Agrégation d'un grand nombre de petites charges en incluant l'incertitude de la disponibilité des ressources

Le réseau électrique en continuel changement demande une gestion des ressources efficace pour assurer sa stabilité. Avec la nouvelle technologie de communication et les nouvelles ressources d'énergie renouvelables, la gestion du réseau électrique fait face à de nombreux défis. On anticipe une croissance de l'utilisation de la voiture électrique dans les années à venir. Si la recharge des voitures ne se fait pas de façon intelligente, on pourra observer une forte croissance de la demande énergétique en heure de pointe. Grâce à des programmes de Gestion de la demande (Demand Response (DR)), les clients peuvent adapter leur consommation d'électricité en échange d'incitatifs. Une requête de DR envoyée à un client lui permet d'adapter sa consommation d'électricité selon les besoins de l'utilité. Les producteurs d'électricité sont appelés utilités dans cette recherche. Les secteurs résidentiel et commercial offrent un grand potentiel pour les programmes de DR, car ensemble ces secteurs représentent près d'un tiers de la consommation totale. Bien que ces secteurs offrent un grand potentiel, l'exploitation de ceux-ci comporte également de grands défis. Un grand nombre de clients consommant de petites charges doivent être gérés efficacement. C'est pourquoi les agrégateurs sont introduits en tant qu'intermédiaires entre l'utilité et les consommateurs. Le rôle des agrégateurs est de faire la gestion des programmes de DR avec les clients. Grâce à eux, les requêtes de DR sont distribuées parmi les clients dans le but de satisfaire la requête d'utilité. La requête d'utilité quant à elle est une commande de réduction ou d'augmentation de la consommation globale dans le but d'équilibrer la production et la consommation d'électricité. Le problème connu de répartition économique est utilisé comme référence pour développer le modèle mathématique de distribution des requêtes de DR. Ce problème de base est trivial à résoudre et ne comporte pas de complexité. Par contre, la difficulté résulte du fait qu'il existe une certaine probabilité qu'un client ne réponde pas à la requête de DR. Lorsqu'un client répond à une requête, cela signifie que le client adapte sa consommation selon la requête. S'il ne répond pas à la requête, cela signifie qu'il n'adapte pas sa consommation. L'agrégateur doit donc distribuer plus de requêtes de DR pour pallier l'incertitude de la réponse. L'objectif de cette recherche est de modéliser un problème mathématique réaliste de l'agrégateur en incluant l'incertitude de la réponse des clients. Le modèle est résolu trois fois par jour pendant une semaine. Les résolutions sont interreliées pour éviter d'envoyer les requêtes de DR toujours aux mêmes clients. Comme les requêtes de DR requièrent un coût, l'agrégateur doit faire une distribution de façon à minimiser ses coûts tout en assurant le respect de la requête d'utilité.