Soutenance de thèse de Cheikh Elkebir SIDI LEKHEL

Composition du jury :

M. Vincent Debusschere de l'Université Grenoble Alpes, Rapporteur

M. Mahamadou Abdou Tankari de l'Université Paris-Est Créteil, Rapporteur

Mme Manuela Sechilariu de l'Université de Technologie de Compiègne, Examinatrice

M. Oleksandr Velihorskyi de Chernihiv Polytechnic National University, Membre invité

M. Oleksandr Husev de Warsaw University of Technology, Membre invité

 

Mots clés : Systèmes de gestion de l’énergie, routeur d'énergie, plateformes de calculs déportée et locale, optimisation multiparamétrique, Réseaux électriques intelligents.

 

Résumé :

Cette thèse propose un système de gestion de l’énergie domestique pour une application résidentielle de type prosumer intégrant une production photovoltaïque, un système de stockage par batterie et un convertisseur statique multi-port, appelé Energy Router. L’étude vise à optimiser les échanges d’énergie entre le réseau, les panneaux PV, la batterie et les charges électriques, tout en réduisant le coût de fonctionnement, en améliorant l’utilisation de l’énergie locale et en limitant le vieillissement de la batterie. Le travail commence par le développement d’un générateur générique de profil de charge résidentiel basé sur la modélisation physique des principaux appareils domestiques, puis implémenté sur Raspberry Pi~4 avec Home Assistant. Ensuite, un modèle complet du système PV--batterie connecté au réseau est établi, en intégrant les contraintes de fonctionnement ainsi que le vieillissement calendaire et cyclique de la batterie. Un modèle de coût de dégradation, basé sur le remplacement futur de la batterie, est proposé et linéarisé afin d’être intégré dans l’optimisation journalière, puis utilisé dans une approche de dimensionnement conjoint du système PV--batterie. Enfin, une stratégie hiérarchique est développée pour traiter les incertitudes de prédiction de la charge et de la production PV. Elle combine une planification journalière linéaire, une optimisation multiparamétrique hors ligne et une prise de décision en temps réel par lois de contrôle explicites, dans une architecture cloud/edge destinée à fournir les références de puissance à l’Energy Router. Les résultats montrent que le modèle de coût de dégradation proposé permet de réduire le temps de calcul tout en préservant la durée de vie de la batterie. Son intégration dans le dimensionnement met en évidence l’influence des conditions saisonnières et de la vente d’énergie au réseau sur la rentabilité du système, avec une réduction du temps de retour sur investissement d’environ 16 ans à 7 ans. Enfin, la reformulation linéaire réduit fortement le temps de calcul et permet l’utilisation de l’optimisation multiparamétrique pour une prise de décision rapide compatible avec une exécution temps réel sur plateforme edge.

 

Keywords : Energy management systems, Energy Router, cloud and edge computing platforms, multi-parametric optimization, smart grids.

Abstract :  

This thesis proposes a Home Energy Management System for a residential prosumer application with photovoltaic generation, a battery energy storage system, and an Energy Router. The study aims to optimize energy exchanges between the grid, the PV panels, the battery, and the loads, while reducing operating cost, improving the use of local energy, and limiting battery aging. The work begins with the development of a generic residential load profile generator based on physics-based modeling of the main household appliances, then implemented on a Raspberry Pi~4 with Home Assistant. Next, a complete grid connected PV--battery system model is established, integrating operating constraints as well as calendar and cyclic battery aging. A degradation cost model, based on future battery replacement, is proposed and linearized in order to be integrated into day-ahead optimization, and then used within a joint PV--battery sizing approach. Finally, a hierarchical strategy is developed to handle prediction uncertainties in load demand and PV generation. It combines linear day-ahead scheduling, offline multiparametric optimization, and real time decision making based on explicit control laws, within a cloud/edge architecture designed to provide power references to the Energy Router. The results show that the proposed degradation cost model reduces computation time while preserving battery lifetime. Its integration into the sizing framework highlights the influence of seasonal conditions and selling energy back to the grid on system profitability, with a reduction in payback time from about 16 years to 7 years. Finally, the linear reformulation strongly reduces computation time and enables the use of multiparametric optimization for fast decision making compatible with real time execution on an edge platform.

Réunion Microsoft Teams

Rejoindre : https://teams.microsoft.com/meet/352939123199318?p=o8ZeiBbdbftsFRYiLn

Numéro de réunion : 352 939 123 199 318

Code secret : P7iM7b2d