S o r t i e o f f i c i e l l e d e l a c a r t o g r a p h i e s m a r t g r i d s – 0 9 / 0 5 / 1 6
Cluster Technology	o...
S o r t i e o f f i c i e l l e d e l a c a r t o g r a p h i e s m a r t g r i d s – 0 9 / 0 5 / 1 6
P R O G R A M M E
PR...
S o r t i e o f f i c i e l l e d e l a c a r t o g r a p h i e s m a r t g r i d s – 0 9 / 0 5 / 1 6
3
DEUXIÈME PARTIE
• ...
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
1
CARTOGRAPHIE
SMARTGRIDS :
résultats & t...
PLAN
2
• Introduction
• Le Cluster TWEED
• Le Portail REWallonia
o Solaire PV
o Biomasse-énergie
o Eolien
• La cartographi...
Introduction
3
Dr Adnan Z.Amin
Directeur exécutif de l'IRENA
« Le déploiement de l'énergie renouvelable poursuit son expan...
Introduction
4
Kamel Ben Naceur
Director for Sustainable Energy Policy and Technology, IEA
« Pour limiter le réchauffement...
Introduction
5
Source	:	IEA
Introduction
6
Source	:	IEA,	Sec.	Moniz (2015)
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
7
Cluster TWEED
Qui sommes-nous ?
8
Ø Créé en 2008, le
Cluster TWEED est
une organisation
wallonne rassemblant
plus d’une centaine
d’acteu...
Que faisons-nous ?
9
• Notre objectif prioritaire est de favoriser les
investissements en production et en exploitation
de...
Que faisons-nous?
• Mise en réseau des entreprises et autres acteurs des secteurs de l'énergie durable
via l'organisation ...
11
Le cluster TWEED – Feedback 16
Nos membres
12
Les membres de TWEED sont des organisations ayant leur siège
en Wallonie ou à Bruxelles, et sont actives da...
13
TWEED et le Renewable Energy Club d’Agoria (AREC) font cause
commune dans les actions internationales visant à promouvo...
14
Nouveau	membre	de		
l’International	Cleantech Cluster
“When we spot opportunities, we share them with members and do ou...
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
15
REWallonia
La carte de visite du
secte...
Revue de presse
16
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
17
Solaire PV
www.solarpvwallonia.be
18 Acteurs identifiés
• Monitoring des installations & Prédiction (ì VA
pour la filière de l’installation)
• Intégration du PV directement au bâ...
20
• Force : Monitoring / Maintenance
• Suite à une mission en Rhône Alpes en 2011 et la visite d’un
centre de formation f...
21
• Force : Développement de nouveaux matériaux
• Identification & Exportation des compétences R&D & Innovation en
Wallon...
22
Solaire PV – Sucess Stories
Mission prospective au Maroc avec Paul Magnette
en février 2016 + Mission prévue lors de la...
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
23
Biomasse-énergie
www.biomasswallonia.be
24 Acteurs identifiés
25
Chauffage	
résidentiel
Biométhanisation Bio-carburants
Combustion	 directe	
et	dérivés
• Fabricants	de	
poêle	et	insert...
26
• Force : Valorisation des Boues
o Cartographie spécifique des acteurs (http://www.solvalboues.be)
o Organisation d’une...
27
• Force : Présence d’ensembliers de technologiques
innovantes à forte capacité d’exportation
o Gazéification, Pyrolyse,...
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
28
Eolien
www.windturbinewallonia.be
29
Acteurs identifiés
Eolien - Forces en Wallonie
Logistique
&	Maintenance
Sidérurgie	et	
mécanique	de	
précision
Aéronautique
et	matériaux	
com...
Eolien – Sucess Stories
• Force : Computational Fluid Dynamics et modélisation 3D
(Cenaero, Numeca, Ansys, Siemens LMS Sam...
Eolien – Sucess Stories
32
• Force : Sous-traitance
• Action à l’international – Présence à des Booth Stand (+
conférence)...
Eolien – Sucess Stories
33
• Force : Maintenance
• Formation à la maintenance (de base) et au travail en hauteur
(Technifu...
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
34
Cartographie
SMART GRIDS
CARTO SMARTGRIDS : objectifs
35
• Diagnostiquer le secteur
• Cartographier les acteurs
• Promouvoir les compétences wallon...
CARTO SMARTGRIDS :
participation
36
• Les conditions de participation sont les suivantes :
o Avoir votre siège d'exploitat...
37
CARTO SMARTGRIDS : chaînes
de valeur
Chaîne horizontale
• R&D
• Etudes & Conception
• Financement
• Fabrication / Produ...
38
CARTO SMARTGRIDS : chaînes
de valeur
CECOTEPE
	
	 	
	
	
CM-TECH
	 	
	
	
	
	
	 	
	 	ENERGYPONICS	
	
	 	 	
	 	
	
	
HARMELING	
	
	
	
KESSLER	
	
	
	 	
	 	
	
	 	 	
...
40
R&D			
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
INS...
41
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
42
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
INSTAL...
43
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
44
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
45
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
46
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
47
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
48
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
49
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
50
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
51
R&D						
ETUDES	&	
CONCEPTION						
FINANCEMENT						
FABRICATION	/	
PRODUCTION						
TRANSPORT						
DISTRIBUTION	&	
...
CECOTEPE
	
	 	
	
CM-TECH
	 	 	 	 	
	
	 	
	 	ENERGYPONICS	
	
	
	 	 	 	
	
	
HARMELING	
	
	
	
KESSLER	
	 	
	
	
	 	
	
	 	 	
	 ...
53
SYSTEMES	DE	PILOTAGE	
SYSTEMES	DE	CONTROLE	ET	DE	
DETECTION	
OUTILS	DE	MESURE	
INFRASTRUCTURE	ENERGETIQUE		
INFRASTRUCT...
CECOTEPE
	
	 	
	
CM-TECH
	 	
	
	
	
	
	
	 	 	
ENERGYPONICS	
	
	
	 	 	 	
	
	
	
	
	
	
KESSLER	
	 	
	
	
	 	
	
	 	 	
	 	
	
	
	 ...
CECOTEPE
	
	 	
	
CM-TECH
	 	
	
	
	
	
	
	 	 	
ENERGYPONICS	
	
	
	 	 	 	
	
	
	
	
	
	
	
	 	
	
	
	 	
	
	 	 	
	 	
	
	 	 	
	
	
	...
CECOTEPE
	
	 	
	
CM-TECH
	 	 	 	 	
	
	
	
	 	ENERGYPONICS	
	
	
	 	 	 	
	
	
	
	
	
	
KESSLER	
	 	
	
	
	 	
	
	 	 	
	 	
	
	
	 	...
CECOTEPE
	
	 	
	
CM-TECH
	
	
	
	
	
	
	
	
	 	
ENERGYPONICS	
	
	
	 	 	 	
	
	
HARMELING	
	
	
	
	
	 	
	
	
	 	
	
	 	 	
	 	
	
	 ...
Statistiques : Participants
58
Acteurs ont rempli le formulaire
Statistiques : Participants
59
Statistiques : Emplois
60
Statistiques : Emplois
61
• Profils recherchés :
o actuaire
o commercial régulation chauffage
o data Analytics
o électromé...
SMART GRIDS : projets
62
• CE - Centre Commun de Recherche (CCR)
o Inventaire paneuropéen des Smart Grids
vPremière éditio...
Exemples de projets
(Wallonie/Belgique/EU)
63
• B3RT : modéliser les consommations énergétique du bâti bruxellois
• CASTT ...
Exemples de projets
(Wallonie/Belgique/EU)
64
• GREDOR : développer des outils pour une gestion active du réseau
• GEPPADI...
Exemples de projets
(Wallonie/Belgique/EU)
65
• RESIZED : concevoir des outils pour quartiers faiblement
consommateurs d’é...
66
SWOT : smartgrids/smartmeters
FAIBLESSES
• Réseau : conçu pour des systèmes de production
d’énergies centralisés ; orga...
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
67
Portail REWallonia
www.REWallonia.be
www.greenheatwallonia.be
www.windturbinewallonia.be
www.biomasswallonia.be
www.solarpvwallonia.be
+300 acteurs répertoriés...
70
CARTO SG : deux formats !
Format PDF Format interactif
70
71
7272
73
Flyer REWallonia
74
Flyer SolarPVWallonia
75
Flyer BiomassWallonia
Besoin d’aide ?
Contactez-nous !
76
Cluster Technology	of	
Wallonia	Energy,	Environment	
and	sustainable	Development
TWEED	Asbl
Rue	Natalis 2	– 4020	Liège	– B...
Les mégadonnées dans les réseaux électriques
de distribution
SORTIE OFFICIELLE DE LA CARTOGRAPHIE SMART GRIDS EN WALLONIE
...
Université de Mons
One selected message from CIRED 2015
2Z. De Grève | Electrical Power Engineering Unit
« …
What are the ...
Université de Mons
Massive roll out of Smart Metering devices
3Z. De Grève | Electrical Power Engineering Unit
ERDF (princ...
Université de Mons
Outline
Why do we need data in Smart Grids?
Some data related challenges
Focus on Big Data Analytics in...
Université de Mons
Outline
Why do we need data in Smart Grids?
Some data related challenges
Focus on Big Data Analytics in...
Université de Mons
A great wise man once said…
6Z. De Grève | Electrical Power Engineering Unit
Why do we need data in Sma...
Université de Mons
From classical networks to Smart Grids
Massive integration of Renewable Energy Sources (RES), typically...
Université de Mons 8Z. De Grève | Electrical Power Enigineering Unit
A simple scenario-oriented Monte Carlo approach
8
RES...
Université de Mons
For building stochastic models of electrical
quantities, we need data…
9F. Vallée & Z. De Grève | Elect...
Université de Mons
Outline
Why do we need data in Smart Grids?
Some data related challenges
Focus on Big Data Analytics in...
Université de Mons
The technical challenges related to data are
numerous…
Communication between devices
11Z. De Grève | El...
Université de Mons
The technical challenges related to data are
numerous…
12Z. De Grève | Electrical Power Engineering Uni...
Université de Mons
Outline
Why do we need data in Smart Grids?
Some data related challenges
Focus on Big Data Analytics in...
Université de Mons 14Z. De Grève | Electrical Power Engineering Unit
Why do we need data in
Smart Grids ?
Some data relate...
Université de Mons 15Z. De Grève | Electrical Power Engineering Unit
Why do we need
data in Smart Grids ?
Some data relate...
Université de Mons 16Z. De Grève | Electrical Power Engineering Unit
Clustering for merging scenarii
KNMI database
• Hourl...
Université de Mons 17Z. De Grève | Electrical Power Engineering Unit
Clustering for merging scenarii
Example 1: clustering...
Université de Mons 18Z. De Grève | Electrical Power Engineering Unit
Clustering for merging scenarii
Example 1: clustering...
Université de Mons 19Z. De Grève | Electrical Power Engineering Unit
Clustering for merging scenarii
Example 1: clustering...
Université de Mons 20Z. De Grève | Electrical Power Engineering Unit
Why do we need data in
Smart Grids ?
Some data relate...
Université de Mons 21Z. De Grève | Electrical Power Engineering Unit
Why do we need
data in Smart Grids ?
Some data relate...
Université de Mons 22Z. De Grève | Electrical Power Engineering Unit
« Smart » model sampling strategies
Example 2: modeli...
Université de Mons 23Z. De Grève | Electrical Power Engineering Unit
« Smart » model sampling strategies
Example 2: modeli...
Université de Mons
Outline
Why do we need data in Smart Grids?
Some data related challenges
Focus on Big Data Analytics in...
Université de Mons 25Z. De Grève | Electrical Power Engineering Unit
Why do we need data in
Smart Grids ?
Some data relate...
Université de Mons
And if no SM data is available ?
26F. Vallée & Z. De Grève | Electrical Power Engineering Unit
Example ...
Université de Mons
And if no SM data is available ?
27F. Vallée & Z. De Grève | Electrical Power Engineering Unit
Example ...
Université de Mons
And if no SM data is available ?
28Z. De Grève | Electrical Power Engineering Unit
Example 3: a Low Vol...
Université de Mons
And if no SM data is available ?
29Z. De Grève | Electrical Power Engineering Unit
Example 3: a Low Vol...
Université de Mons
Sensors may have failures
30
Client 1 X X ? X
Client 2 X X X X
… X ? X X
? X X X
X X X ?
≈
Why do we ne...
Université de Mons
Outline
Why do we need data in Smart Grids?
Some data related challenges
Focus on Big Data Analytics in...
Université de Mons
Conclusions and perspectives
An improved observability of distribution grids is needed to implement
Sma...
Université de Mons
Thank you for your attention
33Z. De Grève | Electrical Power Engineering Unit
Special thanks to:
Lazar...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Power system fast state estimation :
from transport grids
to distribution smart gri...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Outline
• Introduction
• Power system state estimation
• Challenges of state estima...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Introduction
x
State estimation
+
z
3
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Introduction
x
State estimation
+
z
+
+
+
+
+
+
+
+
+
4
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Introduction
x
State estimation
+
z
+
+
+
+
+
+
+
+
+
5
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
x
State estimation
+
z
+
+
+
+
+
+
+
+
+
6
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
x
State estimation
+
z
+
+
+
+
+
+
+ +
7
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Outline
• Introduction
• Power system state estimation
• Challenges of state estima...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Power system state estimation
Weighted Least Squares Method
9
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Power system state estimation
Measurement
10
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Power system state estimation
11
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Power system state estimation
14
Observability
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Power system state estimation
15
Observability
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Outline
• Introduction
• Power system state estimation
• Challenges of state estima...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
• Today : no measurement to perform SE
• Tomorrow « smart grids » : what can we ima...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 19
State estimation in distribution
• Initial driver: Microgrids
– Protection and f...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 20
State estimation in distribution
• New approach
– Time-synchronized distributed ...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 21
State estimation in distribution
with uncertainties
Bad data
detection
Topology ...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 23
State estimation in distribution
Original idea: proposition of a three-phase sta...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 24
State estimation in distribution
Fault detection
• The impact of a relatively lo...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 25
State estimation in distribution
Backup protection
Local relaying R1
R2
R3
VT
CT...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 26
State estimation in distribution
Fault detection
• General method, any measureme...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 27
State estimation in distribution
ProtectionProtection of zone 1 Protection of zo...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 29
State estimation in distribution
Fault location
Central
calculator
Fault
locatio...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 30
State estimation in distribution
Fault location
• In practice, measurements are ...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Outline
• Introduction
• Power system state estimation
• Challenges of state estima...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Fault location accuracy
32
• The outcome is that it is more complex to locate resis...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Fault location accuracy
33
• Errors caused by measurement noise and lines parameter...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Outline
• Introduction
• Power system state estimation
• Challenges of state estima...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams
Conclusions
35
• Monitoring, Control and Protection will face challenges
– DGs, net...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 36
Thesis in this domain – BEAMS-Energy
• Stratégie de maintenance centrée sur la f...
ECOLE POLYTECHNIQUE DE BRUXELLES
beams 37
Thesis in this domain – BEAMS-Energy
• Monitoring, protection and fault location...
Sortie officielle de la cartographie smart grids
Perspectives sur la gestion de la demande
Beez, 9 mai 2016
Dr.-Ir. Arnaud...
Blackout
Plan de délestage
…une forme extrême et simple de Demand-Side management
Un système en équilibre
Production Consommation
=
A system in balance
La demande s’adapte à la production disponible
Production variable Demande contrôlable
Demand-side Management
Ensemble des...
Demand Side Management
Efficacité Energétique Demand Response
Ensemble des interactions avec la demande d’électricité perm...
Source : Piette
Participation à tous les niveaux
Ce n’est pas nouveau …
1882 : Western Edison Light Co.
Samuel Insull introduced Demand tariffs in order to increase the ge...
… et ce n’est pas un problème technique !
Et aujourd’hui encoreIl y a 60 ans déjà…
Le problème fondamental de la gestion de la demande
Changement d’habitudes… … s’habituer au changement
Ce que nous devons continuer à faire…
Convaincre
Et continuer à convaincre… dans un monde très complexe
Exemple : PJM
Pourquoi choisir PJM ?
Transparence !
Source : PJM
Appels rares
Similaire au plan de délestage !
Précision faible
Haute valeur
Le succès de la capacité : un pro...
Nous vivons un cas similaire en Belgique
661
425
279
2013 2016
Production
Aggregators MW
En trois ans, 42% de la R3 !
Source : Elia, CAISO
Même si nous n’avons pas les mêmes besoins qu’ailleurs
“Loads participate in […] the market to the extend that market design allows”
Source : Heffner, 2008
La gestion de la dema...
1880’s 1970’s 1990’s 2000’s
LiberalizationOil CrisisEarly history CA
flexible demand
[% of Peak load]
5-6%
2014
Order 745
...
1999 2001 2014
Liberalization (1) SR
Ampere commission
~5%
2013
R3DP
~2-3%
flexible demand
[% of Peak load]
Of which decen...
Sources : Gils, Elia, VITO, EnergyVille, Klobasa, KEMA
Belgian peak load
Industry
Tertiary
Residential
-3 % Today−5,5% pot...
Trois principes de départ…
1 2 3
Sources : Ruff, SEDC, Heffner
1 Avoir une vision commune, et un engagement de toutes les parties prenantes
2 Se Donner des...
A. Latiers, Demand Response perspectives for Belgium
in Reflets et perspectives de la vie économique - Marchés énergétique...
Merci
Beez, 9 Mai 2016
Arnaud Latiers
Contact : arnaud.latiers@gmail.com
Contact : arnaud.latiers@actility.com
Smart grids versus Microgrids
Prof. Damien ERNST
But what is exactly a Smart Grid?
A definition in terms of functionality:
1. Better exploitation of the flexiblity of the ...
Being smart is difficult! Terribly difficult.
Implies (amond others) rethinking the whole decision chain used to
operating...
Specific difficulties
! Complex decision-making problems
! Huge investments needed in the monitoring and control
infrastru...
Why not going back to the good old days of
the fit and forget doctrine?
1. Every grid user at the distribution level would...
Microgrids: a definition
A microgrid is an electrical system that includes single or multiple loads
as well as one or seve...
Microgrids (at a community level): why can
they help in such a setting ?
Because a single access point at a community leve...
I know that for many DNOs or TSOs,
microgrids are just pirates of the grid
But they should also consider this
1. Microgrids mean local economic activities. Installing/building microgrids will
creat...
3. Without microgrids, electrical power production in Belgium is very
likely to (almost) disappear in Belgium, with all th...
And remember that microgrids may go fully off-grid" which would be
the ultimate loss of revenues => Important for DNOs to ...
The electrical grid as it used to be
The electrical grid as it should become
Challenges for designing top-performing control strategies and
making them work to...
MICRO	– GRIDS	&	STOCKAGE	PARTAGÉ
Mai	2016
Présentation
u De	la	production	décentralisée	au	micro-grid (P.	
Couneson)
u Planification	à	long	terme	d’un	micro-réseau	...
Projet	PV	Monnaie
u Avril	2009	:	installation	de	la	société	Monnaie	sur	son	
nouveau	site	de	Stépy-Bracquegnies
----------...
Projet	PV	Monnaie
u Consommation	du	site	:	environ	600	MWh/an
u Electricité	part	significative	du	prix	de	revient
u Prix	é...
Projet	PV	Monnaie
u 2	cars-ports;	1000	panneaux	250	Wc
u Production	annuelle	entre	230	et	250	MWh/an	
--------------------...
Projet	PV	Monnaie
u MAIS	non	synchronisation	production	– consommation	
(weekend	p.ex)
u Taux	d’autoconsommation	:	70	%	en...
Projet	PV	Monnaie
u Prix	du	marché	(2013)	:	>	1.000	€/kWh	de	stockage
u Idée	d’un	échange	d’électricité	(Economie	circulai...
Projet	PV	Monnaie
u L’apparition	naturelle	du	micro-grid permettant	une	
optimalisation	de	la	valorisation	de	l’auto-produ...
Thèse	de	doctorat
----------------------------------------------------
u Pour	examiner	ces	questions	et	bien	d’autres	enco...
Thèse	de	doctorat
----------------------------------------------------
u Du	zoning	industriel	classique	vers	le	micro-rése...
Thèse	de	doctorat
----------------------------------------------------
u Acteurs	d’un	micro-réseau	industriel:
Prosumers
G...
Thèse	de	doctorat
----------------------------------------------------
u Originalité	de	la	thèse	de	doctorat:
Placer	succe...
Thèse	de	doctorat
----------------------------------------------------
u Objectifs	poursuivis	par	chaque	agrégateur	possib...
Thèse	de	doctorat
----------------------------------------------------
u « Global	and	economical welfare »:
Fonction	objec...
Thèse	de	doctorat
----------------------------------------------------
Stratégie III
Optimiser	profit	(agrégateur =	IDEA)	...
Thèse	de	doctorat
----------------------------------------------------
u Flowchart déterministe	pour	chaque	acteur	+	l’agr...
Thèse	de	doctorat
----------------------------------------------------
u Modèle	d’interaction:
Prosumer	1
Prosumer	k
Prosu...
Thèse	de	doctorat
----------------------------------------------------
u Flowchart déterministe	pour	chaque	acteur	+	l’agr...
Thèse	de	doctorat
----------------------------------------------------
Plusieurs	acteurs	avec	des	objectifs	différents	
Th...
Thèse	de	doctorat
----------------------------------------------------
u Travail	en	cours	et	perspectives
o Choix	d’un	typ...
Optimization for a Smarter Energy World !
Sortie officielle de la cartographie
SmartGrid
Namur, April 11 2016
The	best	of	advanced	analytics	for	
optimal	decision-making
Mathematical sciences
Business engineering
Computer science
Ou...
3
Descriptive
Detailed	mathematical	models	to	describe	complexity	and	
opportunities	
Predictive
Advanced	forecast	to	be	a...
Market	coupling	
Optimization
Energy	Flexibility	
Optimization
How to design and optimize my 
micro-grid in an optimal way...
Market	Coupling	Optimization
EUPHEMIA	by	N-SIDE
Day-ahead	electricity	prices	in	Europe	are	
calculated	everyday	thanks	to	N-Side	algorithms
> “EUPHEMIA”: market coupling ...
Energy	Flexibility	Optimization
ENERTOP	by	N-SIDE
Energy	Flexibility	Optimization	with	
the	best	of	advanced	analytics
Flexible	Load	Models
CHP	Models
RES	Models
Storage	Mo...
Mathematical	models	to	describe	plant	complexity…
A	mathematical	model	is	key	for	considering	all	factors	in	an	integrated...
…	and	the	differents	energy	flexibilities	
10
Produce electricity at optimal moment
Electricity
Generation
Electricity	
Co...
Advanced	forecasts	to	be	ahead	of	risk/opportunities
11
Statistics		and	Machine	
learning	techniques
Price forecast
Spot	P...
12
Probalistic	Approach
Statistics		and	Machine	
learning	techniques
Price forecast
Spot	Price	Forecast
1° Reserve	
compos...
13
Probalistic	Approach
Price forecast
Spot	Price	Forecast
1° Reserve	composition:	
Quantity	reserved	/	Marginal	
cost	for...
14
Price forecast
Spot	Price	Forecast
1° Reserve	composition:	
Quantity	reserved	/	Marginal	
cost	for	each	reserve
2° Imba...
Efficient	algorithms	to	generate	optimal	planning….
15
Advanced	
Algorithm
üAccurate	results
üFast	running
üRobust	Solutio...
…	leveraging	the	different	flexibility	
levers	in	a	integrated	way…
16
Produce electricity at optimal moment
Electricity
G...
Strategic	
Optimization
Reserve	
Optimization
Scheduling	
Optimization
Real-time	
Optimization
…	and	maximize	savings	on	t...
InduStore
• Objective: Quantify and Optimize Demand
Response potential in industrial sector in
Wallonia
• 4 years project ...
MicroGrid Optimization
How to design and optimize my
micro-grid in an optimal way ?
E-Cloud:	Project	for	an	Open	Microgrid Solution
20
• Optimized	microgrids	for	industrial	parks	
(eco-zoning):
§ Optimal	in...
Interested	to	know	more	?	
Please	contact	us	
Olivier	Devolder
Energy	Project	Manager
Tel:	+32	472	46	83	44
Email:	ode@n-s...
©3E | | www.3E.eu
COMMENT UN CONTRÔLE PLUS
INTELLIGENT PEUT-IL CONTRIBUER À LA
TRANSITION ÉNERGÉTIQUE?
LEÇONS APPRISES DE ...
Intro (1/2)
Bâtiments
Actuellement 40% de la consommation totale
Potentiel du contrôle intelligent:
…jusqu’à 40% d’économie
3 projets R&D relatifs au Smart Grid
3
BATTERIE
Intro (2/2)
4
FLEXIPAC
SPW - DG04 (RELIABLE)
Exemple 1
Comment valoriser la flexibilité des pompes à chaleur résidentielles?
Pourquoi la flexibilité?
Exemple 1 (1/2)
Couts et bénéfices de la flexibilité
6
Exemple 1 (2/2)
Acteurs
Impact de la
flexibilité
Bénéfices actuels Bénéfices futurs...
7
BATTERIE
SPW - DG06 (Cwality)
Exemple 2
Comment valoriser une interface intelligente pour un bâtiment tertiaire?
Interface de contrôle intelligent
8
Solution logicielle:
• Modélisation auto.
• Optimisation
• Exploitation de la
flexibil...
Démonstration dans le monde réelle
9
Exemple 2 (2/2)
Moins 30 à 40% de couts énergétiques
Moins de congestion
réseau…
10
MetaPV
EU – FP7
Exemple 3
Comment intégrer plus de photovoltaïque dans le réseau de distribution?
Démonstration dans le monde réel
11
Exemple 3 (1/2)
4 communes du Limbourg: Lommel, Opglabbeek, Saint-Trond, Heusden-Zolde...
Limite de tension sup.
Limite de tension inf.
Gestionnaire du Réseau de
Distribution
Internet ou SCADA
12
Résultats
Exempl...
Leçons apprises
Systèmes
Efficients
Système mal
contrôlé
Les couts
restent élevés+ =
Politique de support actuelle
concent...
Recommandation
Systèmes
Efficients
Contrôle
intelligent
Vers l’optimum…+ =
Changement de politique nécessaire:
Rémunérer l...
Contactez nous
15
Bruxelles
Louvain-la-Neuve
Gent
Toulouse
Paris
Beijing
Istanbul
Cape Town
London
www.3E.eu
T +32 2 217 5...
Prochain SlideShare
Chargement dans…5
×

Sortie de la cartographie smartgrids | Namur - 09 mai 2016

617 vues

Publié le

Présentation de la cartographie smartgrid ainsi que présentations des divers orateurs lors de la sortie officielle de la cartographie smartgrids : universités (UCL, ULB, ULG, UMons) ainsi que entreprises notables.

Publié dans : Environnement
0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
617
Sur SlideShare
0
Issues des intégrations
0
Intégrations
91
Actions
Partages
0
Téléchargements
24
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Sortie de la cartographie smartgrids | Namur - 09 mai 2016

  1. 1. S o r t i e o f f i c i e l l e d e l a c a r t o g r a p h i e s m a r t g r i d s – 0 9 / 0 5 / 1 6 Cluster Technology of Wallonia Energy, Environment and sustainable Development 1 S orti e de l a car togr aphie sm ar tgr ids 09 mai 2016Moulins de Beez (Namur)
  2. 2. S o r t i e o f f i c i e l l e d e l a c a r t o g r a p h i e s m a r t g r i d s – 0 9 / 0 5 / 1 6 P R O G R A M M E PREMIÈRE PARTIE • Introduction des conférences M. Julien Donfut, membre du Cabinet de Ministre wallon de l'Energie, Paul Furlan • Cartographie smartgrids : résultats et tendances M. Cédric Brüll & M. Paul Bricout - Cluster TWEED • UMons - Génie électrique : 'Smart Grids: The Big Data Challenge M. Zacharie De Grève - PhD - Research and TeachingAssistant - Power Electrical Engineering Department - University of Mons - Faculty of Engineering • ULB - BEAMS : Power system fast state estimation : from transport grids to distribution smart grids Pr. Jean-Claude Maun - Professeur ordinaire et directeur du service BEAMS • UCL - CORE : 'Demand Response Perspective for Belgium’ M. Arnaud Latiers – PhD
  3. 3. S o r t i e o f f i c i e l l e d e l a c a r t o g r a p h i e s m a r t g r i d s – 0 9 / 0 5 / 1 6 3 DEUXIÈME PARTIE • ULG - Institut Montefiore : microgrids - contraintes pour des success stories Pr. Damien Ernst - Full Professorat Université of Liège • DECUBE : microgrid & stockage partagé M. Couneson Pascal- Gérant - Directeur de Projets Mme Charline Stevanoni- doctorante • NSIDE : Optimization for a Smarter Energy World M. Olivier Devolder- Senior Consultant - Energy Project Manager - InduStore Project Coordinator • 3E : 3 messages clés de 3 études: MetaPV, Flexipac et Batterie M. Yannick Thomas,ConsultantGrids and Markets P R O G R A M M E
  4. 4. Cluster Technology of Wallonia Energy, Environment and sustainable Development 1 CARTOGRAPHIE SMARTGRIDS : résultats & tendances Namur – 09/05/2016
  5. 5. PLAN 2 • Introduction • Le Cluster TWEED • Le Portail REWallonia o Solaire PV o Biomasse-énergie o Eolien • La cartographie SmartGrids
  6. 6. Introduction 3 Dr Adnan Z.Amin Directeur exécutif de l'IRENA « Le déploiement de l'énergie renouvelable poursuit son expansion sur les marchés dans le monde entier, même dans une période de faibles prix du pétrole et du gaz. La baisse des coûts des technologies et une série de facteurs économiques, sociaux et environnementaux sont en faveur des énergies renouvelables par rapport aux sources d'énergie conventionnelles » En 2015 : - SER : + 8,3% en 2015 (+ 152 GW) - Investissements : 286 milliards de $ - SER : + 43% depuis 5 ans - Modules PV : - 75% en 5 ans - Turbines onshore : - 45% en 5 ans
  7. 7. Introduction 4 Kamel Ben Naceur Director for Sustainable Energy Policy and Technology, IEA « Pour limiter le réchauffement climatique à 2°C, il va falloir mener des politiques volontaristes même si le développement des renouvelables bat des records grâce notamment à la chute de ses coûts. Des renouvelables qui devraient devenir, d’ici 2030, la première source de production d’électricité » World Energy Outlook 2015 : - En 2015, stagnation des émissions de CO2 liées au secteur de l’énergie (premier léger découplage) - Nécessité de supprimer les subsides alloués Aux énergies fossiles pour répondre au COP21 - Pour l’Europe, le principal driver de la réduction de CO2 sera l’efficacité énergétique
  8. 8. Introduction 5 Source : IEA
  9. 9. Introduction 6 Source : IEA, Sec. Moniz (2015)
  10. 10. Cluster Technology of Wallonia Energy, Environment and sustainable Development 7 Cluster TWEED
  11. 11. Qui sommes-nous ? 8 Ø Créé en 2008, le Cluster TWEED est une organisation wallonne rassemblant plus d’une centaine d’acteurs du secteur de l'énergie durable. Sources d’énergie renouvelable Efficacité Énergétique en industrie & tertiaire Produits et services « verts » Ø T W E E D = Ø Technologies Ø Wallonnes Ø Energie Ø Environnement Ø Développement durable
  12. 12. Que faisons-nous ? 9 • Notre objectif prioritaire est de favoriser les investissements en production et en exploitation de l'énergie durable en mobilisant les entreprises et intervenants actifs de ce secteur autour de projets de qualité et de taille industrielle. En 2016
  13. 13. Que faisons-nous? • Mise en réseau des entreprises et autres acteurs des secteurs de l'énergie durable via l'organisation de conférences à thèmes, d'évènements de networking, de conférences, de séminaires, de séances d'information, de visites d'entreprises... • Organisation de groupe-projets qui rassemblent des entreprises aux compétences complémentaires afin de constituer des filières d'entreprises capables d'offrir des solutions globales aux clients dans des projets de taille industrielle • La réalisation d'une veille technologique dans le domaine de l'énergie durable • Soutien technique au montage de projets d'investissement et/ou de R&D sur la thématique des énergies durables • Réalisation d'études de marché et d'analyse économique et technologique sur la thématique de l'énergie durable (ex: cartographies) • Promotion locale et internationale du cluster et de ses membres via l’Agence Wallonne à l’Exportation (AWEx), l’Agoria Renewable Energy Club (AREC) et l’organisation de missions de prospection • Participation à des projets européens 10
  14. 14. 11 Le cluster TWEED – Feedback 16
  15. 15. Nos membres 12 Les membres de TWEED sont des organisations ayant leur siège en Wallonie ou à Bruxelles, et sont actives dans le secteur de l’énergie durable. Type d’organisations : • des assembleurs d’équipements • des fabricants de composants • des producteurs d’énergie • des entreprises de services • des sociétés d’investissement • des centres de recherches et des services universitaires • des centres de formation • des partenaires publics • ...
  16. 16. 13 TWEED et le Renewable Energy Club d’Agoria (AREC) font cause commune dans les actions internationales visant à promouvoir, à l'étranger, les technologies et solutions des entreprises belges dans le secteur des énergies renouvelables Voir www.renewableenergyclub.be Partenaire du Renewable Energy Club d’Agoria Our Mission: to be the Voice of the Belgian Technology-based solutions providers to the Renewable Energy business abroad
  17. 17. 14 Nouveau membre de l’International Cleantech Cluster “When we spot opportunities, we share them with members and do our best to facilitate contacts with new customers, suppliers and research partners from other clusters so members can form partnerships and seize the following opportunities.”
  18. 18. Cluster Technology of Wallonia Energy, Environment and sustainable Development 15 REWallonia La carte de visite du secteur de l’énergie durable à l’international
  19. 19. Revue de presse 16
  20. 20. Cluster Technology of Wallonia Energy, Environment and sustainable Development 17 Solaire PV
  21. 21. www.solarpvwallonia.be 18 Acteurs identifiés
  22. 22. • Monitoring des installations & Prédiction (ì VA pour la filière de l’installation) • Intégration du PV directement au bâti: filière BIPV (ne pas voir le PV comme un investissement à posteriori) • Développement de nouveaux matériaux : Technologie de rupture (OPV, nanomatériaux, nouveaux matériaux PV actifs,…) • Recyclage des panneaux : recherche de technologies de recyclage efficace et durable,… Solaire PV - Forces en Wallonie
  23. 23. 20 • Force : Monitoring / Maintenance • Suite à une mission en Rhône Alpes en 2011 et la visite d’un centre de formation français spécialisé dans le domaine du solaire PV, mis en place de la formation PVMAINT (« qualité des installations photovoltaïques ») par Technifutur & Eliosys (centre de tests de panneaux solaires photovoltaïque) Solaire PV – Sucess Stories
  24. 24. 21 • Force : Développement de nouveaux matériaux • Identification & Exportation des compétences R&D & Innovation en Wallonie/Bxl o Nouveaux matériaux PV actifs, OPV,…(CRM, GreenMat,…) o Revêtement photovoltaïque sur textile (Centexbel) • Organsiation d’un « Seminar Photovoltaics » – Uppsala (février 2015) avec WBI + Action à venir à Nuremberg/Bavière en 2016 ! Solaire PV – Sucess Stories
  25. 25. 22 Solaire PV – Sucess Stories Mission prospective au Maroc avec Paul Magnette en février 2016 + Mission prévue lors de la COP22 ! Feedback : - 16 personnes présentes - Marché en forte croissance - Contrat de partenariat signé - Force : Opportunités pour le recyclage PV (+ installations de moyennes puissances) Objectif d'information Objectif de positionnement Objectif de synergies
  26. 26. Cluster Technology of Wallonia Energy, Environment and sustainable Development 23 Biomasse-énergie
  27. 27. www.biomasswallonia.be 24 Acteurs identifiés
  28. 28. 25 Chauffage résidentiel Biométhanisation Bio-carburants Combustion directe et dérivés • Fabricants de poêle et insert + chaudière actifs à l’international • Bonne réputation • Qualité des produits et services reconnue • Formation de consortiums en micro- biométhanisation… • Création de spin- offs • Degré important en R&D • Compétences en Bio-éthanol (Biowanze) & Bio- diesel (Neochim) • Capacité en R&D (2 & 3ème génération: algues,….) • Plusieurs ensembliers présents sur le marché international (pyrolyseur, gazéifieur, torréfaction,…) • Nombreux bureaux d’études • Degré important d’innovation dans les univ. et centres R&D • Expertise boues/déchets Biomasse - Forces en Wallonie
  29. 29. 26 • Force : Valorisation des Boues o Cartographie spécifique des acteurs (http://www.solvalboues.be) o Organisation d’une conférence internationale sur le sujet & Présence à Pollutec pour présenter les solutions wallonnes (avec Val+ & GreenWin) • Force : Chauffage résidentiel o Fabricants de chaudières, inserts, poêles o Création d’un club spécifique o Promotion de la filière Biomasse – Sucess Stories
  30. 30. 27 • Force : Présence d’ensembliers de technologiques innovantes à forte capacité d’exportation o Gazéification, Pyrolyse, Biométhanisation,… • Présence au European Biomass Conference and Exhibition (2016 : Amsterdam) + Accueil de délégation étrangères (Argentine, Pologne,…) Biomasse – Sucess Stories
  31. 31. Cluster Technology of Wallonia Energy, Environment and sustainable Development 28 Eolien
  32. 32. www.windturbinewallonia.be 29 Acteurs identifiés
  33. 33. Eolien - Forces en Wallonie Logistique & Maintenance Sidérurgie et mécanique de précision Aéronautique et matériaux composites Connexion au réseau et électronique de puissance Entreprises wallonnes Concurrence
  34. 34. Eolien – Sucess Stories • Force : Computational Fluid Dynamics et modélisation 3D (Cenaero, Numeca, Ansys, Siemens LMS Samtech) & Logiciels d’étude de vents (ATM-Pro, 3E) • Action à l’international - Mission au Danemark AWEX/TWEED (Juin 2013) ciblée sur ce domaine (logiciels)
  35. 35. Eolien – Sucess Stories 32 • Force : Sous-traitance • Action à l’international – Présence à des Booth Stand (+ conférence) avec l’AWEX à l’EWEA (1X/AN) & WindEnergy Hamburg (1XAN)
  36. 36. Eolien – Sucess Stories 33 • Force : Maintenance • Formation à la maintenance (de base) et au travail en hauteur (Technifutur, Technocampus) • Maintenance prédictive et optimisation de la production (Maintenance Partners, PEPITe, Ulg, ULB, CMI, Henallux, Helmo, ATM-Pro, Drone Technixx) • Analyse vibratoire & remote control (Mycromega dynamics, I- Care, Zensor) • Action à l’international – Mission TWEED/AREC en Espagne (Acciona) & Nouvelle mission au Danemark + Norvège en 2016 (+ Wave & Tidal) !
  37. 37. Cluster Technology of Wallonia Energy, Environment and sustainable Development 34 Cartographie SMART GRIDS
  38. 38. CARTO SMARTGRIDS : objectifs 35 • Diagnostiquer le secteur • Cartographier les acteurs • Promouvoir les compétences wallonnes • Stimuler les projets d'investissement et de R&D Avec le soutien de
  39. 39. CARTO SMARTGRIDS : participation 36 • Les conditions de participation sont les suivantes : o Avoir votre siège d'exploitation/une implantation en Wallonie ou à Bruxelles o Apporter une plus-value technologique à la filière ’smart grid' (fabrication, R&D, innovation...) • La participation à cette cartographie est gratuite ! • Rendez-vous sur www.smartgridswallonia.be
  40. 40. 37 CARTO SMARTGRIDS : chaînes de valeur Chaîne horizontale • R&D • Etudes & Conception • Financement • Fabrication / Production • Transport • Distribution & Installation • Commercialisat° & Fourniture • Consommation • Démantèlement& Recyclage • Formation & Certification • Education, promotion & sensibilisation Chaîne verticale • Infrastructure de communication • Infrastructure énergétique • Outils de mesure o Compteurs intelligents / Monitoring o Capteurs o … • Systèmes de contrôle et de détection o Incluent les systèmes de protection (cybercriminalité !) • Systèmes de pilotage 37
  41. 41. 38 CARTO SMARTGRIDS : chaînes de valeur
  42. 42. CECOTEPE CM-TECH ENERGYPONICS HARMELING KESSLER UCL ICTEAM Institute ULG ULG ULG Montefiore 39 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S
  43. 43. 40 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CECOTEPE CM-TECH ENERGYPONICS HARMELING UCL ICTEAM Institute ULG ULG ULG Montefiore
  44. 44. 41 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CECOTEPE CM-TECH ENERGYPONICS HARMELING ICTEAM Institute ULG ULG Montefiore
  45. 45. 42 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CECOTEPE
  46. 46. 43 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CM-TECH HARMELING
  47. 47. 44 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S
  48. 48. 45 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CM-TECH
  49. 49. 46 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CM-TECH ENERGYPONICS
  50. 50. 47 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S
  51. 51. 48 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CM-TECH
  52. 52. 49 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S
  53. 53. 50 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CECOTEPE CM-TECH UCL ULG Montefiore
  54. 54. 51 R&D ETUDES & CONCEPTION FINANCEMENT FABRICATION / PRODUCTION TRANSPORT DISTRIBUTION & INSTALLATION COMMERCIALISATION & FOURNITURE OPÉRATIONS & MAINTENANCE CONSOMMATION DÉMANTÈLEMENT & RECYCLAGE FORMATION & CERTIFICATION EDUCATION, PROMOTION & SENSIBILISATION C H A Î N E H O R I Z O N T A L E - M É T I E R S CECOTEPE CM-TECH UCL ULG ULG Montefiore
  55. 55. CECOTEPE CM-TECH ENERGYPONICS HARMELING KESSLER UCL ICTEAM Institute ULG ULG ULG Montefiore 52 SYSTEMES DE PILOTAGE SYSTEMES DE CONTROLE ET DE DETECTION OUTILS DE MESURE INFRASTRUCTURE ENERGETIQUE INFRASTRUCTURE DE COMMUNICATION CHAÎNE VERTICALE -TECHNOLOGIQUE
  56. 56. 53 SYSTEMES DE PILOTAGE SYSTEMES DE CONTROLE ET DE DETECTION OUTILS DE MESURE INFRASTRUCTURE ENERGETIQUE INFRASTRUCTURE DE COMMUNICATION CHAÎNE VERTICALE -TECHNOLOGIQUE CECOTEPE CM-TECH ENERGYPONICS ICTEAM Institute ULG Montefiore
  57. 57. CECOTEPE CM-TECH ENERGYPONICS KESSLER ICTEAM Institute ULG Montefiore 54 SYSTEMES DE PILOTAGE SYSTEMES DE CONTROLE ET DE DETECTION OUTILS DE MESURE INFRASTRUCTURE ENERGETIQUE INFRASTRUCTURE DE COMMUNICATION CHAÎNE VERTICALE -TECHNOLOGIQUE
  58. 58. CECOTEPE CM-TECH ENERGYPONICS ICTEAM Institute ULG Montefiore 55 SYSTEMES DE PILOTAGE SYSTEMES DE CONTROLE ET DE DETECTION OUTILS DE MESURE INFRASTRUCTURE ENERGETIQUE INFRASTRUCTURE DE COMMUNICATION CHAÎNE VERTICALE -TECHNOLOGIQUE
  59. 59. CECOTEPE CM-TECH ENERGYPONICS KESSLER ICTEAM Institute ULG Montefiore 56 SYSTEMES DE PILOTAGE SYSTEMES DE CONTROLE ET DE DETECTION OUTILS DE MESURE INFRASTRUCTURE ENERGETIQUE INFRASTRUCTURE DE COMMUNICATION CHAÎNE VERTICALE -TECHNOLOGIQUE
  60. 60. CECOTEPE CM-TECH ENERGYPONICS HARMELING ICTEAM Institute ULG Montefiore 57 SYSTEMES DE PILOTAGE SYSTEMES DE CONTROLE ET DE DETECTION OUTILS DE MESURE INFRASTRUCTURE ENERGETIQUE INFRASTRUCTURE DE COMMUNICATION CHAÎNE VERTICALE -TECHNOLOGIQUE
  61. 61. Statistiques : Participants 58 Acteurs ont rempli le formulaire
  62. 62. Statistiques : Participants 59
  63. 63. Statistiques : Emplois 60
  64. 64. Statistiques : Emplois 61 • Profils recherchés : o actuaire o commercial régulation chauffage o data Analytics o électromécanique o électronique o responsable énergie o informatique / IT / ICT o Ingénieur : développementdurable, électricien, industriel, … o master en environnement o mathématiques appliquées o modélisation : risk modeling - financial modeling o web designer
  65. 65. SMART GRIDS : projets 62 • CE - Centre Commun de Recherche (CCR) o Inventaire paneuropéen des Smart Grids vPremière édition en 2011 vUpdate en 2014 : « Smart Grid Project Outlook 2014 » (459 projets) o Modèle de réseau d'électricité paneuropéen : 10.000 éléments (nœuds et lignes) du réseau de transmission européen o Analyse coûts-bénéfices de projets de "Smart Grids" o Outils et cartes interactives http://ses.jrc.ec.europa.eu/nutshell-french
  66. 66. Exemples de projets (Wallonie/Belgique/EU) 63 • B3RT : modéliser les consommations énergétique du bâti bruxellois • CASTT : réaliser un micro-smart-grid-pédagogique et utiliser l’énergie pour la motorisation électrique via des bornes de rechargement domestiques ou rapides • DAMiEn: optimiser l'auto-programmation des unités à cycle combiné sur les marchés électriques day-ahead • Energattert / Optiobiogaz / Ecobiogaz : gérer et stocker le biogaz pour une meilleure flexibilité du réseau • EnergizAIR : ajouter un éclairage qualitatif, informatif et positif sur les énergies renouvelables dans la vie quotidienne des citoyens européens (météo renouvelable) • ENERGRID : modéliser, concevoir, et mettre en œuvre une unité de gestion de systèmes nano-grid • FLEXIPAC : optimiser la demande d’énergie par le pilotage d’applications thermiques (pompes à chaleur, etc.) en vue de l’intégration au réseau de sources de production intermittentes et la valorisation économique de la flexibilité
  67. 67. Exemples de projets (Wallonie/Belgique/EU) 64 • GREDOR : développer des outils pour une gestion active du réseau • GEPPADI : rendre intelligent et communiquant l’éclairage public • Industore : optimiser la flexibilité énergétique des sites industriels • PERFECT : caractériser les performances énergétiques réelles de l’enveloppe de bâtiments et de ses composants par des mesures sur site • Premasol : développer des services se basant sur une plateforme informatique intégrant des outils de prédiction de l’énergie électrique • PVCROPS : améliorer l’intégration des systèmes solaires PV dans le réseau électrique en prédisant les variations de puissance PV, et les atténuer par les nouvelles technologies de gestion et de stockage de puissance. • Princess Elisabeth Polar Station : gérer le micro-grids de la station
  68. 68. Exemples de projets (Wallonie/Belgique/EU) 65 • RESIZED : concevoir des outils pour quartiers faiblement consommateurs d’énergie et intégrant leurs équipements de production dans un souci d’utilisation des ressources locales (« net Zero Energy City Districts ») • Smart Micro Cogen : intégrer des μCHP dans les smart grids • SMARTWATER – mettre en place des système de stockage électrique par pompage-turbinage exploitant d'anciennes cavités souterraines • Story : démontrer la valeur ajoutée des technologies de stockage d'énergie dans les marchés de l'énergie actuel et futur • TECR : analyser le rôle et le comportement des utilisateurs au niveau du système énergétique et des réseaux (nouvelle tarification,…) • TWENTIES/EcoGrid/GRID4EU… : donner plus de flexibilité au réseau de transport • WallonHY : identifier le rôle du Power-to-Hydrogen, notamment pour la flexibilité des réseaux • …
  69. 69. 66 SWOT : smartgrids/smartmeters FAIBLESSES • Réseau : conçu pour des systèmes de production d’énergies centralisés ; organisation des GRD en conséquence. • Maturité : technologies & standards • Bénéfice : avéré pour les gros consommateurs, controversé pour les petits consommateurs Forces • Plan européen pour l’efficacité énergétique • Compétitivité de l’Europe • Indépendance énergétique • Empreinte carbone • Création d’emplois • Gestion dynamique de l’équilibre • Flexibilisation de la consommation électrique • Remplacement des compteurs à budget (€) MENACES • Modèle : manque de clarté quant au modèle de marché (normes, législation, gouvernance, …). • Capacités : capacités des GRD à gérer un grand nombre d’acteurs et un modèle différent (le client devient en même temps fournisseur). • Concurrence : marché concurrentiel et international. Avance technologique aux USA(4.5 milliards $ budgétés par les autorités), en Suède, en Italie, en France (Linky)… • Cybercriminalité & irrespect de la vie privée OPPORTUNITÉS • Efficacité énergétique : réduction de la consommation d’électricité de 2 à 10%. • Potentiel (marché) : marché des SG conséquent, sous-exploité et en croissance. • Intégration : NRJ-R & VE sur le réseau. • Électricité : croissance de la demande en électricité, toujours plus volatile par ailleurs, et des pics de consommation.
  70. 70. Cluster Technology of Wallonia Energy, Environment and sustainable Development 67 Portail REWallonia
  71. 71. www.REWallonia.be
  72. 72. www.greenheatwallonia.be www.windturbinewallonia.be www.biomasswallonia.be www.solarpvwallonia.be +300 acteurs répertoriés !
  73. 73. 70 CARTO SG : deux formats ! Format PDF Format interactif 70
  74. 74. 71
  75. 75. 7272
  76. 76. 73 Flyer REWallonia
  77. 77. 74 Flyer SolarPVWallonia
  78. 78. 75 Flyer BiomassWallonia
  79. 79. Besoin d’aide ? Contactez-nous ! 76
  80. 80. Cluster Technology of Wallonia Energy, Environment and sustainable Development TWEED Asbl Rue Natalis 2 – 4020 Liège – Belgium Bricout Paul Project engineer pbricout@clustertweed.be Olivier Ulrici Project engineer oulrici@clustertweed.be Cédric Brüll Director cbrull@clustertweed.be www.clustertweed.be
  81. 81. Les mégadonnées dans les réseaux électriques de distribution SORTIE OFFICIELLE DE LA CARTOGRAPHIE SMART GRIDS EN WALLONIE JOURNÉE ORGANISÉE PAR LE CLUSTER TWEED, NAMUR, LE 09/05/2016 Zacharie DE GREVE, François VALLEE zacharie.degreve@umons.ac.be Service de Génie Electrique, Faculté Polytechnique, Université de Mons GREDOR Project
  82. 82. Université de Mons One selected message from CIRED 2015 2Z. De Grève | Electrical Power Engineering Unit « … What are the [new] roles of DSOs in the transformation of the energy system ? • DSOs will need to actively manage and operate smarter grids • DSOs will implement the roll out of smart metering • DSOs will become data managers […and enter the world of Big Data…] • DSOs will play a key role in the design and implementation of local energy policies and the development of smart cities …» Philippe Monloubou, CEO at ERDF, « Power distribution at the heart of the energy transition », CIRED 2015, 15th of June 2015, Lyon (23rd International Conference and Exhibition on Electricity Distribution, June 2015, Lyon, France)
  83. 83. Université de Mons Massive roll out of Smart Metering devices 3Z. De Grève | Electrical Power Engineering Unit ERDF (principal DSO in France) Linky project: up to 35 million of metering devices until 2021 ORES: Smart Metering (SM) devices for all the customers in 15 years (starting from 2019) [O. Durieux, Journée ORES du 20/11/2014, Faculty of Engineering, UMONS] [P. Monloubou, CIRED2015, Lyon, France] … (Enexis in The Netherlands, Enel in Italy, etc.)
  84. 84. Université de Mons Outline Why do we need data in Smart Grids? Some data related challenges Focus on Big Data Analytics in Smart Grids: two fundamental problems and illustrations A. Dimensionality B. The case of missing data Conclusion and perspectives 4Z. De Grève | Electrical Power Engineering Unit
  85. 85. Université de Mons Outline Why do we need data in Smart Grids? Some data related challenges Focus on Big Data Analytics in Smart Grids: two fundamental problems and illustrations A. Dimensionality B. The case of missing data Conclusion and perspectives 5Z. De Grève | Electrical Power Engineering Unit
  86. 86. Université de Mons A great wise man once said… 6Z. De Grève | Electrical Power Engineering Unit Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics Conclusion and perspectives A close monitoring of the electrical consumption of households will help improving the energy efficiency « The <to be completed> energy is the one we do not use. » • <cheapest> if you are an economist, • <greenest> if you are an ecologist, • <most efficient> if you are an engineer, • …
  87. 87. Université de Mons From classical networks to Smart Grids Massive integration of Renewable Energy Sources (RES), typically wind or solar, in electricity distribution networks 7Z. De Grève | Electrical Power Engineering Unit Towards a coordinated « smart » management of the network to avoid technical problems (e.g. overvoltages, congestions) • A guideline: consume the energy when it is produced, locally if possible (flexibility of demand using financial incentives, storage, etc.) Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics Conclusion and perspectives • Recourse to advanced optimization algorithms (dynamic optimization, in an uncertain environment, with nonlinear equations, and a mix between continuous and integer variables)… Uncertainty of electrical quantities • Wind and solar production • Electrical consumption (or load) Strongly relies on the observability of the distribution network !
  88. 88. Université de Mons 8Z. De Grève | Electrical Power Enigineering Unit A simple scenario-oriented Monte Carlo approach 8 RES PriceLoad Stochastic Models Trajectories (or scenarios) • Probabilities of congestion Indicators • Probabilities of over/undervoltage • Reliability indexes (LOLE, etc.) Sampling I. Power flow computation II. Network model 0. Build stochastic models Historical data Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics Conclusion and perspectives Data for analyzing modern distribution grids
  89. 89. Université de Mons For building stochastic models of electrical quantities, we need data… 9F. Vallée & Z. De Grève | Electrical Power Engineering Unit RES TTF/TTR PriceLoad Sequential Models Trajectories (or scenarios) • Probabilities of congestion Indicators • Probabilities of over/undervoltage • Reliability indexes (LOLP, etc.) Sampling I. Power flow computation II. Network model 0. Build Historical data Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics Conclusion and perspectives stochastic models Data for analyzing modern distribution grids
  90. 90. Université de Mons Outline Why do we need data in Smart Grids? Some data related challenges Focus on Big Data Analytics in Smart Grids A. Dimensionality B. The case of missing data Conclusion and perspectives 10Z. De Grève | Electrical Power Engineering Unit
  91. 91. Université de Mons The technical challenges related to data are numerous… Communication between devices 11Z. De Grève | Electrical Power Engineering Unit Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics Conclusion and perspectives Data storage Privacy and security • Power Line Communication – or PLC – and GPRS (e.g. ERDF in France, ORES, Enel in Italy, etc.) • Radio transmission (e.g. Enexis in The Netherlands) • … Metering technology [D. Lonneke, Journée ORES du 20/11/2014, Faculty of Engineering, UMONS]
  92. 92. Université de Mons The technical challenges related to data are numerous… 12Z. De Grève | Electrical Power Engineering Unit Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics Conclusion and perspectives Investment strategies for IT infrastructures Analysis of the recorded data (Big Data Analytics) • For DSOs: better coordination of the production/consumption in a Smart Grid context • For consumers: improve energy efficiency by closely monitoring consumption • For energy suppliers: establish client typical profiles • … Focus of the rest of this talk
  93. 93. Université de Mons Outline Why do we need data in Smart Grids? Some data related challenges Focus on Big Data Analytics in Smart Grids: two fundamental problems and illustrations A. Dimensionality B. The case of missing data Conclusion and perspectives 13Z. De Grève | Electrical Power Engineering Unit
  94. 94. Université de Mons 14Z. De Grève | Electrical Power Engineering Unit Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Conclusion and perspectives Two fundamental problems I. High dimensionnality of the underlying optimization problems … … … …… Scenario tree (e.g. for wind/PV production, load, etc.) Probability of occurrence of scenario Computational burden ! 1. Clustering techniques to limit the number of scenarii Ex. 1: a clustering example on wind data … 2. Orient the sampling by modeling dependencies inherent to data Ex. 2: wind geographical correlation Wind speed for site 2 [m/s] Wind speed for site 1 [m/s]
  95. 95. Université de Mons 15Z. De Grève | Electrical Power Engineering Unit Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Ex. 1: clustering on wind speed Conclusion and perspectives Clustering for merging scenarii Example 1: clustering on wind speed Wind speed Wind speed Wind speed Wind speed Wind speed Wind speed t t t t t t Clustering X N … Wind speed Wind speed Wind speed t t … • Generation of a reduced number K of typical days of wind, starting from N days of historical data (N >> K) • Use of K-means, K-medoids algorithms [B. Picart et al]
  96. 96. Université de Mons 16Z. De Grève | Electrical Power Engineering Unit Clustering for merging scenarii KNMI database • Hourly values of the wind speed and direction • Since 1950 • 65 stations in Holland • Open access at: http://www.knmi.nl/samenw/hydra/ Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Ex. 1: clustering on wind speed Conclusion and perspectives
  97. 97. Université de Mons 17Z. De Grève | Electrical Power Engineering Unit Clustering for merging scenarii Example 1: clustering on wind speed Power Spectral Density (PSD): describes how the power of a signal is distributed over the different frequencies Estimated here using the periodogram method • Why typical days ? Zoom Analysis of Schiphol station (1981-1990) shows a peak at a frequency f ≈ 11,56*10-6 Hz, which corresponds to a period T = 1/f ≈ 24h [B. Picart et al] Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Ex. 1: clustering on wind speed Conclusion and perspectives
  98. 98. Université de Mons 18Z. De Grève | Electrical Power Engineering Unit Clustering for merging scenarii Example 1: clustering on wind speed • Methodology 1. Feature selection using Principal Component Analysis (PCA) 2. Clustering using K-means/K-medoids 3. Associate a typical day to each cluster (centroids ?) 3 dimensional vectors instead of 24 ! [B. Picart et al] Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Ex. 1: clustering on wind speed Conclusion and perspectives
  99. 99. Université de Mons 19Z. De Grève | Electrical Power Engineering Unit Clustering for merging scenarii Example 1: clustering on wind speed • Methodology 1. Feature selection using Principal Component Analysis (PCA) 2. Clustering using K-means/K-medoids 3. Associate a typical day to each cluster (centroids here) Similar performance than classical K-means but: + 3D instead of 24D vectors (Big data context) + Physical interpretation of the 3 dominant directions (modeling ramps) Ongoing • Possible to model extreme days by selecting higher order PCs [B. Picart et al] Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Ex. 1: clustering on wind speed Conclusion and perspectives
  100. 100. Université de Mons 20Z. De Grève | Electrical Power Engineering Unit Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Conclusion and perspectives Two fundamental problems I. High dimensionnality of the underlying optimization problems … … … …… Scenaro tree (e.g. for wind/PV production, load, etc.) Probability of occurrence of scenario Computationnal burden ! 1. Clustering techniques to limit the number of scenarii 2. Orient the sampling by modeling dependencies inherent to data Ex. 1: a clustering example on wind data Ex. 2: wind geographical correlation … Wind speed for site 2 [m/s] Wind speed for site 1 [m/s]
  101. 101. Université de Mons 21Z. De Grève | Electrical Power Engineering Unit Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Ex. 2: modeling wind correlation Conclusion and perspectives « Smart » model sampling strategies Example 2: modeling wind correlation • Using the Cholesky decomposition [Villanueva et al, IEEE Trans. on Sus. Energy, 2012] ARMA model 1 ARMA model 3 ARMA model 2 1. Identify n ARMA models separately, based on historical data 2. Compute the (n x n) correlation matrix R, from historical data Pearson cofficient 3. Compute the Cholesky decomposition of R
  102. 102. Université de Mons 22Z. De Grève | Electrical Power Engineering Unit « Smart » model sampling strategies Example 2: modeling wind correlation • Using the Cholesky decomposition• Using the Cholesky decomposition [Villanueva et al, IEEE Trans. on Sus. Energy, 2012] ARMA model 1 ARMA model 3 ARMA model 2 4. Generate correlated wind speed time series ARMA 1 ARMA 2 ARMA 3 uncorrelated Ex: KNMI database, Schiphol and Ijmuijgen sites: Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Ex. 2: modeling wind correlation Conclusion and perspectives
  103. 103. Université de Mons 23Z. De Grève | Electrical Power Engineering Unit « Smart » model sampling strategies Example 2: modeling wind correlation • Impact of the correlation on power system reliability indices [Z De Grève et al, EnergyCon2016] • Ongoing work Non linear correlation (copula based methods) Complete review of the SoA and comparison on the same test case Time varying correlation (Test network with two generation units subject to failures, two wind farms, two loads. Collaboration with Tractebel Engineering) LOLP: Loss of Load Probability EENS: Expected Energy Not Supplied Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics A. Dimensionality Ex. 2: modeling wind correlation Conclusion and perspectives
  104. 104. Université de Mons Outline Why do we need data in Smart Grids? Some data related challenges Focus on Big Data Analytics in Smart Grids: two fundamental problems and illustrations A. Dimensionality B. The case of missing data Conclusion and perspectives 24Z. De Grève | Electrical Power Engineering Unit
  105. 105. Université de Mons 25Z. De Grève | Electrical Power Engineering Unit Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics B. The case of missing data Conclusion and perspectives Two fundamental problems II. The case of missing or incomplete data • SM devices are not installed everywhere, • sensor failures may generate “holes” in the historical database, etc. Strategy: extrapolate the missing data based on the available Ex. 3: a low voltage example using reference Cumulative Distribution Functions (CDFs) Ex. 4: an approach for filling “holes” in electrical consumption
  106. 106. Université de Mons And if no SM data is available ? 26F. Vallée & Z. De Grève | Electrical Power Engineering Unit Example 3: a Low Voltage example using reference CDFs • (Smart) Metering devices are currently not installed everywhere SM HV/MV MV/LV SM MV/LV Strategy: take advantage of what we already have… Lack of data more particularly at MV/LV substations (and in LV networks) • Cluster power of a given area into c= cL + cG categories: cL Demand Components (DCs): residential load, tertiary, industrial, etc. cG Dispersed Generation Components (DGCs): photovoltaïc, wind, etc. LV network LV network Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics B.The case of missing data Ex. 3: building reference CDFs Conclusion and perspectives [Toubeau et al]
  107. 107. Université de Mons And if no SM data is available ? 27F. Vallée & Z. De Grève | Electrical Power Engineering Unit Example 3: a Low Voltage example using reference CDFs • Build c reference Cumulative Distribution Functions (CDFs) 1. normalize energy recordings for nodes with SMs, based on annual produced/consumed energies, 2. compute c ref CDFs, 3. assign the CDFs to nodes without SMs, and perform analysis (denormalize !). [Toubeau et al] AvailableDataWhy do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics B.The case of missing data Ex. 3: building reference CDFs Conclusion and perspectives
  108. 108. Université de Mons And if no SM data is available ? 28Z. De Grève | Electrical Power Engineering Unit Example 3: a Low Voltage example using reference CDFs • A Low Voltage network with PV (ORES, Flobecq, Belgium) MV/LV transformer 1D clustering on annual indexes Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics B.The case of missing data Ex. 3: building reference CDFs Conclusion and perspectives [Toubeau et al]
  109. 109. Université de Mons And if no SM data is available ? 29Z. De Grève | Electrical Power Engineering Unit Example 3: a Low Voltage example using reference CDFs • Comparison with measured data and SLPs on the power exchanged at the MV/LV substation during the month of July Box plot CDFs Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics B.The case of missing data Ex. 3: building reference CDFs Conclusion and perspectives [Toubeau et al]
  110. 110. Université de Mons Sensors may have failures 30 Client 1 X X ? X Client 2 X X X X … X ? X X ? X X X X X X ? ≈ Why do we need data in Smart Grids ? Some data related challenges Focus on Big Data analytics B. The case of missing data Ex. 4: filling holes in data Conclusion and perspectives Example 4: matrix factorization to fill the holes Ongoing work with F. Lecron, Management and Computer Science Group, FPMs . • Real data is projected on a space of dimension f < m and f < n • Compute matrixes W and H from the incomplete version of X • W and H yield the missing elements of X thereafter • First tests are ongoing… Z. De Grève | Electrical Power Engineering Unit …
  111. 111. Université de Mons Outline Why do we need data in Smart Grids? Some data related challenges Focus on Big Data Analytics in Smart Grids A. Data characteristics B. Two fundamental problems and illustrations Conclusions and perspectives 31Z. De Grève | Electrical Power Engineering Unit
  112. 112. Université de Mons Conclusions and perspectives An improved observability of distribution grids is needed to implement Smart strategies: towards the world of Big Data (IT infrastructure ?) 32Z. De Grève | Electrical Power Engineering Unit • Reducing dimensionality (and avoid non realistic states) by using clustering techniques and by orienting the sampling • Missing (or incomplete) data • Other issues will appear… (profiling clients ?) Analysis of metering data (Big data analytics) New competences for analyzing data in Smart Grids Signal Processing Probabilities and Statistics Machine Learning Time Series Modeling
  113. 113. Université de Mons Thank you for your attention 33Z. De Grève | Electrical Power Engineering Unit Special thanks to: Lazaros Exizidis(3), Martin Hupez(1), Vasiliki Klonari(1), Fabian Lecron(2), Benjamin Picart(3), Jean-François Toubeau(4) GREDOR Project (1) (2) (3) (4)
  114. 114. ECOLE POLYTECHNIQUE DE BRUXELLES beams Power system fast state estimation : from transport grids to distribution smart grid Cluster TWEED 9 mai 2016 Jean-Claude Maun 1
  115. 115. ECOLE POLYTECHNIQUE DE BRUXELLES beams Outline • Introduction • Power system state estimation • Challenges of state estimation in distribution • Some results • Conclusions 2
  116. 116. ECOLE POLYTECHNIQUE DE BRUXELLES beams Introduction x State estimation + z 3
  117. 117. ECOLE POLYTECHNIQUE DE BRUXELLES beams Introduction x State estimation + z + + + + + + + + + 4
  118. 118. ECOLE POLYTECHNIQUE DE BRUXELLES beams Introduction x State estimation + z + + + + + + + + + 5
  119. 119. ECOLE POLYTECHNIQUE DE BRUXELLES beams x State estimation + z + + + + + + + + + 6
  120. 120. ECOLE POLYTECHNIQUE DE BRUXELLES beams x State estimation + z + + + + + + + + 7
  121. 121. ECOLE POLYTECHNIQUE DE BRUXELLES beams Outline • Introduction • Power system state estimation • Challenges of state estimation in distribution • Some results • Conclusions 8
  122. 122. ECOLE POLYTECHNIQUE DE BRUXELLES beams Power system state estimation Weighted Least Squares Method 9
  123. 123. ECOLE POLYTECHNIQUE DE BRUXELLES beams Power system state estimation Measurement 10
  124. 124. ECOLE POLYTECHNIQUE DE BRUXELLES beams Power system state estimation 11
  125. 125. ECOLE POLYTECHNIQUE DE BRUXELLES beams Power system state estimation 14 Observability
  126. 126. ECOLE POLYTECHNIQUE DE BRUXELLES beams Power system state estimation 15 Observability
  127. 127. ECOLE POLYTECHNIQUE DE BRUXELLES beams Outline • Introduction • Power system state estimation • Challenges of state estimation in distribution • Some results • Conclusions 17
  128. 128. ECOLE POLYTECHNIQUE DE BRUXELLES beams • Today : no measurement to perform SE • Tomorrow « smart grids » : what can we imagine ? • Microgrids is a driver State estimation in distribution 18 divisional switch main grid
  129. 129. ECOLE POLYTECHNIQUE DE BRUXELLES beams 19 State estimation in distribution • Initial driver: Microgrids – Protection and fault location? – Concepts also applicable for future networks with distributed generation • Outcome – Proposition of a state estimation framework (traditionally only monitoring) for backup protection and fault location – Protection and operation functions may come closer
  130. 130. ECOLE POLYTECHNIQUE DE BRUXELLES beams 20 State estimation in distribution • New approach – Time-synchronized distributed sensors – Fast and reliable communications – Network model available • Algorithms for • Monitoring • Backup protection • Offline fault location • Challenges • Limited number of sensors • Load uncertainty Communication system Central Calculator Monitoring Fault location Protection Networks data IED
  131. 131. ECOLE POLYTECHNIQUE DE BRUXELLES beams 21 State estimation in distribution with uncertainties Bad data detection Topology error detection Nodes voltages Load estimates Power flows Losses Network data, load forecasts Measurements Classical and synchronized ones DG storage State estimation Control Planning Monitoring
  132. 132. ECOLE POLYTECHNIQUE DE BRUXELLES beams 23 State estimation in distribution Original idea: proposition of a three-phase state estimation framework (traditionally only monitoring) for backup protection and fault location • Principle of state estimation • Nodes voltages (x) are estimated from the measurements with least squares algorithm • Cost function : 𝐽 = (𝑧 𝑖−ℎ𝑖(𝑥))2 𝜎𝑖 2𝑖 is minimized over x : 𝑥 = 𝑎𝑟𝑔𝑚𝑖𝑛(𝐽) • – z : measurements – h(x) : measurement functions – wi = 1/σ²ij : measurement weights • Very fast calculation with synchronized measurements Fault detection
  133. 133. ECOLE POLYTECHNIQUE DE BRUXELLES beams 24 State estimation in distribution Fault detection • The impact of a relatively low measurement redundancy was discussed: – Impact on the bad data detection capabilities – Impact on topology error detection capabilities • The metering placement impacts on several criteria were discussed as well: – Convergence of the algorithm – State estimation accuracy – Bad data detection capabilities – Topology error detection capabilities • Simple heuristic meter placement rules are proposed
  134. 134. ECOLE POLYTECHNIQUE DE BRUXELLES beams 25 State estimation in distribution Backup protection Local relaying R1 R2 R3 VT CT Circuit breaker Zone data • Topology • lines parameters • load forecasts • accuracy of the measurements • Principle: check the measurements coherency with respect to the healthy network model using state estimation • Fault detection: for each snapshot of measurements – Perform state estimation – Check the coherency with the residuals – Analyze the load estimates
  135. 135. ECOLE POLYTECHNIQUE DE BRUXELLES beams 26 State estimation in distribution Fault detection • General method, any measurement configuration • Voltage measurement redundancy used • Uses the current unbalance, the angle between voltage and current Challenges • Load forecasting • Update of the parameters • Could be also used for primary protection, but different requirements on communication
  136. 136. ECOLE POLYTECHNIQUE DE BRUXELLES beams 27 State estimation in distribution ProtectionProtection of zone 1 Protection of zone 2 Protection of zone 3 • Local relaying gives fast fault isolation for strong faults • Communicating protection gives selective and sensitive backup • Speed: communication delays? • is less a concern with reduced fault level
  137. 137. ECOLE POLYTECHNIQUE DE BRUXELLES beams 29 State estimation in distribution Fault location Central calculator Fault location Networks data Distributed phasor measurements Fast system restoration • Distributed measurements are more accurate than only one measurement point • Solution with DGs and in microgrids • With synchronized measurements: much easier than with unsynchronized measurements
  138. 138. ECOLE POLYTECHNIQUE DE BRUXELLES beams 30 State estimation in distribution Fault location • In practice, measurements are not available on the faulted line directly • Use of three phase state estimation to estimate the best during-fault terminal voltages of the line Network states are first estimated there Then fault location from healthy subnetworks : Measurement point
  139. 139. ECOLE POLYTECHNIQUE DE BRUXELLES beams Outline • Introduction • Power system state estimation • Challenges of state estimation in distribution • Some results • Conclusions 31
  140. 140. ECOLE POLYTECHNIQUE DE BRUXELLES beams Fault location accuracy 32 • The outcome is that it is more complex to locate resistive faults, single phase faults or for networks with weak sources A method to identify topology errors (e.g. wrong switch state assumes after several manual operation) during the fault location has been proposed as well
  141. 141. ECOLE POLYTECHNIQUE DE BRUXELLES beams Fault location accuracy 33 • Errors caused by measurement noise and lines parameters errors • By defining standard deviation on those quantities: the fault location accuracy is also calculated True fault location Used for: • Confidence interval for the repair crew (in operation) • Analysis what fault location accuracy is possible using impedance-based method for a particular network. If not accurate enough: use another principle (e.g. fault passage indication)
  142. 142. ECOLE POLYTECHNIQUE DE BRUXELLES beams Outline • Introduction • Power system state estimation • Challenges of state estimation in distribution • Some results • Conclusions 34
  143. 143. ECOLE POLYTECHNIQUE DE BRUXELLES beams Conclusions 35 • Monitoring, Control and Protection will face challenges – DGs, networks operated in closed loop, microgrids – But not in every network • Smart technologies allows new protection and new fault location methods – Communicating protection – Fault location using distributed measurements – Synchronized measurement is a must – The link between smart meters and real time load estimation need to be developed • Field tests and demonstrators are needed
  144. 144. ECOLE POLYTECHNIQUE DE BRUXELLES beams 36 Thesis in this domain – BEAMS-Energy • Stratégie de maintenance centrée sur la fiabilité dans les réseaux électriques haute tension – O. Fouathia - 2005 • Impact of decentralized power on power systems – A. Morales 2006 • On monitoring methods and load modeling to improve voltage stability assessment – B. Genêt – 2009 • High impedance fault detection in multi-grounded distribution networks A. Valero Masa – 2012 • From the measurement of synchrophasors to the identification of inter-area oscillations in power transmission systems – 2013 – J. Warichet • Single phase to earth fault detection and location in compensated networks – M. Loos - 2013
  145. 145. ECOLE POLYTECHNIQUE DE BRUXELLES beams 37 Thesis in this domain – BEAMS-Energy • Monitoring, protection and fault location in power distribution networks using system-wide measurements – P. Janssen – 2013 • Wide-area measurement-based approach for assessing the power flow influence on interarea oscillations – 2013 – O. Antoine • Unsupervised learning procedure for nonintrusive appliance load monitoring - 2013 – Q. Jossen • A two-level probabilistic risk assessment of cascading failures leading to blackout in transmission power systems – 2013 – P. Henneaux • Probabilistic curtailment analysis for transmission grid planning using Active Network Management – 2015 – F. Faghihi
  146. 146. Sortie officielle de la cartographie smart grids Perspectives sur la gestion de la demande Beez, 9 mai 2016 Dr.-Ir. Arnaud Latiers
  147. 147. Blackout Plan de délestage …une forme extrême et simple de Demand-Side management
  148. 148. Un système en équilibre Production Consommation = A system in balance
  149. 149. La demande s’adapte à la production disponible Production variable Demande contrôlable Demand-side Management Ensemble des interactions avec la demande d’électricité permettant de répondre à un problème de sécurité du système (réserve), combler un besoin structurel (capacité de pointe, énergie), ou maximiser l’efficacité du système (prix de l’énergie)
  150. 150. Demand Side Management Efficacité Energétique Demand Response Ensemble des interactions avec la demande d’électricité permettant de répondre à un problème de sécurité du système (réserve), combler un besoin structurel d’énergie (pointe), ou maximiser l’efficacité du système (prix de l’énergie) BE light : +/- 2% de Tihange 3
  151. 151. Source : Piette Participation à tous les niveaux
  152. 152. Ce n’est pas nouveau … 1882 : Western Edison Light Co. Samuel Insull introduced Demand tariffs in order to increase the generators load factor. 1892 : John Hopkinson paper “On the cost of electricity supply” Discussion on the necessity for electricity suppliers to charge consumers at a rate that is in direct relation with the cost of supply, suggesting time-varying tariffs. Sources : S. Stoft, WJ Haussman
  153. 153. … et ce n’est pas un problème technique ! Et aujourd’hui encoreIl y a 60 ans déjà…
  154. 154. Le problème fondamental de la gestion de la demande
  155. 155. Changement d’habitudes… … s’habituer au changement
  156. 156. Ce que nous devons continuer à faire… Convaincre Et continuer à convaincre… dans un monde très complexe
  157. 157. Exemple : PJM
  158. 158. Pourquoi choisir PJM ? Transparence !
  159. 159. Source : PJM Appels rares Similaire au plan de délestage ! Précision faible Haute valeur Le succès de la capacité : un produit simple! Revenus du DSM dans PJM de 2008 à 2015 ou plutôt à la réserve stratégique
  160. 160. Nous vivons un cas similaire en Belgique 661 425 279 2013 2016 Production Aggregators MW En trois ans, 42% de la R3 !
  161. 161. Source : Elia, CAISO Même si nous n’avons pas les mêmes besoins qu’ailleurs
  162. 162. “Loads participate in […] the market to the extend that market design allows” Source : Heffner, 2008 La gestion de la demande est très sensible à l’ensemble de l’éco-système (marché & système) dans lequel elle évolue.
  163. 163. 1880’s 1970’s 1990’s 2000’s LiberalizationOil CrisisEarly history CA flexible demand [% of Peak load] 5-6% 2014 Order 745 “battle” Of which decentralized generation * * Time Sources : FERC, Cappers, Spees, Ruff, Zarnikau, Heffner Un déploiement lié au contexte : exemple aux USA
  164. 164. 1999 2001 2014 Liberalization (1) SR Ampere commission ~5% 2013 R3DP ~2-3% flexible demand [% of Peak load] Of which decentralized generation * * L’évolution de la gestion de la demande en Belgique
  165. 165. Sources : Gils, Elia, VITO, EnergyVille, Klobasa, KEMA Belgian peak load Industry Tertiary Residential -3 % Today−5,5% potentially −5% potentially 0% Today +30% potentially +5% potentially −5% potentially -2% Today TOU tariff (bihoraire) 3-5% of daily energy Avons-nous captés le 1/3 du potentiel actuel ?
  166. 166. Trois principes de départ… 1 2 3
  167. 167. Sources : Ruff, SEDC, Heffner 1 Avoir une vision commune, et un engagement de toutes les parties prenantes 2 Se Donner des Objectifs… et les suivre en toute transparence ! 3 Design de marché équilibré La gestion de la demande n’aime pas les changement… de contexte ! La voie la plus Simple Pas de subsides Faciliter les interactions Adapter les règles Source neutrality Un cabinet indépendant peut réaliser un “état du marché” chaque trimestre. Objectif : parler sur base de chiffres, et non de croyances. … Et d’autres messages importants Pas de barrière
  168. 168. A. Latiers, Demand Response perspectives for Belgium in Reflets et perspectives de la vie économique - Marchés énergétiques en transition : le cas de la Belgique. Vol.2015/1-2, October 2015. A. Latiers, Autonomous Frequency Containment Reserves From Energy Constrained Loads, PhD Thesis Pour plus d’information
  169. 169. Merci Beez, 9 Mai 2016 Arnaud Latiers Contact : arnaud.latiers@gmail.com Contact : arnaud.latiers@actility.com
  170. 170. Smart grids versus Microgrids Prof. Damien ERNST
  171. 171. But what is exactly a Smart Grid? A definition in terms of functionality: 1. Better exploitation of the flexiblity of the (many small) load(s) so as to ensure this balance between generation and production at the cheapest cost. 2. Smart modulation of generation sources, loads and storages so as to operate safely the electrical network without having to rely on significant investments in infrastructure. Fit and forget doctrine too difficult to enforce with the rapid growth of distributed generation resources. Active network management techniques are needed.
  172. 172. Being smart is difficult! Terribly difficult. Implies (amond others) rethinking the whole decision chain used to operating distribution networks. It is composed of four stages: ! 1. Interaction models ! 2. Investments ! 3. Operational planning ! 4. Real-time control
  173. 173. Specific difficulties ! Complex decision-making problems ! Huge investments needed in the monitoring and control infrastructure ! Staff not prepared for a Smart Grid revolution ! New vulnerabilities ! Public procurement procedures needed for acquiring this new technology, which makes innovation difficult.
  174. 174. Why not going back to the good old days of the fit and forget doctrine? 1. Every grid user at the distribution level would have access to a fixed access range defined by the maximum power that can be withdrawn from the distribution network and the maximum power that can be injected into the network. 2. The distribution network is ensured to « work well » if all the users stay within this range. 3. Consumption and production peaks are managed locally in microgrids that use storage, demand side management, and smart modulation of the production. 4. Possibility to set up intermediate solutions.
  175. 175. Microgrids: a definition A microgrid is an electrical system that includes single or multiple loads as well as one or several distributed energy sources that can be operated in parallel with the broader utility grid.
  176. 176. Microgrids (at a community level): why can they help in such a setting ? Because a single access point at a community level (the microgrid) is less optimal than an access point per user of the grid.
  177. 177. I know that for many DNOs or TSOs, microgrids are just pirates of the grid
  178. 178. But they should also consider this 1. Microgrids mean local economic activities. Installing/building microgrids will create a lot of local jobs. There is also an opportunity to grow a microgrid-related industry that would export products all over the world. Countries rapidly choosing to support microgrids will be best placed for exploiting it (as Denmark did with wind power) 2. An electrical power system with a high-penetration rate of microgrids is a structure which is resilient to terrorist/cyber attacks, technological failures, a global short-age of supply or disastrous meteorological conditions.
  179. 179. 3. Without microgrids, electrical power production in Belgium is very likely to (almost) disappear in Belgium, with all the consequences that it may have. With microgrids, energy can also belong to the people. 4. Microgrids may help to postpone/avoid very costly future investments in an ageing grid, especially at the distribution level. If well-integrated, they may also offer very valuable services (e.g., balancing services, blackstart capacity) to the grid that may lead to a decrease in network tariffs.
  180. 180. And remember that microgrids may go fully off-grid" which would be the ultimate loss of revenues => Important for DNOs to always have a network that has # value$ for microgrids. Value of a distribution network can be increased thanks to better technology. Electricity price < 250 euros/MWh
  181. 181. The electrical grid as it used to be
  182. 182. The electrical grid as it should become Challenges for designing top-performing control strategies and making them work together are immense, especially in a deregulated (market) environment. Microgrids (and other alternative models) may help to make things much simpler.
  183. 183. MICRO – GRIDS & STOCKAGE PARTAGÉ Mai 2016
  184. 184. Présentation u De la production décentralisée au micro-grid (P. Couneson) u Planification à long terme d’un micro-réseau industriel (Ch. Stevanoni) ----------------------------------------------------
  185. 185. Projet PV Monnaie u Avril 2009 : installation de la société Monnaie sur son nouveau site de Stépy-Bracquegnies ----------------------------------------------------
  186. 186. Projet PV Monnaie u Consommation du site : environ 600 MWh/an u Electricité part significative du prix de revient u Prix électricité volatil (et tendance à la hausse) u Production propre à l’entreprise sans combustible u Installation PV de 250 kWc (critères aides de l’époque) ----------------------------------------------------
  187. 187. Projet PV Monnaie u 2 cars-ports; 1000 panneaux 250 Wc u Production annuelle entre 230 et 250 MWh/an ----------------------------------------------------
  188. 188. Projet PV Monnaie u MAIS non synchronisation production – consommation (weekend p.ex) u Taux d’autoconsommation : 70 % environ (+/- 170 MWh/an) u Taux injection : 30 % de (+/- 70 MWh/an) u Valeur électricité injectée sur le réseau et rappelée ensuite : 70 MWh/an à (130 €/MWh – 30 €/MWh) soit 7.000 €/an Ø quid d’un stockage dans l’entreprise pour max. 100.000 €? ----------------------------------------------------
  189. 189. Projet PV Monnaie u Prix du marché (2013) : > 1.000 €/kWh de stockage u Idée d’un échange d’électricité (Economie circulaire) u CAR superposition des profils de consommation montre que ---------------------------------------------------- CAPACITE D’UNE UNITE DE STOCKAGE PARTAGEE <<< SOMME DES CAPACITES D’UNITES STOCKAGE DECENTRALISEES
  190. 190. Projet PV Monnaie u L’apparition naturelle du micro-grid permettant une optimalisation de la valorisation de l’auto-production u MAIS nombreuses questions à examiner : u Dimensionnement du réseau de connexion u Dimensionnement unité de stockage partagé u Rôle du GRD u La gestion quotidienne u La prévision des productions / consommations…. ----------------------------------------------------
  191. 191. Thèse de doctorat ---------------------------------------------------- u Pour examiner ces questions et bien d’autres encore : u Doctorat de Charline Stevanoni
  192. 192. Thèse de doctorat ---------------------------------------------------- u Du zoning industriel classique vers le micro-réseau industriel: RD Utilisateur 1 RD Utilisateur 2 RD µ-réseau Zoning industriel classique Zoning industriel en µ-réseau RD = réseau de distribution
  193. 193. Thèse de doctorat ---------------------------------------------------- u Acteurs d’un micro-réseau industriel: Prosumers GRD IDEA Acteurs Agrégateur Gestionnaire du micro-réseau Micro-réseau industriel
  194. 194. Thèse de doctorat ---------------------------------------------------- u Originalité de la thèse de doctorat: Placer successivement les différents acteurs du micro-réseau industriel dans le rôle d’agrégateur et voir comment un « social and economical welfare » peut être (ou non) obtenu dans chaque cas ⇒ Différentes stratégies de gestion du micro-réseau ⇒ + 2 stratégies: agrégateur = unité indépendante agrégateur = organisme d’état (sans but lucratif)
  195. 195. Thèse de doctorat ---------------------------------------------------- u Objectifs poursuivis par chaque agrégateur possible: Agrégateur Signe Objectifs GRD > 0 Réduire la facture d’électricité avec le réseau de transport, maintenir ou améliorer la qualité de l’électricité dans le réseau de distribution et dans le micro-réseau Prosumers > 0 Réduire la différence en prix d’achat et de vente de l’électricité, améliorer auto-consommation, fournir des services au GRD IDEA <, = ou > 0 Optimiser le fonctionnement du micro-réseau grâce aux énergies renouvelables des prosumers, développer le zoning industriel grâce à un prix attractif de l’électricité Unité indépendante > 0 Maximiser les revenus du micro-réseau et optimiser son fonctionnement Organisme d’état = 0 Optimiser le fonctionnement du micro-réseau en maintenant un bien-être global en son sein
  196. 196. Thèse de doctorat ---------------------------------------------------- u « Global and economical welfare »: Fonction objectif de coûts sur 20 ans pour chaque acteur et l’agrégateur pour chaque stratégie: Optimiser profit (agrégateur = GRD) Optimiser profit (prosumer individuel) Optimiser profit (IDEA) Stratégie I Optimiser profit (agrégateur = groupe prosumers) Optimiser profit (prosumer individuel) Optimiser profit (GRD) Optimiser profit (IDEA) Stratégie II
  197. 197. Thèse de doctorat ---------------------------------------------------- Stratégie III Optimiser profit (agrégateur = IDEA) Optimiser profit (prosumer individuel) Optimiser profit (GRD) Optimiser profit (agrégateur = indépendant) Optimiser profit (prosumer individuel) Optimiser profit (GRD) Optimiser profit (IDEA) Optimiser profit (agrégateur = organisme d’état) Optimiser profit (prosumer individuel) Optimiser profit (GRD) Optimiser profit (IDEA) Stratégie IV Stratégie V
  198. 198. Thèse de doctorat ---------------------------------------------------- u Flowchart déterministe pour chaque acteur + l’agrégateur d’une stratégie choisie: Analyse du micro-réseau Sélection des decisions possibles selon le modèle d’interaction Calcul des fonctions objectifs Ordre de préférence des décisions Calcul d’un équilibre global entre tous les acteurs selon la théorie des jeux
  199. 199. Thèse de doctorat ---------------------------------------------------- u Modèle d’interaction: Prosumer 1 Prosumer k Prosumer 2 . . . IDEA Marché Interne GRD = agrégateur Marché Externe Réseau de distribution Micro-réseau Transport + Taxes flexibilité Gestion intelligente + maintenance + investissements RESs + stockage (+ maintenance) RESs + Stockage (+ maintenance) Fournisseur d’électricité
  200. 200. Thèse de doctorat ---------------------------------------------------- u Flowchart déterministe pour chaque acteur + l’agrégateur d’une stratégie choisie: Analyse du micro-réseau Sélection des decisions possibles selon le modèle d’interaction Calcul des fonctions objectifs Ordre de préférence des décisions Calcul d’un équilibre global entre tous les acteurs selon la théorie des jeux
  201. 201. Thèse de doctorat ---------------------------------------------------- Plusieurs acteurs avec des objectifs différents Théorie des jeux – Equilibre de Nash Le théorie des jeux met en scène un ensemble de joueurs ayant leurs propres objectifs (stratégies) et interagissant entre eux. Solution pour laquelle l’ensemble des choix effectués par chaque joueur, connaissant les stratégies de tous les joueurs, mène à un équilibre tel qu’aucun des joueurs ne voudrait en dévier: une modification unilatérale de stratégie affaiblirait l’équilibre global u Game Theory:
  202. 202. Thèse de doctorat ---------------------------------------------------- u Travail en cours et perspectives o Choix d’un type de jeu dans la Game Theory o Modèle d’interaction pour chaque stratégie o Fonction objectif de coûts o Planification préventive prenant en compte des incertitudes
  203. 203. Optimization for a Smarter Energy World ! Sortie officielle de la cartographie SmartGrid Namur, April 11 2016
  204. 204. The best of advanced analytics for optimal decision-making Mathematical sciences Business engineering Computer science Our professionals provide you with combined expertise in: State-of-the-art mathematics and algorithms are at the heart of N-SIDE’s innovation Providing tailored software solutions & services to optimize decision making Maximize profitsBe agile Manage risks Descrip(ve Detailed mathema+cal model to describe complexity and opportuni+es Predic(ve Advanced forecast to be ahead of risk/opportunity Prescrip(ve Efficient algorithm to generate op+mal decisions N-SIDE APPROACH 2
  205. 205. 3 Descriptive Detailed mathematical models to describe complexity and opportunities Predictive Advanced forecast to be ahead of risk/opportunity Prescriptive Efficient algorithm to generate optimal decisions N-SIDE APPROACH The best of advanced analytics for optimal decision-making
  206. 206. Market coupling Optimization Energy Flexibility Optimization How to design and optimize my micro-grid in an optimal way ? MicroGrid Optimization Optimization for a smarter Energy World 4
  207. 207. Market Coupling Optimization EUPHEMIA by N-SIDE
  208. 208. Day-ahead electricity prices in Europe are calculated everyday thanks to N-Side algorithms > “EUPHEMIA”: market coupling algorithm for European Power exchange, implemented and developed in-house by N-SIDE, from theory to operations > Used daily by Power Exchanges to fix pan- EU day-ahead electricity prices in 19 EU countries > Computing market prices & volumes by: § coupling national markets § maximizing total economical welfare § optimizing network capacity utilization § modeling complex constraints Modeling and Optimization of Electricity Markets 6
  209. 209. Energy Flexibility Optimization ENERTOP by N-SIDE
  210. 210. Energy Flexibility Optimization with the best of advanced analytics Flexible Load Models CHP Models RES Models Storage Models EVs Models Efficient Mathematical Modellings Planning Optimization Real-time Optim. Investment Optimization Aggregation Optim. Bidding Optimization Advanced Optimization Algorithms + DA Market Forecast Balancing Opporunities Reserve Markets Demand Forecast Contracts Model Accurate Forecasts + = Customized Flexibility Optimization Solutions 8
  211. 211. Mathematical models to describe plant complexity… A mathematical model is key for considering all factors in an integrated way… Limestone) Crushers) Storage) Raw)Mill) Storage) Preheater)Tower) Cement)Kiln)Clinker)Cooler)Storage)Gypsum) Cement)Mill) Storage) Shipping) Grid and market interaction • Different electricity contracts (OTC, spot based) • Capacity constraints Storage facilities • Min-max capacities • Storage target Industrial processes • All input and output flows • Maximal Stop/Day • Minimal time OFF • ON-Off procedure • Operating rates Economics • RM, electricity costs • Opportunity costs • Fix and variable operating costs • Incentive from DR programs 9 1 Example : Mathematical Model of Cement Plants Product Demand • Quantities and delivery dates • Must / May serve
  212. 212. … and the differents energy flexibilities 10 Produce electricity at optimal moment Electricity Generation Electricity Consumption Consume electricity at optimal moment Load Shifting Load Scheduling Load Shedding Electricity Storage B A C F CHP ModulationE Fuel SwitchingD
  213. 213. Advanced forecasts to be ahead of risk/opportunities 11 Statistics and Machine learning techniques Price forecast Spot Price Forecast 2
  214. 214. 12 Probalistic Approach Statistics and Machine learning techniques Price forecast Spot Price Forecast 1° Reserve composition: Quantity reserved / Marginal cost for each reserve 2° Imbalance volume on previous Quarter 3° External unpredicted change Imbalance orientation: Level of Imbalance: Balancing Opportunity Forecast Advanced forecasts to be ahead of risk/opportunities2
  215. 215. 13 Probalistic Approach Price forecast Spot Price Forecast 1° Reserve composition: Quantity reserved / Marginal cost for each reserve 2° Imbalance volume on previous Quarter 3° External unpredicted changes Imbalance orientation: Level of Imbalance: Stochastic tree to generate what-if scenarios 1° Demand : Order book 2° Process: Maintenance and machine failure 3° External factors Combined What-if scenarios Balancing Opportunity Forecast Statistics and Machine learning techniques Advanced forecasts to be ahead of risk/opportunities2
  216. 216. 14 Price forecast Spot Price Forecast 1° Reserve composition: Quantity reserved / Marginal cost for each reserve 2° Imbalance volume on previous Quarter 3° External unpredicted changes Stochastic tree to generate what-if scenarios 1° Demand : Order book 2° Process: Maintenance and machine failure 3° External factors Combined What-if Scenarios Probalistic Approach Imbalance orientation: Level of Imbalance: Balancing Opportunity Forecast Statistics and Machine learning techniques Advanced forecasts to be ahead of risk/opportunities2
  217. 217. Efficient algorithms to generate optimal planning…. 15 Advanced Algorithm üAccurate results üFast running üRobust Solution üIntuitive Planning Electricity price forecast Risk Factors forecast Mathematical modeling Optimized planning 3
  218. 218. … leveraging the different flexibility levers in a integrated way… 16 Produce electricity at optimal moment Electricity Generation Electricity Consumption Consume electricity at optimal moment Load Shifting Load Scheduling Load Shedding Electricity Storage B A C F CHP ModulationE Fuel SwitchingD Integrated Optimization
  219. 219. Strategic Optimization Reserve Optimization Scheduling Optimization Real-time Optimization … and maximize savings on the different key timeframes 17 • Optimal electricity contract • Optimal investment in flexibility assets • Optimal choice of flexibility products and volumes • Optimal power and energy price • Optimal scheduling of electricity load • Optimal planning of CHP unit • Optimal imbalance minimization • Optimal activation management
  220. 220. InduStore • Objective: Quantify and Optimize Demand Response potential in industrial sector in Wallonia • 4 years project funded by walloon region (started in Oct. 2014) • Partners: N-SIDE, UCL, ULg and ICEDD • Objective: Optimize interaction between TSO and DSO to leverage flexibilities at local level • 3 years H2020 projects starting in 2016 • Partners: 22 including RSE, Siemens, Vodafone, Energinet.dk, Terna, Sintef, VTT, VITO. Innovative Projects on Energy Flexibility Optimization
  221. 221. MicroGrid Optimization How to design and optimize my micro-grid in an optimal way ?
  222. 222. E-Cloud: Project for an Open Microgrid Solution 20 • Optimized microgrids for industrial parks (eco-zoning): § Optimal investment in RES § Optimal sharing of locally produced electricity § Optimal storage of electricity § Optimal billing process managed by DSO in charge of eco-zoning § Optimal interaction with network § Two pilots projects in Wallonia Partnership
  223. 223. Interested to know more ? Please contact us Olivier Devolder Energy Project Manager Tel: +32 472 46 83 44 Email: ode@n-side.com N-SIDE Watson & Crick Hill Park – Bldg. H Rue Granbonpré, 11 B- 1348 Louvain-la-Neuve
  224. 224. ©3E | | www.3E.eu COMMENT UN CONTRÔLE PLUS INTELLIGENT PEUT-IL CONTRIBUER À LA TRANSITION ÉNERGÉTIQUE? LEÇONS APPRISES DE 3 PROJETS R&D TWEED - Cartographie Smart Grid info@3E.eu
  225. 225. Intro (1/2) Bâtiments Actuellement 40% de la consommation totale Potentiel du contrôle intelligent: …jusqu’à 40% d’économie
  226. 226. 3 projets R&D relatifs au Smart Grid 3 BATTERIE Intro (2/2)
  227. 227. 4 FLEXIPAC SPW - DG04 (RELIABLE) Exemple 1 Comment valoriser la flexibilité des pompes à chaleur résidentielles?
  228. 228. Pourquoi la flexibilité? Exemple 1 (1/2)
  229. 229. Couts et bénéfices de la flexibilité 6 Exemple 1 (2/2) Acteurs Impact de la flexibilité Bénéfices actuels Bénéfices futurs Consommateur Plus d’énergie consommée Fournisseur Achats en heures creuses Gestionnaire de réseau Diminuer la congestion Intérêt général
  230. 230. 7 BATTERIE SPW - DG06 (Cwality) Exemple 2 Comment valoriser une interface intelligente pour un bâtiment tertiaire?
  231. 231. Interface de contrôle intelligent 8 Solution logicielle: • Modélisation auto. • Optimisation • Exploitation de la flexibilité Exemple 2 (1/2) Confort thermique & Cout d’énergie minimal Load shifting & Peak shaving
  232. 232. Démonstration dans le monde réelle 9 Exemple 2 (2/2) Moins 30 à 40% de couts énergétiques Moins de congestion réseau…
  233. 233. 10 MetaPV EU – FP7 Exemple 3 Comment intégrer plus de photovoltaïque dans le réseau de distribution?
  234. 234. Démonstration dans le monde réel 11 Exemple 3 (1/2) 4 communes du Limbourg: Lommel, Opglabbeek, Saint-Trond, Heusden-Zolder Démonstration: + 85 installations résidentielles (BT) + 9 installation commerciales (MT) Réseau de distribution quasi-saturé: PV: 42 MW
  235. 235. Limite de tension sup. Limite de tension inf. Gestionnaire du Réseau de Distribution Internet ou SCADA 12 Résultats Exemple 3 (2/2) Onduleurs intelligents Capacité d’accueil du réseau: + 50% de PV possible Couts: 10x moins cher qu’un renforecement classique
  236. 236. Leçons apprises Systèmes Efficients Système mal contrôlé Les couts restent élevés+ = Politique de support actuelle concentrée sur l’investissement 13 Conclusions (1/2)
  237. 237. Recommandation Systèmes Efficients Contrôle intelligent Vers l’optimum…+ = Changement de politique nécessaire: Rémunérer la bonne exploitation et les performances réelles 14 Conclusions (2/2)
  238. 238. Contactez nous 15 Bruxelles Louvain-la-Neuve Gent Toulouse Paris Beijing Istanbul Cape Town London www.3E.eu T +32 2 217 58 68 info@3E.eu

×