Dans un marché électrique concurrentiel, EDF a adapté ses outils de gestion de production pour permettre une gestion optimale de son portefeuille, particulièrement sur les horizons journaliers et infra-journaliers, derniers leviers pour une gestion optimisée de la production. Et plus l'horizon d'optimisation s'approche du temps réel, plus les décisions prises aux instants précédents deviennent structurantes voire limitantes en terme d'actions. Ces décisions sont aujourd'hui prises sans tenir compte du caractère aléatoire de certaines entrées du modèle. En effet, pour les décisions à court-terme, la finesse et la complexité des modèles déjà dans le cas déterministe ont souvent été un frein à des travaux sur des modèles tenant compte de l'incertitude. Pour se prémunir face à ces aléas, des techniques d'optimisation en contexte incertain ont fait l'objet des travaux de cette thèse. Nous avons ainsi proposé un modèle robuste de placement de la production tenant compte des incertitudes sur la demande en puissance. Nous avons construit pour cette fin un ensemble d'incertitude permettant une description fine de l'aléa sur les prévisions de demande en puissance. Le choix d'indicateurs fonctionnels et statistiques a permis d'écrire cet ensemble comme un polyèdre d'incertitude. L'approche robuste prend en compte la notion de coût d'ajustement face à l'aléa. Le modèle a pour objectif de minimiser les coûts de production et les pires coûts induits par l'incertitude. Ces coûts d'ajustement peuvent décrire différents contextes opérationnels. Une application du modèle robuste à deux contextes métier est menée avec un calcul du coût d'ajustement approprié à chaque contexte. Enfin, le présent travail de recherche se situe, à notre connaissance, comme l'un des premiers dans le domaine de la gestion optimisée de la production électrique à court terme avec prise en compte de l'incertitude. Les résultats sont par ailleurs susceptibles d'ouvrir la voie vers de nouvelles approches du problème.

Dans un marché électrique concurrentiel, EDF a adapté ses outils de gestion de production pour permettre une gestion optimale de son portefeuille, particulièrement sur les horizons journaliers et infra-journaliers, derniers leviers pour une gestion optimisée de la production. Et plus l'horizon d'optimisation s'approche du temps réel, plus les décisions prises aux instants précédents deviennent structurantes voire limitantes en terme d'actions. Ces décisions sont aujourd'hui prises sans tenir compte du caractère aléatoire de certaines entrées du modèle. En effet, pour les décisions à court-terme, la finesse et la complexité des modèles déjà dans le cas déterministe ont souvent été un frein à des travaux sur des modèles tenant compte de l'incertitude. Pour se prémunir face à ces aléas, des techniques d'optimisation en contexte incertain ont fait l'objet des travaux de cette thèse. Nous avons ainsi proposé un modèle robuste de placement de la production tenant compte des incertitudes sur la demande en puissance. Nous avons construit pour cette fin un ensemble d'incertitude permettant une description fine de l'aléa sur les prévisions de demande en puissance. Le choix d'indicateurs fonctionnels et statistiques a permis d'écrire cet ensemble comme un polyèdre d'incertitude. L'approche robuste prend en compte la notion de coût d'ajustement face à l'aléa. Le modèle a pour objectif de minimiser les coûts de production et les pires coûts induits par l'incertitude. Ces coûts d'ajustement peuvent décrire différents contextes opérationnels. Une application du modèle robuste à deux contextes métier est menée avec un calcul du coût d'ajustement approprié à chaque contexte. Enfin, le présent travail de recherche se situe, à notre connaissance, comme l'un des premiers dans le domaine de la gestion optimisée de la production électrique à court terme avec prise en compte de l'incertitude. Les résultats sont par ailleurs susceptibles d'ouvrir la voie vers de nouvelles approches du problème. / Robust Optimization is an approach typically offered as a counterpoint to Stochastic Programming to deal with uncertainty, especially because it doesn't require any precise information on stochastic distributions of data. In the present work, we deal with challenging unit-commitment problem for the French daily electricity production under demand uncertainty. Our contributions concern both uncertainty modelling and original robust formulation of unit-commitment problem. We worked on a polyhedral set to describe demand uncertainty, using statistical tools and operational indicators. In terms of modelling, we proposed robust solutions that minimize production and worst adjustment costs due to uncertainty observation. We study robust solutions under two different operational contexts. Encouraging results to the convex unit-commitment problems under uncertainty are thus obtained, with intersting research topics for future work.

Nous étudions dans cette thèse le problème de gestion du risque physique en production électrique à l'horizon hebdomadaire. Dans un premier temps, nous nous intéressons à l'intégration de l'aléa d'apport hydraulique dans la gestion locale d'une vallée hydraulique. Cette approche est menée à l'aide de l'optimisation robuste et de règles de décision linéaires. Les résultats de multiples modes de simulation montrent que ces approches permettent de réduire notoirement les déversés en comparaison des modèles déterministes appliqués en exploitation, moyennant une faible augmentation du coût. La deuxième problématique traitée est la gestion active de la marge de production, définie comme l'écart entre l'offre totale et la demande totale, compte tenu des aléas affectant le système électrique. Il s'agit de déterminer quelles décisions optimales prendre, selon un certain critère économique, pour se couvrir contre un risque trop élevé de non-satisfaction de la demande dans au moins 99% des situations. Pour cela, une formulation inédite en boucle ouverte, basée sur le processus stochastique de marge de production et des contraintes en probabilité est proposée. Pour les besoins de cette formulation, nous générons des scénarios à l'aide de techniques plus réalistes qu'en exploitation. Enfin, une résolution moins anticipative est étudiée en appliquant l'heuristique «Programmation Stochastique avec Règles de Décision Constantes par Morceaux» introduite par Thénié et Vial. Les premiers résultats sont très encourageants en comparaison avec les modèles en boucle ouverte.

Continental est l'outil de référence utilisé par EDF pour la gestion d'électricité à long terme. il permet d'élaborer la stratégie d'exploitation du parc constitué de centrales réparties sur toute l'europe. l'outil simule sur chaque zone et chaque scénario plusieurs variables telles que la demande d'électricité, la quantité générée ainsi que les coûts associés. nos travaux de thèse ont pour objectif de fournir des méthodes d'analyse de ces données de production afin de faciliter leur étude et leur synthèse. nous récoltons un ensemble de problématiques auprès des utilisateurs de continental que nous tentons de résoudre à l'aide des technique de détection d'anomalies et de ruptures dans les séries temporelles. / Continental is the main tool that edf uses for the long-term management of electricity. It elaborates the strategy exploitation of the electrical parc made up by power plants distributed all over europe. the tool simulates for each zone and each scenario several variables, such as the electricity demand, the generated quantity as well as the related costs. our works aim to provide methods to analyse the data of electricity production in order to ease their discovery and synthesis. we get a set of problmatics from the users of continental that we tent to solve through techniques of outliers and changepoints detection in time series.

La croissance démographique, l'amélioration de la qualité de vie, et l'intensification des activités énergivores influent fortement sur la demande en énergie au travers de la consommation d'électricité sur un territoire. Le recours aux énergies fossiles constitue la solution la plus adoptée dans les milieux insulaires pour satisfaire cette demande. L'envers de cette méthode réside dans la quantité d'émissions de gaz à effet de serre générée au cours de la production d'énergie et la vulnérabilité de ces territoires. Les politiques actuelles ambitionnent l'atteinte de l'autonomie énergétique dans les milieux insulaires à moyen terme, et favorisent l'utilisation des énergies renouvelables pour restreindre les émissions de gaz à effet de serre. Ces travaux ont pour objet de quantifier les impacts environnementaux liés à la production d'électricité de La Réunion afin d'établir un diagnostic territorial. À partir de l'Analyse de cycle de vie et suivant les normes ISO 14044, les centrales de production d'électricité du territoire sont évaluées sous différents impacts environnementaux. La démarche adoptée a été de mettre en place un outil d'évaluation adapté à tout territoire, permettant d'identifier les étapes et les processus fortement contributeurs pour la production de 1 kWh électrique. Les résultats de ce diagnostic servent de points de repère pour élaborer les scénarios de production, établis dans une démarche de modélisation prospective. Huit scénarios proposés ont été développés pour répondre aux contraintes environnementales, techniques, sociales et économiques. / Population growth, the raising of the standard of living and quality of life, and energy-intensive activities are key parameters affecting the territory energy demand, through electricity consumption. To meet this demand, reliance on fossil fuels is the main adopted solution, particularly in insular context. The downside of this method is the large amount of greenhouse gas emissions (GHG) emitted, and vulnerability of the territories. Current policies are now in favor of the energy self-sufficiency as a medium-term objective, and put in place measures to support the use of sustainable energy sources to mitigate GHG emissions. This work aims to assess environmental impact of electricity production in Reunion island, to establish a territorial diagnosis. Based on a life cycle assessment approach, according to ISO 14044 standards, varying environmental impacts have been evaluated from existing power plants. An evaluating tool has been developed to identify the most emissive life cycle stage from 1 kWh electricity produced. The obtained results serve as a reference point to develop prospective scenarios. Eight scenarios have been presented and aim to satisfy environmental, technical, social and economic constraints.

Les émissions de gaz à effet de serre sont responsables du réchauffement climatique observé ces dernières décennies. Il est donc aujourd’hui indispensable de décarboner notre mode de vie, le secteur énergétique et notamment la production électrique. Les énergies renouvelables comme l’éolien et le photovoltaïque se sont fortement développées ces dernières années. Ces sources d’énergies présentent une contrainte majeure à leur développement : elles sont intermittentes et non pilotables pour équilibrer la demande. Plus la part de ces productions deviendra importante dans le mix électrique, plus les difficultés d’équilibrage de la demande deviendront problématiques.Dans ce travail doctoral, les productions éolienne terrestre et photovoltaïque ont été modélisées et corrigées suivant une distribution homogène à travers la France et l’Europe entre 1979 et 2015 d’après les réanalyses d’ERA-interim. Dans un second temps, un modèle simplifié d’équilibre entre l’offre renouvelable et la demande française (MSEOD) a été développé et appliqué sur la période des réanalyses ERA-interim de 1979 à 2015. Ce modèle vise à explorer le potentiel et les limites d’un foisonnement des énergies renouvelables suivant que le coût de l’électricité ou le volume d’énergie stocké est optimisé.Nous avons montré que la minimisation du coût de l’électricité (entre 186 et 194 e/MWh selon les scenarii) conduit à une faible surproduction (entre 10 à 20 %) avec d’importants moyens de stockage (puissance et volume d’énergie stockée - entre 20 et 81 heures de la consommation moyenne française), alors que le choix d’une minimisation du volume maximal d’énergie stockée conduit à une forte surproduction (entre 164 à 199 %) engendrant un coût de l’électricité environ deux fois supérieur (entre 373 et 488 e/MWh). Malgré une forte surproduction (proche de 200 % de la consommation moyenne), il est toujours nécessaire de disposer d’une puissance complémentaire (de déstockage et de production thermique) supérieure à la consommation moyenne pour permettre l’équilibrage de la demande lors de certains événements météorologiques dimensionnants le système. L’absence de contrainte du réseau sur les puissances importées permet de réduire d’un facteur 10 le volume maximal d’énergie stockée par rapport au cas d’une France en autarcie. La puissance complémentaire, nécessaire à l’équilibre de la demande française, n’est que marginalement réduite. Ce travail à montré que certains événements météorologiques conduisent à une très faible production renouvelable à l’échelle du contient européen. Le mix technologique optimal est fortement éolien, entre 68 à 100 % de la production renouvelable intermittente d’origine éolienne selon les scenarii et des LCOE testés. L’utilisation des coûts de production électrique plus faible (60 e/MWh pour le photovoltaïque et de 65 e/MWh pour l’éolien),conduit à un coût de l’électricité de l’ordre de 100 e/MWh pour une volume maximal du stockage correspondant à une journée de consommation moyenne. / Greenhouse gas emissions are responsible of the global warming observed in recent decades. It is therefore essential today to decarbonise our way of life, the energy sector and the production of electricity in particular. Renewable energies, such as wind and photovoltaic power, have developed strongly these last years. These sources of energy have a main constraint for their development : they are intermittent and non-controllable for balancing the demand. The share of these productions becomesimportant in the electricity mix, the larger the problems of balancing the demand will become.In this PhD study, terrestrial and photovoltaic wind generation were modeled and corrected according to an homogeneous distribution of capacities across France and Europe between 1979 and 2015 according to the ERA-interim reanalysis. In a second step, a simplified model of renewable supply and the French demand balancing (MSEOD) was developed and applied during the period of the ERAinterim reanalysis from 1979 to 2015. The aims of this model is to explore the potential and the limits of renewable energies balancing depending on the cost optimisation of electricity or the minimisation of volume of energy stored.During this PhD thesis, we have shown that the cost optimisation of electricity (between 186 and 194 euro / MWh according to the scenarii) leads to a low overproduction (between 10 to 20 %) with an important storage capacity (power and stored energy - between 20 and 81 hours of the average consumption), while the minimization of the maximum sizing of stored energy leads to a high overproduction (between 164 to 199 %) generating electricity costs about twice as large (between 373 and 488 euro / MWh). Despite a strong overproduction (close to 200 % of the average consumption), an additional power (destocking and thermal production) large than the average consumption is still necessary for balancing the demand during sizing meteorological events. The absence of constraint of imported powers on the network makes it possible to reduce the maximum size of stored energy by a factor of 10 as compared to the case of a self-sufficient French production. The additional power required for the balance of energy is little reduced. This work has shown that some meteorological sizing events lead to a very low renewable production at European scale. The optimal technological mix is highly wind-powered. Between 68 and 100 % of the intermittent production mix comes from wind production (depending of the scenarii and the LCOEs tested). The use of electricity production using smaller cost (60 e/MWh for photovoltaïque and 65 e/MWh for wind production), leads to an electricity cost around 100 e/MWh for a maximum storage volume corresponding to a day of the average consumption.

Le contexte de nos travaux de thèse est l'intégration de l'énergie éolienne sur les réseaux insulaires. Ces travaux sont soutenus par EDF SEI, l'opérateur électrique des îles françaises. Nous étudions un système éolien-stockage où un système de stockage d'énergie doit aider un producteur éolien à tenir, vis-à-vis du réseau, un engagement de production pris un jour à l'avance. Dans ce contexte, nous proposons une démarche pour l'optimisation du dimensionnement et du contrôle du système de stockage (gestion d'énergie). Comme les erreurs de prévision J+1 de production éolienne sont fortement incertaines, la gestion d'énergie du stockage est un problème d'optimisation stochastique (contrôle optimal stochastique). Pour le résoudre, nous étudions tout d'abord la modélisation des composants du système (modélisation énergétique du stockage par batterie Li-ion ou Sodium-Soufre) ainsi que des entrées (modélisation temporelle stochastique des entrées incertaines). Nous discutons également de la modélisation du vieillissement du stockage, sous une forme adaptée à l'optimisation de la gestion. Ces modèles nous permettent d'optimiser la gestion de l'énergie par la méthode de la programmation dynamique stochastique (SDP). Nous discutons à la fois de l'algorithme et de ses résultats, en particulier de l'effet de la forme des pénalisations sur la loi de gestion. Nous présentons également l'application de la SDP sur des problèmes complémentaires de gestion d'énergie (lissage de la production d'un houlogénérateur, limitation des rampes de production éolienne). Cette étude de l'optimisation de la gestion permet d'aborder l'optimisation du dimensionnement (choix de la capacité énergétique). Des simulations temporelles stochastiques mettent en évidence le fort impact de la structure temporelle (autocorrélation) des erreurs de prévision sur le besoin en capacité de stockage pour atteindre un niveau de performance donné. La prise en compte de paramètres de coût permet ensuite l'optimisation du dimensionnement d'un point de vue économique, en considérant les coûts de l'investissement, des pertes ainsi que du vieillissement. Nous étudions également le dimensionnement du stockage lorsque la pénalisation des écarts à l'engagement comporte un seuil de tolérance. Nous terminons ce manuscrit en abordant la question structurelle de l'interaction entre l'optimisation du dimensionnement et celle du contrôle d'un système de stockage, car ces deux problèmes d'optimisation sont couplés. / The context of this PhD thesis is the integration of wind power into the electricity grid of small islands. This work is supported by EDF SEI, the system operator for French islands. We study a wind-storage system where an energy storage is meant to help a wind farm operator fulfill a day-ahead production commitment to the grid. Within this context, we propose an approach for the optimization of the sizing and the control of the energy storage system (energy management). Because day-ahead wind power forecast errors are a major source of uncertainty, the energy management of the storage is a stochastic optimization problem (stochastic optimal control). To solve this problem, we first study the modeling of the components of the system. This include energy-based models of the storage system, with a focus on Lithium-ion and Sodium-Sulfur battery technologies. We then model the system inputs and in particular the stochastic time series like day-ahead forecast errors. We also discuss the modeling of storage aging, using a formulation which is adapted to the control optimization. Assembling all these models enables us to optimize the energy management of the storage system using the stochastic dynamic programming (SDP) method. We introduce the SDP algorithms and present our optimization results, with a special interest for the effect of the shape of the penalty function on the energy control law. We also present additional energy management applications with SDP (mitigation of wind power ramps and smoothing of ocean wave power). Having optimized the storage energy management, we address the optimization of the storage sizing (choice of the rated energy). Stochastic time series simulations show that the temporal structure (autocorrelation) of wind power forecast errors have a major impact on the need for storage capacity to reach a given performance level. Then we combine simulation results with cost parameters, including investment, losses and aging costs, to build a economic cost function for sizing. We also study storage sizing when the penalization of commitment deviations includes a tolerance threshold. We finish this manuscript with a structural study of the interaction between the optimizations of the sizing and the control of an energy storage system, because these two optimization problems are coupled.