Optimisation dynamique en temps-réel d'une centrale solaire thermique avec gestion du stockage

Dynamic Real-Time Optimization of a Solar Thermal Plant with Storage Management

• Auteur / Autrice : Alix Untrau
• Direction : Sylvain Serra
• Type : Thèse de doctorat
• Discipline(s) : Energétique
• Date : Soutenance le 18/09/2023
• Etablissement(s) : Pau
• Ecole(s) doctorale(s) : École doctorale sciences exactes et leurs applications (Pau, Pyrénées Atlantiques ; 1995-)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Génie Thermique Énergétique et Procédés (EA1932)
• Jury : Président / Présidente : Lorenz T. Biegler
• Jury : Examinateurs / Examinatrices : Lorenz T. Biegler, Argimiro Resende Secchi, Marc Clausse, Galo Carillo Le Roux, Sabine Sochard
• Jury : Rapporteurs / Rapporteuses : Argimiro Resende Secchi, Marc Clausse

Mots clés

Mots clés contrôlés

Stockage

Énergie solaire thermique

Ressources énergétiques -- Recherche

Mots clés libres

Optimisation dynamique

Optimisation en temps-réel

Solaire thermique

Gestion du stockage

Dynamic optimization

Real-time optimization

Solar thermal energy

Storage management

Résumé

Afin de limiter le réchauffement climatique, une transition énergétique est nécessaire. Les centrales solaires thermiques sont une bonne alternative aux combustibles fossiles pour la production de chaleur à basse température, à destination de procédés industriels ou pour le chauffage et l'eau chaude sanitaire. Malheureusement, la ressource solaire est intermittente et difficile à prédire, ce qui complexifie le fonctionnement des centrales solaires thermiques. Une cuve de stockage thermique ajoutée au système permet de découpler la production et la fourniture de chaleur pour pallier leur déphasage. Cela accroît les degrés de liberté du fonctionnement de la centrale solaire et le rend encore plus complexe. Cette thèse présente une méthodologie d'optimisation du fonctionnement des centrales solaires thermiques dans le but de minimiser les coûts d'opération et de proposer une bonne gestion du stockage tout en satisfaisant la demande en chaleur. Cette méthodologie se décompose en deux niveaux d'optimisation dynamique. Le premier niveau est une phase de planification qui prévoit l'utilisation optimale du stockage sur un horizon de temps de quelques jours en utilisant des prévisions météorologiques. Le second niveau est une optimisation dynamique en temps-réel (Dynamic Real-Time Optimization, DRTO), qui adapte les trajectoires optimales des débits de la centrale sur un horizon de temps plus court et en utilisant des prévisions mises à jour, plus fiables. La méthodologie est testée en temps-réel sur un modèle de simulation détaillé représentant la centrale réelle. Afin d'améliorer la modélisation de la centrale, une étude a été réalisée sur la discrétisation spatiale de la cuve de stockage en 1D. La collocation orthogonale sur éléments finis a été proposée pour remplacer le traditionnel schéma de discrétisation utilisant les volumes finis, car elle permet d'obtenir des résultats plus précis avec un temps de calcul réduit. La méthodologie de DRTO développée a été testée sur plusieurs cas d'étude représentant différentes saisons et des scénarios en temps-réel variés. Une attention particulière a été donnée à la gestion du stockage. Les résultats obtenus montrent que l'utilisation pour la DRTO d'une planification pour fournir une trajectoire de référence pour l'énergie stockée au cours du temps permet d'éviter des risques de surchauffe dans la centrale solaire. Le suivi de la planification de la gestion du stockage se fait par l'ajout d'un terme dans la fonction objectif permettant de minimiser l'écart à la fin de l'horizon de temps entre la planification et la DRTO. Ce terme de suivi est affecté d'un poids qui doit être ajusté pour obtenir le meilleur compromis entre le suivi de la planification et la minimisation des coûts d'opération. Lorsque la planification ne montre aucun risque de surchauffe, il est préférable de maximiser l'énergie stockée à la fin de l'horizon de temps de chaque DRTO pour augmenter la fraction solaire de l'énergie fournie et ainsi réduire les coûts d'opération. Enfin, la centrale solaire simulée atteint de meilleures performances thermiques et économiques lorsqu'elle fonctionne en suivant les trajectoires optimales obtenues avec la DRTO que lorsque l'optimisation dynamique hors ligne est utilisée. Ce travail de thèse présente des perspectives intéressantes quant à l'utilisation d'une phase de planification pour améliorer la gestion du stockage dans une méthodologie de DRTO appliquée à une centrale solaire thermique.

With the aim of mitigating climate change, solar thermal plants represent a good alternative to fossil fuels for the production of low temperature heat. Because of the intermittency of solar irradiation and the uncertainty of its forecast, the operation of a solar thermal plant is particularly challenging. Especially, the use of storage, required to decouple the heat production from the heat supply, makes the operation even more complex. In this thesis, a methodology was presented to optimize the operation of a solar thermal plant with storage, minimizing the operating costs. The methodology is composed of two dynamic optimization levels. A planning phase is in charge of storage management, benefiting from a longer term strategic vision and using weather forecasts. Then, a Dynamic Real-Time Optimization (DRTO) adapts the optimal trajectories to the current disturbances and updated forecasts, with a shorter time horizon. The methodology is tested online, on a detailed simulation model representing the real solar thermal plant. In order to achieve a better compromise between the accuracy of the model and the computational time, a spatial discretization scheme for the 1D storage tank model, based on orthogonal collocation on finite elements, was proposed in replacement of the traditional finite volumes. The DRTO methodology developed was tested in various case studies, representing different seasons and real-time disturbances. Storage management at the DRTO level was studied in particular. It was found that the planning phase can help to avoid overheating by providing a reference trajectory for the stored energy that can be tracked at the DRTO level. The tracking term in the objective function of DRTO should be adjusted to achieve the best compromise between the tracking of the planned stored energy and the minimization of the operating costs. In situations without a risk of overheating, determined at the planning phase, maximizing the stored energy at the end of each DRTO increases the solar fraction of the heat supply and thus reduces the operating costs. Additionally, it was found that the simulated solar thermal plant showed improved thermal and economic performances when using DRTO to operate it rather than offline dynamic optimization. This work shows interesting directions on how to use a planning phase to improve storage management in a DRTO methodology for a solar thermal plant.