Academic literature on the topic 'Électricité – Production – Prévision'

L'intégration à grande échelle de l'énergie éolienne dans les réseaux électriques peut poser des problèmes aux opérateurs de ces réseaux car, contrairement aux moyens de production conventionnels, la production éolienne est variable et non contrôlable. Pour réduire l’impact de certains de ces problèmes, les gestionnaires de réseaux expriment le besoin de prévisions à court terme (de 48 à 120 heures) de la production agrégée des parcs éoliens situés dans une région définie. Le but de la thèse est de développer un cadre d’analyse et des outils permettant de faciliter la mise en place de modèles de prévision de la production éolienne régionale. La thèse présente tout d’abord un cadre d’analyse permettant de caractériser la production éolienne régionale. Par ce biais, les propriétés saillantes de la production régionale, qui doivent être prises en compte lors de la conception d’un modèle de prévision régionale, sont identifiées. Le problème de la prévision régionale est ensuite abordé comme un problème d’apprentissage statistique. Nous définissons trois approches de modélisation générique permettant la combinaison de sous-modèles. L’influence de ces approches sur la précision des prévisions est étudiée ainsi que celle du choix des sous-modèles. Pour permettre la comparaison de sous-modèles, nous introduisons un modèle de prévision éolienne dont la performance est comparable aux modèles de l’état de l’art. Finalement, nous examinons l’impact sur la précision de prévision qu’a le choix des variables explicatives et nous proposons des règles générales de sélection dans le cadre de la prévision éolienne régionale. Pour faciliter le processus de modélisation, des méthodes de sélection automatique sont étudiées. Deux méthodes (une méthode filtre et une méthode wrapper) qui exploitent les caractéristiques propres au problème sont proposées. Nous montrons que ces méthodes sont plus performantes qu’une méthode générique de l’état de l’art
The large-scale integration of wind power can be a challenge for power system operators because, unlike conventional power sources, wind power is variable and non-dispatchable. To alleviate some of the problems posed by large-scale wind power integration, power system operators express the need for short-term (48 to 120 hours ahead) forecasts of the aggregated output of all wind farms within a specified geographical region. The aim of the thesis is to develop a framework and tools to help in the implementation of statistical regional wind power forecasting models. We first propose a framework for the characterization of the regional wind power. In this way, salient aspects of the regional wind power forecasting problem that must be taken into account when designing a regional forecasting model are identified. We then examine the regional forecasting problem from a statistical learning perspective. We define three generic approaches that can be used to combine sub-models to build regional models. The influence of these approaches on forecast accuracy is examined, as well as that of the choice of sub-models. The comparison of sub-models is made possible by the introduction of a novel forecasting model whose performance is shown to be comparable to that of other state-of-the-art models. Finally, we examine the impact of explanatory variable selection on forecast accuracy and derive general guidelines applicable in the frame of regional wind power forecasting. To ease modelling, automatic selection techniques are investigated. Two variable selection methods (a filter and a wrapper method) that exploit problem-specific characteristics are proposed. These methods are shown to compare very favourably to a generic state-of-the-art method

La qualité des prévisions hydrologiques est un domaine largement étudié. Il est démontré que les prévisions probabilistes ou d’ensemble (c'est-à-dire à plusieurs scénarios) apportent souvent plus en termes de qualité et d’aide à la décision qu’une prévision déterministe (à scénario unique). Les prévisions probabilistes sont donc de plus en plus utilisées par les centres opérationnels de prévisions. L’apport de ces prévisions en termes de valeur économique pour l’utilisateur reste cependant un sujet, jusqu’à présent, peu étudié. En effet, dans la littérature, l’évaluation d’une prévision se fait principalement par rapport à sa qualité (comparaison avec l’observation). Or, une prévision s'évalue également par rapport à l'aide qu'elle peut apporter en contexte de décision, ce qui contribue à définir la valeur d'une prévision. Dans le contexte de la gestion des apports en eau aux réservoirs destinés à la production hydroélectrique, les études portant sur la valeur des prévisions sont rares, notamment pour la prévision à courte échéance (prévision allant de quelques jours à quelques semaines).Les travaux menés dans cette thèse ont pour objectif d'examiner le lien entre qualité et valeur économique d’une prévision pour le secteur hydroélectrique. En d’autres termes, nous nous intéressons à déterminer dans quelle mesure une meilleure prévision a un impact sur le revenu de gestion. Nous valorisons les prévisions hydrologiques à plusieurs échéances : courte (jusqu’à sept jours) et moyenne (jusqu’à sept mois). Enfin, nous nous posons la question de savoir si la gestion à courte échéance peut être améliorée lorsque celle-ci est couplée à la gestion à moyenne échéance. Le dernier axe de recherche de cette thèse consiste ainsi à mettre en place un système de prévision-gestion de réserve hydroélectrique couplé qui prend en compte des informations de la gestion à moyenne échéance pour informer la gestion à courte échéance.Les résultats de cette thèse apportent, d’une part, un éclairage sur les liens entre qualité et valeur d’une prévision hydrométéorologique et, d’autre part, des outils de modélisation de la gestion des réserves en eau utiles à la production hydroélectrique. Ces outils permettent de représenter des systèmes hydroélectriques complexes de manière simplifiée. Avec leur aide, nous avons mis en évidence l'existence d'un lien entre la qualité de la prévision hydrologique et sa valeur économique. La valeur économique des prévisions hydrologiques à courte échéance dépend de leur qualité : le système de prévision ayant la meilleure qualité correspond au système de prévision ayant les meilleurs revenus de gestion, et inversement. Cependant, ce lien dépend également de la manière dont l'information de la prévision d'ensemble est prise en compte dans la gestion, et des dimensions du réservoir par rapport aux volumes moyens des apports. Dans un contexte de gestion à moyenne échéance, le lien entre la qualité des prévisions et leur valeur économique peut également exister, mais il est moins évident. Enfin, les revenus de gestion obtenus avec une gestion de la réserve en eau à courte échéance peuvent être améliorés de plus de 10 % quand des informations sur la gestion à moyenne échéance sont prises en compte
The quality of hydrological forecasts is a widely-studied field. It has been shown that probabilistic or ensemble forecasts (i.e. with several scenarios) are often better in terms of quality and decision support than deterministic (single-valued) forecasts. Probabilistic forecasts are therefore increasingly used in operational forecasting. However, the contribution of these forecasts in terms of economic value for the users remains a subject that has so far received little attention. In the literature, the evaluation of a forecast is mainly based on its quality (comparison with an observation). However, a forecast can also be assessed with regard to its contribution (or value) to the decision-making process. In the case of reservoir operation for hydroelectric generation, studies on the value of forecasts are also less frequent, particularly when it comes to the short-term range (forecasts ranging from a few days to a few weeks).The work carried out in this thesis aims to examine the link between the quality and the economic value of a forecast for the hydropower sector. In other words, we want to know in which cases a better forecast impacts the management revenues. We investigate the value of hydrological forecasts at several forecasts ranges: short (up to seven days) and medium (up to seven months). Finally, we investigate whether short-term reservoir management can be improved when coupled with medium-term management. The last research axis of this thesis thus consists in setting up a coupled forecast-reservoir management system, where medium-term management information is used to inform short-term reservoir management.The results of this thesis contribute: (1) to shed light on the links between the quality and the value of hydrometeorological forecasts and (2) to the modelling of hydropower reservoirs for optimal management. The modelling tools established in this study allow complex hydroelectric systems to be represented in a simplified way. With their help, we have highlighted the existence of a link between the quality of hydrological forecasts and their economic value. The economic value of short-term hydrological forecasts depends on their quality: the best forecast system in terms of forecast quality corresponds to the forecast system with the best management revenue and conversely. However, this relationship also depends on how the forecast information is taken into account in the reservoir management model, and on the size of the reservoir with regard to the average inflow volumes. In the medium-term management context, the link between the quality of medium-range forecasts and their economic value may also exist, but it is less obvious. Finally, the revenue obtained from the short-term management of the reservoir can be improved by more than 10 % by taking into account long-term management information

La forte variabilité de la vitesse du vent fait que l'énergie produite par un parc éolien n'est pas constante dans le temps. Le gestionnaire ne peut donc pas dimensionner son réseau électrique en prenant intégralement ce type de production en compte. L' une des solutions préconisées pour permettre le développement de l' éolien et son intégration avec une plus grande sureté aux réseaux, est de développer et d'améliorer les outils de prévisions. Le travail de thèse consiste à améliorer les performances d'un outil de prédiction basé sur les réseaux de neurones bayesiens, permettant la prédiction de la puissance à très court terme . Le prédicteur fonctionne notamment par J'ajustement de paramètres, certain se détermine « automatiquement » via le mécanisme des réseaux de neurones bayesiens d' autres, que nous nommerons paramètres temporels, sont à l' appréciation de l'utilisateur. Le travail mené consiste à établir un protocole pour la fixation de ces paramètres tout en améliorant les performances du prédicteur . Nous avons donc décidé de conditionner leurs valeurs en fonction de la variabilité des séquences de puissance précédent l'instant de prévision. Tout d'abord nous avons classifié des séquences de puissance en fonction de leurs coefficients de variation en appliquant la méthode des C-moyennes floues. Puis, chaque classe formée a été testée sur plusieurs valeurs de paramètres, les valeurs associées aux meilleures prédictions ont été retenues. Enfin, ces résultats couplés au formalisme des Chaines de Markov, par le biais de la matrice de transition , ont perm is d'obtenir des taux d'amélioration par rapport à la persistance allant de 7,73 à 23,22 % selon l'horizon de prédiction considéré
The high variability of the wind speed has for conse quences that the energy produced by a wind farm is not constant over time. Therefore, the manager can't size the electrical network by takin g into account this type of production. One solution advocated for the development of wind energy and its integrati on with greater security at network, is to develop and improve fore casting tools. The thesi s objective is to improve the performance of a predi ction tool based on Bayesian neural networks, allowing the predi ction of wind power for short timescales. The predictor works, in part icular by the adjustment of parameters, sorne is determined "automatically" through the mechan ism of neural networks Bayesian other , which we cali temporal parameters are at the discretion of the user. The work involves establishing a protocol for the determination of these parameters and improving the performance of the predictor. So, we decided to condition their values depending on the sequence variability of wind power previous the moment of the forecast. First we classified sequences of power according to their coefficients of variation using the method of fuzzy C-means. Then, each formed class was tested for several parameters values, the values associated with the best predictions were selected. Finally , these result s coupled with the formalism of Markov chains , through the transition matrix allowed to obtain rates of improvement over the persistence ranging from 7.73 to 23.22 % depending on the prediction horizon considered

Dans une problématique énergétique marquée par des contraintes environnementales et de disponibilité des ressources primaires croissantes, le potentiel d'ajustement offert par les technologies fait partie des leviers les plus prometteurs sur le long terme. Les modèles de prospective énergétique constituent alors des supports précieux à l'analyse chiffrée de scénarios énergétiques alternatifs. Pour l'évaluation des choix technologiques futurs, la modélisation de type MARKAL s'avère particulièrement adaptée. Elle détermine une structure technologique optimale sous diverses contraintes, à partir d'une représentation explicite d'un ensemble d'options techniques actuelles et futures pour l'offre et la demande d'énergie. Dans cette thèse nous réalisons une série de modèles de prospective énergétique pour le système énergétique français et nous proposons une nouvelle approche pour améliorer la représentation classique des systèmes électriques dans MARKAL. Les améliorations proposées portent sur le besoin de flexibilité pour le suivi de la courbe de charge, et sur l'impact de la production éolienne sur les choix de moyens de production. Le travail de modélisation effectué comporte un modèle électrique flexible, un modèle électrique ouest européen multirégional, un modèle global du système énergétique français.

Les marchés de l’électricité sont aujourd’hui en forte transformation, notamment du fait des efforts de libéralisation pour étendre la compétence de gestion du système électrique par le marché. C’est par exemple le cas avec la mise en place de prix nodaux pour gérer les congestions sur le réseau. Par ailleurs, le développement des moyens de production d’électricité d’origine renouvelable met en cause le fonctionnement du système électrique. Dans ce cadre, la question d’investissement pour un producteur éolien se complexifie. Sa rémunération est susceptible à court terme de passer d’un système de subvention, à une rémunération basée sur le produit des ventes sur le marché, fluctuante dans le temps et l’espace (dans le cadre de marchés à prix nodal). Dans ce contexte, ce travail de thèse propose une analyse de l’impact des caractéristiques éoliennes de sites potentiels d’installation, le facteur de charge et la prédictibilité (capacité d’un site à fournir de bonnes prévisions), sur la décision d’investissement. Nous commençons par une analyse statistique pour plusieurs marchés, puis proposons un estimateur du revenu des producteurs éoliens, afin de réaliser le même travail d’une manière moins coûteuse qu’avec un calcul exhaustif. Ensuite, afin de mener ce type d’analyse avec un mix énergétique paramétrable, nous développons un outil de résolution du problème d’optimisation de l’implantation de centrales éoliennes dans un cadre de marché à prix nodal. Il prend en compte une participation au marché de l’électricité la veille pour le lendemain, ainsi que les pénalités versées pour les déviations introduites entre les productions prévues et injectées en temps réel (dues aux erreurs de prévision). Nous faisons l’hypothèse que les productions renouvelables sont suffisamment importantes pour impacter les prix de marché (qui sont également générés avec l’outil), et nous prenons en compte des scénarios pour les productions éoliennes et la demande. Il s’agit donc d’un problème d’optimisation stochastique résolu à l’aide d’une décomposition de Benders. Enfin, nous analysons l’impact du facteur de charge et de la prédictibilité sur l’investissement optimal, selon la configuration pour le coût de la régulation, la capacité des lignes et la corrélation des données éoliennes
Electricity markets are in a period of intense change. This is notably due to liberalization efforts to increase the extent of electricity system’s management carried out through market operations. One such example is the implementation of nodal prices for network constraints. Moreover, the surge for electricity from renewable sources questions the operation of the electricity system. In this framework, the investment issue for wind producers is becoming more complex. Its income may go from a subsidy-based scheme to a full market participation in the short term, and more volatile according to time and location (in a nodal-pricing scheme). Bearing all this in mind, this PhD work first analyzes the impact of potential installation sites’ characteristics: load factor, and predictability (a site’s ability to enable reliable predictions), on investment. To this end, we carry out a statistical analysis on historical data from several markets, then we suggest an estimator of wind producers revenue, to carry out the same work with a less costly approach than exhaustive calculation. Then, in order to carry out the same kind of analysis, this time in a customizable framework, we build an algorithm to solve the problem of Optimal investment planning of wind turbines within a nodal price market environment. It takes into account the participation in the Day-ahead market as well as penalties paid for imbalances between the energy contracted and injected in real-time (due to forecasting errors). We assume renewable production is important enough to influence market prices which are also generated with our model, and we integrate scenarios for wind production and demand. Therefore we have a stochastic problem which we solve using Benders decomposition. Ultimately we analyze the impact of load factor and predictability on optimal investment according to the chosen setting for regulation cost, line capacities and wind data correlation

La mise en place de micro-réseaux électriques décentralisés à sources d’énergies renouvelables (EnR) est actuellement un challenge pour l’alimentation d’infrastructures de télécommunication. La production d’électricité à partir d’installations photovoltaïque (PV) et/ou micro-éolienne est plus adaptée du point vu de la disponibilité des ressources renouvelables et leur déploiement à proximité des antennes télécoms. Cependant, l’intermittence et la variabilité des sources renouvelables, en particulier pour le PV, posent un problème d’équilibre entre la production et la consommation qui doit être assuré à tout moment. De plus, la question du dimensionnement prenant en compte cette intermittence est un véritable compromis entre la taille, le coût d’investissement, la marge de sécurité et de sureté de fonctionnement. Il est donc indispensable de développer des outils de prévision et de prédiction de la production électrique PV. L’objectif de ces travaux de thèse est d’établir un modèle pragmatique de prédiction de la ressource PV capable de caractériser la variabilité et l’intermittence de l’irradiation solaire à partir des données recueillies sur sites et sur une longue période. En s’appuyant sur des données de mesures expérimentales issues d’installations PV, nous montrons qu’une distribution adaptée de Weibull permet une prédiction fiable, caractérisant la variabilité de l’irradiation globale de sites à climat semi-continental (sites du territoire français). En particulier, ces travaux étudient et recherchent parmi les méthodes de détermination des paramètres de Weibull, celles qui sont les plus adaptées pour le domaine du PV pour prévoir la production annuelle d'énergie et la prédire dans le temps. L'originalité de la méthode proposée est l’obtention d’une production d'énergie PV annuelle fiable et d’une modélisation de la distribution pouvant contribuer à la génération de séries chronologiques synthétiques de données d'irradiation globale. Le modèle de Weibull proposé est adapté à la prédiction du gisement solaire et s’appuie sur une formulation mathématique permettant des résultats fiables pouvant être intégrée dans un outil d’environnement et d’acquisition temps réel de données de mesures. Pour valider l’approche développée de prévision pour une prédiction de sources d’alimentation PV pour des sites télécoms, nous proposons un démonstrateur d’acquisition temps réel à large couverture basé sur l'instrumentation d’une antenne télécom de la société TDF SAS par des capteurs IoT (Internet of Things) déployés en réseau. Le déploiement de capteurs IoT au protocole LoRaWAN (Long Range Wide Area Network) sur une tour de télécommunication traditionnelle, dans les conditions réelles de fonctionnement d’interférences des fréquences, a permis de démontrer que le réseau de capteurs est adapté pour développer des services de mesures, de prévisions d’énergies disponibles, de suivis et de supervisions d’installations PV servant à alimenter des antennes télécoms. Les capteurs IoT communiquent sans interférer aux installations préexistantes des tours tout en conservant la qualité des données issues des capteurs. Ce réseau LoRaWAN démontre la pertinence de déployer des stations météorologiques sur des sites existants d’antennes télécoms permettant en temps réel des exécutions du modèle de prédiction PV développé. Ces travaux dégagent des perspectives d’applications et de développement d’EnR à grande échelle sur un large territoire en considérant le climat dominant. Notamment, l’implémentation du modèle de prédiction à court terme au sein d’un environnement interconnecté à un réseau de capteurs météorologiques et communiquant en temps réel permettra une gestion intelligente d’installations EnR déployées dans un territoire
The implementation of decentralized electrical micro-grids base on renewable energies is a challenge for the power supplies of telecommunication infrastructures. These power sources supply from off-grid photovoltaic and micro-wind systems are more suitable for remote or isolated sites like telecom antennas considering the local installation feasibilities and renewable resource availabilities. However, the intermittence and the variability of renewable sources require to ensure the balance between the production and the consumption of energies. In addition, the system sizing requires a trade-off between size, investment cost, safety and reliability of the power supply due to the intermittency. This thesis aims to develop a model characterizing the global solar irradiation variability to predict PV productions from data recorded on sites and over a long period. We validated the calibration methods of the Weibull function allowing a reliable prediction of the global irradiation in a semi-continental climate (mainland French sites). More precisely, we experimentally determine the Weibull parameters for obtaining a reliable global irradiation forecast prediction by considering the sun incident radiation during time periods. This forecast allows to estimate the yearly energy generation and its prediction during the time evolution from a PV plant in considered sites. The originality of the proposed approach is to obtain reliable predictive yearly PV energy distributions which also can be used to generate synthetic data times series of the global irradiation. The proposed model is based a parametrized mathematical formula providing reliable prediction results and which can be integrated to a real-time data acquisition system. To validate the proposed approach for the prediction of the PV power source supplying of telecommunication infrastructures, we developed an IoT sensors network for real-time acquisition to instrument a telecom antenna allowing a wide area network coverage. We demonstrate that deployed networked IoT sensors based on LoRaWAN protocol on a traditional telecommunication tower operating under real conditions communicate reliably without affecting the tower’s functions while keeping the data quality of the sensors. The proposed LoRaWAN network is used for the data acquisition of the weather parameters performing the proposed forecast of the real-time PV production. The software implementation of the proposed prediction model interfaced to weather sensors allows a real-time and intelligent management of deployed renewable energy systems. Future work is also discussed to develop renewable energies on a wide territory with a semi-continental climate

Le contexte de nos travaux de thèse est l'intégration de l'énergie éolienne sur les réseaux insulaires. Ces travaux sont soutenus par EDF SEI, l'opérateur électrique des îles françaises. Nous étudions un système éolien-stockage où un système de stockage d'énergie doit aider un producteur éolien à tenir, vis-à-vis du réseau, un engagement de production pris un jour à l'avance. Dans ce contexte, nous proposons une démarche pour l'optimisation du dimensionnement et du contrôle du système de stockage (gestion d'énergie). Comme les erreurs de prévision J+1 de production éolienne sont fortement incertaines, la gestion d'énergie du stockage est un problème d'optimisation stochastique (contrôle optimal stochastique). Pour le résoudre, nous étudions tout d'abord la modélisation des composants du système (modélisation énergétique du stockage par batterie Li-ion ou Sodium-Soufre) ainsi que des entrées (modélisation temporelle stochastique des entrées incertaines). Nous discutons également de la modélisation du vieillissement du stockage, sous une forme adaptée à l'optimisation de la gestion. Ces modèles nous permettent d'optimiser la gestion de l'énergie par la méthode de la programmation dynamique stochastique (SDP). Nous discutons à la fois de l'algorithme et de ses résultats, en particulier de l'effet de la forme des pénalisations sur la loi de gestion. Nous présentons également l'application de la SDP sur des problèmes complémentaires de gestion d'énergie (lissage de la production d'un houlogénérateur, limitation des rampes de production éolienne). Cette étude de l'optimisation de la gestion permet d'aborder l'optimisation du dimensionnement (choix de la capacité énergétique). Des simulations temporelles stochastiques mettent en évidence le fort impact de la structure temporelle (autocorrélation) des erreurs de prévision sur le besoin en capacité de stockage pour atteindre un niveau de performance donné. La prise en compte de paramètres de coût permet ensuite l'optimisation du dimensionnement d'un point de vue économique, en considérant les coûts de l'investissement, des pertes ainsi que du vieillissement. Nous étudions également le dimensionnement du stockage lorsque la pénalisation des écarts à l'engagement comporte un seuil de tolérance. Nous terminons ce manuscrit en abordant la question structurelle de l'interaction entre l'optimisation du dimensionnement et celle du contrôle d'un système de stockage, car ces deux problèmes d'optimisation sont couplés
The context of this PhD thesis is the integration of wind power into the electricity grid of small islands. This work is supported by EDF SEI, the system operator for French islands. We study a wind-storage system where an energy storage is meant to help a wind farm operator fulfill a day-ahead production commitment to the grid. Within this context, we propose an approach for the optimization of the sizing and the control of the energy storage system (energy management). Because day-ahead wind power forecast errors are a major source of uncertainty, the energy management of the storage is a stochastic optimization problem (stochastic optimal control). To solve this problem, we first study the modeling of the components of the system. This include energy-based models of the storage system, with a focus on Lithium-ion and Sodium-Sulfur battery technologies. We then model the system inputs and in particular the stochastic time series like day-ahead forecast errors. We also discuss the modeling of storage aging, using a formulation which is adapted to the control optimization. Assembling all these models enables us to optimize the energy management of the storage system using the stochastic dynamic programming (SDP) method. We introduce the SDP algorithms and present our optimization results, with a special interest for the effect of the shape of the penalty function on the energy control law. We also present additional energy management applications with SDP (mitigation of wind power ramps and smoothing of ocean wave power). Having optimized the storage energy management, we address the optimization of the storage sizing (choice of the rated energy). Stochastic time series simulations show that the temporal structure (autocorrelation) of wind power forecast errors have a major impact on the need for storage capacity to reach a given performance level. Then we combine simulation results with cost parameters, including investment, losses and aging costs, to build a economic cost function for sizing. We also study storage sizing when the penalization of commitment deviations includes a tolerance threshold. We finish this manuscript with a structural study of the interaction between the optimizations of the sizing and the control of an energy storage system, because these two optimization problems are coupled

La gestion prévisionnelle des réseaux de distribution imposée par les codes de réseaux européens nécessite une connaissance approfondie de leur comportement et implique de prendre en compte la volatilité des énergies renouvelables et les capacités de prévision à l’horizon J-1 de la consommation et de la production. En effet, les valeurs déterministes les plus probables des prévisions ne sont plus suffisantes pour pouvoir prédire et gérer à l’avance un réseau. Une modélisation et une optimisation stochastiques permettent un choix, au plus juste, de paramètres de contrôle.La thèse se concentre la prise en compte, dans la modélisation et l’optimisation, des incertitudes des réseaux de distribution. Une modélisation stochastique de réseau est proposée, elle intègre les incertitudes liées au régleur en charge et aux prévisions de consommation et de production. Les contrôleurs des générateurs, le régleur en charge et les gradins de condensateurs permettent de limiter les fluctuations des tensions des nœuds et de la puissance réactive à l’interface et de respecter les exigences contractuelles. Industriellement, les contrôleurs des générateurs sont caractérisés par des lois de commande linéaires ou linéaires par morceaux. En effectuant des hypothèses sur la nature stochastique des données, on peut montrer que les tensions aux nœuds sont des variables gaussiennes ou des sommes de variables gaussiennes par morceaux. Une optimisation stochastique basée sur ces modèles permet de choisir les paramètres des contrôleurs qui minimisent les risques de surtension et des efforts de générateurs, sans avoir à mettre en œuvre des méthodes coûteuses en temps de calcul de type Monte Carlo
The voltage profiles inside the network and power flows at the transport-distribution interface are modified under the massive insertion of renewable sources in distribution grids. The system’s uncertainties cannot be handled by local controllers which parameters are tuned at the actuator installation stage. A solution, widely accepted in the literature, consists of achieving a centralized optimization of the actuators references (distributed generators reactive powers, reference voltage of the On Load Tap Changer, capacitor banks reactive power). Within this framework, a supervisor computes all references at the same time and delivers the references to each actuators, which requires an efficient and reliable communication system.The main contribution of the thesis is to design an alternative approach which keeps the local control structures which settings will be updated on an hourly basis. The optimization relies on a stochastic representation of the grid that accounts for the On Load Tap Changer uncertainties and day ahead forecasts of the productions and consumptions. It is shown that every variable of the system can be represented by Gaussian or sum of truncated Gaussian variables. A stochastic optimization allows to select the controllers settings that minimize overvoltages and control efforts, without using time-consuming algorithms such as Monte-Carlo methods. This work will demonstrate that an appropriate management of uncertainties spares unnecessary and costly oversizing

La croissance démographique, l'amélioration de la qualité de vie, et l'intensification des activités énergivores influent fortement sur la demande en énergie au travers de la consommation d'électricité sur un territoire. Le recours aux énergies fossiles constitue la solution la plus adoptée dans les milieux insulaires pour satisfaire cette demande. L'envers de cette méthode réside dans la quantité d'émissions de gaz à effet de serre générée au cours de la production d'énergie et la vulnérabilité de ces territoires. Les politiques actuelles ambitionnent l'atteinte de l'autonomie énergétique dans les milieux insulaires à moyen terme, et favorisent l'utilisation des énergies renouvelables pour restreindre les émissions de gaz à effet de serre. Ces travaux ont pour objet de quantifier les impacts environnementaux liés à la production d'électricité de La Réunion afin d'établir un diagnostic territorial. À partir de l'Analyse de cycle de vie et suivant les normes ISO 14044, les centrales de production d'électricité du territoire sont évaluées sous différents impacts environnementaux. La démarche adoptée a été de mettre en place un outil d'évaluation adapté à tout territoire, permettant d'identifier les étapes et les processus fortement contributeurs pour la production de 1 kWh électrique. Les résultats de ce diagnostic servent de points de repère pour élaborer les scénarios de production, établis dans une démarche de modélisation prospective. Huit scénarios proposés ont été développés pour répondre aux contraintes environnementales, techniques, sociales et économiques
Population growth, the raising of the standard of living and quality of life, and energy-intensive activities are key parameters affecting the territory energy demand, through electricity consumption. To meet this demand, reliance on fossil fuels is the main adopted solution, particularly in insular context. The downside of this method is the large amount of greenhouse gas emissions (GHG) emitted, and vulnerability of the territories. Current policies are now in favor of the energy self-sufficiency as a medium-term objective, and put in place measures to support the use of sustainable energy sources to mitigate GHG emissions. This work aims to assess environmental impact of electricity production in Reunion island, to establish a territorial diagnosis. Based on a life cycle assessment approach, according to ISO 14044 standards, varying environmental impacts have been evaluated from existing power plants. An evaluating tool has been developed to identify the most emissive life cycle stage from 1 kWh electricity produced. The obtained results serve as a reference point to develop prospective scenarios. Eight scenarios have been presented and aim to satisfy environmental, technical, social and economic constraints

Nous proposons dans cette thèse, différents outils de réglage de tension et de gestion de la puissance réactive en fonction des conditions de raccordement des éoliennes au réseau électrique. Trois cas figure sont étudiés : raccordement direct sur un poste source de distribution, raccordement des éoliennes réparties dans un réseau de distribution et raccordement d'un ensemble de parcs éoliens au réseau de transport.Un algorithme de réglage basé sur l'asservissement de la puissance réactive est proposé pour le raccordement direct d'un parc sur un poste source. Un réglage coordonné de tension en présence de régleur en charge est proposé (D-RCT) pour le raccordement des éoliennes reparties dans un réseau de distribution. On propose aussi une version plus décentralisée du réglage coordonné (D2-RCT) qui pourrait être implantée sous forme de système multi-agents intelligents (SMA). Un system de control multi-niveaux est proposé pour le raccordement d'un ensemble de parcs éoliens au réseau de transport. Il permet de répondre de manière optimale à une demande puissance réactive envoyée par le gestionnaire du réseau de transport. Les différents types de réglages proposés sont basés sur des algorithmes d'optimisation multi-objectifs. Afin de valider en temps réel le bon fonctionnement des stratégies de réglages développées ainsi que leurs modes de communication, une implantation expérimentale sous simulateur temps réel RT-Lab a été effectuée. Enfin, les résultats des simulations montrent l'amélioration de l'intégration de la production décentralisée dans les réseaux électriques