Influence des incertitudes sur l'optimisation technico-économique de systèmes énergétiques hybrides

Autor: Amélia Nadal
Přispěvatelé: Laboratoire d'Innovation pour les Technologies des Energies Nouvelles et les nanomatériaux (LITEN), Institut National de L'Energie Solaire (INES), Centre National de la Recherche Scientifique (CNRS)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Centre National de la Recherche Scientifique (CNRS)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Université Grenoble Alpes, Delphine Riu, Christophe Bérenguer, Département des Technologies Biomasse et Hydrogène (DTBH), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Institut National de L'Energie Solaire (INES), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS), GIPSA - Signal et Automatique pour la surveillance, le diagnostic et la biomécanique (GIPSA-SAIGA [2010-2015]), Département Automatique (GIPSA-DA [2007-2015]), Grenoble Images Parole Signal Automatique (GIPSA-lab [2007-2015]), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Centre National de la Recherche Scientifique (CNRS)-Grenoble Images Parole Signal Automatique (GIPSA-lab [2007-2015]), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Centre National de la Recherche Scientifique (CNRS)-Département Images et Signal (GIPSA-DIS [2007-2015]), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Génie Electrique de Grenoble (G2ELab), Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS), Communauté Université Grenoble Alpes, Delphie RIU, Christophe BERENGUER, STAR, ABES
Jazyk: francouzština
Rok vydání: 2019
Předmět:
Stochastic optimization under uncertainty
[STAT.AP]Statistics [stat]/Applications [stat.AP]
Aide à la décision
Design and control optimization
Optimisation stochastique sous incertitude
[SPI.NRJ]Engineering Sciences [physics]/Electric power
Analyse de sensibilité
Optimisation du dimensionnement et pilotage
Operation under uncertainty
Evaluation technico-économique de systèmes énergétiques hybrides
Systèmes énergétiques hybrides
Evaluation technico-Économique
[SPI.AUTO]Engineering Sciences [physics]/Automatic
Decision support
Uncertainty modeling and quantification
Decision-making support
Dimensionnement et pilotage
Technical-Economic evaluation
Sensitivity Analysis
Hybrid energy system
[INFO.INFO-AU]Computer Science [cs]/Automatic Control Engineering
[INFO.INFO-AU] Computer Science [cs]/Automatic Control Engineering
Sizing and design
Techno-economic evaluation of hybrid energy systems
Modélisation et quantification des incertitudes
Zdroj: Automatique. Université Grenoble Alpes, 2019. Français. ⟨NNT : 2019GREAT107⟩
Automatique / Robotique. Communauté Université Grenoble Alpes, 2019. Français
HAL
Popis: The environmental challenges and concerns about energy independence require imagining an evolution of our centralized energy production exploiting fossil resources towards a decentralized model, using the renewable resources and their synergies. The consequent choices and investments are made in an uncertain technical-economic context. The thesis accounts for uncertainties in the robust design of hybrid energy systems, in order to improve this decision-making. The considered uncertainties are technical and economic parameters of the system components and the time variable profiles that are needed for the system simulation, like energy consumption, weather or market conditions.Two approaches are proposed and tested on an illustrative case, modeled, simulated and evaluated with the software Odyssey (developed in CEA). This case represents a remote micro-grid, composed of an electrical load, a photovoltaic production and a hybrid storage, battery and hydrogen chain (electrolyser, storage and fuel cell). The software Odyssey is interfaced with the uncertainty treatment platform Uranie, which is also developed by the CEA. The first approach, sensitivity analysis approach, aims to quantify the impact of uncertainties on the performance indicators of the system, for a specific design, thanks to uncertainty propagation. In the illustrative case study, the performance indicators are the load satisfaction and the cost of the produced energy. The approach also permits, thanks to global sensitivity analysis to identify the most influential uncertainties on the variability of the performance indicators of the system. This permits to focus on the priorities in the understanding of a system, in order to improve its robustness. One of the challenges of this approach is the simultaneous consideration of the uncertainties linked to static parameters and time variables to take into account their aleatory and epistemic nature.The complementary proposed approach is the multi-objective stochastic optimization. It consists in optimizing the energy system taking into account the uncertainties directly in the optimization process. This approach was realized with the definition of an optimization criterion including performance and variability of the performance. It enables a more robust design, without reducing the uncertainty of the input parameters. The optimization of the fixed parameters of the logical control rules in Odyssey is an other way to improve the system performances towards uncertainties.These two approaches bring complementary points of view of the uncertainty impact in the technical-economic optimization of hybrid energy systems and its possible treatment. Their application leads to develop some take-away. First, accounting for uncertainties seems unavoidable to us in the evaluation of hybrid energy systems. What’s more, the rigorous quantification of uncertainty sources is a central step in the uncertainty consideration, whatever the applied approach. Last, this work proposes a set of methods, from the simplest and quickest to the most expensive in computational resources, permitting to the user to evaluate the technical-economic implications of the taking into account for the uncertainties and their impact on the decision-making.
Les enjeux environnementaux et d’indépendance énergétique amènent pouvoirs publics et acteurs industriels à imaginer une évolution d’un modèle énergétique centralisé ; et exploitant des ressources fossiles vers un modèle décentralisé, valorisant les ressources renouvelables et leurs synergies. Les choix et investissements qui en découlent sont faits dans un contexte technico-économique incertain. La thèse vise à prendre en compte les incertitudes dans la démarche d’optimisation du dimensionnement des systèmes énergétiques hybrides, afin d’améliorer cette prise de décision. Les incertitudes considérées concernent les paramètres techniques et économiques des composants du système et les chroniques temporelles météorologiques, de consommations d’énergie ou de marché, nécessaires à leur simulation.Deux approches sont mises en place et exploitées sur un cas illustratif, modélisé, simulé et évalué par le au logiciel Odyssey (développé au CEA). Ce cas représente un micro-réseau visant à satisfaire une charge électrique, alimenté par une production photovoltaïque et un stockage hybride composé d’une batterie et d’une chaîne hydrogène (électrolyseur, stockage et pile à combustible). Le logiciel Odyssey est couplé à la plateforme de traitement de l’incertitude Uranie, elle aussi développée par le CEA. La première approche, l’approche analyse de sensibilité, a pour objet, pour un système dimensionné, de quantifier l’impact des incertitudes sur la variabilité des indicateurs de performance du système, dans notre cas illustratif la satisfaction de la charge et le coût de l’énergie produite, via la propagation des incertitudes. Elle permet aussi, via l’analyse de sensibilité globale, d’identifier les incertitudes les plus influentes sur la variabilité des indicateurs de performance du système, permettant ainsi d’identifier les leviers prioritaires dans la connaissance d’un système pour en améliorer la robustesse. Un des enjeux de sa mise en œuvre est la considération simultanée des incertitudes liées à des paramètres statiques et celles liées aux chroniques temporelles pour prendre en compte à la fois leur nature aléatoire et épistémique.L’approche complémentaire explorée est l’optimisation stochastique multi-objectif. Elle consiste à optimiser les systèmes énergétiques en prenant directement en compte les incertitudes dans le processus d’optimisation. Cette approche, réalisée dans ces travaux en définissant un critère d’optimisation incluant performance et variabilité de la performance, permet de fournir un dimensionnement plus robuste, sans qu’il soit nécessaire de réduire l’incertitude attachée aux paramètres d’entrée incertains. L’optimisation des paramètres fixes des lois de commande logiques utilisées dans Odyssey est une autre voie d’amélioration des performances du système par rapport aux incertitudes.Ces deux approches portent des visions complémentaires de l’impact des incertitudes dans l’optimisation technico-économique du dimensionnement de systèmes énergétiques hybrides et de leur traitement possible. Leur mise en œuvre nous amène à en extraire des enseignements. Tout d’abord la prise en compte des incertitudes nous apparaît indispensable à l’évaluation des systèmes énergétiques hybrides. De plus, la quantification rigoureuse des sources d’incertitude est une étape clé dans la considération des incertitudes, quelle que soit l’approche mise en œuvre. Enfin, ces travaux proposent un ensemble de méthodes, des plus simples et rapides aux plus exigeantes en termes de ressources calculatoires, qui permettent à un modélisateur d’évaluer les implications technico-économiques de la prise en compte des incertitudes et leur impact sur la prise de décision.
Databáze: OpenAIRE
Externí odkaz: