Les systèmes technologiques actuels comprennent une composante sociétale due àl’impact des utilisateurs. Ces systèmes, dits complexes, comportent des sous-systèmesdont les acteurs ont des objectifs divergents voire antagoniques.Considéré comme une évolution du réseau énergétique actuel, le Smart Grid est unparfait exemple de système complexe. Ce terme désigne en particulier un réseau électriqueoptimisé intégrant le comportement et les actions des utilisateurs (producteurs,consommateurs, consommacteurs, etc.). L’étude de la dynamique du système a pourobjectif d’améliorer sa qualité et sa sécurité et de réduire son impact environnemental.Cependant, les simulations de Smart Grid actuelles sont généralement basées sur destechnologies spécifiques, limitant l’évolution du modèle proposé.Les défis liés au Smart Grid sont l’hétérogénéité des actions et de leurs intérêts divergeant,et une complexité à toute échelle, que ce soit spatiale ou temporelle. En effet, lesentités du Smart Grid sont en compétition pour l’obtention de la ressource commune.Par exemple, les consommateurs ont des besoins énergétiques à un cout minimal tandisque les producteurs doivent contrôler la consommation, les pics de demande tout enmaximisant leur profit. Les comportements et les relations entre les entités sont doncdifficiles à modéliser. Des pressions externes et internes comme la dynamique des prix oules productions erratiques des énergies renouvelables ont une influence sur la structure,l’organisation et le comportement des sous-systèmes et donc du système global. De plus,une mauvaise gestion peut provoquer de nombreuses défaillances du système telles quedes brownouts, des blackouts ou des ruptures de lignes du réseau.Nous proposons une modélisation intégrative pour aborder le concept de Smart Grid :chaque composante de notre modélisation prend en compte un aspect de ce dernier et leurintrication mène à une modélisation efficace à toute échelle. Les relations entre entitésprennent en compte le caractère dynamique et un superviseur global surveille le réseaupour détecter les seuils critiques ou pour planifier les schémas de consommation future.Cependant, le modèle est impossible à appréhender tel quel et de nombreux scénariostesteront l’influence des divers paramètres, calibreront les algorithmes et ajusteront lagestion locale et globale pour une configuration donnée. Nous proposerons de nouvellesthéories pour améliorer ce modèle au niveau de la structure, de la dynamique des prixou une approche mathématique dans le but de rendre le modèle le plus efficace possible / Current technological systems include a societal component due to the impact of users.These complex systems contain numerous sub-systems which actors have conflicting evenantagonist objectives.Considered as the evolution of the current Power Grid, the Smart Grid is a perfectexample of complex system. This term refers to an electrical optimized network integratingthe behavior and actions of users (generators, consumers, consumactors, etc.).These Power Grid’s upgrades aim to improve quality and security, to reduce environmentalimpact. But current simulations are done on a specific technology and with alimited evolution.Challenges of Smart Grid are related firstly to the heterogeneity of actors with differentinterests and secondly to a spatial and temporal multiscale complexity. Smart Gridactors are in a competitive access to a shared resource. For example, consumers expressenergy requirements with minimal cost while producers have to manage consumption,peaks and to maximize their profits. Dynamics behaviors and relations between entitiesare difficult to model. External and internal pressures as energy pricing, energy losses orthe erratic production of renewable energies influence on the structure, the organizationand the behavior of the subsystems and the overall system. Moreover, a bad managementcauses various structural problems like brownout, blackout, or partial failures.We propose an integrative model to solve the Smart Grid: each component of ourmodel allows to consider one aspect of the grid and it is their intricacy that achieves anefficient modeling. Relations between entities take into account the complex dynamicsand an overall supervisor allows network monitoring to detect critical thresholds or toplan consumption schemes. However, the model is impossible to apprehend like this anddifferent scenarios test the influence of parameters, calibrate algorithms and adjust globaland local monitoring for a specific case. We also propose some theories to enhance thestructural model, to integrate dynamic pricing or to help to calibrate by a mathematicalapproach of the global problem
| Identifer | oai:union.ndltd.org:theses.fr/2014VERS0049 |
| Date | 27 November 2014 |
| Creators | Guérard, Guillaume |
| Contributors | Versailles-St Quentin en Yvelines, Tseveendorj, Ider, Ben Amor, Soufian |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0022 seconds