Two-Stage Stochastic Optimization for Peak Load Reduction in Smart District Microgrid

Les microréseaux offrent une diversité de ressources énergétiques distribuées pour fournir de l'électricité aux propriétaires de bâtiments, et ainsi contribuer à la réduction de la facture énergétique et les émissions de gaz à effet de serre. En effet, les sources d'énergies renouvelables sont propres et peu coûteuses, mais elles ont la particularité d'avoir un caractère intermittent. Pour la clientèle de grande puissance, les microréseaux peuvent également contribuer à l'écrêtage de la demande de pointe locale. Cependant, définir le dimensionnement et l'opération optimaux d'un microréseau compte tenu des incertitudes liées à la génération et à la consommation est un grand défi. Ces incertitudes doivent être adéquatement modélisées pour la gestion optimale d'un microréseau. L'optimisation stochastique offre un cadre approprié pour l'ople dimensionnement et l'opération du microréseau dans un contexte incertain. Ce-pendant, il existe un besoin accru pour le développement d'approches de génération et de réduction de scenarios pour limiter le temps de calcul de tels problèmes. Dans cette étude, un problème d'optimisation stochastique en deux étapes comprenant le dimensionnement et le fonctionnement d'un microréseau pour la réduction de la charge de pointe est proposé. Un réseau antagoniste génératif (GAN) a été proposé pour générer des scénarios de profils de puissance PV et de demande électrique. En raison d'un grand nombre de scénarios, la technique de réduction de scénarios K-medoids a été appliqué. Les résultats du cas d'étude d'un campus canadien ont démontré que la méthode proposée réduisait les coûts ainsi que la demande de pointe en utilisant des systèmes de production d'énergie PV et du stockage sur batterie.