Thesis of Rim Abdallah

Optimisation prédictive des Modes de Fonctionnement des Systèmes d'Énergie Renouvelable : Application à une Station de Rechargement d’Hydrogène Vert

Dans cette thèse, nous nous concentrons sur la production d'hydrogène vert à partir de sources renouvelables, notamment représentées par des panneaux solaires. Nous supposons que cet hydrogène sera, par exemple, utilisé pour alimenter une flotte de véhicules. L'objectif est de faire correspondre la production à la consommation, afin d'éviter à la fois les interruptions de production et les quantités excessives stockées. En effet, le stockage de l'énergie sous forme d'hydrogène entraîne des coûts liés à l'utilisation, à la maintenance et à la durée de vie des équipements. La nouvelle approche consiste à prendre en compte non seulement les données de production et de consommation instantanées, mais aussi les données de production et de consommation prédictives basées sur les prévisions météorologiques et les habitudes de consommations respectivement. La contribution scientifique de cette thèse est basée sur la formulation d'un algorithme d'optimisation pour déterminer la séquence temporelle d'activation ou de désactivation des équipements. L'objectif principal est d'augmenter la durée de vie des équipements tout en assurant la disponibilité de l'énergie pour les utilisateurs. La durée de vie d'un composant est estimée sur la base d'un facteur de dégradation lié, entre autres, à la durée d'utilisation du composant et au nombre de transitions entre ses différents modes de fonctionnement. Ces différents modes de fonctionnement et leurs transitions sont représentés par un automate. Plutôt que de s'appuyer uniquement sur une gestion événementielle des changements de mode, couramment proposée dans la littérature et basée sur les données instantanées de production, de consommation et de niveaux de stockage, une approche hybride a été développée. Cette approche repose sur la séquence temporelle élaborée par l'algorithme d'optimisation à partir de données prédictives et de données en temps réel. En outre, des simulations Matlab/Simulink illustrent l'efficacité de l'approche proposée.

Jury

Directeur de thèse M. Jean-Yves DIEULOT Université de Lille Rapporteur M. Fabrice LOCMENT Université de Technologie de Compiègne Rapporteur M. Mohamed BECHERIF IUT de Belfort-Montbéliard Examinateur M. Kamal MEDJAHER Université Fédérale Toulouse Midi-Pyrénées Examinateur M. Frédéric COLAS Arts et Métiers ParisTech - École Nationale Supérieure d'Arts et Métiers

Thesis of the team PERSI defended on 24/11/2023