Ces dernières années, le développement accéléré des énergies renouvelables a permis d'envisager de nouveaux modèles énergétiques basés sur des modes de production décentralisés : l’énergie est produite proche du consommateur et des moyens de flexibilité sont installés pour garantir, à tout instant, l’équilibre entre la consommation et la production. Parmi l’ensemble des solutions envisagées, le stockage est un moyen privilégié pour pallier l’intermittence de la production. Ce dernier peut s’accompagner de stratégie "multi-énergies" qui permettent d’améliorer la performance globale du système en couplant plusieurs vecteurs énergétiques entre eux.
La conception de tels systèmes est un problème complexe car il nécessite l'appréhension d'un grand nombre de paramètres, et ce de manière systémique. Qui plus est, les décisions de dimensionnement doivent être prises alors que de nombreux paramètres sont incertains (e.g., coûts d’investissement, prix de l’énergie, consommation et production futures). Par conséquent, le problème de conception est généralement formulé sous la forme d’un problème d’optimisation où les dimensions des équipements sont les variables de décision du problème à résoudre.
La thèse s’inscrit dans ce contexte en développant des stratégies de conception et de pilotage pour des systèmes multi-énergies. En particulier, le travail s’articule autour de trois axes de recherche principaux. La première partie de la thèse a pour objectif de développer un modèle d’optimisation du dimensionnement dans un cadre déterministe. La résolution d’un tel problème est rapide, ce qui permet d’effectuer des analyses paramétriques. De cette façon, cette partie interroge la pertinence technico-économique de tels systèmes pour alimenter des consommateurs résidentiels avec un taux de production renouvelable croissant.
Ensuite, la deuxième partie de ce travail (qui constitue le cœur de la thèse) s’intéresse au problème de conception sous incertitudes. Pour ce faire, deux méthodes de dimensionnement basées sur la programmation stochastique sont introduites : l'une est basée sur la programmation linéaire et l'autre utilise une métaheuristique. De façon à résoudre le problème d’optimisation en un temps imparti, ces méthodes sont généralement basées sur des versions simplifiées du problème. En particulier, les dimensions des systèmes sont calculées en considérant que la stratégie de pilotage a une connaissance parfaite du futur. L’objectif de cette partie est donc de questionner cette hypothèse en évaluant conjointement les résultats de dimensionnement avec des méthodes de pilotage réalistes qui n’anticipent pas le futur. Ce travail permet également d’étudier plus précisément le lien étroit entre la performance de la loi de gestion et le dimensionnement. Faut-il obligatoirement utiliser la loi de gestion réelle en phase de dimensionnement ? Cette partie tente d'apporter quelques réponses à cette question.
Enfin, la dernière partie de ce travail s’intéresse au problème de dimensionnement dynamique : les systèmes vieillissent et plusieurs décisions de dimensionnement doivent être prises sur l’horizon de l’étude. Contrairement à la plupart des études de la littérature, ce travail introduit l’impact de la loi de gestion sur la durée de vie des systèmes : cette dernière n’est pas fixée a priori, mais dépend de la façon dont le système est piloté au cours du temps. Cette méthode de dimensionnement originale intégrant le vieillissement (qui provient de la littérature) est ensuite comparée à deux heuristiques de conception basées sur une année équivalente.
Pour illustrer l’ensemble de ces travaux, les méthodes sont appliquées à un système décentralisé qui peut inclure des technologies hydrogène (i.e., pile à combustible, électrolyseur et stockage) où la chaleur produite par cogénération est valorisée pour alimenter des besoins en chaud.
|
With the growing integration of variable renewable energy (VRE) sources into the conventional power grid, the concept of distributed energy systems (DES) has emerged: the energy is produced close to the end-user and flexibility means are included in the system to supply energy demands at any time. Among the considered options, storage systems along with multi-energy strategies tend to be promising directions to mitigate the production variability by coupling the energy carriers with each other.
Planning the design of such systems is a challenging task because the problem displays multiple facets that are difficult for policy- and decision-makers to address in a systemic manner. Also, decisions are made while many parameters remain uncertain (e.g., future investment costs, energy prices, demands and production) as their values progressively unfold over time. Therefore, mathematical tools are often needed to provide decision support regarding several techno-economic requirements: the problem is most of the time expressed in a form of optimization problems where decision variables are the sizes of the equipment.
This work addresses this issue by developing a generic framework to assess and compare different design and operation strategies for multi-energy systems. Then, three critical questions are tackled using this framework. In the first part of the thesis, the deterministic design model is built. Solving such model is fast and allows running parametric analysis to assess the value of multi-energy systems and seasonal storage to supply residential customers with a high share of solar production.
Then, the second part of this work addresses the design of DES under uncertainties. To this end, two design methods based on stochastic programming are developed: one is based on mathematical programming and the other uses a metaheuristic algorithm. In order to solve the problem in a reasonable time, these methods are usually based on simplified versions of the problem. In particular, sizing values are computed assuming perfect foresight of the operation strategy for a given scenario. The main objective of this part is to challenge this hypothesis by jointly evaluating the design solutions with realistic operation policies which only have access to past and current information. In addition, this work aims at further investigating the close relationship between operation and design. Is it absolutely necessary to use the real-time operation strategy to design the system? This part attempts to clarify this issue.
Finally, the last part of this work deals with the dynamic design of DES. In this case, the model takes technology replacement due to aging into account, so multiple design decisions must be made over the horizon. Unlike the majority of studies, the optimization model includes the impact of the operation over system lifetimes: the latter are not fixed a priori, but they depend on the way technologies are operated over time. The aware aging method (which comes from the literature) is then compared with two heuristic design strategies based on single representative years.
All the previous methodological developments are applied to a DES which may include a set of hydrogen units (i.e., fuel cell, electrolyzer and storage tank) where the cogenerated heat can be recovered to supply thermal energy demands.
|