Modélisation des éléments constituant la cellule multisources

Modélisation des éléments constituant la cellule
multisources

Un modèle dynamique de la cellule multisources à considérer est essentiel pour résoudre le problème de la gestion de puissance. Ce modèle devrait être suffisamment détaillé pour refléter les principales caractéristiques (dynamiques) de chaque sous-système de la cellule multisources. Néanmoins, afin de faciliter l’analyse et l’implémentation temps-réel, il est intéressant de développer des modèles ayant très peu d’états. Dans un premier temps des modèles simplifiés permettant de déterminer les trajectoires est nécessaire. Notons que chaque élément possède sa propre commande interne (PID ou autres). Une fois les modèles de supervision (vérifications des pertinences des commandes) validés, la validation s’appuie sur les modèles de connaissance (pertinence de la commande par rapport au réel) puis sur des éléments réels (Hardware in the loop). Notons que pour le système multisources représenté sur la Figure 2-1 , la dynamique des sources d’énergie (de l’ordre de quelque secondes) est beaucoup plus lente que la dynamique des convertisseurs de puissance (quelques ). La Figure 2-1 présente les éléments constituant la cellule multisources choisie pour la mise en œuvre de la démarche proposée, et qui se trouve dans les locaux du L2EP de l’ENSAM de Lille. Elle est constituée d’une microturbine à gaz de 30 kW reliée au réseau via un convertisseur de puissance qui permet d’adapter la très haute fréquence du signal à la sortie de la microturbine à la fréquence du réseau 50Hz. La microturbine entraîne un générateur qui permet de convertir l’énergie mécanique de la microturbine en énergie électrique (souvent un alternateur synchrone est utilisé). Les panneaux solaires installés sur le toit de l’ENSAM de Lille ont une capacité de puissance de 18 kW. En raison de la non linéarité de la caractéristique , un contrôleur MPPT (Maximum Power Point Tracker ) est utilisé pour piloter le convertisseur de manière à fournir en permanence le maximum de puissance à la charge. La batterie utilisée est de type Plomb-Acide de 5 kW. Le système de stockage est relié au réseau via un convertisseur réversible, c’est-à-dire la batterie peut fournir ou restituer de l’énergie au réseau selon les conditions.

Dimensionnement de la cellule multisources

La nature intermittente des sources d’énergies renouvelables ainsi que le grand nombre de configurations possibles de systèmes et d’équipements sont des caractéristiques qui contribuent à compliquer le processus de conception et d’exploitation d’un système multisources. Le dimensionnement est une étape importante afin de caractériser la cellule multisources. Plusieurs logiciels peuvent être utilisés à cette fin. On peut citer : Energy Plus [48], Homer [49] , RETScreen International, HYBRID, Hybrid2. Au cours de ce travail, nous avons opté pour le logiciel Homer dont la version v2.68 est en téléchargement libre. Le logiciel de modélisation Homer a été développé par le laboratoire NREL en 1992. Il permet aux ingénieurs de choisir la configuration de système hybride parmi un large panel. Homer modélise les composants du système et quantifie le coût global de l’installation et de l’exploitation sur la durée de vie du système hybride. Son interface graphique permet de modifier les caractéristiques techniques et économiques de chaque composant. Le logiciel effectue trois tâches principales : simulation, optimisation et analyse de sensibilité. Homer effectue des simulations de milliers de configurations possibles, sur une période d’une année et identifie ensuite la taille du système qui offre la solution la plus économique. Après l’exécution des simulations, il affiche les combinaisons uniquement faisables classées par ordre croissant en fonction Chapitre II : Modélisation des éléments constituant la cellule multisources 48 du coût net actuel (NPC : Net Present Cost). Ce coût inclut le coût initial du système, le coût du remplacement d’un élément tels que la batterie, le coût de la maintenance, du fuel ainsi que le coût de l’énergie achetée au réseau. L’analyse de la sensibilité permet à l’utilisateur de modifier certains paramètres tels que le prix du carburant, le profil de la charge, les ressources renouvelables..etc.Le modèle doit tenir compte des ressources disponibles, des options technologiques, des coûts et des charges à respecter par le système. Les composants qui peuvent être modélisés sont : des modules photovoltaïques, des éoliennes, des générateurs, des batteries des convertisseurs AC/DC, des électrolyseurs, des réservoirs d’oxygène. Les profils de charge peuvent être considérés comme périodiques (quotidiens,…) importés d’un fichier de données horaires. En tout état de cause les charges doivent être définies pour chacune des 8760 heures d’une année. En ce qui concerne les composants, des fonctions de coût linéaires sont adoptées et les dimensions des composants doivent être préalablement prévues afin de réaliser l’optimisation. Le nombre de configurations possibles simulées est égal au nombre de composants considérés multiplié par le nombre de puissances nominales considérées pour chaque composant. Homer effectue un bilan énergétique horaire le long d’une année pour chaque configuration du système rentrée par l’utilisateur. Il affiche ensuite la liste des configurations de systèmes triés par le coût NPC. Des analyses de sensibilité peuvent également être effectuées pour certaines variables (par exemple des coûts de carburant, la vitesse moyenne annuelle du vent). Enfin, une analyse de contrainte peut également être effectuée au moyen d’un facteur de capacité annuelle limitée à une valeur maximale : si ce paramètre est fixé à 0% alors le système doit satisfaire les charges tout le temps, alors que s’il est fixé à des valeurs de 1% à 5%, des économies considérables en puissance de crête et des différences entre les scénarios optimisés sont obtenues. Dans ce qui suit, on montrera les différentes étapes qui vont nous permettre de choisir le meilleur mix des différentes sources de technologies très différentes. 

Données à fournir au Logiciel Homer

 Le schéma de la cellule multisources est schématisé sur la Figure 2-3. Elle est constituée d’une éolienne, de panneaux solaires, d’une microturbine à gaz, d’un convertisseur DC/AC ainsi qu’une batterie. La puissance des panneaux solaires installés au site de l’ENSAM est de 18 kW. Le coût des panneaux solaires est de 7.5 $/W. Ce coût inclut les frais d’expéditions, le prix des panneaux, ainsi que les frais d’installation. Leur coût de maintenance est très faible, considéré dans la présente étude comme nul. Un facteur de réduction de 90% est appliqué à la production électrique issue des panneaux solaire afin d’approximer les variations de température ainsi que l’effet des poussières accumulées sur les panneaux. Plusieurs tailles de composants peuvent être introduites. Homer teste toutes les combinaisons possibles et les trie par ordre croissant selon leur coût net présent. La microturbine considérée est une C30 de chez CAPSTONE, dont la puissance nominale est de 30 kW. La puissance minimale du fonctionnement de la microturbine est fixée à 50%.L’éolienne choisie est une éolienne générique de 20 kW, la hauteur du mat est de 19,95 m. La caractéristique puissance en fonction de la vitesse du vent est représentée sur la Figure 2-4.

Résultats de l’optimisation

Les simulations tiennent compte des valeurs maximale et minimale de la vitesse du vent, du rayonnement global et des prix du gaz. Les résultats de simulations sont fournis sous la forme d’une liste des configurations, classées selon le coût net actuel. Comme les composants du système hybride sont introduits dans le logiciel en tenant compte de la disponibilité technologique, du coût des composants et de la disponibilité des ressources, Homer utilise ces entrées pour simuler les différentes combinaisons des composants. Les calculs de l’équilibre énergétique sont exécutés pour chaque configuration du système hybride considéré. Dans le cas où les ressources renouvelables sont à leur valeur minimale et le prix du fuel à sa valeur maximale, la microturbine et des panneaux solaires offrent la solution la plus économique (Figure 2-8 cas (a)). Si l’on considère la quatrième configuration, on remarque que le coût de l’énergie (colonne COE) n’augmente pas d’une manière significative, par contre le coût net actuel est très élevé par rapport à la première solution. La Figure 2-8 montre les combinaisons possibles pour une vitesse du vent annuelle moyenne de 6 m/s, et d’un rayonnement global de 5.03 kWh/m²/day et un prix du fuel de 0.74 $/l, la cellule qui offre la solution la plus économique est constituée de la batterie, de l’éolienne, des panneaux solaires ainsi que de la microturbine.