Soutenance de thèse de KHOURY Dany
Titre de thèse
Modélisation et contrôle automatique d'une Smart Oasis autonome avec sources d'énergies renouvelables
Modeling and automatic control of an autonomous Smart Oasis with renewable energy sources
Résumé de la thèse
Le micro-réseau (MG) devient de plus en plus un domaine de recherche pour différentes applications intégrant un système solaire photovoltaïque (PV), un système de stockage d'énergie par batterie (BESS) et un système de gestion de l'énergie (EMS).
L'EMS contrôle, surveille et optimise la répartition de la puissance de sortie du MG en fonction de la stratégie d'offre et de demande et de l'énergie solaire disponible. Pour comprendre le comportement de tels systèmes, un modèle physique et une simulation ont été développées. Cela permet de mieux comprendre leur comportement et la dégradation de leur puissance de sortie, qui affecte les performances du système.
Le modèle physique développé se base sur le modèle thermoélectrique en temps réel d'un panneau photovoltaïque (PV) qui prend en compte l'efficacité dégradée composée, affectée par les modes de dégradation essentiels PID, LID et UVD, en fonction de la température de l'environnement et l'intervalle de vie. Les résultats de la simulation démontrent l'efficacité du modèle de vieillissement et démontrent que la dégradation annuelle PV est de 0,271%.
Les résultats de la simulation mettent l'accent sur l'efficacité du modèle de vieillissement et démontrent que la capacité du BESS de 5 kWh a chuté de 0,775 kW et de 3,85 kW en raison de la dégradation du système (SOH) de 15,1% et 77% respectivement à la fin de la 1ère et de la 5eme année pendant un intervalle de simulation de 5 ans. De plus, l'impact de l'augmentation de la capacité nominale du BESS par 2 fois et 3 fois contribue à l'amélioration du BESS SOH à environ 57 % et 66 % respectivement au cours de la 5eme année sur un intervalle de temps de 5 ans.
La mise en œuvre d'un nouvel iEMS intelligent basé sur une stratégie prédictive de contrôle de la répartition de l'énergie a été un succès, et a amélioré et optimisé le BESS SOH en opérant une prévision de 6 heures sur les éventuelles pannes de courant et en réalisant des délestages de charges non critiques. Au final, l'iEMS a maintenu le SOH à 33% (soit une augmentation de 45% par rapport à l'EMS classique) et a diminué l'apparition de pannes de courant de 56 % (-5 203) par rapport à l'EMS classique où le SOH atteint 20% et le nombre de pannes de courant s'élevait à 11 899. Cela prouve que le modèle est efficace et que la logique de contrôle évite l'envoi de charges élevées depuis le BESS durant les intervalles de temps critiques où le modèle d'IA prédit une panne de courant.
Enfin, des travaux futurs seront intégrés à cette étude pour évaluer l'impact du nouvel iEMS sur l'aspect financier du micro-réseau SOVA en termes de coûts initiaux, opérationnels, et marginaux du système complet (micro-réseau, du PV, du BESS et du DG). L'objectif serait d'atteindre le coût nivelé le plus bas de l'énergie (« Levelized Cost of Energy» (LCOE)) tout en assurant la meilleure continuité de service du côté de la demande.
Thesis resume
The microgrid (MG) is becoming increasingly an area of research for different applications integrating Photo-Voltaic (PV) solar systems, a Battery Energy Storage System (BESS), and an Energy Management System (EMS).
The EMS controls, monitors, and optimizes the MG power output dispatch based on the demand-supply strategy and available solar energy. To understand the behavior of such systems, a physical model and a simulation were developed. This helps better understand their behavior and their output power degradation which affect the system performance.
The developed physical model considers the real-time thermo-electrical model of a Photo-Voltaic (PV) panel that takes compounded degraded efficiency affected by the essential degradation modes PID, LID, and UVD as a function of the environmental conditions' temperature and lifetime interval. The simulation results demonstrate the effectiveness of the aging model and demonstrates that the PV yearly degradation is 0.271%.
The simulation results emphasis the effectiveness of the aging model and demonstrate that the BESS capacity 5 kWh dropped 0.775 kW and 3.85 kW due to the degraded State of Health (SOH) of 15.1% and 77% at the end of 1st and 5th year respectively during 5 years simulation interval. In addition, the impact of increasing the BESS nominal capacity by (x2) and (x3) contributes in the BESS SOH improvement to around (57%) and (66%) during the 5th year respectively over a 5 years' time interval.
The implementation of a new intelligent iEMS based on predictive (ANN) control power dispatch strategy was a success which improved and optimized the BESS SOH through the prosecution of a 6 hours prediction on possible blackout occurrence and non-critical load shedding. Finally, the iEMS has preserved the SOH to 33% (an increase of 45% compared to classical EMS) and decreased the blackout occurrence by 56% (- 5,203) in contrast with the classical EMS where the SOH reached (20%) and blackout occurrence of (11,899). This proves that the model is effective, and the control logic is avoiding high loads to be dispatched from the BESS at critical time interval where the AI model is predicting a blackout occurrence.
Finally, future works shall be incorporated to this study regarding the impact of the proposed iEMS on the microgrid SOVA financial aspect in terms of initial, operational, and marginal costs of the complete system of the microgrid, PV, BESS, and DG to best reach the lowest Levelized Cost of Energy (LCOE) with the best continuity of service on the demand load side