Micro-réseau basé sur l'énergie photovoltaïque pour le recharge des stations de véhicules électriques : stratégies de gestion de la charge et de la décharge en communication avec le réseau intelligent

Microgrid based on photovoltaic energy for charging electric vehicle stations : charging and discharging management strategies in communication with the smart grid

• Auteur / Autrice : Dian Wang
• Direction : Fabrice Locment, Manuela Sechilariu
• Type : Thèse de doctorat
• Discipline(s) : Génie Électrique : Laboratoire Avenues - (EA-7284)
• Date : Soutenance le 26/01/2021
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : École doctorale 71, Sciences pour l'ingénieur (Compiègne)
• Partenaire(s) de recherche : Laboratoire : AVENUES / AVENUES

Mots clés

Mots clés contrôlés

Optimisation mathématique

Algorithmes

Véhicules électriques

Chargeurs de batteries

Charge et distribution électriques

Conversion photovoltaïque

Alimentations (électricité)

Électricité -- Distribution

Réseaux électriques intelligents

Micro-réseaux électriques intelligents

Micro-réseaux électriques

Mots clés libres

Micro-réseau DC

Station de charge des EVs

Stratégie de gestion de la puissance

Véhicule à réseau

Algorithme de recherche dynamique de pic et de vallée

DC microgrid

EV charging station

Power management strategy

Vehicle to grid

Searching peak and valley algorithm

Electric vehicles

Photovoltaic energy

Algorithms

Résumé

Le développement rapide des véhicules électriques (EVs) augmente la demande de puissance, ce qui provoque une charge supplémentaire sur le réseau public et augmente les fluctuations de la charge. Par conséquent, la forte pénétration des EVs est freinée. Un algorithme simulé en temps réel et basé sur des règles est élaboré pour les bornes de recharge des EVs alimentées par un micro-réseau DC afin de faire face aux incertitudes du comportement des utilisateurs des EVs. L'algorithme prend en considération les choix arbitraires et aléatoires proposés via l'interface homme-machine. Les résultats de simulation sont obtenus sous MATLAB / Simulink et vérifient la faisabilité de la stratégie de gestion proposée. Cette stratégie présente de bonnes performances en garantissant un contrôle précis. Par ailleurs, les algorithmes d'optimisation de délestage et de la restauration des EVs (SROA) pour la recharge de la puissance de la batterie peuvent être utilisés pour répondre aux besoins des utilisateurs. Aussi les algorithmes SROA maintiennent l'équilibre de la puissance de la station de recharge des EVs. Les algorithmes SROA prennent en compte l'intermittence de la source photovoltaïque (PV), la limitation de capacité du stockage et la limitation de puissance du réseau public. En comparant les résultats de la simulation aux algorithmes basés sur les règles, les algorithmes SROA proposés respectent le choix de l'utilisateur, réduisent le temps de charge total, augmentent le plein débit et maximisent l'utilisation de la puissance disponible. Les résultats de la simulation montrent la faisabilité et l'efficacité des algorithmes SROA. En outre, une station de charge basée sur le PV pour les EVs peut participer à la résolution de certains problèmes liés au pic de puissance. D'autre part, la technologie de véhicule à réseau (V2G) est conçue et appliquée pour fournir des services auxiliaires au réseau pendant les périodes de pointe, et V2G considère la dualité de la batterie des EVs « charge et source ». Ainsi, un algorithme de recherche dynamique des pics et de vallées est proposé pour une station de recharge des EVs afin d'atténuer l'impact sur le réseau public. Cet algorithme réduit ainsi le coût énergétique du réseau public. Les résultats de la simulation démontrent bien l'efficacité de l'algorithme de recherche des pics et des vallées. L'algorithme peut garantir l'équilibre du réseau public, satisfaire la demande de charge des utilisateurs des EVs et, surtout, réduire le coût énergétique du réseau public.

The rapid development of electric vehicles (EVs) increases the power demand, which causes an extra burden on the public grid increasing the load fluctuations, therefore, hindering the high penetration of EVs. A real-time rule-based algorithm for electric vehicle (EV) charging stations empowered by a DC microgrid is proposed to deal with the uncertainties of EV users’ behaviour considering its arbitrary and random choices through the human-machine interface, meanwhile considering most of the users’ choices. The simulation results obtained under MATLAB/Simulink verify the feasibility of the proposed management strategy that presents a good performance in terms of precise control. In addition, EV shedding and restoration optimization algorithms (SROA) for battery charging power can be used to meet user needs while maintaining EV charging station power balance, taking into consideration the intermittency of the photovoltaic (PV) source, the capacity limitation of the storage, and the power limitation of the public grid. The simulation results show that compared with rule-based algorithm, the proposed SROA respect the user's choice while reducing total charging time, increasing the full rate, and maximizing the available power utilization, which shows the feasibility and effectiveness of SROA. Furthermore, a PV based charging station for EVs can participate to solve some peak power problems. On the other hand, vehicle to grid (V2G) technology is designed and applied to provide ancillary services grid during the peak periods, considering the duality of EV battery “load-source”. So, a dynamic searching peak and valley algorithm, based on energy management, is proposed for an EV charging station to mitigate the impact on the public grid, while reducing the energy cost of the public grid. Simulation results demonstrate the proposed searching peak and valley algorithm effectiveness, which can guarantee the balance of the public grid, meanwhile satisfy the charging demand of EV users, and most importantly, reduce the public grid energy cost.