Return to search

Decentralized optimization for energy efficiency under stochasticity / Optimisation décentralisée pour l’efficacité énergétique

Les réseaux électriques doivent absorber une production d'énergie renouvelable croissante, de façon décentralisée. Leur gestion optimale amène à des problèmes spécifiques. Nous étudions dans cette thèse la formulation mathématique de tels problèmes en tant que problèmes d'optimisation stochastique multi-pas de temps. Nous analysons plus spécifiquement la décomposition en temps et en espace de tels problèmes. Dans la première partie de ce manuscrit, Décomposition temporelle pour l'optimisation de la gestion de microgrid domestique, nous appliquons les méthodes d'optimisation stochastique à la gestion de microgrid de petite taille. Nous comparons différents algorithmes d'optimisation sur deux exemples: le premier considère une microgrid domestique équipée avec une batterie et une centrale de micro-cogénération; le deuxième considère quant à lui une autre microgrid domestique, cette fois équipée avec une batterie et des panneaux solaires. Dans la seconde partie, Décomposition temporelle et spatiale de problèmes d'optimisation de grande taille, nous étendons les études précédentes à des microgrids de plus grandes tailles, avec différentes unités et stockages connectés ensemble. La résolution frontale de tels problèmes de grande taille par Programmation Dynamique s'avère impraticable. Nous proposons deux algorithmes originaux pour pallier ce problème en mélangeant une décomposition temporelle avec une décomposition spatiale --- par les prix ou par les ressources. Dans la dernière partie, Contributions à l'algorithme Stochastic Dual Dynamic Programming, nous nous concentrons sur l'algorithme emph{Stochastic DualDynamic Programming} (SDDP) qui est actuellement une méthode de référence pour résoudre des problèmes d'optimisation stochastique multi-pas de temps. Nous étudions un nouveau critère d'arrêt pour cet algorithme basé sur une version duale de SDDP, qui permet d'obtenir une borne supérieure déterministe pour le problème primal / New energy systems are designed to absorb a large share of renewableenergy in a decentralized fashion. Their optimized management raises specificissues. We study mathematical formulation as large scale multistagestochastic optimization problems. We focus on time and space decompositionmethods in a stochastic setting.In the first part of this manuscript, Time decomposition inoptimization and management of home microgrids, we apply stochasticoptimization algorithms to the management of small scale microgrids. We compare different optimization algorithms on two examples:a domestic microgrid equipped with a microCombined Heat and Power generator and a battery;a domestic microgrid equipped with a battery and solar panels.In the second part, Mixing time and spatial decomposition inlarge-scale optimization problems, we extend the previous studies tolarger microgrids, where different units and storage devices are connected together. As a direct resolution by Dynamic Programming of such large scale systemsis untractable, we propose original algorithms mixing time decomposition on the one hand, and price and resource spatial decomposition on the other hand.In the third part, Contributions to Stochastic Dual Dynamic Programming,we focus on the Stochastic Dual Dynamic Programming (SDDP) algorithm,a well-known algorithm to solve multistage stochastic optimizationproblems. We present a new stopping criteria based on a dual versionof SDDP which gives a deterministic upper-bound for the primal problem

Identiferoai:union.ndltd.org:theses.fr/2018PESC1147
Date25 October 2018
CreatorsPacaud, François
ContributorsParis Est, De Lara, Michel
Source SetsDépôt national des thèses électroniques françaises
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0017 seconds