3.4 Quelques études de sensibilité
3.4.10 Sensibilité au couplage de l’optimisation du dimensionnement de l’ensemble
Dans la thèse de Marie Ruellan [Ruellan07], l’optimisation des paramètres d’amortissement était découplée de celle de la génératrice. En effet un choix a priori des paramètres d’amortissement était effectué selon des critères de puissance mécanique moyenne et de rapport de la puissance méca-nique maximale sur la puissance mécaméca-nique moyenne. La génératrice était alors optimisée sur la base du cycle de fonctionnement correspondant à ces paramètres d’amortissement.
Nous présentons sur la figure3.47les résultats d’une optimisation pour laquelle les paramètres d’amortissement ont été fixés a priori àβ = 4 M N.m.s−1 et Pl ev = 1.5 MW . Ces valeurs des para-mètres d’amortissement correspondent à celles obtenues par les solutions de l’optimisation de réfé-rence. Il est ainsi cohérent de constater que le front de Pareto de cette optimisation tende vers celui de l’optimisation de référence. Une vue détaillée permet d’ailleurs de voir que les solutions propo-sées avec des paramètres d’amortissement fixés sont même très légèrement meilleures mais cela ne doit pas nous étonner. En effet, le problème d’optimisation étant plus facile à résoudre, l’algorithme a convergé plus finement vers le front de Pareto théorique.
Le couplage de l’optimisation de l’ensemble convertisseur-machine à celle des paramètres d’amor-tissement permet donc d’obtenir une plus grande variété de solutions de dimensionnement avec un front de Pareto beaucoup plus étendu. Mais lorsqu’il s’agit de se focaliser sur les solutions optimales en termes de coût du kWh produit, ce couplage ne semble pas être pertinent car une optimisation avec des paramètres d’amortissement fixés permet d’obtenir d’aussi bonnes solutions mais rappe-lons que les valeurs considérés ont été déduites des résultats de l’optimisation couplée. Il faut donc garder à l’esprit qu’une réelle optimisation découplée nécessite de faire un choix a priori des valeurs de paramètres d’amortissement. Au final, nous pensons qu’une optimisation couplée des paramètres
0 0.5 1 1.5 2 2.5 3 x 105 0 2 4 6 8 10x 10 5
Puissance électrique moyenne (W)
Cout de la chaine de conversion (euros)
Solutions de référence
Solutions optimisées avec β=4MN.m.s−1 et P
lev=1.5MW (a) 2.5 2.6 2.7 2.8 2.9 3 x 105 2 2.5 3 3.5 4x 10 5
Puissance électrique moyenne (W)
Cout de la chaine de conversion (euros)
Solutions de référence
Solutions optimisées avec β=4MN.m.s−1 et P
lev=1.5MW
(b) vue détaillée
FIGURE3.47: Fronts de Pareto des solutions dimensionnées sur un cycle de fonctionnement fixé
correspondant à aux paramètres d’amortissement β = 4MN.m.s−1et Plev= 1.5 MW (en rouge) et les solutions de référence pour lesquelles les paramètres d’amortissement sont des variables d’opti-misation (en bleu)
d’amortissement avec l’ensemble convertisseur-machine permet en première approche d’effectuer un choix éclairé de valeurs pertinentes pour les paramètres d’amortissement. Sur la base des résultats obtenus, une optimisation découplée peut ensuite éventuellement permettre d’affiner les résultats d’optimisation de la chaine électrique en fixant les paramètres d’amortissement et pouvoir utiliser plus efficacement des modèles plus complexes et plus précis ou augmenter le nombre de paramètres de dimensionnement.
Conclusion
Ce chapitre a permis de présenter une méthodologie adaptée à l’optimisation sur cycle d’un en-semble convertisseur-machine (sans prise en compte du stockage). Le contexte d’application est ce-lui duSEAREV, mais cette démarche reste générique et peut être adaptée à tout autre problème de dimensionnement d’un ensemble convertisseur-machine fonctionnant sur cycle. Nous pensons par exemple à la motorisation d’un véhicule électrique ou plus généralement la traction électrique, qui est une application fondamentalement à vitesse variable, ou bien encore à la chaine de conversion électrique d’une éolienne.
Les points clés de cette méthodologie sont à la fois la prise en compte du convertisseur élec-tronique de puissance aussi bien au niveau des variables d’optimisation (calibre courant) que dans les objectifs (coût du convertisseur), mais aussi l’intégration d’une stratégie de défluxage au travers d’une optimisation locale, pour chaque point de fonctionnement, du courant d’axe direct id. La prise en compte d’un couplage fort avec le système, pour trouver les valeurs des paramètres de contrôle d’ordre supérieur (paramètre d’amortissement), les mieux adaptées à minimiser le coût du kWh, est aussi un point important de la méthodologie.
Ainsi, nous avons montré comment il était possible de déduire, à partir d’une optimisation bi-objectif (Puissance électrique moyenne récupérée, Cout de la chaine de conversion), l’ensemble des solutions présentant les compromis les plus intéressants en termes de coût du kWh produit, et cela quel que soit le coût du systèmeSEAREVdans son ensemble.
Pour résoudre efficacement ce problème d’optimisation bi-objectif, multi-variables et sous contraintes, nous avons développé notre propre version d’un algorithme basé sur la méthode des essaims parti-culaires. Nous avons présenté les différentes adaptations que nous avons effectué pour étendre cette métaheuristique à un problème bi-objectif.
L’étude d’une solution particulière sur un cas de référence, nous a permis de valider des hypo-thèses de modélisation en comparant les résultats obtenus par des modèles simples avec ceux résul-tants de la résolution numérique de modèles non soumis à ces hypothèses. La cohérence des modèles simples et peu gourmands en temps de calcul, avec des modèles plus complets a ainsi été montrée sur une solution particulière du front de Pareto, faisant partie des solutions présentant les meilleurs compromis en termes de coût du kWh.
mon-trer que les prix spécifiques des aimants et du cuivre n’avaient pas nécessairement besoin d’être connus avec une très grande précision pour obtenir des solutions de dimensionnement de l’ensemble convertisseur-machine proches voire très proches de l’optimum.
Nous avons aussi mis en évidence, compte tenu de l’absence de points de fonctionnement à fort couple et vitesse nulle (ou faible), que la sensibilité des solutions vis à vis d’une modification de la valeur d’induction maximale était faible.
L’ajout d’une contrainte supplémentaire relative à la tenue thermique et magnétique aux courants de court-circuit a été quantifié en termes de coût supplémentaire. Cette faculté permettrait en effet d’offrir un mode de mise en sécurité de la chaine de conversion électrique lors de forts états de mer pendant lesquels on renoncerait à produire de l’énergie.
La comparaison de solutions optimisées sans et avec possibilité de défluxage a permis de montrer l’intérêt de l’écrêtage de la puissance mécanique par contrôle de l’amortissement lorsque celui-ci est associé à un contrôle en défluxage de la génératrice. Le gain en puissance apparente sur le convertis-seur permet alors de réduire fortement le coût total de la chaine de conversion.
Enfin l’intérêt du couplage fort de l’optimisation des paramètres d’amortissement avec celle du dimensionnement de l’ensemble convertisseur-machine a été mis en évidence. Il permet en effet d’éviter de faire un choix a priori, et donc potentiellement non pertinent, des valeurs de paramètres d’amortissement.
Éléments de dimensionnement d’un
système de stockage pour le lissage d’une
production électrique houlogénérée
Sommaire
4.1 Mise en place du problème . . . 144
4.2 Études de cas préliminaires . . . 159
4.3 Optimisation du dimensionnement de la capacité énergétique. . . 165
4.4 Conclusions . . . 172
Introduction
L’objet de ce chapitre est d’introduire des outils de dimensionnement d’un système de stockage à court-terme en vue du lissage de la production électrique d’un seul houlogénérateur à entrainement direct. A ce stade exploratoire, nous ne développerons pas les bénéfices des effets de foisonnement dans le cadre d’une ferme de plusieurs machines. Comme nous l’avons vu, la technologie retenue met en œuvre des supercondensateurs. Après avoir développé un critère de coût (économique) sur cycle de vie prenant en considération le vieillissement sur la base de modèles de la littérature, nous définissons aussi des critères de qualité de l’énergie produite. En l’état actuel des normes encadrant la production d’énergie électriques à base d’énergies renouvelables, cette qualité n’est rigoureuse-ment et objectiverigoureuse-ment quantifiable qu’en termes de sévérité en flicker. Pour ne pas se limiter à cette seule donnée, qui n’est d’ailleurs qu’une contrainte et pas un critère à minimiser, établie dans un contexte déjà ancien et qui nécessiterait sans doute une mise à jour, nous quantifierons aussi la qua-lité en termes de critères statistiques de dispersion relativement à un profil de production idéalement constant. Des stratégies de gestion des flux d’énergie seront introduites pour définir le profil de puis-sance injectée au réseau.
A partir de toutes ces définitions, nous procéderons au dimensionnement d’un système de sto-ckage sur un état de mer, celui le plus énergétique sur le site de l’ile d’Yeu : (Hs= 3,5m,Tp= 9 s). Une
étude de sensibilité au modèle de vieillissement permettra de quantifier l’impact de ce dernier sur la valeur optimale (au sens du coût sur cycle de vie) de la capacité énergétique du système de stockage.
4.1 Mise en place du problème
FIGURE4.1: Schéma et définition des grandeurs