Demand response for smart homes

Problèmes dans l'opération de la transmission d'électricité, surcharge, émission de carbone sont, entre autres, les préoccupations des gestionnaires de réseaux électriques partout dans le monde. Dans ce contexte, face au besoin de réduire les coûts d'exploitation ainsi que le besoin d'adaptation aux différentes exigences de qualité, de sécurité, de flexibilité et de durabilité, les réseaux intelligents sont considérés comme une révolution technologique dans le secteur de l'énergie électrique. Cette transformation sera nécessaire pour atteindre les objectifs environnementaux, intégrer la participation de la demande, appuyer l'adoption de véhicules électriques et hybrides ainsi que la production distribuée à basse tension. Chaque partie prenante dans le processus de gestion de l'énergie peut avoir des avantages avec le réseau intelligent, ce qui justifie son importance dans l'actualité. Dans ce travail, on se concentre plutôt sur l'utilisateur final. En plus de l'utilisateur final, nous utilisons également l'agrégateur, qui est une entité qui agrège un ensemble d'utilisateurs de sorte que l'union de leurs participations individuelles devienne plus représentative pour les décisions relatives au système d'énergie. La fonction de l'agrégateur est d'établir un engagement d'intérêts entre les utilisateurs finaux et l'entreprise de génération afin de satisfaire les deux parties. L'une des contributions principales de cette thèse est la mise au point d'une méthode qui donne à un agrégateur la possibilité de coordonner la consommation d'un ensemble d'utilisateurs, en maintenant le niveau de confort souhaité pour chacun d'entre eux et en les encourageant via des incitations monétaires à changer ses consommations, de sorte que la charge globale ait le coût minimal pour le producteur. Dans la première contribution (chapitre 4), ce travail se concentre sur le développement d'un modèle mathématique représentatif pour la planification des équipements d'un utilisateur. Le modèle intègre des modèles détaillés et fiables pour des équipements spécifiques tout en conservant une complexité telle que les solveurs commerciaux puissent résoudre le problème en quelques secondes. Notre modèle peut donner des résultats qui, comparés aux modèles les plus proches de la littérature, permettent des économies de coûts allant de 8% à 389% sur un horizon de 24 heures. Dans la deuxième contribution (chapitre 5), l'accent a été mis sur la création d'un cadre algorithimique destiné à aider un utilisateur final particulier dans son processus de décision lié à la récupération d'investissement sur l'acquisition d'appareils ou d'équipements (composants) intelligents. Pour un utilisateur spécifique, le cadre analyse différentes combinaisons de composants intelligents afin de déterminer lequel est le plus rentable et à quel moment il convient de l'installer. Ce cadre peut être utilisé pour encourager un utilisateur à adopter un concept de maison intelligente réduisant les risques liés à son investissement. La troisième contribution(chapitre 6) regroupe plusieurs maisons intelligentes. Un cadre algorithimique basé sur les programmes de réponse à la demande est proposé. Il utilise les résultats des deux contributions précédentes pour représenter plusieurs utilisateurs, et son objectif est de maximiser le bien-être social, en tenant compte de la réduction des coûts pour un producteur donné ainsi que de la satisfaction de chaque consommateur. Les résultats montrent que, du point de vue du producteur, la courbe de charge globale est aplatie sans que cela ait un impact négatif sur le confort des utilisateurs ou sur leurs coûts. Enfin, les expériences rapportées dans chaque contribution valident théoriquement l'efficacité des approches proposées.