Optimisation de la stratégie et du dimensionnement des systèmes hybrides éoliens, diesel, batterie pour sites isolés

Imaginons que nous venons de découvrir une ressource exploitable dans le nord du Québec (Canada) à environ 1000 km de tout réseau d'approvisionnement en électricité. Nous allons rapidement nous demander comment fournir l'électricité nécessaire à son exploitation. La construction et l'entretien d'une ligne de transport jusqu'au réseau le plus proche rendrait le projet non rentable. La seule solution envisageable est de produire l'électricité de manière locale et autonome. Ce besoin concerne de nombreux sites isolés dans le monde parmi lesquels des villages autochtones, stations de communication, sites d'extraction de matière première ou encore camps militaires . Les experts prévoient ainsi un marché de 10 milliards de dollars vers 2020 pour l'approvisionnement en énergie de ces sites isolés. Les sites isolés sont traditionnellement alimentés en électricité par des génératrices diesel très coûteuses en carburant et de par son acheminement. En plein essor et poussé par une volonté d'énergie renouvelable, l'éolien a commencé à être implanté dans les années 1990. Quelques années de mise au point ont été nécessaires pour que cette technologie soit maintenant parfaitement implantée dans quelques sites isolés. Avec les progrès effectués, le stockage par batteries devient une solution insistante pour palier à l'intermittence de l'éolien et donc réduire encore plus l'utilisation des génératrices diesel. De nombreux modèles de systèmes hybrides diesel - éolien - batterie ont ainsi été développés pour déterminer leur potentiel et leur faisabilité. A cause de l'hybridation, ces modèles exigent une stratégie de contrôle pour déterminer à chaque instant la répartition de la fourniture d'électricité entre les trois éléments. Le défi de l'optimisation des sites isolés est de de trouver simultanément le dimensionnement et la stratégie de contrôle. Dans notre approche nommée OGESO pour Off-Grid Electricity Supply Optimization, nous modélisons le système hybride à l'aide de la programmation linéaire en nombres entiers (PLNE). La résolution de ce modèle sur des données horaires déterministes d'un an de demande et de vent nous permet d'obtenir le dimensionnement et la répartition optimale pour cette année de données sans avoir à fixer de stratégie. Nous appliquons ensuite l'extraction de données (data mining) à cette répartition optimale d'un an afin d'en extraire une stratégie appropriée. Notre approche couplant PLNE et data mining est nouvelle et permet de lier l'optimisation de la stratégie à celle du dimensionnement. Grâce à cette stratégie adaptée, nous exploitons mieux le potentiel des systèmes hybrides et nos systèmes sont mieux optimisés que par les logiciels usuels de simulation comme HOMER.