Gestion de la demande d’énergie dans les réseaux électriques intelligents

Réseaux électriques intelligents 

Selon l’institut national de standard et technologie des États-Unis : NI ST [18], le modèle du réseau intelligent est composé de sept parties spécifiques: le client, les marchés, les fournisseurs des services, les opérations, la génération, la transmission et la distribution. Les systèmes de gestion de la demande d’énergie pour la génération, transmission et distribution d’électricité ont été massivement étudiés pendant des décennies. Plusieurs modèles et protocoles ont été proposés et implantés dans les systèmes pratiques [19]. Cependant, des recherches concernant ces systèmes au niveau du client ont commencé récemment et visent le développement de nouvelles technologies avec un faible impact environnemental, une mise en œuvre simple et une performance élevée.

Une des finalités du Réseau Électrique Intelligent (REl) consiste à contrôler et optimiser tous les éléments interconnectés au réseau afin de garantir le bon déroulement de la génération, transmission et distribution de l’électricité [21] et par conséquent d’ajuster dynamiquement la demande d’énergie à l’offre tout en respectant le confort du client. À ce stade, le client devient non seulement un consommateur maIS aussi un fournisseur d’ électricité. Le REl peut intégrer des énergies renouvelables telles que: l’énergie solaire, l’énergie éolienne, la biomasse et l’ hydrogène comme vecteur énergétique pour le stockage d’énergie. Dans ce nouveau contexte, un véhicule électrique rechargeable branché sur le REl peut agir comme une charge ou comme une source d’énergie selon la période de la journée. À un niveau supérieur, grâce aux compteurs intelligents, la caractéristique bidirectionnelle propre du REl permet la connaissance de la consommation et la production de chaque usager du réseau et permet la gestion aux différents points du réseau électrique. Tous ces composants permettent d’atteindre les objectifs de réduction du coût d’ opération et d’exploitation du système, l’ accroissement de l’efficacité énergétique et la diminution des émissions de gaz à effet de serre.

Gestion de la demande locale et méthodes de gestion de charges 

Le principe fondamental de la Gestion de la Demande Locale (GDL) vise à modifier les profils de consommation d’électricité à travers l’intégration des énergies renouvelables, la surveillance et le contrôle local et global de tous les composants du réseau électrique déjà énumérés auparavant. Ainsi, la GDL consiste principalement à réduire la consommation d’ électricité, pendant certaines périodes, sans perturber l’équilibre entre la demande et l’offre et sans augmenter les coûts d’opération du réseau électrique.

Les systèmes de GDL sont nombreux dans la littérature, chacun d’entre eux utilise une approche différente de gestion locale (ou méthode de gestion des charges) afin d’atteindre les objectifs en termes d’optimisation du système et d’efficacité énergétique [20]. Les différentes méthodes de GDL proposées dans la littérature ainsi que les systèmes commercialement disponibles sont ci-après présentées.

Les systèmes de gestion peuvent être divisés en deux catégories : directes ou indirectes [22]. Dans les méthodes indirectes, le contrôle de la charge est fait par les utilisateurs, où les fournisseurs du réseau n’ont pas le droit d’ intervenir directement sur les charges. Celles-ci regroupent toutes les méthodes qui incitent le consommateur à changer son comportement par rapport à la consommation de l’énergie électrique. Parmi ces méthodes on trouve les politiques du gouvernement qui encouragent les changements des vieux appareils à la maison, et les schémas de tarification de la consommation ($/KWh) en fonction du moment de lajournée [23],[24], [25].

Les méthodes directes de gestion des charges permettent aux fournisseurs et aux consommateurs de faire le contrôle sur les charges afin d’ accomplir les objectifs de gestion définis. Celles-ci sont divisées en trois grands groupes: méthodes classiques [26], méthodes basées sur des algorithmes optimaux [27] et méthodes préventives[28].

Les méthodes de gestion classique sont divisées en : méthodes de régulation, de programmation temporelle, de délestage et de décalage de consommation. Elles sont efficaces, de réponse rapide et elles permettent le contrôle en temps-réel. Cependant, vu que ces systèmes ne sont pas flexibles, ils ne permettent pas de réduire la consommation de façon optimale.

Les méthodes basées sur les algorithmes optimaux sont utilisées pour atteindre un objectif déterminé selon les conditions du système (exemple: fonction de coût) à partir de la formulation d’un modèle mathématique pour la gestion énergétique. Celles-ci peuvent être [22]: déterministes [29], énumératives [30] ou stochastiques.

Les méthodes préventives utilisent la prévision de la demande d’énergie comme mécanisme principal pour déterminer les stratégies de gestion à utiliser. Celles-ci sont classifiées en deux groupes : statistiques ou paramétriques [32] et fondées sur l’ intelligence artificielle [33]. Les méthodes paramétriques se divisent en : prévisionnelle [34], théorie grise [35] et régression [36]. Les méthodes basées sur l’intelligence artificielle se divisent en trois grands groupes : les réseaux de neurones [37], la logique floue [38] et les algorithmes génétiques [39]. La figure 2-1 illustre les différentes méthodes de gestion de charges expliquées dans cette partie ainsi que leurs sous catégories.

Surveillance des charges 

La surveillance de charge ou suivi de la courbe de charge fait référence à l’évolution dans le temps du profil de consommation d’énergie électrique dans une installation résidentielle, commerciale ou industrielle. Il y a deux types de systèmes de surveillance de consommation pour le client : approche intrusive «IALM : Intrusive Appliance Load Monitoring» et approche non-intrusif «NIALM : Non-Intrusive Appliance Load Monitoring».

Le système intrusif est basé sur une méthode multipoint qui doit être installée dans chaque appareil dans une installation. Cette approche rend cette méthode très coûteuse et en plus elle requiert des centres de stockage de données. Par contre, la connaissance des caractéristiques de chaque charge est exacte. Le système non-intrusif mesure de façon globale la consommation d’énergie dans une installation. Ce qui abaisse le coût de la méthode de surveillance avec une exactitude acceptable mais avec une complexité plus élevée par rapport aux algorithmes de désagrégation de chaque appareil à partir du profil de consommation globale de l’installation.

Table des matières

Chapitre 1 – Introduction
1.1 Problématique
1.2 Objectifs
1.2.1 Objectif général
1.2.2 Objectifs spécifiques
1.3 Méthodologie
1.4 Organisation du Mémoire
Chapitre 2 – Gestion de la demande d’énergie dans les réseaux électriques intelligents
2.1 Réseaux électriques intelligents
2.2 Gestion de la demande locale et méthodes de gestion de charges
2.3 Systèmes de gestion
2.4 Surveillance des charges
2.4.1 Méthodes de surveillance non-intrusive
2.4.2 Systèmes de surveillance commerciaux
2.5 Conclusion
Chapitre 3 – Modélisation de charges électriques résidentielles
3.1 Définition et types de charges électriques
3.2 Modélisation des charges
3.3 Modèles statiques de la charge
3.3.1 Modèle polynomial ou modèle ZIP
3.3.2 Modèle exponentiel
3.3.3 Dépendance de la fréquence
3.4 Modèles dynamiques de la charge
3.4.1 Modèle dynamique exponentiel
3.4.2 Modèle de moteur à induction
3.5 Modèle composé
3.6 Modèles de régression
3.7 Modèles multi-physiques
3.8 Algorithmes d’ estimation des paramètres
3.9 Conclusion
Chapitre 4 – Modélisation de charges résidentielles de type thermostatique
4.1 Modèle du chauffe-eau
4.1.1 Modèle mathématique
4.1.2 Modèle REM thennique du chauffe-eau
4.2 Structure de commande pour le chauffe-eau
4.3 Conclusion
Chapitre 5 – Approximation de Taylor du modèle polynomial: application aux charges résidentielles
5.1 Analyse des données
5.1 .1 Analyses de linéarité
5.1.2 Analyses de corrélation
5.2 Proposition du modèle polynomial par approximation de séries de Taylor
5.2.1 Équivalence entre les paramètres du modèle par approximation de séries de Taylor et ceux du modèle ZIP
5.3 Estimation des paramètres
5.4 Comparaison des estimations en utilisant les modèles ZIP et celui par approximation de séries de Taylor
5.5 Validation par simulation
5.5.1 Simulations sous variations imposées de la tension
5.5.2 Simulations sur des conditions réelles de variation de la tension
5.6 Validation expérimentale
5.6.1 Détermination expérimentale des paramètres de charges
5.6.2 Estimation hors-ligne pour les charges R, RC, RL et RLC
5.6.3 Analyse de l’erreur quadratique moyenne par rapport aux variations de la tension
5.6.4 Estimation en ligne de la puissance active et réactive avec le modèle par approximation de séries de Taylor
5.7 Conclusion
Chapitre 6 – Conclusion

Télécharger le rapport complet