Mécanismes de coordination pour la gestion de l'énergie électrique dans un quartier intelligent : planification de l'utilisation des ressources et partage local d'énergie

La modernisation des réseaux électriques via ce que l'appelle aujourd'hui les réseaux intelligents (ou smart grids) promet des avancées pour permettre de faire face à une augmentation de la demande mondiale ainsi que pour faciliter l'intégration des ressources décentralisées. Grâce à des moyens de communication et de calcul avancés, les smart grids offrent de nouvelles possibilités pour la gestion des ressources des consommateurs finaux, y compris pour de petits éléments comme de l'électroménager. Cependant, ce type de gestion basée sur des décisions prises indépendamment peuvent causer des perturbations tels qu'un rebond de consommation, ou des instabilités sur le réseau. La prise en compte des interactions entre les décisions de gestion énergétique de différentes maisons intelligentes est donc une problématique naissante dans les smart grids. Cette thèse vise à évaluer l'impact potentiel de mécanismes de coordination entre consommateurs résidentiels au niveau de quartiers, et ce à travers trois études complémentaires. Tout d'abord, une première stratégie pour la gestion coordonnée de maisons est proposée avec l'objectif d'augmenter l'utilisation locale d'énergie renouvelable à travers la mise en place d'échanges d'énergie électrique entre voisins. Les participants reçoivent en échange une compensation financière. L'algorithme de gestion est étudié dans une configuration centralisée et une configuration décentralisée en faisant appel au concept de système multi-agents, chaque maison étant représentée par un agent. Les résultats de simulation montrent que les deux approches sont efficaces pour augmenter la consommation locale d'énergie renouvelable et réduire les coûts énergétiques journaliers des consommateurs. Bien que l'approche décentralisée retourne des résultats plus rapidement, l'approche centralisée a une meilleure performance concernant les coûts. Dans une seconde étude, deux algorithmes de gestion énergétiques à J-1 sont proposés pour un quartier résidentiel. Un modèle de tarification dynamique est utilisé, où le prix dépend de la consommation agrégée du quartier ainsi que d'une forme de tarification heures creuses-heures pleines. L'objectif est ici de concevoir un mécanisme de coordination plus avancé (par rapport au précédent), en permettant des échanges d'énergie renouvelable résiduelle au sein du quartier. La performance des algorithmes est étudiée sur une période d'une journée puis d'une année, en prenant ou non en compte les erreurs de prévision. D'après les résultats de simulation, les deux algorithmes proposés montrent de meilleurs performances que les méthodes de référence (sans contrôle, et algorithme égoïste), même en considérant les erreurs de prévision. Enfin, dans une troisième étude, l'impact de l'introduction de production photovoltaïque résidentielle sur la performance d'un agrégateur est évaluée, dans une configuration centralisée. L'agrégateur interagit avec le marché spot et le gestionnaire de réseau, de façon à proposer un nouveau modèle de tarification permettant d'influencer les consommateurs à agir sur leur consommation. Les résultats de simulation montrent quand le taux de pénétration de photovoltaïque résidentiel augmente, le profit de l'agrégateur diminue, du fait de l'autoconsommation dans le quartier.Grid modernization through philosophies as the Smart Grid has the potential to help meet the expected world increasing demand and integrate new distributed generation resources at the same time. Using advanced communication and computing capabilities, the Smart Grid offers a new avenue of controlling end-user assets, including small units such as home appliances. However, with such strategies, decisions taken independently can cause undesired effects such as rebound peaks, contingencies, and instabilities in the network. Therefore, the interaction between the energy management actions of multiple smart homes is a challenging issue in the Smart Grid. Under this purpose, in this work, the potential of coordination mechanisms established among residential customers at the neighborhood level is evaluated through three studies. Firstly, coordinative home energy management is presented, with the aim to increase local renewable energy usage in the neighborhood area by establishing energy trading among smart homes, which are compensated by incentives. The control algorithm is realized in both centralized and decentralized manners by deploying a multi-agent system, where neighborhood entities are modeled as agents. Simulations results show that both methods are effective on increasing local renewable energy usage and decreasing the daily electricity bills of customers. However, while the decentralized approach gives results in shorter time, the centralized approach shows a better performance regarding costs. Secondly, two decentralized energy management algorithms are proposed for day-ahead energy management in the neighborhood area. A dynamic pricing model is used, where price is associated to the aggregated consumption and grid time-of-use scheme. The objective of the study is to establish a more advanced coordination mechanism (compared to previous work) with residual renewable energy is shared among smart homes. In this study, the performance of the algorithms is investigated with daily and annual analyses, with and without considering forecasting errors. According to simulations results, both coordinative control models show better performance compared to baseline and selfish (no coordination) control cases, even when considering forecasting errors. Lastly, the impact of photovoltaic systems on a residential aggregator performance (in a centralized approach) is investigated in a neighborhood area. In the proposed model, the aggregator interacts with the spot market and the utility, and proposes a novel pricing scheme to influence customers to control their loads. Simulation results show that when the penetration level of residential photovoltaics (PV) is increased, the aggregator profit decreases due to self-consumption ability with PV in the neighborhood