Distributed Energy Management in a Network of Prosumers with Thermal Loads Participating in Demand Response Programs

Face à la demande croissante d'énergie et aux préoccupations liées au réchauffement climatique, les réseaux électriques, en particulier les réseaux intelligents, s'orientent depuis peu vers l'utilisation de micro-réseaux (MG) intégrant des ressources énergétiques renouvelables (RESs). Le réseau de micro-réseaux (N-MGs) est un concept nouvellement développé qui vise à contribuer au programme de réponse à la demande et à réduire les coûts d'exploitation des MGs tout en répondant à la demande énergétique. La gestion de l'énergie en présence du caractère intermittent des sources d'énergie renouvelable des sources d'énergie renouvelables, la préservation de la confidentialité des MGs données et la fiabilité du réseau sont quelques-uns des défis auxquels les N-MGs sont confrontés. Compte tenu des défis cités ci-dessus, cette thèse aborde ces aspects dans un contexte hiérarchique et pair-à- pair, tout en l'appliquant à différents secteurs.. En raison de leur économies d'énergies et de leur contribution aux programmes de réponse à la demande, ce travail se concentre principalement sur les réseaux de bâtiment intelligents et des serres agricoles intégrés avec des des microréseaux. Cependant, les méthodes proposées peuvent être généralisées à tous les types des MGs. Dans la première contribution (Chapitre 4), cette thèse aborde le problème de la gestion de l'énergie dans les bâtiments résidentiels intégrant des ressources énergétiques distribuées et des véhicules électriques. Ce chapitre modélise d'abord un bâtiment résidentiel à logements multiples combinant des panneaux photovoltaïques installés sur le toit et des véhicules électriques. Ensuite, il reformule le problème de gestion de l'énergie en un problème d'optimisation du contrôle prédictif, en tenant compte des contraintes du bâtiment et des véhicules électriques et du confort des occupants. La seconde contribution (Chapitre 5) aborde le comportement stochastique des sources d'énergie renouvelables dans les réseaux à micro-réseaux selon une architecture pair-enpair et hiérarchique. Ce chapitre propose d'abord une approche distribuée pour résoudre l'optimisation stochastique avec une distribution connue. Il formule ensuite le problème de gestion de l'énergie du réseau sous la forme d'une optimisation stochastique en deux étapes. Dans la première étape, l'objectif est de trouver les valeurs optimales des températures intérieures. Dans la deuxième étape, le but est de minimiser la puissance achetée sur le réseau principal en présence de comportements stochastiques des ressources énergétiques renouvelables. La troisième contribution (Chapitre 6), on considère le problème du contrôle énergétique distribué dans un réseau hiérarchique de serres agricoles. Chaque serre possède plusieurs soussystèmes qui contrôlent les conditions climatiques intérieures pour la croissance des plantes, ce qui rend le contrôle des serres plus complexe que celui des bâtiments. Pour contribuer aux programmes effacement de la demande, la coordination des serres est essentielle. Ce chapitre présente une méthode distribuée dans laquelle l'agrégateur, entité représentant ce réseau sur le marché, coordonne les serres agricoles et gère des ressources partagées. Dans cette méthode, différentes stratégies d'économie d'énergie linéaires et non linéaires telles que l'écrêtage et le déplacement de la charge sont utilisées pour améliorer les performances du réseau. Enfin, les simulations réalisées dans chapitres valident, les performances des approches proposées, qui, en raison de leur vitesse de convergence et de leurs réponses rapides, peuvent être utilisées dans des applications pratiques en temps réel.

Abstract

Facing the growing demand for energy and global warming concerns, power system grids, especially smart grids, are recently moving toward using microgrids (MGs) integrated with renewable energy resources (RESs). Network of microgrids (N-MGs) is a newly developed concept that aims to contribute to the demand response program and reduce MGs' operating costs while meeting their loads' needs. Managing energy in the presence of stochastic behaviors of RESs, preserving the privacy of MGs, and having a reliable network are some of the challenges these N-MGs face. Given the above challenges, this dissertation addresses them in various hierarchical and peerto-peer network topologies with MGs with different applications. Due to their potential to save energy and contribute to the demand response programs, this work mainly focuses on networks of buildings and greenhouses integrated with RESs. However, the proposed methods and frameworks can be generalized to all types of MGs. In the first contribution (Chapter 4), this dissertation discusses the energy management problem in residential buildings integrated with RES and electric vehicles (EVs). This chapter first models a multi-unit residential apartment combined with roof-installed photovoltaic panels and EVs. Afterward, it reformulates the building energy management problem to a model predictive control optimization problem, considering the building and electric vehicles constraints and occupants' comforts. The second contribution (Chapter 5) tackles the RES stochastic behaviors in peer-to-peer and hierarchical network topologies. This chapter first proposes a distributed method for solving two-stage stochastic optimization with known distribution and proves its convergence. It then formulates the network energy management problem as a two-stage stochastic optimization and decomposes it to the level of each MG by using the proposed method. In this framework, there are several coordinators for the coordination ofMGs depending on the network topology. The third contribution (Chapter 6) addresses the distributed energy control in a hierarchical network of greenhouses. Each greenhouse has several subsystems that control the indoor climatic conditions for plant growth, making controlling greenhouses more complex than the buildings. To contribute to the demand response programs, the coordination of greenhouses is essential. This chapter presents a distributed method in which the aggregator, an entity representing this network in the market, coordinates the greenhouses and manages the shared resources. In this method, different linear and nonlinear energy-saving strategies such as load shaving and shifting are used to enhance the network's performance. Finally, the simulations in each chapter validate, in theory, the performance of proposed approaches, which due to their fast convergence rate and responses, can be used in real-time applications.