L'énergie éolienne jouant un rôle de plus en plus important dans le réseau électrique, elle ne peut plus être considérée comme une source d'énergie marginale. Par conséquent, l'impact sur le réseau de l'intermittence, inhérente à ce type d'énergie devient non négligeable. L'utilisation du stockage est une des principales solutions à ce problème d'intégration. Ce travail porte sur l'optimisation du système éolien/stockage en considérant la dynamique de l'éolien, la capacité de stockage et l'interaction avec le réseau. L'objectif consiste à répondre aux exigences du réseau en limitant les fluctuations, à fournir des services-systèmes tout en mettant en avant la rentabilité économique du système. La méthode de gestion proposée s'appuie sur deux niveaux de pilotage : l'anticipation et la gestion réactive. La première phase consiste à utiliser des informations de prévisions (météorologiques, contraintes du réseau, conditions du marché électrique...) afin de définir par avance le programme de fonctionnement optimal du système de stockage. La deuxième phase étudie le fonctionnement en temps réel, où le système doit faire face aux perturbations et respecter les règles du mécanisme d'ajustement. Le problème est complexe avec de nombreuses variables de contrôle discrètes et continues. La Programmation Mixte Linéaire (PML) est utilisée pour résoudre efficacement le problème. La stratégie de fonctionnement optimale proposée sera validée sur un simulateur hors temps réel et un simulateur en temps réel.

L'énergie éolienne jouant un rôle de plus en plus important dans le réseau électrique, elle ne peut plus être considérée comme une source d'énergie marginale. Par conséquent, l'impact sur le réseau de l'intermittence, inhérente à ce type d'énergie devient non négligeable. L'utilisation du stockage est une des principales solutions à ce problème d'intégration. Ce travail porte sur l'optimisation du système éolien/stockage en considérant la dynamique de l'éolien, la capacité de stockage et l'interaction avec le réseau. L'objectif consiste à répondre aux exigences du réseau en limitant les fluctuations, à fournir des services-systèmes tout en mettant en avant la rentabilité économique du système. La méthode de gestion proposée s'appuie sur deux niveaux de pilotage : l'anticipation et la gestion réactive. La première phase consiste à utiliser des informations de prévisions (météorologiques, contraintes du réseau, conditions du marché électrique...) afin de définir par avance le programme de fonctionnement optimal du système de stockage. La deuxième phase étudie le fonctionnement en temps réel, où le système doit faire face aux perturbations et respecter les règles du mécanisme d'ajustement. Le problème est complexe avec de nombreuses variables de contrôle discrètes et continues. La Programmation Mixte Linéaire (PML) est utilisée pour résoudre efficacement le problème. La stratégie de fonctionnement optimale proposée sera validée sur un simulateur hors temps réel et un simulateur en temps réel. / Wind energy playing an increasingly important role in the electrical network and it will no longer be considered as a marginal. Therefore, the impact on the electrical grid of its inherent intermittency becomes non-negligible. The use of storage means is one of key points in the integration problem. In this work, the optimization of the wind/storage system is addressed by considering the dynamics of the wind power, the storage capacity and the grid constraints. The main objective is to meet the grids requirements in limiting the fluctuations, providing possible ancillary services and highlighting the economic profitability of system. The proposed method relies on a two levels control approach: anticipation and reactive management. The first one consists in using forecast information (weather, grid constraints, electrical market conditions …) to define in advance the optimal operation schedule for the storage system. In the second one, on real time operation, the system has to deal with possible disturbances and take the right adjustment control with the actual capacity. The problem is complex with numerous discrete control variables and continuous ones. A mixed-integer linear programming (MILP) is used to efficiently solve the problem. The proposed optimal operation strategy will be validated with on an offline simulation (simulink/Matlab) and a real time simulator.