Intégration croissante de l’énergie solaire photovoltaïque

Intégration croissante de l’énergie solaire photovoltaïque

ENERGIE D’AJUSTEMENT

L’énergie d’ajustement découle de l’appel en énergie de réglage par Swissgrid. Cet appel est effectué lorsque des différences de charge par rapport aux prévisions effectuées dans les programmes prévisionnels sont constatées. Autrement dit, tandis que l’énergie de réglage est l’énergie permettant de garantir une stabilité sur le réseau en maintenant les échanges d’électricité au niveau prévu, l’énergie d’ajustement représente l’écart entre la charge ou fourniture prévue et la charge ou fourniture réellement mesurée. Swissgrid défini l’énergie de réglage comme suit : « Quantité d’électricité nécessaire par unité de décompte et par unité de temps de programme pour compenser la différence entre la consommation (ou la fourniture) effective selon les valeurs de comptage et la consommation (ou la fourniture) selon le programme prévisionnel, afin de garantir l’équilibre de l’unité de décompte par rapport à la zone de réglage suisse » (Swissgrid, 2010, p. 11). Aussi le coût de l’énergie d’ajustement est calculé en fonction des coûts de l’énergie de réglage. Swissgrid impose des tarifs à deux niveaux pour le décompte de l’énergie d’ajustement. « [L]e prix du découvert de couverture est plus élevée que le prix à la bourse (prix Swissix) tandis que la rémunération de l’excédent de couverture est inférieure au cours boursier, voire négative » (BKW, 2015). Pour le dire en d’autres mots, et en faisant l’hypothèse que le GRD possède un propre groupebilan individuel, lorsque ses prévisions de charge sont inférieures à la charge réellement mesurée sur Page | 18 le réseau, le GRD est tenu d’acheter la différence d’énergie – qui a indirectement été mise en œuvre via l’énergie de réglage par Swissgrid pour combler l’écart et maintenir le réseau stable – à un tarif fixé par Swissgrid qui est plus élevé que si l’énergie avait été achetée en bourse. Si au contraire, les prévisions de charge du GRD dépassent la charge réellement mesurée sur le réseau, Swissgrid reprend l’excédent à un tarif inférieur que celui qui aurait pu être obtenu si le GRD avait vendu ce surplus à la bourse (ESR, s.d.). Une prévision trop basse est dite « too short » et une prévision trop élevée, « too long » Les tarifs appliqués dépendent des coûts de l’énergie de réglage et sont publiés le mois suivant sur le site de Swissgrid. Il s’agit d’une méthode pour pénaliser les mauvaises prévisions et responsabiliser l’ensemble des acteurs en leur imposant une gestion précise et fiable de leur portefeuille d’énergie. En réalité et comme mentionné auparavant, un acteur tel le GRD n’est pas seul dans un groupe-bilan. Cette configuration permet à un RGB de profiter du foisonnement comme mentionné précédemment. 2.3.2 Calcul de l’énergie d’ajustement Le chapitre suivant se base intégralement sur les documents de Swissgrid (Swissgrid, 2018, p. 27). Le décompte de l’énergie d’ajustement se fait, comme mentionné, selon un système à deux tarifs en fonction du sens de l’écart par quart d’heure observé. En détail, le calcul du coût de l’énergie d’ajustement réalisé par Swissgrid intègre également les coûts relatifs à l’appel éventuel de puissance de réglage secondaire et tertiaire. Le prix spot correspond au prix boursier Swissix Day-Ahead pour le quart d’heure donné. Les coûts relatifs à la puissance de réglage secondaire et tertiaire sont uniquement appliqués si elles ont été mises en œuvre.

ÉVALUATION DE L’IMPACT ÉCONOMIQUE DE LA FIABILITÉ DE LA PRÉVISION DE PRODUCTION POUR UN GESTIONNAIRE DE RÉSEAU

La fiabilité des prévisions de production joue un rôle important pour les gestionnaires de réseau en ce qui concerne les coûts liés à l’énergie d’ajustement. Sur la base de la fiabilité des prévisions issues de l’algorithme actuel crée par l’eEnergy Center, les coûts d’énergie d’ajustement pour différents cas de figures ont été calculés. Il s’agit d’un calcul illustratif concernant uniquement la production d’énergie photovoltaïque des insta Les prix de l’énergie d’ajustement par kWh proviennent directement du site internet de Swissgrid pour l’année 2017 (Swissgrid, 2018). Ces données sont sous format fichier.xls, au quart d’heure et en ct d’euro/kWh. Comme les données d’énergie disponibles, aussi bien réelles que prédictives, sont au pas horaire, il a été nécessaire de transformer la série de données Swissgrid d’un pas ¼ heure au pas horaire. Pour ce faire trois valeurs ont été retenues pour chaque heure : • La moyenne des 4 quarts d’heure • La valeur maximale des 4 quarts d’heure • La valeur minimale des 4 quarts d’heure Page | 20 Cela permet par la suite de définir une situation moyenne, une situation défavorable ainsi qu’une situation favorable. 3.1.2.2 Tarifs du marché spot Swissix Les prix relatifs au marché spot Swissix proviennent du site internet d’EPEX SPOT (EPEX SPOT, 2018). 3.2 MÉTHODE DE CALCUL 3.2.1 Coûts d’ajustement sur la base de la fiabilité actuelle Pour chaque pas horaire, les écarts d’énergie ont été calculés comme suit : ????? [??ℎ] = (?????????? ?é???? [??ℎ] − ?????????? ??é???[??ℎ] ) ∗ 1000 Si la prévision est trop longue, c’est-à-dire si elle dépasse la production réellement observée, l’écart est négatif et est donc multiplié avec le prix de l’énergie d’ajustement moyen correspondant « BGlong ». Si la prévision est trop courte, l’écart, positif, est multiplié avec le prix moyen « BG-short ». Figure 6: Cas moyen Pour les cas favorables et défavorables, les écarts ont été multipliés soit avec le prix maximal ou minimal. Dans le cas favorable, les surplus sont multipliés avec les prix BG-long maximaux et les manques avec les prix BG-short minimaux. Pour le cas défavorable c’est l’inverse. Figure 8: Cas défavorable Figure 7: Cas favorable Page | 21 3.2.2 Coûts d’ajustement avec amélioration et détérioration de la fiabilité Afin de traduire l’amélioration ou la détérioration de la fiabilité, il a été procédé comme suit : Pour chaque pas horaire, l’écart réellement observé entre la production réelle et la production prévue a été imputé de la modification souhaitée. ????? ??????é [??ℎ] = ????? [??ℎ] − (?????[??ℎ] ∗ ???????????? [%]) Cela permet de réduire l’écart constaté, dans le cas d’une amélioration de la fiabilité, ou au contraire de l’augmenter, dans le cas d’une détérioration. Aussi la modification apportée s’applique de façon identique pour toutes les heures, indifféremment de la quantité d’énergie produite. llations télémesurées de l’ESR, n’appartenant pas forcément au même groupe-bilan et non pas l’ensemble des productions raccordés au réseau. De plus l’hypothèse est faite que l’ESR est seule dans son groupe-bilan.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela chatpfe.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

1 Introduction
2 Problématique
2.1 Intégration croissante de l’énergie solaire photovoltaïque
2.1.1 Situation actuelle en Suisse
2.1.2 Situation actuelle en Valais
2.1.3 Situation actuelle sur le réseau ESR
2.1.4 Enjeux liés au développement des installations photovoltaïques pour un gestionnaire
de réseau de distribution
2.2 Rôle d’un GRD et positionnement dans le marché électrique en suisse
2.3 Energie d’ajustement
2.3.1 Généralités
2.3.2 Calcul de l’énergie d’ajustement
3 Évaluation de l’impact économique de la fiabilité de la prévision de production pour un
gestionnaire de réseau
3.1 Provenance des données
3.1.1 Données énergétiques
3.1.2 Données économiques
3.2 Méthode de calcul
3.2.1 Coûts d’ajustement sur la base de la fiabilité actuelle
3.2.2 Coûts d’ajustement avec amélioration et détérioration de la fiabilité
3.3 Résultats : Installation de 1.2MW
3.4 Résultats : Ensemble des installations
4 L’outil de prévision de production photovoltaïque
4.1 Description globale
4.2 Installations télémesurées
4.3 Données météorologiques
4.4 Machine Learning Toolbox
4.4.1 Principe de fonctionnement
4.4.2 Paramètres d’entrée et de sortie
5 Historique du taux d’erreur de l’algorithme de prévision
5.1 Stratégie
5.2 Caractéristiques des données
5.3 Méthodologie
5.3.1 Extraction des données et logiciels utilisés
5.3.2 Mise en forme des données
5.3.3 Indicateurs utilisés
5.4 Analyse des données météorologiques
5.4.1 Rayonnement global
5.4.2 Température de l’air à 2m du sol
5.4.3 Vitesse du vent à 10m du sol
5.4.4 Synthèse
5.5 Analyse des données énergétiques
5.5.1 Installations
5.5.2 Taux d’erreur PMAD
5.5.3 Données horaires
5.5.4 Cas neige
5.5.5 Cas ciel bleu
5.5.6 Comparaison avec un modèle physique
6 Solutions suggérées
7 Propositions d’amélioration et de développement
8 Conclusion et perspectives
9 Remerciements
10 Date et signature
11 Références
12 Annexes

Rapport PFE, mémoire et thèse PDFTélécharger le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *