Cette thèse vise à comprendre l'impact, sur les résultats de conception, des différents choix de modélisation réalisés lors de la conception de microréseaux. Une attention particulière est portée sur la prise en compte du vieillissement et de ses conséquences sur les performances de certains composants des microrésaux (batteries, piles à combustibles, électrolyseurs). Un second focus concerne l’intégration des diverses incertitudes (incertitudes d’environnement ou de modèles) dans les approches de co-optimisation robuste.
Nos contributions clés sont :
- Développement de modèles de composants des microréseaux intégrant l’efficacité et le vieillissement de façon découplée ou couplée (i.e. tenant compte de la dégradation des performances au cours du vieillissement) ;
- Évaluation de l’impact du niveau de précision/coût de calcul des modèles précédents dans la co-optimisation technico-économique de microréseaux ;
- Évaluation de l’impact des incertitudes liées à l’environnement et à la paramétrisation des modèles dans des approches de co-optimisation robuste ;
- Quantification de l’impact de l’horizon temporel et du nombre de scénarios au sein de ces approches ;
- Développement de méthodes d'analyse et de métriques permettant de répondre aux problématiques précédentes dans un cadre multi-objectif ;
- Développement d’un ensemble modulaire d'outils de simulation et d'optimisation pour la conduite de nos plans d’expérience.
La thèse présente une mise en contexte du problème de conception des microréseaux, des motivations pour cette thèse et du positionnement des travaux vis à vis de l'état de l'art. Le chapitre 2 adresse la modélisation des éléments du microréseau avec l’objectif d’intégrer l’efficacité énergétique, le vieillissement et l’impact de celui-ci sur la dégradation des performances. Pour chacun des objectifs de modélisation ciblé, on décline dans ce chapitre un ensemble de propositions allant de modèles « fins » — visant à répliquer le plus fidèlement possible les dynamiques et comportements des composants - à des modèles « grossiers » — à coût de calcul minimal. Le chapitre 3 présente un cas d'étude simple permettant une analyse en profondeur des facteurs de modélisation des batteries et de l'impact sur la conception. Enfin, le chapitre 4 s’inscrit dans un cas d'étude d’un système multi-stockage (batterie, hydrogène). Il propose la mise en place d'outils d'analyse et d’évaluation des facteurs d'impact liés à la modélisation et l'optimisation. Une annexe est également proposée pour décrire le code ayant permis l’implantation de ces expériences. Cette annexe offre un aperçu de l'utilisation, mais surtout de la conception de l'outil. En adressant particulièrement les logiques qui permettent la modularité de l'outil, l’annexe vise à donner des clés aux différents lecteurs qui pourraient vouloir concevoir ce type d'outil.
Les résultats obtenus à l'issue des deux études de cas mettent en évidence :
- La nécessité d’intégrer la perte de capacité de la batterie au cours de son vieillissement ;
- L'importance de la prise en compte des dynamiques de long terme dans la conception, imposant un horizon temporel de l’ordre de la durée de vie. Cette conclusion s’oppose à une pratique couramment utilisée dans la littérature qui consiste à concevoir le microréseau sur une unique année représentative puis d’extrapoler les performances sur la durée de vie ;
- La moindre influence du nombre de scénarios de données sur les objectifs ; cependant, un nombre trop faible peut affecter les décisions de manière significative. Cela suggère qu'un nombre réduit de scénarios sur un horizon temporel significatif pourrait suffire pour capturer les variations statistiques des facteurs environnementaux.
- L’importance d’évaluer l’influence des incertitudes paramétriques dans les modèles, pouvant conduire à des écarts en terme d'objectif comparables aux différents niveaux de finesse de modélisation (pour l’efficacité énergétique et le vieillissement). |
This thesis aims to understand the impact of different modeling choices made during microgrid design on the design outcomes. Special attention is given to accounting for aging and its consequences on the performance of specific microgrid components (batteries, fuel cells, electrolyzers). A second focus is on integrating various uncertainties (environmental or model uncertainties) in robust co-optimization approaches.
We can summarize our main contributions as follows:
Development of microgrid component models incorporating efficiency and aging, either decoupled or coupled (i.e., accounting for performance degradation over aging);
Evaluation of the impact of model precision/computational cost on the techno-economic co-optimization of microgrids;
Assessment of the impact of uncertainties related to the environment and model parameterization in robust co-optimization approaches;
Quantification of the influence of time horizon and number of scenarios within these approaches;
Development of analysis methods and metrics to address the previous issues in a multi-objective framework;
Creation of a modular set of simulation and optimization tools to conduct our experimental plans.
The thesis is organized into four chapters, starting with an introductory chapter presenting the microgrid design problem context, the motivations for this thesis, and the positioning of the work relative to the state of the art. Chapter 2 addresses the modeling of microgrid elements with the aim of integrating energy efficiency, aging, and its impact on performance degradation. For each modeling goal, this chapter outlines a set of proposals, ranging from "fine" models — designed to replicate component dynamics and behaviors as accurately as possible — to "coarse" models — with minimal computational cost. Subsequently, Chapter 3 presents a simple case study for in-depth analysis of battery modeling factors and their impact on design. Finally, Chapter 4 focuses on a case study of a multi-storage system (battery, hydrogen). It proposes the implementation of analysis and evaluation tools for the various impact factors associated with modeling and optimization. An appendix is also provided to describe the code used to implement these experiments. This appendix provides an overview of tool use, but more importantly, its design. By specifically addressing the logics enabling tool modularity, the appendix aims to offer insights to readers who may wish to design such a tool.
The results obtained from the two case studies highlight:
- The need to integrate battery capacity loss over its aging process;
- The importance of considering long-term dynamics in design, requiring a time horizon matching the lifespan. This conclusion contrasts with a common practice in the literature, which involves designing the microgrid over a single representative year and then extrapolating performance over its lifespan;
- The limited influence of the number of data scenarios on the objectives was observed; however, when the number of scenarios is too low, it can significantly affects decisions. This suggests that a reduced number of scenarios over a significant time horizon might be sufficient to capture the statistical variations associated with environmental factors.}}
- The importance of assessing the influence of parametric uncertainties in models was underscored, as they could lead to deviations in objectives comparable to those arising from different levels of modeling precision (e.g., for energy efficiency and aging). |