Académique Documents
Professionnel Documents
Culture Documents
édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux.
1
Visitez www.DeepL.com/pro pour en savoir plus.
des deux options opérationnelles ont été analysés et évalués LCB+ , LCB Pertes pour la charge/décharge du CBESS.
économiquement.
est suggéré pour les systèmes MMG. Réponse à la demande PCap PCap
B , CB
Capacité des BESS et CBESS.
(DR) est également pris en compte dans le modèle proposé. L'incorporation Rendement des convertisseurs back-
η BTB , η BBTB to-back connectés aux BESS et
de DR assurera la fiabilité de l'approvisionnement du système MMG en
CB
CBESS.
en plus de la réduction des coûts d'exploitation. Contrairement PBTB PBTB Capacité des convertisseurs dos à dos
aux ,
Optimisation conventionnelle en une ou deux étapes de micro-réseaux CB
multiples B connecté avec le BESS et le CBESS.
algorithmes, un algorithme d'optimisation hiérarchique à plusieurs
étapes basé
sur un système multi-agents (SMA) est proposé dans cet article. δ B , δ CB Taux d'autodécharge pour les BESS et CBESS.
Des modèles de programmation linéaire en nombres entiers
mixtes (MILP) faciles à mettre en œuvre et peu coûteux en termes Variables
de calculs sont développés pour chaque étape. ui,t Mode marche ou arrêt de l'unité i
CDG à l'instant t. Quantité de
Pi ,t
Index Terms-Puissance ajustable, réponse à la demande, PShort
t production de l'unité i à l'instant
système de gestion de l'énergie, programmation linéaire en Sur
nombres entiers mixtes, système multi-agents, micro-réseaux
Pt t. Puissance manquante à
multiples. l'intervalle de temps t. Puissance
excédentaire à l'intervalle de
temps t.
I. NOMENCLATURE PtB+ PtB-
, Puissance de charge/décharge du BESS à t.
Jeux PCB+ , PCB− Puissance
t t
de charge/décharge du CBESS à t.
génératio L _ adj
T Ensemble ns.
Pt
Sh
d'intervalles de temps. P t ,t '
I Ensemble de
t t
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
2
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
3
II. INTRODUCTION été réalisée par [14], [15]. L'ordonnancement distribué basé sur
un MAS pour les MG insulaires a été analysé par [16] et [17].
Gl'environnement,
L a demande croissante d'énergie, la protection de
la résilience du réseau électrique dans les
La gestion des sources d'énergie distribuées à l'aide d'un MAS a
été discutée dans [18], la gestion distribuée des MG à l'aide d'un
situations d'urgence et l'intégration des générations distribuées MAS a été proposée par [19], [20] et une stratégie de délestage
(DG) avec les systèmes de stockage d'énergie (ESS) sont les de charge basée sur un MAS pour les MG a été proposée par
principales considérations de l'industrie moderne de l'énergie. [21]. Afin de surmonter les inconvénients des
Les micro-réseaux (MG) peuvent jouer un rôle essentiel dans
cette transformation organique du réseau électrique existant en
un futur réseau intelligent. Les micro-réseaux fonctionnent
normalement en mode connecté au réseau pour maximiser les
bénéfices et ont la capacité de fonctionner en mode isolé pour
améliorer l a fiabilité pendant les périodes d'urgence et/ou de
maintenance programmée. L'exploitation et la planification
optimales des futurs systèmes de distribution intelligents sont
difficiles en raison des incertitudes liées à la quantité de
production des générateurs, aux prix du marché de l'électricité,
à la demande de la charge et à la pénétration des véhicules
électriques (VE). Ces incertitudes peuvent être gérées dans
une large mesure en combinant plusieurs MG pour former un
système multi-microgrids (MMG). Plusieurs recherches ont
été menées ces dernières années sur la configuration et les
architectures des futurs systèmes MMG. Les principales
considérations d'un système MMG sont la minimisation des
coûts d'exploitation, la préservation de la clientèle et
l'amélioration de l'efficacité énergétique.
et l'amélioration de la fiabilité du réseau.
Le système de gestion de l'énergie (EMS) est utilisé pour
programmer de manière optimale les ressources énergétiques
et les systèmes électriques et électroniques afin de répondre
aux demandes de la charge. L'architecture d'un système de
gestion de l'énergie peut être centralisée, décentralisée ou
hybride en fonction des considérations énoncées
précédemment. Les algorithmes génétiques, l'optimisation
robuste, l'optimisation stochastique et la programmation
linéaire en nombres entiers mixtes (MILP) ont été largement
utilisés dans la littérature pour la programmation optimale des
MMG. Différents programmes de réponse à la demande (DR)
peuvent également être incorporés dans les MMG EMS pour
remodeler les profils de charge des MG.
La gestion de l'énergie des MG basée sur un contrôle
coordonné à double couche en mode connecté au réseau et en
mode insulaire a été proposée par [1]. La gestion de l'énergie
des MG basée sur un SGE décentralisé a été suggérée par [2]
et un SGE centralisé a été proposé par [3]. Une stratégie
robuste de gestion de l'énergie pour les MG conscientes de
l'incertitude a été analysée par [4], tandis qu'un SGE
hiérarchique a été proposé par [5] pour préserver la vie privée
des clients. Une stratégie optimale de stockage de l'énergie
pour les MG connectés au réseau a été proposée par
[6] et l'effet du système de stockage de l'énergie sur le
fonctionnement des MG insulaires a été analysé par [7]. Un
modèle de DR basé sur le prix en temps réel (RTP) a été
développé par [8] et le DR a été utilisé pour atténuer les
impacts des VE sur les systèmes de distribution intelligents
par [9], [10]. Les systèmes multi-agents (MAS) ont été
largement utilisés pour l'optimisation des systèmes MMG. Les
applications d'ingénierie de l'énergie dans lesquelles les SMA
sont nécessaires ont été analysées avec les questions
techniques et les défis de la recherche par [11]-[13] et une
étude sur le développement d'une norme SMA pour assurer
l'interopérabilité entre les agents de différents concepteurs a
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
4
Outre les systèmes EMS centralisés et distribués, divers considéré comme un agent autonome qui peut communiquer
systèmes EMS hybrides et hiérarchiques ont également été avec d'autres agents du système en suivant un protocole de
analysés dans la littérature. Des systèmes EMS hybrides réseau contractuel modifié (MCNP). Une caractéristique
basés sur les MAS ont été proposés par [22]-[24]. Outre les importante de cette architecture est qu'elle peut être divisée en
stratégies de gestion de l'énergie distribuées et centralisées, plusieurs niveaux d'agents pour atteindre leurs objectifs. Cela
divers systèmes MMG coopératifs ont également gagné en facilite la gestion et le fonctionnement du système. En outre, le
popularité, comme dans [25]-[27]. fardeau de la communication dans le système est également
La plupart des recherches disponibles dans la littérature réduit en développant deux niveaux de système de gestion, à
sur la gestion hiérarchique de l'énergie dans les systèmes savoir MG-EMS et CEMS. Les principales contributions de ce
MMG fournissent uniquement des informations sur les document
surplus et les manques d'énergie au système de gestion de
l'énergie de la communauté (CEMS) à chaque intervalle de
temps. Le CEMS optimise uniquement les quantités de
surplus et de pénurie des MG individuelles. Chaque EMS
local ne dispose d'aucune information sur le coût de
production des autres MG du réseau MMG. Cette approche
entraîne des échanges inutiles d 'électricité avec le réseau de
distribution et provoque une augmentation des coûts
d'exploitation du système MMG.
Dans [28], une architecture basée sur des agents a été
développée pour le commerce et la gestion de l'électricité en
tenant compte des programmes de réduction de la
consommation. La stratégie d'offre intelligente basée sur la
double enchère continue (CDA) a été utilisée pour permettre
aux clients de participer aux programmes de réduction de la
consommation. Un cadre multi-agents pour la mise en œuvre
de la gestion de la demande (DSM) a été proposé par [29]
pour résoudre le problème du déséquilibre de puissance en
accordant plus d'attention à la DR. Un EMS basé sur des
agents a été développé pour des MG multiples incluant le DR
et le stockage distribué (DS). L'EMS basé sur des agents
avec DR et DS a été mis en œuvre pour réduire l a demande
de pointe du système et minimiser le coût de l'électricité par
[30]. Dans [31], une architecture à deux niveaux pour des
MG multiples a été présentée en utilisant la MAS. Les agents
du marché ont été conçus pour participer aux enchères en
temps réel. Les actions d'enchères ont été simulées à l'aide
d'un algorithme d'enchères naïf.
La stratégie d'optimisation proposée dans cet article est
davantage liée aux recherches menées par [19] et [28]-[31].
En raison des mérites des EMS hiérarchiques et de
l'application potentielle des MAS dans le fonctionnement des
micro-réseaux, toutes les études incluant la stratégie
d'optimisation proposée ont utilisé des EMS hiérarchiques
pour la modélisation et des MAS pour réaliser le
fonctionnement optimal des MG. Cependant, le modèle
proposé dans cette étude est basé sur le concept de
fonctionnement coopératif des MMG, contrairement aux
modèles compétitifs proposés par
[19] et [28]-[31]. Les objectifs des modèles concurrentiels et
coopératifs sont différents, c'est-à-dire que l'objectif du
système MMG coopératif est de réduire le coût d'exploitation
de l'ensemble du réseau, alors que dans un environnement
concurrentiel, l'objectif de chaque MG est de maximiser son
propre profit. En outre, les deux modèles trouvent leurs
applications dans des environnements différents et présentent
leurs propres avantages et inconvénients [12], [25].
Dans cet article, un SGE hiérarchique pour le
fonctionnement optimal des MMG a été proposé et est basé
sur les SMA. A i n s i , chaque composant du système a été
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
5
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
7
2 MG-EMS MG-EMS
MG-EMS
Agent Agent Agent des prix par unité. L'agent CBESS informe de son SOC initial,
de la capacité du CBESS et des prix de vente de l'électricité
(en fonction du mode de fonctionnement). L'agent CDGP
Gestion
réseau
dulocaux
Niveau 1
micro-
CA BA LA RA CA BA LA RA CA BA LA RA
CEMS rassemble toutes les informations provenant des agents
Légend
e : Agent RDG CA : Agent CDG LA : Load Agent BA : BESS Agent Communication Link
RA
de niveau inférieur et procède à une optimisation globale. Au
Fig. 3. Configuration de la MAS hiérarchique cours de cette étape, la quantité d'énergie à échanger avec le
proposée réseau public, la quantité d'énergie à échanger entre les MG du
réseau et la quantité d'énergie ajustable à augmenter/diminuer
par chaque MG seront décidées.
L'agent du CEMS informe tous les agents de niveau 2 et les
agents du MG-EMS.
la nature de la tâche dont ils sont responsables. L'ensemble des l'optimisation globale du système MMG. Il est chargé de
L'architecture du MAS proposé est illustrée à la figure 3. recevoir toutes les informations des agents de premier et de
1) Agents locaux : Ce sont les agents de niveau le plus bas deuxième niveau et de transmettre les décisions prises par le
et ils sont responsables de la communication avec leurs agents CEMS à chacun des agents de niveau inférieur. L'agent CEMS
MG-EMS locaux. L'agent RDG, l'agent CDG, l'agent BESS et est placé au troisième niveau, comme le montre la figure 3.
l'agent de charge sont considérés comme des agents locaux,
comme le montre la figure 3. D. Algorithme pour l'exploitation optimale de micro-
réseaux multiples
2) Agents MG-EMS : Les agents locaux ainsi que les agents
MG-EMS du premier niveau de la stratégie d'optimisation Pour réaliser un cycle d'optimisation à l'aide de la stratégie
proposée. Les agents MG-EMS sont des versions réduites de d'exploitation proposée, quelques actions séquentielles sont
l'agent CEMS. Chaque agent MG-EMS est uniquement chargé nécessaires.
de communiquer au CEMS les quantités de puissance
manquante, excédentaire et ajustable et d'informer les agents
locaux des décisions du CEMS.
3) Agents externes : L'agent du marché, l'agent CDGP et
l'agent CBESS sont considérés comme des agents externes et
constituent les agents de deuxième niveau dans la stratégie
d'optimisation proposée. L'agent du marché et l'agent CDGP
envoient leurs signaux de prix au CEMS et reçoivent les
commandes de programmation du CEMS. L'agent CBESS
peut soit envoyer les signaux de prix, soit simplement suivre
les commandes du CEMS en fonction de son mode de
fonctionnement.
4) Agent CEMS : L'agent CEMS est responsable de
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
8
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
9
Dém
arrag
e
i=0, t=0
t = t +1
Prix du
Données
marché
d'entrée
Coût du CDG,
Valeur initiale et
charge, BESS, CDG Données
Données d'entrée capacité du
&
d'entrée CBESS
MG-EMSi exécute l'optimisation Capacités des DGR
Les agents participants reçoivent
locale en tenant compte du Limiter les valeurs leur
calendrier d'engagement pour
programme DR maximales de charge et l'intervalle t
de décharge pour Capacité
Les MG-EMS reprogramment
l'intervalle t du CDGP
Est ((RDGi =Loadi) leurs agents locaux sur la base des
&& (CDG Cost > oui Mise à jour du SOC de informations fournies par les
PRbuy))|| (L'agent ne CBESS pour CEMS.
veut pas participer) Informe l'intervalle de temps t
Les agents locaux informent le MG-
r le Préparation EMS
sur leur statut d'engagement
Informer le CEMS des
CEMS
no capacités de charge et de
i = i+1 Refus
n décharge MG-EMS, CDGP et CBESS
Les agents informent le CEMS
Si (CDGi + RDGi de l'état de leur engagement
Si (coût CDG < Informer le CEMS des coûts
no > Loadi) pour l'intervalle t
PRbuy && de production par unité
n
no Coût CDG >=PRsell)
oui
n Le CEMS effectue Est (t < 24)
oui une optimisation
globale sa
Informer le CEMS Informer le Informer le CEMS
ns fin
du montant CEMS du montant de Informer tous les agents des
ajustable Montant de la
pénurie
l'excédent résultats de l'optimisation
Étape
3
Étape
no
n Est (i > nombre
oui
2
de mg)
Étape 1
Fig. 4. Organigramme du fonctionnement hiérarchique proposé pour le système MMG
agent du CEMS de leur participation à l'optimisation globale. respectivement le coût du CDG, le prix d'achat, le prix de vente
De la même manière, les agents externes décideront et et la pénalité pour le déplacement de la charge de l'intervalle t à
informeront également les agents du CEMS de leur participation l'intervalle t'.
à l'optimisation globale.
l'agent du CEMS. Le CEMS peut accepter ou rejeter les propositions min ∑ ∑ CCDG ⋅ PCDG + y ⋅ CSU
des agents externes et de MG-EMS. i∈I t∈T
i i,t i,t i ( )
Le CEMS informera les agents de niveau 2 (niveau (1)
communautaire).
+ ∑ PRBuy ⋅ PShort - PRSell ⋅ PSur + ∑ v ( ⋅ PSh )
Les agents MG-EMS informent leurs agents locaux des t t t t t,t ' t,t '
t∈T t,t '∈T
décisions du CEMS (agents de ressources et agents MG-EMS) t ≠t '
sur l'acceptation/le rejet de leurs propositions. Les agents MG- Sous
EMS respectifs informent leurs agents locaux des décisions du réserve
CEMS. Les agents locaux de Pimin PCDG
et les agents externes obtiendront soit leur engagement ui,t ⋅ ≤ ≤ u ⋅ Pmax ∀i ∈ I , t (2)
∈T
i,t i,t i
ou resteront inactifs conformément aux décisions des CEMS
et des MG-EMS. Enfin, tous les agents locaux et les agents
externes informent leurs agents de niveau supérieur respectifs yi,t = max{( ui,t - ui,t -1 ), 0}, ui,t ∀i ∈ I, t ∈T (3)
de leur état d'engagement. La communication entre tous les
∈{0,1}
les agents sont réalisés au moyen du langage de PtPV
+ PWT
t +∑
PCDG PShort PB- PL _ adj PSur PB+
i,t + t + =t t+ + t
communication des agents (ACL) en utilisant un protocole de i∈I
t
⎝ B ⎠
de t, qui peut être n'importe quel intervalle de temps uniforme.
Toutefois, dans le modèle de programmation à un jour 0 ≤ SOCtB ≤ 1 ∀t ∈T (9)
proposé, on a supposé que t était un intervalle de temps
uniforme.
d'une heure. SOCtB-1 = (1-δ B )⋅ SOCt'-1B ∀t ∈T (10)
A. Étape 1 : Optimisation locale PtSh IFtmax PtSh OFtmax
∑ ',t ≤ ,∑ ≤,t ∀t ∈T (11)
t' ' ∈Tt '∈T
Le modèle d'optimisation proposé vise à minimiser le coût t' ≠tt '≠t
opérationnel total de chaque micro-réseau. L'équation (1) est OFtmax =PtL _ con
la fonction objective et contient le coût de production du ∀t ∈T (12)
CDG, le démarrage
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
11
d'information
SOC du BESS : SOC du dernier intervalle du jour précédent. 16 : si PRSell ≤ CCDG < PRBuy alors
t i t
Le SOC du BESS est mis à jour dans chaque intervalle comme
indiqué par (8). La quantité de charge qui peut être déplacée
17 : ( Pmin
- PCDG
i,t ) ≤ ΔP Adj
i,t ≤ (Pmax PCDG
i - i,t ) i
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
13
dans cette étape. La fonction objective de l'étape 2 sera chaque MG, le coût de la charge et de la décharge du CBESS,
différente selon le mode de fonctionnement du CBESS. e t l e s prix d'achat et de vente au réseau électrique.
1) Modèle de soumission : Comme décrit précédemment, ∑ ∑ ∑ CCDG ⋅ ΔPAdj
en min ∑ CCDGP ⋅ PCDGP +
En mode subordonné, les décisions de charge et de décharge t∈T
t t
k∈K i∈I t∈T
k ,i, tk ,i,t
du CBESS sont prises par le CEMS et le CBESS ne fait que
suivre les commandes reçues. La fonction objective (15) + ∑ ����⋅����
t t- ∑
CCB+⋅PCB+
t t
t∈T t∈T
contient le coût de production moyen du CDGP, le coût de la
(25)
puissance réglable de
chaque MG, le prix d'achat et le prix de vente de/à l'électricité
+∑∑ (
PRBuy PBuy PRSell PSell
⋅ - ⋅ )
tk ,t tk ,t
grille k∈K t∈T
.
min ∑ CCDGP ⋅ PCDGP + ∑ ∑ ∑ CCDG ⋅ ΔPAdj Les contraintes pour le mode autonome de CBESS sont
identiques
t t
t∈T k∈K �∈�
k ,i, tk ,i,t à celles du mode subordonné et sont données par (16)-(24).
t∈T
0
⋅ ≤ PCB− ≤ PCap ⋅ SOCCB ⋅ (1- LCB− )
1 CB
∀t ∈T (20)
min ∑ ∑
i∈I t∈T
( Ci ⋅[Pi,t + ΔPi,t ] + yi,t ⋅ Ci )
t CB t -1 BTB
ηCB (26)
0≤ PtCB- PtCB+
, ≤ PBTB /ηBTB ∀t ∈T (21) (
+ t∑
∈T
PRBuy
t ⋅ PBuy
Rec
t (t)
Re c
- PRSellt ⋅ PSellt
Envoyer Envoyer
)
+∑(
CB CB
⎛ 1 ⋅ 1 ⋅ PCB- ⎞ ∈ t T
PRt ⋅ Pt (t) - PRt ⋅ Pt )
1 ⋅⎜ LCB- BTB t ⎟
SOCCB = SOCttCB- - PCap ⎜ 1- ηCB ⎟ (22) Sous réserve de
1
CB
⎜ -PtCB+ ⋅ (1- LCB+ ) ⋅η BTB ⎟
⎝ CB ⎠
t
PPV
+ tPWT + ∑( PCDG
i,t
+ ΔPAdj
i,t
+ ) PBuy PB- PRec
t
+ t + t
0≤ SOCCB t ≤1 ∀t ∈T (23) i∈
I
CB )⋅ SOC '
t -1
CB
= PtL _ adj + PtSell
+ PtB+ + PtSend ∀t ∈T (27)
-1 = (1- δ
SOCtCB ∀t ∈T (24)
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
14
V. SIMULATIONS NUMÉRIQUES
A. Environnement de simulation
Tous les modèles basés sur le MILP développés pour les
simulations du fonctionnement proposé du système MMG
ont été simulés en Java, JADE avec l'intégration d'IBM
ILOG CPLEX. MCNP
160
150
(Won/kWh)
140
130
120
0 2 4 6 810 12 14 16 18 20 22 24
Intervalle (heure)
Fig. 6. Prix d'achat et de vente ainsi que coût de production pour les CDG
des MG
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
15
a été utilisé avec ACL pour la communication entre les Charge sans DR Chargement
différents agents développés pour réaliser l'algorithme 600
avec DR
proposé. Les prix d'achat et de vente horaires ainsi que les 500
Charge
coûts de production pour les CDG de chaque MG sont
(kWh)
400
présentés à la figure 6. Les coûts de production et de 300
démarrage ainsi que les limites de production des unités CDG 4 8 12 16 20 24 4 8 12 16 20 24 4 8 12 16 20 24
dans chaque MG du système MMG sont indiqués dans le
tableau I. Dans le
la stratégie d'optimisation MMG proposée, les BESSs dans les Intervalle Intervalle Intervalle (heure)
MGs et les (heure) (heure)
21 503 0 0 0 0 32
Les CBESS sont connectés au système MMG par 22 414 661 0 0 0 0
l'intermédiaire de convertisseurs back-to-back (BTB). Les 23 434 567 0 0 0 0
24 478 566 0 0 0 0
paramètres relatifs aux CBESS et aux BESS de chaque MG
sont présentés dans le tableau II.
TABLEAU I
PARAMÈTRE DES CDG DANS CHAQUE MG DU SYSTÈME MMG
Générateurs distribués contrôlables
Paramètres
MG1 MG2 MG3
Coût/kWh (Won) 155 152 133
Coût de démarrage 200 200 150
(Won)
Min. (kWh) 0 0 0
Max. (kWh) 500 600 550
TABLEAU II
PARAMÈTRE DE BESS ET CBESS DANS LE SYSTÈME MMG
Paramètres BESS CBESS
Capacité (kWh) 200 3500
Initial (kWh) 50 1000
Perte de charge (%) 3 3
Perte de décharge (%) 3 3
Capacité BTB (kWh) 200 600
Efficacité du BTB (%) 98 98
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
16
(a) (b) (c)
Fig. 7. Profils de charge de MG1 (a), MG2 (b) et MG3(c) en
réponse à DR
TABLEAU IV
LIMITES POUR LA QUANTITÉ RÉGLABLE DANS CHAQUE
MG DU SYSTÈME MMG
Montant ajustable
t MG1 MG2 MG3
Min Max Min Max Min Max
1 0 0 0 0 -550 0
2 0 0 0 0 -478 72
3 0 0 0 0 -465 85
4 0 0 0 0 -478 72
5 0 0 0 0 -486 64
6 0 0 0 0 -550 0
7 0 0 0 0 0 0
8 0 0 0 0 0 0
9 -410 90 -400 200 0 0
10 -465 35 -417 183 0 0
11 -500 0 -465 135 0 0
12 -395 105 0 0 0 0
13 -459 41 0 0 0 0
14 -464 36 0 0 0 0
15 -449 51 0 0 0 0
16 -441 59 -527 73 0 0
17 -455 45 -550 50 0 0
18 -487 13 -561 39 0 0
19 -500 0 -579 21 0 0
20 -492 8 -588 12 0 0
21 0 0 -544 56 0 0
22 0 0 0 0 -464 86
23 0 0 0 0 -525 25
24 0 0 0 0 -530 20
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
17
PAche
(cas2) PVen
(cas2) 600 ΔPAch ΔPVen ΔPContrôlable
2000 ter dre
PAche
(cas1) PVen
(cas1) eter dre
400
1000 ter dre
200
0
(kWh)
(kWh)
0
-1000
-200
-2000
-400
0 2 4 6 8 10 12 14 16 18 20 22 24
0 2 4 6 8 10 12 14 16 18 20 22 24
Intervalle (heure) Intervalle (heure)
Fig. 8. Quantité d'électricité achetée et vendue dans les cas 1 et 2 système MMG. La quantité de puissance ajustable utilisée à
chaque intervalle se situe dans les limites déterminées à l'étape
MG1 MG2 MG3 1. La différence entre l'achat,
200
-200
(kWh)
-400
-600
0 2 4 6 8 10 12 14 16 18 20 22 24
Intervalle (heure)
Fig. 9. Quantité de puissance ajustable utilisée par les MG dans le cadre du
réordonnancement
TABLEAU V
CBESS CALENDRIER DE CHARGEMENT ET DE DÉCHARGEMENT EN
SM ET AM
CBESS CBESS CBESS CBESS
t charge décharge t ch argument décharge
ation
SM AM SM AM SM AM SM AM
1 0 0 0 0 13 0 0 290 0
2 600 0 0 0 14 0 0 324 0
3 600 600 0 0 15 0 0 288 0
4 600 600 0 0 16 0 0 301 301
5 600 600 0 0 17 0 0 349 349
6 232 0 0 0 18 0 0 417 417
7 0 0 0 0 19 0 0 475 500
8 0 0 0 0 20 0 0 466 500
9 0 0 8 8 21 0 0 415 500
10 0 0 0 0 22 0 0 0 0
11 0 0 0 0 23 0 0 0 0
12 0 0 0 0 24 0 0 0 0
VI. CONCLUSION
Une nouvelle stratégie de réduction des coûts
d'exploitation des systèmes MMG par le biais de la gestion
de l'énergie a été proposée dans cet article. Contrairement
aux stratégies conventionnelles de gestion de l'énergie, une
puissance réglable est également proposée par chaque
système de gestion de l'énergie en plus des quantités de
surplus et de pénurie. Le décalage entre la puissance totale
excédentaire et la puissance manquante a été compensé non
seulement par l'échange de puissance avec le réseau public
ou une ressource externe (CBESS/CDGP), mais peut
également être ajusté par l'échange de puissance avec
d'autres systèmes de gestion de l'énergie. S'agissant d'un
modèle coopératif, les échanges entre MG ont été accrus en
augmentant la puissance des CDG les moins chers dont la
puissance est ajustable. Cet échange a permis de réduire les
échanges externes et les coûts d'exploitation du système
MMG. La stratégie proposée s'est avérée plus rentable que
les stratégies de gestion de l'énergie existantes. Tous les
modèles développés sont basés sur le MILP, ce qui les rend
faciles à mettre en œuvre et peu coûteux en termes de calcul.
Le DR a également été appliqué au réseau MMG et les effets
du DR sont évidents dans les résultats de la simulation.
Grâce à l'EMS hiérarchique, la stratégie d'optimisation
proposée répartit la charge de calcul tout en permettant une
gestion optimale de l'énergie des MMG. Les études de
simulation ont montré que, pour réduire le coût d'exploitation
global du système MMG, le mode subordonné du CBESS est
plus efficace. Le CBESS peut accroître ses avantages en
mode opérationnel autonome au prix d'un coût opérationnel
élevé pour l'ensemble du système MMG.
RÉFÉRENCES
[1] Q. Jiang, M. Xue, et G. Geng, "Energy management of microgrid in
grid-connected and stand-alone modes," IEEE Trans. Power Systems,
vol. 28, no. 3, pp. 3380-3389, août 2013.
[2] Z. Wang, B. Chen, J. Wang, et J. Kim, "Decentralized energy
management system for networked microgrids in grid-connected and
islanded modes," IEEE Trans. Smart Grid, vol. 7, no. 2, pp. 1097-
1105, Mar. 2016.
[3] D. E. Olivares, C. A. Cañizares, et M. Kazerani, "A centralized energy
management system for isolated microgrids," IEEE Trans. Smart Grid,
vol. 5, no. 4, pp. 1864-1875, Jul. 2014.
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.
Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement édité. Le contenu peut être modifié avant la publication finale. Informations sur les citations : DOI
10.1109/TSG.2016.2585671, IEEE Transactions on Smart Grid
19
[4] Y. Zhang, N. Gatsis, et G. B. Giannakis, "Robust energy management [25] T. Morstyn, B. Hredzak, et V. G. Agelidis, "Cooperative multi-agent
for microgrids with high-penetration renewables," IEEE Trans. control of heterogeneous storage devices distributed in a DC microgrid,"
Sustainable Energy, vol. 4, no. 4, pp. 944-953, Oct. 2013. IEEE Trans. Power Systems, vol. 31, no. 4, pp. 2974-2986, Jul. 2016.
[5] Z. Wang, K. Yang, et X. Wang, "Privacy-preserving energy scheduling [26] N.-O. Song, J.-H. Lee, H.-M. Kim, Y.-H. Im, et J.-Y. Lee, "Optimal
in microgrid systems," IEEE Trans. Smart Grid, vol. 4, no. 4, pp. 1810- energy management of multi-microgrids with sequentially coordinated
1820, Dec. 2013. operations," Energies, vol. 8, no. 8, pp. 8371-8390, Aug. 2015.
[6] P. Malysz, S. Sirouspour, et A. Emadi, "An optimal energy storage [27] E. M. Hammad, A. K. Farraj, D. Kundur, "Grid-independent cooperative
control strategy for grid-connected microgrids," IEEE Trans. Smart microgrid networks with high renewable penetration," in Proc. IEEE
Grid, vol. 5, no. 4, pp. 1785-1796, Jul. 2014. Power & Energy Society, Innovative Smart Grid Technologies Conf.
[7] H. HassanzadehFard, S. M. Moghaddas-Tafreshi, et S. M. Hakimi, (ISGT), Washington , USA, Feb. 2015. pp. 1-5.
"Effect of energy storage systems on optimal sizing of islanded micro- [28] H. S. V. S. Kumar Nunna et Suryanarayana Doolla, "Demand Response
grid considering interruptible loads," in Proc. 3rd IEEE Int. Youth Conf. in Smart Distribution System with Multiple Microgrids," IEEE Trans.
Energetics (IYCE), Leiria, Portugal, Jul. 2011. pp. 1-7. on Smart Grid, vol. 3, no. 4, pp. 1641-1649, Dec. 2012.
[8] A. J. Conejo, J. M. Morales, et L. Baringo, "Real-time demand response [29] H. S. V. S. Kumar Nunna et Suryanarayana Doolla, "Responsive End-
model," IEEE Trans. Smart Grid, vol. 1, no. 3, pp. 236-242, Dec. 2010. User based Demand Side Management in Multi-Microgrid
[9] S. Shao, M. Pipattanasomporn, et S. Rahman, "Demand response as a Environment," IEEE Trans. on Ind. Informat., vol. 10, no. 2, pp. 1262-
l o a d shaping tool in an intelligent grid with electric vehicles," IEEE 1272, mai 2014.
Trans. Smart Grid, vol. 2, no. 4, pp. 624-631, Dec. 2011. [30] H. S. V. S. Kumar Nunna et Suryanarayana Doolla, "Energy
[10] Z. Zhou, F. Zhao, et J. Wang, "Agent-based electricity market simulation Management in Microgrids using Demand Response and Distributed
with demand response from commercial buildings," IEEE Trans. Smart Storage- A Multi-Agent Approach," IEEE Trans. on Power Del, vol. 28,
Grid, vol. 2, no. 4, pp. 580-588, Dec. 2011. no 2, pp. 939-947, Apr. 2013.
[11] T. Logenthiran, D. Srinivasan, A. M. Khambadkone, et H. N. Aung, [31] H. S. V. S. Kumar Nunna et Suryanarayana Doolla, "Multi Agent based
"Multiagent system for real-time operation of a microgrid in real-time Distributed Energy Resource Management for Intelligent Microgrids",
digital simulator," IEEE Trans. Smart Grid, vol. 3, no. 2, pp. 925-933, IEEE Trans. on Ind. Electron. vol. 60, no. 4, pp. 1678- 1687, Apr. 2013.
Jun. 2012. [32] Environnement de développement d'agents Java (JADE) [En ligne].
[12] M. H. Cintuglu, H. Martin et O. A. Mohammed, "Real-time Disponible : http://jade.tilab.com
implementation of multiagent-based game theory reverse auction model [33] IBM ILOG CPLEX V12.1 Manuel de l'utilisateur pour CPLEX 2009,
for microgrid market operation," IEEE Trans. Smart Grid, vol. 6, no. 2, CPLEX
pp. 1064-1072, mars 2015. Division, ILOG, Incline Village, NV, USA, 2009.
[13] S. D. J. McArthur, E. M. Davidson, V. M. Catterson, A. L. Dimeas, N. [34] FIPA, The Foundation for Intelligent Physical Agents standards [En
D. Hatziargyriou, F. Ponci, et T. Funabashi, "Multi-agent systems for ligne]. Disponible : http://www.fipa.org
power engineering applications-Part I : Concepts, approaches, and [35] B. Zhao, X. Zhang, J. Chen, C. Wang et L. Guo, "Operation
technical challenges," IEEE Trans. Power Systems, vol. 22, no. 4, pp. optimization of standalone microgrids considering lifetime
1743-1752, Nov. 2007. characteristics of battery energy storage system," IEEE Trans. Sustain.
[14] S. D. J. McArthur, E. M. Davidson, V. M. Catterson, A. L. Dimeas, N. Energy, vol. 4, no. 4, pp. 934-943, oct. 2013
D. Hatziargyriou, F. Ponci, et T. Funabashi, "Multi-agent systems for [36] M. Choobineha, P. C. Tabares-Velascob, et S. Mohagheghia, "Optimal
power engineering applications-Part II : Technologies, standards, and energy management of a distribution network during the course of a heat
tools for building multi-agent systems," IEEE Trans. Power Systems, wave," Electric Power Systems Research, vol. 130, pp. 230-240, Jan.
vol. 22, no. 4, pp. 1753-1759, nov. 2007. 2016.
[15] L. Wang, Z. Wang, et R. Yang, "Intelligent multiagent control system
for energy and comfort management in smart and sustainable buildings," Van-Hai Bui a obtenu une licence en génie
IEEE Trans. Smart Grid, vol. 3, no. 2, pp. 605-617, Jun. 2014. électrique à l'université des sciences et technologies
[16] T. Logenthiran, D. Srinivasan, A. M. Khambadkone, "Multi-agent de Hanoi, au Viêt Nam, en 2013. Il est actuellement
system for energy resource scheduling of integrated microgrids in a étudiant en master et en doctorat au département
distributed system," Electric Power Systems Research, vol. 81, no. 1, d'ingénierie électrique de l'université nationale
pp. 138-148, janvier 2011. d'Incheon, en Corée. Ses recherches portent sur le
[17] H.-M. Kim, T. Kinoshita, et M.-C. Shin, "A multiagent system for fonctionnement des micro-réseaux et les systèmes de
autonomous operation of islanded microgrids based on a power market gestion de l'énergie (EMS).
environment," Energies, vol. 3, no. 12, pp. 1972-1990, Dec. 2010.
[18] J. Lagorse, D. Paire, A. Miraoui, "A multi-agent system for energy
Akhtar Hussain a obtenu sa licence en
management of distributed power sources," Renewable Energy, vol. 35,
télécommunications à l'Université nationale des
no. 1, pp. 174-182, Jan. 2010.
sciences et de la technologie (NUST) du Pakistan en
[19] Y. S. Foo. Eddy, H. B. Gooi, et S. X. Chen, "Multi-agent system for
2011 et sa maîtrise en génie électrique à l'Université
distributed management of microgrids," IEEE Trans. Power Systems,
Myongji, à Yongin, en Corée du Sud, en 2014. Il a
vol. 30, no. 1, pp. 24-34, Jan. 2015.
travaillé en tant qu'ingénieur associé chez SANION,
[20] H.-M. Kim, Y. Lim, et T. Kinoshita, "An intelligent multiagent system
une société de développement de dispositifs
for autonomous microgrid operation," Energies, vol. 5, no. 9, pp. 3347-
explosifs de circonstance, en Corée, de janvier 2014
3362, Sept. 2012.
à mai 2015. Il est actuellement doctorant à
[21] Y. Lim, H.-M. Kim, et T. Kinoshita, "Distributed load-shedding system
l'université nationale d'Incheon, en Corée. Ses
for agent-based autonomous microgrid operations," Energies, vol. 7, no.
recherches
1, pp. 385-401, 2014.
Les centres d'intérêt sont l'automatisation et la protection de la distribution, les
[22] M. Mao, P. Jin, N. D. Hatziargyriou, et L. Chang, "Multiagent-based
réseaux intelligents et l'optimisation des micro-réseaux.
hybrid energy management system for microgrids," IEEE Trans.
Sustainable Energy, vol. 5, no. 3, pp. 938-946, Jul. 2014.
[23] C.-X. Dou et B. Liu, "Multi-agent based hierarchical hybrid control for Hak-Man Kim a obtenu son premier doctorat en
smart microgrid," IEEE Trans. Smart Grid, vol. 4, no. 2, pp. 771- 778, génie électrique à l'université de Sungkyunkwan
Jun. 2013. (Corée) en 1998 et son second doctorat en sciences
[24] C. M. Colson, M. H. Nehrir, R. K. Sharma et B. Asghari, "Improving de l'information à l'université de Tohoku (Japon) en
sustainability of hybrid energy systems Part II : Managing multiple 2011. Il a travaillé pour l'Institut coréen de recherche
objectives with a multiagent system", IEEE Trans. Sustainable Energy, en électrotechnologie (KERI), en Corée, d'octobre
vol. 5, no. 1, pp. 46-54, Jan. 2014. 1996 à février 2008. Il est actuellement professeur au
département d'ingénierie électrique de l'université
nationale d'Incheon,
Corée. Ses recherches portent sur l'exploitation et le contrôle des micro-
réseaux et sur les systèmes d'alimentation à courant continu.
1949-3053 (c) 2016 IEEE. L'utilisation personnelle est autorisée, mais la republication/redistribution nécessite l'autorisation de l'IEEE. Voir
http://www.ieee.org/publications_standards/publications/rights/index.html pour plus d'informations.