Work

Génération distribuée dans un réseau électrique intelligent: une approche suivant la théorie des jeux.

Year: 2015
Type: dissertation
Abstract: Le réseau électrique actuel évolue pour devenir une combinaison de plusieurs microsources interconnectées, combinant des sources d'énergie solaire, des sources d'énergie éolienne, ainsi que d'autres \nsources d'énergie renouvelable. L'utilisation de telles microsources dans le réseau électrique pose \nencore des problèmes vu leur nature intermittente et stochastique. Les énergies renouvelables promettent \nde répondre à la demande croissante en énergie tout en réduisant les émissions de carbone. \nL'utilisation des énergies renouvelables pour satisfaire toute la demande d'électricité au même coût \nque la parité réseau n'est pas encore possible à cause du coût élevé d'investissement, d'où la nécessité \nde trouver un compromis entre l'utilisation de deux sources d'énergie, l'une renouvelable et l'autre \nnon renouvelable, ce qui permettrait aux consommateurs d'avoir l'électricité à un coût abordable \ntout en réduisant les émissions de carbone. La théorie des jeux a fait ses preuves dans différents \nchamps d'application et commence de plus en plus à être vue comme un des cadres mathématiques \nles plus prometteurs pour résoudre ce type de problèmes dans le contexte des réseaux électriques \nintelligents. Les approches évolutionnaires ont été largement déployées comme des méthodes de \nrecherche heuristiques pour résoudre et optimiser des problèmes scientifiques complexes. \nL'utilisation des microsources devient une nécessité non seulement pour répondre à la demande \nen électricité, mais aussi pour réduire les émissions de carbone. Pourtant, il n'existe pas encore un \nmécanisme efficace de distribution de l'électricité. Cette thèse propose deux algorithmes de distribution \nd'électricité en supposant l'existence d'un marché libre où plusieurs microsources peuvent \nalimenter plusieurs consommateurs. Le premier est un mécanisme de tarification basé sur la théorie \ndes jeux de potentiel. Le deuxième est un modèle analytique basé sur le modèle de Stackelberg avec \nplusieurs meneurs et plusieurs suiveurs, chacun avec plusieurs fonctions objectives. Nous avons développé \nun algorithme basé sur les algorithmes évolutionnaires pour trouver les stratégies Pareto \noptimales pour maximiser le profit des meneurs tout en minimisant les émissions de carbone. Nous \navons implémenté différents scénarios de distribution et de marchés par le biais des simulations \npour les deux mécanismes. Nous avons aussi examiné plusieurs paramètres de performance tels que \nles pertes de ligne, le profit des producteurs d'électricité et le niveau des émissions de carbone. \nLes résultats obtenus suggèrent que l'utilisation d'un mécanisme de distribution d'électricité en \ntemps réel améliore l'efficacité du réseau. Ils démontrent que notre modèle prend en compte les \npertes de ligne, le coût en temps réel et le niveau de production pour optimiser le coût global de \nla production, maximiser les profits et minimiser les émissions de carbone. Le modèle proposé sera \ntrès utile pour la gestion de la demande en temps réel. \nFuture power grids are anticipated to be a combination of interconnected microsources leveraging \nsolar, wind, and plug-in electrical vehicles. However, connecting microsources to the power grid \nentails the issue of tradability due to their sporadic and stochastic nature, as typically witnessed \nwith renewable energy sources. The emergence of microsource holds promise to reduce the carbon \nemissions and exploit more renewables in order to meet the worldwide growing electrical energy \ndemands. However, there exist several challenges such as optimizing the tradeoff between the use of \nrenewable and non renewable energy sources to leverage affordable electric power, while minimizing \ncarbon emissions. On the other hand, game theory is viewed as one of the promising analytical \nframeworks to deal with the aforementioned issues in the context of smart grids. Game theoretic \napproaches have been widely used in various scientic domains and recently also increasingly in \nsmart grids, whereby evolutionary paradigms have been widely deployed as a popular heuristic \nsearch method to solve and optimize complex real-life scientic problems. A promising approach is \nthe development of such evolutionary algorithms and game theoretic approaches in the context of \nopen energy markets. \nThe need for microsource becomes a necessity in order to meet the growing demand of electricity. \nHowever, there is still much debate on how the electricity trading should be coordinated in Smart \nGrid and the use of renewable energy sources (RESs). This thesis proposes two trading schemes \nfor an anticipated open energy market where multiple utility companies feeding multiple consumers coexist. The fist mechanism is a pricing mechanism for interconnected smart microsources \nbased on potential game theory. The second algorithm is an analytic model of a multi-leader and \nmulti-follower Stackelberg game approach based on a bi-level hybrid multi-objective evolutionary \nalgorithm (BL-HMOEA) to find optimal strategies that maximize the profit of utilities and minimize \ncarbon emissions in an open energy market among interconnected microsources.We implement \ndifferent scenarios of trading mechanism and markets by mean of analysis and simulation of both \nmodels. This study examines several performance metrics, such as total power losses, profit of \nutilities and carbon emissions. \nThe obtained results suggest that the adoption of a real-time decentralized electricity trading \nmechanism is proved to be more effective and shows that our model captures the energy losses, \nreal-time cost, and production to optimize the overall losses and total production costs in an open \nenergy market. The proposed models will be most beneficial for handling demand side management \nin real time.
Language: French
Open Access status: green
OpenAlex ID: W217876377
Cites: 38
Cited by:
Related to: 8