Modélisation, optimisation et gestion d’énergie d’une centrale hybride à énergie renouvelable

Modeling, optimization, and energy management of a renewable hybrid power plant

• Auteur / Autrice : Chaker Ibrahim Omar
• Direction : David Houivet
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 12/12/2023
• Etablissement(s) : Normandie
• Ecole(s) doctorale(s) : École doctorale physique, sciences de l’ingénieur, matériaux, énergie (Saint-Etienne du Rouvray, Seine Maritime)
• Partenaire(s) de recherche : Laboratoire : Laboratoire universitaire des sciences appliquées de Cherbourg (1994-....)
• Partenaire(s) de recherche : établissement co-accrédité : Université de Caen Normandie (1971-....)
• Jury : Président / Présidente : Abderrezzak Cherifi
• Jury : Examinateurs / Examinatrices : David Houivet, Thierry Talbert, Anne Migan-Dubois, Jean-Michel Reboul, Stéphane Duchesne
• Jury : Rapporteurs / Rapporteuses : Thierry Talbert, Anne Migan-Dubois

Mots clés

Mots clés contrôlés

Programmation linéaire

Mots clés libres

Micro-réseau hybride

Stratégie de gestion d’énergie

Prédiction énergétique

Algorithme basé sur des règles logiques

Hybrid Microgrid

Energy Management Strategy

Energy Prediction

Linear Programming

Rule-Based Algorithm

Résumé

La transition énergétique impose aujourd’hui aux réseaux d’électricité des profondes mutations. La croissance des besoins couplée à l’intégration massive de sources de production renouvelables et intermittentes met leur stabilité en péril. Associées aux solutions informatiques développées par la filière Smart Grids, le recours aux technologies de stockage constitue l’une des solutions pour pallier les périodes de sur- ou de sous-production. Il faut donc gérer des situations nouvelles : surproduction d’électricité en période de faible consommation et sous-production en période de pointe. Pour répondre à cette problématique, cette thèse se concentre sur l'analyse et l'optimisation de la gestion d'énergie d'un système hybride à énergie renouvelable, installé à l'Université de Djibouti. Le système intègre des composants tels qu'une installation photovoltaïque de 19 kW, une éolienne de 6,5 kW et un parc de batteries de 52 kWh le tout reliés au réseau électrique. Cette étude, débute par une évaluation du potentiel énergétique à partir des données recueillies par une station météo spécialement installée sur le site. Pour l'année 2022, les données ont révélé que le champ photovoltaïque de 125 m² a produit 333 MWh/an, ce qui représente une nette supériorité par rapport à la production annuelle de l'éolienne couvrant 22 m², qui atteint seulement 2,771 MWh. Ensuite, une modélisation minutieuse des flux énergétiques du site, validée au moyen de simulations adaptées à chaque composant, a été réalisée. Pour le système éolien, un modèle basé sur les équations fondamentales de la puissance éolienne a été choisi et validé sous Matlab/Simulink en déterminant un coefficient approprié, puis en l'utilisant pour simuler la puissance de sortie de l'éolienne avec des données réelles. En ce qui concerne le système solaire, les modèles basés sur des équations mathématiques ont été employées pour simuler l'installation photovoltaïque, puis les résultats ont été comparés à l'installation réelle. Quant aux stockages, nous avons simulé l'état de charge des batteries en utilisant les données réelles de consommation ainsi que les données météorologiques du site, puis nous avons comparé le SOC simulé au SOC réel des batteries installées sur site. Enfin, cette recherche propose trois stratégies de gestion d'énergie basées sur une approche hybride intégrant deux algorithmes de gestion : la programmation linéaire et un algorithme basé sur des règles logiques. Ces stratégies ont pour objectif d'améliorer l'anticipation et l'optimisation du flux énergétique du site. Pour évaluer les performances des deux algorithmes, trois scénarios extrêmes basés sur la réalité du site ont été définis. L'objectif de ces scénarios étaient d'évaluer les performances et la robustesse des algorithmes de gestion d'énergie et de mieux comprendre comment gérer efficacement l'excédent d'énergie tout en minimisant la dépendance au réseau électrique. Les résultats des simulations mettent en évidence la supériorité de la stratégie qui fixe l'état de charge SOCmin à 30% en minimisant les coûts d'énergie provenant du réseau et en maximisant l'excès d'énergie injectée vers l'université.

The energy transition is currently imposing profound changes on electricity networks. The growth in demand, coupled with the extensive integration of renewable and intermittent production sources, puts their stability at risk. Alongside the IT solutions developed in the Smart Grid sector, the use of storage technologies is one of the solutions to mitigate periods of over- or under-production. Therefore, there is a need to manage new situations: overproduction of electricity during periods of low consumption and underproduction during peak times. To address this issue, this thesis focuses on the analysis and optimization of energy management in a renewable energy hybrid system installed at the University of Djibouti. The system includes components such as a 19 kW photovoltaic installation, a 6.5 kW wind turbine, and a 52 kWh battery park, all connected to the electrical grid. This study begins with an evaluation of the energy potential based on data collected by a specially installed weather station on the site. For the year 2022, the data revealed that the 125 m² photovoltaic field produced 333 MWh per year, which is significantly superior to the annual production of the 22 m² wind turbine, which only reached 2.771 MWh. Subsequently, a meticulous modeling of the energy flows on the site, validated through component-specific simulations, was conducted. For the wind system, a model based on fundamental wind power equations was chosen and validated using Matlab/Simulink by determining an appropriate coefficient, then using it to simulate the turbine's output power with real data. Regarding the solar system, models based on mathematical equations were employed to simulate the photovoltaic installation, and the results were compared to the actual installation. As for the storage, we simulated the state of charge of the batteries using real consumption data and site-specific meteorological data, then compared the simulated state of charge to the actual state of charge of the batteries installed on-site. Finally, this research proposes three energy management strategies based on a hybrid approach integrating two management algorithms: linear programming and a rule-based algorithm. These strategies aim to enhance the anticipation and optimization of the site's energy flow. To evaluate the performance of the two algorithms, three extreme scenarios based on the site's reality were defined. The objective of these scenarios was to assess the performance and robustness of the energy management algorithms and to better understand how to efficiently manage excess energy while minimizing reliance on the electrical grid. The simulation results highlight the superiority of the strategy that sets the state of charge SOCmin to 30%, minimizing energy costs from the grid and maximizing the surplus energy injected into the university.