En 2010, ERDF (le distributeur d'électricité Français) a entamé la mise en place du projet " Linky " dont l'objectif est d'installer 35 millions de compteurs intelligents en France. Ces compteurs permettront de collecter les données de consommation en " temps réel ", avec lesquelles des modèles de charge plus précis pourront être envisagés. Dans ce contexte, cette thèse définit deux objectifs: la définition de modèles prédictifs de charge pour la conduite et la conception de modèles d'estimation de charge pour la planification. En ce qui concerne la conduite, nous avons développés deux modèles. Le premier exploite le formalisme mathématique des séries chronologiques ; le second est basé sur le réseau de neurones. Les deux modèles cherchent à prévoir la charge des jours " J+1 " et " J+2 " à partir des informations collectées jusqu'au jour " J ". Quand à la planification, un modèle non paramétrique est proposé et comparé avec le modèle actuel " BAGHEERA " d'EDF. Le modèle non paramétrique est un modèle individuel configuré par les relevées compteurs. Trois régresseurs non paramétriques (Nadaraya Watson, Local Linear et Local Linear adapted) sont proposés. Les scénarios de validation montrent que le modèle non paramétrique est plus précis que le modèle " BAGHEERA ". Ces nouveaux modèles ont été conçus et validés sur de vraies données collectées sur le territoire français.

L'évolution des réseaux électriques combinés avec les réseaux et les infrastructures des technologies de l'information et de la communication a donné lieu à une nouvelle génération de réseaux appelés Réseaux électriques intelligents (Smart grids). Ces réseaux ont des exigences relativement aux architectures de communication et des services. Cette génération de réseaux requiert également la mise en œuvre de services pour leur monitoring et leur surveillance. Avec la venue des compteurs intelligents, il devient possible de faire communiquer les foyers avec un centre de contrôle et de monitoring, ce qui permet de gérer et de contrôler à distance les appareils se trouvant dans le foyer. Les réseaux intelligents offrent également la possibilité d'intégrer des énergies alternatives et renouvelables comme l'énergie solaire ou l'énergie éolienne. Tout foyer connecté au réseau peut non seulement consommer de l'énergie provenant d'un réseau électrique comme celui d'Hydro-Québec, mais également produire de l'énergie et la rendre disponible aux autres foyers. Dans ce mémoire, nous nous sommes intéressés à plusieurs de ces aspects et nous formulons des propositions pour répondre aux nouveaux besoins crées par ces réseaux. Nous avons proposé des infrastructures de communication impliquant des réseaux sans fil et une architecture permettant de connecter les différents éléments du réseau et les équipements des foyers (appareils électriques, appareils électroménagers, etc.). Nous avons proposé plusieurs services pour effectuer le contrôle et le monitoring du réseau et des équipements des foyers à travers les compteurs intelligents. À cet effet, nous avons utilisé des services Web. Nous avons proposé une procédure d'ordonnancement des appareils électriques et électroménagers des foyers en vue de gérer leurs consommations et faire face aux situations de panne, notamment dans les chutes de tension. Nous avons également développé des services et une application pour donner accès à ces services à travers des appareils portables, notamment les téléphones mobiles intelligents. Pour permettre aux fournisseurs d'énergie de mettre à la disposition des usagers du réseau le surplus d'énergie qu'ils produisent, nous avons mis sur pied une infrastructure et des mécanismes d'échange pour la négociation de l'offre et de la demande d'énergie. Ce mécanisme utilise les agents mobiles. Ces agents sont des programmes qui voyagent à travers le réseau grâce à un protocole de routage spécifique en vue de trouver les meilleurs fournisseurs qui répondent aux demandes des foyers qui ont un besoin en énergie. Ce protocole de routage est évalué par simulation, et les résultats sont présentés et discutés dans ce mémoire, démontrant ainsi des bonnes performances. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : réseaux électriques intelligents, compteurs intelligents, monitoring et contrôle de la distribution d'énergie, gestion de la consommation électrique, ordonnancement, communication sans fil, agents mobiles.

Cette thèse porte sur l'étude des apports de la flexibilité dans les réseaux Smart Grids Basse Tension. Ces derniers étant fondamentalement différents des réseaux Moyennes et Hautes Tensions, la gestion des flexibilités BT ne peut être calquée sur celle des réseaux MT et HT. De nouveaux moyens de contrôle doivent donc être développés. L'apport de ces flexibilité est analysé selon deux principaux bénéfices: la gestion opérationnelle la réduction de la pointe. Le premier apport porte donc sur le maintien des variables critiques à l'interieur des contraintes admissibles. Le but est de pouvoir gérer le réseau au plus près de ses limites, et donc d'éviter d'avoir à le renouveler, nottament en cas d'insertion importante de production décentralisée ou de véhicules électriques. La flexibilité utilisée est la gestion coordonnée des production décentralisées (puissances actives, réactives et phase de connection) et d'un régleur en charge. Le second porte sur la réduction de la pointe de consommation, soit au niveau du transformateur, soit au niveau national. La flexibilité utilisée est le délestage du chauffage électrique pendant une courte durée, suivie d'un rebond de puissance lorsque le chauffage est rallumé. / This thesis investigates the potential contributions of flexibilities in Low Voltage Smart Grids. These networks are intrinsically different than Medium and High Voltages networks, so that the control of LV flexibilities cannot be directly taken from MV and HV networks, and new methods should be developed. The contribution of these flexibilities is studied through two main benefits: improved network operation and peak shaving. The first benefit focuses on maintaining the critical variables within the admissible constraints. The objective is to manage the network closer to its limits, reducing the need for margins, and therefore the need for upscaling. This is especially true in case of significant insertion of distributed generations or electric vehicles. The studied flexibility is the coordinated management of decentralized generation (active and reactive powers, phase switch) and a tap changer. The second benefit concerns the reduction of the peak consumption, either at the transformer, either at the national level. The studied flexibility is the shedding of electric heating for a short time, followed by a rebound when the heating is turned back on.

Actuellement, les stratégies de gestion de l’énergie dans les réseaux intelligents sont pour la plupart limitées à l’intérêt d’un sous-système. En règle générale, chaque acteur est géré de façon autonome sans tenir compte du fait qu’il est intégré dans un réseau électrique à proximité. Par exemple, un système de gestion de l’énergie des bâtiments vise à fournir le niveau de service souhaité aux occupants et ne se soucie pas de son impact sur le réseau, sauf s’il doit en respecter certaines contraintes.Cette manière de gérer peut conduire bien entendu à un équilibre donné mais la résultante ne sera qu’un ensemble de sous-systèmes optimisés qui amèneront rarement à un optimum global dans la poche à laquelle ils appartiennent.Compte tenu de ce qui est dit ci-dessus, et au vu d’une architecture de réseaux de distribution en évolution rapide; la restructuration physique et algorithmique en sous réseaux physiques ou virtuels permettra de répondre efficacement aux problématiques liées à :— La sûreté de la fourniture— L’intégration massive de renouvelable— La qualité de l’énergie— L’apparition de nouvelles charges non conventionnelles— Aux services systèmesDans la littérature, les aspects du contrôle et de la gestion de l’énergie de microréseaux sont traités séparément, et l’interaction de réseau intelligent est simplement proposée.Pour relever ces défis, le concept de réseaux intelligents est apparu au cours de la dernière décennie. Il s’appuie sur les capacités des systèmes de communication modernes qui permettent le flux continu de données entre les acteurs d’un réseau intelligent et sur les capacités de calcul évolutives permettant de mettre en œuvre des stratégies avancées de gestion de l’énergie à grande échelle.Cette thèse se propose de mener une étude systémique du contrôle de microréseaux lequel contrôle vise une gestion optimisée de l’énergie en lien avec une structure de ce qui est communément appelé « réseau intelligent » et ce, tout en optimisant la puissance locale sous un modèle prédictif de contrôle (MPC).Le MPC se distingue parmi les stratégies avancées de contrôle de réseau pour plusieurs raisons. D’abord, il permet de traiter facilement des systèmes multi variables qui sont soumis à de multiples contraintes. En second lieu, il est capable d’anticiper les événements futurs en tenant compte des prévisions (par exemple, prévisions météorologiques, prévisions de charges, ...). Pour ces raisons, une partie de cette thèse est dédiée aux algorithmes MPC qui visent à coordonner de manière optimale un grand nombre d’acteurs dans un microréseau (PV, Batteries, Éolienne, charges, ...). L’idée est d’avoir un contrôleur MPC local pour chaque microréseau et au-dessus, un coordinateur de contrôleur de gestion MPC qui influence le contrôleur local de telle manière que l’optimalité globale du réseau intelligent soit respectée. L’objectif de maximiser la consommation locale d’énergie produite localement est considéré. Cet objectif est une étape vers l’indépendance énergétique des microréseaux locaux vis à vis du réseau principal lequel toutefois peut intervenir pour acheter l’excès de puissance de l’ensemble des microréseaux de la coopérative.Cette thèse a été préparée en co-tutelle entre le Gipsa-Lab de l’Université Grenoble-Alpes (UGA) et le PREEA de l’université de technologie et de sciences appliquées libano-française dans l’application du projet PARADISE.Ce dernier projet vise par ses contributions à optimiser des réseaux de distribution ilôtables en présence d’un fort taux de production intermittente à base de renouvelable ; et ce, par des architectures physiques et algorithmiques incrémentales. / Currently, energy management strategies in smart grids are mostly limited to the interest of a subsystem. As a general rule, each actor is autonomously managed regardless of whether it is integrated into a nearby power grid. For example, a building energy management system aims to provide the desired level of service to occupants and does not care about its impact on the system unless it has to meet certain constraints.This way of managing can of course lead to a given equilibrium but the resultant will be only a set of optimized subsystems that will rarely lead to an overall optimum in the pocket to which they belong.In view of what has been said above, and in view of a rapidly evolving distribution system architecture; The physical and algorithmic restructuring in physical or virtual sub networks will allow to answer efficiently the problems related to:- Security of supply- Massive integration of renewable energy- The quality of energy- The appearance of new unconventional loads- System servicesIn the literature, aspects of microgrid energy control and management are treated separately, and intelligent network interaction is simply proposed.To meet these challenges, the concept of smart grids has emerged over the last decade. It builds on the capabilities of modern communication systems that enable the continuous flow of data between the players in an intelligent network and the scalable computing capabilities to implement advanced large-scale energy management strategies ladder.This thesis proposes to carry out a systemic study of the control of microgrid which control aims at an optimized management of the energy in connection with a structure of what is commonly called "intelligent network", while optimizing the local power under a model Predictive control (MPC).The MPC stands out among advanced network control strategies for several reasons. Firstly, it makes it possible to easily handle multi-variable systems which are subjected to multiple constraints. Secondly, it is able to anticipate future events by taking into account forecasts (for example, weather forecasts, forecast loads, etc.). For these reasons, part of this thesis is dedicated to MPC algorithms which aim to coordinate optimally a large number of actors in a microgrid (PV, Batteries, Wind, loads ...). The idea is to have a local MPC controller for each microgrid and above it, an MPC management controller coordinator that influences the local controller in such a way that the overall optimality of the intelligent network is respected. The objective of maximizing local consumption of locally produced energy is considered. This objective is a step towards the energy independence of the local microgrids with respect to the main network, which however can intervene to buy the excess power of all microgrids of the cooperative.This thesis was prepared in co-supervision between the Gipsa-Lab of the Grenoble-Alpes University (UGA) and the PREEA of the Lebanese-French University of Technology and Applied Sciences in the application of the PARADISE project.This project aims, through its contributions, to optimize distribution networks that are portable in the presence of a high rate of intermittent production based on renewable energy; And this, by physical architectures and incremental algorithm.

Les travaux de cette thèse portent sur l'optimisation des flux énergétiques et informatiques dans un réseau intelligent ayant pour but d'alimenter un centre de calcul via des énergies renouvelables. Dans cette thèse sont traités les problèmes liés à la mise en commun des informations de types énergétique et informatique dans une contrainte de réactivité forte à travers la création d'une architecture pour un réseau intelligent. La modélisation d'un tel réseau doit permettre la prise de décision de manière dynamique et autonome. L'objectif de cette modélisation, via un réseau intelligent, est l'optimisation des ressources renouvelables afin de diminuer l'empreinte écologique. / The work of this thesis deals with the optimization of energy and computer flows in an intelligent network aiming to supply a data center via renewable energies. In this thesis are treated the problems related to the pooling of energy and computer information in a strong reactivity constraint through the creation of an architecture for an intelligent network. The modeling of such a network must allow the decision making in a dynamic and autonomous way. The objective of this modeling, via an intelligent network, is the optimization of renewable resources in order to reduce the ecological footprint.

L’intégration des énergies renouvelables produites par un bâtiment et les réseaux de fourniture, qui sont amenés à proposer des tarifications et des puissances disponibles variables au cours de la journée, entraînent une grande variabilité de la disponibilité de l’énergie. Mais les besoins des utilisateurs ne sont pas forcément en accord avec cette disponibilité. La gestion de l’énergie consiste alors à faire en sorte que les moments de consommation des installations coïncident avec les moments où celle-ci est disponible. Notre objectif a été de proposer une stratégie de commande prédictive, distribuée et hiérarchisée, pour gérer efficacement l’énergie de l’habitat. Les aspects prédictifs de notre approche permettent d’anticiper les besoins et les variations de la tarification énergétique. L’aspect distribué va permettre d’assurer la modularité de la structure de commande, pour pouvoir intégrer différents usages et différentes technologies de manière simple et sans faire exploser la combinatoire du problème d’optimisation résultant. / Electrical system is under a hard constraint: production and consumption must be equal. The production has to integrate non-controllable energy resources and to consider variability of local productions. While buildings are one of the most important energy consumers, the emergence of information and communication technologies (ICT) in the building integrates them in smart-grid as important consumer-actor players. Indeed, they have at their disposal various storage capacities: thermal storage, hot-water tank and also electrical battery. In our work we develop an hierarchical and distributed Building Energy Management Systems based on model predictive control in order to enable to shift, to reduce or even to store energy according to grid informations. The anticipation enables to plan the energy consumption in order to optimize the operating cost values, while the hierarchical architecture enables to treat the high resolution problem complexity and the distributed aspect enables to ensure the control modularity bringing adaptability to the controller.

L'intégration de panneaux photovoltaïques dans un système électrique réduit la consommation des sources fossiles et apporte des avantages environnementaux. Toutefois, l'intermittence et les fluctuations de puissance détériorent la qualité d'alimentation électrique. La solution proposée est d'ajouter des éléments de stockage, coordonnés par un contrôleur local qui gère les flux de puissance entre toutes les sources et la disponibilité énergétique. Ce générateur actif PV peut générer des références de puissance et fournir des services " système " au réseau électrique. Puis les concepts liés au micro réseau sont transposés pour concevoir un système central de gestion de l'énergie d'un réseau électrique résidentiel, qui est alimenté par des générateurs actifs PV et une micro turbine à gaz. Un réseau de communication est utilisé pour échanger des données et des références de puissance. Un système de gestion de l'énergie est développé avec différentes fonctions de contrôle sur des échelles de temps différentes afin de maximiser l'utilisation de l'énergie PV. Une planification opérationnelle quotidienne est conçue par un algorithme déterministe, qui utilise la prédiction d'énergie PV et de la charge. Puis ces références de puissance sont actualisées chaque demi-heure en tenant compte de la disponibilité de l'énergie PV et l'état des unités de stockage. Les erreurs de prévision et les incertitudes sont compensées par le réglage primaire de fréquence. Les résultats de simulation et les tests valident la conception de la commande du générateur actif photovoltaïque ainsi que le système central de gestion de l'énergie du réseau résidentiel étudié

En 2010, ERDF (Electricité Réseau Distribution France) a entamé la mise en place du projet « Linky » dont l'objectif est d'installer 35 millions de compteurs intelligents en France. Ces compteurs permettront de collecter les données de consommation en « temps réel », avec lesquelles des modèles de charge plus précis pourront être envisagés. Dans ce contexte, cette thèse définit deux objectifs: la définition de modèles prédictifs de charge pour la conduite et la conception de modèles d'estimation de charge pour la planification. En ce qui concerne la conduite, nous avons développés deux modèles. Le premier exploite le formalisme mathématique des séries chronologiques ; le second est basé sur un réseau de neurones. Les deux modèles cherchent à prévoir la charge des jours « J+1 » et « J+2 » à partir des informations collectées jusqu'au jour « J ». Le modèle « série chronologique » repose sur les propriétés temporelles des courbes de charge. Ainsi on découpe la courbe de charge en trois parties : la tendance, la périodicité et le résidu. Les premiers deux sont déterministes et indépendamment développés en deux modèles : le modèle de tendance et le modèle de cyclicité. La somme de la prévision de ces deux modèles est la prévision finale. Le résidu quant à lui capture les phénomènes aléatoires que présente la courbe de charge. Le modèle de prédiction ainsi développé s'aide de nombreux outils statistiques (e.g., test de stationnarité, test ANOVA, analyse spectrale, entres autres) pour garantir son bon fonctionnement. Enfin, modèle « série chronologique » prend en compte plusieurs facteurs qui expliquent la variation dans la courbe de consommation tels que la température, les cyclicités, le temps, et le type du jour, etc. En ce qui concerne le modèle à base de réseaux de neurones, nous nous focalisons sur les stratégies de sélection de la structure pour un modèle optimal. Les choix des entrées et du nombre de neurones cachés sont effectués à travers les méthodes dites de «régression orthogonale » et de « leave-one-out-virtuel ». Les résultats montrent que la procédure proposée permet de choisir une structure de réseau de neurones qui garantisse une bonne précision de prédiction. En ce qui concerne la planification, un modèle non paramétrique est proposé et comparé avec le modèle actuel « BAGHEERA » d'EDF. Avec l'ouverture du marché d'électricité, la relation entre les fournisseurs, les clients et les distributeurs devient flexible. Les informations qualitatives d'un client particulier telles que sa puissance souscrite, son code d'activité, ses tarifs etc. sont de moins en moins disponibles. L'évolution du modèle BAGHEERA qui dépend ces informations pour classer les clients dans différentes catégories est devenue indispensable. Le modèle non paramétrique est un modèle individuel centré sur le relevé des compteurs. Trois variables de régression non paramétriques : Nadaraya Watson, Local Linear et Local Linear adapted ont été analysées et comparées. Les scénarios de validation montrent que le modèle non paramétrique est plus précis que le modèle « BAGHEERA ». Ces nouveaux modèles ont été conçus et validés sur de vraies données collectées sur le territoire français. / From 2010, ERDF (French DSO) started the “Linky” project. The project aims at installing 35 millions smart meters in France. These smart meters will collect individual client's consumption data in real time and transfer these data to the data center automatically in a certain frequency. These detailed consumption information provided by the smart metering system enables the designs of more accurate load models. On this purpose, two distinctive objectives are defined in this dissertation: the forecasting load models for the operation need and the estimation load models for the planning need. For the operation need, two models are developed, respectively relying on the “time series” and the “neural network” principals. They are both for the objective of predicting the loads in “D+1” and “D+2” days based on the historical information till “D” day. The “time series” model divides the load curve into three components: the trend, the cyclic, and the residual. The first two parts are deterministic, from which two models named the trend model and the cyclic model are made. The sum of the prevision of these two models is the final prediction result. For a better precision, numerous statistical tools are also integrated such that the stationary test, the smoothed periodogram, the ANOVA test and the gliding window estimation, etc. The time series model can extract information from the influence factors such as the time, the temperature, the periodicities and the day type, etc. Being the most popular non linear model and the universal approximator, the neural network load forecasting model is also studied in this dissertation. We focus on the strategy of the structure selection. The work is in collaboration with Prof. Dreyfus (SIGMA lab), a well known expert in the machine learning field. Input selection and model selection are performed by the “orthogonal forward regression” and the “virtual-leave-one-out” algorithms. Results show that the proposed procedure is efficient and guarantees the chosen model a good accuracy on the load forecasting. For the planning, a nonparametric model is designed and compared with the actual model “BAGHEERA” of the French electricity company EDF. With the opening of the electricity market, the relationship among the regulators, suppliers and clients is changing. The qualitative information about a particular client such as his subscribed power, his activity code and his electricity tariffs becomes less and less available. The evolution from the BAGHEERA model to a data-driven model is unavoidable, since the BAGHEERA model depends on these information to attribute every client in the French territory into a pre-defined category. The proposed nonparametric model is individualized and can deal with both temperature sensitive (possessing an electrical heater) and temperature insensitive clients. Three nonparametric regressors are proposed: the Nadaraya Watson, the local linear, and the local linear adapted. The validation studies show that the nonparametric model has a better estimation precision than the BAGHEERA model. These novel models are designed and validated by the real measurements collected in the French distribution network.

L’intégration de panneaux photovoltaïques dans un système électrique réduit la consommation des sources fossiles et apporte des avantages environnementaux. Toutefois, l'intermittence et les fluctuations de puissance détériorent la qualité d’alimentation électrique. La solution proposée est d’ajouter des éléments de stockage, coordonnés par un contrôleur local qui gère les flux de puissance entre toutes les sources et la disponibilité énergétique. Ce générateur actif PV peut générer des références de puissance et fournir des services « système » au réseau électrique. Puis les concepts liés au micro réseau sont transposés pour concevoir un système central de gestion de l'énergie d'un réseau électrique résidentiel, qui est alimenté par des générateurs actifs PV et une micro turbine à gaz. Un réseau de communication est utilisé pour échanger des données et des références de puissance. Un système de gestion de l'énergie est développé avec différentes fonctions de contrôle sur des échelles de temps différentes afin de maximiser l'utilisation de l'énergie PV. Une planification opérationnelle quotidienne est conçue par un algorithme déterministe, qui utilise la prédiction d'énergie PV et de la charge. Puis ces références de puissance sont actualisées chaque demi-heure en tenant compte de la disponibilité de l’énergie PV et l’état des unités de stockage. Les erreurs de prévision et les incertitudes sont compensées par le réglage primaire de fréquence. Les résultats de simulation et les tests valident la conception de la commande du générateur actif photovoltaïque ainsi que le système central de gestion de l'énergie du réseau résidentiel étudié / The integration of PV power generation in a power system reduces fuel consumption and brings environmental benefits. However, the PV power intermittency and fluctuations deteriorate the power supply quality. A solution is proposed by adding energy storages, which are coordinated by a local controller that controls the power flow among all sources and implements an inner energy management. This PV based active generator can generate power references and can provide ancillary services in an electric network. Then micro grid concepts are derived to design a central energy management system of a residential network, which is powered by PV based active generators and a gas micro turbine. A communication network is used to exchange data and power references. An energy management system is developed with different time-scale functions to maximize the use of PV power. An operational daily planning is designed by a determinist algorithm, which uses 24 hour-ahead PV power prediction and load forecasting. Then power references are refreshed each half of an hour by considering the PV power availability and the states of energy storage units. Prediction errors and uncertainties are compensated by primary frequency controllers. Simulation and testing results validate the design of the PV active generator local controller and the central energy management system of the studied residential network