0HAL Id: tel-017604240https://pastel.archives-ouvertes.fr/tel-017604240于2018年4月6日提交0HAL是一个多学科开放获取档案库，用于存储和传播科学研究文档，无论其是否发表。这些文档可以来自法国或国外的教育和研究机构，也可以来自公共或私人研究中心。0HAL多学科开放获取档案库，用于存储和传播法国或国外教育和研究机构、公共或私人实验室发表或未发表的科学研究文档。0工业微电网环境下的能源供应和需求侧管理0Alemayehu Addisu Desta0引用此版本：0Alemayehu Addisu Desta. 工业微电网环境下的能源供应和需求侧管理. 建模与仿真. 巴黎东大学, 2017. 英文.�NNT : 2017PESC1234�. �tel-01760424�0为了获得0巴黎东大学博士0专业：计算机科学0Alemayehu Addisu Desta0工业微电网环境下的能源供应和需求侧管理0于2017年12月4日答辩0评审委员会0导师：Laurent George – ESIEE Paris (LIGM)，法国 共同导师：Hakim Badis – UPEM (LIGM)，法国评审人：Maryline Chetto – Nantes大学 (IRCCyN)，法国 Leandro Soares Indrusiak –约克大学，英国 考官：Pierre Courbin – METRON，法国 Bruno Gaujal – INRIA，法国 Ye-QiongSong – 洛林大学，法国 客座：David Menga – EDF R&D，法国0在ESIEEParis准备的博士学位，位于法国Noisy-le-Grand Cedex市Blaise Pascal大道2号0与METRON合作的博士学位，位于法国巴黎Réaumur街102号0与LIGM合作的博士学位，位于法国Marne-la-vallée Cedex2市Descartes大道5号Copernic大楼0致我的妻子和儿子，致我的父母，致我的祖父母，无论他们仍在或已离去，致我的兄弟和众多姐妹，致我的整个家庭，致我的所有朋友，致那些曾经光临过我的人们。0因为每一次相遇，即使是短暂的，都是重新发现自己和惊叹的机会。0致我的妻子和儿子，致我的父母，致我的祖父母，无论他们仍在或已离去，致我的兄弟和众多姐妹，致我的整个家庭，致我的所有朋友，致那些我有幸遇见的人们。0因为每一个人的相遇，即使是短暂的，都是一个特殊的机会，可以重新发现自己并感到惊叹。0致谢0我想借此机会衷心感谢我的论文导师Laurent George教授。自从我在ECEParis完成硕士论文以来，他一直是我心目中的榜样，我感谢他在学术和私人事务上给予我的宝贵帮助。我还要感谢我的共同导师HakimBadis博士。我衷心感谢METRON的技术总监PierreCourbin博士，我们合作的研究工作在本论文中取得了丰硕的成果。在我开始博士学位的时候，他告诉我要为自己的论文感到“自豪”。从那一刻起，我一直与我的论文紧密相连。还要感谢UPEM博士学院的秘书SylvieCache女士。我还要感谢我的评审委员会成员Maryline Chetto教授、LeandroSoares Indrusiak博士、Ye-Qiong Song教授、Bruno Gaujal博士和DavidMenga先生，他们愿意接受我们的邀请成为本论文的评审委员会成员。0由于这篇论文的资金来自METRON，我特别感谢METRON的首席执行官兼联合创始人Dr Vincent Sciandra和METRON的总裁Mr DavidTagliabue在整个论文过程中给予我的宝贵支持。我必须感谢METRON的同事们（排名不分先后）：Julien Calderan、José Lopez、Nifemi Ogundare、AnthonyGadiou、Jérémie Rendolet、Victor Nicolas、Yann Le Bail、JonathanCarmignac和新员工们。0现在，是时候感谢那些在我心中有特殊位置的朋友了。没有他们的友谊和支持，生活可能会很困难。他们是：Zerihun Gedeb、Getachew Tilahun、WosenEshetu、Yirgalem Bereka、Gelila Tafese、Emanuel Kassa、EphremBerhe、Bezaye Taye、Sergut Tekuamework、Varun Deshpande和AbdenourKifouche。如果我的一个朋友在名单中找不到自己的名字，请原谅我；这绝对不是故意的。0最后但并非最不重要的，我要感谢我的妻子Meskerem。她竭尽全力独自抚养我的儿子Leul（在英语和法语中意为“王子”）。我非常感激您，Meskerem女士。我还要衷心感谢我的父母、兄弟和许多姐妹。最后，我要感谢全能的上帝，我坚信是他给了我完成这个任务的力量和力量。赞美主！阿门。0摘要0工业微电网环境中的能源供应和需求管理0由于能源成本的上升和环境问题（如高碳排放量），集中式电力发电系统正在重组自身，以利用分布式发电的好处，以满足不断增长的能源需求。微电网被认为是部署分布式发电（包括太阳能、风能、电池等）的可能解决方案。在这篇论文中，我们关注的是解决工业微电网中能源管理方面的挑战，其中能源负载包括工业过程。我们的攻击计划是将微电网能源管理分为供应侧和需求侧。0在供应侧，挑战包括对电力发电进行建模和平滑分布式能源资源（DERs）的波动。为了对电力发电进行建模，我们提出了一种基于网络计算（NC）中服务曲线概念的模型。利用这个数学工具，我们确定DERs可以生成的最小功率量，并将它们聚合起来得到微电网的总发电量。之后，如果能源供应和需求之间存在不平衡，我们提出了不同的策略来最小化能源采购成本。根据法国一个工业场地的实际用电数据，采用这些策略可以实现显著的成本节约。在这篇论文中，我们还研究了如何通过与能源储存系统（ESSs）结合来减轻DERs的功率波动的影响。为此，我们提出了一种基于高斯分布的平滑算法，并将其与最先进的平滑算法进行了比较。我们发现，与其他算法相比，所提出的算法在平滑过程中使用的电池容量更小。为此，我们还对波动允许范围对电池容量的影响进行了研究。0在需求侧，目标是通过需求侧管理（DSM）方法（如需求响应（DR）和能源效率（EE））来降低能源成本。由于工业过程是耗电量大的消费者，使用DSM方法稍微减少功耗就可能带来重要的节省。本论文重点研究了DR方法，该方法可以利用时变电价将能源需求从高峰时段转移到低峰时段。为了实现这个目标，我们依靠基于排队论的模型来描述制造系统的时间行为（作业的到达和离开）。在定义作业到达和离开过程之后，我们提出了一个有效的利用函数0摘要............................................................0用于预测工作站（或机器）在时间域内的行为，可以显示其在任何时间的状态（工作或空闲）。根据生产线中每台机器的状态作为输入，我们还提出了一种DR调度算法，将生产线的功耗调整到可用功率和生产速率约束。该算法使用确定性有限状态机（DFSM）编码，其中状态转换通过在传送带输入处插入作业（或不插入）来发生。我们提供了可行调度存在的条件和接受DR请求的条件。0为了验证排队部分的分析计算，我们增强了C++中的O bjective M odular Ne tworkTestbed（OMNET++）离散事件模拟器，以适应我们的需求。我们修改了OMNET++中的各种库，添加了机器和传送带模块。在这篇论文中，我们还建立了一个实验平台，用于实验一个名为Open A utomated D emand Response（OpenADR）的智能DR协议，该协议使能源供应商（例如公用事业电网）能够要求消费者在一定时间内减少功耗。目标是探索如何在OpenADR之上实现我们的DR调度算法。2.3.3.2Cost minimization . . . . . . . . . . . . . . . . .242.3.3.3Price forecast . . . . . . . . . . . . . . . . . . . .242.3.3.4Renewable energy integration . . . . . . . . . . .252.3.4OpenADR - a DR tool . . . . . . . . . . . . . . . . . . . .252.3.4.1OpenADR architecture . . . . . . . . . . . . . . .252.3.4.2OpenADR services . . . . . . . . . . . . . . . . .270目录............................................................0I总体介绍和概念..................................................101总体介绍.......................................................301.1介绍..........................................................301.2为什么选择微电网？..............................................401.3微电网的两个方面的挑战..........................................501.3.1供应侧挑战...................................................501.3.2需求侧挑战...................................................601.4论文的动机和贡献...............................................701.5论文结构.......................................................802总体概念和模型..................................................902.1介绍..........................................................1002.2微电网概念...................................................1002.2.1微电网架构..................................................1102.2.2风能、太阳能和储能模型......................................1202.2.2.1风能......................................................1202.2.2.2太阳能光伏发电.............................................1302.2.2.3能量储存系统..............................................1402.2.3工业负载和制造类型..........................................1602.2.3.1串行生产（或传输）线.......................................1602.2.3.2装配/拆卸线..............................................1802.2.3.3并联生产线................................................1802.2.3.4分割/合并系统..............................................1802.2.3.5闭环生产线................................................1802.2.4现货市场...................................................1802.3需求响应（DR）...............................................1902.3.1需求响应计划................................................2002.3.1.1基于价格的需求响应计划...................................2002.3.1.2基于激励的需求响应计划......................................2102.3.2需求响应的潜在好处..........................................2302.3.3需求响应中的数学问题和方法....................................2402.3.3.1效用最大化..........................................24xContents2.3.4.3OpenADR implementations . . . . . . . . . . . .292.4Service curves of Network Calculus. . . . . . . . . . . . . . . . .292.4.1Min-plus and Max-plus Algebras. . . . . . . . . . . . . .302.4.1.1Min-plus Algebra . . . . . . . . . . . . . . . . . .302.4.1.2Max-plus Algebra . . . . . . . . . . . . . . . . . .322.4.2Service curve concepts . . . . . . . . . . . . . . . . . . . .322.4.2.1Common functions as service curves. . . . . . .342.4.2.2Strict service curve . . . . . . . . . . . . . . . . .342.4.2.3Maximum service curve. . . . . . . . . . . . . .352.4.2.4Concatenation and aggregation of service curves .352.4.3Applications of Network Calculus . . . . . . . . . . . . . .362.5Queuing theory overview . . . . . . . . . . . . . . . . . . . . . . .362.5.1Kendall’s notation for queues. . . . . . . . . . . . . . . .372.5.2Little’s Formula . . . . . . . . . . . . . . . . . . . . . . . .382.5.3Average-based performance measures of D/D/1 queue. .392.5.3.1Server Utilization . . . . . . . . . . . . . . . . . .392.5.3.2Mean queue length . . . . . . . . . . . . . . . . .402.5.3.3Mean waiting time . . . . . . . . . . . . . . . . .402.5.4Temporal evolution of arrivals and departures . . . . . . .402.5.5Applications of queuing theory to manufacturing. . . . .412.6Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .42IIEnergy Management in Supply and Demand Sides 433.1Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .453.2.1DER modeling. . . . . . . . . . . . . . . . . . . . . . . .463.3DER modeling using Service Curves . . . . . . . . . . . . . . . . .483.3.1.1Service curves of solar and wind . . . . . . . . . .483.3.2Energy supply and demand balance . . . . . . . . . . . . .503.3.3.1Strategy 1 – Sell excess energy. . . . . . . . . .513.3.3.3Strategy 3 – Use external energy to charge battery 533.4.1Smoothing algorithms. . . . . . . . . . . . . . . . . . . .5503 DER的建模和平滑 4503 相关工作 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4603.2.2 能量产量的平滑 . . . . . . . . . . . . . . . . 4703.3.1 DER的服务曲线 . . . . . . . . . . . . . . . . . . . . 4803.3.1.2 能量储存 . . . . . . . . . . . . . . . . . . . 4903.3.3 成本最小化策略 . . . . . . . . . . . . . . . . . 5103.3.3.2 策略2 - 储存多余能量 . . . . . . . . . 5303.4 平滑可再生能源产量 . . . . . . . . . . . . . . 5403.4.1.1 基于移动平均的平滑 . . . . . . . . . 55Contentsxi3.4.2Measure of smoothness . . . . . . . . . . . . . . . . . . . .573.4.3Constraint on successive power levels . . . . . . . . . . . .573.4.4Determining battery size . . . . . . . . . . . . . . . . . . .573.4.4.1Charging capacity. . . . . . . . . . . . . . . . .573.4.4.2Discharging capacity . . . . . . . . . . . . . . . .583.4.4.3Final battery capacity . . . . . . . . . . . . . . .583.5Simulation results . . . . . . . . . . . . . . . . . . . . . . . . . . .603.5.1Description of datasets . . . . . . . . . . . . . . . . . . . .603.5.1.1Solar PV data. . . . . . . . . . . . . . . . . . .603.5.1.2Wind speed data . . . . . . . . . . . . . . . . . .613.5.1.3Battery parameters . . . . . . . . . . . . . . . . .623.5.1.4Energy demand data . . . . . . . . . . . . . . . .623.5.1.5Spot market price data . . . . . . . . . . . . . . .633.5.2Results and discussions on modeling of DERs. . . . . . .643.5.2.1Performance of the strategies. . . . . . . . . . .653.5.2.2Effect of battery sizes. . . . . . . . . . . . . . .653.5.2.3Effect of spot market prices . . . . . . . . . . . .663.5.2.4Payback period estimation . . . . . . . . . . . . .673.5.3Results and discussions on smoothing . . . . . . . . . . . .693.5.3.1Performance of the smoothing algorithms. . . .693.5.3.2The final power production curve . . . . . . . . .743.6Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .754Industrial Demand Side Management774.1Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .774.2Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . .794.2.1Production line modeling . . . . . . . . . . . . . . . . . . .794.2.2Scheduling in production lines . . . . . . . . . . . . . . . .804.3.1Virtual cell. . . . . . . . . . . . . . . . . . . . . . . . . .814.3.2.1Arrival instants . . . . . . . . . . . . . . . . . . .834.3.2.3Departure processes at machines. . . . . . . . .864.3.2.5Power consumption and utilization function . . .874.4.1Scheduling problem . . . . . . . . . . . . . . . . . . . . . .904.4.3Optimal schedule under DR . . . . . . . . . . . . . . . . .9203.4.1.2 基于高斯平滑 . . . . . . . . . . . . . 5604.3 同步生产线建模 . . . . . . . . . . . . . . . . . . . . . . 8104.3.2 基于排队论的SPL模型 . . . . . . . . . . . . . . . . . . 8204.3.2.2 机器的到达过程 . . . . . . . . . . . 8604.3.2.4 利用函数 . . . . . . . . . . . . . . . . . 8704.4 SPL系统中的调度 . . . . . . . . . . . . . . . . . . . . 8804.4.2 DFSM计划编码 . . . . . . . . . . . . . . . . . . . . 9104.4.3.1 第一阶段 - 可行计划的存在 . . . . . . 93xiiContents4.4.3.3Phase 3 - Path to optimal schedule . . . . . . . .994.5Analytical and Simulation Results . . . . . . . . . . . . . . . . . . 1014.5.1Results on SPL modeling . . . . . . . . . . . . . . . . . . . 1024.5.1.1Analytical results . . . . . . . . . . . . . . . . . . 10204.4.3.2 第二阶段 - 寻找最佳计划 . . . . . . . . 9404.4.4 DR验收条件 . . . . . . . . . . . . . . . . . . 10004.5.1.2 模拟结果。10404.5.2 DR调度结果。106 4.5.2.1 找到调度单词。10704.5.2.2 接受DR的经济收益。10904.6 使用OpenADR进行实验。11004.6.1 实验平台设置。110 4.6.1.1 硬件。11004.6.1.2 软件。11104.6.2 DR事件的描述。11204.6.3 VTN和VEN之间的DR事件通信。11304.7 总结。1140III 结论和展望。11505 结论和展望。11705.1 结论。117 5.1.1 DER建模和成本最小化策略。11805.1.2 RES的平滑。11905.1.3 生产线的排队论模型。11905.1.4 生产线中的DR调度。12005.2 展望。1200符号列表 1230术语表。1250缩写词 125 术语表 1290作者的出版物列表。1350参考文献 1370图表清单01.1 可再生能源在满足全球能源消耗中的份额，持续10年 (2004年至2014年)[ZL17]。501.2 法国、德国和瑞士2017年7月31日的小时电价 (来自EPEX spot [EPE17])。602.1 微电网架构。1102.2 风能发电特性。1302.2.1 风机叶片面积A (m2) 上的气流速度V (m/s)。1302.2.2 3MW风力涡轮机的功率曲线 [Ves]。1302.3 太阳能发电特性，改编自 [Mer13]。1302.3.1 光伏阵列上的太阳辐射。1302.3.2 光伏功率曲线。1302.4 生产系统的分类，改编自 [Li+09]。1602.5 同步生产线。1702.6 EPEX spot能源供需曲线。1902.7 PDR的示例：(a) 用电时间 (TOU)，(b) 实时定价 (RTP)，以及 (c)递增式分段费率 (IBR) [Den+15]。2202.8 DR计划的时间尺度 [Qdr06]。2302.9 OpenADR架构 [Haa13]。2602.10 VTN和VEN之间的交互示例 [Haa13]。2702.11 使用OpenADR服务的VTN和VEN通信 [Haa13]。2802.12 服务曲线概念的示例 [LBT01]。3302.13 常见的服务曲线：(a) 峰值速率 (b) 爆发延迟 (c) 速率延迟，以及 (d)仿射函数。改编自 [LBT01]。3302.14服务曲线的连接 [ VBK16 ]为3602.15排队系统为3702.16到达和离开作业过程的实现示例，其中左曲线表示累积到达，右曲线表示累积离开[ CF10 ]为4103.1 DERs（太阳能或风能）节点的服务曲线示例为4903.1.1太阳能/风能发电为4903.1.2相应的服务曲线为4903.2能源需求和供应曲线[ Add+15 ]为5103.3太阳能、风能和电池混合系统的概念示意图[ Add+17c ]为5403.4移动平均法的缺陷为5603.4.1用于展示移动平均法的局限性的示例，其中 F(x) 是原始函数，f(x)是平滑输出为563.16 Power curves for a day-ahead forecast considering different of valuesγ and when σ is 1 and w is 3. . . . . . . . . . . . . . . . . . . . .733.16.1When γ = 5% . . . . . . . . . . . . . . . . . . . . . . . . . .733.16.2When γ = 10% . . . . . . . . . . . . . . . . . . . . . . . . .733.16.3When γ = 15% . . . . . . . . . . . . . . . . . . . . . . . . .733.16.4When γ = 25% . . . . . . . . . . . . . . . . . . . . . . . . .733.17 Power curves for a day-ahead forecast considering different valuesof γ and when σ is 2 and w is 5. . . . . . . . . . . . . . . . . . . .743.17.1When γ = 5% . . . . . . . . . . . . . . . . . . . . . . . . . .743.17.2When γ = 10% . . . . . . . . . . . . . . . . . . . . . . . . .740xiv 图表列表03.4.2实际光伏输出的20分钟移动平均值[ AMS14 ]为5603.5用于计算电池容量的示例，其中 A s 和 B s 分别表示充电和放电情况为5803.6年2014的太阳能和风能输入数据及其功率曲线为6103.6.1每小时平均太阳能功率数据为6103.6.2每小时平均风速数据为6103.6.3太阳能光伏功率曲线为6103.6.4风力涡轮机功率曲线为6103.7一段24小时的实际和预测太阳能和风能数据为6203.7.1预测的太阳能功率为6203.7.2预测的风速为6203.7.3实际和预测总功率为6203.8工厂每小时的能源需求来自METRONLab服务器为6303.9 2014年EPEX日前电价数据为6403.10三种不同电池容量和固定5 A C/MWh电价限制的策略为6503.11在固定电池容量为20MWh的情况下，随着电价变化的影响。3.12在电价范围为[0,50] A C/MWh和电池容量范围为[10,30]MWh的情况下，策略3的性能为6703.13 S imple M oving A verage (SMA)、E xponential M oving A verage(EMA)和基于高斯的算法在不同平滑参数值下的平滑性能为7003.13.1当 σ 为1且 w 为3时的平滑效果为7003.13.2当 σ 为2且 w 为5时的平滑效果为7003.14充电和放电速率，其中正值表示充电，负值表示放电，7103.14.1当 σ 为1且 w 为3时的充电和放电速率为7103.14.2当 σ 为2且 w 为5时的充电和放电速率为7103.15基于连续功率级别约束的电池容量大小，其中 γ ∈ [0.05,0.30]为7203.15.1当 σ 为1且 w 为3时的电池容量大小为7203.15.2当 σ 为2且 w 为5时的电池容量大小为72List of Figuresxv3.17.3When γ = 15% . . . . . . . . . . . . . . . . . . . . . . . . .743.17.4When γ = 25% . . . . . . . . . . . . . . . . . . . . . . . . .743.18 Gaussian-based power production curves for day-ahead forecastconsidering the two cases.. . . . . . . . . . . . . . . . . . . . . .753.18.1Power curve when σ is 1 and battery size is 294kWh. . . .753.18.2Power curve when σ is 1, γ is 10%, and battery size is 834kWh 754.1General configuration of a synchronous production line . . . . . .824.2An SPL system with 13 virtual cells and 4 machines.. . . . . . .844.3Power consumption blocks and additional energy from DERs.. .884.4DR mechanism and available power levels. . . . . . . . . . . . . .894.5A DFSM for an SPL system with three machines. . . . . . . . .924.6DR timelines. . . . . . . . . . . . . . . . . . . . . . . . . . . . .934.7Feasible schedule under DR constraint. . . . . . . . . . . . . . . .944.8Prefix searching example. . . . . . . . . . . . . . . . . . . . . . . .974.9Optimal sub-word searching example. . . . . . . . . . . . . . . . .974.10 Shortest path to the optimal schedule (phase 3) marked in reddotted lines. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1004.11.1Arrival processes using Equation (4.8). . . . . . . . . . . . 1034.12 Analytical power consumpti
我的内容管理
展开
