Les marchés de l’électricité sont aujourd’hui en forte transformation, notamment du fait des efforts de libéralisation pour étendre la compétence de gestion du système électrique par le marché. C’est par exemple le cas avec la mise en place de prix nodaux pour gérer les congestions sur le réseau. Par ailleurs, le développement des moyens de production d’électricité d’origine renouvelable met en cause le fonctionnement du système électrique. Dans ce cadre, la question d’investissement pour un producteur éolien se complexifie. Sa rémunération est susceptible à court terme de passer d’un système de subvention, à une rémunération basée sur le produit des ventes sur le marché, fluctuante dans le temps et l’espace (dans le cadre de marchés à prix nodal). Dans ce contexte, ce travail de thèse propose une analyse de l’impact des caractéristiques éoliennes de sites potentiels d’installation, le facteur de charge et la prédictibilité (capacité d’un site à fournir de bonnes prévisions), sur la décision d’investissement. Nous commençons par une analyse statistique pour plusieurs marchés, puis proposons un estimateur du revenu des producteurs éoliens, afin de réaliser le même travail d’une manière moins coûteuse qu’avec un calcul exhaustif. Ensuite, afin de mener ce type d’analyse avec un mix énergétique paramétrable, nous développons un outil de résolution du problème d’optimisation de l’implantation de centrales éoliennes dans un cadre de marché à prix nodal. Il prend en compte une participation au marché de l’électricité la veille pour le lendemain, ainsi que les pénalités versées pour les déviations introduites entre les productions prévues et injectées en temps réel (dues aux erreurs de prévision). Nous faisons l’hypothèse que les productions renouvelables sont suffisamment importantes pour impacter les prix de marché (qui sont également générés avec l’outil), et nous prenons en compte des scénarios pour les productions éoliennes et la demande. Il s’agit donc d’un problème d’optimisation stochastique résolu à l’aide d’une décomposition de Benders. Enfin, nous analysons l’impact du facteur de charge et de la prédictibilité sur l’investissement optimal, selon la configuration pour le coût de la régulation, la capacité des lignes et la corrélation des données éoliennes. / Electricity markets are in a period of intense change. This is notably due to liberalization efforts to increase the extent of electricity system’s management carried out through market operations. One such example is the implementation of nodal prices for network constraints. Moreover, the surge for electricity from renewable sources questions the operation of the electricity system. In this framework, the investment issue for wind producers is becoming more complex. Its income may go from a subsidy-based scheme to a full market participation in the short term, and more volatile according to time and location (in a nodal-pricing scheme). Bearing all this in mind, this PhD work first analyzes the impact of potential installation sites’ characteristics: load factor, and predictability (a site’s ability to enable reliable predictions), on investment. To this end, we carry out a statistical analysis on historical data from several markets, then we suggest an estimator of wind producers revenue, to carry out the same work with a less costly approach than exhaustive calculation. Then, in order to carry out the same kind of analysis, this time in a customizable framework, we build an algorithm to solve the problem of Optimal investment planning of wind turbines within a nodal price market environment. It takes into account the participation in the Day-ahead market as well as penalties paid for imbalances between the energy contracted and injected in real-time (due to forecasting errors). We assume renewable production is important enough to influence market prices which are also generated with our model, and we integrate scenarios for wind production and demand. Therefore we have a stochastic problem which we solve using Benders decomposition. Ultimately we analyze the impact of load factor and predictability on optimal investment according to the chosen setting for regulation cost, line capacities and wind data correlation.

Dans un contexte de croissance démographique dans lequel certaines ressources naturelles sont de plus en plus limitées, une gestion optimisée et conjointe des réseaux publics de l’eau et de l’électricité s’impose. L’ouverture progressive des marchés de l’électricité à la concurrence et les changements de réglementation dans plusieurs pays ont contribué au développement des mécanismes de la flexibilité de la demande, permettant d’impliquer directement les consommateurs dans la gestion de l’équilibre offre-demande du réseau électrique. Les systèmes d’eau potable, étant de grands consommateurs d’électricité, disposent d’une flexibilité grâce à la présence d’ouvrages de stockage d’eau (bâches et réservoirs) et de pompes à vitesse variable. Cette flexibilité, souvent exploitée uniquement à des fins de sécurisation des demandes en eau, peut être valorisée pour permettre une meilleure gestion de l’équilibre du réseau électrique. L’objectif de cette thèse est l’évaluation des valeurs économiques et écologiques relatives à l’intégration de la flexibilité des systèmes d’eau potable dans la gestion opérationnelle du système électrique français. Une étude de l’architecture des marchés de l’électricité en France est d’abord menée pour identifier les mécanismes de flexibilité de la demande les plus adaptés aux contraintes d’exploitation des systèmes d’eau. Des modèles mathématiques d’optimisation sont ensuite proposés et résolus à travers certaines heuristiques, en intégrant les incertitudes relatives aux consommations d’eau, aux prix des marchés ainsi qu’à la disponibilité des équipements de pompage. Les résultats numériques, discutés en se basant sur trois systèmes d’eau potable réels en France, intègrent les aspects économiques (en considérant les risques associés), opérationnels et écologiques. Des réductions importantes des coûts d’exploitation des systèmes d’eau sont estimées à travers la valorisation de l’énergie non consommée pendant les moments de pointe sur le marché spot de l’électricité. En parallèle, la considération des incertitudes permet de sécuriser l’opération des systèmes d’eau en temps réel, et de maîtriser les risques économiques relatifs à l’équilibrage du réseau électrique. De plus, des réductions importantes des émissions de CO2, estimées à environ 400 tonnes par jour en France, peuvent être réalisées en réduisant les volumes d’électricité issus des sources fossiles. / In a context of demographic growth in which natural resources are more and more limited, optimized management of water and power networks is required. Changes in electricity markets regulation in several countries have recently enabled effective integration of Demand Response mechanisms in power systems, making it possible to involve electricity consumers in the real-time balance of the power system. Through its flexible components (variable-speed pumps, tanks), drinking water systems, which are huge electricity consumers, are suitable candidates for energy-efficient Demand Response mechanisms. However, these systems are often managed independently of power system operation, for both economic and operational reasons. In this thesis, the objective is the evaluation of the economic and the ecological values related to the integration of drinking water systems flexibility into power system operation through french demand response mechanisms. An analysis of the architecture of french electricity markets is first conducted, allowing to target the most suitable demand response mechanisms considering water systems operating constraints. Some mathematical models to optimize water systems flexibility are then proposed and solved through original heuristics, integrating uncertainties about water demands, market prices and pumping stations availability. Numerical results, which are discussed using three real water systems in France, integrate the economic aspects inclunding risks, operational and ecological aspects. Significant reductions in water systems operating costs are estimated through the optimization of demand response power bids on the French spot power market during peak times. In parallel, uncertainties consideration secures the operation of water systems in real time, and makes it possible to manage economic risks related to the power grid balancing. In addition, significant savings in CO2 emissions, estimated to around 400 tons per day in France, can be achieved by reducing electricity production from fossil sources.

La raréfaction des sources de production conventionnelles et leurs émissions nocives ont favorisé l’essor notable de la production renouvelable, plus durable et mieux répartie géographiquement. Toutefois, son intégration au système électrique est problématique. En effet, la production renouvelable est peu prédictible et issue de sources majoritairement incontrôlables, ce qui compromet la stabilité du réseau, la viabilité économique des producteurs et rend nécessaire la définition de solutions adaptées pour leur participation au marché de l’électricité. Dans ce contexte, le projet scientifique Winpower propose de relier par un réseau à courant continu les ressources de plusieurs acteurs possédant respectivement des fermes éoliennes offshore (acteurs EnR) et des centrales de stockage de masse (acteurs CSM). Cette configuration impose aux acteurs d’assurer conjointement la gestion du réseau électrique.Nous supposons que les acteurs participent au marché comme une entité unique : cette hypothèse permet aux acteurs EnR de tirer profit de la flexibilité des ressources contrôlables pour minimiser le risque de pénalités sur le marché de l’électricité, aux acteurs CSM de valoriser leurs ressources auprès des acteurs EnR et/ou auprès du marché et à la coalition de faciliter la gestion des déséquilibres sur le réseau électrique, en agrégeant les ressources disponibles. Dans ce cadre, notre travail s’attaque à la problématique de la participation au marché EPEX SPOT Day-Ahead de la coalition comme une centrale électrique virtuelle ou CVPP (Cooperative Virtual Power Plant). Nous proposons une architecture de pilotage multi-acteurs basée sur les systèmes multi-agents (SMA) : elle permet d’allier les objectifs et contraintes locaux des acteurs et les objectifs globaux de la coalition.Nous formalisons alors l’agrégation et la planification de l’utilisation des ressources comme un processus décisionnel de Markov (MDP), un modèle formel adapté à la décision séquentielle en environnement incertain, pour déterminer la séquence d’actions sur les ressources contrôlables qui maximise l’espérance des revenus effectifs de la coalition. Toutefois, au moment de la planification des ressources de la coalition, l’état de la production renouvelable n’est pas connue et le MDP n’est pas résoluble en l’état : on parle de MDP partiellement observable (POMDP). Nous décomposons le POMDP en un MDP classique et un état d’information (la distribution de probabilités des erreurs de prévision de la production renouvelable) ; en extrayant cet état d’information de l’expression du POMDP, nous obtenons un MDP à état d’information (IS-MDP), pour la résolution duquel nous proposons une adaptation d’un algorithme de résolution classique des MDP, le Backwards Induction.Nous décrivons alors un cadre de simulation commun pour comparer dans les mêmes conditions nos propositions et quelques autres stratégies de participation au marché dont l’état de l’art dans la gestion des ressources renouvelables et contrôlables. Les résultats obtenus confortent l’hypothèse de la minimisation du risque associé à la production renouvelable, grâce à l’agrégation des ressources et confirment l’intérêt de la coopération des acteurs EnR et CSM dans leur participation au marché de l’électricité. Enfin, l’architecture proposée offre la possibilité de distribuer le processus de décision optimale entre les différents acteurs de la coalition : nous proposons quelques pistes de solution dans cette direction. / Renewable Energy Sources (RES) has grown remarkably in last few decades. Compared to conventional energy sources, renewable generation is more available, sustainable and environment-friendly - for example, there is no greenhouse gases emission during the energy generation. However, while electrical network stability requires production and consumption equality and the electricity market constrains producers to contract future production a priori and respect their furniture commitments or pay substantial penalties, RES are mainly uncontrollable and their behavior is difficult to forecast accurately. De facto, they jeopardize the stability of the physical network and renewable producers competitiveness in the market. The Winpower project aims to design realistic, robust and stable control strategies for offshore networks connecting to the main electricity system renewable sources and controllable storage devices owned by different autonomous actors. Each actor must embed its own local physical device control strategy but a global network management mechanism, jointly decided between connected actors, should be designed as well.We assume a market participation of the actors as an unique entity (the coalition of actors connected by the Winpower network) allowing the coalition to facilitate the network management through resources aggregation, renewable producers to take advantage of controllable sources flexibility to handle market penalties risks, as well as storage devices owners to leverage their resources on the market and/or with the management of renewable imbalances. This work tackles the market participation of the coalition as a Cooperative Virtual Power Plant. For this purpose, we describe a multi-agent architecture trough the definition of intelligent agents managing and operating actors resources and the description of these agents interactions; it allows the alliance of local constraints and objectives and the global network management objective.We formalize the aggregation and planning of resources utilization as a Markov Decision Process (MDP), a formal model suited for sequential decision making in uncertain environments. Its aim is to define the sequence of actions which maximize expected actual incomes of the market participation, while decisions over controllable resources have uncertain outcomes. However, market participation decision is prior to the actual operation when renewable generation still is uncertain. Thus, the Markov Decision Process is intractable as its state in each decision time-slot is not fully observable. To solve such a Partially Observable MDP (POMDP), we decompose it into a classical MDP and an information state (a probability distribution over renewable generation errors). The Information State MDP (IS-MDP) obtained is solved with an adaptation of the Backwards Induction, a classical MDP resolution algorithm.Then, we describe a common simulation framework to compare our proposed methodology to some other strategies, including the state of the art in renewable generation market participation. Simulations results validate the resources aggregation strategy and confirm that cooperation is beneficial to renewable producers and storage devices owners when they participate in electricity market. The proposed architecture is designed to allow the distribution of the decision making between the coalition’s actors, through the implementation of a suitable coordination mechanism. We propose some distribution methodologies, to this end.