Solutions avancées de gestion pour les micro-réseaux à fort taux de pénétration des sources renouvelables sous l’incertitude
Auteur / Autrice : | Valentin Mathieu |
Direction : | Tuan Tran-Quoc, Grégoire Pichenot |
Type : | Thèse de doctorat |
Discipline(s) : | Génie électrique |
Date : | Soutenance le 27/09/2024 |
Etablissement(s) : | Université Grenoble Alpes |
Ecole(s) doctorale(s) : | École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....) |
Partenaire(s) de recherche : | Equipe de recherche : Département des technologies solaires (Grenoble) |
Laboratoire : Laboratoire d'innovation pour les technologies des énergies nouvelles et les nanomatériaux (Grenoble) | |
Jury : | Président / Présidente : Seddik Bacha |
Examinateurs / Examinatrices : Corinne Alonso | |
Rapporteurs / Rapporteuses : Mohamed Benbouzid, Bruno François |
Mots clés
Résumé
Dans un contexte d'évolution du système électrique, une attention particulière est portée sur l'intégration des énergies renouvelables dans les réseaux. L'objectif principal du projet de thèse est de développer des solutions pour le pilotage des micro-réseaux à forte pénétration d'énergie renouvelable. Ce projet de recherche explore comment planifier et anticiper le fonctionnement des entités d'un micro-réseau et en particulier son système de stockage, en intégrant les incertitudes liées à la production photovoltaïque. Pour cela, des modèles stochastiques sont proposés pour optimiser la gestion de ces réseaux, améliorer la fiabilité et la qualité de l'énergie, tout en réduisant les coûts opérationnels à partir de prévisions probabilistes.Les travaux présentent des méthodes pour modéliser l'incertitude dans la production photovoltaïque et démontrent l'efficacité des approches stochastiques. Ils montrent notamment comment ces méthodes peuvent réduire les risques économiques associés au soutirage depuis le réseau principal et offrir un service système précieux en diminuant l'amplitude journalière de puissance soutirée. La thèse propose également une méthode de génération d'ensemble de scénarios réduits pour la planification stochastique, contribuant ainsi à une meilleure opération des micro-réseaux. Cette approche, basée sur la modélisation de la distribution et la dépendance entre les variables étudiées, permet également d'améliorer les prévisions en assimilant des données observées.