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

Imagine you have just discovered a workable resource in the north of Québec (Canada), which is 1000 km away from any electrical grid. You will rapidly wonder how to supply electricity to exploit it. The high extension cost of the grid leaves only one alternative: to produce the energy locally and autonomously. As mining increases in remote areas in wide countries such as India or China, the number of such isolated sites will rise. Experts predict an energy market of \$10B for this type of site by 2020. Traditionally electricity was guaranteed by diesel generation. This technology is easy to implement but is also very expensive because of fuel price and transportation. Moreover it is in opposition to the objective of increased use of green energy. The use of wind turbines in remote areas in order to reduce fuel consumption by wind was proposed in 1990s. After some years of adjustment, this technology was mature and is now widely used in Alaska off-grid sites. Batteries have recently known great progress and are a solution against wind intermittency. Its may further reduce the use of diesel generators. Thus a lot of models composed of wind, diesel and batteries have been developed to determine their potential and feasibility. These hybrid systems can work only because of an operation strategy. This strategy is established by deciders and states the rules of the system: when and how dispatching energy from the 3 elements. The challenge in hybrid systems optimization is to find both optimal sizing and optimal strategy, which are linked and influence each other. Additionally the optimization is made through stochastic wind and load data's. We use Mixed Integer Programming (MIP) in order to eliminate the need to choice a strategy. Because we give what the wind and load would be for a whole year, MILP find optimal sizing and optimal dispatch for this year. It is not a strategy but what we would have done at each hour in the year to have the perfect dispatch. One year optimal dispatch represents the reference from which data mining will be applied to get an appropriate strategy. Our approach of MIP and data mining coupling which we call OGESO for Off-Grid Optimization Electricity Supply Optimization is new and make hybrid system used more effectively with this more accurate strategy. Thus system works cheaper and project costs are better than simulation softwares usually used in hybrid system design like HOMER.

Résumé

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.