La généralisation concomitante de consommateurs d'électricité flexibles et de producteurs imparfaitement contrôlables invite à utiliser les complémentarités de ces acteurs afin d'améliorer leur intégration dans les systèmes d'énergie. Dans le cadre de ces travaux de doctorat, la collaboration entre une flotte de véhicules électriques et une centrale photovoltaïque est étudiée. Un problème générique est tout d'abord défini afin d'augmenter la prévisibilité des échanges entre un réseau électrique et le système collaboratif ainsi créé qui devra respecter un profil d'engagement de puissance échangée. La gestion de ce système est traduite en un problème d'optimisation dans lequel on cherche à compenser les erreurs de prévision de la production photovoltaïque à l'aide de la flexibilité des recharges. Ce problème est multi-temporel du fait de la présence de batteries, stochastique à cause de la disponibilité des véhicules et des erreurs de prévision, et enfin de grande dimension puisqu'à l'échelle d'une flotte entière.Pour le résoudre, la modélisation du comportement et du vieillissement des batteries Li-ion est discutée afin d'établir des compromis entre justesse du modèle, impact sur la décision finale et coût de calcul. Par ailleurs, un modèle de Markov caché original est spécifiquement développé afin de capturer les structures temporelles de l'erreur de prévision de production photovoltaïque. Cette étude est fondée sur des données réelles de production d'une centrale et des données de prévision correspondantes.Le problème de recharge optimale d'une flotte de véhicules agrégée en une batterie équivalente est résolu par la méthode de la programmation dynamique stochastique. La sensibilité des lois de gestion obtenues est discutée vis à vis des modèles utilisés pour décrire l'erreur de prévision ou le comportement des batteries. Le vieillissement des batteries est traduit par plusieurs modèles, dont on examine les conséquences sur le dimensionnement optimal de la flotte de véhicules par rapport à la puissance crête de la centrale photovoltaïque.Enfin la puissance de recharge optimale pour chacun des véhicules de la flotte est déduite à l'aide d'un problème de partage qui est résolu par optimisation distribuée --- Alternating Direction Method of Multipliers --- et programmation dynamique. Une attention particulière est prêtée à la manière dont les préférences individuelles de chaque utilisateur peuvent être prises en compte au sein d'une flotte. Le cas d'une limitation des échanges d'information possibles entre les véhicules est investigué. Le dimensionnement optimal entre une flotte et une centrale photovoltaïque est finalement analysé pour plusieurs modèles économiques envisageables. L'interaction entre dimensionnement et gestion est traitée à l'aide d'une co-optimisation. / Simultaneous development of flexible electricity consumers and of intermittent renewable producers calls for using their complementarities. It could foster their overall integration in power systems. For the purpose of this doctoral thesis, the collaboration between an electric vehicle fleet and a photovoltaic plant is studied. First of all, a generic problem is set up to improve the predictability of the power exchange between the power grid and the so called collaboratif system. It should therefore fulfill a commitment profile constraint. The intraday management of this system consists in an optimisation problem which objective is to mitigate the production forecast errors by charging power flexibility. This is a multitime step problem, because of the battery intertia. The random availibility of vehicles and the forecast errors also make it stochastic. Finally there is a huge number of variables as it is spread other an entiere fleet.Upstream of the problem resolution, the modeling of the dynamic behaviour and of the aging of Lithium Ion batteries is discussed. It results in a range of compromises between precision, impact on the final decision and computational cost. Furthermore, a hidden Markov model is proposed and developped so as to handle temporal structures of the forecast error of the photovoltaic production. This analysis is based on production data of a real plant and on associated forecasts.An electric vehicle fleet is considered as an equivalent agregated battery. Its optimal charging power is sorted out using stochastic dynamic programming. The sensitivity of the resulting management strategies is assessed against the models which describe the production forecast error or battery behaviour. The battery aging is rendered by several models which we discuss the consequences over the optimal sizing of an electric vehicle fleet regarding to the plant power.Then the optimal charing power for each one of the vehicles among a fleet is deduced using a sharing problem. The resolution is carried out using distributed optimisation --- Alternating Direction Method of Multipliers --- and dynamic programming. A specific attention is devoted to the individual mobility priorities of the vehicles users. The vehicle charging power is thus differenticiated according to each one preferences. We also investigate a situation where information exchanges are limited. The optimal sizing of an electric vehicle fleet associated with a photovoltaic plant is finaly considered under several possibilities of economic model. The coupling between sizing and daily management is tackled thanks to a co-optimization.
| Identifer | oai:union.ndltd.org:theses.fr/2016SACLN033 |
| Date | 26 September 2016 |
| Creators | Le Goff Latimier, Roman |
| Contributors | Université Paris-Saclay (ComUE), Multon, Bernard, Ben Ahmed, Abdel Hamid |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0434 seconds