Optimisation des flexibilités des « consommacteurs » dans le contexte des marchés d’électricité

This thesis presents an optimization framework under uncertainty for the case in which an aggregator manages residential storage devices and renewable energy as sources of flexibility, participating directly in the day-ahead energy market and offering services to minimize operational costs. Residential flexibility assets are composed by batteries, electric water heaters and PV panels, which are optimally managed and controlled by an aggregator. The optimization model also considers battery’s cycling aging cost which allows capturing the non-linear relation between depth of discharge and total life cycling. The following sources of uncertainty are considered: electrical and thermal demand, PV production and energy prices. These uncertainties are included in the mathematical model by means of robust optimization theory and a methodology based on Pareto-optimality is proposed to detect the solutions with the best trade-off between cost and risk. In addition, this thesis presents a local flexibility management strategy, which is based on two products: 1) flexibility bids into a local market; and 2) local constraint support for the Distribution System Operator (DSO) in the form of maximum allowed net power and net ramping rate. An adjustable robust optimization model is proposed for coordinated management of resources and allows to demonstrate that the strategic bidding framework is robust enough to enable coordinated participation in three different marketplaces: energy, local flexibility and bilateral trading with the DSO.Cette thèse présente un cadre d'optimisation avec incertitude dans le cas où un agrégateur gère des dispositifs de stockage résidentiels et des énergies renouvelables comme sources de flexibilité, participant directement au marché journalier de l'énergie et proposant des services visant à minimiser les coûts opérationnels. Les actifs de flexibilité résidentiels sont composés de batteries, de chauffe-eau électriques et de panneaux photovoltaïques, gérés et contrôlés de manière optimale par l'agrégateur. Le modèle d’optimisation prend également en compte le coût de vieillissement de la batterie, qui permet de capturer la relation non linéaire entre la profondeur de décharge et le cycle de vie total. Les sources d’incertitude sont: la demande électrique et thermique, la production photovoltaïque et le prix de l’énergie. Ces incertitudes sont incluses dans le modèle mathématique au moyen d'une optimisation robuste et une méthodologie est proposée pour détecter les solutions offrant le meilleur compromis entre coût et risque. De plus, cette thèse présente une stratégie de gestion de la flexibilité locale basée sur deux produits: 1) les offres sur un marché local; et 2) prise en charge de contraintes locales pour le gestionnaire du réseau de distribution (GRD) sous la forme de la puissance nette et de la rampe nette. Un modèle d'optimisation robuste ajustable est proposé pour la gestion coordonnée des ressources et permet de démontrer que le cadre d'appel d'offres stratégique est suffisamment robuste rendant possible une participation coordonnée sur trois marchés différents: l'énergie, la flexibilité locale et les échanges bilatéraux (GRD)