REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE
UNIVERSITE AKLI MO
Faculté des Sciences
En vue de l’obtention du diplôme de
Gestion de l'énergie dans les micro
Devant le jury composé de :
A.BERRAG MC
S.MOUASSA MAA
I.GRICHE MA
K.SAOUDI MC
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE
SCIENTIFIQUE
UNIVERSITE AKLI MOHAND OULHADJ-BOUIRA
Faculté des Sciences et des Sciences Appliquées Département : Génie Électrique
Mémoire de fin d’étude
Présenté par :SAMMA Yosra TAIB Samraà
En vue de l’obtention du diplôme de Master 02 en :
Filière : Électrotechnique
Option : Réseau Électrique
Thème :
les micro-réseaux (Smart home) en utilisant une t d’optimisation intelligente.
CB UAMOB
MAA UAMOB
MAA UAMOB
CA UAMOB
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE
UIRA
n utilisant une technique
Président Encadreur Examinateur Examinateur
Remerciement
Nous remercions tout premièrement Dieu tout puissant qui
nous a donné la santé, la volonté et la patience, durant toutes ces
longues années pour achever à ce modeste travail.
Nous remercions vivement notre encadreur et enseignant
Monsieur Souhil MOUASSA, qui a manifesté son entière
disponibilité pour ses orientations et surtout sa gentillesse, Il ne
faut pas oublier son aide pendant la rédaction de ce projet, pour
son suivi continuel tout le long de la réalisation de ce projet et qui
n'a pas cessé de nous donner aussi ses conseils et remarques.
Nous remercions aussi toutes les personnes qui nous ont aidés à
élaborer ce projet, particulièrement, nos parents, nos frères, nos
sœurs et nos amies.
Nous remercions aussi tous les enseignants du département Génie
Électrique qui ont contribué à ma formation. Nous exprimons nos
reconnaissances à tous mes amis et collègues pour le soutien
moral. Enfin, nous remercier les membres du jury pour l’intérêt
dont ils font preuve à mon égard pour lire ce mémoire et leurs
présences à notre soutenance.
Abréviation
Indices Définition Anglais Définition Français
ABC Artificial bees Colony Colonie d'abeilles artificielle
AC Admission Controller Contrôleur d'admission
AE Évaluation Algorithme Algorithme d'évolution
AMR Automate Miter Reading Automatiser la lectured'onglet
BAN Building Area Network Réseau de construction
BFOA Bactériale Foraging Optimization
Algorithm
Algorithme d'optimisation de l'alimentation bactérienne
CPP Critical Peak Pricing Tarification de pointe critique
CPP (ED-CPP) Extreme day Journée extrême
DNM Distribution Network Management Gestion de Réseau de Distribution
DER Distributed Energie Resource Les ressources énergétiques distribuées
DLC Direct Load Control Contrôle de charge directe
DR Demand Response Réponse à la demande
DSL Digital Subscriber Line Ligne d’abonné numérique
DSM Demand Side Management Gestion de la Demande
EA Evolutionary Algorithm Algorithm evalutionnaire
EC Electricity Cost Coût de l'électricité
ECS Energy Consumption Scheduling Programmation de la consommation
d’énergie
EDP Extreme Day Pricing Tarification de jour extrême
FPA Flower Pollination Algorithm Algorithme de pollinisation des fleurs
GRD Distribution Network Management Gestionnaires de Réseaux de Distribution
GWO Grey Wolf Optimisation Optimisation du loup gris
HAN Home Area Network Réseau local
HEM Home Energy Management Gestion de l'énergie domestique
IAN Industrial Area Network Réseau de zone industrielle
IBP Incentive-Based Programs programmes incitatifs
IBR Inclining Block Rates Taux de blocs inclines
LB Load Ballancer Équilibreur de charge
LF Load Forecaster Charger la prévisionniste
MILP Mixed Integer Linear Programming Programmation linéaire en nombres entiers mixtes
MINL Mixed Integer Non Linear
Programming
programmation non linéaire en nombres entiers mixtes
OTIs Operational Time Intervals Intervalle de temps opérationnel
PAR Peak to Average Ratio Pic à moyen Rapport
PBP Priced Based Programs programmes basés sur le prix
PR Power Rating Puissance nominale
PTR Peak Time Rebate Remise sur l'heure de pointe
PSO Particle Swarme Optimization Optimisation par les méthodes d’essaims de particules
RLC Remote Lod Control Contrôle de charge à distance
RTP Real-Time Pricing tarification en temps réel
SG Smart Grids Réseau électrique intelligent
TC Total Cost Coût total
ToU Time of Use taux de temps d’utilisation
UC User Comfort Confort de l'utilisateur
VCG Vickrey-Clarke-Grove Vickrey-Clarke-Grove
WAMS Wide Area Measurement System système de mesure de zone étendue
WAN Wide Area Networks Réseaux étendus
WOA Whale Optimization Algorithm Optimisation des baleines à bosses
A mes parents, qui m’ont entouré tout le long de ma vie, de leur amour et de leur
soutien, dont les sacrifices consentis m’ont permis d’atteindre ce niveau.
A mes enseignants, pour leurs aides précieuses durant mes années d’études.
A tous mes frères Abdellatif et Azzeddine, et mes sœurs Hizia, Nacira,
NorElhoda, Niama, Omaima, à la petite fille Maram et nos jeunes enfants
Moncif ,Abd Alghafour et Zakaria, ainsi que leurs petites familles, pour tout le
soutien moral qu’ils m’ont apporté.
A tous mes chère amies : Faiza ,Nadjat , Noura et Nawal .
A tous mes ami (e)s de près ou de loin.
A ma très chère binôme samraà.
Je leur dédie ce travail en espérant que ce sera à la hauteur de leurs espoirs.
Je dédie ce mémoire à :
Ma mère, qui a œuvré pour ma réussite, par son amour, son soutien, tous les
sacrifices consentis et ses précieux conseils, pour toute son assistance et sa
présence dans ma vie.
Mon père peut être fier et trouver ici le résultat de nombreuses années de
sacrifices et de difficultés pour m'aider à avancer dans la vie. (Puisse Allah avoir
pitié de lui).
Mon frère (Mohamed) et mes sœurs (Yasmine, Raouya, Zineb et Khaoula)
Ainsi que nos enfants (Alaà, Iyad, Abdlbaset, Abd Samad, Abd Elbari et la
petite Riham) .qui n'ont cessé d'être pour moi des exemples de persévérance, de
courage et de générosité.
Mes enseignants de département de Génie Électrique qui doivent voir dans ce
travail la fierté d'un savoir bien acquis.
Et toutes mes amies surtout Imane Sara Asma fatima …..
Et ma très chère binôme Yosra.
Je leur dédie ce travail en espérant que ce sera à la hauteur de leurs espoirs.
Sommaire
Introduction Générale………..…...1
Chapitre I : réseau électrique intelligent I.1. Introduction ...3
I.2. Définition et caractéristiques du Smart Grid ...3
I.3. Les équipements de Smart Grid ...4
I.3.1. Les équipements de mesure ...4
I.3.2. L’intégration des énergies renouvelables ...5
I.3.3. Le stockage de l’énergie ...5
I.3.4. Les outils de gestion de données ...5
I.4. Architecture de réseau de communication smart grid ...6
I.5. Les fonctions intégrées des smart grids ...7
1.6. Les différents modèles Smart Grid chez les consommateurs ...8
I.7. Bénéfices économiques et environnementaux de l’usage intelligent ...9
I.8. Gestion des réseaux de distribution ...9
I.9.Efficacité des réseaux intelligents sur la gestion et l’exploitation des réseaux de distribution ... 10
I.10. Applications smart grid et exigences de communication ... 12
I.10.1. Infrastructure de comptage avancé ... 12
I.10.2. Réponse à la demande (DR) ... 14
I.10.3. Ressources énergétiques ... 16
I.10.4. Mesure à grande distance... 16
I.11. Conclusion: ... 17
Chapitre II : Les fonctions objectives II.1. Introduction ... 18
II.2. Gestion de la demande dans les réseaux intelligents (DSM) ... 18
II.2.1. Présentation des techniques DSM existantes ... 19
II.2.2. Paramètres d'évaluation du rendement ... 22
II.2.2.3. Équité entre les utilisateurs ... 24
II.2.2.4. Temps d'exécution de l'algorithme ... 24
II.2.2.5 Temps d'attente des appareils ... 25
II.3. Description et Formulation du Problème ... 25
II.3.1. Description du problème ... 25
II.3.2. OBJECTIFS ... 26
II.3.2.1. Fonction- Objectifs ... 26
II.3.2.2. Consommation d'énergie ... 27
II.3.2.3. Équilibrage de charge ... 27
II.3.3. Modèle de système proposé... 27
II.4. Formulation mathématique ... 28
II.4.1. Classification de la charge ... 28
II.4.2. Tarif de prix ... 30
II.5. Modélisation mathématique ... 31
II.6. Conclusion ... 32
Chapitre III : Les méthodes d'optimisation III.1. Introduction ... 32
III.2. Cadre général d’une méta-heuristique inspirée par la nature ... 34
III.3. TECHNIQUES D’OPTIMISATION ... 35
III.4. Classification des méta-heuristiques inspirées de la nature ... 36
III.4.1. Colonie d'abeilles artificielle (ABC) ... 37
III.4.2. Algorithme d’optimisation des Flammes antimites (MFO) ... 39
III.4.3. Algorithme d’optimisation du loup gris (GWO) ... 40
III.4.4. Optimisation par la méthode des essaims de particules (PSO) ... 41
III.4.5. Algorithme d'optimisation des baleines a bosses (WOA)... 42
III.4.5.1. Encercler ou piéger une proie ... 43
III.4.5.2. Stratégie d'attaque au filet à bulles ... 43
Chapitre IV : Résultat de simulation
IV.1. Introduction ... 48
IV.2. Énoncé du problème ... 48
IV.3. Résultats de simulation et discussions ... 48
IV.3.1. Simulation chaque 60 minute ... 49
IV.3.2. Simulation chaque 12 minute ... 52
IV.4. Conclusion ... 56
Liste des figures
Figure. I.1 Schéma général d'un système de réseau intelligent …...4
Figure. I.2 Architecture des outils du centre de contrôle pour un réseau actif ………...5
Figure. I.3 Architecture réseau de bout en bout du réseau intelligent ………7
Figure. I.4 Les fonctions intégrées des smart grids……….... 8
Figure. I.5 Représentation logique de l'infrastructure de comptage automatique smart Grid...13
Figure. II.1 Représentation d'approche en couches pour réseau intelligent ………..21
Figure. II.2 l'architecture UCGE pour un seul utilisateur résidentiel……….23
Figure. II.3 modèle de système proposé……….28
Figure. III.1 Classification des métas heuristiques inspirés de la nature………...37
Figure. III.2 Organigramme de l'algorithme GWO………...41
Figure. III.3 Mécanisme d'exploration implémenté dans WOA………45
Figure. III.4 Organigramme de l'algorithme WOA ………...46
Figure. IV.1 Histogramme du Model de tarification: (a) Tarification en temps réel, (b) Tarification critique en période de pointe……….... 49
Figure. IV.2 Coût horaire………...49
Figure. IV.3 Coût total ………..50
Figure. IV.4 Charge horaire ………..50
Figure. IV.5 PAR ………..51
Figure. IV.6 Temps d'attente……….51
Figure. IV.7 Charge totale……….52
Figure. IV.8 Consommation d’énergie ……….…53
Figure. IV.9 PAR ……….….53
Figure. IV.10 Cout d’électricité ………....54
Figure. IV.11 Charge totale ……….….54
Figure. IV.12 Temps d’attente………..…55
Figure. IV.13 Charge totale ……….….55
Tableau. II.1 Les données des appareilles utilise dans la simulation ………30 Tableau II.2. Termes utilisés dans les équations et leurs notation ……….31
1
Introduction générale
L'électricité est l'un des besoins fondamentaux de la vie humaine. Au cours des dernières décennies, environ 80% de la population mondiale à accès à l'électricité ou la demande en énergie a augmenté à un rythme drastique, tandis que les capacités de production d’énergie n’ont pas été modernisées à un rythme suffisant pour répondre à la demande croissante [1].
Un équilibre entre la demande et la production d'énergie est la condition essentielle pour le fonctionnement stable d'un réseau électrique. En raison de l'utilisation massive de l'électricité, le système électrique se confronter à des problèmes tels que l'augmentation inattendue de la charge en résultant un fossé entre la production et la demande. Dans le passé, cet équilibre a été maintenu par les services publics tout en mettant à niveau leurs capacités de production centralisées en utilisant une approche connue sous le nom de gestion de l'offre. Pour résoudre tels problème, il est nécessaire de gérer la demande en électricité et d'éviter le gaspillage d'électricité en minimisant les piques d’énergie. Au cours de la dernière décennie, la gestion de la demande (DSM) est apparue comme une méthode alternative de gestion de l'énergie afin de maintenir cet équilibre en se concentrant sur le consommateur.[2]
La gestion de la demande (DSM) est l’un des aspects les plus importants d’un réseau intelligent vers l’efficacité énergétique. En adoptant DSM, les utilisateurs informent leur fournisseur d'électricité de leur profil de consommation d'énergie. Le fournisseur d’électricité distribue les prix en temps réel, en fonction de la demande des utilisateurs. Le DSM affecte considérablement le coût des utilisateurs individuels ainsi que le coût de production unitaire de l'électricité. L'objectif principal de ces model DSM est de réduire le coût total de l'électricité et le ratio pic / moyenne (PAR).[3]
Le micro réseau possède un point de couplage commun qui permet d’échanger de l’énergie avec des services publics à différentes heures de la journée pour répondre à la demande de charge. Sur la base de toutes les contraintes du système, une stratégie de gestion de l’énergie est proposée le long de ce mémoire, qui permet de minimiser la consommation de pointe et les coûts d’exploitation du micro réseau (une maison intelligente). À cette fin, les appareils de maison intelligente sont planifiés en utilisant les méthodes méta-heuristiques afin de répondre de manière économique à la demande des consommateurs en tenant compte des objectifs souhaités. Récemment divers algorithmes d’optimisations méta-heuristiques ont été proposés par les chercheurs tels que (PSO, ABC, WOA, MFO,GWO) pour aider tracer la consommation d’énergie optimale.
2
La stratégie proposée utilise deux récents algorithmes WOA et MFO pour la gestion économique d'énergie dans un micro-réseau. L’importance de la stratégie proposée est approuvée par des simulations.
Ce mémoire est ainsi organisé comme suit:
Dans le premier chapitre, nous décrivons d’abord une brève introduction sur les SG, ensuite nous présenterons leur définition, principales propriétés, l’architecture, et leur fonctionnement
Ensuite, on a parlé sur les différents modèles de SG chez le consommateur, les bénéfices de l’usage intelligent que ce soit sur les consommateurs ou les opérateurs de réseaux, l’impact positif de la gestion de réseau de distribution et l’efficacité énergétiques sur l’exploitation des réseaux. Minimisation des interventions par la solution délestage ainsi que des pannes.
Nous parlerons dans le deuxième chapitre sur la gestion de la demande dans les réseaux intelligents et la présentation des techniques DSM existantes. Description et Formulation du problème, les fonctions objectives et leur formulation et modélisation mathématique ainsi que nous avons cites les différentes donnes utilisées dans la simulation.
Les techniques d’optimisation feront l’objet du troisième chapitre avec un détaille mathématique de deux algorithmes proposes.
Dans le dernier chapitre, nous présenterons les résultats de simulation, et l’analyse de résultats. Nous terminerons le présent travail par une conclusion générale.
3
I.1. Introduction
A l’échelle mondiale, l’adaptation des systèmes électriques est une tâche plus difficile. L’électrification des territoires ou la modernisation des réseaux électriques existants, les politiques d’efficacité énergétique ou de déploiement des énergies renouvelables, le développement des nouveaux usages de l’électricité ou encore l’introduction du véhicule électrique et les systèmes de stockage, sont en effet autant de défis auxquels de nombreux pays ou régions sont confrontés.
Avec l’avènement de la technologie avancée dans les systèmes électriques et la révolution dans le système de l’information et de la communication, les systèmes électriques intelligents, jouent un rôle clé dans la réponse à ces enjeux. [4]
I.2. Définition et caractéristiques du Smart Grid
Le réseau électrique intelligent est un type de réseau électrique qui tente de prévoir et de réagir intelligemment au comportement et aux actions de tous les utilisateurs d'énergie électrique qui y sont connectés - fournisseurs, consommateurs et autres, afin de fournir efficacement des services d'électricité fiables, économiques et durables. [5]
Ils peuvent être également définis par rapport aux fonctions qu’ils doivent remplir, comme des « systèmes électriques capables d’intégrer, de prévoir et d’inciter efficacement et de manière intelligente les actions et comportements des différents utilisateurs, consommateurs et producteurs (industriels, tertiaires et résidentiels) qui y sont raccordés, dans un effort de maintenir une fourniture d’électricité optimale. Parmi les caractéristiques sont résumées ci-dessous:
a) Flexible : Le réseau doit répondre aux besoins de tous les clients en prenant en
considération les évolutions de la charge.
b) Accessible : Le réseau doit pouvoir accueillir tous les utilisateurs (producteurs centralisés
et décentralisés, consommateurs) et permettre une production locale à haute efficacité énergétique.
c) Fiable : le réseau doit assurer et améliorer la sécurité ainsi que la qualité de la fourniture
de l’énergie électrique.
d) Économique : Il peut fonctionner normalement en combinaison avec l'hydroélectricité et
l'énergie thermique, fournissant une énergie propre et de haute qualité, réduisant la perte d'énergie et améliorant l'efficacité énergétique de l'électricité, réduisant ainsi les coûts d'investissement et d'exploitation [6].
4
e) Robustesse : Le réseau peut fournir en permanence de l’énergie contre les perturbations
(dans des conditions climatiques extrêmes et catastrophes) sans interruption de service sur une grande surface et peut assurer la sécurité des informations contre les attaques.
f) Capacité d'auto-guérison : Le réseau peut surveiller et évaluer en ligne et en temps réel
son état actuel, dispose de systèmes d'alerte de risque puissant pour fournir des capacités de contrôle préventif, fournit automatiquement un diagnostic, une isolation et une restauration automatique des incidents. [7]
g) Compatibilité : Il peut prendre en charge l’accès aux ressources renouvelables, adopter
l’accès de la génération distribuée et du micro-réseau, améliorer les fonctions de gestion des utilisateurs, réaliser efficacement des interactions avec les utilisateurs.
h) Intégrabilité : En utilisant une plateforme et un modèle unifiés, le réseau intelligent peut
fortement intégrer les informations de réseau et fournir un partage, offrant une garantie pour la gestion de réseau standard, normale et fine.[8]
Figure .I.1 Schéma général d'un système de réseau intelligent I.3. Les équipements de Smart Grid
I.3.1. Les équipements de mesure
Le réseau électrique intelligent est équipé par plusieurs capteurs, ainsi que un ensemble d’équipement de mesure et de comptage.
Les compteurs électrique intelligents équiper de technologie AMR (Automate Miter Reading) et collectent les métadonnées sur les consommateurs.
5
Le concentrateur de données des compteurs.
Les capteurs de mesures des paramètres électriques (courant, tension, déphasage et fréquence) renseignent sur la qualité de l’alimentation.
Les capteurs (présence température luminosité, qualité de l’air) communiquent les données permettant d’adapter le fonctionnement du réseau.
I.3.2. L’intégration des énergies renouvelables
L’intégration des productions d’énergies renouvelables est l’une des fonctions essentielle des smart grid: gestion de l’autoconsommation et pilotage du stockage de l’énergie.
I.3.3. Le stockage de l’énergie
Les smart grid nécessitent des solutions performantes de stockage de l’énergie, pour pallier l’intermittence de la production photovoltaïque et éolienne et améliorer la sécurité de réseau et la qualité d’énergie électrique. La majorité des applications locales, à l’échelle d’un bâtiment ou d’un quartier, reposent sur les batteries à électrodes solides.
I.3.4. Les outils de gestion de données
L’intelligence de SG réside essentiellement dans la gestion des énormes volumes de données produites par les réseaux équipés (comptage, météo, topologie, typologie des équipements, alarmes, etc.) [9]
6
I.4. Architecture de réseau de communication smart grid
Les SG modernes sont structurés en trois couches appelées couche de système d'alimentation électrique, couche de communication et couche d'application. Fait intéressant, de nombreuses applications telles que la lecture automatique des compteurs (AMR), la gestion de la réponse à la demande, la gestion des pannes, la charge des véhicules électriques, la gestion des actifsla protection des pilotes [10] et la détection des fraudes sont développées et déployées via l'application. La modélisation intelligente avancée des applications pourrait résoudre des problèmes d'interopérabilité cruciaux. La couche d'alimentation électrique comprend quatre domaines, notamment le domaine de génération, le domaine de transmission, domaine de distribution et domaine client. L'un des principaux défis de SG dans cette couche est de fournir un écoulement de puissance bidirectionnel entre les différents domaines afin d'équilibrer la demande en énergie et l'offre. Le noyau d'un SG existe dans la couche de communication et fournit des interconnexions entre tous les dispositifs et les systèmes correspondants.À l'heure actuelle, dans le domaine de la production et de la transmission du système d'alimentation, une infrastructure de communication traditionnelle est déjà en place pour établir des communications entre les grandes sous-stations. Ces sous-stations sont connectées au centre de contrôle des services publics et aux réseaux tiers, principalement via un réseau fédérateur à large bande passante utilisant une ligne DSL (Digital Subscriber Line), une fibre ou un câble. Le domaine de distribution est généralement une grande zone
géographique contenant un grand nombre de sous-stations, équipements d’alimentation, installations de stockage, actifs de distribution et utilisateurs finaux. Les réseaux étendus (WAN) connectent l’infrastructure au contrôleur centre. De plus, la connectivité du dernier kilomètre est également fournie aux locaux du client pour prendre en charge diverses
applications au sein du réseau domestique (HAN), du réseau de bâtiment (BAN) et du réseau industriel (IAN). Par conséquent, pour permettre une grille large application de surveillance et de contrôle, le WAN reste fonctionnellement un hub pour le réseau E2E SG car il connecte tous les domaines de la couche l’alimentation électrique.[5]
7
Figure .I.3 Architecture réseau de bout en bout du réseau intelligent I.5. Les fonctions intégrées des smart grids
Les Smart Grids sont des réseaux électriques auxquels ont été ajoutées des fonctionnalités issues des nouvelles technologies de l’information et de la communication (NTIC), au service de différentes fonctions:
Un contrôle d’écoulement de puissance en temps réel: des capteurs installés sur
l’ensemble du réseau indiquent instantanément les flux électriques et les niveaux de consommation. Les opérateurs du réseau peuvent alors réorienter les flux énergétiques en fonction de la demande et envoyer des signaux de prix aux particuliers pour adapter leur consommation (volontairement ou automatiquement).
L’interopérabilité des réseaux: l’ensemble du réseau électrique comprend le réseau
de transport et le réseau de distribution. Le premier relie les sites de production d’électricité aux zones de consommation : ce sont les grands axes qui quadrillent le territoire. Le réseau de distribution s’apparente aux axes secondaires. Il achemine l’électricité jusqu’aux consommateurs finaux. Par l’échange instantané d’informations, les smart grids favorise une interopérabilité entre les gestionnaires du réseau de transport et ceux du réseau de distribution.
L’intégration des énergies renouvelables au réseau: Les réseaux intelligents
reposent sur un système d’information qui permet de prévoir à court et à long terme le niveau de production et de consommation. Les énergies renouvelables qui fonctionnent souvent par intermittence et de façon peu prévisible (ex: l’éolien) peuvent ainsi être mieux gérées.
8
Une gestion plus responsable des consommations individuelle: les compteurs
communicants sont les premières versions d’application du réseau intelligent. Installés chez les consommateurs, ils fournissent des informations sur les prix, les heures de pointe de consommation, la qualité et le niveau de consommation d’électricité du foyer. Les consommateurs peuvent alors réguler eux-mêmes leur consommation au cours de la journée. De leur côté, les opérateurs du réseau peuvent détecter plus vite les pannes.[11]
Fig I.4. Les fonctions intégrées des smart grids I.6. Les différents modèles Smart Grid chez les consommateurs
Les appareillages électroniques permettant d’équiper les consommateurs sont de plusieurs sortes. Leur objectif commun consiste à donner de l’information au consommateur afin que ce dernier puisse adapter son comportement en fonction des tensions sur les systèmes et de ses besoins. Ils diffèrent cependant par l’information qu’ils peuvent transmettre, notamment par le caractère uni- ou bidirectionnel de cette information et par la possibilité ou non de piloter des charges à distance.
Parmi ces appareils, on compte tout d’abord des gestionnaires de consommation d'énergie (Energie Box) qui sont des systèmes composés de capteurs et d'une passerelle de collecte. Ces appareils échangent entre le fournisseur et le consommateur de façon permanente des données quantitatives (KW, KWh), temporelles, monétaires (tarif courant) ou liées à des requêtes
9
particulières de la part du fournisseur d’électricité (appel de délestage ou d’achat d’électricité). Ces transferts sont réalisés vers une plateforme de traitement à distance qui restitue ensuite les données sur un espace sécurisé accessible par internet. Cet appareil permet d’établir des offres évolutives impactant la gestion des dépenses en énergie du consommateur, la surveillance des consommations avec alertent cas de comportement inhabituel, la télésurveillance et/ou l’assistance aux personnes. Ensuite, il existe des passerelles (Gateway) qui sont des équipements bidirectionnels ou unidirectionnels permettant à deux réseaux différents de communiquer. Une troisième forme d’intelligence prend la forme d’un réseau interne de l'habitation (Home Area Network) qui est un système qui gère l'utilisation de l'énergie dans la maison. Il comprend un réseau local, une unité de contrôle et des dispositifs intelligents tels que les usages avec thermostats programmables à distance. Enfin, les informations visuelles (In-Home Display) sont des interfaces visant à communiquer aux utilisateurs des données et des informations par des images [12].
I.7. Bénéfices économiques et environnementaux de l’usage intelligent
• Contrôle total, en temps réel, de l’usage de l’énergie : et une efficacité énergétique
grandement améliorée dans la mesure où les technologies du smart grid aident les usagers à mieux profiter de leurs installations existantes.
• Des économies : d’électricité complémentaires allant jusqu’à 10 %, voire
l’autosuffisance électrique.
• Un réseau plus stable et plus équilibré : sujet à moins d’interruptions de courant et de
pannes en cascade.
• Une gestion plus efficace des pointes et des creux de demande : Les réseaux
automatisés amélioreront grandement la productivité et le stockage d’énergie en ajustant la production selon la demande.
• Une meilleure qualité environnementale : dans la mesure où les usagers pourront
acheter de l’énergie plus propre et à faible émission de CO2. Avec l’accès plus régulier aux énergies renouvelables, celles-ci deviendront plus stables.
• Des économies d’investissement significatives : de par l’annulation ou le report de la
construction de nouvelles infrastructures de production d’énergie. [13].
I.8. Gestion des réseaux de distribution
Un ensemble de technologies informatiques doit permettre d’atteindre l’objectif d’une smart grid où la production et l’écoulement de puissance sont optimisés, les risques de black-out et les pertes sur les réseaux minimisés. Le système de suivi intelligent de l’écoulement de
10
puissance sur l’ensemble du réseau de transport et de distribution d’électricité constitue le cœur du réseau intelligent.
Il permet de connaître en temps réel l’état du réseau, d’anticiper les incidents, de faciliter la prise de décision informée pour optimiser le réseau et le rendre plus sûr.
La qualité de l’électricité peut également être contrôlée en temps réel et stabilisée (il s’agit d’un problème causant des dommages importants aux équipements électriques).
Le smart grid inclut des systèmes de contrôle autonomes présents localement sur le réseau qui permettent de prendre les bonnes décisions d’orientation des flux en fonction de l’évolution d’un ensemble de paramètres (pic de consommation local, coupure de ligne, mise hors tension d’une centrale de production, coûts marginaux de production des centrales…).
Les smart grids seront également équipés de systèmes de réponse adéquate à des attaques terroristes contre le réseau de transport ou de distribution d’électricité, ou contre une centrale de production électrique. L’innovation technologique permettra d’améliorer les systèmes de réponses actuels aux incidents, qui conduisent parfois les gestionnaires de réseau à commettre des erreurs aux conséquences lourdes. Si le système de transport et de distribution actuel est adapté à un réseau de production électrique organisé en centrales électriques à la production prévisible, la multiplication des sources de production d’électricité intermittentes et imprévisibles (éolien, photovoltaïque) pose problème.
Les réseaux de distribution d’électricité doivent être de plus en plus flexibles afin de s’adapter aux variations de ces sources de production décentralisées. L’intégration des sources de production décentralisées et renouvelables au sein des réseaux électriques est ainsi l’un des buts principaux des smart grids. La coordination de l’écoulement de puissance sur les réseaux locaux et interrégionaux permet également une diminution des pertes sur les réseaux électriques dues aux phénomènes de congestion du réseau. Les smart grids, en orientant intelligemment les flux, permettent de réduire ces pertes [14].
I.9. Efficacité des réseaux intelligents sur la gestion et l’exploitation des réseaux de distribution
Les performances environnementales et économiques ainsi attendues du système électrique imposent une remise en cause radicale du modèle de fonctionnement de celui-ci.
Cette mutation sera fondée sur le développement progressif d’une nouvelle « intelligence » du système électrique, au service de différentes fonctions conférant une très grande flexibilité à la gestion de l’équilibre offre-demande:
11
L’optimisation de l’utilisation du réseau de distribution
L’installation de capteurs de nouvelle génération sur les réseaux de distribution, en particulier dans les postes de distribution publique d’énergie électrique, et le déploiement généralisé de compteurs communicants permettront aux GRD de connaître de façon dynamique et précise les charges en tout point du réseau Ces informations permettront :
la réduction des pertes non techniques grâce à la connaissance des charges en tout point de connexion au réseau.
une amélioration de l’utilisation de la capacité des réseaux, notamment par report de charge d’une ligne sur une autre suite à un incident ou une surcharge, par un meilleur équilibrage des phases, etc.
une meilleure prévisibilité des efforts d’investissement et travaux de maintenance à réaliser sur le réseau en fonction des charges transitant sur les différents ouvrages (création ou renforcement de lignes HTA et BT, de postes de transformation, optimisation des interventions des équipes sur le terrain, etc.)
L’amélioration de la qualité de distribution de l’énergie électrique
La présence d’un nombre plus important de capteurs repartis judicieusement sur le réseau de distribution permettra d’obtenir davantage d’informations sur les différents événements survenant sur celui-ci, et en particulier les alarmes en cas d’incident ou de dégradation sensible de la qualité de l’onde.
L’intégration et la gestion de la production distribuée (éolienne, photovoltaïque, à partir de biogaz, piles à combustible, etc.)
La présence des capteurs et d’actionneurs sur le réseau permettra, au travers de relations contractuelles adéquates, de gérer le couplage ou le découplage des différentes productions au réseau en fonction de la demande en énergie électrique ainsi qu’en fonction du type de production. Cette facilité de gestion permettra également de pouvoir activer cette production pour des besoins spécifiques tels que le maintien de la tension.
La gestion des futurs moyens de stockage (véhicules électriques…)
La connaissance régulière de l’état du stockage pourra permettre d’optimiser la période de recharge de ce stock lorsque les moyens de production intermittente ne sont pas fortement utilisés ou au contraire d’utiliser ces stockages en complément des moyens de production lorsque ceux-ci sont fortement sollicités .La recharge de ces stockages en période creuse à l’aide des moyens de production fatale permettra de réduire les émissions de CO2.
La gestion des congestions locales des réseaux de distribution :
12
la définition par les pouvoirs publics d’un cadre juridique adéquat, de réduire, voire de supprimer les périodes de congestion de ces réseaux:
soit en agissant sur des charges non primordiales pour en assurer le report à des périodes moins contraignantes du point de vue du réseau ou activer un mode de fonctionnement à puissance réduite .
soit en recourant à la production locale intermittente ou en faisant appel à des moyens de stockage locaux. Le pilotage de la production locale intermittente et des moyens de stockage pourrait permettre par ailleurs aux GRD, dans ce même cadre, de lisser la courbe de charge des postes situés à l’interface du réseau de transport et des réseaux de distribution. Cet écrêtage des pointes locales, en optimisant l’utilisation de ces postes-sources et des artères moyenne tension qui en sont issues, permettrait d’éviter ou de différer significativement le renforcement de certains ouvrages.
Le pilotage de la demande: le dialogue fournisseurs-consommateurs
Les évolutions attendues, tant dans l’organisation du marché de l’électricité qu’en matière de développement généralisé des compteurs communicants, permettront :
aux fournisseurs d’enrichir leurs offres tarifaires, en proposant une gamme élargie de tarifs mieux adaptée à la diversité des situations des consommateurs, et reflétant de manière plus fine la variété des coûts de production de l’électricité .
aux petits et moyens consommateurs de disposer d’une mesure en temps réel de leurs consommations d’électricité et du montant des dépenses correspondantes.
Les fournisseurs seront dès lors en mesure de renforcer significativement leur offre de services d’efficacité énergétique, avec la mise en œuvre d’un pilotage global des installations de ces consommateurs :
équipements résidentiels plus performants (pompes à chaleur, matériel électroménager « intelligent » et pilotable, etc.).
moyens individuels de production d’électricité dédiés à l’autoconsommation (photovoltaïque, notamment) .
moyens de stockage de l’électricité, consommant ou injectant de l’électricité sur les réseaux en fonction des coûts de production du système électrique. [15]
I.10. Applications smart grid et exigences de communication I.10.1. Infrastructure de comptage avancé
Pour échanger des informations entre les utilisateurs finaux et les utilitaires, AMI crée un réseau de communication bidirectionnel comprenant des capteurs avancés, des compteurs
13
intelligents, des systèmes de surveillance, du matériel informatique, des logiciels et des systèmes de gestion de données. Dans Les compteurs intelligents AMI sont utilisés pour collecter des données de compteur ou des informations sur des événements via un échange de messages périodique. Les fonctions et fonctionnalités de l’AMI comprennent un système de gestion des données de compteurs, des systèmes de sensibilisation des consommateurs, des services interactifs de régulation de la demande d'énergie, systèmes destinés à éviter les fraudes liées à l'électricité et services de facturation ponctuels. [16]
La figure I.5 montre une architecture détaillée pour AMI qui inclut l'utilisation d'une unité de collecte de données. Basé sur un RF / Zigbee réseau de communication, les compteurs intelligents agissent en tant qu’agrégateur et envoient des données à l’unité de collecte de données où un contrôleur système transfère les données agrégées au système de gestion des données du compteur (MDMS). Le MDMS traite les données brutes entrantes pour générer des statistiques utiles et fournit des informations sur la consommation d'énergie aux clients.
Figure .I.5 Représentation logique de l'infrastructure de comptage automatique smart Grid
Le composant de base d'un système AMI est le compteur intelligent qui envoie les relevés de compteur de manière planifiée au MDMS. Les données de lecture de compteur peuvent être utilisées pour des applications de vérification telles que la vérification de l'étendue des pannes, la vérification de la restauration des pannes, les applications de facturation et les
Automatisation de la distribution Réponse à la demande
Gestion des pannes Événements de grille et d’alarmes Compteurs d’événements et d’alarmes
Facturation et service client
Système de gestion de
données de compteur Contrôleur de système Réseau de Backhaul
(Dsl ,cellular, PLC) Unités de collecteur de données
Compteuri ntelligent Utilisateur finale 1 Compteuri ntelligent Utilisateur finale 2 Compteuri ntelligent Utilisateur finale 3 Compteuri ntelligent Utilisateur finale n RF mesh /zigbee
14
applications d'alarme basées sur les événements, telles que l'état d'intégrité des compteurs (par exemple, la configuration et l'état de la connexion) et la distorsion de tension (par exemple haute ou basse).
I.10.2 Réponse à la demande (DR)
Le DR est le mécanisme utilisé pour réduire la demande de pointe en production d’électricité grâce à la participation des consommateurs et à l’équilibrage ou au contrôle optimal de leur consommation d’énergie ou de la charge de la demande. En équilibrant de manière optimale la consommation d'énergie et la production d'électricité, soit par une tarification adaptative, soit par l'application de diverses techniques de gestion de la charge, DR peut offrir aux consommateurs une énergie efficace, fiable et moins chère.
Des études [17][18] expliquent divers types de programmes de reprise après sinistre, tels que les programmes incitatifs (IBP) et programmes basés sur le prix (PBP) tarification en temps réel (RTP), taux de temps d’utilisation (ToU), tarification de pointe critique (CPP), tarification de jour extrême (EDP) et extrême(CP-ED). Dans les programmes de reprise après sinistre, les utilisateurs finaux participent au secteur de l’énergie en modifiant leur comportement en matière de consommation d'énergie par rapport à des unités de prix de l'énergie variables plutôt qu'à des unités de prix fixes, ce qui génère des bénéfices à la fois pour les services publics et les clients [19].Il existe différents types de réponse à la demande en fonction de la mise en œuvre et des résultats à long ou à court terme. Un bref résumé des programmes de reprise après sinistre disponibles est présenté ci-dessous :
1) Temps d'utilisation (ToU)
Le ToU est un programme de reprise après sinistre dans lequel les mois de facturation sont segmentés en fenêtres horaires auxquelles un prix différent est attribué en fonction du coût de production. Un signal de prix est envoyé aux consommateurs afin de minimiser la consommation d'énergie pendant les périodes de pointe. Par exemple, le temps d’utilisation peut inclure tarification. La tarification variable pourrait être élargie afin de différencier les jours de semaine et les week-ends. De plus, une tarification saisonnière pourrait être intégrée à la ToU pour la mise en œuvre de programmes de reprise après sinistre.
2) Prix de pointe critique (CPP)
Le CPP est un système facultatif qui est souvent combiné avec des périodes de pointe en période de creux et peut ne pas être appliqué pendant des périodes spécifiques. Le CPP ne sera opérationnel que lorsque l'entité serveur de charge répondra à une demande de
15
charge jugée critique. L'état critique pourrait inclure l'atteinte de la capacité maximale, et il pourrait y avoir plusieurs événements de CPP au cours d'une même journée.
3) Remise sur l'heure de pointe (PTR):
Dans ce type de programme de reprise après sinistre, un client peut être rémunéré pour ne pas utiliser d’électricité pendant les heures du CPP. Un avis avant le lancement de l'événement ou pendant l'événement serait envoyé aux clients participant au programme de reprise après sinistre. La charge totale de la demande réduite par le client pendant les heures de CPP est mesurée en comparant la charge de base des mêmes heures le même jour. Le montant de la réduction de la demande permet à un client de demander une réduction.
4) Tarification en temps réel (RTP) :
Dans un programme de reprise après sinistre RTP, les clients reçoivent le prix des unités de production d'énergie à la journée ou à l'avance. Les unités de prix de l’énergie déterminent les limites d’utilisation de l’énergie lorsque les clients se sont portés volontaires pour minimiser leur consommation d’énergie afin de maximiser leurs économies. Les participants à ce programme sont généralement facturés pour le dépassement de la courbe de charge assignée du client. En outre, les clients reçoivent une récompense en termes de crédit si l'utilisation reste inférieure à la CBL.
5) Contrôle de charge directe (DLC) :
Lorsque le DLC devient inévitable, il est nécessaire d'initier une réduction de charge, telle qu'un délestage de charge, afin de maintenir la fiabilité du système et de faire face à des coûts de production élevés. DLC offre aux participants des crédits pour réduire la charge lors de ces événements. Il existe deux types de mécanisme de réduction de charge:
1. Le programme DLC maintient un contrôle direct sur les charges pouvant être
éliminées par les consommateurs, et
2. Les participants conservent le contrôle sur les charges pouvant être éliminées. 6) Contrôle de charge à distance (RLC):
Il s'agit d'un programme de reprise après sinistre plus avancé, dans lequel les appareils ménagers sont contrôlés à distance à l'aide d'un algorithme avancé permettant de réduire la charge de la demande. Une infrastructure de communication M2M est utilisée et des signaux de prix sont envoyés aux appareils électroménagers électriques automatisés de manière à ce que l'heure de fonctionnement puisse être planifiée en fonction du prix unitaire de l'énergie. Il existe deux types de charges définies pour RLC:
a. Charges interruptibles:
Cette charge peut accepter une interruption et son fonctionnement peut être décalé pour éviter une période de pointe. Les appareils électriques, tels que les pompes à eau, les
16
lave-vaisselle et les séchoirs, peuvent être déplacés vers un créneau horaire différent pour éviter les heures de pointe. Une commande de contrôle de charge est nécessaire pour déclencher l'interruption et le décalage temporel de l'opération.
b. Charge réductible :
Une charge réductible indique que les opérations peuvent être réduites pour une durée spécifique. Par exemple, un climatiseur peut réduire sa consommation d'énergie et maintenir un seuil minimum de confort pendant une période de pointe si la température est réglée sur une température élevée pour cette période. Par conséquent, des interactions périodiques sont nécessaires avec le serveur DR distant au moment de la gestion de la charge.
1.10.3 Ressources énergétiques
Les ressources énergétiques distribuées (DER) ont considérablement augmenté en raison de la tendance croissante à l'utilisation de panneaux solaires de toit et d'autres ressources d'énergie renouvelable, y compris l'énergie éolienne. Les ressources en énergie renouvelable sont avantageuses en raison de la réduction des émissions de carbone et des coûts d’installation moins élevés, ce qui rend les DER de plus en plus populaires. Cependant, une partie des énergies renouvelables sources nécessitent des dispositifs de stockage d'énergie pour les périodes de faible génération. La puissance contrôlable supplémentaire fournie par les dispositifs de stockage d'énergie pourrait être utilisée pour fournir une alimentation cohérente avec plus de fiabilité et de capacité. Cependant, la bande passante requise pour extraire les informations instantanées des points de génération est d'environ 9,6 à 56 Kbps. La plage de latence peut varier de 300 ms à 2 secondes, tandis que la fiabilité doit être comprise entre 99 et 99,99% [20][21]
1.10.4 Mesure à grande distance
Dans un système de mesure de zone étendue (WAMS), l’état du réseau électrique est surveillé en permanence et une unité de mesure de phase (PMU) est utilisée pour mettre à jour les informations de l’état du système et les mesures de qualité de l’énergie en temps réel. Pour obtenir des mesures précises en temps réel, les données GPS peuvent être utilisées pour attribuer un horodatage à chaque mesure [22] Les informations de phase haute résolution peuvent être obtenues par l'utilitaire avec une synchronisation de mesure précise et l'utilitaire peut initier une réponse appropriée dans le délai requis pour protéger le réseau étendu contre une panne de courant [23].Dans le réseau électrique existant, les PMU sont installées dans le domaine de la production et de la transmission du réseau, en tenant compte du flux
17
unidirectionnel de la production à la distribution. Toutefois, afin de permettre un flux d'énergie bidirectionnel et une surveillance du système en temps réel, les unités de gestion réseau doivent être déployées au niveau des points de distribution SG [24]
I.11. Conclusion
Les réseaux intelligents, comme les systèmes complexes, évoluent en fonction de l’échelle et du temps. Le réseau électrique actuel est obsolète, il ne peut pas satisfaire la demande, la sécurité et les nouvelles technologies intégrées.
Dans ce chapitre et compte tenu des enjeux, les réseaux électriques actuels doivent absolument s’adapter pour devenir plus intelligents, c’est-à-dire intégrer les nouvelles technologies de l’information et de la communication bidirectionnelle. Plus réactifs et communicants, ils permettront de répondre aux défis que constituent l’intégration de la production électrique d’origine renouvelable, la maîtrise de la demande énergétique, la gestion de la pointe de consommation, le développement de l’usage de la voiture électrique et, évidemment, l’ouverture du marché.
En résumé, les réseaux électriques intelligents :
faciliteront l’intégration de la production de sources renouvelables et décentralisée,
rendront actif le consommateur au sein du système électrique,
fourniront au consommateur la connaissance suffisante permettant un pilotage efficace de sa consommation,
18 II.1. Introduction
L'électricité est un domaine scientifique qui a rendu la vie humaine plus facile de différentes manières. Il provient de différents aspects de la nature. Les fournisseurs d'électricité ne sont pas en mesure de résister aux exigences de charge des clients en raison de l'énorme augmentation de la population humaine, des bâtiments, des industries et l’utilisation aléatoire voir inattendu de différentes charges. La demande en électricité a été accrue en raison de l'automatisation dans divers secteurs. Pour faire face à cette situation intense, les services publics proposent à leurs clients d’équilibrer leur consommation d’électricité pendant la journée et tentent d’éviter une utilisation maximale pendant les heures de pointe en surveillant les heures très difficiles et les pertes supplémentaires. À l’aide des systèmesde techniques intelligents, le consommateur lui-même peut contrôler cette forte demande de charge. Cette demande peut être satisfaite en offrant des incitations aux clients, c’est-à-dire une réduction du coût de l’électricité (CE) pendant les heures trop chargées. La réduction de la consommation d’énergie à l’aide de la gestion de la demande (DSM) peut également être obtenue en planifiant le profildu consommation d’énergie.
La gestion de la demande (DSM) est l’un des principaux facteurs clés de smart grid pour manipulerla charge. Il est utilisé dans la gestion de l'énergie et contribue à transférer l’excès de puissance demandée des heurespointe vers les heurs creuse. Différents tarifs sont utilisés par le service public.[2] Ces tarifs les plus utilise dans la communauté des chercheures tarification sont: tarif CPP (Tarification de pointe critique), tarification RTP (tarification en temps réel), et tarification de l'heure d'utilisation (TOU). Beaucoup d'entre eux ont été mis en place pour obtenir des incitations. De nombreux algorithmes sont proposés pour optimiser la demande en énergie et beaucoup d'entre eux sont inspirés de la biologie, de l'intelligence artificielle et de la nature.
II.2. Gestion de la demande dans les réseaux intelligents (DSM)
Le concept de la gestion de la demande d’électricité est responsable de la planification, de la mise en œuvre et du contrôle de l’utilisation des installations designer pour influencer la consommation d’électricité des clients de manière à produire les changements souhaités dans la forme de la charge des services publics, c’est-à-dire des changements dans la configuration temporelle et l’ampleur de la charge des services publics[25].Les caractéristiques de base de DSM sont le programme de réponse à la demande (DR) ou changement de charge et l'efficacité énergétique[26]. Par exemple, les utilisateurs résidentiels peuvent réduire leur consommation d'énergie en utilisant des équipements efficaces[27].La compagnie d'électricité peut fournir des incitations à la gestion des charges et contribuer à la reprise après sinistre. De
19
plus, on peut réduire la consommation d’énergie, en éduquant les utilisateurs et en faisant connaitre le marketing sur le sérieux problème posé les heures de pointe.
Un programme DSM ne pas forcement garantit le fonctionnement limité des charges, il gère seulement et déplace la charge pour utiliser la même quantité d'énergie mais avec les paiements réduits dus à l'utilisation de centrales à faible coût par génération [2],[28].Un tarif flexible peut également jouer un rôle plus important dans le DSM en assurant la communication de données en temps réel avec le réseau intelligent. Par exemple, aux États-Unis, un programme efficace de réponse à la demande après sinistre efficace a permis de réduire la demande de pointe de 20% dans certaines régions. [29]
II.2.1. Présentation des techniques DSM existantes
L'une des idées de base, la théorie des jeux est utilisée par Mohsenian-Rad.A,eta.l [3] pour une programmation de consommation d'énergie résidentielle. Dans cet article, une optimisation à base d'algorithme distribué est appliquée. De nombreux aspects de la planification de la consommation d'énergie sont examinés de manière approfondie. L'auteur a examiné un mécanisme de tarification basé sur une fonction de coût convexe et croissante. Ce travail est considéré comme une référence pour les techniques DSM. Un mécanisme alternatif connu sous le nom de mécanisme Vickrey-Clarke-Grove (VCG) est proposé dans [30]. L’objectif de ce mécanisme est d’atteindre l’efficacité, le transfert non négatif (c’est-à-dire de l’utilitaire à l’utilisateur) et la vérité entre les utilisateurs. Le mécanisme de tarification présenté est basé sur fonction de coût convexe, croissante et différenciable. La proposition de VCG mécanisme en encourage l'utilisateur à déplacer sa charge des heures de pointe aux heures creuses. En plus d’obtenir une protection sociale, le service public tire également des avantages d’une réduction de la charge moyenne. Des incitations sont proposées aux utilisateurs pour les encourager à planifier efficacement leur charge [31]. C’est pratiquement le cas si les entreprises de services publics fournissent des informations sur le prix quelques heures plus tard. En avance sur le temps d’utilisation .En outre, l’unité ECS (EnergyConsumptionScheduling) doit pouvoir prévoir le prix pour contrôler la charge en temps réel environnement de prix de l'électricité. Alors que dans[32], un DSM basé sur l'optimisation heuristique est adopté. Ce modèle basé sur l'algorithme d'évolution (AE). Également un nouveau système de tarification connu sous le nom de tarification à transfert de charge journalier schéma est utilisé mathématiquement comme un problème de minimisation. Le modèle est simulé pour tous les types de clients finaux, ycompris les types résidentiel, commercial et industriel. Dans leur modèle, ils ont montré que le temps d'attente des appareils est inversement proportionnel au retard. Les résultats de simulation sont efficaces en termes
20
de réduction du PAR et de réduction du coût total de l’énergie. Cependant, la question du confort d’utilisateur n'est pas abordée dans les travaux proposés.
Toutes les techniques précédentes considéraient les utilisateurs avec une courbe de charge fixe. Cependant, l'incertitude de la charge est un défi majeur, en particulier lors de la conception d'un mécanisme de tarification. Ce facteur important est pris en compte dans [33]. Le modèle DSM adopté pour écarter la courbe de charge de l'utilisateur par rapport à sa connaissance antérieure de la consommation d'énergie. La tarification en temps réel et les tarifs par blocs sont combinés pour un mécanisme de tarification efficace. La conception proposée est multi-étape, c’est-à-dire que les informations relatives aux appareils révélées au fil du temps. La catégorisation de la charge et le problème de la mutation sont expliqués en détail. Leur modèle effectue également une planification basée sur l’optimisation. Le mécanisme de facturation proposé a pour effet d’annuler la synchronisation de la charge. Les résultats de la simulation montrent l’efficacité en réduisant le PAR total, le coût énergétique ainsi que l’équité. Cependant, le problème de la réduction du temps d'attente des appareils n'est pas abordé. Les deux idées les plus efficaces et les plus connexes, à savoir l'équité et l'optimalité, sont abordées dans [34]. Les auteurs ont présenté un schéma de tarification alternatif consistant à combiner RTP avec un mécanisme de facturation heure par heure. Le travail est identique à celui de [3], dans lequel les auteurs développent un problème d’optimisation basé sur la théorie des jeux pour minimiser le PAR et la minimisation du coût énergétique total. L’étude de cas analytique est également évaluée. Leur couverture est globale chez les utilisateurs du type résidentiel. Leur travail proposé montre une efficacité de l'équité de 73%supérieure et est inversement lié à l'optimalité. Cependant, d'autres actions bien connues ne sont pas expliquées. Un programmateur de consommation d'énergie (ECS) pour DSM est proposé dans [35], basé sur une technique d'intelligence artificielle appelée algorithme de retour en arrière.
Le model RTP est adopté pour les utilisateurs de type résidentiel. Les seules solutions envisagées sont la réduction du PAR et le temps d'exécution de l'algorithme. Cependant, toutes les autres questions relatives à l'équité, à la couverture et aux temps d'attente des appareils ne sont pas prises en compte. Le modèle de tarification modèle joue également un rôle important dans la gestion du modèle numérique. La prédiction du prix moyenne pondérée par filtre et la combinaison des taux par bloc inclinés avec la tarification en temps réel sont discutées dans [36].Le prédicateur de prix et le planificateur d'énergie sont pris en compte dans un compteur intelligent. Une modélisation mathématique détaillée avec une capacité de prédiction de prix est considérée. Différents paramètres de performance scénarios sont expliqués et simulés montrant de meilleurs résultats. Le temps d'attente des appareils est
21
inversement proportionnel au paramètre de contrôle réglable. Les résultats globaux sont satisfaisants, mais le problème de l’aine n’est pas exploré. La figure II.1 présente une architecture DSM autonome à trois couches ainsi que le flux de données entre différentes couches [37]. Ce modèle comprend: le contrôleur d'admission (AC), l'équilibreur de charge (LB) et une troisième couche composée de la réponse à la demande (DR) et charger la prévisionniste (LF). Les charges sont classées en fonction du choix et de la demande de l'utilisateur. Chaque fois qu'un utilisateur démarre une opération de dispositif, la demande est générée à partir d'une interface de dispositif pour AC. L’AC vérifie la capacité disponible pour démarrer un appareil. Si la capacité est disponible et que des heures creuses sont également en cours d’exécution, AC accepte la demande d’appareil et lance son fonctionnement.
Figure II.1: Représentation d'approche en couches pour réseau intelligent
Dans le cas où la capacité disponible dépasse le fonctionnement de l'appareil, la demande est rejetée et est destinée à LB. Le LB résout alors un problème d'optimisation et affecte un lot d'heures ultérieures à cet appareil pour commencer plus tard. DR Manager et LF constituent la couche supérieure et communiquent avec le réseau intelligent pour obtenir des informations en temps réel. La couche supérieure est composée du gestionnaire DR et d’un module auxiliaire LoadForecaster (LF) (c’est-à-dire qui fournit à LB et au gestionnaire DR des informations permettant d’améliorer les avantages du prix de l’électricité et de l’efficacité de
Planificateur DR Module
Profil de consommation et prévision
Gestionnaire d’énergie domestique
Base de données de maison Internet Module d’urgence
Interface Interface de réseau
intelligent Appar eils intelli gents Compteurs Intelligents Réseau intelligent
22
la consommation énergétique). Les résultats de la simulation présentés sont satisfaisants. Toutefois, lorsque le nombre de demandes d’appareil dépasse un certain niveau, le modèle à trois couches proposé ne peut pas garantir la limite de capacité de puissance
II.2.2. Paramètres d'évaluation du rendement
Il existe plusieurs paramètres concernant les performances de toute technique DSM. Dans cette section, nous présenterons l’analyse de ces paramètres qui sont plus génériques et qui doivent être pris en compte lors du développement de toute technique DSM.
II.2.2.1. Réduction du PAR et réduction du coût total de l’énergie
Dans l'infrastructure de réseau existante, les prix sont déclarés en fonction de la courbe de charge moyenne. Par conséquent, à certaines heures de pointe, les services publics exploitent des centrales de pointe afin de combler l’écart entre la demande maximale et la production totale. Par conséquent, la nécessité de la courbe de charge de pointe à moyenne (PAR) est appréciée, afin de minimiser la nécessité d'utiliser des centrales de pointe pour certaines heures de pointe. Dans le réseau intelligent, en utilisant différentes techniques d'optimisation, nous pouvons minimiser le PAR total en déplaçant et en gérant la charge de chaque utilisateur individuel en adoptant un contrôleur de consommation d'énergie du côté du consommateur. Un algorithme évolutif basé sur une méthode heuristique (EA) est proposé pour résoudre le problème de minimisation des coûts énergétiques. Différents types de consommateurs tels que les clients résidentiels, commerciaux et industriels sont pris en compte pour les résultats de la simulation.
II.2.2.2. Mécanisme de facturation:
La référence [3]présente un modèle énergétique basé sur la fonction de coût. Ils ont supposé que la fonction de coût serait croissante et strictement convexe.
Des exemples de ce type de fonction de coût sont : une fonction de coût quadratique et un modèle de prix convexe basé sur un taux de conservation en deux étapes utilisé par BC Hydro au Canada est donné à la Figure II.2.
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
23 Figure II.2:l'architecture UCGE pour un seul utilisateur résidentiel
La figure montre le modèle de taux de conservation en deux étapes utilisé par BC Hydro.RTP est également l'un des modèles de tarification les plus attractifs pour la gestion de la demande adoptéeen utilisant un algorithme de suivi arrière [35]. Architecture multicouche pour DSM autonome présenté dans [37] est applicable à RTP, CPP et TOU. RTP avec des mécanismes alternatifs de facturation heure par heure donne des résultats significatifs en termes d’amélioration de l’équité (73%), en ce qui concerne la véracité de la véracité de la part des utilisateurs et fonctionne également de manière presque optimale de minimisation des coûts
[38]. Parmi tous ces mécanismes de facturation présentés de la sorte dans la littérature, RTP
avec IBR et la fonction de coût convexe et croissante [37],[30]et[31]ont montré de meilleurs Utilitaire de distribution d’énergie Autres utilisateurs Compteur Intelligent UCGE • Éclairage • Divertissement • Ventilateurs • Chargeur PC • ML • LV • SL • VEHR • Cl • RE • CE • RL AEN AE
ligne de communication Bidirectionnelle ligne électrique
•UCGE unité de contrôleur de gestion d'énergie
• ML Machine à laver
• LV lave-vaisselle
• VEHR véhicule électrique hybride rechargeable
