Bui2016 FR

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
Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux.
1
Visitez www.DeepL.com/pro pour en savoir plus.
Une stratégie de gestion de l'énergie hiérarchique basée

sur des agents multiples pour des micro-réseaux
multiples tenant compte de la puissance ajustable
et de la réponse à la demande
Van-Hai Bui, membre étudiant, IEEE, Akhtar Hussain, membre étudiant, IEEE et Hak-Man Kim,
Membre senior, IEEE
Résumé - Traditionnellement, le système de gestion de Pmin Pmax

i , i Limites de production
SU
l'énergie communautaire (CEMS) ne fournit des informations Ci
PRBuy PRSell minimales/maximales de l'unité i.
sur les excédents et les déficits qu'à chaque intervalle de temps. ,
Ces informations limitées peuvent entraîner une augmentation
t
PPV PWT
t Coût de démarrage de l'unité i.
,
des coûts d'exploitation des systèmes multi-micro-réseaux Prix d'achat/de vente à t.
(MMG). Ce document propose d'informer les Prévisions de production des cellules
t t photovoltaïques et des éoliennes.
Charge fixe et contrôlable à t.
L _fix PL _con
le CEMS sur la puissance réglable également, en plus des
,
Pt t
informations sur les excédents et les pénuries. Ces informations vt ,t ' Pénalité pour le déplacement de la charge de t à
supplémentaires permettront au CEMS de disposer de diverses t'.
options pour répondre aux demandes de charge de son réseau. Le
IFt max , OFt max
CEMS choisira parmi les différentes options disponibles, qui Entrées et sorties maximales de
CDGP
comprennent l'échange avec le réseau électrique, l'achat auprès Ct charge vers/depuis l'intervalle t.
PRRec PRSend
d'une centrale de production décentralisée contrôlable (CDGP), , Coût de production moyen du CDGP à l'instant
l'achat auprès d'un système communautaire de stockage t.
d'énergie par batterie (CBESS). Prix de réception/envoi au moment t par les
t t MG.
ou contrôler la puissance réglable : augmenter ou diminuer la CtCB+ , C CB− Coût de chargement/déchargement du CBESS.
t
production des unités contrôlables. Le CBESS peut être contrôlé L L+B,− B Pertes pour la charge/décharge du BESS.
par le CEMS ou peut agir en tant qu'entité autonome. Les effets -
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
2
Charge déplacée de l'instant t à l'instant t'.

Charge ajustée à t.
K Ensemble de SOCB ', SOCCB ' État de charge du BESS et du CBESS à
micro-réseaux.
t avant de considérer l'autodécharge.
Constantes
CCDG Coût de production de SOCtB , SOCCB
t État de charge du BESS et du CBESS à t
i
l'unité i. après prise en compte de l'autodécharge.
Adj
ΔPk ,i Puissance réglable de l'unité i dans la MG k à t.
,t Puissance d'achat/de vente de la MG k à t.
PBuy PSell
k, , tk ,t
PRec PSend
Ce travail a été soutenu par le programme de technologie de base pour la , t Puissance de réception/envoi à t par les MG.
tCDGP
production et la distribution d'électricité de l'Institut coréen d'évaluation et de Pt Puissance de sortie de CDGP à t.
planification des technologies énergétiques (KETEP), financé par le ministère ΔPkmin_
,i,t
adj
Puissance minimale réglable de l'unité i.
du commerce, de l'industrie et de l'énergie de la République de Corée. (No.
20141020402350). ΔPk ,i,t adj
max_
Puissance maximale réglable de l'unité i.
Les auteurs travaillent au département d'ingénierie électrique de
l'université nationale d'Incheon, Incheon, Corée. (e-mail : hmkim@inu.ac.kr).
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
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
5
peut être résumée comme suit : EMS communautaire

1. Le concept de puissance réglable a été introduit et utilisé CDGP Communau
té BESS
pour minimiser les coûts d'exploitation des systèmes
MMG. Les CEMS peuvent augmenter/diminuer les
quantités de production des CDG avec une puissance Réseau
électrique
réglable afin de réduire les coûts opérationnels des MG
individuels et du système MMG en évitant les échanges
inutiles avec le réseau d'électricité. MG-EMS MG-EMS MG-EMS
2. Deux modes de fonctionnement différents (subordonné et
autonome) ont été proposés pour le CBESS. Après avoir
testé les deux modes de fonctionnement sur la stratégie MG1 MG2 MG3
RDG RDG RDG
d'optimisation proposée, le mode le plus rentable a été Char Char Char
suggéré. gement gement gement
3. Les programmes DR ont été incorporés dans la

stratégie EMS proposée pour déplacer les demandes de
charge de pointe en réalisant un schéma de déplacement de BESS CDG BESS CDG BESS CDG
la charge.
4. L'EMS hiérarchique a été utilisé pour répartir la charge de
calcul sur le CMES et le MAS a été utilisé pour réaliser le
système de gestion de l'information.
la communication entre les différentes entités dans les MG et dans les
MMG. En outre, la formulation des problèmes est basée une optimisation globale pour minimiser le coût opérationnel du
sur la méthode MILP. Les problèmes MILP peuvent être système MMG.
facilement mis en œuvre à l'aide de logiciels commerciaux B. Concepts : Terminologies et définitions
tels que CPLEX, qui garantissent l'optimalité globale.
1) Puissance réglable : la production de puissance de sortie
de chaque MG est donnée par la figure 2. Les lignes en pointillé
III. MODÈLE DE SYSTÈME
représentent la puissance de sortie minimale de chaque MG.
A. Configuration et composants du système MMG
Le système mis au point pour tester les performances de
l'algorithme de minimisation des coûts opérationnels proposé
est illustré à la figure 1. Trois MG, à savoir MG1, MG2 et
MG3, ont été considérées dans cette étude. Chaque MG
contient un système de stockage d'énergie par batterie (BESS),
un générateur distribué contrôlable (CDG), une production
distribuée renouvelable (RDG) et une charge électrique.
1) Composants individuels du micro-réseau : Les unités
CDG peuvent être un générateur diesel, une pile à combustible
ou tout autre type de générateur contrôlable. Les éoliennes et
les cellules solaires constituent des GDR. Les BESS sont
constitués de cellules électrochimiques et la charge est
constituée de charges contrôlables et fixes.
2) Microgrid EMS (MG-EMS) : il est responsable de
l'optimisation de ses composants locaux. Après l'optimisation,
l'excédent, la pénurie et la quantité de puissance réglable ainsi
que le coût unitaire sont fournis au CEMS à chaque intervalle
de temps.
3) BESS communautaire (CBESS) : Il peut fonctionner soit
en mode subordonné, soit en mode autonome. Le CBESS
envoie ses informations sur l'état de charge (SOC) au CEMS à
chaque intervalle.
4) Centrale de production décentralisée contrôlable
(CDGP) : elle est composée de plusieurs unités CDG. Le
CDGP informe le CEMS du coût moyen par unité à chaque
intervalle de temps.
5) Réseau électrique : Le CEMS reçoit des signaux de prix
unitaires (achat et vente) du réseau électrique. Les signaux de
prix pour chaque intervalle de temps sont prédéfinis.
6) CEMS : Il est responsable de l'optimisation globale.
Après avoir reçu des informations des MG-EMS, du CBESS,
du CDGP et des signaux de prix du marché, le CEMS effectue
6
Flux d'énergie Liaison de communication
Fig. 1. Configuration du système MMG proposé
Les lignes en pointillé représentent les limites de production

maximales des MG à un intervalle de temps donné. La ligne
continue montre la demande de charge de chaque MG. La
couleur vert clair de la figure 2 représente la quantité
d'électricité produite par la MG après l'optimisation locale.
La couleur bleu clair indique la quantité d'électricité reçue
d'autres MG et la couleur violette indique la quantité
d'électricité envoyée par mth MG du réseau après
optimisation globale. Les flèches vers le bas et vers le haut
indiquent la quantité d'électricité réduite ou augmentée,
respectivement, en raison de la prise en compte de la
puissance ajustable.
La puissance générée par le CDG dans la MG1 est égale à
la charge, comme le montre la figure 2 (paire de gauche).
Dans le même temps, un autre MG2 vend de l'électricité au
réseau électrique à un prix inférieur. MG2 peut envoyer le
surplus pour combler le déficit de MG3. Le surplus restant de
MG2 peut être envoyé à MG1 et MG1 peut réduire sa
production (coût de production de MG1 > prix de vente). De
même, la quantité manquante de MG3 dans la figure 2 (paire
de droite) ne peut pas être comblée uniquement par MG2.
MG3 doit acheter la quantité manquante restante au réseau
électrique à un prix plus élevé. MG1 peut augmenter sa
production et l'envoyer à MG3. (Coût de production de MG1
< prix d'achat). La quantité de puissance par laquelle un MG
peut augmenter/diminuer sa production est définie comme
une puissance ajustable. De même, le CEMS peut comparer
l e coût de la puissance ajustable avec le coût du CDGP et
peut augmenter/diminuer la quantité ajustable de la même
manière.
2) CBESS Subservient Mode : Les décisions relatives à la
charge et à la décharge du CBESS sont prises par le CEMS.
Le CEMS charge/décharge le CBESS pour minimiser le coût
opérationnel global du système MMG. Le CBESS ne fait que
suivre les ordres reçus du CEMS.
3) Mode autonome du CBESS : Les décisions concernant la
charge et la décharge du CBESS sont prises par le CBESS
lui-même. CBESS décide de la charge/décharge pour
maximiser son propre profit.
C. Configuration du système multi-agents
Un système MMG typique est illustré à la figure 1, où
chaque MG est intégré au bus CA par le biais d'interfaces
d'électronique de puissance. La stratégie opérationnelle
proposée dans cet article utilise trois niveaux pour accomplir
la tâche d'optimisation. Les agents sont classés en quatre
groupes en fonction de l'importance de l'optimisation.
7
Les signaux de prix du marché (prix d'achat et de vente), les

MG1 MG3 MG1 MG3 MG2
MG2
capacités de production des CDG, RDG et BESS ainsi que les
profils de charge des MG sont pris en compte. À l'étape 1, les
signaux horaires des prix du marché (prix d'achat et de vente),
les capacités de production des CDG, RDG et BESS ainsi que
MG1 2 MG2 MG3 MG1
2
MG3 MG2 les profils de charge des MG sont pris comme données
1 1
d'entrée. Chaque MG-EMS reçoit ces informations et effectue
une optimisation locale en tenant compte des programmes de
Coûts de production : MG1=115, MG2=105, Prix d'achat =120, Prix de vente =110 réduction de la consommation. Chaque MG utilise les
MG3=125
informations fournies par le CEMS (signaux de prix du
marché) et les informations spécifiques à ses composants
(limites et capacités de production) pour décider de sa
participation au marché mondial.
Génération maximale Production minimale Charge l'optimisation. Si une MG envoie un signal de refus au CEMS,
Fig. 2. Concept de puissance réglable elle ne sera pas prise en compte par le CEMS pour
l'optimisation globale. Toutes les autres MG enverront au
Agent CEMS
CEMS leurs surplus, leurs pénuries et leurs quantités de
Niveau 3 puissance ajustable. La décision concernant les quantités de
Gestion multi- surplus, de pénurie et de puissance ajustable sera basée sur le
coût de production des unités CDG, les prix d'échange sur le
micro-réseaux
Agent CDGP CBESS

de
march
Agent Agent marché et les demandes de charge locales des MG, comme le
é montre la figure 4. Dans le même temps, les agents externes
Niveau
informeront également l'agent CEMS de leurs capacités et/ou
Agents externes
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
communiquera au CEMS le coût de production unitaire ainsi

Agents
Niveau 1
micro-
que les limites supérieures et inférieures de la production. Le

locale
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
8
sur leur programmation. Après avoir reçu les résultats de

l'optimisation globale, chaque MG-EMS effectue à nouveau
son optimisation locale. Tous les agents locaux informent
leurs MG-EMS respectifs de leur état d'engagement et les
MG-EMS ainsi que les agents au niveau de la communauté
informent les CEMS de leur état d'engagement. De cette
manière, un cycle d'optimisation est achevé en utilisant la
stratégie d'optimisation proposée. La procédure étape par
étape pour effectuer un cycle d'optimisation est résumée à la
figure 4.
E. Interaction entre différents agents
L'interaction entre les différents agents développés dans le
cadre de la stratégie opérationnelle proposée est illustrée à la
figure 5. Tout d'abord, un message est envoyé par l'agent
EMS communautaire à l'agent de marché pour s'enquérir des
signaux de prix du marché. L'agent du marché envoie à
l'agent CEMS les prix d'achat et de vente pour chaque heure
de la journée. L'agent du marché envoie les mêmes signaux
de prix aux agents externes. Ces signaux de prix du marché
sont accompagnés de messages d'appel à propositions (CFP)
et sont destinés aux MG-EMS et aux agents de ressources au
niveau communautaire (agents de niveau 2). Chacun des
agents externes et des MG-EMS est libre de décider de sa
participation à l'optimisation globale. De la même manière,
chaque agent MG-EMS informera ses ressources locales des
signaux de prix du marché par le biais de messages cfp. Les
éléments locaux des MG peuvent également accepter/rejeter
les propositions reçues de leurs MG-EMS. Sur la base des
propositions reçues de ses éléments locaux, chaque agent
MG-EMS décidera de participer ou non à l'optimisation
globale. Tous les agents MG-EMS informent l'agent MG-
EMS de la décision de participer à l'optimisation globale.
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
réseau de contrats modifié (MCNP).

[34].
∀t ∈T (4)
IV. MODÈLE BASÉ SUR LA MÉTHODE MILP POUR LA
PROGRAMMATION À COURT TERME
0 ≤ PB+ ≤ PCap ⋅(1-
)
⋅ 1 ⋅ 1 ∀t ∈T (5)
SOCB
t B t -1
Des modèles mathématiques ont été élaborés pour chacun d'entre eux. 1- LB+ η BBTB
trois étapes expliquées dans les sections précédentes. À l'étape 0≤ PtB-
≤ P ⋅ SOC ⋅ (1- LB− ) ⋅ηBTB
Cap B
∀t ∈T (6)
1, les
B t -1 B
L'optimisation est effectuée par les MG-EMS respectifs. 0≤ PtB- PtB+
, ≤ PBTB /ηBTB
B B ∀t ∈T (7)
Chaque MG-EMS décide du surplus/de la pénurie et de la ⎛ 1 1
⋅ ⋅ PB−
⎞
puissance réglable à
àétape
ce stade.
sont Les modèles mathématiques développés étape par η
⎜
- 1PCap ⋅⎜ BTB t ⎟
expliqués dans les sections suivantes. Le modèle proposé est SOCB = SOCBtt - 1- LB− B ⎟ (8)
formulée pour 1 B -PtB+
⋅ (1- L ) ⋅η BTB ⎟
deun horizon de programmation de 24 heures avec ⎜ B+
un intervalle temps
10
⎝ 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
11
Agent Agent de CBESS MG-EMSi CDGi RDGi BESSi Agent

Agent de
communaut l'usine Agent Agent Agent Agent Agent Loadi
marché
aire EMS CDG
1a) demande
d'information
1b) réponse à 2a) cfp 2a) cfp 2a) cfp

2-1a) cfp 2-1a) cfp 2-1a) cfp
l'information 2-1a) cfp
2b)
proposition 2-1b)
proposition 2-
2b) 1b) proposition
proposition 2-1b)
proposition 2-
1b) proposition
3a) accepter ou 3a) accepter ou 2-1b) 3-1a) accepter
2b) proposition 3a) accepter ou 3-1a) accepter 3-1a) accepter
rejeter rejeter proposition
rejeter ou rejeter ou rejeter ou rejeter
3b) informer
3b) informer 3-1b)
informer
3-1a) accepter3-ou
1b) rejeter
informer
3b) informer 3-1b)
informer 3-
1b) informer
3-1b)
Agent CEMS " Level2 Agents Communication informer Agent MG-EMS " Agents de niveau 1
Communication
Fig. 5. Interaction entre les différents agents participants

PtL _ adj
= PtL _ fix +PL _ con
+∑ PSh PSh
∀t ∈T (13) B. Étape 2 : Optimisation globale
tt-', ∑ tt,t
' t' ∈Tt '∈T Après avoir reçu les informations sur l'excédent, la pénurie et
t' ≠tt '≠t
la puissance ajustable de chaque agent MG-EMG et les
⎧0 propositions
v= si le décalage est des agentsglobales
analyses du CDGP et du CBESS, le CEMS effectue des
de l'environnement.
autorisé
t,t ' ⎨
⎩∞ autrement ∀t ∈T, t ' ∈T (14)
Algorithme 1 Calcul de l'excédent , de la pénurie et du
déficit
L'équation (2) montre les limites d'exploitation de l'unité ith Puissance réglable
CDG. L'indicateur de démarrage du CDG est représenté par 1 : Valeurs initiales
(3), qui est une contrainte maximale. Apparemment, cette 2 : Optimisation locale pour chaque micro-réseau
contrainte conduit à une formulation non linéaire du problème, 3 : while t < T do
mais elle peut être résolue en utilisant l'opérateur "IloMax" 4 : pour tout i < I faire
disponible dans CPLEX [33]. La puissance générée par les 5: si ∑ PiCDG + PPVt + PWTt > PL _ adj alors
cellules photovoltaïques, les éoliennes, les unités CDG ,t t
i∈I
engagées, la puissance manquante et la quantité déchargée PSur PCDG PPV PWT PL _ adj
doivent être équilibrées avec la charge, le surplus et les 6: t =∑ i,t + t+ t- t
i∈I
quantités de charge à chaque intervalle et est représentée par PShort
(4). Le BESS a été considéré comme une charge pendant le 7 : t
=0
mode de charge et comme une source pendant le mode de 8 : si PRSell ≤ CCDG < PRBuy alors
t i t
décharge. Par conséquent, le coût de l'électricité est incorporé
pendant le mode de charge/décharge. Le coût d'investissement 9 :
du BESS est une question importante dans la phase
Pmin PCDG
i - i,t ≤ ΔPAdji,t ≤ Pmaxi - PCDGi,t ( ) ( )
10 : autre
d'optimisation de la planification, mais dans la programmation
au jour le jour, le coût d'investissement n'est généralement pas 11 : ΔPAdj = 0
i,t
pris en compte [3], [23]. Les équations (5)-(10) montrent les 12 : fin si
contraintes pour la charge, la décharge et le SOC du BESS. 13 : autre
Les pertes de charge/décharge, le taux d'autodécharge du 14 : PSur = 0
BESS et les pertes du convertisseur BTB sont inclus dans la t
PShort PL _ adj
modélisation du BESS comme proposé par [35], [36]. 15 : = t - ∑ PCDG i,t -
PPV
t-
PWT t
t
Le SOC du BESS dans le premier intervalle (t -1,tB=1SOC ) est la valeur initiale du i ∈ I
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
de l'intervalle t à t' est contrainte par (11). La quantité 18 : autre

maximale de charge déplaçable est 19 : ΔPAdj = 0
i,t
limitée par la quantité de charge contrôlable et modélisée par
(12). La charge ajustée après application du DR (déplacement 20 : fin si
de charge) peut être calculée à l'aide de l'équation (13). La 21 : fin si
pénalité pour le déplacement de charge de l'intervalle t à t' peut 22 : fin pour
être modélisée à l'aide de l'équation (14). Après avoir terminé 23 : t++
24 : end while
12
l'optimisation locale par chaque MG-EMS à l'étape 1, chaque

MG calcule le surplus, la pénurie et la quantité de puissance
ajustable selon l'algorithme. 1. La quantité de puissance
ajustable calculée
sont communiquées à l'agent CEMS.
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
+∑∑ ( PRBuy PBuy

⋅ -tk ,tPRSell ⋅ PSell ) (15) C. Étape 3 : Optimisation locale (réordonnancement)
tk ,t
k∈K t∈T
Sous Après avoir effectué l'optimisation globale, l'agent CEMS
réserve de informe
min tous les agents externes et MG-EMS au sujet de leurs
PGP ≤ PtCDGP ≤ PGP
max
∀t ∈T (16) engagements et de leur programmation. Après avoir reçu les
min_ adj Adj max_ adj
ΔPk,i,t ≤ ΔPk,i,t ≤ ΔPk,i,t ∀k ∈ K ,i ∈ I , t (17) résultats de l'optimisation globale de l'agent CEMS, chaque
∈T agent MG-EMS effectue une optimisation locale.
PCDGP à nouveau (réordonnancement). La fonction objective pour le
+ ∑ PBuy + ∑ ∑ ΔPAdj + ∑ PSur + PCB-
réordonnancement
t k, tk ,i,t k ,t t est donnée par l'équation (24). L'équation (24) contient la
k∈Kk∈K i∈I k∈K
génération de CDG
montant avec puissance réglable, coût de démarrage, prix d'achat
= ∑ PShort + PtCB+ + ∑ PSell ∀t ∈T (18) et
delalavente d'électricité
réception depuis/vers le réseau électrique, le prix
de l'électricité.
k ,t k ,t
k∈K k∈K d'autres MG et le prix de l'envoi d'électricité à d'autres MG de
1 ⋅ 1
0 ≤ PtCB+ ≤ PCap
CB ⋅ 1- SOC t -1 )⋅
CB
( 1- LCB+
η BTB
∀t ∈T (19) le système MMG.
CDG CDG Adj SU
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)
taux d'autodécharge et les pertes du convertisseur BTB ont été

Tout comme les limites supérieures et inférieures définies pris en compte dans la modélisation du CBESS.
pour le CDGP dans (16), la puissance ajustable est également 2) Modèle de mode autonome : En mode autonome, la
contrainte par des limites supérieures et inférieures comme charge et la décharge du CBESS sont décidées par le CBESS
indiqué dans (17). L'équilibrage de la charge dans seul. Le CBESS évalue les signaux de prix provenant du CDGP
l'optimisation globale peut être réalisé à l'aide de l'équation et du réseau électrique et décide du moment de la
(18). L'équation (18) montre que la puissance générée par le charge/décharge. Par conséquent, la fonction objective pour
CDGP, la puissance achetée au réseau électrique, la puissance l'optimisation globale en mode autonome du CBESS contient
ajustable et le surplus de chaque MG, et la décharge du CBESS également les composantes de charge et de décharge et est
doivent être équilibrés avec la quantité de pénurie de chaque formulée comme suit (25). La fonction objective pour le mode
MG, la charge du CBESS, et la quantité de puissance vendue autonome du CBESS (25) contient le coût de production moyen
au réseau principal. Les contraintes associées à la de la CDGP, le coût de la puissance ajustable provenant de la
charge/décharge du CBESS et au SOC sont modélisées à l'aide CDGP et du réseau électrique.
de (19)-(24). Comme pour la modélisation du BESS à l'étape 1
(optimisation locale), les pertes de charge et de décharge, le
14
En plus de (27), la contrainte d'équilibrage de la charge,

l'équation (26) est également contrainte à (2)-(10). Dans
l'équilibrage de la charge, la puissance réglable et l'échange
entre les MG (d'émission et de réception) sont également pris
en compte, comme le montre l'équation (25).
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
Prix d'achat P r i x d e vente Coût de la génération

CDG1 Coût de la génération CDG2 Coût de la
génération CDG3
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
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
B. Étape 1 : Optimisation locale

La figure 6 montre que l'intervalle de prix de pointe va de
t=10 à t=21. La charge de cet intervalle sera déplacée vers
l e s intervalles hors pointe après l'application du DR à l'étape
1. Les profils de charge des MG avant et après l'application
des programmes de DR sont illustrés par la figure 7.
TABLEAU III
QUANTITÉ MANQUANTE, QUANTITÉ EXCÉDENTAIRE DANS
CHAQUE MG DU SYSTÈME MMG
Montant de la pénurie Montant de l'excédent
t MG1 MG2 MG3 MG1 MG2 MG3
1 432 542 0 0 0 0
2 405 535 0 0 0 0
3 394 539 0 0 0 0
4 411 544 0 0 0 0
5 615 706 0 0 0 0
6 450 519 0 0 0 0
7 298 397 0 0 0 218
8 347 370 0 0 0 134
9 0 0 0 0 0 111
10 0 0 0 0 0 110
11 0 0 0 0 0 68
12 0 0 0 0 140 53
13 0 0 0 0 301 242
14 0 0 0 0 80 60
15 0 0 0 0 84 77
16 0 0 0 0 0 67
17 0 0 0 0 0 56
18 0 0 0 0 0 31
19 0 0 0 0 0 4
20 0 0 0 0 0 14
16
(a) (b) (c)
Fig. 7. Profils de charge de MG1 (a), MG2 (b) et MG3(c) en
réponse à DR
La figure 7 montre que chaque MG déplace sa charge des

heures de pointe vers les heures creuses. Outre l'application
du DR, les quantités de pénurie, de surplus et de puissance
ajustable sont également déterminées après l'optimisation
locale à l'étape 1. Les quantités de pénurie et de surplus pour
chaque MG à chaque intervalle de temps sont indiquées dans
le tableau III, tandis que les limites supérieures et inférieures
des quantités ajustables sont indiquées dans le tableau IV.
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
C. Étape 2 : Optimisation globale

Le CEMS reçoit les informations indiquées dans les
tableaux III et IV de chaque MG et le coût moyen par unité
de CDGP. En fonction du mode du CBESS, la charge et la
décharge du CBESS sont décidées. Les résultats du cas
d'essai pour la charge/décharge du CBESS en mode
subordonné (SM) et en mode autonome (AM) sont présentés
dans le tableau V. La charge/décharge du CBESS en SM est
décidée par le CEMS pour minimiser le coût opérationnel
global du système MMG. En revanche, en AM, le CBESS
décide de sa charge/décharge pour maximiser son propre
profit. Au cours de l'optimisation globale, le CEMS doit
également décider de l'achat et de la vente de l'énergie
vers/depuis le système MMG.
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
le réseau électrique. Afin d'élaborer l'impact de la stratégie

proposée, deux cas ont été comparés. Dans le cas 1, seuls les
montants de l'excédent et de la pénurie ont été proposés par les
MG-EMS aux CEMS. Dans le cas 2, les MG-EMS ont
également proposé une puissance ajustable en plus des
montants de pénurie et d'excédent. La puissance d'achat et de
vente pour les deux cas est illustrée par la figure 8. La figure 8
montre que la quantité d'énergie achetée et vendue au réseau
électrique a été remarquablement réduite par l'application de
l'algorithme proposé. Avant l'application de l'algorithme
proposé, les MG achetaient à un prix plus élevé ou vendaient
au réseau électrique à un prix plus bas.
D. Étape 3 : Reprogrammation
Après avoir reçu les informations de programmation du
CEMS, chaque MG-EMS reprogramme ses éléments locaux
afin de garantir l'efficacité de la programmation.
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
l'équilibrage de la charge. Cependant, le programme

d'engagement des GDC sera modifié à partir de la
programmation de l'étape 1, en raison de la prise en compte de
la puissance ajustable. La figure 9 montre la puissance
ajustable utilisée par les MG pour le réordonnancement du
18
Fig. 10. Différence de puissance d'achat, de vente et de puissance

réglable dans les modes CBESS
Les courbes d'achat, de vente et de puissance réglable entre

les deux modes CBESS des trois MG sont montrées dans la
Fig. 10. La surface sous les courbes d'achat et de vente
montre la quantité d'énergie économisée en échangeant avec
le réseau électrique en utilisant le mode subordonné du
CBESS. La zone sous la courbe de puissance réglable montre
la quantité de puissance augmentée/diminuée pour minimiser
le coût d'exploitation du système MMG en mode
subordo n n é .
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.
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.

Bui2016 FR

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Bui2016 FR

Transféré par

Droits d'auteur :

Formats disponibles

Cet article a été accepté pour publication dans un prochain numéro de ce journal, mais n'a pas été entièrement

Une stratégie de gestion de l'énergie hiérarchique basée

Résumé - Traditionnellement, le système de gestion de Pmin Pmax

Charge déplacée de l'instant t à l'instant t'.

peut être résumée comme suit : EMS communautaire

3. Les programmes DR ont été incorporés dans la

Les lignes en pointillé représentent les limites de production

Les signaux de prix du marché (prix d'achat et de vente), les

Agent CDGP CBESS

communiquera au CEMS le coût de production unitaire ainsi

que les limites supérieures et inférieures de la production. Le

sur leur programmation. Après avoir reçu les résultats de

réseau de contrats modifié (MCNP).

Agent Agent de CBESS MG-EMSi CDGi RDGi BESSi Agent

1b) réponse à 2a) cfp 2a) cfp 2a) cfp

Fig. 5. Interaction entre les différents agents participants

de l'intervalle t à t' est contrainte par (11). La quantité 18 : autre

l'optimisation locale par chaque MG-EMS à l'étape 1, chaque

+∑∑ ( PRBuy PBuy

taux d'autodécharge et les pertes du convertisseur BTB ont été

En plus de (27), la contrainte d'équilibrage de la charge,

Prix d'achat P r i x d e vente Coût de la génération

B. Étape 1 : Optimisation locale

La figure 7 montre que chaque MG déplace sa charge des

C. Étape 2 : Optimisation globale

le réseau électrique. Afin d'élaborer l'impact de la stratégie

l'équilibrage de la charge. Cependant, le programme

Fig. 10. Différence de puissance d'achat, de vente et de puissance

Les courbes d'achat, de vente et de puissance réglable entre

Vous aimerez peut-être aussi