Approches de pilotage optimal explicite pour les systèmes innovants de production énergétique décarbonée

Approaches for explicit piloting based on models for innovative, decarbonated energy production systems

• Auteur / Autrice : Zinedine Taïeb
• Direction : Guillaume Sandou
• Type : Projet de thèse
• Discipline(s) : Automatique
• Date : Inscription en doctorat le 01/12/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Signaux et Systèmes
• Partenaire(s) de recherche : Equipe de recherche : Systèmes
• Partenaire(s) de recherche : référent : CentraleSupélec

Mots clés

Mots clés libres

Recherche opérationnelle

Contrôle optimal MPC

Pilotage systèmes énergétiques

Réduction de modèles

Operational research

Optimal Control MPC

Energy systems management

Model reduction

Résumé

L'objet de cette thèse est de répondre à la problématique de pilotage optimal explicite pour les systèmes innovants de production énergétique décarbonée, à travers des outils mathématiques adaptés de la recherche opérationnelle et de l'apprentissage automatique. Il est notamment envisagé d'évaluer le recours à des approches prometteuses dites ‘MPC explicite' ([1], [2], [3]). Les travaux de recherche devront se concentrer sur la mise en œuvre de formulations effectuant un compromis entre l'optimalité du pilotage et l'efficacité de sa mise en œuvre. Des approches globales de représentation des cas d'étude ([3], [7], [8]) pourront être envisagées, associées le cas échéant à des heuristiques portées par la modélisation physique. La possibilité d'utiliser des méthodes de pilotage optimal basées sur des modèles (MPC) est notamment très pertinente dans le pilotage de ces systèmes énergétiques. La mise en œuvre de l'optimisation peut utiliser des techniques de programmation linéaire en nombre entiers ou d'optimisation non-linéaire. Le déploiement sur système physique de ces solutions, dont l'usage se répand et dont les capacités sont établies ([4], [5], [6]), se heurte souvent d'un point de vue opérationnel à une complexité de mise en œuvre d'algorithmes volumineux sur des cibles physiques (automates…). Il s'agit là de l'écueil principal empêchant la démocratisation de telles approches sur les systèmes énergétiques, et en général dans divers contextes d'automatique industrielle. Les avancées obtenues seront confrontées à des cas d'utilisation industriels (micro-réseaux, systèmes de production par géothermie, systèmes de production solaire) traités par les équipes du CEA-LITEN.

In a context of massive decarbonization, the growing complexity of energy production systems (volatility of production means, multisectoral systems with storage) makes advanced management and control issues central. The refined control of these production systems unlocks forecasting capabilities and also guarantees the optimality of some indicators (CO2 emissions reduction, robustness of operation, reduction of related costs). It is a central ingredient for maximizing the flexibility of production means, both from a performance point of view and for a guaranteed operation in critical settings. The possibility of using model-based optimal control methods (MPC) is particularly relevant for managing these energy systems. The use of optimization methods can involve integer linear programming or non-linear optimization techniques. The deployment of these solutions on physical systems, the use of which is spreading and whose capacities are established ([4], [5], [6]), is often confronted to the operational complexity of implementing large algorithms on physical targets (implementation on automation controllers). This is the main pitfall preventing the democratization of such approaches on energy systems, and in general in various industrial contexts. The aim of the proposed PhD work is to answer this problem through mathematical tools adapted from operations research and machine learning. In particular, we will try to evaluate the use of promising approaches called 'explicit MPC' ([1], [2], [3]). The research work will have to focus on the implementation of formulations which present a trade-off between the optimality of the control and the efficiency of its implementation. Global approaches ([3], [7], [8]) could be considered, possibly associated to heuristics based upon physical modeling. The obtained results will be confronted with industrial use cases (unit commitment in microgrids, geothermal production systems, solar production systems) tackled by the CEA-LITEN labs. The following progression is anticipated for this work: - Definition and evaluation of existing mathematical methods and approaches for obtaining reduced representations of piloting. Characterization of requirements and specifications for the control of complex energy systems. Evaluation of the feasibility of the approach (size of the problem for reduction, temporal perimeters), definition of performance indicators. - Confrontation of the approaches to be evaluated on the application targets of energy production systems: micro-grids control, geothermal production systems, solar production systems... Identification of the limits according to the cases. - Definition, development and validation of innovative methodologies for the implementation of an explicit optimal control. Characterization of the behavior, consolidation of the relevance on industrial cases. Scientific dissemination.