Transcript p - IRCCyN

UNIVERSITE DE TECHNOLOGIE DE COMPIEGNE
REUNION INTER GDR ISIS-SEEDS-MACS
12 juin 2014 TELECOM ParisTech
Micro-réseau urbain optimisé et contrôlé par supervision multicouche
pour un meilleur couplage au réseau électrique intelligent
Manuela SECHILARIU, Fabrice LOCMENT
AVENUES-GSU EA 7284
PLAN D’EXPOSÉ
1. Contexte et motivation
2. Micro-réseaux urbains et réseau électrique intelligent
3. Micro-réseau DC
3.1. Système multi-source
3.2. Supervision
3.3. Résultats expérimentaux
4. Conclusion
5. Perspectives
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
2
3
1. CONTEXTE ET MOTIVATION
 Production d’électricité décentralisée
 énergies et territoires : une régulation, des régulations ?
 intégration des énergies renouvelables
 réseau intelligent  micro-réseaux (diminution des pertes, régulation locale …)
Production
DEMANDE
UTILISATEUR
INFORMATIONS
LOCALES
Optimisation
Production/Consommation
Interaction réseau
SMART GRID
COMMUNICATION
Source : Commission de Régulation de l’Energie
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
1. CONTEXTE ET MOTIVATION
4
 Smart-grid et micro-réseaux
 domaines de recherche
 réseau électrique
 fiabilité, contrôle d’interfaçage, îlotage
 planification et équilibrage des puissances
 communication de données
Source : www.smartgrid-cre.fr
 tarification dynamique, gestion de la demande
 micro-réseaux AC, DC, AC-DC : topologie, contrôle, îlotage
 échelle territoriale : contrôle primaire, secondaire, tertiaire
 échelle locale : prédiction, optimisation multi-objectif en temps réel
 recherche, R&D, projets démonstrateurs
 Etats-Unis, Japon
 Europe : Danemark, Allemagne, Grèce, Espagne, …
 France : MIETeC (Montdidier), NICEGRID, IssyGrid, …
Source : www.smartgrid-cre.fr
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
2. MICRO-RÉSEAUX URBAINS ET RÉSEAU INTELLIGENT
 Réseau électrique intelligent dans le paysage urbain
 micro-réseau intégré au bâtiment  contrôleur
 ensemble de micro-réseaux  point commun de couplage
Routeur
Bus de communication
RÉSEAU ÉCHELLE
URBAINE
Interrupteur
statique
Energie
management et
contrôle
Interrup.
statique
Contrôleur
micro-réseau
Micro-réseau
Interrup.
statique
PCC
Point de
couplage
commun
RÉSEAU
PUBLIC
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
Contrôleur
micro-réseau
Micro-réseau
5
6
3. MICRO-RÉSEAU DC
 Micro-réseau : système multi-source et supervision
Pourquoi un micro-réseau DC :
- intégration efficace d’autres sources
renouvelable et stockage
- absence de synchronisation de phase
- seule la tension doit être stabilisée
- un seul onduleur est nécessaire pour
la connexion au réseau public
Pourquoi un bus DC :
- amélioration du rendement global par
la suppression des conversions
énergétiques multiples
- utilisation des infrastructures de câbles
existantes avec transfert de puissance
identique qu'en AC
- bâtiment à énergie positive
- véhicule électrique
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
7
3. MICRO-RÉSEAU DC
 Micro-réseau connecté au réseau public
 Système multi-source + Supervision
SUPERVISION
Interface homme-machine
DEMANDE UTILISATEUR
Couche prédictive
METADONNEES
MESSAGES RESEAU
INTELLIGENT
Couche gestion d’énergie
Couche opérationnelle
Etats du système
multi-source
SYSTÈME MULTI-SOURCE
vC
IPV
v*IPV
Contrôle
IPV
DC
i*R
DC
DC
Réseau
iS*
AC
DC
DC
Charge DC
Facteur
de
délestage
Stockage
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
8
3.1. Système multi-source
 Micro-réseau connecté au réseau public
 Système multi-source
SUPERVISION
Interface homme-machine
DEMANDE UTILISATEUR
Couche prédictive
METADONNEES
MESSAGES RESEAU
INTELLIGENT
Couche gestion d’énergie
Couche opérationnelle
Etats du système
multi-source
SYSTÈME MULTI-SOURCE
vC
IPV
v*IPV
Contrôle
IPV
DC
i*R
DC
DC
Réseau
iS*
AC
DC
DC
Charge DC
Facteur
de
délestage
Stockage
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
9
3.1. Système multi-source
 Schéma électrique
iL
pL _ lim
 PL max
pL  
 KL 
PL max
 pL _ lim
p
pR   R _ A _lim
 pR _ I _lim
p
pIPV   IPV _ MPPT
 pIPV _ lim
pR (t )  pS (t )  pL (t )  pIPV (t )
p*  p*S  p*R
p*S  K D  p*
K D  [0,1]
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
10
3.2. Supervision
 Micro-réseau connecté au réseau public
 Supervision : interface pour réseau intelligent et système multisource
SUPERVISION
Interface homme-machine
DEMANDE UTILISATEUR
Couche prédictive
METADONNEES
MESSAGES RESEAU
INTELLIGENT
Couche gestion d’énergie
Couche opérationnelle
Etats du système
multi-source
SYSTÈME MULTI-SOURCE
vC
IPV
v*IPV
Contrôle
IPV
DC
i*R
DC
DC
Réseau
iS*
AC
DC
DC
Charge DC
Facteur
de
délestage
Stockage
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
11
3.2. Supervision
SUPERVISION
DEMANDE
UTILISATEUR
Mode opérationnel prédéfini
Critères de fonctionnement
INTERFACE
HOMME-MACHINE
Temps de réponse :
JOURS
METADONNEES
Météo
Commande utilisateur
Charge prévisionnelle
Programme de délestage
Prévisions météo
Grille tarifaire réseau
Pics réseau prévisionnels
GTB
MESSAGES RESEAU
INTELLIGENT
p
nvo
L _ prediction
PREDICTION
, p IPV _ prediction
nvi
Grille tarifaire réseau
Pics réseau prévisionnels

p
ENERGIE
MANAGEMENT
Temps de réponse :
HEURES
Temps de réponse :
MINUTES
, p R _ I _ lim
SOCmin , SOCmax , PS _ max
p R _ I _ prediction
p R _ A _ prediction
R _ A _ lim
K D
p
SYSTÈME MULTI-SOURCE
R _ A _ lim
, p R _ I _ lim
SOCmin , SOCmax , PS _ max
OPERATION
Temps de réponse :
< SECONDE
vC , pIPV , pL, soc
p
*
R
*
, pS* , K L , pIPV
_ lim
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
Légende:
nvi: network variable input
nvo: network variable output
GTB : Gestion technique du Bâtiment
12
3.2. Supervision
 Prédiction
METADONNEES
Météo
Commande utilisateur
Charge prévisionnelle
PREDICTION
Programme de délestage
Prévisions météo
Grille tarifaire réseau
Pics réseau prévisionnels
GTB
MESSAGES RESEAU
INTELLIGENT
p IPV _ prediction
nvo
Temps de réponse :
HEURES
p L _ prediction
Gestion technique du bâtiment (GTB)
- Programme horaire prévisionnel de
fonctionnement des charges
- Estimation prévisionnelle du
fonctionnement du bâtiment
Prédiction de la puissance p L _ prediction
Prédiction de la puissance p IPV _ prediction
01/10/11
2000
g
10
iPVPPM
i
pIPV (W)
5
PV
MPP
(A)
1500
1000
0
60
50
40
30
 (°C)
200
400
600
800
1000
500
1200
 p PVPPM  iPVPPM vPVPPM  f  g ,  
g (W/m2)
0
9h
10h
11h
12h
13h
14h
vPVPPM
20
pIPV (W)
(V)
MPP
PV
14
12
60
50
40
 (°C)
30
200
400
800
600
1000
16h
17h
mesure
modèle expérimental
1500
18
16
15h
05/10/11
2000
v

mesure
modèle expérimental
1200
1000
500
2
g (W/m )
0
9h
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
10h
11h
12h
13h
14h
15h
16h
17h
13
3.2. Supervision
 Energie management : optimisation des coûts énergétiques
MESSAGES RESEAU
INTELLIGENT
p IPV _ prediction
p L _ prediction
nvo
nvi
Grille tarifaire réseau
Pics réseau prévisionnels
p
ENERGIE
MANAGEMENT
, p R _ I _ lim
SOCmin , SOCmax , PS _ max
Temps de réponse :
MINUTES
R _ A _ lim
p R _ I _ prediction
p R _ A _ prediction
SYSTÈME
MULTISOURCE

pR _ A (t )  pS _ D (t )  pIPV (t )  pL (t )  pR _ I (t )  pS _ C (t )
K D (t ) 
pS _ C (t )  pS _ D (t )
pS _ C (t )  pS _ D (t )  pR _ I (t )  pR _ A (t )
KD
Flux de puissances
Variables Description des puissances (W)
pR_I Puissance injectée au réseau
Réseau
pIPV _ S pR _ I
pIPV _ MPPT
DC bus
pIPV
IPV
pR _ A
pS _ C
pS _ D
pL _ S
pL
pL _ D
pL
Charge DC
Stockage
pR_A
pL
pL_S
pL_D
pIPV
pIPV_MPPT
pIPV_S
pS_C
pS_D
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
Puissance demandée au réseau
Puissance de la charge
Puissance non assurée pour la charge
Puissance demandée par la charge
Puissance de l’IPV
Puissance IPV avec contrôle MPPT
Puissance IPV en excès (shed)
Puissance du stockage en charge
Puissance du stockage en décharge
14
3.2. Supervision
Formulation du problème
 Energie management : optimisation
Minimiser Ctotal  CR  CS  CIPV _ S  CL _ S
Tarifs énergétiques moyens simplifiés :
 cNH  0,1€ / kWh pour t  heures normales (HN)
c R (t )  
 cPH  0, 7€ / kWh pour t  heures de pointe (HP)
cs (t )  0,01 € / kWh
ti  {t0 , t0  t , t0  2t ,..., tF }
CR 
tF
1
 [cR (ti )  t  ( pR _ I (ti )  pR _ A (ti ))]
3,6  106 ti t0
CS 
tF
1
 [cS (ti )  t  ( pS _ C (ti )  pS _ D (ti ))]
3,6  106 ti t0
CIPV _ S 
cIPV _ S (t )  1 € / kWh
CL _ S 
cL _ S (t )  1 € / kWh
tF
1
 cIPV _ S (ti )  t  pIPV _ S (ti )
3,6  106 ti t0
tF
1
 cL _ S (ti )  t  pL _ S (ti )
3,6  106 ti t0
avec le respect des conditions :
Flux de puissances
Réseau
pIPV _ S pR _ I
pIPV _ MPPT
DC bus
pIPV
IPV
pS _ C
pL _ S
pR _ A
pS _ D
pL
pL _ D
pL
Charge DC
Stockage
 pL (ti )  pR _ I (ti )  pS _ C (ti )  pR _ A (ti )  pS _ D (ti )  pIPV (ti )

 SOCmin  soc(t )  SOCmax et  PS _max  pS  PS _max

tF
1
 soc(ti )  SOC0 
 ( pS _ C (ti )  pS _ D (ti ))t

3600  vS Cref ti t0

0  pR _ I (ti )  pR _ I _ lim

0  pR _ A (ti )  pR _ A _ lim

 pR (ti )  pR (ti 1 )  Limite
 pR (ti )  pR (ti 1 )  Limite

 pR (ti )  0, pS (ti )  0 si pIPV (ti )  pL _ D (ti )  0
 p (t )  0, p (t )  0 si p (t )  p (t )  0
S i
IPV i
L_ D i
 R i

pIPV _ S (t )  0 si soc(t )  SOCmax

GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
15
3.2. Supervision
 Energie management : optimisation
Tarifs énergétiques moyens simplifiés :
Résolution du problème
Programmation linéaire mixte en
nombre entiers
 cNH  0,1€ / kWh pour t  heures normales (HN)
c R (t )  
 cPH  0, 7€ / kWh pour t  heures de pointe (HP)
FICHIERS EN ENTRÉE
DONNÉES :
cs (t )  0,01 € / kWh
CONTRAINTES :
cIPV _ S (t )  1 € / kWh
pIPV _ prediction , pL _ prediction
pR _ I _ lim , pR _ A _ lim , PL _ max
SOCmin , SOCmax , PS _ max
tarifs des énergies, ...
cL _ S (t )  1 € / kWh
Modélisation du problème
d’après CPLEX
IBM ILOG CPLEX
KD optimum calculé hors ligne
K D (t ) 
pS _ C (t )  pS _ D (t )
SORTIE
pS _ C (t )  pS _ D (t )  pR _ I (t )  pR _ A (t )
EVOLUTION DU FLUX OPTIMAL DES PUISSANCES
pR _ I , pR _ A , pS _ C , pS _ D , pIPV _ S , pL _ S
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
3.2. Supervision
 Opération
MESSAGES RESEAU
INTELLIGENT
OPERATION
KD
p
nvo
R _ A _ lim
, p R _ I _ lim
Temps de réponse :
< SECONDE
vC , pIPV , pL , soc
SOCmin , SOCmax , PS _ max
pR*
*
pIPV
_ lim
pS*
KL
*
vIPV
IPV
Contrôle
IPV
DC
DC
DC
AC
DC
DC
CHARGE DC
RESEAU STOCKAGE
Algorithmes :
- contrôle de l’équilibre des puissances
- contrôle de l’IPV : MPPT Limité
- actions d’autocorrection :
- réseau, délestages IPV et charge
- si réseau limité, alors pS* mise à jour
- stockage utilisé avant délestage
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
16
3.3. Résultats expérimentaux
 Plate-forme expérimentale
Carte Interface
Driver
Émulateur
bâtiment
IGBT
PC
Émulateur
réseau
Mesure Courant
Protection
Stockage
dSPACE
1006
•
•
•
•
•
16 PV Fabrik-Solar : 2kW STC
8 batteries plomb-acide 12V-130Ah, Sonnenschein
émulateur de réseau public : amplificateur linéaire quatre quadrants de puissance 3kVA
émulateur de charge CEP : 2,6kW
centrale d’acquisition YOKOGAWA (SL 1000)
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
17
18
3.3. Résultats expérimentaux
Prédiction pour 21/08/2013
2500
Raw data prediction
pIPV_Prévision
Corrected prediction
pIPV_pred
Measure
pIPV_Mesurée
pPV (W) (W)
Puissances
2000
Valeurs numériques pour
optimisation et tests expérimentaux
1500
1000
500
0
8:00
Puissance (W)
2000
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00
pL_pred
pPL_D
PL_EXP
(expérimental)
L_PRED
1500
1000
500
0
8:00
Prévisions d’irradiation solaire à pas
horaire (Météo France) pIPV-pred
Variable
pR_A_lim
pR_I_lim
PL_max
KL
PIPV_STC
Cref
SOCmin
SOCmax
SOC0
PS_max
v*
Limite fluctuations de
puissance réseau
Heures de pointe réseau
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
Valeur
1000W
1000W
1700W
[0, 1]
2000W
130Ah
45%
55%
50%
1300W
400V
1W/s
10:00-12:00, 17:00-19:00
19
3.3. Résultats expérimentaux
Expérimental pour 21/08/2013
Optimisation pour 21/08/2013
3000
PPV_PRED
pR_opt
PL_PRED
p
PS S_optPG
OPT
pIPV_opt
OPT
PL
OPT
p
3000
PPV L_opt
2000
2000
1500
1500
1000
500
0
-500
pS
pIPV
PL_D
PS
PG
PL
pL
PPV
0
-1500
Heures de pointe
PPV_MPPT
-500
-1500
Heures de pointe
pR
500
-1000
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00
pIPV_MPPT
1000
-1000
-2000
8:00
pL_D
2500
OPT
Power(W)
Puissances
(W)
Puissances
(W)
Power(W)
2500
pL_pred pIPV_pred
-2000
8:00
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00
Heures de pointe
Heures de pointe
60
1.5
500
1
55
4001
55
55
0.5
50
300
0.5
50
50
0
45
2000
45
45
1.5
-0.5
8:00
KD
socOPT (%)
40
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00
KD 
pS _opt
pS _opt  pR _opt
100
-0.5
8:00
Actual
sharing
ratio
DC bus
voltage
(V)
soc
soc(%)
(%)
60
60
40
40
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00
18:00 19:00
19:00 20:00
20:00
Ratio réel 
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
pS
pS  p R
20
3.3. Résultats expérimentaux
 Comparaison des résultats sur 3 jours différents
2500
pIPV_Prévision
pIPV_Mesurée
IPV_Prévision_Corrigée
Raw datapprediction
Corrected prediction
Measure
Cas
pPV (W)
(W)
Puissances
2000
1500
Optimisation hors-ligne en
suivant les prédictions
Exploitation en temps réel
Optimisation hors-ligne en
suivant les conditions réelles
1000
500
0
8:00
2500
Raw data prediction
Corrected prediction
Measure
pIPV_Prévision
pIPV_Prévision_Corrigée
pIPV_Mesurée
Cas
pPV (W)(W)
Puissances
1000
500
2500
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00
pIPV_Prévision
pIPV_Prévision_Corrigée
Raw data prediction
Corrected prediction pIPV_Mesurée
Measure
2000
Optimisation hors-ligne en
suivant les prédictions
Exploitation en temps réel
Optimisation hors-ligne en
suivant les conditions réelles
Délestage PV
(€)
-0.777
0
0
0.225
0.244
0
-0.247
0
0
Coût
total(€)
Délestage de
charge(€)
Délestage PV
(€)
-0.149
0
0
0.929
0.266
0.052
0.357
0
0
Coût
total(€)
Délestage de
charge(€)
Délestage PV
(€)
-0.368
0
0
3.219
1.300
0
2.165
0.257
0
30/07/2013
Cas
1500
1000
500
0
8:00
Délestage de
charge(€)
09/08/2013
1500
0
8:00
Coût
total(€)
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00
2000
pPV (W)
Puissances
(W)
21/08/2013
9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00
Optimisation hors-ligne en
suivant les prédictions
Exploitation en temps réel
Optimisation hors-ligne en
suivant les conditions réelles
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
4. CONCLUSION
 Micro-réseau optimisé
 bonne gestion prédictive
 validation expérimentale  faisabilité technique
 Supervision multicouche et multi-échelle
 paramètre de contrôle prédictif KD
 KD interface pour représenter un flux de puissances
 algorithme de contrôle
 les incertitudes n’affectent pas l’équilibrage
 commande souple
 facile à implémenter et reconfigurable
 Limites
 coût sous-optimal
 dû aux incertitudes des prévisions
 robustesse de l’optimisation
 optimisation en temps réel
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
21
5. PERSPECTIVES
 Travaux en cours
 correction des écarts entre le calcul d'optimisation et l'exploitation réelle
 mises à jour en ligne : KD , prévisions météo, charge, tarifs, …
 prise en compte des incertitudes
 Interfaçage de plusieurs micro-réseaux
 étude du contrôle, de l'îlotage
 explorer la taille d'un éco-quartier
GDR ISIS-SEEDS-MACS M. Sechilariu - 12 Juin 2014
22
UNIVERSITE DE TECHNOLOGIE DE COMPIEGNE
REUNION INTER GDR ISIS-SEEDS-MACS
12 juin 2014 TELECOM ParisTech
MERCI POUR VOTRE ATTENTION
QUESTIONS, REMARQUES ?