Soutenance de Thèse, Xin WEN, 7 Déc. 2020

23 novembre 2020 Réseaux, Soutenance de Thèse

Optimisation stochastique pour la planification de la production d’électricité dans une communauté énergétique locale en situation d’incertitude liée aux énergies renouvelables

lundi 07 décembre 2020 à 13h30,

Lieu : Centrale Lille, Institut Cité Scientifique, 59650, Villeneuve d’Ascq, France, Salle : Amphi BODA

Visio conference : Cliquez ici pour participer à la réunion

Mots-clés optimisation stochastique,incertitude,gestion de l’énergie,puissance de réserve,Énergie renouvelable,micro réseau

Résumé

Dans un système électrique, l’engagement des générateurs (UC) et leur référence de puissance doivent être planifiées pour satisfaire la demande tout en respectant les contraintes d’exploitation du système. De nos jours, des communautés énergétiques ont émergé avec des besoins énergétiques individuels et une augmentation de la production distribuées. La forte pénétration des sources d’énergies renouvelables augmente l’incertitude sur leur prévision tandis que les exigences en matière de fiabilité du système électrique augmentent. Par conséquent, les approches déterministes traditionnelles des UC doivent évoluer vers une optimisation stochastique. L’objectif est de proposer une méthodologie d’optimisation probabiliste et stochastique pour des décisions optimales de planification de la production et des réserves de puissance (OR) dans un micro réseau urbain avec le souhait de réduire au minimum les coûts d’exploitation et les émissions. La fourniture de puissance et de réserve doit tenir compte de l’incertitude des SER et de la demande tout en considérant le compromis entre sécurité et fonctionnement économique. Un système de contrôle, de supervision et d’acquisition de données (SCADA) convivial est développé avec l’interface graphique Matlab pour intégrer et visualiser la gestion énergétique de l’énergie.

Stochastic Optimization for Generation Scheduling in a Local Energy Community under Renewable Energy Uncertainty

Keywords Stochastic optimization, uncertainty, unit commitment (generation scheduling), energy management system, power reserve, renewable energy, microgrid

Abstract

In electrical systems, the unit commitment (UC) and power scheduling plans the operating of generating units in order to satisfy the load demand under system operating constraints. Nowadays, energy communities have emerged with individual community energy requirements and increasing capacity deployment of distributed energy resources. The high penetration of renewable energy sources (RES) and load demand increases locally the power system uncertainty. Hence, traditional deterministic approaches for one day ahead UC should evolve to stochastic optimization methods. The main goal of this thesis is to propose a probability-based and stochastic optimization methodology for optimal generation and operating reserve (OR) scheduling decisions in an urban microgrid with the objective of addressing the minimization of operating costs and emissions.

Based on an uncertainty modelling with forecasting error distributions, a LOLP-based risk assessment method is used to determine an appropriate amount of operating reserve (OR) for each time step of the next day. Then, in a first stage, a deterministic optimization within a mixed-integer linear programming (MILP) method generates the unit commitment of controllable generators with the day-ahead PV and load demand prediction. In a second stage, a set of scenario is built to model future and probable uncertainties. It is integrated into a stochastic optimization of the operational planning. Issues of the second stage are the commitment of enough flexible and fast generators to handle unexpected deviations from predictions. An extension is proposed through the scheduling and planning of local storage systems for power reserve provision. The significance of the proposed methodology is illustrated with results obtained from a studied urban microgrid system. A user-friendly Supervisory Control And Data Acquisition (SCADA) system is developed with the Matlab GUI to integrate and visualize the energy management operation.

Soutenance de thèse, Adham KALOUN, 4 Déc. 2020 lauréat du Force Award, Emile Devillers