Analyse des résultats d’optimisation des paramètres du superviseur

Afin de comparer les trois cas d’optimisation proposés et d’étudier l’influence de l’optimisation sur la gestion énergétique d’IFTEH, une synthèse des optimisations effectuées est proposée.

3.5.3.1 Synthèse des optimisations effectuées

Le cahier de charges de l’optimisation des paramètres de supervision énergétique d’IFTEH a été réduit à 5 variables d’optimisation et trois fonctions objectifs à minimiser (issues du plan d’expérience). Une synthèse des trois optimisations effectuées est présentée dans le Tableau 3.9.

En plus, trois autres optimisations sont rajoutées. Celles-ci sont effectuées pour un cahier de charges qui comprend 7 variables d’optimisation, sur un total de 9 (car le K1 pour ΔPdep et K3

pour ΔPlocale restent toujours fixés à leur valeur de normalisation initiale). Les résultats de ces dernières optimisations (avec 7 variables) ne semblent pas très éloignés des premiers résultats obtenus (optimisations des 5 variables). Cela permet de valider l’apport du plan d’expérience lors de la réduction du nombre des variables influentes sur l’optimisation. La variation de la fonction objectif issue de l’optimisation est calculée pour chaque optimisation comme présenté dans (3.12).

(3.12)

Optimisation CMDPS (€) Dés_éco (€) CMDPS+ Dés_éco (€) Variation (%)

Valeur empirique/initiale 954.112 1582.1 2536.212 0

Optimisation avec 5 variables

CDC 1 (5 variables) – min FO1 894.402 1674.8 2569.202 6.25

CDC 2 (5 variables) – min FO2 1066.3 1202.4 2268.7 24

CDC 3 (5 variables) – min FO 1067.8 1196 2263.8 10.74

Optimisation avec 7 variables

CDC 4 (7 variables) – min FO1 893.791 1688.9 2582.691 6.32

CDC 5 (7 variables) – min FO2 1082.6 1111.5 2194.1 29.74

CDC 6 (7 variables) – min FO 1084 1112.8 2196.7 13.38

Tableau 3.9 Synthèse des optimisations effectuées

Note : en rouge apparaît la fonction objectif du chaque cahier des charges (CDC) de l’optimisation effectuée.

3.5.3.2 Influence de l’optimisation sur la supervision énergétique de l’IFTEH La comparaison des résultats numériques avant et après l’optimisation des paramètres de la supervision énergétique d’IFTEH montre, au global, une réduction des coûts de 6% à 30% (Tableau 3.9) selon le nombre des variables (5 ou 7) et l’objectif considéré. L’analyse des résultats de simulation met en évidence des petites modifications lorsqu’il s’agit d’optimiser

seulement CMDPS (FO1). Ce résultat est intéressant pour conclure sur la robustesse de la gestion énergétique d’IFTEH et confirme que le point initial a été déterminé par l’approche empirique avec une priorité pour cet objectif. Par contre, l’optimisation apporte des gains plus significatifs sur les objectifs pour lesquels le point initial n’était pas déterminé par l’approche empirique. Ceux-ci sont liés au coût du déséquilibre économique (FO2) et la facture globale (FO). En particulier, pour ces deux optimisations, les fonctions d’appartenance des paramètres de supervision sont devenues booléennes.

3.6 Conclusion

Dans ce chapitre, une stratégie de gestion énergétique par logique floue a été développée, à partir d’un cahier de charges spécifique, pour coordonner systématiquement les sources renouvelables et le stockage d’énergie au sein de l’IFTEH.

Des objectifs tels que la limitation des dépassements de puissance souscrite tout en favorisant la consommation locale d’EnR ont été considérés par le biais des paramètres de supervision définis de façon empirique (basés sur l’expertise du système). Une approche multi-critères intégrant des contraintes énergétiques, économiques et environnementales a été implémentée à différents horizons temporels dans l’outil de conception et gestion optimale d’IFTEH.

A partir de modèles en flux de puissance de l’IFTEH, trois scénarios ont été évalués à travers des simulations et des indicateurs de performance représentatifs des gains du système. Les résultats de la gestion long terme (GLTS) et de la supervision court terme à logique floue ont été comparés et l’ajustement de la puissance prévisionnelle du stockage a été analysé. Les résultats numériques ont montré que le cas d’ajustement est plus adapté pour la gestion énergétique d’IFTEH, permettant de réduire les pénalités de la facture énergétique. Pour ce cas, une étude d’optimisation des paramètres du superviseur court terme a été proposée. La démarche d’optimisation développée utilise d’abord le plan d’expérience afin de réduire le nombre de variables et ainsi réduire le temps nécessaire à une optimisation. L’AG est ensuite utilisé avec le modèle Simulink dans la plateforme d’optimisation Sophemis. L’optimisation a apporté des réductions des coûts allant de 6% à 30% selon le nombre des variables et l’objectif considéré. On note que, l’optimisation a apporté des gains plus significatifs sur les objectifs pour lesquels le point initial n’était pas déterminé par une approche empirique. Si la comparaison des valeurs de la fonction objectif des solutions optimale et empirique a mis en évidence une légère amélioration de la fonction objectif, les résultats de simulation ne montrent que de faibles changements dans le comportement du système.

Néanmoins, afin d’étudier la robustesse de la supervision énergétique d’IFTEH, une validation expérimentale de la méthodologie de gestion a été mise en place, à l’échelle de puissance de la plateforme du laboratoire, et fait l’objet du quatrième chapitre de la thèse.

4 Validation expérimentale de la gestion énergétique d’une sous-station

ferroviaire hybride

4.1 Introduction

Le dernier chapitre de la thèse est dédié à la validation expérimentale de la stratégie de gestion énergétique d’IFTEH. Ce travail a été réalisé avec l’aide de l’ingénieur de recherche Fabien Mollet. A partir de l’architecture énergétique d’IFTEH traitée dans le troisième chapitre de la thèse, les principales étapes de la démarche de validation expérimentale sont :

 la sélection des profils de charge ferroviaire et de gisement énergétique pour la production renouvelable ;

 la mise à l’échelle temporelle et en puissance d’un système ferroviaire réel ;

 la réalisation d’essais expérimentaux ;

 l’analyse des résultats expérimentaux ;

 la réalisation d’un modèle de simulation de la plateforme.

Ces étapes ont permis ensuite de tester le module de gestion énergétique d’IFTEH et d’effectuer plusieurs essais en vue d’une analyse de sensibilité. Pour cela, les indicateurs économiques et énergétiques utilisés auparavant, ont été adaptés au modèle moyen de la plateforme d’IFTEH.