Méthodologie de dimensionnement dynamique de microgrids sous incertitudes

Methodology for dynamic sizing of microgrids under uncertainties

• Auteur / Autrice : Elsy El Sayegh
• Direction : Hervé Guéguen, Pierre Haessig, Nabil Sadou
• Type : Thèse de doctorat
• Discipline(s) : Automatique, productique et robotique
• Date : Soutenance le 22/03/2024
• Etablissement(s) : CentraleSupélec
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes ; 2022-....)
• Partenaire(s) de recherche : Laboratoire : Institut d'Électronique et des Technologies du numéRique
• Jury : Président / Présidente : Romain Bourdais
• Jury : Examinateurs / Examinatrices : Hervé Guéguen, Romain Bourdais, Robin Roche, Bruno Sareni, Jean-Christophe Olivier, Delphine Riu
• Jury : Rapporteurs / Rapporteuses : Robin Roche, Bruno Sareni
• DOI : 10.70675/b3ae35f6z58c6z49e0zbb12zd9b0387c8e3c

Mots clés

Mots clés contrôlés

Micro-réseaux électriques intelligents

Mots clés libres

Dimensionnement

Microgrids

Incertitudes

Optimisation

Analyse de sensibilité

Sizing

Microgrids

Uncertainties

Optimization

Sensitivity analysis

Résumé

Le dimensionnement d’un microgrid est un problème complexe. En effet, il nécessite de prendre en compte un grand nombre de paramètres souvent incertains (prix des composants, courbes de production renouvelable, consommation, etc.) sur une durée de projet longue (20 à 30 ans), ce qui augmente davantage l’incertitude. Dans ce contexte, la thèse s’articule autour de deux principaux axes. Le premier axe porte sur une analyse comparative de différentes approches d'optimisation, afin de proposer celle qui présente le meilleur compromis entre optimalité, temps de calcul et applicabilité. Le deuxième axe propose un cadre pour l’intégration des incertitudes dans le dimensionnement d’un microgrid, avec trois contributions. La première concerne la caractérisation des incertitudes. La deuxième traite de l'évaluation de l'impact des incertitudes au travers d’une analyse de sensibilité. Enfin, la dernière contribution propose plusieurs approches permettant de considérer différents horizons temporels (court, moyen et long terme) pour les incertitudes, et de les intégrer dans une démarche d’optimisation dynamique pour un dimensionnement robuste.

Microgrid sizing is a complex problem. Indeed, it involves many parameters that are often uncertain (component prices, renewable production curves, consumption, etc.) over a long project duration (20 to 30 years), further increasing uncertainty. In this context, the thesis is structured around two main axes. The first involves a comparative analysis of different optimization approaches, proposing the one that offers the best trade-off between optimality, computation time, and applicability. The second axis proposes a framework for integrating uncertainties into microgrid sizing, with three contributions. The first concerns the characterization of uncertainties. The second deals with assessing the impact of uncertainties through sensitivity analysis. Finally, the last contribution proposes several approaches for considering different time horizons (short, medium, and long term) for uncertainties and integrating them into a dynamic optimization approach for robust sizing.