La soutenance de thèse d’Elie HLEIHEL, intitulée « Optimisation multi objectif d’un micro-réseau DC » a eu lieu le mardi 28 Novembre à 9h (heure France) sur le Campus des Sciences et Technologies – Amphithéâtre de l’ESIB – Mar Roukoz – Dekwaneh – BEYROUTH (Liban).
Cette thèse a été réalisée en cotutelle sous la direction du Pr. Maurice FADEL (LAPLACE) et du Pr. Hadi KANAAN (ESIB).
Jury:
Nazih MOUBAYED, Professeur, Université Libanaise, Rapporteur
Mohamed BENBOUZID, Professeur, Université de Bretagne Occidentale, Rapporteur
Joseph EL ASSAD, Professeur, Université Saint Esprit de Kaslik (USEK), Examinateur
Rabih JABR, Professeur, Université Américaine de Beyrouth (AUB), Examinateur
Flavia KHATOUNIAN EL-RAJJI Professeur Université Saint-Joseph de Beyrouth (USJ), Examinatrice
Hadi KANAAN, Professeur ESIB, Co-directeur de Thèse
Maurice FADEL, Professeur INP-ENSEEIHT, Co-directeur de Thèse
Vulgarisation :
Cette thèse aborde le problème de la gestion optimale de puissance d’un micro-réseau DC sur un horizon de 24heures pour atteindre un ensemble d’objectifs. En se basant sur les politiques énergétiques internationales actuelles troisobjectifs d’optimisation sont fixés : la minimisation du coût d’exploitation total du micro-réseau DC, la réduction desémissions carbonées et la minimisation des pertes dans les convertisseurs.
Le micro-réseau DC adopté inclut des sources d’énergie renouvelables, une source traditionnelle polluante (groupe diesel), unsystème de stockage d’énergie, et une charge résidentielle. Il peut opérer en mode isolé ou connecté au réseau électrique.
Le travail réalisé propose une solution à la problématique de modélisation du micro-réseau sur 24 heures sur un calculateur deprocesseur et mémoire limités. Des modèles mathématiques en valeur moyenne sont avancés pour créer un meilleurcompromis entre précision, complexité et rapidité de simulation du modèle.
Afin d’atteindre les objectifs de gestion d’énergie visés, un problème d’optimisation est formulé et résolu à travers des méthodesdéterministes et métaheuristiques. Deux optimisations hors et en ligne sont effectuées. La première génère les références depuissances optimales sur tout l’horizon à partir d’une prédiction de consommation et de production tandis que la deuxièmeassure des optimisations locales pour corriger et ajuster les erreurs dues aux différences entre la prévision et la réalité.
Résumé de la thèse :
Cette thèse aborde le problème de la gestion optimale de puissance d’un micro-réseau DC sur un horizonde 24 heures afin d’atteindre un ensemble d’objectifs. En se basant sur les politiques énergétiques internationales actuelles troisobjectifs d’optimisation sont fixés : la minimisation du coût d’exploitation total du micro-réseau DC, la réduction desémissions carbonées et la minimisation des pertes dans les convertisseurs.
Le manuscrit de thèse comprend cinq chapitres.
Dans le chapitre 1, la prolifération du concept de micro-réseau, en particulier des DC et leurs stratégies de contrôle sontévoquées. La configuration adoptée et le dimensionnement du micro-réseau DC sont présentés. Comme la thèse cible lagestion optimale d’énergie, des travaux de recherche ciblés sur les techniques d’optimisation appliquées sont révélés. Outrel’optimisation hors ligne, réalisée la veille pour le lendemain, une étape d’optimisation en ligne est ajoutée pour mettre à jour lesréférences optimales en raison des incohérences entre les données prévues et réelles. Ainsi, les techniques d’optimisation en ligne prédominantes sont citées.
La modélisation du micro-réseau DC sur 24 heures est représentée dans le chapitre 2. La problématique de modélisation sur 24heures sur un calculateur de processeur et mémoire limités est traité. Tout d’abord, un modèle détaillé de chaque unité,convertisseur et stratégie de contrôle correspondante est présenté à part. Ensuite, de nouvelles techniques en valeur moyennesont avancées pour créer un meilleur compromis entre la précision du modèle, la complexité et la rapidité de simulation. Lavalidité de chaque nouvelle technique moyenne est vérifiée à travers une comparaison avec le modèle détaillé. Enfin, pour prouver la viabilité du modèle de micro-réseau DC 24-heure assemblé, deux simulations identiques de 15 minutes avec desprofils d’entrée et de charge variables sont menées sur les modèles 24-heures et détaillés.
L’optimisation hors ligne accomplie la veille est détaillée dans le chapitre 3. En se basant sur des données prédites, le problèmed’optimisation hors ligne génère les références de puissance optimales des sources distribuables pour les prochaines 24 heures.Un problème d’optimisation est formulé en définissant une fonction objectif unique à minimiser. La fonction objectif comprend lestrois objectifs d’optimisation cités ci-dessus. En outre, plusieurs contraintes qui délimitent les références de puissance minimale etmaximale des sources d’exploitation sont ajoutées. Parmi plusieurs algorithmes, la programmation dynamique (DP) et l’algorithmegénétique (GA) sont respectivement appliqués pour résoudre le problème d’optimisation. Les deux algorithmes sont évalués entermes de recherche de solution optimale, de vitesse de convergence et de sélection de période d’échantillonnage. D’autre part, le critère de préférence entre les objectifs d’optimisation est abordé par une analyse détaillée de la sélection des coefficientsde pondération.
Le chapitre 4 présente l’optimisation en ligne qui met à jour les références de puissance optimale hors ligne des sourcesdistribuables en raison des incertitudes existantes entre les données prévues et réelles. Contrairement au problème d’optimisationhors ligne qui trouve l’ensemble des références de puissance optimale sur l’horizon de temps complet, l’étape d’optimisation enligne effectue des optimisations locales à chaque période intra-échantillon. L’étape d’optimisation en ligne est validée à traversplusieurs tests de simulation dans lesquels les signaux d’entrée prédits sont modifiés différemment pour générer des signaux d’entrée réels avec des marges d’erreur variables. La robustesse de l’étape d’optimisation en ligne est évaluée en fonction dela marge d’erreur entre les entrées de données prévues et réelles.
Enfin, le chapitre 5 conclut la thèse et énonce les contributions principales et les améliorations possibles en guise de perspectives.
