Commande prédictive désynchronisée pour le contrôle d'une grande population de systèmes thermostatiques

Ce mémoire porte sur la modélisation et sur le contrôle d'une grande population de systèmes thermostatiques (TCLs) contrôlés individuellement par une commande prédictive. Le contrôle d'une grande population de systèmes o˙re beaucoup d'opportunités telles que le contrôle en fréquence, le suivi de charges, l'équilibrage énergétique qui peut contribuer à l'amélioration de la stabilité du réseau électrique. Les TCLs sont aussi un moyen d'absorber la production fluctuante d'énergie renouvelable générée par des éoliennes, fermes de panneaux solaires. De plus, la plupart des TCLs, comme les chau˙ages, les climatiseurs, les chau˙e-eaux, les réfrigé-rateurs, ont une consommation d'énergie flexible et élastique en termes de performances. Les TCLs sont considérés comme des éléments importants pour gérer la régulation de la charge, et plus particulièrement peuvent jouer un rôle majeur pour réduire la consommation de pointe et combler les creux de consommation. Ils sont aussi des éléments d'ajustement dans le cadre d'une tarification dynamique de l'énergie dans un réseau électrique intelligent. Le contrôle d'une grande population de systèmes thermostatiques est un problème qui est abordé depuis longtemps et qui continue d'attirer l'attention des chercheurs dans la littérature actuelle. Un des défis majeurs du contrôle d'une grande population de TCLs est la synchronisation des appareils entre eux. Un tel phénomène peut apparaître après une panne de courant, et cela implique des pics de puissance et des oscillations de puissance dans le réseau. Pour aborder ce problème, ce mémoire développe deux méthodes décentralisées qui vont hétérogénéiser individuellement le processus de prise de décision des MPC. Ces deux méthodes consistent à ajouter un délai aléatoire dans la trajectoire de référence et pénaliser aléatoirement la fonction objectif du MPC. Ces méthodes ont été validées dans le contexte du contrôle des ventilateurs de serveurs dans les centres de données. Typiquement, un centre de données est construit à des fins commerciales et abritent des centaines voire des milliers d'étagères pour stocker les serveurs informatiques, qui elles-mêmes peuvent contenir des dizaines de serveurs, ce qui représente une grande population homogène de TCLs. Un modèle thermique dynamique permet de représenter le comportement thermique à l'intérieur des serveurs, et un contrôleur MPC décentralisé permet le contrôle de la température de ceux-ci. Pour ca-ractériser la désynchronisation des TCLs contrôlés par MPC, un modèle composé d'une paire d'équations de transport semi-linéaires couplées est utilisé, en plus des simulations de Monte-Carlo. Les simulations numériques montrent que le comportement global obtenu grâce à cette paire d'équations di˙érentielles correspond aux résultats générés par les simulations de Monte-Carlo. Ceci confirme la validité de l'approche utilisée.

Abstract

This thesis addresses the modeling and control of large populations of thermostatically con-trolled loads (TCLs) operated by model predictive control (MPC) schemes at the level of each TCL. Aggregates of large populations of TCLs can be managed to offer auxiliary services, such as frequency control, load following, and energy balancing, which can contribute to maintaining the overall stability of power networks. TCLs can also provide a means for absorbing the fluctuations of renewable energy generated by, e.g., wind turbines and solar photovoltaic plants. Moreover, due to the fact that most of the TCLs, including space heaters, air conditioners, hot water tanks, and refrigerators, exhibit flexibilities in power demand for their operation and elasticities in terms of performance restrictions, they are considered to be one of the most important Demand Response (DR) resources that can provide such features as power peak shaving and valley filling and enable dynamic pricing schemes in the context of the Smart Grid. Indeed, control of aggregated TCL populations is a long-time standing problem, which continues to attract much attention in the recent literature. A critical issue in the operation of a large population of TCLs is the occurrence of synchronization due to the phenomenon of cold load pickup, which may result in high power demand peaks and load oscillations. To tackle this problem, this thesis developed two fully decentralized schemes that would randomize the decision-making process of the MPC individually by each TCL, namely adding random delays in reference signal and extra penalizations on MPC objective functions. The proposed control schemes are validated in the context of the operation of fans in server enclosures in datacenters. Typically, data centers are built from general purpose commercially available o˙-the-shelf (COTS) processors. A data center may have hundreds or even thousands of server racks; each may host several tens of server enclosures, which represents a large population of homogenous TCLs. The thermal dynamics of the fans has been established, and a decentralized MPC control scheme has been designed for the control of a large population of fans. To characterize desynchronized MPC-based TCLs control schemes, a model governed by a pair of coupled semi-linear transport equations for describing the dynamic behavior of the population has been developed, in addition to Monte-Carlo simulations. Numerical simulation studies show that the aggregate behavior derived from this partial differential equation (PDE) model fits well with the results generated by the Monte-Carlo simulation. This confirmed the validity of the proposed approach.