Optimisation robuste d’un système d’énergie hybride
autonome
Alain Billionnet
(ENSIIE-CEDRIC)Marie-Christine Costa
(ENSTA-CEDRIC)Pierre-Louis Poirion
(CNAM-ENSTA-CEDRIC)1. Systèmes à énergie hybride 2. Le problème sans incertitude
2.1 Le problème
2.2 Résolution du problème 3. Incertitude sur la demande
3.1 Formulation du problème 3.2 Une approche optimiste
3.3 Etude du problème dit de recours 3.4 Résolution du problème
4. Résultats et perspectives
1. Système d’énergie hybride
Bus de
communication communication
Cas 1 : Excès d’énergie produite
bus de
communication communication
charge
Cas 2 : Energie produite insuffisante
bus de
communication communication
décharge
demande
Cas 3 : Energie produite insuffisante
bus de
communication communication
décharge
2.
Le problème sans incertitude
incertitude
2.1 Le problème
•Combiens d’éoliennes,
de panneaux solaires,
d’éléments dans la batterie?
• Dans le but de répondre à une demande
• A moindre coût
= coût d’investissement+coût de fonctionnement
T nombre de périodes t: [t-1,t], t=1,…,T demande pour la période t
coût d’une éolienne
nombre maximum d’éoliennes
énergie produite par une éolienne lors de la période t (kW.h)
Les données du modèle
énergie produite par une éolienne lors de la période t (kW.h)
coût d’un panneau solaire
nombre maximum de panneaux solaires
énergie produite par un panneau lors de la période t (kW.h)
coût d’1 kW.h fourni par le générateur auxiliaire
énergie minimale = charge initiale 0
capacité: CAP
décharge maximale par périodes E
b.outcharge maximale par périodes E
b.inrendement g
Variables
Variables de décision:
x
bx
sx
wnombre d’éléments dans la batterie nombre de panneaux solaires
Nombre d’éoliennes
x
Nombre d’éoliennes Variables d’exploitation:in
et out
et
aux
et bat
et
énergie chargée dans la batterie au cours de la période t énergie déchargée dans la batterie au cours de la période t énergie présente dans la batterie à la fin de la période t quantité d’énergie produite par le générateur au cours de t
(LP)
1
min
1,..., :
( )
T
w w s s b b aux aux
t t
w w s s out in aux
t t t t t t
bat bat out in
Cost x Cost x Cost x Cost e
t T
E x E x e e e D
e e e e
N ,
,
max max max
b s
w
b b
s s
w w
x x
x
N x
N x
N
1
x
0 0 0
bat bat out in
t t t t
in b in
t
out b out
t
bat b
t
e e e e
e x E
e x E
e x CAP
Pour des valeurs fixées de x
w, x
set x
b1
min
1,..., :
T
aux aux t t
Cost e
t T
facile
à résoudre:
2.2 Résolution du problème
1
0 0 0
out in aux w w s s
t t t t t t
bat bat out in
t t t t
in b in
t
out b out
t
bat b
t
e e e D E x E x
e e e e
e x E
e x E
e x CAP
à résoudre:
O(T)
Complexité de (LP)
(LP)
possède un nombre fixé de variables entières (xw, xs ,xb )(LP)
est polynomial (c.f. Lenstra 1983)On propose un algorithme résolvant
(LP)
en3
2 max 2 max 2 max
(log (
b) log (
w) log (
s) )
O N N N T
3.
Incertitudes sur la demande
Programmation linéaire avec recours
* Pas de description probabiliste de l’incertitude
* ≠ différent de l’approche stochastique
Incertitudes sur la demande
D = ensemble des scénarios de demande
Problème:
Problème:
Déterminer la taille du parc telle que le coût total impliqué par le pire scénario possible
pour ce parc soit minimal.
(LP)
1
min
1,..., :
( )
T
w w s s b b aux aux
t t
w w s s out in aux
t t t t t t
Cost x Cost x Cost x Cost e
t T
E x E x e e e D
N ,
,
max max max
b s
w
b b
s s
w w
x x
x
N x
N x
N x
1
0 0 0
bat bat out in
t t t t
in b in
t
out b out
t
bat b
t
e e e e
e x E e x E
e x CAP
(Pe)
(Px)
(PROB)
T
b b s
s w
w
x Cost x Cost x
x Cost P
x
min
optimisation en 2 étapes
3.1 Formulation du problème
(PROB)
e
t aux
t in
t out
t s
s t w
w t
T t
aux t aux
P e
t D
e e
e x
E x
E
e Cost
e D
) (
1
min max
D
(PROB)
T
b b s
s w
w
x Cost x Cost x
x Cost P
x
min max
min
optimisation en 2 étapes
variables de
e
t aux
t in
t out
t s
s t w
w t
T t
aux t aux
P e
t D
e e
e x
E x
E
e Cost
e D
) (
1
min max
D
variables de décision
variables de recours
D D
tD
tD
t tt T
m
: , , 1 ,...,
D
D = ensemble des scénarios
t t t t
D D z 0 z
t1
pire scénario:
→ se ramène à un cas déterministe
→ trop prudent
t D
D
t
t
t
Dimitris Bertsimas and Melvyn Sim
Operations Research 2004
Optimisation en 2-étapes
avec variabilité du second membre
3.2 Une approche optimiste
Approche proposée par
Aurélie Thiele, Tara Terry and Marina Epelman
Optimization on-line 2009-2010 et par
Michel Minoux
Global Optimization 2011
z z
T t
z z
D D
D
T t t t
t t t
m
: 0 1 1 ,...,
D
D= ensemble des scénarios de demande
t 1
,
tet 0 ,
D
t z donnés z T z entier
(PROB)
min
max min
w w s s b b
T
aux aux
t
Cost x Cost x Cost x x P x
Cost e
optimisation en 2 étapes
1
1
0 1
( )
max min
tT t
t t
t
w w s s out in aux
t t t t t t t t
e
Cost e z z e
z
E x E x e e e D z t
e P
Résolution du problème de recours
1
1
1,..., :
max min
T t t
T
aux t st z z t
out in aux w w s s
t T
e z e
e e e D z E x E x
( ) R x
, ,
w s b
x x x fixés
0≤zt≤1
1
0 0 0
t t t t t t t t
bat bat out in
t t t t
in b in
t
out b out
t
bat b
e e e D z E x E x
e e e e
e x E e x E
e x CAP
( )
R x
Résolution du problème de recours
1
1
1,..., :
max min
T t t
T
aux t st z z t
out in aux w w s s
t T
e z e
e e e D z E x E x
0≤zt≤1
variables duales
1
, , 0
out in aux w w s s
t t t t t t t t
bat bat out in
t t t t
in b in
t
out b out
t
bat b in out bat
t t t t
e e e D z E x E x
e e e e
e x E e x E
e x CAP e e e
t t t t t
Dual
1
( )
1
1, ..., :
max max
, , , ,
T t t
T Dt E xtw w E xts s t tz t
b in b out b
x E t x E t x CAP t
st z z t
t T
z
( ) DR x
0≤zt≤1
0 0 1 0
, , , 0 R
Costaux t
t t t
t t t
t t t t
Dual
1
for all 1,..., :
max ( )
0
T
w w s s b in b out b
t t t t t t t t t
t
aux t
t T
D E x E x z x E x E x CAP
Cost
( ) DR x
1
0 0
0
1
, , , 0 R 0 1
t t t
t t t
t t t t
t
t t t t t t
T
z z t
z
1
for all 1,..., :
max ( )
0
T
w w s s b in b out b
t t t t t t t t t
t
aux t
t t t
t T
D E x E x z x E x E x CAP
Cost
linearization
Dual DR x ( )
n
1
0 0
0
1
, , , 0 0,1
t t t
t t t
t t t t
t
T
z z t
R z
On peut montrer que R(x) est dans P
On construit un algorithme polynomial basé sur la Programmation dynamique
On définit le programme de recours tronqué sous ensemble de périodes consécutives
( , , ) R b
1 TRésolution en ( 2)
O T
sous ensemble de périodes consécutives coût de l’incertitude pour ce sous ensemble charge initiale dans la batterie
b
1 0
0 b
T z
b x CAP
( ) (1, , 0)
R x R z
(PROB)
min
max min
w w s s b b
T
aux aux
t
Cost x Cost x Cost x x P x
Cost e
optimisation en 2 étapes
1
1
0 1
( )
max min
tT t
t t
t
w w s s out in aux
t t t t t t t t
e
Cost e z z e
z
E x E x e e e D z t
e P
(PROB)
ww
N
x
min Cost x
w wCost x
s sCost x
b bval DR x ( ( )) x
Retour au problème robuste
N ,
,
max max max
b s
w
b b
s s
w w
x x
x
N x
N x
N
x
(PROB)
ww
N
x
min Cost x
w wCost x
s sCost x
b bval DR x ( ( )) x
Le problème robuste
y
N ,
,
max max max
b s
w
b b
s s
w w
x x
x
N x
N x
N
x
( ) 1
T Dt E xtw w E xts s tk x Eb in kt
b out k b k k
x E x CAP
t t t t
t
y
y x
Cost x
Cost x
Cost y
x
b b s
s w
w
, min
Pour des valeurs données (
k,
k,
k,
k,
k,
k, z
k)
1
max max
max
, , N
x E x CAP
t t t t
t
w w
s s
b b
w s b
x N
x N
x N
x x x
( ) 1
,
T Dt E xtw w E xts s tk x Eb in kt
b out k b k k
x E t x CAP t t t t
y
k
y x
Cost x
Cost x
Cost y
x
b b s
s w
w
, min
Pour des valeurs données de (
k,
k,
k,
k,
k,
k, z
k)
kk
F
t(PROB
K)
1max max max
, , N
t t t t
t
w w
s s
b b
w s b
x N
x N
x N
x x x
Résolution de (PROB): algorithme de type Kelley
initialisation
( a
1, b
1, d
1, l
1, m
1, n
1)
étape k
:
résoudre (PROB
K)→ x
k, y
k, L (borne inférieure)
Résoudre (R(x
k)) →
k1,
k1,
k1,
k1,
k1,
k1, z
k1Résoudre (R(x
k)) →
→ U (solution réalisable)
(PROB
K+1)= (PROB
K) + constrainte:
fin
quand L=U
T tk
F
ty
1
1
1 1 1 1 1 1 1
, , , , , ,
k k k k k k k
z
4.
Résultats
Résultats pour des données réelles
Coût du
parc
x
bx
px
w0 11977.9 114 15 12
100 12387.3 117 15 12
200 12638.7 112 16 11
300 12836.0 114zt 16 11
z
300 12836.0 114 16 11
400 12997.5 117 16 11
500 13091.6 120 16 12
600 13168.2 122 17 12
800 13168.4 122 17 12
801….8760 13168.4 122 17 12
zt
Résultats pour des données réelles
Coût du
parc
x
bx
px
w0 49874.5 467 64 45
100 51564 473 65 45
200 52566.9 481 65 46
300 53367.3 487 65 47
z
300 53367.3 487 65 47
400 54060.2 492 66 47
500 54537 499 67 48
600 54889.6 500 70 49
800 54901.8 500 72 49
801….8760 54901.8 500 72 49
4. Perspectives
Différents types d’éoliennes, panneaux solaires, Incertitudes sur la production d’énergie
solaire et éolienne
Différents types d’éoliennes, panneaux solaires,
générateurs etc…
Questions ?
Reformulation du problème robuste
Soit l’enveloppe convexe des solutions admissibles de R(x)
On note l’ensemble des points
extrêmes de
Pour tout x il existe tel que
( P
Q I)
(
k,
k,
k,
k,
k,
k, z
k)
k( P
Q I)
k
Pour tout x il existe
k
tel que( )
1
( ( ))
T Dt E xtw w E xts s tk x Eb in kt
b out k b k k
x E t x CAP t t t t
val DR x
http://homerenergy.com/
L’algorithme de programmation dynamique
( , , ) ( ( , , ))
v b val R b
L’algorithme de programmation dynamique
Résolution en moins de
T² opérations
( ) (1, , 0)
R x R z
Annexe
E x e
E x e
e e
e e
x E x
E D
e e
e
T t
e
out b
out
in b in
t
in t out
t bat
t bat
t
s s t w
w t t
aux t in
t out
t T
t
aux t
0 ~ 0 ~
~
~ :
,..., 1 all
for min
1 1
For fixed values of x
w, x
sand x
b0 0
~ )
~ ,
~ , ( ~
min
~ si ~
1
aux
t out
t
bat t b
in t b
s s t w
w t in
t
s t s t w
w t
e e
e CAP
x E
x D x
E x
E e
D x
E x
E
CAP x
e
E x e
b bat
t
out b
out t
0 ~ 0 ~