ACTUALITÉ SCIENTIFIQUE
ET INNOVATION DE L'ÉTS
Optimisation de la tarification d’un réseau véhicule-à-immeuble - Par : Van Quyen Ngo, Kim Khoa Nguyen, Kamal Al Haddad,

Optimisation de la tarification d’un réseau véhicule-à-immeuble


Van Quyen Ngo
Van Quyen Ngo est étudiant à la maîtrise au Département de génie électrique de l’ÉTS.
Programme : Génie électrique 

Kim Khoa Nguyen
Kim Khoa Nguyen Profil de l'auteur(e)
Kim Khoa Nguyen est professeur au Département de génie électrique de l’ÉTS et vice-directeur du laboratoire Synchromedia. Ses recherches portent sur l’infonuagique, la virtualisation de réseau et l’architecture de centre de données.
Programme : Génie électrique 

Kamal Al Haddad
Kamal Al Haddad Profil de l'auteur(e)
Kamal Al-Haddad est professeur au Département de génie électrique à l’ÉTS. Ses intérêts de recherche portent sur la conversion de l’énergie électrique, l'électronique de puissance, les harmoniques et la commande.
Programme : Génie électrique 

Recharge d’un véhicule électrique

Achetée sur Istockphoto.com. Droits d’auteur.

RÉSUMÉ:

Les flottes de véhicules électriques (VE) offrent une solution de stockage d’énergie prometteuse pour les microréseaux photovoltaïques (MRPV) en zone urbaine, mais le manque d’intérêt des propriétaires de VE à partager la capacité de stockage de leur véhicule stationné nuit au fonctionnement technique et économique de ce type de réseau. Dans cet article, nous présentons un modèle de tarification dynamique de véhicule-à-réseau, basé sur une tarification de recharge et des récompenses variables. Ce mécanisme est conçu de manière à encourager le partage des réserves de batterie de VE, et ainsi améliorer l’autoconsommation et minimiser les coûts d’exploitation du microréseau (MR). En retour, les utilisateurs de VE peuvent bénéficier de prix de recharge plus bas et de récompenses élevées lorsqu’ils coopèrent avec le MR. Ainsi, nous avons appliqué la technique d’optimisation par essaims particulaires (OEP) pour déterminer les tarifications et récompenses dynamiques optimales, puis le modèle a été reformulé selon un problème de programmation linéaire en nombres entiers mixtes (PLNEM). La simulation montre une réduction importante des coûts d’exploitation grâce à l’approche véhicule-à-réseau. Mots-clés : Gestion de l’énergie, microréseau, OEP, énergie renouvelable, véhicule électrique, VàR, tarification dynamique

Introduction

L’une des applications les plus fréquentes de MR en zone urbaine est un système photovoltaïque (PV) installé sur le toit d’un immeuble ou l’auvent d’un stationnement. D’une part, l’énergie verte des systèmes PV profite à la fois à l’immeuble et aux services publics en réduisant la facture d’électricité du propriétaire et en délestant un réseau de distribution vieillissant. D’autre part, gérer l’intermittence de la production PV nécessite des systèmes de stockage d’énergie (SSE) plus ou moins rentables en raison de l’investissement élevé en batteries. Parallèlement, les flottes de VE grossissent et deviendront un moyen de transport dominant dans un avenir proche. Les VE, équipés d’un système de stockage et stationnés près de 90 % du temps, constituent donc une solution de stockage d’énergie prometteuse pour les MRPV.

Stations de recharge de VE dans un microréseau PV

Fig 1. Recharge de VE intégré au MRPV

Dans notre étude, l’approche véhicule-à-immeuble (VàI) crée un environnement équilibré dans le MRPV, améliorant indirectement la performance du réseau. Cette approche stimule la consommation d’énergie PV produite sur place, réduit la demande sur le réseau de distribution et augmente la fiabilité et la stabilité du MRPV et des services publics. Le plus grand défi dans l’adoption du VàR (ou VàI) est l’engagement des utilisateurs de VE. En effet, leur niveau d’intérêt dépend de l’avantage économique qu’ils en retirent. Dans cette recherche, nous visons à minimiser les coûts d’exploitation du MRPV en proposant un prix de recharge dynamique et un modèle de récompense VàR qui inciteraient les utilisateurs de VE à revendre au MRPV l’énergie stockée par leur véhicule. Cette étude devrait permettre d’atteindre deux objectifs principaux :

– Formuler une tarification flexible et un modèle de récompense relatif au MRPV pour amener les VE au concept VàR, minimisant ainsi les coûts d’exploitation par le biais d’une importante pénétration PV.

– Proposer un nouvel algorithme simple combinant l’optimisation par essaims particulaires et la programmation linéaire en nombres entiers mixtes (OEP-PLNEM) pour arriver à une tarification dynamique optimale et minimiser la complexité algorithmique.

– Étudier l’efficacité du modèle tarification/récompense dans différents scénarios de stationnement.

Solution proposée

Combinaison de l’optimisation par essaims particulaires (OEP) et de la programmation linéaire en nombres entiers mixtes (PLNEM)

Fig 2. Algorithme combiné OEP-PLNEM

Pour trouver le prix de recharge optimal et récompenser le système VàR, de façon à minimiser les coûts d’exploitation du MRPV et à assurer la satisfaction des utilisateurs de VE, nous proposons une combinaison nouvelle, mais simple et efficace, d’un algorithme heuristique d’OEP et de PLNEM. L’OEP a la capacité de gérer les contraintes dans la recherche d’un point d’équilibre entre le prix de la recharge et la récompense VàR. Le cas peut donc être formulé comme un problème d’optimisation PLNEM et soumis à la boîte à outils d’optimisation Matlab afin de trouver un ensemble optimal de décisions de recharge/décharge pour les VE à la station de recharge sur une période de 24 heures. L’algorithme OEP-PLNEM est illustré à la figure 2. 

Les simulations numériques reflètent trois scénarios différents d’arrivées-départs des flottes de VE, démontrant l’effet positif de l’intégration des VE au MRPV. La méthode proposée s’avère plus performante lorsque la programmation de la tarification dynamique et de la trajectoire énergétique optimale est effectuée 24 heures à l’avance, par intervalles d’une heure. Les résultats de la simulation sont présentés aux figures 3 à 5.

Optimisation de tarification pour stationnement de jour en période creuse

Fig 3. Cas n° 1 – Soutien de la production de pointe/demande basse, stationnement de jour

Optimisation de tarification pour stationnement de jour en période de pointe

Fig 4. Cas n° 2 – Soutien de la production de pointe/demande de pointe, stationnement de jour

Optimisation de tarification pour stationnement de nuit

Fig 5. Cas n° 3 – Soutien de la demande de pointe, stationnement de nuit

Conclusion

Notre simulation démontre que le modèle de tarification/récompense flexible incite les propriétaires de VE à partager la capacité de leur batterie pour soutenir le MRPV, qui devient ainsi un système virtuel de stockage d’énergie. Sans le VE, toute la puissance PV excédentaire doit être revendue au réseau, pouvant aller jusqu’à 250 kW ; cette quantité peut devenir inférieure à 150 kW dans un contexte VàR. La diminution de flux d’énergie inversé permet d’éviter la congestion du réseau pendant les périodes de pointe de production PV.

Les effets des différents scénarios de stationnement de VE ont été obtenus par simulations. Étant donné que la production PV se fait pendant la journée, les scénarios de stationnement des immeubles commerciaux et de bureaux sont les mieux adaptés au MRPV. Par comparaison, le stationnement résidentiel présente moins d’avantages dans la régulation PV.

Des travaux futurs seront nécessaires pour améliorer les performances des MRPV comprenant des VE :

– D’abord, la complexité du problème d’optimisation augmente de manière exponentielle avec la taille des flottes de VE, ce qui peut entraîner des temps de calcul trop longs. Par conséquent, un modèle agrégé approprié de flottes de VE est nécessaire. 

– Deuxièmement, le comportement stochastique de la flotte agrégée de VE plutôt que des VE individuels mérite d’être étudié. 

– Troisièmement, compte tenu du comportement hautement stochastique de la flotte de VE et de la production PV, l’évaluation en ligne et en temps réel de la disponibilité des VE est essentielle pour garantir la stabilité et la fiabilité du MRPV. 

Informations supplémentaires

Pour plus d’informations sur cette recherche, consulter les articles suivants :

V. Q. Ngo, K. Khoa Nguyen et K. Al-Haddad, « Optimal Dynamic Pricing and Rewarding for Electric Vehicle Charging Scheme in High Penetration Photovoltaic Microgrid, » IECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics Society, 2020, pp. 3697-3702.

Van Quyen Ngo

Profil de l'auteur(e)

Van Quyen Ngo est étudiant à la maîtrise au Département de génie électrique de l’ÉTS.

Programme : Génie électrique 

Laboratoires de recherche : SYNCHROMÉDIA – Laboratoire de communications multimédias en téléprésence  GREPCI – Groupe de recherche en électronique de puissance et commande industrielle 

Profil de l'auteur(e)

Kim Khoa Nguyen

Profil de l'auteur(e)

Kim Khoa Nguyen est professeur au Département de génie électrique de l’ÉTS et vice-directeur du laboratoire Synchromedia. Ses recherches portent sur l’infonuagique, la virtualisation de réseau et l’architecture de centre de données.

Programme : Génie électrique 

Laboratoires de recherche : SYNCHROMÉDIA – Laboratoire de communications multimédias en téléprésence 

Profil de l'auteur(e)

Kamal Al Haddad

Profil de l'auteur(e)

Kamal Al-Haddad est professeur au Département de génie électrique à l’ÉTS. Ses intérêts de recherche portent sur la conversion de l’énergie électrique, l'électronique de puissance, les harmoniques et la commande.

Programme : Génie électrique 

Chaire de recherche : Chaire de recherche du Canada en conversion de l’énergie électrique et en électronique de puissance 

Laboratoires de recherche : GREPCI – Groupe de recherche en électronique de puissance et commande industrielle 

Profil de l'auteur(e)


Recevez les dernières actualités scientifiques de l'ÉTS
commentaires

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *