Lissage optimal de la charge électrique en présence de sources d'énergies renouvelables via le pilotage de la consommation des chauffe-eau

La lutte contre le réchauffement climatique arrive en tête des préoccupations actuelles de la communauté internationale. De nombreux mouvements politiques poussent les gouverne-ments des pays industrialisés à mettre en place des législations favorisant l'adoption d'énergies renouvelables et diminuant leur dépendance à des sources d'énergie issues des combustibles fos-siles. Cette transition énergétique comporte des enjeux, entre autres, sur le plan de la gestion du réseau électrique en raison de l'intermittence des sources d'énergie renouvelables. Le déve-loppement des programmes de gestion de la charge dans les smart grid permet aux opérateurs des réseaux électriques de contrôler des charges résidentielles dispersées sur l'ensemble du ré-seau de façon à atténuer l'intermittence de la production des sources d'énergie renouvelables. Le projet smartDESC répond à ce besoin en proposant une méthodologie innovatrice de gestion de la capacité de stockage d'énergie thermique des chauffe-eau résidentiels. Cette méthodologie est hiérarchique dans le sens où le contrôle de la charge des chauffe-eau se fait en deux phases. La première phase, dans laquelle s'inscrit cette thèse, consiste en une méthodologie de contrôle central d'un modèle agrégé d'une population de chauffe-eau de grande taille, tandis que la deuxième phase consiste en un ensemble de contrôleurs locaux qui contrôlent individuellement la consommation électrique des chauffe-eau. Ces contrôleurs locaux sont guidés par la politique optimale dictée par l'unité de calcul centrale. Le contrôle central se fait au moyen d'un modèle d'optimisation qui calcule le profil de consom¬mation électrique optimal des chauffe-eau à court terme, et ce, en tenant compte de l'incerti¬tude de prévision de la production éolienne, qui est la source d'énergie renouvelable que nous traitons tout au long de cet ouvrage. Dans la première partie de la thèse, nous proposons une méthode de prévision de la production éolienne issue des prévisions d'ensemble que fournit Environnement Canada. Cette méthode consiste à projeter les prévisions d'ensemble calculées à très faible hauteur au-dessus du niveau du sol à la hauteur du moyeu des éoliennes au moyen d'un modèle de régression. Ce dernier a été entraîné sur des données fournies par notre partenaire industriel WPred. Cette méthode est efficace pour la représentation de l'erreur de prévision, rendant la prise de décision robuste face à l'incertitude de la production éolienne. Cette étape ouvre la voie à la deuxième partie, où nous présentons un modèle d'optimisation stochastique multi-étapes qui calcule le profil de consommation optimal d'un modèle agrégé de chauffe-eau à la lumière de ces prévisions de la production éolienne. Ce modèle est résolu sur un horizon de 24 heures par horizon glissant. Les résultats issus d'une simulation avec des données de prévisions sur 30 jours montrent que l'approche proposée permet de réaliser en moyenne une réduction quotidienne de la fluctuation de la demande nette et de la pointe de charge dépassant 60% et 9% respectivement. Étant donné que le modèle d'optimisation traite un modèle agrégé de chauffe-eau, la solution obtenue est parfois exigeante par rapport à la capacité réelle de stockage des chauffe-eau. La dernière partie de la thèse consiste donc à présenter la preuve de convergence d'un algorithme itératif qui corrige la solution issue de l'unité de calcul centrale selon la capacité de stockage que les contrôleurs locaux peuvent exploiter.