Intervention de Pierre Haessig, MCF CentraleSupelec Rennes, lab. IETR, dans le cadre des Rencontres mécatroniques 2024.
Organisées par le département Mécatronique, pour sa 3e édition les “Rencontres mécatroniques” regrouperont élèves, enseignants et chercheurs dans le but d’échanger autour des multiples facettes des sciences pour l’ingénieur (SPI). L’objectif principal est d’aborder l’étendue des problématiques scientifiques adressées par la mécatronique, les interactions potentielles, voire nécessaires, des disciplines usuelles et enfin les itinéraires diversifiés possibles en enseignement et en recherche.
il va vous expliquer travaille maintenant sur le le le campus de volieux ah mais c’est pas B dire présente aussi le laboratoire et ah ou très bien comme ça Mo j’ai moins de chos à dire voilà si dernière pe chose fa quand même lu mettre un peu la pression pour avoir vu certaines de de ces présentations de conférence par exemple c’est c’est souvent je veux dire très bien expliqué bien didactique donc j’en attends pas moins aujourd’hui et ça c’est la PR voilà soyez attentif pour sa présentation autour des optimisation des microréseau pierre c’est bonjour à toutes et à tous c’est bon pour le le son ça ça marche bien ouais donc effectivement donc je suis pierre ESS donc je travaille à Central Supelec et les les travaux que je vais vous présenter à ce ce matin avec mes collègues donc Jean Nabil et LC c’est des collègues soit de central sulex soit pour LC qui était en thèse chez EDF RD et maintenant elle travaille d’ailleurs chez chez EDF red il y a pas mal de choses qui sont euh inspiré de des éléments qui ont dans sa soutenance de thèse qui a eu lieu fin mars en fait donc c’est assez frais donc j’ai deux diapos avant de rentrer dans le sujet euh sur l’environnement donc l’équipe de recherche elle s’appelle donc l’équipe automatique du laboratoire rter donc il a un gros laboratoire génélectrique en sens large sur Rennes donc généctrique au sens large ça veut dire traitement d’images Télécom radar antenn et une petite équipe je dire de de d’automatique alors automatique ça ça veut dire quoi euh je l’ai résumé avec c’est mot en rouge contrôle intelligent et énergie énergie c’est pour les applications typiques parce qu’on travaille pas mal sur le bâtiment les microgrd là je vous parler et intelligent ça peut vouloir dire beaucoup de choses en fait pour moi ça cache deux mots c’est optimisation des outils d’optimisation utilisés en permanence online pour piloter un un système et data et l’utilisation des données là par exemple vous avez sur la photo donc Alexandre qui est un ancien de de le ns Ren qui fait de de la du pilotage basé sur de l’utilisation données en anglais data driven control voilà donc on est à à Central St c’està-dire à Baulieu en fait euh et donc sur le parcours qu’ donc qu’a résumé Gurvan donc j’étais effectivement à l’enss Paris Sacé à l’époque de Cachan comme il faut choisir un Master 2 voilà c’est aussi vos choix en fonction moi c’était automatique et traitement du signal et en à partir de 2014 donc j’étais ici à ce qui s’appelait d’ailleurs Mme pas encore tout à fait le ns Renn encadré par amid benahed des Bernard Multon donc c’était une tèse ciifre avec EDF red euh donc ça c’est aussi parmi les POS enfin si vous cherchez des questions sur les système de de test ça peut être intéressant et après la test souent est amé à à bouger euh et il s’avère que j’ai bougé pas très loin puisque je suis allé au à Baulieu donc je travaille donc depuis ça va faire 10 ans hein euh sur les systèmes l’optimation des systèmes énergétiques je serai amené à à revenir sur ce que ça veut dire euh système énergétique euh donc voilà euh déjà qu’est-ce que ça veut dire optimiser donc des microoréseaux c’est quoi un microoréseau et pourquoi c’est intéressant pourquoi ça m’intéresse en tout cas euh donc un microoréseau c’est un système électrique donc je fais les systèmes énergétiques mais souvent je suis quand même très un peu électricien euh donc ça veut dire je veux alimenter une charge des maisons un bâtiment résidentiel tertière avec des sources des sources typiquement renouvelables pour parce que c’est l’esprit de parce que c’est plus pertinent et en Viant de palement et puis euh souvent système on va voir du du stockage qui peut apporter différentes valeurs dont des des grosses batteries hein et puis euh ça sera par opposition ma toute dernière diapo pour ce matin il y a souvent encore un système de secours un générateur diesel donc assez carboné euh historiquement c’était plutôt genre un générateur diesel qui alimente toute la charge mais maintenant c’est plutôt une petite partie qu’on veut réduire de plus en plus euh qu’est-ce que ça veut dire microoréseau le terme micro c’est que ça c’est localisé c’est plutôt assez petit un bâtiment un endroit euh c’est aussi mathématiquement en tout cas dans la modisation physique c’estàd qu’on on se préoccupe pas de savoir comment les flux d’énergie se partagent en fait entre ces éléments je vais pas modéliser les courants les tensions dans les câbles pour dire queil va y avoir de la congestion et donc c’est ce qui s’appelle le terme technique enfin ça serait l’hypothèse plaque de cuivre et c’est pour ça je mets des fois des guillemets sur microréseau c’est que on peut dans certains contextes modéliser la France entière sous forme de plaque de cuivre à condition d’accepter de d’oublier les lignes de transmission qui en fait font le travail d’acheminer la l’électricité d’un d’un un point un autre de traverser la la France ou ou l’Europe donc c’est que les gens de RTE qui font le réseau de transport et ils appelleraient pas ça plaque de cuiv en fait ils vont dépenser des milliards pour en faire une plaque de cuivre et c’est un sujet en soi mais c’est pas celui que j’adresse le le plus souvent et à quoi ça sert de faire des des micro réseaux là si je reviens vraiment à l’échelle petite d’une communauté ou d’un d’un bâtiment je dirai il y a deux cas d’usage le premier c’est électrification rurale donc rural au sens où on est éloigné des grands réseaux urbain existants et il faut ça donc c’est les chiffres R 750 millions de personnes qui sont catégorisé comme sans électricité vraiment zéro et sur ces 750 millions c’est à peu près la moitié qui sont dans un contexte rural et donc peut-être il y a 50 ans on l’aurait mis un petit moteur diesel etpporté du Fou et aujourd’hui c’est plutôt sur des des systèmes de de ce style là le plus simple qu’on puisse imaginer ce qui s’appelle un kit solaire c’est un panneau solaire sur le toit pardon euh un panneau solaire et une petite batterie et puis et puis c’est parti l’autre contexte qui est plut tout rural c’est dans un contexte de bâtiments commerciaux on peut être aux États-Unis en Australie par exemple c’est la la résilience il faut savoir que parle dans un contexte d’incendie de forêt qui s’est produit par en Californie il y a quelques années euh le réseau électrique a été jugé responsable il y a peut-être je sais pas une petite étincelle ou je sais pas quoi et donc à la fin la compagne cité californienne qui doit payer les dédommanagements pour les incendies donc c’està dire banque rout complète de la de la du distributeur californien et je sais pas comment est-ce qu’ils ont résolu le truc ils ontand même un peuricité mais maintenant préventivement il y a des endroits où si c’est un peu trop sécheresse on coupe tout le réseau et si vous habitez dans cette zone là vous avez pas d’autres solutions si vous voulez un peuricité d’avoir un générateur de secours une batterie ou un petit ensemble euh il y a aussi des contextes de bâtiments commerciaux par exemple un hôpital on va avir un peu de la sécurité pour l’alimentation dans les hôpitaux il y a typiquement des générateurs de secours mais on peut mer des solutions un peu plus intéressantes et surtout si on veut intégrer des renouvelables hein donc le fait de mélanger renouvelable et batteries c’est vraiment un mélange très typique de ce point de vue-là alors une fois que j’ai fini que ça veut dire un microréseau qu’est-ce que ça veut dire les optimiser le le design la conception en fait de de ces microoréseaux design conception dimensionn ça sera pour moi des des des des synonymes aujourd’hui euh ça veut dire Queen fait j’ai j’ai un outil j’aimerais concevoir un microoréseau et j’aimerais définir la taille de chacune des composants la taille des batteries des panneaux solaires euh pour alimenter rendre un certain service donc ça va se former sous forme d’un problème d’optimisation à partir des données que que j’ai j’aimerais minimiser le coût le coût financier ou environnemental peu importe ce sera toujours un coût euh tel que la consommation soit satisfaite avec une certaine qualité de service et donc ce qui m’intéresse c’est quel- qu’elle est la taille des des système qui qui vont me permettre de de résoudre ce problème et la difficulté ça que je vais appeler cooptimisation c’est que même si je m’intéresse seulement au dimensionnement il y aura quand même au final quand le système va fonctionner la question de en fait il y a plusieurs degrés de liberté est-ce que j’alimente ma charge avec la batterie le générateur de secours et ce il y a des degrés de liberté et ceuxl il se pose à chinastant c’est pas ceux que je me me pose maintenant maintenant je veux juste savoir quelle taille de batterie acheter sauf que pour minimiser ce coût ce coût c’est le coût sur l’ensemble du cycle de vie du système ça inclu par exemple si j’ai un générateur diesel de savoir combien est-ce que j’ai dépensé de fu pour le mettre en balance du panneau solaire que j’aurais acheté euh et donc ça ve dire que pour minimiser le coû j’ai besoin de savoir combien ça a coûté surle les 30 ans de durée de vie du système et donc finalement j’ai besoin d’évaluer de façon imaginaire comment le système va fonctionner sur ces 30 ans de durée de vie et donc c’est un autre problème d’optimisation c’est le problème opation que je vais appeler le problème d’optilisation opérationnelle ou de gestion d’énergie ou en anglais energy management donc c’est un problème qui se pose à chaque instant en soit une fois que le système S construit on aura bien le temps de le résoudre mais en fait j’ai déjà besoin de le résoudre un petit peu en avance de façon imaginaire et il va y avoir un petit enjeu là-dessus c’est que comme je vais le résoudre de façon imaginaire en avance je peux tricher un peu avec la réité et ce que je vais vous parler beaucoup aujourd’hui c’est l’anticipativité euh donc les challenges qui sont associés à ce problème au-delà de cet aspect double optimisation il faut savoir que c’est euh ça c’est ce ce sujet existe depuis au moins 1995 c’estàd depuis qu’il y a des panneaux solaires des batteries des choses qui permettent de de faire ce type d’alimentation euh je parle de logiciel parce que en fait ça serait plus simple s’il y avait une petite règle analytique un truc pour dire ben pour alimenter une maison de 3 kW j’ai besoin de 4 kW de batterie parce que c’est un facteur 4/3 ce type de règle moi je les connais pas je crois que ça n’existe pas et donc on est toujours obligé de faire un calcul pour faire une agglomération ça peut être juste un fichier excel mais quand même un gros fichier Excel pour faire pour faire ce calcul et donc malgré l’existence de ces outils depuis presque 30 ans en fait il y a toujours des enjeux sur l’Institut des données je vais illustrer ça juste après la con des échelles de temps qui sont variées et puis quelque chose dont je ne parlerai pas aujourd’hui qui sont des couplages si on vient complexifier le système si on parle de multiénergie je sais que Roman ici enfin il y a des travaux sur la chaleur le gaz et puis les aspects limites spatiales si on dit que c’est plus un microoréseau mais un grand réseau faut gérer les congestions sur ces lignes et donc là ça vient complexifier tout ça aussi alors complexifier le calcul on peut dire il suffit de faire tourner l’ordinateur plus longtemps sauf que au final même si c’est un outil qu’on va faire tourner une fois on va dire pour dimensionner le système pour 30 ans on a peut-être un peu le temps mais on n pas non plus toute la vie et si on utilis ceiciel de façon industrielle les échanges qu’on a eu avec le dfrd c’est qu’il faudrait que ça dure maximum une minutes quoi enfin quelques minutes mais pas plus quoi donc l’enjeu c’est intégrer toutes ces complexités supplémentaires dans un temps calculatoire raisonnable alors pour illustrer les ces deux enjeux un donné in certaine qu’est-ce que ça veut dire les données dont un besoin pour faire cette conception c’est typiquement la consommation le service à rendre et aussi la météo puisqueil y a la sources renouvelables le prix des composants et euh et ces données elles vont certaine variabilité à plusieurs échelles de temps le cycle jour-nuit donc là ce que vous avez en haut à droite c’est la consommation sur le cas qui va me servir en fait l’île d’esant donc c’est une île isolée avec une consommation une consommation qui va varier entre l’hiver mois de février 750 à 1500 kW avec ici le cycle jour nuit euh en en est été il y a pas de chauffage électrique ça consomme beaucoup moins mais il y a toujours ce cycle journuit donc il y a une variation journuit une variation été hiivver et puis si on change un petit peu de de données il y a aussi l’enjeu de variation pluri-annuelle ici c’est un peu mélangé mais ce que vous voyez c’est le prix du baril de pétrole brut si j’ai parle un générateur au fuel qui va varier et j’ai superposé les décennies donc j’ai fait un reset à chaque début de décennie de 1980 jusqu’à 2020 on part à la base 100 donc c’est pas des euros c’est juste base 100 arbitraire et on peut voir comment ça varie sur toute la décennie et avec une échelle en plus logarithmique on se rend compte que ben en fait c’est typique que ça fasse x 2 voire x 4 ou bien divisé par 2 ou divisé par 4 He donc des événements qui sont majeurs et marquants et que j’ai mis avec des petites flèches du type avril 2020 confinement le prix qui est divisé là par plus que de juin 2022 crise en Ukraine ça c’est multiplié par 2 à chaque fois c’est un événement exceptionnel mais en fait la variabilité associé si on regarde toutes les toutes les décennies ont ce type de de variabilité et ça fait partie de ce qu’il faut prendre en compte si on veut euh gérer cette incertitude euh par rapport à ces incertitude le choix typique des des outils on va dire depuis voilà prend le le classique d’ 30 ans c’est on va prendre un an de donnée à pas de 1 heure un an de donnée c’estàd que je vais bien représenter le cycle journ j’aurai 365 jours l’aspect annuel ben j’aurais que une un été un hiver donc j’aurais pas de variabilité entre les saisons si c’est par hasard j’ai pris un hiver doux ben ça sera par représentatif et par contre l’aspect PL annuel ne serait pas représenté dans le logiciel typique c’est j’ai un prix du fuel à 1 € le litre supposé qu’stant en 30 ans et le graph ici de vous montre que c’est pas tout à fait le cas euh sur la question des échelles de temps de décision euh ben c’est lié à cette aspect investissement de dimensionnement versus euh opération donc j’ai mis ici en rouge le fait de dire bah j’investis je paye quelque chose qui va fonctionner pour peut-être 30 ans 15 ans 30 ans éventuellement je pourrais avoir des réinvestissements en cours de de parcours donc là on est sur le temps long et en même temps parce que je dois optimiser le coût global sur cycle de vie j’ai la question à chaque instant à chaque heure à chaque minute de comment est-ce qu’on vient gérer l’énergie et donc on est obligé de de zoomer et de représenter donc paremple si je représente un an à pas de temps 1 heure c’est 8760 pas de temps qu’ va fallavoir optimiser et sachant que on peut pas découpler totalement ces problèmes pour deux raisons la première ce que j’ai dit avant c’est que Ben le coût global sur cycle de vie dépend de ce que fait l’opération mais il y a une espèce de rétroaction la façon dont je vais gérer par exemple ma batterie ou mon générateur va impacter son vieillissement si je fais plus de C ou plus de fonctionnement du générateur il faudra le remplacer plus souvent donc les deux é de temps la Rouge et Bleu le cour et long sont en fait totalement couplés et là je parle même pas des aspects très rapides que sont la stabilité courant tension ça serait aussi un sujet mais ça je j’en traite pas voilà et donc par rapport à ce mélange entre décision sur plusieurs ces de temps et l’incertitude en fait on tombe sur un écueil un danger méthodologique sur lequel on peut tomber c’est ce que j’appelle l’anticipativité en fait quand on sera sur le terrain quand on va gérer à chaque heure ce qu’on va comment on va charger la batterie on sait pas de quoi demain sera fait faut avoir des prévis ion mais elles vont être imparfaites mais dans l’outil de dimensionnement comme c’est un j’utilise des données imaginaires ou statistiques pour pour faire le travail en fait il y a des moments où l’optimisation peut accéder à toutes les données et le risque c’est de dire ben peut-être que le 1er janvier je vais choisir de charger ma batterie parce qu’en fait je sais que le 31 octobre j’auraai un pic de consommation et ça ça serait complètement triché et selon les méthodes qu’on va utiliser je vais revenir là-dessus après en détail il y a des méthodes qui vont en fait prendre ce gros paquet de données et le lire de façon séquentielle comme si le temps se passer sur le terrain et dans ce cas on va pas tricher il y a d’autres méthodes qu’on va appeler all InOne qui vont obtenir tout d’un coup et qui seraient capable qui tomberaiit en tout cas sur cet écueil potentiel de dire je charge la batterie le 1er janvier parce que je sais que j’ai un pic le 31 octobre donc c’est ça que j’appelle l’anticipativité et et si on tombe dans cet écueil le risque c’est que le résultat qu’on aura obtenu qui aura l’apparence de l’optimalité ça sera super parfait mais en fait sur le terrain ça sera inapplicable la question c’est à quel point c’est un problème dangereux est-ce que ça est-ce que ça un gros effet parce que là le danger il est plutôt méthologique c’est plutôt théorique quoi donc c’est ça qu’on va essayer de d’illustrer euh donc je vais d’abord focaliser sur les questions des approches d’optimisation parce que je dis c’est je vais résoudre ça comme un problème d’optimisation et donc là je fais un petit pas en arrière un petit un mini cours mathématique si on veut pour dire qu’en fait optimisation je sais pas si vous avez en tête mais c’est comme s’il y avait deux approches très différentes euh donc je sais pas si qui a déjà utilisé des trucs du genre Matlab fmin sech ou python SP optimize il y a des gens qui ont déjà fait ça ouis non non vous avez déjà fait de l’optimisation je VO enfin la question c’est dans quelle catégorie on se on se range ce qui est pas toujours évident parce que moi quand j’ai faitétudes on me par d’un style c’était pas catégorisé comme ça donc il y a ce que j’appellerai boîte noire c’est si on commence à écrire un code assez généraliste une fonction voilà j’écris ici r x car mais ça pourrait être n’importe quoi ça pourrait être appelé un C d’élément finis mécanique on peut mettre tout ce qu’on veut et en fait le solver ici j’app optimiz il va juste pouvoir appeler cette fonction périodiquement est-ce que je représentais ici là une fonction en 2D périodiquement pouvoir se déplacer dans l’espace et aller chercher itérativement le optimum qui se situe en bas donc on peut mettre tout ce qu’on veut dans la fonction et par contre le le solur d’opisation il a accès à très peu d’information le le dessin queon voit ici en rouge et en bleu c’est juste pour vous mais en fait le solveur il connaît que la position sur les points donc il est assez aveugle c’est ça pour ça qu’on appelle ça boîte noire c’est pas boîte noire au sens où moi le code qu’ y aans je l’ai écrit donc je sais ce qu’il y a dedans mais du point de vue du solveur d’optilisation il est complètement aveugle il a pas accès à la dérivée rien du tout et et si on part dans l’autre catégorie qui est aussi très courante mais c’est notre chapelle si on veut euh on on change de de façon d’écrire peut-être ça sera aussi implémenté en pyon mais une façon très différente c’est je déclare une variable x donc si on est sur le symbolique dans l’algébrique et on dit et ben j c’est pas une fonction c’est c’est une expression symbolique qui a qui est le carré de X et là si je vous dis ben c’est quoi le minimum de X au carré si on est en 1 [Musique] D zé on est d’accord hein donc en fait vous avez la connaissance algébraique de la fonction x² on dit c’est une parabole le minimum c’est 0 et un en utilisant ce type de modélisation on est un peu limité à ce que le ce type de langage permet de faire on n pas le droit de d’appeler le sol élément fini mécanique mais mais par contre quand on fait optimize si c’est une fonction quadratique il va tout de suite sortir zéro et il y a pas besoin d’aller itérer et cetera donc c’est ces deux approches assez différentes et d’un point de vue pratique il y a deux choses c’est algébrique souvent ça peut converger de façon garantie et très rapide avec souvent beaucoup plus de variables des milliers de variables d’optimisation par contre l’aspect boîte noire c’est que je peux mettre tout ce que je veux en terme de physique donc moi ce qui m’intéresse par c’est les batteries est-ce que je vais pouvoir faire une modélisation fine du vieillissement c’est ça qui qui va pouvoir m’intéresser donc une fois que j’ai précisé ça la question c’est comment j’applique ça à mon problème d’optimisation et en fait comme c’est un double problème d’optimisation en fait j’ai deux choix à faire quoi c’est comme si j’avais deux possibilités deux problèmes ça fait qu alors c’est un peu plus compliqué donc sur le tableau je vais le détailler progressivement sur la question du dimensionnement le problème global que je veux résoudre il y a effectivement ces deux approches est-ce que je par sur la boîte noire avec une physique riche ou bien est-ce que je fais l’approche algébrique sur l’opération donc c’est le le double choix en fait j’ai un petit peu complexifier si on veut j’avis dit qu’il y a deux catégories mais j’ai j’ai menti euh donc voilà en fait l’aspect optimisation boîte noire sans aucune connaissance vous pourrez l’imaginer mais en fait souvent ça va être trop lent pour la gestion d’énergie il a souvent beaucoup de variables à gérer donc on peut l’imaginer mais ça j’ai déjà éliminé reste l’approche algébrique très pertinente et donc typiquement je pourrais faire ce que je vais appeler l’proche all InOne c’est un problème d’optimisation qui va gérer à la fois et va trouver les trajectoires de gestionénergie et le dimensionnement en un seul coup c’est ça que je vais appeler l’approche Hin one c’est la cooptimisation parfaite de du dimensionnement et de la gestion du dimensionnement et gestion d’énergie euh alors comme j’ai éliminé l’aspect boîte noir qu’est-ce que je peux mettre en face à la place si je fais pas ça c’est typiquement des des heuristiques alors heuristi j’avais pas mis dans ma catégorie précédente c’est de dire en fait j’ai pas résoudre le problème d’opisation j’ai juste trouvé une solution un petit peu rapide donc j’ai dis bah j’ai une batterie j’ai un générateur et ma règle simple c’est de dire j’utilise d’abord la batterie et ensuite seulement si la batterie est vide je vais utiliser le générateur et c’est peut-être pas le plus optimal mais enfin c’est quand même raisonnable c’estàdire que je vais quand même pas trop utiliser souvent le générateur donc je vais économiser du fuel et le FL ça coûte de l’argent et donc globalement ça va dans la bonne direction c’est peut-être pas le parfait optimal mais par contre c’est très rapide c’est des simples règles if else je peux l’évaluer très simplement donc c’est ça que je vais appeler l’optilisation boîte noire en fait c’est une opation boîte noire avec Just les quelques variables du dimensionnement et la gestion d’énergie elle est pré résolu à chaque instant par des petites règles et c’est ce qui est sympa c’est que ces petites règles je peux aussi les appliquer sur le terrain elles sont simplistes mais elles sont très réalistes c’est ça qui est qui est plutôt sympa voilà donc au final parmi toutes les possibilités qu’on P imaginer j’en ai que deux j’ai celle de gauche où euh j’ai ce que je vais appeler un simulateur de microgrd c’est simulateur au sens où c’est mon modèle python Julia dans lequel à chaque instant je viens lire les données et Imagineer que la batterie se charge et se décharge en utilisant des règles de simple donc là c’est c’est pas anticipatif je viens lire les données séquentiellement je triche pas je connais pas le futur mais par contre c’est sans doute un peu sous-optimal parce que peut-être ma règle simple elle est j’aurais peut-être pu faire un petit peu mieux que cette simplicité à côté à droite l’approche algébrique donc Hin j’écris dans un langage un petit peu dédié essaie de mettre les mêmes formules mais je j’aur pas ces règles simples et tout va être optimisé en un coup donc le SIG le LP vous connaissez pas forcément ça veut dire Linar programming ça optimisation linéaire c’est en fait problème de dimensionnement c’est un grand polytope dans lequel il faut trouver le l’optimum si c’est linéaire ça peut garan ça peut converger de façon garantie même s’il y a une centaine de milliers de variables parce que fait l’étaténergie de la batterie à chaque instant sur 1760 he c’est des variables d’optimisation et pareil pour les flux dans chaque composant donc il y a beaucoup plus de variables à droite 100000 ici AA que de 34 pour chaque composant mais en fait les temps d’optimisation sont en fait similaires à cause de cette propriété de de linéire de convexité euh donc ça c’est optimal en fait c’est j’appellerai ça suroptimal parce que le risque c’est que c’est anticipatif dans ce cas à droite vu qu’on a on utilise toutes les données en même temps en fait on peut être amené enfin on sait pas ce qu’il va obtenir mais il pourrait être amené le solveur à charger la batterie le 1er janvier parce que il y a un pic le 31 décembre et je vais vous illustrer ça à la fin donc en terme d’outil je pas ins làessus mais c’est c’est des outils ESS de faire un peu open source l’enjeu c’est d’avoir une reproductivité c’est comment est-ce qu’on peut réutiliser ces ces outils a pouvoir les les manier donc il y a vraiment un enjeu de de code qui est important même si on est pas un laboratoire d’informatique ou quoi la maîtrise du code c’est la maîtrise de de l’outil du savoir-faire en fait et sachant que j’ai deux formulations différentes ben j’ai deux outils différents ah si oui donc juste pour dire si vous connaissez pas le langage Julia c’est un peu un mélange de Python et Matlab mais open source et qui se veut numériquement très efficace donc c’est c’est c’est intéressant à à connaître en tout cas donc le cas d’étude et c’est comme ça qu’on va terminer là sur les les quelques résultats l’île douest moi je si vous connaissez c’est au large de la Bretagne environ 20 km et donc c’est suffisamment loin et suffisamment petit pour qu’on l’ pas connecté avec un câble au continent alors que par exemple belleî qui est ici ça va être connecté parce que c’est il y a plus de consommation donc historiquement c’est un générateur environ 2000 kW de de générateur au fu mais avec un objectif assez rapide de 100 % renouvelable il y a eu pas mal d’expérimentation des expériences en réel et puis aussi pas mal d’St qui sont intéressés au sujet parce que il y a eu hydrolienne donc c’est comme une éolienne mais mais plonger la tête dans l’eau des des batteries qui ont été installées un projet éolien intéressant mais qui apparemment c’est pas joli une éogen donc c’est enterré bon mais surtout il y avait un Open Data sur la consommation c’est-à-dire que les données que je vous ai montré tout au début là en bleu en rouge ça ça c’était les données authentiques de de l’île d’essant voilà et donc avec ça la question c’est imaginons qu’on qu’on ait quand même le droit de mettre l’éolien et qu’on peut tout reprendre from scratch quel serait le dimensionnement optimal sous sous reserve des des hypothèses que j’ai mis sur les coups il faut pas non plus prendre ça au premier degré là ce qui m’intéresse c’est l’aspect méthodologique donc je vais prendre les mêmes données et je veux minimiser le coût du système le coût ici économique avec une ce que j’appelle le dage la consommation c’est je veux assurer 100 % de de la consommation à chaque instant je veux jamais devoir couper les clients parce que la batterie est vide qui a pas assez de soleil ou je sais pas quoi donc je mets ça comme problème d’optimisation et j’ai mets deux méthodes la méthode avec le simulateur qui utilise des règles simples d’utilisation boîte noire et la méthod Mée Hin one et est-ce que ça donne le même résultat parce que c’est le même problème au départ et la réponse c’est ben pas tout à fait du point de vue des sources renouvelables ça se ressemble quand un peu plus d’un MW d’éolien à peu près 2 MW de solaire j’aV pas mis sur la diapo mais y a du solaire aussi à W mais par contre alors sur la batterie surtout sur le générateur de secours ça commence à faire un peu de différence la consommation max là sur l’année de référence que j’ai utilisé parce qu’il y a queun année dans dans l’utilisation c’est 1700 kW en utilisant parfois un peu la batterie on peut l’optimisation l’uise enfin pardon en Black Box il met que 1500 pe 1600 disons kilow et l’approche au lin one elle arrive à le descendre à 1100 1151 et ce 1151 ça lui fait économiser des frais de fonctionnement de dimension enfin il y a de l’argent à gagner à mettre un générateur plus petit on dira ben c’est super plus petit et ça mais est-ce que ça a marcher pour de vrai quand on n’ura plus le droit de faire de l’anticipatif donc ce que je fais c’est que je prends ce dimensionnement et je le refais passer dans ma dans mon simulateur avec la gestion avec des règles simple parce que ça je sais que je pe le faire sur le terrain alors si je prends le le dimensionnement qui a été justement optimisé avec ces règles simples ben j’auris le 0 % des stages que je voulais j’aurais un certain coup mais si maintenant je prends le dimensionement qui a été un peu raccourci on va dire avec un peu pas de marge il passait quand on anticipait le futur il passe plus on a 0,23 % de délestage c’est c’est on perd 1/5è% de l’énergie globale qui était souhaité ce qui semble pas beaucoup mais vous allez voir sur les courbes après en fait que ça peut changer un petit peu quand même le le fonctionnement c’estd que ce qui quelque chose qui apparaissait en fait sur le papier ultra optimal ça converge et con tout ce qu’on veut en fait dans la vie réelle si ça se trouve ça sera moins bien donc c’est quand même un petit peu décevant ça interroge sur qu’est-ce qui serait la meilleure approche finalement et donc juste pour illustrer ce que ça veut dire l’ancipativité sur des des courbes donc là il faudrait voir est-ce qu’on arrive bien à voir c’est on va aller progressivement donc on est ici sur le moment critique de cette simulation qui sont les six derniers jours de la fin d’année donc on est vraiment fin fin décembre et il y a du chauffage électrique donc le signal en en bleu clair le le gros ça s’appelle la la net l’au de la charge nette c’est la consommation souhaitée par les gens moins le renouvelable c’est pour ça que ça peut partir en négatif donc là ici c’est les jours donc typiquement en négatif en milieu de journée c’est le solaire à midi donc en sur le début cette semaine il y a un peu de soleil le à midi voilà mais en fin de semaine on voit un peu de soleil quand même mais mine de rien il y a tellement de consommation qu’on est toujours dans dans le positif et puis donc les autres couleurs c’est la la batterie en en en vert donc la puissance qu’elle peut soit en positif fournir soit en négatif elle va se charger et donc c’est l’énergie donc quand la batterie elle est en négatif elle se charge quand la batterie elle est en positif elle se décharge et puis le dernier signal c’est le générateur de secours et dans cette partie làà comme on n pas beaucoup ni de vent ni de solaire il est allumé très souvent il est pas forcément allumé global sur l’année très souvent mais là c’est quand même très souvent et donc on a sur la gauche ce qui était prévu dans l’optimisation anticipative donc ce qui va se passer c’est que le rappelez-vous le le générateur il est un peu sousdimensionné il est plus petit en rouge ici que la pointe de consommation mais c’est pas grave parce que dans ation anticipative et bien en début de semaine là quand il y a un peu de soleil à midi et ben on va en profiter pour charger la batterie comme ça on va démarrer les derniers jours de de l’année à bloc et puis quand il y aura un pic de consommation on mettra le générateur à son max ça suffit pas mais c’est pas grave parce que je peux vider la batterie pour assurer le petit supplément ici euh s’il y a un petit creux ici un peu de solaire quand même bah on en profite pour recharger la batterie pour repartir voilà et et ça est-ce que ça va partir sur le terrain ben si on est capable de prévoir ces pics on pourra faire cette préchargement mais avec des règles simples qui sont peut-être le meilleur mais au moins qu’on est sûr de pouvoir tenir la règle c’est ben tant que la batterie peut suffire j’utilise que la batterie donc là en début de semaine ben il y a un peu de solaire je charge la batterie ensuite début de soirée ben je vide la batterie et je termine ma nuit avec le générateur et ainsi de suite et donc avec C type de règle ma batterie là dans ces zones de faible consommation elle est toujours vide et ensuite on va travailler que au générateur ce qui fait qu’au moment où il y a le pic de consommation j’auraai plus rien et donc le signal rose ici ce qui s’appelle shading l’autre shading c’est le délestage ça veut dire ben les gens ils voulaient avoir 1500 kW ils en auront que 1100 ils se débrouillent c’est pas modéisé de qu’est-ce que ça veut dire concrètement mais ça veut dire fa peut-être mettre moins de chauffage je sais pas é la lumière mais ça ça aura des des conséquences et c’était pas prévu dans l’optimisation donc ça ça va clôturer cet exemple d’illustration sur ce danger méthodologique de l’anticipativité et donc en conclusion ce que Enie dire voilà le dimension des systèmes énergétiques c’est un problème qui a pas ma connaissance de solution analytique simple donc l’optimisation numérique ben c’est utile ça permet d’évaluer des bénéfices systémique he c’est pour ça que j’appelle système énergétique c’est je suis pas spéiste ni de l’éolien ni du sola sol c’est comment ça fonctionne ensemble et comme ça on peut savoir est-ce que c’est intéressant ou pas de mettre une batterie est-ce que c’est intéressant ou pas de jeter l’énergie renouvable c’est parfois pas intuitif mais ça peut être intéressant de jeter l’énergie renouvelable mais il y a des challenges méthodologiques qui sont ces incertitudes ces échelles de temps avec parfois donc les pièges par exemple que sont la la nonticipativité et donc je terminerai sur les perspectives et les travaux en cours donc il y a une thèse de Jean K qui a démarré là en novembre dernier et donc là maintenant l’enjeu c’est vre dimension un microgrid avec un stockage saisonnier donc saisonnier c’estàd passer l’été l’hiver alors que la batterie normalement c’est plutôt à l’horizon de quelques heures quelques jours et donc typiquement par AC une solution à base d’hydrogène le but c’est d’éjecter complètement le générateur de secours à base diesel et donc ça ça crée encore plus d’enjeux sur des échelles de temps et d’incertitude puisque là maintenant on se mélange en plus cette échelle de de stockage qui va se charger à l’échelle d’une année et mais pourtant toutes les années sont pas les mêmes donc utiliser que une seule année c’est sans doute pas pas suffisant VO et donc je vais m’arrêter là s’il y a des des questions bien sûr je vous [Applaudissements] remercie pour une ou de question ouais alors sur la question des stockages vous avez en tête d’autres alternatives ou c’était juste en général comme ça mais voilà donc il faut il faut voir effectivement c’est est-ce que c’est une bonne solution est-ce que c’est la la moins pire de toutes enfin c’est ça la question euh donc pour moi euh depuis que le lithium yon est arrivé années 90 en invention et là sa massification ça ça vient quand même écraser pas mal de toutes les autres technologies c’estàdire que j’ai l’impression que quand j’ai fait ma thèse il y a 10 ans il y avit plus de de l’écosystème était plus riche en ça fourmillit plus d’idées et que le développement d’abord des des gadgets smartphon et ensuite des véhicules électriques à a créé un un élan industriel pour pour pousser la techno quand j’étais en lithium c’était super techno très cher et aujourd’hui c’est super techno mais alors on pe dire toujour trop cher mais c’est quand même 10 fois moins cher que il y a 10 ans et ça ça change complètement le le système donc c’est très bon rendement et prix assez raisonnable finalement pour ce que c’est donc effectivement ça et donc en inertie on est quand même plutôt sur échellees de temps un peu plus courte quoi la batterie lithium typique c’est un stockage sur une 2 3 4 He en charge des charge la plus rapide possiblepr elle peut rester chargée pendant quelques jours mais vol on est quand même sur du plus rapide et sur l’autre question sur est-ce que il faut le fractionner dans des dans des quartiers là je me cache derrière C diapo qui est l’aspect microoréseau justement ça je le dis pas je dis ben c’est une plaque de CR je sais pas où je mets la la batterie mais effectivement la question c’est est-ce que je la mets à un endroit ou est-ce que je la fractionne et et dans ce cas la question c’est est-ce qu’on veut opiser l’aspect géographique et ça crée des nouvelle problématique c’est sûr mais c’est pas c’est pas dit ici donc là je là je peux pas répondre euh la la question se posait pendant ma thèse ben le contexte c’était des parcs éoliens avec un stockage ce que j’appelais le principe du pollueur payur l’éolien il vient polluer le réseau avec son énergie qui fluctue trop vite et donc euh le producteur est chargé de euh lisser sa consommation et c’était le modèle à un moment expérimententé à là et puis dit ben non peut-être non il faudrait juste une batterie pour toute l’île alors là c’était le plus gros île hein c’éit l’île Guadeloupe Réunion c’est quand même on n’est pas sur la même échelle et euh et peut-être c’est quand même plus intéressant de mutualiser un seul stockage ouais h une are une autre question et en fait sur le travail sur la la flexibilité c’est c’est un enjeu en soi il y a un autre docturant qui travaille là-dessus aussi sur comment est-ce qu’on modélise tout ça [Musique] le c’est sûr que c’est ça fait partie dans les pistes sur le systè énergétique du du futur pas que pour une petite île mais pour toute l’Europe enfinon c’est comment est-ce qu’on est capable de mélanger soit de la flexibité soit la soovriété c’est juste de dire B en fait c’est pas juste ce jour-là c’est globalement faut consommer moins et comme ça ça aura moins d’impact par ça sera des plus petites batteries des plus petits panneaux donc en fait cette diapo là elle répond pas cette à la question parce que c’est plutôt méthodologiquement la c’est peu importe que les gens ils soient d’accord ou pas de le faire là c’est de dire j’avais dit je voulais zéro et en fait j’ai 0,2 et 0,2 ça veut dire c’est pas mal d’heures c’est plusieurs jours en fait où on on se fait amputer de je sais pas moi 20 30 % de ce qui était demandé donc c’est plutôt méthologiquement je dis là y a il y a un caillou mais si ça se trouve oui on pourrait s’adapter mais c’est pas c’est pas sur le même plan c’est plutôt la perte de contrôle quoi c’est on a perdu le bouton quoi mer ben merci à [Applaudissements] vous on a vu sur la photo il y a déjà des stagiaires des doctorants qui viennent d’ici bah tout ce qui est voilà énergie optimisation et data euh