Gestion de la production et de la demande d'énergie dans un contexte de Microgrid Industriel.

par Alemayehu Desta

Thèse de doctorat en Informatique

Sous la direction de Laurent George.

Thèses en préparation à Paris Est , dans le cadre de MSTIC : Mathématiques et Sciences et Technologies de l'Information et de la Communication , en partenariat avec LIGM - Laboratoire d'informatique Gaspard-Monge (laboratoire) et de Informatique, linguistique (equipe de recherche) depuis le 06-10-2014 .


  • Résumé

    L'objectif de cette thèse est de proposer des solutions pour optimiser en temps réel la consommation énergétique d'une chaine de production composée d'outils de production en fonction de contraintes externes de variations de sources d'énergie dont le cout et l'approvisionnement sont fluctuants. Les décisions d'ordonnancement doivent se faire sur des temps de réaction assez courts. La consommation des équipements est composée d'une partie dynamique et d'une partie statique. La consommation statique étant actuellement une des sources principales de la consommation des équipements, réduite par la mise en veille ou l'arrêt des équipements. L'optimisation de la consommation énergétique, doit se baser sur une caractérisation des profils de consommation des équipements. Ces profils sont par nature hétérogènes, un formalisme pour la représentation des informations de consommation (à base par exemple d'ontologies) pourra être proposé. Cette gestion des activités des équipements doit se faire en fonction du cout fluctuant de l'énergie (information globale), fonction des marchés de l'énergie. Les principales sources de complexité pour l'adaptation en temps réel de la consommation énergétique des équipements proviennent d'une part • De l'hétérogénéité des sources d'informations collectées • Et de la démultiplication des outils de collecte sur les différents équipements de production Elle devrait permettre de collecter toujours plus de données à faible densité d'information. Les analyses de ces données sont d'autant plus complexes qu'elles portent de plus en plus sur les liens entre des données de natures et de représentation différentes. Le sujet de thèse entre donc dans la problématique du BigData, pour laquelle des données sont massivement collectées pour une prise de décision en temps réel de l'activité des équipements à partir de statistiques inductives sur ces données. Le problème d'optimisation à résoudre est donc multi-contraint : --> Adaptation en temps réel de la consommation énergétique des équipements de production à des contraintes exogènes (fluctuations des couts de production) et endogène (liée aux profils de consommation des équipements à partir de données massive collectées). L'efficacité énergétique des outils de production constitue la prochaine étape vers une efficacité énergétique distribuée. Les concepts de type micro-grids peuvent être un point de départ pour cette thèse. Ils utilisent des technologies informatiques de pointe pour piloter et optimiser la production et la distribution d'électricité sous forme de clusters de nano-grids pour l'équilibrage de : • La gestion d'énergies renouvelables (panneaux photovoltaïques, cogénération, micro-éolien, etc.) • La consommation énergétique des espaces concernés par le marché des micro-grids • Le stockage de l'énergie produite Cette thèse proposera une solution pour le sujet exposé, validée dans le cadre d'une maquette expérimentale représentative.

  • Titre traduit

    Energy Supply and Demand Side Management in Industrial Microgrid Context.


  • Résumé

    The objective of this thesis is to propose solutions to optimize in real time the energy consumption of a production line composed of production tools and it is according to external constraint variations of energy sources including the cost and supply fluctuations. The scheduling decisions must be made in relatively short reaction time. Energy consumption of equipments is composed of a dynamic part and a static part. The static consumption part actually being a major source of consumption of equipments, which can be reduced by the standby or switching off the equipments. The optimization of energy consumption should be based on a characterization of the consumption patterns of equipments. These profiles are inherently heterogeneous, a formalism for the representation of consumption information (for example based on ontologies) can be proposed. This activity management facilities should be based on the fluctuating cost of energy (global information), depending on the energy markets. The main sources of complexity for real-time adaptation of the energy consumption of equipments, on one part • From the heterogeneity of sources of information collected • And the proliferation of data collection tools on production equipment It is expected to collect more data still low information density. Analyses of these data are even more complex that they are increasingly on the links between data of different types and representation. The thesis therefore enters the problem of BigData, for which data are widely collected for decision making in real time the activity of equipments from inductive statistics data. The optimization problem to solve is multi-constrained: • Adaptation of real-time energy use production equipments to exogenous constraints (fluctuations in production costs) and endogenous (related to the consumption patterns of equipments collected from massive data). The energy efficiency of production tools is the next step towards distributed energy efficiency. Concepts like micro-grids can be a starting point for this thesis. They use computer technology to control and optimize the production and distribution of electricity in the form of clusters of nano-grids for balancing: • The management of renewable energy (solar panels, co-generation, micro-wind, etc.) • The energy consumption of the areas concerned by the market for micro-grids • storage of energy This thesis proposes a solution to the exposed validated through a representative experimental model.