Cost-Effective Design of Grid-tied Community Microgrid

Résumé technique : Conception rentable de micro-réseaux communautaires connectés au réseau

Énoncé du problème
Le paysage énergétique mondial évolue vers des systèmes de puissance décentralisés et durables. Bien que les micro-réseaux (MR) communautaires connectés au réseau offrent une solution prometteuse pour renforcer la fiabilité et intégrer les ressources renouvelables, la conception de systèmes économiquement viables reste un défi. Les méthodologies existantes se concentrent souvent sur des indicateurs de performance individuels — tels que la faisabilité économique, la durabilité environnementale, l'efficacité ou la fiabilité — plutôt que d'intégrer de manière synergique ces quatre aspects dans un cadre unifié. Cette approche fragmentée limite le potentiel des MR à fonctionner de manière optimale dans des environnements énergétiques dynamiques et incertains. De plus, il existe un manque d'études traitant simultanément la viabilité économique, la fiabilité de l'approvisionnement, l'efficacité opérationnelle et la durabilité environnementale dans un contexte de MR communautaire, particulièrement lors de l'utilisation de méthodes de sélection de configuration adaptatives.

Méthodologie
L'étude propose un cadre de conception complet en deux étapes pour les micro-réseaux communautaires connectés au réseau, intégrant la simulation basée sur la physique avec l'optimisation de décision pilotée par les données.

1. Étape 1 : Optimisation multi-objectif (MO-OPT) et génération de configurations :

   • Le cadre utilise HOMER Pro comme plateforme de simulation techno-économique haute fidélité pour énumérer et évaluer systématiquement un ensemble complet de configurations de MR candidates.
   • Les composants du système comprennent le solaire photovoltaïque (PV), les éoliennes (WT), les générateurs diesel (DG), les systèmes de stockage d'énergie par batterie (BESS), les convertisseurs et le réseau principal.
   • Une procédure d'optimisation sans dérivée et un mécanisme de recherche sur grille exhaustive sont employés pour identifier des architectures de systèmes réalisables dans des limites de conception prescrites.
   • L'optimisation considère quatre objectifs conflictuels : minimiser le coût actuel net (NPC) et les émissions de carbone ($\xi$), tout en maximisant la fiabilité de l'approvisionnement en énergie ($\mathcal{R}$) et l'efficacité du système ($\eta$).
   • Les configurations réalisables sont filtrées selon les limites de capacité des composants, les exigences de pénétration des énergies renouvelables, les marges de réserve et les contraintes d'interconnexion au réseau. Le résultat est un espace de solutions approchant le front de Pareto.

2. Étape 2 : Apprentissage par renforcement profond (DRL) basé sur les préférences :

   • Un cadre de DRL piloté par les préférences est appliqué à l'espace de solutions généré à l'étape 1.
   • Contra irement aux systèmes de contrôle traditionnels, l'agent DRL ne contrôle pas les composants individuels ou les programmes de répartition en temps réel. Au lieu de cela, il fonctionne comme un mécanisme de support à la décision intelligent.
   • L'agent apprend à évaluer et à classer les configurations candidates en interagissant avec un environnement où l'état est défini par des vecteurs de performance multi-objectifs normalisés.
   • Les signaux de récompense sont dérivés d'une fonction d'utilité linéarisée qui intègre les priorités des parties prenantes via des compromis pondérés entre les quatre objectifs.
   • La configuration finale est sélectionnée en minimisant la fonction d'utilité linéarisée pondérée par les préférences, garantissant un équilibre aligné sur les préférences spécifiques des parties prenantes.

Contributions clés

• Cadre intégré : Développement d'un cadre de conception multi-objectif basé sur les préférences qui intègre la génération de configurations via HOMER avec la sélection de solutions assistée par DRL pour explorer systématiquement les compromis entre coût, fiabilité, efficacité et émissions.
• Modélisation mathématique : Présentation d'un modèle mathématique rigoureux pour améliorer la compréhension des systèmes de MR complexes, incorporant des contraintes opérationnelles pratiques et couplant les décisions d'architecture discrètes aux décisions de dimensionnement continues.
• Évaluation complète : Exécution d'une analyse coûts-avantages détaillée utilisant le coût actuel net (NPC), le coût actualisé de l'énergie (LCOE) et les mesures de fiabilité pour évaluer la performance du système.
• Validation : Validation de l'approche proposée à l'aide de données réelles et de simulations, démontrant son efficacité pour réduire les coûts opérationnels tout en garantissant la fiabilité énergétique pour des applications à l'échelle communautaire.

Résultats
Le cadre a été appliqué à une étude de cas de la communauté rurale de Central Tilba, en Nouvelle-Galles du Sud, Australie.

• Configuration optimale : La conception proposée (Configuration A5) atteint un coût actuel net (NPC) de 4,83 millions de dollars avec un coût actualisé de l'énergie (LCOE) de 0,208 $/kWh.
• Indicateurs de performance : Le système atteint une fiabilité de 100 % (satisfaisant 100 % de la charge) et une efficacité de 91,99 %.
• Impact environnemental : La configuration maintient une empreinte carbone de 3 de 302 747 kg/an, ce qui est environ 95 % inférieur aux émissions annuelles associées à un système d'énergie conventionnel alimenté par le réseau.
• Dimensionnement des composants : La configuration optimale comprend 418 kW de capacité PV, 123 kW d'énergie éolienne et 704 kWh de stockage par batterie. Notamment, cette configuration élimine complètement la dépendance aux générateurs diesel (DG), avec un investissement en capital de 1,42 million de dollars et des coûts de fonctionnement annuels de 201 473 $.
• Analyse comparative : Comparée aux conceptions optimisées pour un seul objectif (par exemple, optimisées pour le coût ou pour les émissions), la conception proposée offre un meilleur équilibre. Par exemple, la conception optimisée pour les émissions nécessitait un investissement en capital nettement plus élevé (3,57 M$) et résultait en une efficacité moindre (79,96 %), tandis que la conception optimisée pour le coût compromettait la fiabilité.
• Analyse de sensibilité :
  • Variations de la charge : Les fluctuations de la charge exercent l'influence la plus substantielle sur les émissions et le coût du système. Une augmentation de 10 % de la charge augmente le NPC de 5,87 % et les émissions de 18,06 %.
  • Variations des renouvelables : Les fluctuations de la production PV impactent la performance économique et environnementale plus significativement que les variations éoliennes.
  • Paramètres économiques : Le LCOE est très sensible aux prix d'achat de l'électricité et aux coûts en capital des batteries. Une augmentation de 20 % des coûts de batterie entraîne une augmentation du LCOE d'environ 5 %.

Signification et affirmations
L'article affirme que le cadre proposé fournit une méthodologie de conception pragmatique et évolutive pour des opérations de MR durables et économiquement viables. En découplant l'évaluation de la faisabilité physique de la sélection basée sur les préférences, l'approche préserve la rigueur de l'ingénierie tout en introduisant de l'adaptabilité dans la couche de décision. L'étude soutient que ce travail est précieux pour identifier des solutions efficaces pour fournir une alimentation fiable et rentable aux zones régionales et reculées. Elle sert de référence pour les décideurs politiques et les planificateurs énergétiques, démontrant qu'une haute fiabilité et un contrôle des émissions peuvent être atteints sans augmentations de coûts disproportionnées grâce à une approche d'optimisation stratégiquement équilibrée. Les auteurs notent que, bien que le cadre actuel se concentre sur la sélection de configuration, les travaux futurs pourraient étendre cela à la gestion de l'énergie en temps réel.