Gestion prédictive de microréseaux électriques et thermiques équipant des bâtiments publics en région SUDOE

Predictive management of electrical and thermal microgrids in public buildings in the SUDOE region

• Auteur / Autrice : Romain Mannini
• Direction : Stéphane Grieu, Julien Eynard
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'ingénieur
• Date : Soutenance le 13/06/2023
• Etablissement(s) : Perpignan
• Ecole(s) doctorale(s) : École doctorale Énergie environnement (Perpignan)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Procédés, matériaux et énergie solaire (Perpignan)
• Jury : Président / Présidente : Bernard Claudet
• Jury : Examinateurs / Examinatrices : Romain Bourdais, Stéphane Ploix
• Jury : Rapporteurs / Rapporteuses : Guillaume Sandou, Eric Bideaux

Mots clés

Mots clés contrôlés

Commande prédictive

Micro-réseaux électriques intelligents

Mots clés libres

Commande prédictive

Microréseaux

Optimisation

Réseaux de microréseaux

Multi-Énergie

Model-Based predictive control

Microgrids

Optimization

Networked microgris

Multi-Energy

Résumé

Ces dernières années, la pénétration des sources d'énergie renouvelable dans le réseau électrique de distribution a considérablement augmenté. La production d'électricité, auparavant centralisée, a évolué vers une structure décentralisée. Dans ce contexte, des réseaux à petite échelle, appelés microréseaux, sont déployés pour soutenir cette production décentralisée. L'objectif de cette thèse est d'apporter la preuve de concept de stratégies prédictives à coût calculatoire maîtrisé pour la gestion efficace des microréseaux thermiques, électriques et multi-énergies. Celles-ci doivent fournir de meilleures performances économiques, écologiques et techniques par rapport à des stratégies fondées sur du PID ou sur des règles. Premièrement, une approche de commande prédictive a été développée afin de piloter les ressources d'un microréseau électrique équipé de véhicules électriques. Comparé à des stratégies prédictives standard, elle implique une gestion d'une batterie fictive, c'est-à-dire le regroupement d'un banc de batteries et de batteries de véhicules électriques. Deuxièmement, une approche de commande prédictive a été développée afin de piloter les ressources d'un réseau de microréseaux électriques équipé de systèmes de stockage. Elle permet de déconnecter le réseau de microréseaux du réseau électrique et de satisfaire des charges critiques en tirant profit des systèmes de stockage. Enfin, cette thèse s'inscrit dans le cadre du projet Interreg Sudoe IMPROVEMENT, qui avait pour objectif de transformer des bâtiments publics, devant faire face à des charges critiques, en bâtiments à faible consommation d'énergie, grâce à des microréseaux multi-énergies. Pour ce faire, une stratégie prédictive sans optimisation, à coût calculatoire maîtrisé, a été proposée afin de gérer les ressources thermiques et le confort thermiques des usagers d'un microréseau multi-énergie (thermique/électrique). Sa capacité d'îlotage a été évaluée. D'après les résultats obtenus en simulation pour tous les microréseaux, les stratégies prédictives à coût calculatoire maîtrisé sont plus efficaces que des stratégies PID ou basées sur des règles. De plus, ces stratégies prédictives présentent de très bonnes performances économiques, écologiques et techniques avec l'avantage d'avoir un temps de calcul inférieur à celui de stratégies prédictives standard. Ce qui est d'un grand intérêt, car elles sont ainsi plus faciles à implémenter in situ.

In recent years, the penetration of renewable energy sources into the main grid has increased significantly. Power generation has evolved from a centralized structure to a decentralized one. In this context, small-scale grids, i.e., microgrids, are deployedto support distributed generation. The aim of this manuscript is to establish the proof of concept of computationally-tractable predictive strategies for the efficient management of energy sources in thermal, electrical, and multi-energy microgrids. These strategies have to provide better economical, ecological, and technical performances compared to PID- or rule-based strategies. Firstly, a model predictive control strategy has been developed to manage the electrical resources of a microgrid equipped with electric vehicles. In this strategy, a fictitious battery, i.e., a battery uniting a bank of batteries and EV batteries, is managed. Secondly, a model predictive control strategy has been developed to manage the electrical resources of a networked microgrid. This strategy is able to disconnect the networked microgrid from the main grid whereas satisfying critical loads by taking advantage of storage systems. Finally, this work is part of the Interreg Sudoe project IMPROVEMENT, whose aim wasto help transforming public buildings, facing critical loads, into net-zero energy buildings thanks to multi-energy thermal/electrical) microgrids.To this end, a computationally-tractable optimization-free predictive strategy has been proposed in order to manage the MG thermal resourcesand users' thermal comfort. In addition the microgrid islanding capability has been evaluated. According to the results obtained in simulation for all microgrids, the proposed computationally-tractable predictive strategies are more efficient (regarding economical, ecological, and technical objectives) than PID- or rule-based strategies. Such predictive strategies have similar performance and a lower computation time than standard predictive strategies, which is of most interest because they are easier to implement in situ.