Modélisation générique d’un Smart Grid › 2016 › ... · • Ativité : modélisation d’un gare intelligente, gestion de l’énergie, l’eau, le gaz et les déchets. -Novembre

Modélisation générique d’un

Smart Grid Séminaire Recherche

26 mai 2016

Activités de recherche

2

Projet Energy Positive IT 2.0, 2012 - 2014 • Dirigé par EMBIX, en collaboration avec Alstom, Bouygues, CEA, Dotvision,

Fondaterra, Renault, Supelec, Université de Versailles Saint-Quentin-en-Yvelines (Prism et Econoving/REEDS), Zamiren.

• Contrat financé dans le cadre du FUI11, avec un effort total de 10 millions d’euros • Projet labellisé par les Pôles de Compétitivité : Systematic, Tenerrdis et Advancity. • Activité : gestion d’un bâtiment intelligent / gestion d’un réseau énergétique

intelligent.

Chaire Econoving dans le projet V2G Renault, 2012 • Collaboration avec Yann Hermans, doctorant à l’UVSQ. • Activité : gestion des charges d’un parc de véhicules électriques.

Chaire Econoving dans le projet GARE Versailles Chantiers 2012 – 2013 • Collaboration avec Mourat Arat, post-doctorant à l’UVSQ. • Activité : modélisation d’un gare intelligente, gestion de l’énergie, l’eau, le gaz et les

déchets.

- Novembre 2014 : Doctorat en informatique – mention très Honorable

Université de Versailles Saint-Quentin, dirigé par Ider Tseveendorj.

Guérard Guillaume - smart--grid.net Séminaire 26 mai 2016

Modélisation générique d’un Smart Grid

Introduction

Système complexe

3

Système intelligent

Modélisation

Introduction

4

Qu’est ce qu’un Smart Grid ?

Le réseau énergétique est principalement basé sur les travaux de Nikola Tesla de 1888.

Problèmes actuels : - Production : intégration et gestion des

EnRs (production erratique), gestion des stockages (V2G, froid, etc.).

- Consommation : congestion, latence, efficacité des centrales locales, DSM, demande-réponse, sécurité des données.

Pourquoi un Smart Grid ?

5

Objectifs du Smart Grid :

- Aplanir la courbe de consommation.

- Gérer l’offre et la demande.

- Garantir la QoS.

Source: ABB

Smart Grid : réseau intégrant le comportement des utilisateurs.


Un système de systèmes

6

• Self-Healing • Flexible • Prédictif • Interactif • Optimal • Sécurisé

Un Smart Grid est composé de :

Agit et réagit aux actions et paramètres internes et externes.

Image: Siemens

smart infrastructure

smart management

smart protection

Smart Grid


Modèles existants

7

Modèles actuelles sont basés sur une

technologie, un produit, des règles spécifiques.

Inconvénients :

- Temps de calcul trop grand pour un modèle à

grande échelle.

- Données non compatibles inters-modèles.

- Les modèles ne sont pas “plug-and-play” ni

“user-friendly”.

Objectif : modéliser un modèle générique de Smart Grid.

Brandon Palacio


Modélisation : - Programmation : représentation des

entités et des relations entre elles. - Logique : ensemble pourvu d’une

collection d’opérations finies, et de relations, satisfaisant un ensemble d’axiome.

représentation d’un système à l’aide de théories provenant du domaine scientifique.

Un modèle générique?

8

Modélisation générique : Représentation généraliste d’un système à l’aide d’outils scientifiques

Générique : - Médical : se réfère à un contenu chimique

et non à une marque. - Programmation : méthodes ayant le

même nom par surcharge. - Linguistique : processus pour effectuer

une généralisation. qui n’est pas propre à une particularité,

une instance concrète.

Avantages : Apporte des résultats sans problématiques temporelle et monétaire du modèle réel.


Les problèmes de modélisation

Difficultés : • Trouver un modèle

mathématique représentant le système dans son entièreté.

• Trouver les fonctions objectifs

et les contraintes de milliers de paramètres.

Réponses : • Trouver des algorithmes

pour une application locale et harmoniser le système.

• Standardiser les données dans tout le système.

9

Comment analyser un système aussi complexe qu’un Smart Grid ?

Risque : problème d’émergence (complexité globale plus grande que la somme des complexités des sous-systèmes) exemple fourmi de Langton, flocking etc.


Analyse des systèmes complexes

10

Analyse systémique adaptative

Les systèmes complexes

11 Guérard Guillaume - smart--grid.net

Séminaire 26 mai 2016

Analyse des systèmes adaptatifs complexes

12

Évolution

Auto-organisation

Composant

• Rétroactions

• Apprentissage

• Optimisation

• Communication

• Agents/Structure

Des « agents » ?


Smart Grid : agents/structure

13

Différents agents en compétition : • Minimiser les coûts (production,

consommation, distribution, etc). • Éviter les congestions, sur ou

sous-production. • Maximiser l’utilisation des EnR,

batteries, DSM. • Être neutre dans la chaîne

énergétique. Source: Siemens

Structure d’un réseau électrique :


Un réseau à trois organes

14

Niv

eau

loca

l

• Arbre de distribution.

• Gestion :

• Domotique

• EnR locale

• V2G

• Distribution et gestion de l’énergie parmi les appareils.

Mic

rogr

id

• Racine de l’arbre.

• DSM

• Équilibre de l’offre et la demande

• Comportement des utilisateurs

• Consensus entre offres du marché et les consommateurs gérés.

T&D

• Graphe 2-connexe

• Demande-réponse:

• Gestion de la production

• Schéma de routage

• Comportement futur

• Production, transport et distribution de l’énergie dans le grid.


Modélisation : armature d’un Smart Grid

15

De l’analyse à la modélisation

Processus général

16

• Bottom-up – Schéma de consommation

prévisionnel

– Suivi des directives DSM et D-R précédentes

• Top-down – Recherche d’un équilibre

– Création des schémas futurs.

Bottom - up

Top - down

Itération: toutes les 5min.


Processus général



Processus général



Gestion locale

19

Update

• Maj. des données.

Allocation I

• Comparaison aux prévisions.

Allocation II

• Schéma de consommation.


Priorité de consommation

Maison 1 Maison 2 Maison 3 Maison 4 Maison 5

1/0/81 1/1/80 3/0/83 5/2/75 20/4/20 Précision : 4 FOS : 5

1/0/16 1/0/16 2/1/15 3/0/18 4/3/7 5/3/5 Précision : 6 FOS: 7

1/0 1/0 10/0 Précision : 12 FOS: 12

1/0/33 1/1/32 3/0/35 3/2/29 4/1/32 8/4/8 Précision : 8 FOS: 9

1/0 3/0 Précision : 6 FOS: 6

20

Calcul de la fonction d’utilité : ui=(weightmax*prioritymax)-(weighti*priorityi) + weighti

Résolution par programmation dynamique : mémorisation de schémas de consommation. DSM : seule la domotique a une priorité de consommation variable.


Processus général



Gestion microgrid

22

Enchère

• DSM.

• Demand-Response.

• Jeu d’enchère.

Consensus

• Rétroaction.

• Punitions et récompenses.


Stratégies

23

Stratégie basée sur une consommation des appareils.

DSM Le comportement du consommateur impactera sa consommation future.

Ensemble d’appareils 1 l/r Response 1 … Response i

Ensemble d’appareils 2 l/r DSM 1 l/r l/r l/r

Ensemble d’appareils 3 l/r DSM 2 l/r l/r l/r

… l/r … l/r l/r l/r

Ensemble d’appareils m l/r DSM j l/r l/r l/r

- l : utilité de la stratégie pour le consommateur. - r : utilité de la stratégie pour l’offre du producteur.

La stratégie avec la plus grande somme l+r est choisie.


Processus général



Gestion T&D

25

Maj. •Maj. du graphe.

Max flow, min cost

•Trouver une solution optimale.

Équilibre

•Identifier les zones à risque.

•Rétroaction avec le microgrid.


T&D : du réseau au graphe

26

• Prétopologie : principe de “proximité”

1. Un graphe par critère. 2. Le graphe final est une association logique de ces derniers.


T&D : mise-à-jour du routage

• Mise-à-jour du routage: Busacker&Gowen

- Maj du réseau. - Détermination des

nouveaux arcs. - Détermination du

graphe d’écart (prix inverse).

- Maj du routage. - Calcul du routage

optimal.


27

T&D : principe de rétroaction

28

• Rétroaction

- Calcul sans contrainte pour les microgrids.

- Calcul sans contrainte pour les producteurs.

choix des récompenses et punitions en fonction de la stratégie choisie.


Processus général

29

Application de la stratégie choisie.


Smart Grid: résumé.

30

1. Mise-à-jour des données. 2. Schémas de consommation. 3. Enchères. 4. Rétroaction. 5. Consensus: distribution à l’échelle.

3


Un système intelligent

31

De l’analyse à la prédiction

Processus général



Comment paramétrer la domotique ?

• Modèle générique :

- Chauffage :

33

– Choix d’un mode de fonctionnement.

– Choix d’une stratégie DSM.

– Paramétrage des paramètres internes par l’automate.

– Possibilité de paramétrage manuel ou par apprentissage.

– Applicable à tout appareil communiquant avec le smart meter.

– Peu coûteux.


Processus général



Demand-Response

35

• Rétroaction actuelle : changement des enchères.

• Après consensus :

2 𝑗∗(𝑥𝑟𝑒𝑠𝑢𝑙𝑡 𝑗 )𝑗𝑖=1

𝑗(𝑗−1)

• Moyenne pondérée par la rétroaction pour chaque microgrid.


Processus général



• Problème de sac à dos à l’échelle nationale :

• Calcul de borne proche rapide (<5min) :

Comment paramétrer les stratégies ?

37

max 𝑥𝑖

𝑛

𝑖=1

𝑢𝑖

s.t. 𝑥𝑖𝑛𝑖=1 𝑤𝑖 ≤ 𝑊

𝑗

𝑎𝑖𝑘𝑛

𝑖=1 𝑤𝑖 ≤ 𝑊𝑘

𝑎𝑖𝑘 = 𝑥𝑖

𝑚𝑖=1

𝑊𝑗 =𝑎𝑙𝑙(𝑗)𝑗=1

𝑊𝑘all(𝑘)𝑘=1

• j pour chaque microgrid. • k pour chaque flot. • Wj consommation d’un

microgrid.

• 𝑎𝑖𝑘 les flots pour l’appareil i.

• 𝑥𝑖 l’utilisation ou non de l’appareil i.

• 𝑢𝑖 l’utilité de l’appareil i.

Guérard Guillaume - smart--grid.net


Schéma de la production



Contrôleur global

39

• Pente et régularité

• K-Lipschitz

Aperçu général de la courbe de consommation


Processus général

40

Quelles sont les gains économiques ?


Bénéfices économiques et sociaux

• Pour les producteurs : – La production est

prédictive et contrôlée. – Courbe aplanie, moindre

recours aux énergies fossiles d’appoints.

• Pour le consommateur :

– DSM réduit la consommation de pic.

– Récompenses à envisager.

– Recours minimal au réseau.

– Domotique « plug-and-play » et « friendly ».



Travaux futurs

42

Système de gestion des variables : • Paramétrer les stratégies • Paramétrer les utilités Processus d’apprentissage.

• Paramétrage adaptatif Déploiement de « neurones ».

Modélisation du Smart Grid :

• Créer un framework « plug-and-play » • Autoriser une gestion « hors modèle » • Autoriser la compétition entre microgrid • Autoriser la compétition entre producteur • Améliorer les automates de la domotique Chaîne de Markov cachée

Multi-agent model


Publications

43

Journaux internationaux

Guérard, G., Amor, S. B., & Bui, A. (2012). Survey on smart grid modelling. International Journal of Systems, Control and Communications,

4(4), 262-279.

Ahat, M., Amor, S. B., Bui, M., Bui, A., Guérard, G., & Petermann, C. (2013). Smart grid and optimization. American Journal of Operations

Research, 3, 196.

Guérard, G., & Tseveendorj, I. (2014), Inscribed Ball and Enclosing Box for Convex Maximization Problems. Optimization Letters (2nd

revised edition).

Conférences internationales

Guérard, G., Amor, S. B., & Bui, A. (2012). A Complex System Approach for Smart Grid Analysis and Modeling. In KES (pp. 788-797).

MAGO14, Guérard, G., & Tseveendorj, I. (2014) Largest Inscribed Ball and Minimal Enclosing Box for Convex Maximization Problems.

IEEE/ACM'14, Guérard, G., Amor, S. B., & Bui, A. (2014). A Context-Free Smart Grid Model Using Complex System Approach.

À venir

1 journal, 2 conférences en attente.

Recherche d’une offre de thèse pour la partie multi-agents.

Recherche de stagiaire / projet PI² sur la domotique, le network simplex, autres.


Quel message voulez-vous diffuser ?

Modélisation générique d’un

Smart Grid

44

Guérard Guillaume Smart—grid.net

Merci pour votre attention

La simulation

Module réseau de transport

Module consommation et production

Module distribution de l’énergie

Module gestion des pannes

Module réseau de communication


45

Documents

Modélisation générique d’un Smart Grid › 2016 › ... · • Ativité : modélisation d’un gare intelligente, gestion de l’énergie, l’eau, le gaz et les déchets. -Novembre