Techno-economic modelling and optimisation methods for the planning of multi-energy systems
Méthodes de modélisation et d’optimisation technico-économique pour la planification de systèmes multi-énergies
Résumé
Environmental concerns as climate change urge politics to act for decarbonizing our economy. Locally, researchers, companies, municipalities and individuals try to reach more performant energy system and replacement of fossil fuels by renewables or fatal sources. This work can lead to transformations in sectors such as industry, mobility, local energy production, micro-grids, and district heating and cooling networks.The recourse to intermittent energy sources, and the pursuit of synergies between energy vectors and between needs increase the complexity of current systems, which can include multiple production, conversion and storage technologies. Numerous technologies exist: solar panels, wind turbines, cogeneration, boilers, electrolysers, batteries, thermal storages etc. Hence, designing such systems is a difficult task and further conditions their economic and ecological interests. The complexity derives from the need to simulate and plan the system evolution over its lifetime (decades) while accounting for its operation every hour or minute. In fact, demand and energy production vary within days and between years. Mathematical programming is a performant tool to simulate, optimise, understand and design such systems.The present work proposes two new approaches to optimise short-term and long-term operational decisions jointly. They answer practical questions such as “Should we produce more today and store for long-term needs?”. In both methods, immediate decisions are detailed, while long-term decisions are aggregated in order to limit computation times and eventually consider imperfect forecasts. This work is part of a methodological framework that makes it possible to finely simulate the operation of a system and reach better designs.Numerous modelling and optimisation methods exist for the planning of energy systems. This thesis also contributes to the state of the art with an original survey on these methods. Furthermore, it assess the impact of several modelling assumptions on computation times and on the relevance of results. This can help future modellers to select appropriate methods or design new ones.
Les défis environnementaux et plus particulièrement le défi climatique poussent les pouvoirs publics à légiférer en faveur d’une économie moins carbonée. Ces décisions se traduisent à l’échelle locale par la recherche de performance énergétique et de remplacement de sources d’énergies fossiles par des sources intermittentes, renouvelables, fatales ou de récupération. Ces deux actions peuvent être réalisées dans le secteur de l’industrie, de la mobilité, de la production locale d’énergie, des micro-réseaux d’électricité ou des réseaux de chaleur et de froid.L’utilisation de sources renouvelables, la recherche de synergies entre plusieurs besoins et formes d’énergies complexifient ces systèmes qui peuvent inclurent différentes technologies de production, conversion et stockage d’énergie : parc photovoltaïque ou éolien, cogénération, chaudière, électrolyseurs, batteries, stockages thermiques etc. Concevoir de tels systèmes devient une tâche particulièrement difficile, et leur légitimité économique et écologique en dépend. Une des difficultés est de représenter le futur système sur toute sa durée de vie (plusieurs dizaines d’années), de planifier son évolution, tout en tenant compte de son fonctionnement heure par heure, voire minute par minute. En effet, la demande et la production d’énergie varient au sein d’une journée mais aussi d’une année à l’autre. La modélisation mathématique est alors un outil nécessaire pour simuler, optimiser, comprendre et dimensionner le système.Cette thèse propose deux nouvelles approches pour concilier décisions opérationnelles sur le court et le long terme. Elles permettent de répondre à des questions pratiques telles que : « Faut-il produire davantage aujourd’hui et stocker pour demain ou le mois prochain ? ». Pour cela, les décisions immédiates sont modélisées de façon détaillée, tandis que les décisions à venir sont agrégées pour maîtriser les temps de calcul et tenir compte de prévisions incertaines. Ce travail s’inscrit dans un cadre méthodologique permettent de simuler finement l’opération d’un système pour mieux le concevoir.De nombreuses méthodes de modélisation et d’optimisation pour la planification des systèmes énergétiques existent. Cette thèse propose également une revue bibliographique originale et une réflexion sur l’impact de différents niveaux d’hypothèses de modélisation sur les temps de calcul et la pertinence des résultats obtenus. Ces deux derniers apports pourront guider les modélisateurs vers des méthodes pertinentes pour leur cas d’application ou vers l’élaboration de nouvelles méthodes.
| Origine | Version validée par le jury (STAR) |
|---|