Optimisation de systèmes énergétiques grâce à la modélisation par simulation AnyLogic

Optimisation de systèmes énergétiques grâce à la modélisation par simulation AnyLogic

Préambule:

L’Institut européen pour la recherche en énergie (EIFER), le centre de recherche né de la collaboration entre l’Institut de technologie de Karlsruhe et la société EDF, est une organisation qui s’intéresse à la décentralisation des systèmes énergétiques dans différents territoires et promeut les sources d’énergie renouvelables. Les systèmes énergétiques localisés n’ont pas besoin, au contraire des systèmes classiques, de transporter de l’énergie sur de longues distances, étant donné qu’ils se trouvent à proximité des points qu’ils desservent. Étant moins hiérarchiques, ils offrent des perspectives de stockage de l’électricité, d’inclusion d’énergies renouvelables et de prévision de la demande. Les ingénieurs de l’EIFER ont choisi la modélisation par simulation AnyLogic pour déterminer comment les systèmes localisés devaient être planifiés et gérés. Cela a permis de concevoir des modèles à plusieurs échelles, qui incluaient l’ensemble des éléments du système énergétique et visaient à comprendre les causes et les effets dans l’ensemble des échelles du système. Grâce à AnyLogic, la société a relevé le défi de gérer les phénomènes d’urgence qui peuvent survenir dans des systèmes décentralisés.

Cas #1 : Modélisation d’un réseau intelligent dans des systèmes insulaires - Flexibilité côté demande

Modélisation de système énergétique par simulation

Problème:

La production d’énergie sur les territoires insulaires est chère et dépend des prix du pétrole. EIFER cherchait à découvrir l’impact que l’inclusion d’éléments photovoltaïques aurait sur le système énergétique classique dans de tels territoires, afin de réduire les coûts et la dépendance au pétrole.

Modélisation de système énergétique par simulation

Solution:

Le système actuel se compose de trois échelles en fonction des zones de tension. La zone avec la tension la plus basse (au niveau du client final) a été choisie pour la mise en place des éléments photovoltaïques. Une fois ceux-ci répartis dans le modèle et les expériences effectuées, les données ont été à nouveau agrégées afin de saisir l’impact sur l’ensemble du système et éviter toute rupture et surconsommation d’électricité.

Il a été décidé de modéliser un scénario où l’île serait en partie recouverte de nuages afin de vérifier si cela ne perturbait pas l’équilibre du système. Il s’est avéré qu’en raison de la couverture nuageuse, la production de la centrale thermique située dans les zones non-nuageuses était plus importante, ce qui pouvait entraîner un déséquilibre du système.

Conclusions:

La modélisation AnyLogic a permis de simuler l’influence du photovoltaïque sur le système énergétique actuel de l’île. Le scénario de couverture nuageuse a été mis en place afin de tester la flexibilité du modèle et montrer l’impact de la météo sur le système.

Cas #2 : Optimisation de la gestion du système énergétique local

Modélisation de système énergétique par simulation

Problème:

Les chercheurs de l’EIFER étudient non seulement les nouvelles méthodes de production d’énergie, mais aussi celles qui existent déjà, à savoir dans le cas présent, la cogénération. Ce processus implique la production simultanée d’électricité et de chaleur utilisée pour le chauffage, permettant ainsi de réduire les coûts de production. Il s’agit également de l’une des méthodes les plus économiques pour réduire les émissions de carbone. Les ingénieurs de l’EIFER se sont servis d’AnyLogic pour modéliser et optimiser le comportement d’un système énergétique à cogénération et découvrir comment ses diverses sources d’énergie interagissent.


Solution:

Dans un modèle basé sur le comportement des agents, la centrale de production générait de l’électricité et de la chaleur, tandis que les particuliers et le secteur tertiaire les consommaient. La chaleur était dirigée vers les foyers, tandis que l’électricité était dirigée vers les foyers ou les réseaux. Les statistiques de sortie ont montré comment l’énergie était répartie entre les consommateurs et a rendu possible l’analyse des dépenses d’exploitation et d’investissement.

Conclusions:

AnyLogic a permis de représenter le système énergétique de façon holistique, en reliant des éléments séparés au sein d’un seul modèle. Grâce à AnyLogic, une bibliothèque de modélisation a été créée, rendant plus simple la réutilisation de certains blocs et agents dans d’autres modèles. Son interface conviviale a facilité l’interaction avec les modèles pour les personnes n’étant pas formées à l’utilisation d’AnyLogic.

Les statistiques de sortie ont permis aux modélisateurs de déterminer les facteurs saisonniers impactant le système énergétique, ainsi que d’analyser les indicateurs économiques.

Conclusion:

Les systèmes énergétiques ont tendance à avoir plusieurs échelles et peuvent être facilement impactés par différents facteurs. Grâce à la modélisation par simulation AnyLogic, il est possible de simplifier des systèmes complexes et de déterminer les problèmes associés aux variabilités, afin de montrer dans quelle mesure les changements sur une échelle peuvent toucher l’ensemble du système.


Pour en savoir plus sur la façon dont l’EIFER mène la décentralisation des systèmes énergétiques et met en place les sources d’énergie renouvelable, consultez les documents suivants:

Études de cas similaires

Plus d’études de cas