Optimal Allocation of Demand Response Through Aggregators Considering the Transmission System Topology

La participation croissante des sources d'énergie renouvelables dans le réseau électrique entraîne de nouveaux défis opérationnels, tels que la fluctuation de la production des énergies renouvelables ainsi que la difficulté de prévoir adéquatement leur production. Il est donc nécessaire de trouver des moyens efficaces pour trouver des façons d'ajuster la demande, malgré sa nature distribuée dans le réseau. Les agrégateurs peuvent être utilisés pour gérer un ensemble de ces ressources dites de gestion de la demande de puissance (en anglais, “demand response”), facilitant ainsi leur utilisation par l'opérateur indépendant du système. Cependant, la conception des agrégateurs et la décision sur comment allouer leurs ressources sont des problèmes importants. Un des aspects qui nécessite plus d'attention est l'impact de la topologie du réseau électrique sur ces décisions. Notre première contribution est un modèle d'optimisation à court terme pour l'allocation des ressources gestion de la demande de puissance (DR) ainsi que des ressources de production pour satisfaire la demande externe qui est offerte après que la décision de génération soit prise. Les ressources de DR ne pourront être utilisées qu'après la décision de la génération. Enfin, notre travail tient également compte de l'impact de la congestion du système de transmission lors de l'allocation des ressources DR. Des tests numériques avec les études de cas IEEE 96-RTS et ACTIVSG500 montrent que l'utilisation de la DR aide à gérer la congestion du système de transmission, permettant ainsi aux générateurs de satisfaire à une plus grande demande externe. Dans notre deuxième contribution, nous considérons les incertitudes liées à la production d'énergies renouvelables et à l'offre de demande externe. En outre, nous ajoutons une autre couche de complexité au problème en considérant le problème d'engagement des unités de production. Cela conduit à un problème mixte stochastique semi-défini, qui est assez difficile à résoudre. Afin de résoudre ce problème, nous appliquons la décomposition de Benders généralisée (GBD), ce qui nous permet de surmonter la complexité du problème original. Comme l'algorithme GBD a souvent un taux de convergence lent, nous avons utilisé différentes méthodes d'accélération pour améliorer sa performance. Nous montrons également que toutes les méthodes employées contribuent de manière significative à la diminution du temps de résolution. En particulier, la méthode des coupes Pareto-optimales contribue le plus à l'amélioration des performances de l'algorithme GBD. Nous évaluons ces méthodes en résolvant plusieurs instances de notre problème avec la grille de test IEEE 96-RTS. Comme les programmes de DR jouent un rôle plus important dans l'opération du réseau électrique, à la fois à court et à long terme, le problème de son allocation optimale devient primordial. Pour cette raison, notre contribution finale est une étude détaillée des travaux existants qui adoptent une approche intégrée pour planifier de manière optimale l'opération du réseau électrique et l'utilisation de la DR. Nous présentons les différentes approches pour résoudre ce problème ainsi que les recherches futures possibles sur ce sujet.