Leçon 2-Gestion énergétique-systèmes hybrides • DA-Engineering

LEÇON 2 : GESTION ÉNERGÉTIQUE DES SYSTÈMES HYBRIDES À ÉNERGIES RENOUVELABLES

Slide

Slide

Les sources d’énergie renouvelables font l’objet d’un regain d’intérêt ces dernières années . La cause principale de cet accroissement se cache derrière les pronostiques d’épuisement des ressources énergétiques conventionnelles de la Planète : fuel, gaz naturel, charbon et même uranium. Au contraire, les sources d’énergie renouvelables peuvent être considérées comme inépuisables à l’échelle humaine, puisqu’elles utilisent des flux énergétiques naturels issus du Soleil ou de la biomasse . Une autre raison du développement des sources d’énergie renouvelables est la distribution non uniforme des ressources conventionnelles d’énergie sur la Planète, couplée à une consommation non uniforme elle aussi.

Slide

2.1 Principe et méthodes de supervision énergétique

2.1.1 Principe de supervision : Au-delà de son architecture et de son dimensionnement, un système hybride de production d’énergie électrique utilisant des dispositifs de stockage ne peut atteindre ses objectifs, énergétiques, économiques ou écologiques, sans une bonne stratégie de supervision permettant de gérer à différents échelles de temps les flux d’énergie selon :

l’état de charge des unités de stockage, pour protéger les composants lorsque l’une d’elle est vide ou pleine,
la planification prévisionnelle de sa production ou de la consommation,
les services réseaux à assurer (réglage de fréquence, réglage de tension, etc.),
l’évolution du prix de l’électricité pendant la journée.

Pour cette raison le développement de supervisions optimales des systèmes multi-sources multi-stockages à différentes échelles de temps est très important. Dans cette partie, le principe d’une supervision énergétique est d’abord rappelé. Puis, la méthodologie de supervision par logique floue est présentée et appliquée à des cas d’étude :

gestion énergétique optimisée d’une station ferroviaire hybride,
gestion énergétique d’un système PV intégrant du stockage hybride,
gestion optimale d’une centrale éolienne avec stockage hybride.

Principe général : La balance énergétique : assurer à chaque instant l’égalité entre la puissance des sources et la puissance de la charge

2.1.2 Types de supervision des systèmes multi-sources : La supervision est un algorithme qui assure la gestion des flux d’énergie entre différentes sources (générateur ou récepteur). Par exemple, dans les systèmes de puissance photovoltaïque /éolienne avec batteries, en site isolé, l’algorithme détecte quand les algorithmes MPPT doivent être dégradés si les batteries sont pleines, et quand le consommateur doit être déconnecté si elles sont vides. Il peut aussi activer un générateur diesel, qui doit fournir le complément de puissance lorsque la batterie ne peut fournir la demande. En cas de connexion au réseau, il transfère au réseau l’excédent de puissance lorsque la production dépasse la puissance spécifique de la batterie. L’algorithme devient plus complexe quand il y a plusieurs technologies de stockage ou quand d’autres objectifs économiques ou écologiques sont à prendre en compte. Rapporté à l’échelle temporelle, on distingue plusieurs types de supervision des systèmes multi-sources :

la supervision à long terme, (quotidienne à mensuelle, basée sur la prédiction et l’anticipation des variables d’entrée) ;
la supervision à moyen terme, (d’une heure à une demi-heure, qui réajuste les consignes prévisionnelles en prenant en compte de nouvelles informations, par exemple nouvelles prévisions) ;
la supervision temps réel, (permettant l’adaptation de la consigne de puissance le plus rapidement possible selon les mesures réalisées et constatées.). Elle comprend des fonctions réalisées en instantané.

Slide

2.1.3 Méthodes de supervision énergétique :

Commande tout ou rien : Commande en tension ou en courant
L’inversion du bilan de puissance (GIC) : Cette méthode consiste à modéliser l’ensemble multi-sources à l’aide d’un bilan de puissance et de déterminer les puissances de références à l’aide d’une inversion de ce bilan de puissance. Ce type de supervision a l’avantage d’être simple, cependant elle ne prend pas en compte la notion d’énergie.
Algorithme d’optimisation : Prédéterminer (de manière prédictive) la chronique de puissance à envoyer au stockage permettant de garantir la satisfaction de la demande et la bonne exploitation des sources renouvelables (gestion des excès et du déficit des énergies). Difficile à mettre en œuvre en temps réel.
Intelligence artificielle : systèmes multi-agent ou logique floue. Bien adapté aux systèmes complexes où certains états sont faiblement prévisibles et ne sont donc pas bien connus (vent, éclairage, état du réseau, charge,…).
2.2 Supervision des systèmes hybrides autonomes (installations domestiques)

Objectifs	Contraintes	Moyens d’action
Satisfaire la demande Maximiser l’utilisation des sources renouvelables	Etat de charge des batteries Excès de production Déficit de production Pbat_max & P_bat_min	Gestion du stockage Dégradation de la production Ajout d’une charge de dumping encas d’excès de production Délestage (Démarrer générateur Diesel)

2.2.1 Commande en tension

Slide

Les différents modes de fonctionnement

Slide

Mode Bulk = Courant constant (80% de charge batterie)
Mode Absorption = Tension constante pendant un temps donné

Mode Float = Tension complète jusqu’à la recharge totale des batterie

Slide

2.3 Supervision des systèmes hybrides autonomes (installations domestiques)

Slide

2.4 Validation de la méthode de supervision sur un banc d’essai : Description du banc

Slide

2.5 Commande en courant : Travaux de Thèse de Toufik Ayadi (Avec LIAS Poitiers)

Slide

Principe de supervision : La charge et la décharge de la batterie d’accumulateurs est strictement liée à la différence entre l’énergie totale fournie par le système hybride et l’énergie consommée par la charge notée ΔP (t). Nous distinguons deux cas:

Dans le cas où ΔP (t) ≥ 0, le reste de l’énergie est utilisé pour charger la batterie. Si l’état de charge dépasse le SOC_max un excès d’énergie apparaît.
Dans le cas où la différence de l’énergie est négative, la charge sera couverte par la batterie ou le générateur diesel. Ici, le rôle du générateur est la surveillance de l’état de charge de la batterie pour ne pas descendre au-dessous de SOC_Dmin donné.

Dimensionnement du groupe Diesel : Simulation pour SOCDmin=35% et SOCDmax=70%

Slide

Slide

2.6 Types de supervision en cas de connexion au réseau ou micro-réseaux :

Slide

Case study : Supervision of a hybrid railway power station

Slide

Multi-criteria approach for HRPS supervision (with implicit optimization) : Energy management services are related to:

energetic aspects (reliability, power quality…)
environmental (favoring renewable consumption)
economic aspects (electricity bill reduction)

Energybillcomponents:

Wholesale market(purchased 24hinadvance)
Public electricity network user tariff (10min index)
Adjustment mechanism (gap betweenpurchased powerandrealconsumption)

Short-term actions

limitation of the exceeding subscribed grid power
limitation of the adjustment gap

Methodology for HRPS energy management

STEP 1 : Work specifications
STEP 2 : Design of the supervisor
STEP 3 : Chart representation of operating modes – Functional graphs –
STEP 4 : Determination of the membership functions
STEP 5 : Chart representation of fuzzy operating modes – Operational graphs –
STEP 6 : Determination of the fuzzy rules
STEP 7 : Determination of indicators to measure the achievement of objectives

2.7 Case study : Design and supervision of a hybrid railway power station : Methodology for HRPS energy management (implicit optimization)

STEP 1 : Work specifications

Slide

STEP 2 : Design of the supervisor

Slide

Slide

Slide

Slide

STEP 7 : Determination of indicators to measure the achievement of objectives

Economic indicator (monthly component of the exceeding subscribed power

Slide

Energy indicator (ratio between the locally consumed energy of RES and the produced one) I_RES(%) = (E_RES – E_RES-noncons/E_RES).100

2.8 Predictive mode storage reference power

Slide

2.9 Storage power ajustment

Slide

2.10 Comparison of different supervision cases

Slide

Case study : Day-ahead Optimal Operational Planning of Generators

Slide

Focus on the design of the MCEMS under particular constraints.
Uint commitment problem with dynamic programming is developed in order to reduce the economic cost and/or CO2 equivalent emissions.

2- Non-linear Constraints

Power reserve assessment with x % of LOLP;
Balancing between load demand and power: y (t) = P_L (t) + P_re_s (t) – ∑ P_{AG _ n} (t) – ∑(δ_i (t) · P_{MGT _ i} (t)) = 0
Maximization of renewable energy usage : PV power is considered as a prior source;
Battery capacity limitation (more PV power, more battery storage
Different strategies:

1.During the day (use PV or store energy)

2.During the night (discharge battery)

MGT corresponding inequality constraint : 50%P_{M _max_} _{i (t)} ≤ P_{M _} _{i_(t)} ≤ 100%P_{M _ max_ i (t)}

Slide

3- Operational and Power Reserve Distribution Strategies

Power reserve needs to be covered by MGTs and/or PV AG:

Slide

4- Unit Commitment Problem with Dynamic Programming

Optimal Operational of a cluster of MGTs (PV power is prior source

Slide

5- Simulation Results (1) In this case: rated load (110 kW), rated PV power (55 kW) and the power reserve (with 1 % of LOLP) coming from the net demand uncertainty assessment (with second method).

Slide