Gestion d énergie dans les systèmes multi-sources (VHE)

Transcription

1 /21 Gestion d énergie dans les systèmes multi-sources (VHE) Yacine Gaoua (1)(2)(3), Stéphane Caux (1)(2), Pierre Lopez (3) 1.Institut National Polytechnique de Toulouse, INPT 2.Laboratoire PLAsma et Conversion d Energie, LAPLACE 3.Laboratoire d Analyse et d Architecture des Systèmes, LAAS-CNRS 16 Avril 2013

2 2/21 1 Introduction 2 Structure VEH et problématique 3 Gestion hors-ligne (P. thèse) Définition Modélisation Résolution, développement et résultats 4 Gestion en-ligne (P. industriel) Définition et modélisation Approche de résolution (IA) Résultats 5 Conclusions

3 3/21 Sommaire 1 Introduction 2 Structure VEH et problématique 3 Gestion hors-ligne (P. thèse) Définition Modélisation Résolution, développement et résultats 4 Gestion en-ligne (P. industriel) Définition et modélisation Approche de résolution (IA) Résultats 5 Conclusions

4 4/21 Système multi-sources Un système MS contient au moins deux sources énergétiques. Source de production : pile à combustible, panneaux photovoltaïques, générateur éolien. Source réversible : batterie et supercapacité.

5 5/21 Sommaire 1 Introduction 2 Structure VEH et problématique 3 Gestion hors-ligne (P. thèse) Définition Modélisation Résolution, développement et résultats 4 Gestion en-ligne (P. industriel) Définition et modélisation Approche de résolution (IA) Résultats 5 Conclusions

6 6/21 Chaine énergétique VHE et problème (a) Prototype thèse (b) Prototype industriel Minimiser la consommation de combustible par la source principale. Conditions à respecter Fonctionnement du système MS, Design des sources, Fourniture d une décision fiable en un temps de calcul réduit.

7 7/21 Sommaire 1 Introduction 2 Structure VEH et problématique 3 Gestion hors-ligne (P. thèse) Définition Modélisation Résolution, développement et résultats 4 Gestion en-ligne (P. industriel) Définition et modélisation Approche de résolution (IA) Résultats 5 Conclusions

8 Optimisation hors-ligne Chercher une solution globale du problème avec : Données d entrée fixées, profil de mission connu Power (kw) 50 0 Power (kw) Time (s) (c) Mission INRETS Time (s) (d) Mission ESKSEHIR Efficiency (%) Energy losses (kw) / Power (kw) (e) Rendement PAC Power (kw) (f) Pertes énergétiques SC

9 9/21 Résumé sur les travaux réalisés Modélisation non-linéaire caractéristiques des sources. Programmation dynamique H INRETS 2 =10131 kws, Temps CPU=22 h, H ESKISEHIR 2 =31826 kws, Temps CPU=52 h. Méthode quasi-newton (fmincon de MATLAB) H INRETS 2 =8750 kws, Temps CPU=23 min, H ESKISEHIR 2 =27542 kws, Temps CPU=2.38 h.

10 10/21 Proposition d une nouvelle modélisation I T fcs min X (t, i) P fcs (i) t (1) t=1 η i=1 fcs (i) I fcs P se (t) + X (t, i)p fcs (i) = P req(t) t T, P req(t) 0 (2) i=1 P req(t) P se (t) 0 t T, P req(t) < 0 (3) I fcs X (t, i) = 1 t T, i I fcs (4) i=1 P min se SOC min se P se (t) P max se t T (5) SOC se (t) SOC max se t T (6) SOC se (t) ( SOC se (t 1) + P s (t) t ) = 0 t T (7) Elos se (t) α j P se (t) + β j + M(1 y(j, t)) t T, j J se (8) Elos se (t) α j P se (t) + β j t T, i J se (9) Jse y(j, t) = 1 t T (10) j=1 P s (t) = P se (t) + ELos se (t) t T (11) SOC se (T ) = SOC se (0) (12)

11 1/21 Méthode Branch-and-Cut et résultats Modèle MIP NP-difficile T (I fcs + J se ) variables binaires BC. Relaxation du MIP : X {0, 1} 0 X 1, Résolution du RMIP (Simplexe) : Borne inférieure, Intégration des coupes : Réduire le domaine de recherche, Recherche arborescente (Branch-and-Bound).

12 Méthode Branch-and-Cut et résultats Modèle MIP NP-difficile T (I fcs + J se ) variables binaires BC. Relaxation du MIP : X {0, 1} 0 X 1, Résolution du RMIP (Simplexe) : Borne inférieure, Intégration des coupes : Réduire le domaine de recherche, Recherche arborescente (Branch-and-Bound). Outil d aide à la décision développé en C + + : H INRETS 2 =8750 kws, Temps CPU=2.6 s, H ESKISEHIR 2 =27542 kws, Temps CPU=1.5 min. Y. Gaoua, S. Caux and P. Lopez. A Combinatorial Optimization Approach for the Electrical Energy Management in a Multi-source System. 2 nd International Conference on Operations Research and Enterprise (ICORES)-Barcelona, 1/21 Spain, February 2013.

13 12/21 Sommaire 1 Introduction 2 Structure VEH et problématique 3 Gestion hors-ligne (P. thèse) Définition Modélisation Résolution, développement et résultats 4 Gestion en-ligne (P. industriel) Définition et modélisation Approche de résolution (IA) Résultats 5 Conclusions

14 13/21 Gestion en-ligne Trouver une décision fiable en temps réel avec : Profil de mission inconnu, données d entrée peuvent changer. Modélisation chaine énergétique VHE I a + I bat = I ch (13) I ch I a + I bat 0 (14) I min sc I min a I sc I max sc (15) I a I max a (16) SOC min bat SOC bat SOC max bat (17) U min sc U sc U max sc (18) P R bat = P bat + Eloss bat (P bat ) (19) P sc = P a + Eloss cvs (P a) + R sc (I sc ) 2 (20) E bat = f 1 (I reel bat ) (21) SOC bat = f 2 (SOC init bat, E bat ) (22) U sc = f 3 (U sc (0), I sc ) (23) U bat = f 4 (SOC init bat ) (24)

15 14/21 Introduction Degree of membership Degree of membership velocity(km/h) velocity(km/h) (g) Logique de boole (h) Logique floue Interêt Meilleure interprétation des situations réelles que la logique de boole, Résolution des problèmes complexes facile, L expertise et la connaissance du système sont nécessaires.

16 5/21 Modélisation du système flou (Fuzzification) 1 HN LN L M H 1 FL L M H Degree of membership Degree of membership Ich(A) Usc(V) (i) Courant demandé (j) Tension Supercapacité 1 HN LN Z L M H Degree of membership Ibat(A) (k) Courant batterie

17 16/21 Modélisation du système flou (Moteur d inférence) Les règles floues Si I ch est HN et U sc est FL alors I bat est Z ou... (I ch, U sc ) FL L M H HN Z Z LN HN LN Z Z Z LN L L L L Z M M M L Z H H M L Z Table: Moteur de règles.

18 17/21 Modélisation du système flou (Traitement règles) Exemple Si I ch est H et U sc est FL alors I bat est H ou Si I ch est M et U sc est L alors I bat est M

19 8/21 Modélisation du système flou (Défuzzification) Calcul et interprétation des résultats (centre de gravité), Ibat(A) Usc(V) Ich(A) 200 Figure: Surface des décisions possibles.

20 19/21 Amélioration, développement et résultats Améliorations et développement Réglage des paramètres d appartenance par un AG, Développement d un outil AD en C++ (en-ligne), Mesurer la performance de l outil développé tests hors-ligne avec des algorithmes d optimisation IPOPT/BONMIN. Décharge batterie sur un profil de mission de 3.7h % : Mode en-ligne avec batterie seule, % : Mode en-ligne avec PCube (FL), % : Mode en-ligne avec PCube (AG+FL), 30.49% : Mode hors-ligne avec PCube (IPOPT/BONMIN). Y. Gaoua, S. Caux, P. Lopez and J D. Salvany. On-Line HEV Energy Management Using Fuzzy Logic. 12 International Conference on Environment and Electrical Engineering (EEEIC)-Wroclaw, Poland, 5-8 May 2013.

21 20/21 Sommaire 1 Introduction 2 Structure VEH et problématique 3 Gestion hors-ligne (P. thèse) Définition Modélisation Résolution, développement et résultats 4 Gestion en-ligne (P. industriel) Définition et modélisation Approche de résolution (IA) Résultats 5 Conclusions

22 21/21 Conclusions et perspectives Conclusions (thèse) Passage vers une modélisation linéaire du problème, (thèse) Solution optimale trouvée avec CPU très réduit, (thèse) Exécutable créé intégration dans un DSP, (industriel) Modélisation du fonctionnement du VHE, (industriel) Proposition d une méthode hors-ligne et en-ligne, (industriel) Gains constatés sur plusieurs simulations. Perspectives (thèse) Maquette en cours de réalisation (validation pratique), (thèse) Proposition d une nouvelle approche (stochastique), (industriel) Validation des tests sur un prototype réel d un VHE.