Embedded predictive system for control and supervision of renewable energy installations
Système communicant pour le contrôle et la supervision prédictive de la co-production d’énergie photovoltaïque et éolienne
Résumé
The modeling, management and optimization of renewable energy production systems is currently a challenge to develop the smart city concept. The goal of this thesis is to develop an intelligent and autonomous management system for the control and predictive supervision of the co-production of renewable energies based on smart networked sensors where the optimization is one problematic integration. From experimental measurements, we prove that it is possible to optimally self-manage the electricity production of renewable energy installations according to a combined or superposed approach of predictive models where experimental measurements allowed to refine them. Particularly, we show the useful of the proposed approach for the photovoltaic and wind turbine installations in an urban zone according to real physical parameter measurements (temperature, humidity, etc.). More precisely, this work proposes one predictive model based on the Weibull function of the power production of polycristallins and amorphous PV systems, and one 2,4 kW micro-wind system in a specific urban zone. The proposed method is has been reinforced by the statistical analysis of real measured data by using the Dickey-Fuller (DF), Goldfeld & Quandt (GQ), Durbin Watson (DW) tests and the Engle & Granger’s method. This work has shown the relevance and originality of the models developed for the reliable prediction of energy production from experimental measurements under real conditions and obtained from the GREEN platform. In addition to modeling aspects, this work has also show that it possible to implement technological solutions based on communicating sensors for the collect of physical parameters under real-time supervision IHM given the real time photovoltaic and micro-wind power productions.
La modélisation, la gestion et l’optimisation des systèmes de production d'énergies renouvelables est actuellement un challenge pour mettre en œuvre le concept de ville intelligente. L’objectif de ces travaux de thèse est d'élaborer un système de gestion intelligente et autonome pour le contrôle et la supervision prédictive de la co-production d'énergies renouvelables dans un contexte de capteurs intelligents en réseau dont une des optimisations est également une problématique d'intégration. A partir de mesures expérimentales, nous montrons qu'il est possible d'autogérer de manière optimale la production électrique réelle d'installations d'énergies renouvelables selon une approche combinée ou superposée de modèles prédictifs prédéfinis et dont les mesures expérimentales ont permis de les affiner spécifiquement pour des installations photovoltaïques et micro-éoliennes en zone urbaine et en fonction de mesures réelles de paramètres physiques (température, humidité, etc.). En particulier, ces travaux mettent en œuvre une modélisation prédictive par la fonction Weibull de la production de puissance de systèmes PV polycristallins et amorphes, et d’une micro-éolienne de 2,4 kW en zone urbaine. L’approche de modélisation adoptée est confortée par une analyse statistique des données réelles de mesures selon les tests de Dickey-Fuller (DF), Goldfeld & Quandt (GQ), Durbin Watson (DW) et la méthode d’Engle & Granger. Ils montrent la pertinence et l'originalité des modélisations développées pour la prédiction fiable des productions d'énergies à partir de mesures expérimentales dans les conditions réelles d'utilisation et obtenues depuis la plate-forme GREEN. Outre les aspects modélisations, ces travaux ont également permis de proposer une solution technologique à base de capteurs communicants pour la collecte et l’analyse des paramètres physiques permettant une supervision temps réel en terme de production et de sa prédiction d’installations photovoltaïque et micro-éolienne.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|