OptimRéseaux
Gestion prédictive et optimale d'un micro-réseau électrique par intelligence artificielle
2019-2022
Recourir à l’intelligence artificielle pour mieux intégrer les sources d’énergies renouvelables tout en offrant une solution optimisée et rentable dans le contexte des micro-réseaux.
Objectif
L’objectif est de développer des solutions permettant de prévoir l’incertitude de la production et de la charge à différents horizons, allant de quelques minutes à quelques jours. Ces prévisions seront ensuite utilisées pour la planification de la production avec programmation dynamique stochastique. Enfin, il faut proposer une gestion en temps réel de l’ensemble qui respecte au mieux la planification.
Intérêts
En s’appuyant sur un micro-réseau multi-source (démonstrateur RIZOMM) et en capitalisant sur les travaux précédents de l’Université Catholique de Lille, le projet vise l’application de l’intelligence artificielle pour :
- La prévision de la charge de véhicules électriques à court et à long terme, la prévision du marché de l’électricité (prix du kWh), la prévision de l’énergie solaire, la prévision de l’énergie éolienne.
- L’optimisation du fonctionnement du système électrique tel que l’engagement des unités de production, la répartition économique, la gestion des flux de puissance, l’estimation de l’état.
L’enjeu final est de minimiser le coût du micro-réseau et d’augmenter l’autoconsommation issue des sources renouvelables.
En chiffres
20 cts/kWh, c’est le coût maximum de l’énergie produite
50% c’est le taux minimum d’autoconsommation renouvelable
36 mois comme la durée du projet
Localisation
Région Hauts-de-France
En savoir plus
[1] KERMIA, Mohamed Hamza, ABBES, Dhaker, et BOSCHE, Jérôme. Photovoltaic power prediction using a recurrent neural network RNN. In : 2020 6th IEEE International Energy Conference (ENERGYCon). IEEE, 2020. p. 545-549. https://ieeexplore.ieee.org/abstract/document/9236461
[2] KERMIA, Mohamed Hamza, ALMAKSOUR, Khaled, BOSCHE, Jérôme, et al. Sliding prediction algorithm using polynomial approach for photovoltaic system energy management. In : 2020 7th International Conference on Control, Decision and Information Technologies (CoDIT). IEEE, 2020. p. 739-744. https://ieeexplore.ieee.org/abstract/document/9263815
[3] Kermia, M.H, Bosche, J., Abbes, D., Energy management and optimization in an electric vehicle charging statio, Workshop CIRED Porto du 2 au 3 Juin 2022.