Mots clés contrôlés

Condensateurs électrochimiques

Commande de processus

Optimisation convexe

Énergies renouvelables

Commande prédictive

Énergie -- Stockage

Simulation par ordinateur

Commande en temps réel

Commande automatique

Générateurs électriques

Mots clés libres

Production multisource d'énergie électrique

Résumé

Cette thèse est consacrée à la supervision des systèmes de production d’énergie électrique hybrides composés de différents types de sources incluant des sources renouvelables ainsi que des éléments de stockage (batterie). Le chapitre I est consacré à l’état de l’art de la supervision de ce type de systèmes hybrides. Au cours de ce chapitre nous avons défini le contexte et le cadre de notre étude et nous avons présenté les avantages et les inconvénients des stratégies actuellement utilisées. Ensuite, nous avons présenté notre vision de la supervision des systèmes multisources intégrant des ressources renouvelables. Au cours du chapitre II nous avons spécifié le système hybride et les modèles de ses composants afin de les intégrer dans une structure de supervision. La chapitre III concerne le développement du superviseur que nous proposons à base de commande prédictive. L’objectif est de déterminer la meilleure répartition, au sens d’un critère que nous avons proposé, des puissances à fournir par les sources pour répondre à une demande de la charge. La fonction définie pour l’optimisation, correspond au coût de production ; elle prend en compte non seulement le suivi des consignes mais aussi des critères technico-économiques (coût de l’énergie, émissions polluantes, cyclage de l’élément de stockage …etc). Ce superviseur s’appuie sur des modèles dynamiques des sources et des éléments de stockage ainsi que sur les prédictions à court terme de la ressource photovoltaïque. Le critère est minimisé pour chaque nouvelle fenêtre de prédiction afin d’envoyer les consignes à chaque composant du système hybride. Les résultats expérimentaux montrent la validité du superviseur proposé et de l’algorithme associé. Le chapitre IV vise à montrer la généricité du superviseur à base de commande prédictive proposé. En effet, une éolienne contrôlée en zone d’optimisation a été ajoutée au système hybride. Ensuite, l’éolienne est contrôlée en mode dégradé dans le but de réduire l’impact des variations de la vitesse du vent sur le suivi de la consigne de puissance. La fonction coût a été modifiée pour répondre à ces nouvelles exigences. Enfin, nous avons explicité les bénéfices potentiels d’un horizon de prédiction variable. La variation de l’horizon de prédiction est effectuée en fonction de la pertinence des prévisions des ressources d’origine renouvelable. Les essais sur une plate-forme expérimentale, combinant des composants réels et des modèles simulés en temps réel (Model-in-the-loop) montrent la validité de tous les concepts développés.

This thesis is devoted to the supervision of the hybrid power generation system composed of various types of sources including renewable sources and electrochemical storage elements. Chapter I is devoted to the state of the art of supervision of such hybrid systems. In this chapter, the context and the scope of our study are defined and the advantages-disadvantages of each such strategy are presented. Our vision for the supervision of a multi-sources system that integrates sources of renewable resources is presented thereafter. In Chapter II we specify the hybrid system and the models of each component in order to integrate them into a supervision structure. Chapter III deals with the design of a supervisory predictive controller which optimizes the power flow of a renewable hybrid system (solar panels, micro-turbine and battery). Short time predictions of the solar power and the power reference are embedded in the supervisor. The performance index integrates the environmental impact, the cost of fuel, battery cycling and the energy delivery. Simulations and a real-time application of a model-in-the-Loop plant are carried out to illustrate the applicability and electiveness of the proposed supervisory predictive control design. Chapter IV aims to show the generic properties of the proposed supervisory system. In fact, a wind turbine has been added to the hybrid system and the cost function has been modified. The real-time simulations show the effectiveness of the proposed power management system. Then, the turbine is controlled in degraded mode in order to reduce the impact of wind speed fluctuation with respect to the power reference. The cost function has been modified to meet these new requirements. Finally, the potential benefits of considering a dynamic prediction horizon are explained. The variation of the prediction horizon is performed according to the relevance of the predictions of renewable resources. Tested on an experimental platform combining real components and real-time simulation models (Model-in-the-loop), the results show the validity of all the developed concepts.