Search

International audience; As the number of actors in the electricity market increases, peer to peer decentralized markets gain interest despite facing two challenges. First, the amount of exchanged messages increase significantly, which makes the resolution dependent on communication delays, as well as computation delays. Second, the physical limitations of the power network are not taken into account. An asynchronous implementation of an endogenous peerto-peer market is here introduced to address these difficulties. The proposed algorithm is tested on a 31 agents testcase and a study of the influence of the various algorithm parameters on the convergence time is performed.

International audience; RESUME-Dans un réseau électrique, l'équilibre entre production et consommation d'énergie assure la stabilité du réseau. À travers un marché de l'électricité auquel participent les producteurs et les consommateurs, un consensus est atteint de manière à optimiser les coûts de production tout en respectant la condition d'équilibre des puissances. On s'intéresse dans cet article à la résolution d'un algorithme de marché pair à pair décentralisé. La version asynchrone de cet algorithme est étudiée et comparée à la version synchrone dans un cadre où les échanges de messages se font sur un réseau de communication non idéal, comportant des délais différenciés ainsi que des pertes et retransmissions. On présentera, à travers un cas d'application simple, les paramètres qui permettent une convergence plus rapide de l'algorithme en fonction de l'état du réseau de communication. Mots-clés-marché pair à pair, résolution asynchrone, ADMM, délais de communication, réseau avec pertes.

International audience; Dans un contexte de forte pénétration des énergies renouvelables, a fortiori dans un réseau multi-énergies, le stockage thermique est une solution pertinente. Or son fonctionnement utilisant des transferts de chaleur entre plusieurs phases est complexe. Sa modélisation précise ne peut donc que difficilement être prise en compte au sein du problème de gestion optimale d’un réseau multi-énergies. Dans ce travail, nous proposons d’analyser l’impact de la précision du modèle de stockage thermique sur l’efficacité de la gestion d’un réseau de chaleur. Un modèle physique précis et deux modèles linéaires seront comparés sur un cas d’étude, ainsi qu’un métamodèle original : rapide mais capable de prendre en compte la stratification de chaleur ou les pertes thermiques en phase de charge. Ce métamodèle utilise la fonction logistique afin de réduire les dimensions de l’état du stockage. Il est basé sur une matrice d’interpolation construite préalablement à l’aide des nombreuses simulations issues du modèle physique précis. De plus, ce modèle peut être ajusté pour atteindre tous les compromis entre précision et rapidité d’évaluation.

International audience; Afin d'améliorer les performances sur cycle de vie du système de stockage des véhicules électriques, leur hybri-dation-typiquement supercondensateurs et Lithium Ion-peut être considérée. Le dimensionnement sur cycle de vie d'un tel système est un problème de co-optimisation où le vieillissement de la batterie hybride doit être pris en compte à la fois lors du dimensionnement et lors de la gestion. Cet article se propose donc d'introduire des modèles de vieillissement dans le problème de contrôle optimal d'une batterie hybride. Le vieillissement calendaire et le vieillissement en cyclage sont ajoutés à l'estimation des pertes, classiquement considérées pour les deux technologies de stockage. La stratégie de contrôle optimal est déterminée par programmation dynamique stochastique, où le comportement du conducteur est modélisé par un processus aléatoire. Les performances obtenues sont comparées avec des méthodes de gestion classiques le long de cycles standards et de trajectoires de conduite aléatoires

Production forecast errors are the main hurdle to integrate variable renewable energies into electrical power systems. Regardless of the technique, these errors are inherent in the forecast exercise, although their magnitude significantly vary depending on the method and the horizon. As power systems have to balance out these errors, their dynamic and stochastic modeling is valuable for the real time operation. This study proposes a Markov Switching Auto Regressive-MS-AR-approach. The strength of such a model is to be able to identify weather types according to the reliability of the forecast. These types are captured with a hidden state whose evolution is controlled by a transition matrix. The autocorrelation and variance parameters of the AR models are then different from one state to another. After having validated its statistical relevance, this model is used to solve the problem of the optimal management of a storage associated with a wind power plant when this virtual power plant must respect a production commitment. The resolution is carried out by stochastic dynamic programming while comparing the proposed MS-AR with several other models of forecast errors. This illustrative problem highlights the improvements made by a fine modeling of forecast errors.

International audience; Les systèmes d'énergie voient l'émergence de nouveaux acteurs qui remettent en cause leur gestion. La multiplication des centrales renouvelables dont la production est fluctuante et peu prévisible nécessite de les associer à des modes de consommation ou de stockage également flexibles. Cette présentation se focalise sur l'association d'une centrale photovoltaïque avec une flotte de véhicules électriques, afin de tirer partie des complémentarités entre ces agents. Les différents aspects d'une telle collaboration seront donc abordés. La modélisation du comportement stochastique de la production PV sera tout d'abord présentée sous la forme d'une chaîne de Markov cachée. L'optimisation de la gestion d'un tel système collaboratif sera ensuite décrite sous la forme d'un problème de partage et en utilisant la programmation dynamique stochastique. Enfin le dimensionnement d'un tel système sera discuté en fonction de quelques modèles économiques possibles.

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., 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.

International audience; Cet article présente une modélisation explicite des pertes magnétiques (par courants induits) dans les aimants d'un multiplicateur magnétique dédié à l'éolien de forte puissance. Le modèle 2D proposé est basé sur l'hypothèse d'une réaction magnétique des courants induits négligeable sur la répartition du champ des aimants. L'épaisseur de peau est ainsi supposée très grande devant les dimensions des aimants. Ce modèle simplifié sera confronté aux résultats obtenus par un modèle éléments finis magnétodynamique en régime transitoire. Seront également analysées les limites du modèle explicite vis-à-vis des dimensions des aimants et de la fréquence de rotation. L'objectif final du modèle proposé est de s'intégrer à un ensemble de modèles destinés à l'optimisation mécatronique du dimensionnement d'un multiplicateur magnétique dans le cadre de son insertion dans une chaine semi rapide pour l'éolien de forte puissance (MW). Par ailleurs, ce modèle permettra de compléter l'analyse du comportement mécanique dynamique (décrochage, résonances, …) vis-à-vis des perturbations liées au vent.

Cet article présente une modélisation explicite des pertes magnétiques (par courants induits) dans les aimants d'un multiplicateur magnétique dédié à l'éolien de forte puissance. Le modèle 2D proposé est basé sur l'hypothèse d'une réaction magnétique des courants induits négligeable sur la répartition du champ des aimants. L'épaisseur de peau est ainsi supposée très grande devant les dimensions des aimants. Ce modèle simplifié sera confronté aux résultats obtenus par un modèle éléments finis magnétodynamique en régime transitoire. Seront également analysées les limites du modèle explicite vis-à-vis des dimensions des aimants et de la fréquence de rotation. L'objectif final du modèle proposé est de s'intégrer à un ensemble de modèles destinés à l'optimisation mécatronique du dimensionnement d'un multiplicateur magnétique dans le cadre de son insertion dans une chaine semi rapide pour l'éolien de forte puissance (MW). Par ailleurs, ce modèle permettra de compléter l'analyse du comportement mécanique dynamique (décrochage, résonances, …) vis-à-vis des perturbations liées au vent.

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., 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.

International audience; Peer-to-peer markets are a promising approach for integrating decentralized generation and prosumers into electricity markets. However, these markets require a very large number of messages to be exchanged in order to find a solution that respects the constraint of power balance in power systems. This study first establishes the shape of the compromise between communication costs and residual power imbalance resulting from a P2P market. Secondly alternative stopping criteria are proposed in order to reduce the cost of communication. The most effective approach is to ratify each trade independently using a threshold on its primary and dual residues, while continuing to negotiate the other trades. With the same residual imbalance, this stopping criterion results in a tenfold reduction of the number of messages exchanged on the basis of a Monte Carlo simulation. This reduction factor seems independent of the number of market participants.