Méthode d'optimisation par couplage pour la planification des systèmes énergétiques

Coupling optimisation method for energy system planning

• Auteur / Autrice : Hugo Hamburger
• Direction : Robin Girard, Panagiotis Andrianesis
• Type : Projet de thèse
• Discipline(s) : Energétique et génie des procédés
• Date : Inscription en doctorat le 01/09/2023
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique
• Partenaire(s) de recherche : Laboratoire : Energétique et Procédés
• Partenaire(s) de recherche : Equipe de recherche : PERSEE - Centre Procédés, Energies Renouvelables, Systèmes Energétiques
• Partenaire(s) de recherche : établissement opérateur d'inscription : Mines Paris-PSL

Mots clés

Mots clés libres

Système Multi-Énergie

Prospective

Optimisation

Transition Énergétique

Énergie Renouvelable

Stockage

Multi-Energy System

Prospective

Optimisation

Energy Transition

Renewable Energy

Storage

Résumé

Avec le déploiement des énergies renouvelables variables et décentralisées, une modélisation de plus en plus fine des contraintes techniques de fonctionnement du système énergétique devient nécessaire. Il s'agit de modéliser les systèmes d'une manière toujours plus fine dans ses dimensions spatiales, temporelles, et techniques (e.g. coûts de démarrage, durées minimums de fonctionnement, capacité de montée en charge, gestion des stocks à différentes échelles temporelles). Lorsque l'on en vient à la planification du système énergétique, le seul objectif de décarbonation est loin d'être suffisant pour la modélisation, car ce que l'on observe aujourd'hui, c'est une difficulté à augmenter les rythmes de développement des énergies renouvelables, ou l'approche de la fin de vie du parc nucléaire et l'effet “falaise” que l'on y associe souvent. Il est donc également nécessaire de prendre en compte des contraintes qui existent sur des horizons temporels longs relatives aux rythmes de développement, ou bien intégrer une forme d'incertitudes sur les rapidités de mise en service de nouvelles centrales, sur les évolutions du prix du gaz et du pétrole. Une conséquence est la nécessité de coupler des modèles d'optimisation de la planification des investissements à des modèles d'optimisation de l'opération du système. Il s'agira dans cette thèse de proposer une méthode de couplage (de type soft linking) entre un outil de planification (linéaire du type Osemosys) et Antares. Nous travaillerons ici avec une version plus ou moins avancée d'Antares sur sa prise en compte du multi-énergies dans sa modélisation du système, dépendamment de l'avancée des autres tâches. Dans cette thèse, nous chercherons à montrer expérimentalement l'efficacité des techniques de couplage. Dans l'évaluation des performances de la méthode de couplage, nous pourrons la comparer à des méthodes de résolution de l'intégralité du problème d'optimisation par décomposition coordination, par exemple en utilisant des coupes de Benders. Le couplage est rendu difficile par la dimensionalité des problèmes sous-jacents et nous pourrons envisager la création d'un modèle intermédiaire, une version linéarisée de Antares fonctionnant sur tous les pas de temps de l'année et intégrant l'optimisation de certains investissements dans des flexibilités. Des techniques de Machine Learning pourront aussi être envisagées afin de créer un méta-modèle du problème esclave pour limiter les appels au module Antares (qui est la partie la plus couteuse en temps de calcul dans ce type de problème).

With the deployment of variable and decentralised renewable energies, increasingly detailed modelling of the technical constraints on the operation of the energy system is becoming necessary. This involves modelling the spatial, temporal and technical dimensions of the systems (e.g. start-up costs, minimum operating times, scalability, stock management at different timescales) in increasingly finer detail. When it comes to the planning of the energy system, the sole objective of decarbonisation is far from being sufficient for the modelling, since what we are observing today is a difficulty in increasing the rate of development of renewable energies, or the coming end of life of the nuclear fleet and its associated 'cliff effect'. It is therefore also necessary to take into account constraints that exist over long-time horizons relating to the rhythms of development, or to incorporate a form of uncertainty about the speed of commissioning new power plants, or about changes in the price of gas and oil. As a result, investment planning optimisation models need to be coupled with system operation optimisation models. This thesis will propose a coupling method (of a soft linking type) between a planning tool (linear as with Osemosys) and Antares. We will be working here with a more or less advanced version of Antares in terms of multi-energy modelling, according to the progress of the other work packages. In this thesis, we will seek to demonstrate experimentally the effectiveness of the coupling techniques. As part of the performance assessment of the coupling methodology, we will be able to compare it with integrated optimisation problem solving the whole provlem using coordination decomposition, for example using Benders cuts. The coupling is made difficult by the dimensionality of the underlying problems, and we will examine the creation of an intermediate model, a linearised version of Antares operating on all time steps of the year and integrating the optimisation of certain investments in flexibilities. Machine Learning techniques could also be considered in order to create a meta-model of the slave problem to limit calls to the Antares module (which is the most time-consuming part of this type of problem).