Approches méthodologiques pour la conception, le dimensionnement et la gestion de communautés d’énergie

Contexte et enjeux

La vente d’électricité entre des producteurs et des consommateurs géographiquement proches, à l’échelle d’un quartier ou d’une ville par exemple, est devenue possible par le développement de cadres réglementaires dédiés aux communautés d’énergie [1]. L’autoconsommation collective (ACC) fait partie des dispositifs possibles, permettant aux consommateurs d’acheter leur électricité à un ou plusieurs producteurs situés à proximité, à un tarif économiquement attractif à la fois pour le consommateur et pour le producteur [2], selon une clé de répartition [3].

Néanmoins, dans sa phase opérationnelle, les résultats technico-économiques escomptés lors de la phase de conception de l’ACC peuvent être altérés par des changements de nature diverse, tels que des évolutions des profils de consommation et de production des participants (ex : intégration de nouveaux usages, comportement réel des participants, etc.), des changements de tarifs d’achat et vente au réseau, ou encore l’ajout ou le retrait de participants au cours de la vie de l’ACC. Ces nombreuses incertitudes doivent donc être considérées dès la phase de conception de l’ACC afin de définir une clé de répartition de l’énergie et une structuration (participants, taille de l’ACC, dimensionnement des sources voire stockage) qui soient robustes face aux différentes incertitudes pouvant être rencontrées. A ce jour, peu de travaux académiques ont considéré les incertitudes dans la conception des opérations ACC, à l’exception des travaux d’A.D. Mustika et al. [4] dans lesquels l’ajout d’un nouveau participant à une opération existante a été étudié.

Un autre axe de travail à investiguer concerne l’écart entre les résultats optimaux pouvant être atteints sans contraintes sur la clé de répartition, et les résultats réellement obtenus avec des clés de répartition autorisées par la réglementation des opérations d’ACC. En effet, la répartition des flux énergétiques considérée dans les travaux académiques est généralement la résultante de la résolution d’un problème d’optimisation selon un critère prédéfini et sur une période donnée, avec une clé de répartition variant à chaque instant, et donc difficilement compatible avec la règlementation actuelle. La définition d’une clé de répartition explicite, facilement utilisable et compréhensible par les acteurs d’une ACC, passerait par l’exploitation de ces résultats d’optimisation, ce qui n’est à ce jour pas encore étudié dans la littérature.

Objectifs de la thèse

Cette thèse vise à proposer une approche méthodologique pour prendre en compte dans la phase de conception et dans la phase opérationnelle les différentes incertitudes pouvant être rencontrées dans une opération d’autoconsommation collective, en définissant une clé de répartition et un dimensionnement robuste. Les incertitudes considérées concerneront les profils de consommation et de production, l’ajout et le retrait de participants au cours du temps, les tarifs d’achat et de vente, etc. Aussi, cette thèse aura pour objectif d’étudier la question de la formulation d’une clé de répartition explicite à bases de règles et de critères simples, à partir de l’exploitation de résultats d’optimisation, et quantifier l’écart entre ces deux approches. Des préconisations en termes de conception et de gestion de l’énergie d’opérations d’autoconsommation collective pourront découler de ces travaux de thèse, grâce notamment à une analyse de sensibilité sur les différents facteurs d’influence.

Organisation des travaux

Les travaux de thèse seront jalonnés par différentes étapes :

• Etat de l’art sur les travaux académiques traitant de l’autoconsommation collective, d’un point de vue conception et gestion de l’énergie, ainsi que sur les critères à considérer (techniques, économiques, environnementaux, sociaux) et les incertitudes possibles ;

• Modélisation et caractérisation des différentes incertitudes pouvant être rencontrées puis intégration dans un processus d’optimisation de la conception de l’opération d’autoconsommation collective et de la gestion de l’énergie (clé de répartition). Cette phase de travail aboutira à un outil numérique (code de calcul) de simulation et d’optimisation robuste de communautés d’énergie ;

• Formulation de clés de répartition explicites à base de règles selon des critères techniques, économiques et sociaux, à partir de résultats d’optimisation, et quantification de l’écart entre les deux approches ;

• Analyse de sensibilité afin d’identifier les facteurs d’influence et donner des tendances et préconisations en termes de gestion et conception de communautés d’énergie.

• Rédaction du mémoire et soutenance.

Le travail réalisé sera valorisé par des publications dans des revues internationales à comité de lecture et des communications en conférences nationales et internationales.

L'offre complète est disponible ici : https://uncloud.univ-nantes.fr/index.php/s/ojQiWs5PcpNTW7i

L'Institut de Recherche en Energie Electrique de Nantes Atlantique, basé sur le site de Saint-Nazaire, est constitué de 65 personnes dont 24 enseignants chercheurs, 2 chercheurs associés, 1 professeur émérite, 6 post-doctorants, 2 IATSS, 2 ingénieurs de recherche et 22 doctorants. Les permanents sont rattachés à Polytech Nantes, l'IUT de Saint-Nazaire, l'IUT de La Roche-sur-Yon, l'ICAM et l'ESEO Angers. L'IREENA mène des recherches amont à visée applicative pouvant adresser des défis sociétaux comme la sûreté et la fiabilité des composants et des systèmes, l’efficacité énergétique pour un développement durable, les énergies renouvelables notamment marines ou encore l’industrie du futur. Les solutions proposées adoptent une démarche système appuyée par des approches de modélisation originales. Les champs d'application du laboratoire concernent essentiellement le transport (naval, aéronautique, automobile), la maîtrise des énergies durables (éolien offshore, hydrolien) et les Smartgrids (habitat, mix énergétique).

• Formation : Bac+5 en mathématiques appliquées, optimisation, génie électrique ou énergétique (Master, Ingénieur) ; • Autonomie, rigueur, capacité à communiquer et restituer des résultats (oral et écrit), appétence pour la recherche scientifique ; • Connaissances souhaitées dans le domaine des réseaux électriques, des communautés d’énergie, de la modélisation énergétique et de l’optimisation ; • Logiciels/programmation : Matlab, Python ou Julia (autonomie en programmation requise) ; • Anglais courant (lu, écrit).