Smart grids

Université Hassan 1er
Faculté des Sciences et Techniques – Settat
Présenté par :
• BOUFAKRI Zouhair
• RABIOU Abdussalam
• RHIZAL Imane
Encadré par:
• Dr. ECHCHATBI Abdelwahed

Smart Grid 2Master IMI
Plan
01 – INTRODUCTION
02 – SMART GRIDS
- Historique
- Le réseau électrique et les smart grids
- L’infrastructure des smart grids
03 – LES PROBLÈMES D’ORDONNANCEMENT DE SMART GRIDS
- UCP (the Unit Commitment Problem )
- DSM ( Demand-side management problem)
- ECS (Energy Consumption Scheduling )
04 - CONCLUSION

HISTORIQUE
1980: la lecture
automatique des
compteurs.
1990: le principe du
compteur communicant.
Le suivi et la synchronisation
des réseaux.
2000: Le premier
système de mesure aux
États-Unis.
2005: le projet italien
Telegestore est le premier
exemple de smart grids.
Futur: le développement
des smart grids devrait
s’étendre à l’ensemble des
réseaux interconnectés.

RESEAU ELECTRIQUE

AVANTAGES
• flexibilité : ils permettent de gérer plus finement l’équilibre entre production
et consommation.
• fiabilité : ils améliorent l’efficacité et la sécurité des réseaux.
• accessibilité : ils favorisent l’intégration des sources d’énergies renouvelables
sur l’ensemble du réseau.
• économie : ils apportent, grâce à une meilleure gestion du système, des
économies d’énergie et une diminution des coûts.

DECOMPOSITION

• Compteur analogique.
• Logiciel de suivi et de gestion de la consommation client.
• Infrastructure de communication reliant le consommateur au
producteur.
• Serveurs informatiques et de logiciels de back-office.
COMPOSANTS

SMART METERSSMART CARSSMART CITIES
SMART HOMES SMART GRIDS
SYSTEMES SMART

02
Problèmes de
planification

Unit-Commitment-Problem (UCP)
Le problème d’engagement des turbines (UCP) est un problème
d’optimisation qui consiste à choisir les unités de production qui seront
opérationnelles sur une échelle de temps discrétisée, de manière à
minimiser le coût total de production.
 coût du combustible
 l’émission de NOx
 l’émission de SO2
Définition :

La formulation mathématique du problème d’UCP que nous présentons,
consiste à minimiser trois fonctions concurrentes que sont : la fonction
coût du carburant, la fonction émission de SO2 et la fonction émission de
NOx sous des contraintes d’égalités et d’inégalités.
La modélisation mathématique = les objectifs à atteindre + les contraintes
Formulation du problème :

• La minimisation de la fonction coût du carburant
La fonction coût du carburant associé à un générateur
Les coefficients liés au coût de carburant de chaque générateur
La puissance produite par chaque générateur à chaque instant t
Le statut de chaque unité de génération
Le cout de démarrage
Les objectifs à atteindre :

• La minimisation du SO2
Elle se fait par la minimisation de l’expression relative à l’émission de SO2
exprimée en (tonnes/h)
fonction émission de SO2 de l’unité de génération n i et αi , βi , δi les
coefficients d’émissions du SO2.

• La minimisation du NOx
Elle se fait par la minimisation de l’expression relative à l’émission de NOx
exprimée en (tonnes/h)
La fonction émission de NOx de l’unité de génération i et αi , βi , δi les
coefficients d’émissions du NOx.

• Minimisation globale
Nous définissons la minimization globalede ces émissions par l’expressio
suivante :

• La contrainte d’équilibre des puissances
Dans un système de production d’énergie électrique, la demande doit à
chaque instant être compensée par l’ensemble des unités de production
en fonctionnement de ce système. Ceci est traduit par l’équation :
Les contraintes :

• La contrainte liée à la réserve
Avec:
Rt : est la réserve.
• Les contraintes liées aux limites de production de chaque unité de
génération
Les contraintes :

• Les contraintes liées au temps minimum de mise en marche et d’arrêt des
unités de générations
étant le statut de chaque unité de production d’énergie électrique
Les contraintes :

La méthode d’optimisation dite des couloirs est une méthode basée sur les
algorithmes évolutionnaires destinée aux problèmes d’optimisation
bi-objectifs et appliquée à l’optimisation du cycle thermodynamique de la
vapeur dans le circuit secondaire d’une centrale nucléaire.
Résolution du problème par la méthode dite des couloirs :

Smart Grid
2
2Master IMI

Smart Grid
2
3Master IMI
Résultats et discussion :
Les résultats obtenus sont encourageant tant sur l’engagement
des unités, que sur la minimisation du coût du combustible et
des émissions de gaz.

Smart Grid
2
4Master IMI
Les résultats obtenus sont encourageant tant sur l’engagement
des unités, que sur la minimisation du coût du combustible et
des émissions de gaz.
Résultats et discussion :

la demande énergétique des utilisateurs résidentiels a été jusqu'à présent
en grande partie inélastique et incontrôlable à l'égard de la puissance les
conditions de réseau, les mécanismes de gestion de la demande peuvent
être utilisés pour gérer de manière optimale les ressources énergétiques
des clients et leurs profils de la demande d'énergie. Une technique très
prometteuse est représentée par la gestion de la demande (DSM), qui
consiste en une méthode proactive visant à rendre les utilisateurs
d'énergie à long terme.
Introduction :
Demand-Side-Management (DSM)

L'Architecture des cadres de gestion de la demande :

Les systèmes de gestion de la demande, définie par la combinaison de
contraintes (1)-(31), sont conçus afin d'identifier le plan de l'énergie d'un
client résidentiel unique au sein de l'horizon de temps considéré.

• Le projet de loi :
Cn.Yn : le coût quotidien de l'énergie achetée à la grille
Dn.Zn : le gain obtenu par l'injection quotidienne d'énergie à la grille.
• Douleur :

Systèmes de stockage de l’énergie :
• Pour modéliser ESSs
est la charge maximale les taux de rejet de l’ESS b.
L'état de charge (SOC) de chaque ESS b ϵ β dans chaque fois
emplacement est représenté par:

Systèmes de stockage de l’énergie :
Avec : nc : l'efficacité de charge de la batterie b.
nd : l’efficacité de la décharge de la batterie b.
afin de garantir qu'il y a une certaine quantité d'énergie électrique dans la
batterie au début de la prochaine journée, les contraintes suivantes sont
définies :
• Ces contraintes forcent le soc de chaque ESS b à être supérieure à un
niveau de charge minimal, à la fin de l'horizon de temps contrôlé

Energy-Consumption-Scheduling (ECS)
La méthode proposée planifie l’utilisation des tâches en définissant le plan
énergétique du jour suivant, en se basant sur les prédictions de l’énergie
fournit par les sources d’énergie renouvelable (panneaux photovoltaïques,
l’éolienne…) et l'utilisation future des appareils, dans le but de définir les
points suivants :
- Quand acheter l’énergie du réseau.
- Quand vendre l’énergie au réseau
- Quand démarrer les appareils électroménagers.

Les contraintes de stockage :
L’énergie stockée à l'heure h dépend de l’énergie stockée à h-1 et des taux de charge
et de décharge de la batterie, c’est-à-dire :
Énergie stockée dans la batterie à l'heure h
Énergie stockée dans la batterie à l'heure h-1
Taux de charge par heure.
Efficacité de la charge/décharge électrique
Taux de décharge par heure

Les contraintes de stockage :
• Pour la batterie, le niveau d'énergie est borné entre la capacité de la batterie et le
niveau d'énergie minimum afin de ne pas endommager la batterie.
• Les taux de charge et de décharge de l'électricité ne peuvent pas dépasser les
limites de charge et de décharge
: Limite de charge
: Limite de décharge
• De plus :
: Désigne l’énergie acheté du réseau par heure

Notre objectif est de minimiser le coût de l'électricité achetée dans le
réseau. Nous avons supposé un coût constant pour la maintenance du
vent et de la batterie. Par conséquent, le problème d'optimisation est
déclaré comme suit :
Ch (Lh ) Est la fonction coût de l'énergie achetée dans la grille.
ECS – Un seul utilisateur

Nous avons d'abord pris le cas d'un utilisateur (une maison) équipé de quatre
appareils mobiles; où Chaque appareil doit fonctionner pendant un intervalle de
temps:
- Appareil 1: de h = 13 à h = 15.
- Appareil 2: de h = 7 à h = 12.
- Appareil 3: de h = 12 à h = 15.
- Appareil 4: de h = 4 à h = 10.
La maison a été équipée d'une turbine éolienne et d'un stock en énergie avec les
paramètres suivants:
Le niveau d'énergie minimum est de 2 kWhe, la capacité de la batterie était de 20
kWhe, l'efficacité de charge et de décharge est de 0,95, les limites de charge et de
décharge sont de 20 kWe, le prix du jour aD = 0,3 Cents, et le prix de la nuit aN = 0,2
cents.
Definition :

Résultats :
le coût énergétique maximal avec l'ordonnancement ECS est égal à 4,8 USD et est réduit à 2,56
USD lorsque nous ajoutons de l'énergie renouvelable et le stockage de la batterie.

ECS – Plusieurs utilisateurs
Nous avons utilisé 7 maisons. Chaque maison disposait de 4 appareils
mobiles et équipé d'une éolienne et d'une batterie. Les caractéristiques
de la batterie étaient les mêmes que dans le cas de l'utilisateur unique,
à l'exception de sa capacité et des limites de charge et de décharge, qui
ont été prises à 50 kWhe. Les prix de la journée et de la nuit de
l'électricité étaient les mêmes que dans le cas de l'utilisateur unique.
Definition :

ECS – Plusieurs utilisateurs
Résultats :
Lorsque nous avons utilisé ECS sans énergie renouvelable et une batterie, le coût total était de 353,84
USD, mais lorsque nous avons ajouté des énergies renouvelables et la batterie, le coût total a été
réduit à 115,93 USD.

Entreprises

Bibliographie
Smart Grid
4
2Master IMI
• Optimal Energy Consumption Scheduling Using Mechanism Design for the Future
Smart Grid
• Energy Consumption Scheduling in a Smart Grid Including Renewable Energy
• Application de la méthode hybride RT/RSau problème d’engagement des
turbines"Unit Commitment" R. D. MOHAMMEDI S. ARIF A. HELLAL
• http://www.smartgrids-cre.fr/index.php?p=definition-smart-grids-chevalier
http://www.connaissancedesenergies.org/fiche-pedagogique/reseau-intelligent-
smart-grid
• http://www.smartgrids-cre.fr/media/documents/CapG_SmartEnergyServices.pdf
• http://www.grenoble-isere.com/media/upload/pdf_publications/AEPI-Etude-
SmartGrid-Etude-2016-Fr.pdf
• …

Smart grids

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Smart grids

Similaire à Smart grids (20)

Plus de Zouhair Boufakri

Plus de Zouhair Boufakri (16)

Smart grids