Cooperative Intelligent Energy

Actuellement, les stratégies de gestion de l’énergie dans les réseaux intelligents sont pour la plupart limitées à l’intérêt d’un sous-système. En règle générale, chaque acteur est géré de façon autonome sans tenir compte du fait qu’il est intégré dans un réseau électrique à proximité. Par exemple, un système de gestion de l’énergie des bâtiments vise à fournir le niveau de service souhaité aux occupants et ne se soucie pas de son impact sur le réseau, sauf s’il doit en respecter certaines contraintes.Cette manière de gérer peut conduire bien entendu à un équilibre donné mais la résultante ne sera qu’un ensemble de sous-systèmes optimisés qui amèneront rarement à un optimum global dans la poche à laquelle ils appartiennent.Compte tenu de ce qui est dit ci-dessus, et au vu d’une architecture de réseaux de distribution en évolution rapide; la restructuration physique et algorithmique en sous réseaux physiques ou virtuels permettra de répondre efficacement aux problématiques liées à :— La sûreté de la fourniture— L’intégration massive de renouvelable— La qualité de l’énergie— L’apparition de nouvelles charges non conventionnelles— Aux services systèmesDans la littérature, les aspects du contrôle et de la gestion de l’énergie de microréseaux sont traités séparément, et l’interaction de réseau intelligent est simplement proposée.Pour relever ces défis, le concept de réseaux intelligents est apparu au cours de la dernière décennie. Il s’appuie sur les capacités des systèmes de communication modernes qui permettent le flux continu de données entre les acteurs d’un réseau intelligent et sur les capacités de calcul évolutives permettant de mettre en œuvre des stratégies avancées de gestion de l’énergie à grande échelle.Cette thèse se propose de mener une étude systémique du contrôle de microréseaux lequel contrôle vise une gestion optimisée de l’énergie en lien avec une structure de ce qui est communément appelé « réseau intelligent » et ce, tout en optimisant la puissance locale sous un modèle prédictif de contrôle (MPC).Le MPC se distingue parmi les stratégies avancées de contrôle de réseau pour plusieurs raisons. D’abord, il permet de traiter facilement des systèmes multi variables qui sont soumis à de multiples contraintes. En second lieu, il est capable d’anticiper les événements futurs en tenant compte des prévisions (par exemple, prévisions météorologiques, prévisions de charges, ...). Pour ces raisons, une partie de cette thèse est dédiée aux algorithmes MPC qui visent à coordonner de manière optimale un grand nombre d’acteurs dans un microréseau (PV, Batteries, Éolienne, charges, ...). L’idée est d’avoir un contrôleur MPC local pour chaque microréseau et au-dessus, un coordinateur de contrôleur de gestion MPC qui influence le contrôleur local de telle manière que l’optimalité globale du réseau intelligent soit respectée. L’objectif de maximiser la consommation locale d’énergie produite localement est considéré. Cet objectif est une étape vers l’indépendance énergétique des microréseaux locaux vis à vis du réseau principal lequel toutefois peut intervenir pour acheter l’excès de puissance de l’ensemble des microréseaux de la coopérative.Cette thèse a été préparée en co-tutelle entre le Gipsa-Lab de l’Université Grenoble-Alpes (UGA) et le PREEA de l’université de technologie et de sciences appliquées libano-française dans l’application du projet PARADISE.Ce dernier projet vise par ses contributions à optimiser des réseaux de distribution ilôtables en présence d’un fort taux de production intermittente à base de renouvelable ; et ce, par des architectures physiques et algorithmiques incrémentales.Currently, energy management strategies in smart grids are mostly limited to the interest of a subsystem. As a general rule, each actor is autonomously managed regardless of whether it is integrated into a nearby power grid. For example, a building energy management system aims to provide the desired level of service to occupants and does not care about its impact on the system unless it has to meet certain constraints.This way of managing can of course lead to a given equilibrium but the resultant will be only a set of optimized subsystems that will rarely lead to an overall optimum in the pocket to which they belong.In view of what has been said above, and in view of a rapidly evolving distribution system architecture; The physical and algorithmic restructuring in physical or virtual sub networks will allow to answer efficiently the problems related to:- Security of supply- Massive integration of renewable energy- The quality of energy- The appearance of new unconventional loads- System servicesIn the literature, aspects of microgrid energy control and management are treated separately, and intelligent network interaction is simply proposed.To meet these challenges, the concept of smart grids has emerged over the last decade. It builds on the capabilities of modern communication systems that enable the continuous flow of data between the players in an intelligent network and the scalable computing capabilities to implement advanced large-scale energy management strategies ladder.This thesis proposes to carry out a systemic study of the control of microgrid which control aims at an optimized management of the energy in connection with a structure of what is commonly called "intelligent network", while optimizing the local power under a model Predictive control (MPC).The MPC stands out among advanced network control strategies for several reasons. Firstly, it makes it possible to easily handle multi-variable systems which are subjected to multiple constraints. Secondly, it is able to anticipate future events by taking into account forecasts (for example, weather forecasts, forecast loads, etc.). For these reasons, part of this thesis is dedicated to MPC algorithms which aim to coordinate optimally a large number of actors in a microgrid (PV, Batteries, Wind, loads ...). The idea is to have a local MPC controller for each microgrid and above it, an MPC management controller coordinator that influences the local controller in such a way that the overall optimality of the intelligent network is respected. The objective of maximizing local consumption of locally produced energy is considered. This objective is a step towards the energy independence of the local microgrids with respect to the main network, which however can intervene to buy the excess power of all microgrids of the cooperative.This thesis was prepared in co-supervision between the Gipsa-Lab of the Grenoble-Alpes University (UGA) and the PREEA of the Lebanese-French University of Technology and Applied Sciences in the application of the PARADISE project.This project aims, through its contributions, to optimize distribution networks that are portable in the presence of a high rate of intermittent production based on renewable energy; And this, by physical architectures and incremental algorithm