Optimisation de l’intégration d’EnR et de batteries en soutien aux réseaux électriques existants intégrant une demande variable et incertaine

Optimization of Renewable Energy Sources and storage integration to support existing electricity grids considering variable and uncertain demand

• Auteur / Autrice : Sara Fakih
• Direction : Bruno Lacarrière, Mireille Batton-Hubert
• Type : Thèse de doctorat
• Discipline(s) : Energétique, Thermique, Combustion
• Date : Soutenance le 27/01/2023
• Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et le numérique
• Partenaire(s) de recherche : Laboratoire : Optimisation - Système - Energie - Département Systèmes Energétiques et Environnement - Génie des Procédés Environnement – Agroalimentaire (GEPEA) (Saint-Nazaire)
• Jury : Président / Présidente : Bruno Sareni
• Jury : Examinateurs / Examinatrices : Bruno Lacarrière, Mireille Batton-Hubert, Marie-Cécile Alvarez-Hérault, Pascal Stabat, Mohamed Tahar Mabrouk
• Jury : Rapporteur / Rapporteuse : Marie-Cécile Alvarez-Hérault, Pascal Stabat

Mots clés

Mots clés contrôlés

Incertitude

Énergie -- Stockage

Planification

Énergies renouvelables

Optimisation globale

Réseaux électriques (énergie)

Mots clés libres

Planification énergétique

Optimisation à deux niveaux

OPF linéarisé dynamique

Réseau électrique

Sources d'énergie renouvelables

Stockage d'énergie par batterie

Analyse d'incertitude et de sensibilité

Energy planning

Bi-level optimization

Dynamic linearized OPF

Electrical network

Renewable energy sources

Battery energy storage

Uncertainty analysis

Résumé

En raison de la transition énergétique mondiale, les systèmes d'énergie électrique sont soumis à un ensemble de transformations profondes des systèmes de production et de distribution d'énergie illustrées par l'utilisation accrue d'unités de production décentralisées renouvelables ou à faible émission de carbone. En particulier, la production d'électricité à partir de sources renouvelables (hydraulique, éolienne et solaire photovoltaïque) est en passe de croître fortement dans le monde pour répondre à l'augmentation prévue de la demande mondiale d'électricité et aux engagements des collectivités dans leurs politiques de transition énergétique. Cependant, la prédiction et le contrôle rigoureux de ces énergies renouvelables augmentent la complexité du processus de planification du système électrique. Pour faire face à ces complexités, des modèles de systèmes d'alimentation électrique (EPSM) pour la planification et l'optimisation de l'exploitation sont développés. Dans cette thèse, un modèle dynamique linéarisé AC-Optimal Power Flow (DLOPF) est développé sur la base d'une approche de résolution de programmation linéaire successive du modèle AC OPF. Dans la première étape du travail, le modèle DLOPF permet d'identifier le besoin de production d'électricité pour chaque bus du réseau sur une base horaire, en utilisant le concept de générateurs virtuels. Ces informations permettent de générer et d'évaluer des scénarios de déploiement d'énergies renouvelables et d'unités de stockage. Cette méthodologie est testée dans le cas d'un réseau sous-dimensionné dans un contexte d'augmentation de la demande d'électricité. Dans un second temps, le modèle DLOPF est couplé à une étape d'optimisation pour proposer un EPSM suivant une approche bi-niveau. Ce modèle optimise la taille et la planification des sources d'énergie renouvelables (RES) et du stockage d'énergie par batterie (BES) tout en tenant compte de la minimisation des coûts et des contraintes d’émissions carbone. Le niveau supérieur utilise un modèle d'optimisation par essaims de particules (PSO) et est responsable du dimensionnement et du placement des BES. Le niveau inférieur (DLOPF) place et dimensionne les RES dans un cadre spatio-temporel en considérant les résultats du niveau supérieur. Cette combinaison permet de répartir la production et le stockage d'électricité dans un réseau dans un contexte d'augmentation de la demande, en évitant le renforcement le réseau. Enfin, une analyse d'incertitude couplée à une analyse de sensibilité est utilisée pour évaluer l'impact de l'incertitude de la demande (due à sa variabilité imprévisible), à chaque bus, sur les résultats de l'EPSM et les indicateurs de performance du réseau proposés.

Due to the energy transition worldwide electrical energy systems are subject to a set of deep transformations in the energy production and distribution systems illustrated by increased usage of decentralized renewable or zero-carbon emissions production units. In particular, electricity generation from renewable sources (hydro, wind, and solar PV) is on track to grow strongly around the world to meet the forecasted increase in global electricity demand and to fulfill the local authorities’ commitments to energy transition policies. The hard prediction and control of these renewables increase the complexity of the electrical system planning process. To tackle these complexities, Electrical Power System Models (EPSM) for planning and operation optimization are developed. In this thesis, a dynamic linearized AC-optimal power flow (DLOPF) model is developed based on asuccessive linear programming resolution approach of the AC OPF model. In the first step of the work, the DLOPF model enables the identification of the need for power production for each bus of the grid on an hourly basis by using the concept of virtual generators. This information helps generate and assess interesting scenarios of renewable energy and storage unit deployment. This methodology is tested on a case study of an undersized network in the context of increasing electricity demand. In a second step, based on the DLOPF model coupled with an optimization stage, an EPSM is developed following a bi-level approach. This model optimizes the size and planning of Renewable Energy Sources (RES) and Battery Energy Storage (BES) while taking into account cost minimization and carbon constraints. The upper level implements a Particle Swarm Optimization (PSO) model and the lower level the DLOPF. The PSO sizes and identifies the placement of the BES systems and DLOPF places and sizes RES in a spatial-temporal framework. This combination helps to dispatch power generation and storage in a network in the context of increasing demand, avoiding the need to reinforce the grid. Finally, an Uncertainty Analysis (UA) coupled with a Sensitivity Analysis (SA) is used to assess the impact of demand uncertainty (due to its unpredictable variability) at each bus on the EPSM and the proposed grid performance indicators.