• Annonces
  • Agenda partagé
  • Actualité partagée
• Espace ADUM
• Votre compte personnel
  • Compte
• Affiches réseau ADUM
  • Annonces Adum
• Inscription/Réinscription
• Retirer votre diplôme
• Catalogue de formation
• Soutenance de thèse
  • Soutenance en visio intégrale
• International
  • Aide à la mobilité internationale
  • Collège doctoral franco-allemand
• Après la thèse
  • Emploi
  • Mise à jour de la situation professionnelle
• Thèses en ligne
• Textes officiels
• Doctorat Site Institutionnel
  • Doctorat Site Institutionnel

Agenda partagé

Le 29 mai 2020

Soutenance de thèse de Arnold N'GORAN

Contrôle optimal et gestion énergétique d'une station d'énergie autonome par Optimisation Robuste

Résumé de la thèse en français

Cette thèse s'inscrit dans le contexte général du contrôle optimal des microgrids, et dans le cadre spécifique de la gestion optimale d'une station d'énergie photovoltaïque (PV), avec stockage, connectée à un réseau insulaire. En substance, il s'est agi de comparer quelques approches d'optimisation employées dans la gestion des microgrids. Dans le cas déterministe, les méthodes d'optimisation analytiques, basées sur une représentation simplifiée du problème, ont été comparées aux métaheuristiques, basées sur des modèles boîte noire, et aux règles expertes, basées sur l'expérience. Même si la littérature foisonne d'études portant sur l'application de ces approches, elle manque toutefois d'études approfondies comparant ces approches entre elles, sur la base de critères formels, tels que la garantie d'optimalité et l'applicabilité des solutions. Cette thèse comble ce vide. On y trouve une analyse pertinente de l'impact de l'approximation du problème, sur la qualité des solutions dites optimales. Dans le cas où le problème est soumis aux incertitudes liées à la production solaire, deux méthodes d'optimisation sous incertitudes, notamment la programmation robuste et la programmation stochastique, sont comparées entre elles et comparées à la stratégie déterministe basée sur les méthodes analytiques. Cette thèse comble également le manque d'études portant sur la comparaison concomitante de ces approches. Dans le fond, le problème de contrôle optimal (PCO) d'un microgrid isolé, composé d'un champ PV, d'une batterie de stockage et d'un générateur diesel, est d'abord étudié. Dans le cadre de cette thèse, ce problème est le cas le plus simple en architecture. À partir d'une demande en électricité et de la prévision de la production solaire, on détermine un plan optimal de production, sur un horizon d'une journée, qui satisfait la demande et les contraintes physiques, en utilisant la programmation mathématique. Ce plan optimal de production est ensuite testé sur un simulateur, en vue de vérifier son applicabilité. Le cas des microgrids connectés réseau, composés principalement d'un champ PV et d'une batterie de stockage, est ensuite considéré, dans le contexte spécifique de l'Appel d'Offres (de l'année 2015) de la Commission Française de Régulation de l'Énergie, portant sur la réalisation et l'exploitation d'installations de production d'électricité à partir de techniques de conversion du rayonnement solaire d'une puissance supérieure à 100 kWc et situées dans les zones non interconnectées. C'est un marché bilatéral qui contient un marché day-ahead, dans lequel le producteur prend un engagement de production la veille de la fourniture effective, un marché intraday, dans lequel le producteur fournit effectivement l'électricité engagée sous peine de pénalités, et des marchés optionnels d'équilibre. Cette étude se limite aux deux premiers marchés, pour lesquels le problème du producteur est de déterminer un engagement optimal en day-ahead, qui pourra être satisfait en intraday, et produire le maximum de profit. C'est donc un double problème d'engagement optimal (PEO) et de contrôle optimal. Le programme mathématique et un algorithme génétique couplé à un simulateur sont utilisés pour résoudre le PCO, en supposant que l'engagement est donné, et leurs performances sont comparées. Les erreurs de modélisation du microgrid sont évaluées. Le double problème PEO-PCO est ensuite résolu en utilisant la programmation mathématique, un algorithme génétique couplé à un simulateur, et des règles expertes. L'objectif principal étant de montrer l'avantage d'employer une approche d'optimisation avancée plutôt de simples règles d'expert. Finalement, le double problème est résolu, dans le cas où les incertitudes liées à la production solaire sont prises en compte. Deux méthodes d'optimisation sous incertitudes sont employées, et comparées.

Résumé de la thèse en anglais

This thesis is part of the general context of microgrid optimal control, and in the specific context of optimal management of a photovoltaic (PV) based microgrid (PV), with storage, connected to an island grid. In essence, it is a matter of comparing some optimization approaches used in microgrid management. In the deterministic case, analytical optimization methods, based on a simplified representation of the problem, is compared to metaheuristics, based on black box models, and to expert rules, based on experience. Even though the literature abounds with studies on the application of these approaches, it nevertheless lacks in-depth studies comparing these approaches to each other, on the basis of formal criteria, such as the guarantee of optimality and the applicability of the solutions. This thesis fills this gap. Herein is found a relevant analysis of the impact of the approximation of the problem on the quality of so-called optimal solutions. In the case where the problem is subject to the uncertainties on solar production, two optimization methods under uncertainty, namely robust programming and stochastic programming, are compared with each other and compared to the deterministic strategy based on analytical methods. This thesis also lls the lack of studies on the concomitant comparison of these approaches. Deep down, the optimal control problem (OCP) of an isolated microgrid, composed of a PV array, a battery and a diesel generator, is first studied. In the context of this thesis, this problem is the simplest case in architecture. Given an electricity demand and the forecast of solar production, an optimal production plan is determined, over a one-day horizon, which satisfies demand and physical constraints, using mathematical programming. This optimal production plan is then tested on a simulator, in order to check its applicability. The case of network connected microgrids, mainly composed of a PV array and a battery, is then considered, in the specific context of the call for tender (of year 2015) from the French Energy Regulatory Committee, relating to the construction and operation of power plants using techniques for converting solar radiation with a power greater than 100 kWp and located in noninterconnected areas. It is a bilateral market which contains a day-ahead market, in which the producer makes a production "engagement" the day before the actual supply, an intraday market, in which the producer actually supplies the committed electricity under penalty of penalties, and optional equilibrium markets. This study is limited to the first two markets, for which the producer's problem is to determine an optimal day-ahead engagement, which can be satisfied in intraday, and produce the maximum profit. It is therefore a double problem of optimal engagement (OEP) and optimal control. The mathematical program and a genetic algorithm coupled to a simulator are used to solve the OCP, assuming commitment is given, and their performance is compared. The microgrid modeling errors are evaluated. The double OEP-OCP problem is then solved using mathematical programming, a genetic algorithm coupled to a simulator, and expert rules. The main objective is to show the advantage of using an advanced optimization approach rather than simple expert rules. Finally, the double problem is solved, if the uncertainties on solar production are taken into account. Two optimization methods under uncertainty are used and compared.

Titre anglais : Optimal control and energy management of a standalone power station by Robust Optimization
Date de soutenance : vendredi 29 mai 2020 à 13h30
Adresse de soutenance : visio intégrale - soutenance par Visio
Directeur de thèse : Sophie DEMASSEY

Voir tous les événements