Prévision et valorisation de la production photovoltaïques par méthodes orientées données

Towards seamless value-oriented forecasting and data-driven market valorisation of photovoltaic production

• Auteur / Autrice : Thomas Carriere
• Direction : Georges Kariniotakis
• Type : Thèse de doctorat
• Discipline(s) : Energétique et génie des procédés
• Date : Soutenance le 27/02/2020
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....)
• Partenaire(s) de recherche : Laboratoire : Centre Procédés, Énergies Renouvelables et Systèmes Énergétiques. Sophia-Antipolis
• Jury : Président / Présidente : Julio Usaola Garcia
• Jury : Examinateurs / Examinatrices : Georges Kariniotakis, Elke Lorenz, Stefano Alessandrini, Lars Landberg, François-Pascal Neirac
• Jury : Rapporteurs / Rapporteuses : Julio Usaola Garcia, Pierre Pinson, Anastasios Bakirtzis

Mots clés

Mots clés contrôlés

Énergies renouvelables

Systèmes photovoltaïques

Réseaux électriques intelligents

Mots clés libres

Energies renouvelables

Stockage

Optimisation

Photovoltaïque

Marché de l'électricité

Smart grids

Prévision

Policy Function Approximation

Renewable energies

Electricity markets

Photovoltaics

Optimization

Storage

Smart grids

Forecasting

Policy Function Approximation

Résumé

La décarbonation de la production d’électricité à échelle mondiale est un élément de réponse clé face aux pressions exercées par les différents enjeux environnementaux. Par ailleurs, la baisse des coûts de la filière photovoltaïque (PV) ouvre la voie à une augmentation significative de la production PV dans le monde. L’objectif principal de cette thèse est alors de maximiser le revenu d’un producteur d’énergie PV sous incertitude des prix de marché et de la production. Pour cela, un modèle de prévision probabiliste de la production PV à court (5 minutes) et moyen (24 heures) terme est proposé. Ce modèle est couplé à une méthode de participation au marché maximisant l’espérance du revenu. Dans un second temps, le couplage entre une centrale PV et une batterie est étudié, et une analyse de sensibilité des résultats est réalisée pour étudier la rentabilité et le dimensionnement de tels systèmes. Une méthode de participation alternative est proposée, pour lequel un réseau de neurones artificiel apprend à participer avec ou sans batterie au marché de l’électricité, ce qui permet de simplifier le processus de valorisation de l'énergie PV en diminuant le nombre de modèles requis.

The decarbonation of electricity production on a global scale is a key element in responding to the pressures of different environmental issues. In addition, the decrease in the costs of the photovoltaic (PV) sector is paving the way for a significant increase in PV production worldwide. The main objective of this thesis is then to maximize the income of a PV energy producer under uncertainty of market prices and production. For this purpose, a probabilistic forecast model of short (5 minutes) and medium (24 hours) term PV production is proposed. This model is coupled with a market participation method that maximizes income expectation. In a second step, the coupling between a PV plant and a battery is studied, and a sensitivity analysis of the results is carried out to study the profitability and sizing of such systems. An alternative participation method is proposed, for which an artificial neural network learns to participate with or without batteries in the electricity market, thus simplifying the process of PV energy valuation by reducing the number of models required.