Université de La Réunion

Thèse de Doctorat
pour obtenir le grade de :

Docteur de l’Université de La Réunion

dans la spécialité

« Automatique et Génie Electrique »

École doctorale de Science Technologie et Santé

par

Fabrice K/BIDI

DEVELOPPEMENTS ET TESTS DE STRATEGIES DE GESTION DE

L’ENERGIE A L’ECHELLE DE MICRO RESEAUX AVEC STOCKAGE ET
PRODUCTION D’HYDROGENE

Thèse soutenue le 03/12/2019 devant le jury composé de :

Pr. Brigitte GRONDIN-PEREZ Université de La Réunion (Présidente du jury)

Pr. Florence OSSART Sorbonne Université (Rapporteur)
Pr. Delphine RIU Université Grenoble Alpes (Rapporteur)
Pr. Malek GHANES Ecole Centrale de Nantes (Examinateur)
Pr. Michel BENNE Université de La Réunion (Directeur)
Pr. Mickaël HILAIRET Université de Franche-Comté (Co-Directeur)
Dr. HDR Cédric DAMOUR Université de La Réunion (Encadrant)
Mr. Gwendal PHILIPPE EDF Réunion (Invité)

Laboratoire d’énergétique, d’électronique et procédés (LE2P) - ENERGY lab - EA 4079

UFR sciences et technologies

Université de la réunion - 97400 Saint Denis - La Réunion - France

 « Tes pensées ont fait de toi ce que tu es et elles
feront de toi ce que tu deviendras à partir
d’aujourd’hui. »
Catherine Ponder (1927 - aujourd’hui)

« Nous devons apprendre à vivre ensemble comme

des frères, sinon nous allons mourir tous ensemble
comme des idiots. »
Martin Luther King (1929 - 1968)
 DEVELOPPEMENTS ET TESTS DE STRATEGIES DE GESTION DE L’ENERGIE A
L’ECHELLE DE MICRO RESEAUX AVEC STOCKAGE ET PRODUCTION
D’HYDROGENE
Résumé : Avec le développement des technologies de pile à combustible (PàC) et d’électrolyse de l’eau,
l’hydrogène électrolytique devient un pilier de la transition énergétique, substitut aux ressources fossiles
et outil d’intégration des sources d’énergies renouvelables (SER) intermittentes. A l’échelle de micro-
réseaux isolés ou îlotables, cette transition repose sur le développement de systèmes hybrides, couplant des
panneaux photovoltaïques (PV) et des électrolyseurs pour la production de l’hydrogène, des systèmes de
stockage — réservoirs d’hydrogène (H2) et batteries (Bat) — et des PàC pour la production de l’électricité.
Cette étude présente des stratégies de contrôle pour un système PV-H2-Bat-PàC afin d’optimiser la gestion
de l’énergie PV intermittente tout en respectant les conditions de fonctionnement des électrolyseurs et
des PàC. Premièrement, une commande de type MPPT (Maximum Power Point Tracking) est développée
pour assurer le fonctionnement des PV à puissance maximale, et une stratégie de contrôle basée sur des
commandes prédictives est mise en œuvre pour définir un courant de référence pour la PàC, l’électrolyseur
et les batteries. Deuxièmement, des contrôleurs IP sont utilisés pour réguler ces courants. Troisièmement,
un problème d’optimisation permet de définir un plan d’engagement afin d’utiliser la PàC et l’électrolyseur
en tenant compte de l’offre, de la demande et des stocks d’énergie.
Mot clés : Explicit Model Predictive Control, Hybridation, Hydrogène, Système de Gestion de l’Energie,
Power-Hardware-In-the-Loop

DEVELOPMENTS AND TESTS OF ENERGY MANAGEMENT STRATEGIES ON A

MICROGRID SCALE WITH STORAGE AND HYDROGEN PRODUCTION
Abstract : With the development of fuel cell (FC) and water electrolysis technologies, electrolytic
hydrogen is becoming a pillar of the energy transition, a substitute for fossil resources and a tool for
integrating intermittent renewable energy sources (RES). On the scale of isolated or islandable microgrids,
this transition is based on the development of hybrid systems, coupling photovoltaic (PV) panels and
electrolyzers for hydrogen production, storage systems - hydrogen (H2) tanks and batteries (Bat) - and FC
for electricity production. This study presents control strategies for a PV-H2-Bat-FC system to optimize
intermittent PV energy management while respecting the operating conditions of electrolyzers and FC.
First, a MPPT (Maximum Power Point Tracking) control system is developed to ensure the operation
of PV at maximum power, and a control strategy based on Model Predictive Control is implemented to
define a current reference for the FC, the electrolyzer and the batteries. Secondly, IP controllers are used
to regulate these currents. Thirdly, an optimization problem makes it possible to define a commitment
plan to use the FC and the electrolyser taking into account energy supply, demand and stocks.
Keywords : Explicit Model Predictive Control, Energy Management System, Hybridization, Hydrogen,
Power-Hardware-In-the-Loop
 Les travaux de cette thèse de doctorat ont été soutenus financièrement par la Région Réunion et
effectués au sein du laboratoire LE2P - ENERGY lab de l’université de La Réunion, avec la collaboration
du laboratoire Femto-ST/FClab.

Au terme de ces 3 années de thèse, je tiens à exprimer ma gratitude à tous ceux qui m’ont
accompagné en contribuant à différents niveaux à l’accomplissement de ces travaux.

Tout d’abord, je tiens à remercier Madame Brigitte GRONDIN-PEREZ, Professeure des universités
à l’université de La Réunion, d’avoir accepté de présider le jury de soutenance et pour l’intérêt qu’elle
porte à mes travaux.

Je tiens ensuite à remercier Madame Florence OSSART, Professeure des universités à Sorbonne
Université, et Madame Delphine RIU, Professeure des universités à l’université Grenoble Alpes, d’avoir
accepté de rapporter sur les travaux présentés dans ce manuscrit.

Je tiens aussi à remercier Monsieur Malek GHANES, Professeur des universités à l’École Centrale
Nantes, d’avoir accepté d’examiner mes travaux de thèse.

Je souhaite exprimer ma reconnaissance envers ma direction, Messieurs Michel BENNE et Mickaël

HILAIRET, Professeur des universités à l’université de La Réunion et Professeur des universités à
l’université de Franche-Comté, mais aussi à mon encadrant, Monsieur Cédric DAMOUR, Docteur HDR à
l’université de La Réunion, de m’avoir permis d’entamer et de mener à bien ces travaux de thèse et pour
le soutien scientifique, administratif, mais aussi moral qu’ils m’ont apporté tout au long de ces 3 années.

Un grand merci également à toute l’équipe du LE2P et du laboratoire Femto-ST, et plus particuliè-
rement à mes collègues qui ont contribué à l’aboutissement de cette thèse, autant sur le plan scientifique
que moral, Messieurs Étienne DIJOUX, Yannick FANCHETTE, Christophe LIN-KWONG-CHON,
Sébastien BOULEVARD, Jonathan CAZOUR, Mael RIOU, Edward ROCHEFEUILLE, Farid AUBRAS,
Jérôme RIVIERE, Dominique GRONDIN, Ludovic ODDOZ, Loïc HERMETTE et Ariste BOUTCHAMA.

Pour finir, je tiens à exprimer un grand merci à toute ma famille, mon père, ma mère, ma
sœur et mon frère, mais aussi à ma compagne et future épouse Pauline HOAREAU et sa famille, plus
particulièrement son père, car sans eux je ne serais pas où je suis et comme je suis aujourd’hui.

Cette thèse m’aura permis d’approfondir mes connaissances scientifiques et mon regard critique sur
le monde qui m’entoure.
Table des matières

Table des figures I

Liste des tableaux VII

Liste des abréviations VIII

Liste des symboles X

Introduction générale 1

1 État de l’art : Hybridation/Commandes 5

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Les différentes sources d’énergie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Les énergies non-renouvelable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Les énergies renouvelables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Les différents systèmes de stockage de l’énergie . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Les systèmes de gestion de l’énergie à différentes échelles . . . . . . . . . . . . . . . . . . . 12
1.4.1 Les Micros réseau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.2 L’hybridation des sources . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.3 Les systèmes de gestion de l’énergie . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.4 Les lois de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5 Positionnement des travaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.1 Problématiques liées au développement des énergies renouvelables . . . . . . . . . 22
1.5.2 Situation énergétique de La Réunion . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.2.1 Contexte énergétique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.2.2 Les projets structurants . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.5.3 Objectif de la thèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.5.4 Verrous scientifiques et technologiques . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.5.5 Structure du Système de Gestion de l’Énergie . . . . . . . . . . . . . . . . . . . . . 28
1.5.5.1 La couche locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
 1.5.5.2 La couche réactive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.5.5.3 La couche anticipative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2 Description et modélisation du micro réseau 35

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2 Production photovoltaïque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2.1 Technologies et fonctionnement du photovoltaïque . . . . . . . . . . . . . . . . . . 37
2.2.2 Modélisation photovoltaïque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.2.1 Détermination de la puissance en fonction des caractéristiques de l’instal-
lation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.2.2 Modèle à une diode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3 Les batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.3.1 Les technologies de batteries dans le domaine du solaire . . . . . . . . . . . . . . . 42
2.3.2 Modélisation des batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4 L’électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.4.1 Les différentes méthodes de production de l’hydrogène . . . . . . . . . . . . . . . . 45
2.4.2 Fonctionnement de l’électrolyse de l’eau . . . . . . . . . . . . . . . . . . . . . . . . 46
2.4.3 Modélisation de l’électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5 La pile à combustible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.5.1 Les différentes technologies de pile à combustible . . . . . . . . . . . . . . . . . . . 47
2.5.2 Fonctionnement de la pile à combustible . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5.3 Modélisation de la pile à combustible . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6 Le stockage d’hydrogène et d’oxygène . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6.1 Les technologies de stockage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6.2 Modélisation de la variation des stocks d’hydrogène et d’oxygène . . . . . . . . . . 50
2.7 Modélisation du système hybride . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.7.1 Rôle des convertisseurs dans le système de gestion de l’énergie . . . . . . . . . . . 50
2.7.2 Les différents niveaux de modélisation . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.7.3 Modélisation du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

3 Commande des couches réactive et locale 59

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2 La couche réactive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.1 eMPC batterie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.2 eMPC H2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
 3.2.3 Estimation du courant de charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.2.3.1 Modèle de l’observateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2.3.2 Filtre de Kalman optimal . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2.3.3 Filtre de Kalman sous-optimale . . . . . . . . . . . . . . . . . . . . . . . 66
3.2.4 Implémentation des eMPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3 La couche locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3.1 Régulateurs de courant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3.2 Pilotage des panneaux photovoltaïque . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.4 Validation des couches réactive et locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.4.1 Généralité sur les tests de validation d’une commande . . . . . . . . . . . . . . . . 70
3.4.2 Conditions opératoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.4.3 Présentation de la plateforme de test . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.4.3.1 Éléments constituant la plateforme de test . . . . . . . . . . . . . . . . . 72
3.4.3.2 Interaction entre le système, la MicroLabBox et le PC hôte . . . . . . . . 76
3.4.3.3 Interface Homme Machine . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.4.4 Paramétrage des poids des eMPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.4.4.1 eMPC batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.4.4.2 eMPC H2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.5 Test du SGE sans le système PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.5.1 Test du SGE avec un SoC de référence égal au SoC initial des batteries . 78
3.4.5.2 Test du SGE avec un SoC de référence inférieur au SoC des batteries . . 81
3.4.5.3 Test du SGE avec un SoC de référence supérieur au SoC des batteries . . 83
3.4.6 Test du SGE avec le système PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.4.7 Test de la résilience du Système de Gestion de l’Energie . . . . . . . . . . . . . . . 89
3.4.7.1 Perte du système électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . 90
3.4.7.2 Perte du système Pile à Combustible . . . . . . . . . . . . . . . . . . . . 91
3.4.7.3 Perte du système photovoltaïque . . . . . . . . . . . . . . . . . . . . . . . 93
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

4 Planification d’utilisation du système 97

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2 Le plan d’engagement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.2.1 Intérêt de la planification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.2.2 Méthode de planification utilisée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3 Développement de l’algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3.1 Équations du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3.2 Contraintes du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
 4.3.3 Fonction objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.3.4 Détermination des puissances minimale et maximale de la Pile à Combustible et de
l’électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.3.4.1 Procédure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.3.4.2 Puissances minimale et maximale de la pile à combustible . . . . . . . . . 104
4.3.4.3 Puissances minimale et maximale de l’électrolyseur . . . . . . . . . . . . 105
4.3.5 Détermination du débit de gaz en fonction de la puissance des appareils . . . . . . 106
4.4 Interaction entre la couche anticipative et la couche réactive . . . . . . . . . . . . . . . . . 107
4.5 Simulation des couches anticipative et réactive . . . . . . . . . . . . . . . . . . . . . . . . 109
4.5.1 Tests sans mise à jour de la planification . . . . . . . . . . . . . . . . . . . . . . . . 111
4.5.1.1 Test de la semaine 1, sans mise à jour de la planification et sans State of
Charge (SoC) de référence . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.5.1.2 Test de la semaine 2, sans mise à jour de la planification et sans SoC de
référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.5.1.3 Test de la semaine 3, sans mise à jour de la planification et sans SoC de
référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
4.5.1.4 Test de la semaine 1, sans mise à jour de la planification et un SoC de
référence de 50% . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.5.1.5 Test de la semaine 2, sans mise à jour de la planification et un SoC de
référence a 50% . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.5.1.6 Test de la semaine 3, sans mise à jour de la planification et un SoC de
référence a 50% . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.5.2 Tests avec mise à jour de la planification . . . . . . . . . . . . . . . . . . . . . . . . 118
4.5.2.1 Test de la semaine 1, avec mise à jour de la planification toute les 30mins
et sans SoC de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
4.5.2.2 Test de la semaine 2, avec mise à jour de la planification toute les 30mins
et sans SoC de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.5.2.3 Test de la semaine 3, avec mise à jour de la planification toute les 30mins
et sans SoC de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.5.2.4 Test de la semaine 1, avec mise à jour de la planification toute les 30mins
et avec SoC de référence à 50% . . . . . . . . . . . . . . . . . . . . . . . . 121
4.5.2.5 Test de la semaine 2, avec mise à jour de la planification toute les 30mins
et avec SoC de référence à 50% . . . . . . . . . . . . . . . . . . . . . . . . 122
4.5.2.6 Test de la semaine 3, avec mise à jour de la planification toute les 30mins
et avec SoC de référence à 50% . . . . . . . . . . . . . . . . . . . . . . . . 123
4.5.3 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
 4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

Conclusion générale 129

Perspective 133

Annexes 139

Bibliographie 163
Table des figures Fabrice K/BIDI

Table des figures

1.1 Exemple d’un schéma de SmartGrid [25] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.2 Exemple d’architecture de système hybride . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3 Exemple d’une structure hybride avec système de gestion de l’énergie . . . . . . . . . . . . . . 16
1.4 Les différentes échelles de temps de la gestion de l’énergie [22] . . . . . . . . . . . . . . . . . . 19
1.5 Schéma électrique du système hybride choisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.6 Structure du Système de Gestion de l’Énergie choisie . . . . . . . . . . . . . . . . . . . . . . . 28
1.7 Structure du régulateur IP avec action anti-windup . . . . . . . . . . . . . . . . . . . . . . . . 29
1.8 Fonctionnement de la commande MPC en ligne [29] . . . . . . . . . . . . . . . . . . . . . . . 30
1.9 Fonctionnement de la commande MPC hors ligne [29] . . . . . . . . . . . . . . . . . . . . . . 30
1.10 Représentation de la table de résultats [98] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.11 Représentation de l’arbre de résultats [98] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2.1 Fonctionnement du photovoltaïque [91] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

2.2 Circuit équivalent d’un module photovoltaïque : a) une diode b) une diode, une résistance
parallèle et une résistance série c) deux diodes, une résistance parallèle et une résistance série 38
2.3 Modèle Photovoltaïque (PV) à une diode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4 Caractérisation PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2
2.5 Courbes V = f(I) et P = f(I) du panneau simulé pour G = 1000 W/m et T = 25˚C . . . . . 42
2.6 Schéma équivalent de la batterie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.7 Évolution de la tension et du SoC de la batterie pour un courant de décharge de 800 mA
pendant 1h . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.8 Fonctionnement fondamental de l’électrolyse de l’eau [80] . . . . . . . . . . . . . . . . . . . . 46
2.9 Courbe de polarisation de l’électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.11 Courbe de polarisation de la pile à combustible . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.10 Fonctionnement fondamental d’une pile à combustible [51] . . . . . . . . . . . . . . . . . . . . 48
2.12 Schéma d’un hacheur élévateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.13 Fonctionnement d’un hacheur parallèle (élévateur) . . . . . . . . . . . . . . . . . . . . . . . . 51
2.14 Schéma d’un hacheur abaisseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

Université de La Réunion LE2P - ENERGY lab - EA 4079 I

Table des figures Fabrice K/BIDI

2.15 Fonctionnement d’un hacheur série (abaisseur) . . . . . . . . . . . . . . . . . . . . . . . . . . 51

2.16 Structure du système hybride . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

3.1 Structure du régulateur IP avec action anti-windup et linéarisation . . . . . . . . . . . . . . . 68

3.2 Algorithme basique P&O - Matworks [66] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3 Procédure de test en simulation [67] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.4 Procédure de prototypage rapide [67] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.5 Procédure de test Hardware-In-the-Loop [67] . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.6 Description du banc de test Rapid Control Prototyping (RCP)/Power-Hardware-in-The-Loop
(PHIL) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.7 Synoptique du banc de test PHIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.8 Test de la stabilité de vb : (a) tension du bus DC, (b) courant de charge et courant PV, (c)
courant de la Pile à Combustible (PàC), (d) courant de l’électrolyseur, (e) courant batteries
et (f) SoC batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.9 Test du courant de charge des batteries : (a) tension du bus DC, (b) courant de charge et
courant PV, (c) courant de la PàC, (d) courant de l’électrolyseur, (e) courant batteries et (f)
SoC batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.10 Simulation, SoC∗ (t) = SoCinit sans PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.11 Expérimentation, SoC∗ (t) = SoCinit sans PV : (a) tension du bus DC et SoC batteries, (b)
courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d)
courant batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.12 Simulation, SoC∗ (t) = SoCinit sans PV : (a) tension du bus DC et SoC batteries et (b) zoom
sur le courant des batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.13 Simulation, SoC∗ (t) = 20% sans PV : (a) tension du bus DC et SoC batteries, (b) courant de
charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant batteries 81
3.14 Expérimentation, SoC∗ (t) = 20% sans PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.15 Simulation, SoC∗ (t) = 80% sans PV : (a) tension du bus DC et SoC batteries, (b) courant de
charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant batteries 83
3.16 Expérimentation, SoC∗ (t) = 80% sans PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.17 (a) Irradiance, (b) Puissance produite par le système photovoltaïque . . . . . . . . . . . . . . 85

Université de La Réunion LE2P - ENERGY lab - EA 4079 II

Table des figures Fabrice K/BIDI

3.18 Simulation, SoC∗ (t) = SoCinit avec PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

3.19 Expérimentation, SoC∗ (t) = SoCinit avec PV : (a) tension du bus DC et SoC batteries, (b)
courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d)
courant batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

3.20 Simulation, SoC∗ = 20% avec PV : (a) tension du bus DC et SoC batteries, (b) courant de
charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant batteries 86

3.21 Expérimentation, SoC∗ (t) = 20% avec PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

3.22 Simulation, SoC∗ (t) = 80% avec PV : (a) tension du bus DC et SoC batteries, (b) courant de
charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant batteries 87

3.23 Expérimentation, SoC∗ (t) = 80% avec PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

3.24 Perte du système électrolyseur : (a) tension du bus DC et SoC batteries, (b) courant de charge
et courant PV, (c) courant de la PàC et courant de l’électrolyseur, (d) courant batteries et (e)
Disponibilité des éléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

3.25 Perte du système PàC : (a) tension du bus DC et SoC batteries, (b) courant de charge et
courant PV, (c) courant de la PàC et courant de l’électrolyseur, (d) courant batteries et (e)
Disponibilité des éléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

3.26 Perte du système PV : (a) tension du bus DC et SoC batteries, (b) courant de charge et
courant PV, (c) courant de la PàC et courant de l’électrolyseur, (d) courant batteries et (e)
Disponibilité des éléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

4.1 Méthode d’optimisation avec actualisation des prévisions . . . . . . . . . . . . . . . . . . . . . 101

4.2 Puissances minimale et maximale de la pile à combustible . . . . . . . . . . . . . . . . . . . . 104

4.3 Puissance minimale et maximale de l’électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . 105

4.4 Approximation du débit d’hydrogène et d’oxygène de l’électrolyseur . . . . . . . . . . . . . . 105

4.5 Approximation du débit d’hydrogène et d’oxygène de la pile à combustible . . . . . . . . . . 106

4.6 Semaine 1, globalement ensoleillé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

4.7 Semaine 2, début de semaine ensoleillé ainsi qu’une fin de semaine moins ensoleillée . . . . . 107

4.8 Semaine 3, début de semaine avec peu d’ensoleillement et une fin de semaine ensoleillée . . . 107

4.9 Système simulé durant les tests de planification . . . . . . . . . . . . . . . . . . . . . . . . . . 108

Université de La Réunion LE2P - ENERGY lab - EA 4079 III

Table des figures Fabrice K/BIDI

4.10 Semaine 1, test sans mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démar-
rage/arrêt de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

4.11 Semaine 1, test sans mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

4.12 Semaine 2, test sans mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démar-
rage/arrêt de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

4.13 Semaine 2, test sans mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

4.14 Semaine 3, test sans mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démar-
rage/arrêt de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

4.15 Semaine 3, test sans mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

4.16 Semaine 1, test sans mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des PV,
(b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

4.17 Semaine 1, test sans mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène et
d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

4.18 Semaine 2, test sans mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des PV,
(b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

4.19 Semaine 2, test sans mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène et
d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

4.20 Semaine 3, test sans mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des PV,
(b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

4.21 Semaine 3, test sans mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène et
d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

4.22 Semaine 1, test avec mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démar-
rage/arrêt de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

4.23 Semaine 1, test avec mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

Université de La Réunion LE2P - ENERGY lab - EA 4079 IV

Table des figures Fabrice K/BIDI

4.24 Semaine 2, test avec mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démar-
rage/arrêt de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.25 Semaine 2, test avec mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.26 Semaine 3, test avec mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démar-
rage/arrêt de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.27 Semaine 3, test avec mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.28 Semaine 1, test avec mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des PV,
(b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.29 Semaine 1, test avec mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène et
d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.30 Semaine 2, test avec mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des PV,
(b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.31 Semaine 2, test avec mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène et
d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.32 Semaine 3, test avec mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des PV,
(b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.33 Semaine 3, test avec mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène et
d’oxygène à Patm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.34 Représentation de la borne haute et de la borne basse avec incertitude . . . . . . . . . . . . . 133
4.35 Représentation de la puissance maximale de la PàC en fonction de son état de santé . . . . . 134
4.36 Utilisation de plusieurs PàC et électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
4.37 Schéma du micro réseau avec connexion au réseau principale . . . . . . . . . . . . . . . . . . 137

D.1 Champ PV du banc PHIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156

D.2 Connexion PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
D.3 Batterie du banc PHIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
D.4 Alimentation programmable du banc PHIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
D.5 Charge programmable du banc PHIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
D.6 Convertisseur boost bidirectionnel des batteries du banc PHIL . . . . . . . . . . . . . . . . . 156
D.7 Convertisseur boost des PV du banc PHIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156

Université de La Réunion LE2P - ENERGY lab - EA 4079 V

Table des figures Fabrice K/BIDI

D.8 Condensateur émulant le bus DC du banc PHIL . . . . . . . . . . . . . . . . . . . . . . . . . 156

Université de La Réunion LE2P - ENERGY lab - EA 4079 VI

Liste des tableaux Fabrice K/BIDI

Liste des tableaux

1.1 Ressources d’uranium identifiées par tranche de prix au 1er janvier 2015 (en tonne) [100] . . 8
1.2 Technologies de stockage [90] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Caractéristiques des systèmes de stockage [90] . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.1 Caractéristique d’un module PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

3.2 Caractéristique d’une batterie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.3 Caractéristique de l’alimentation programmable . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.4 Caractéristique de la charge programmable . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

4.1 Cas d’étude de la planification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125

4.2 Résumé des Key Performance Indicator (KPI) . . . . . . . . . . . . . . . . . . . . . . . . . . 125

Université de La Réunion LE2P - ENERGY lab - EA 4079 VII

LISTE DES ABRÉVIATIONS Fabrice K/BIDI

Liste des abréviations

Acronyme Description
AC Courant Alternatif
AGM Absorbed Glass Mat

BER Bilan Énergétique de La Réunion

CRE Commission de Régulation de l’Énergie

eMPC Explicit Model Predictive Control

EnR Énergie Renouvelable

GES Gaz à Effet de Serre

HIL Hardware-in-The-Loop

IHM Interface Homme Machine

IP Intégral-Proportionnel

KPI Key Performance Indicator

LP Linear-Programming

MIL Model-in-The-Loop
MILP Mixed-Integer-Linear-Programming
MIQP Mixed-Integer-Quadratic-Programming
MPC Model Predictive Control
MPPT Maximum Power Point Tracking
MPT3 Multi-Paramétric Toolbox 3
MR Micro-Réseau

PàC Pile à Combustible

PEM Membrane Electrolytique Polymère
PEMFC Proton Exchange Membrane Fuel Cell
PHIL Power-Hardware-in-The-Loop

Université de La Réunion LE2P - ENERGY lab - EA 4079 VIII

LISTE DES ABRÉVIATIONS Fabrice K/BIDI

Acronyme Description
PI Proportionnel-Intégral
PID Proportionnel-Intégral-Dérivé
PPE Programmation Pluriannuelle de l’Energie
PUC Packed U Cell
PV Photovoltaïque

RCP Rapid Control Prototyping

RUL Remaining Useful Life

SC Supercondensateur
SG SmartGrid
SGE Système de Gestion de l’Energie
SoC State of Charge
SRCAE Schéma Régional Climat Air Energie
SWAC Sea-Water Air Conditioning

ZNI Zone-non-Interconnectée

Université de La Réunion LE2P - ENERGY lab - EA 4079 IX

LISTE DES SYMBOLES Fabrice K/BIDI

Liste des symboles

Symbole Description Unité

a Coefficient idéal de la diode
Adobs Matrice d’état du modèle de l’observateur
αbat Rapport cyclique du convertisseur des batteries
αel Rapport cyclique du convertisseur de l’électrolyseur
αfc Rapport cyclique du convertisseur de la Pile à Combustible
αpv Rapport cyclique du convertisseur des panneaux photovol-
taïque
Apv Surface de panneau photovoltaïque installé m2

Bdobs Matrice de commande du modèle de l’observateur

Cb Condensateur en entrée du bus DC F

Cbat Capacité de stockage de la batterie Ah ou Wh
Cdobs Matrice d’observation de l’observateur
Cp1bat Condensateur de la première branche parallèle de la batterie F
Cp2bat Condensateur de la seconde branche parallèle de la batterie F
Cpv Condensateur en entrée du convertisseur des panneaux pho- F
tovoltaïque

Eg Gap du silicium à 25˚C eV

F Constante de Faraday A/mol

G Gisement solaire W/m2

Gnom Gisement solaire nominal W/m2

h Pas de temps de la simulation s

ηMPPT Rendement de puissance d’un système MPPT parfait %
ηpv Rendement du panneau photovoltaïque %

i0 Courant de saturation du biais inversé de la diode A

ibat Courant de la batterie A
ibbat Courant des batteries vue par le bus DC A

Université de La Réunion LE2P - ENERGY lab - EA 4079 X

LISTE DES SYMBOLES Fabrice K/BIDI

Symbole Description Unité

ich Courant de la charge A
ich_pv Différence entre le courant de la charge et le courant PV A
ibat
ch_pv Différence entre le courant de la charge et le courant PV A
vue par les batteries
iel Courant de l’électrolyseur A
ibel Courant de l’électrolyseur vue par le bus DC A
ifc Courant de la pile à combustible A
ibfc Courant de la pile à combustible vue par le bus DC A
iH2 Courant du système H2 A
ibH2 Courant du système H2 vue par les batteries A
impv Courant du panneau photovoltaïque à sa puissance maxi- A
male
ipv Courant du panneau photovoltaïque A
iph Courant générer par la lumière incidente sur le panneau A
photovoltaïque
ibpv Courant des panneaux photovoltaïque vue par le bus DC A
iscpv Courant du panneaux photovoltaïque en court-circuit A
iscpvnom Courant du panneaux photovoltaïque en court-circuit à A
température nominale

k Constante de Bolzmann m2kgs-2K-1

Kipv Coefficient de température du courant du panneau photo- mA/˚C
voltaïque
Kiibat Gain de l’action intégrale du régulateur IP des batteries
Kiiel Gain de l’action intégrale du régulateur IP de l’électrolyseur
Kiifc Gain de l’action intégrale du régulateur IP de la Pile à
Combustible
Kobs Gain du filtre de Kalman
Kppv Coefficient de température de la puissance du panneau pho- %/˚C
tovoltaïque
Kpibat Gain de l’action proportionnel du régulateur IP des batte-
ries
Kpiel Gain de l’action proportionnel du régulateur IP de l’élec-
trolyseur

Université de La Réunion LE2P - ENERGY lab - EA 4079 XI

LISTE DES SYMBOLES Fabrice K/BIDI

Symbole Description Unité

Kpifc Gain de l’action proportionnel du régulateur IP de la Pile
à Combustible

Lbat Inductance du convertisseur de la batterie H

Lel Inductance du convertisseur de l’électrolyseur H
Lfc Inductance du convertisseur de la Pile à Combustible H
Lpv Inductance du convertisseur des panneaux photovoltaïque H

Nbat Horizon de prédiction de la commande MPC des batteries

Nbelser nombre d’électrolyseur en série
Nbfcser nombre de pile à combustible en série
ncel Nombre de cellule de l’électrolyseur
ncpac Nombre de cellule de la pile à combustible
ncppv Nombre de cellule photovoltaïque en parallèle sur un pan-
neau
ncpv nombre de cellule d’un panneau photovoltaïque
ncspv Nombre de cellule photovoltaïque en série sur un panneau
NH2 Horizon de prédiction de la commande MPC de la Pile à
Combustible et de l’électrolyseur
nH2 Débit d’hydrogène m3/s
nO2 Débit d’oxygène m3/s
NOCT Température nominale de fonctionnement du panneaux K
photovoltaïque
Noptim Horizon d’optimisation de la planification
nppv nombre de panneau photovoltaïque en parallèle
nspv nombre de panneau photovoltaïque en série

onoff Variable de démarrage et d’arrêt de la pile à combustible

et de l’électrolyseur

Pbat Puissance de la batterie W

Pch Puissance consommée par la charge W
Pel Puissance de l’électrolyseur A
Peq Ecart entre la production photovoltaïque et la consomma- W
tion de la charge

Université de La Réunion LE2P - ENERGY lab - EA 4079 XII

LISTE DES SYMBOLES Fabrice K/BIDI

Symbole Description Unité

Pfc Puissance de la pile à combustible A
Pobs Estimation de la covariance du filtre de Kalman
Ppv Puissance du panneau photovoltaïque V
Pmaxpv Puissance maximale du panneau photovoltaïque W

q Charge d’un éléctron

Qobs Matrice de covariance du bruit de process du filtre de Kal-
man
QPbat Poid associé à la puissance des batteries dans le problème
d’optimisation de planification
QPel Poid associé à la puissance de l’électrolyseur dans le pro-
blème d’optimisation de planification
QPpac Poid associé à la puissance de la pile à combustible dans le
problème d’optimisation de planification
Qrbat Poid associé à la référence de la commande MPC des bat-
teries
QrH2 Poid associé à la référence de la commande MPC de la Pile
à Combustible et de l’électrolyseur
Qsoc Poid associé au suivi de référence du niveau de charge des
batteries dans le problème d’optimisation de planification
Qsspac Poid associé à au bit de démarrage de la pile à combustible
dans le problème d’optimisation de planification
QyH2 Poid associé à la variation de la variable d’état de la com-
mande MPC de la Pile à Combustible et de l’électrolyseur

Robs Matrice de covariance du bruit de mesure du filtre de Kal-

man
Rppv Résistance en parallèle du panneau photovoltaïque Ω
Rp1bat Résistance de la première branche parallèle de la batterie Ω
Rp2bat Résistance de la seconde branche parallèle de la batterie Ω
Rspv Résistance en série du panneau photovoltaïque Ω
Rsbat Résistance en série de la batterie Ω

Scpv Surface d’une cellule photovoltaïque m2

SoCbat Etat de charge de la batterie %

Université de La Réunion LE2P - ENERGY lab - EA 4079 XIII

LISTE DES SYMBOLES Fabrice K/BIDI

Symbole Description Unité

SoCbatmax Etat de charge maximum de la batterie %
SoCbatmin Etat de charge minimum de la batterie %
StockH2 Stock d’hydrogène m3
StockO2 Stock d’oxygène m3

Tamb Température ambiante K

Tcpv Température de cellule du panneau photovoltaïque K
Tpvnom Température nominal de fonctionnement du panneau pho- K
tovoltaïque
Tsbat Période d’échantillonage de la commande MPC des batte- s
ries
TsH2 Période d’échantillonage de la commande MPC de la Pile s
à Combustible et de l’électrolyseur
TsIP Période d’échantillonage des régulateurs IP s
TsMPPT Période d’échantillonage de la commande MPPT s
Tsoptim Période d’échantillonage du problème d’optimisation pour s
la planification

uobs Commande du modèle de l’observateur

v0bat Tension en circuit ouvert de la batterie V

vb Tension du bus DC V
vbat Tension de la batterie V
vel Tension de l’électrolyseur A
vfc Tension de la pile à combustible A
vH2 Tension du système H2 A
vmpv Tension du panneau photovoltaïque à sa puissance maxi- V
male
VmolH2 Volume molaire de l’hydrogène m3/mol
VmolO2 Volume molaire de l’oxygène m3/mol
vocpv Tension du panneaux photovoltaïque en circuit ouvert V
vocpvnom Tension du panneaux photovoltaïque en circuit ouvert à V
température nominale
vpv Tension du panneau photovoltaïque V

Université de La Réunion LE2P - ENERGY lab - EA 4079 XIV

LISTE DES SYMBOLES Fabrice K/BIDI

Symbole Description Unité

xobs Etat du modèle de l’observateur

Université de La Réunion LE2P - ENERGY lab - EA 4079 XV

INTRODUCTION GÉNÉRALE Fabrice K/BIDI

Introduction générale

Le monde actuel fait face à une problématique grandissante en termes de production d’énergie à
partir de sources d’énergie durables. Alors que la production actuelle utilise en grande partie des sources
d’énergie fossiles, les stocks de ces sources (comme le pétrole, le charbon ou l’uranium) diminuent au fil des
années. Cette diminution entraînera à terme des risques de pénurie à tous plusieurs niveaux : production
d’électricité, transport, etc. De plus, l’utilisation des énergies fossiles entraîne l’émission de Gaz à Effet de
Serre (GES) difficilement contrôlable, à l’origine de l’augmentation de la température moyenne du globe
terrestre (+0,6˚C au 20ème siècle selon Météo-France 1 ), c’est le réchauffement climatique. Ce phénomène
entraîne d’autres problèmes au niveau planétaire, comme la fonte des glaciers qui provoque la montée du
niveau des océans. Toujours selon Météo-France1, le niveau moyen de la mer à augmenté en moyenne
de 1,7 mm par an entre 1901 et 2011 et de 3,2 mm par an entre 1993 et 2014. Cette montée des eaux,
en plus de l’augmentation des températures, entraîne la submersion de certaines zones habitables et la
migration de populations vers des zones tempérées.

Ces problématiques sont d’autant plus présentes dans les milieux insulaires comme La Réunion.
Dans cette Zone-non-Interconnectée (ZNI) dépourvue de ressources fossiles, le mix énergétique repose sur
l’importation massive d’énergies fossiles. De plus, l’augmentation de la population induit une augmen-
tation de la demande en énergie. Cette importation massive d’hydrocarbure, avec un bilan carbone non
négligeable, entraîne une dépendance qui impacte le bilan économique de l’île. La Réunion, en accord avec
la loi de transition énergétique, a pour objectif d’atteindre l’autonomie électrique à l’horizon 2030. Dans
ce contexte, le Schéma Régional Climat Air Energie (SRCAE) cible des enjeux et fixe des objectifs en
termes d’adaptation du territoire, de limitation des émissions de GES, de surveillance de la qualité de l’air
et d’amélioration des systèmes énergétique. L’énergie solaire occupe une place centrale pour la production
d’électricité photovoltaïque et pour le chauffage d’eau sanitaire via les chauffe-eau solaires dans deux
objectifs distincts : la production d’énergie propre et la diminution de la consommation énergétique.

Mais l’aspect stochastique et intermittent de cette ressource, par ailleurs dépendante des condi-
tions météorologiques à l’origine de sa variabilité, freine son développement à grande échelle pour la

1. http ://www.meteofrance.fr

Université de La Réunion LE2P - ENERGY lab - EA 4079 1

INTRODUCTION GÉNÉRALE Fabrice K/BIDI

production électrique. L’instabilité qui peut en résulter au niveau du réseau électrique peut provoquer
une coupure générale de l’alimentation, c’est le black-out. La production d’électricité à partir d’énergie
solaire doit donc être associée à des systèmes permettant d’assurer l’équilibre entre production et
consommation, via le stockage de l’excédent d’énergie lors des pics de production et la restitution lors
des pics de consommation. Le concept de l’hybridation, associant des systèmes multisources et/ou multi-
stockages permet alors d’augmenter la part des Énergie Renouvelable (EnR) dans la production électrique.

Si l’hybridation avec des batteries est opérationnelle, un certain nombre de contraintes (den-
sité énergétique, impact environnemental, dimensionnements de la puissance et du stockage couplés)
encouragent le recours au vecteur hydrogène : le stockage durable d’énergie résulte de la production d’hy-
drogène par des systèmes électrolyseurs alimentés par des EnR, comme l’énergie solaire, et la production
d’électricité est assurée par des systèmes Pile à Combustible (PàC). Cependant, la fiabilité et la durée
de vie de ces systèmes sont liées à des conditions d’utilisation spécifiques. L’intégration de systèmes PàC
et électrolyseurs dans la production d’électricité nécessite une gestion des flux d’énergie tenant compte
des contraintes d’utilisation, dans l’objectif de limiter les risques de dégradation et de vieillissement
prématuré de ces systèmes, mais aussi afin d’assurer la continuité de service dans l’alimentation (stockage
d’énergie suffisant, équilibre production et consommation, etc.). Cette répartition des flux peut être
réalisée par un Système de Gestion de l’Energie (SGE) qui prend en compte les différentes contraintes
d’utilisation de chaque élément du système.

Les travaux de cette thèse se sont donc orientés vers l’étude de différents systèmes de production
et de gestion de l’énergie électrique à l’échelle de micro réseaux avec stockage, vers le développement et
le test de systèmes de gestion de l’énergie pour un Micro-Réseau (MR) hybride, permettant d’intégrer le
vecteur hydrogène à la production d’électricité dans les ZNI. Le SGE est organisé en trois couches : une
couche locale, une couche réactive et une couche anticipative.

Le premier chapitre fait état des différentes méthodes utilisées pour produire et stocker de l’énergie
et des différentes stratégies de gestion de l’énergie dans les MR hybrides. Le positionnement des travaux
de la thèse ainsi que les choix scientifiques et techniques de ces travaux de thèse sont détaillés à la fin du
premier chapitre.

Le deuxième chapitre fait état des technologies utilisées dans la structure du MR modélisé, et des
modèles des éléments utilisés à des fins de validation du SGE en simulation. Différents modèles sont
présentés dans le but de leur utilisation lors des différentes étapes de développement du SGE.

Le troisième chapitre décrit le développement des stratégies de commande de la couche locale et

Université de La Réunion LE2P - ENERGY lab - EA 4079 2

INTRODUCTION GÉNÉRALE Fabrice K/BIDI

de la couche réactive du SGE, ainsi que les outils utilisés pour leur implémentation. L’analyse des tests,
réalisés en simulation et en ligne, sur une plateforme de tests Power Hardware In the Loop, permet de
discuter de la validation de ces stratégies.

Le quatrième et dernier chapitre est dédié au développement de la stratégie de commande de la

couche anticipative. Dans un premier temps, l’intérêt de cette couche est présenté et la méthode utilisée
décrite. Dans un deuxième temps, le développement de l’algorithme est détaillé ainsi que les éléments
pris en compte dans cette couche. Les résultats de simulation de la couche anticipative et de la couche
réactive sont présentés à la fin de ce chapitre.

Université de La Réunion LE2P - ENERGY lab - EA 4079 3

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Chapitre 1

État de l’art sur l’hybridation des sources et

les commandes associées

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.2 Les différentes sources d’énergie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.2.1 Les énergies non-renouvelable . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.2.2 Les énergies renouvelables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.3 Les différents systèmes de stockage de l’énergie . . . . . . . . . . . . . . . . . . . . . . 10

1.4 Les systèmes de gestion de l’énergie à différentes échelles . . . . . . . . . . . . . . . . 12

1.4.1 Les Micros réseau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.4.2 L’hybridation des sources . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.4.3 Les systèmes de gestion de l’énergie . . . . . . . . . . . . . . . . . . . . . . . . 16

1.4.4 Les lois de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

1.5 Positionnement des travaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

1.5.1 Problématiques liées au développement des énergies renouvelables . . . . . . . 22

1.5.2 Situation énergétique de La Réunion . . . . . . . . . . . . . . . . . . . . . . . 23

1.5.3 Objectif de la thèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

1.5.4 Verrous scientifiques et technologiques . . . . . . . . . . . . . . . . . . . . . . 25

1.5.5 Structure du Système de Gestion de l’Énergie . . . . . . . . . . . . . . . . . . 28

1.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Université de La Réunion LE2P - ENERGY lab - EA 4079 5

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

1.1 Introduction

Dans le contexte énergétique actuel, la lutte contre les impacts des changements climatiques et la
réduction des ressources d’énergie fossiles encourage le développement de solutions alternatives pour la
conversion et le stockage d’énergie. L’intégration de ces solutions énergétiques dans le réseau électrique a
favorisé l’essor de ce qu’on appelle l’hybridation des systèmes de conversion et de stockage.

L’hybridation résulte de la combinaison de différents éléments de conversion (comme la PàC, les

générateurs PV, etc.) et de stockage (batterie, super-condensateur, etc.) pour améliorer la stabilité du
réseau électrique [36]. Dans les systèmes hybrides, des SGE intègrent des lois de commande pour répartir
les flux d’énergie entre les éléments de conversion et de stockage en définissant les références adéquates.
Dans ce qui suit, l’objectif des SGE développés est d’ajuster l’équilibre production-consommation, tout
en limitant les risques de dégradation pouvant résulter des variations de grande amplitude ou avec des
fréquences élevées des sollicitations (perte de performance et d’efficacité, vieillissement prématuré) tout
en garantissant une bonne qualité de service.

En définitive, ces systèmes permettent à la fois de répartir la puissance selon la charge, et d’amé-
liorer l’intégration des EnR afin de produire une énergie plus propre. Mais les propriétés stochastiques
de certaines EnR intermittentes ne permettent pas de garantir l’équilibre entre l’offre et la demande en
cas de fonctionnement critique (défaillances, pic de charge ou chute brutale de production). Le recours à
des éléments de stockage et à des stratégies de gestion permet de parer les risques d’instabilité du réseau,
voire de black-out.

Plusieurs applications ont été réalisées dans des domaines différents (transport, stationnaire, etc.).
Nous allons donc voir les différents systèmes de production de l’énergie, de stockage, et les commandes
utilisées à ce jour pour différentes applications.

Université de La Réunion LE2P - ENERGY lab - EA 4079 6

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

1.2 Les différentes sources d’énergie

1.2.1 Les énergies non-renouvelable

Les énergies non-renouvelable sont des énergies qui ne se renouvellent pas à l’échelle de temps
humain et qui sont qualifiées dans certains cas d’énergie fossile (tirées principalement du charbon, du
pétrole et du gaz naturel et ayant un impact non négligeable sur l’environnement). Elles sont stockées
dans le sol depuis plusieurs centaines de millions d’années et sont issues de matières organiques. Qualifiées
d’hydrocarbures, elles peuvent être récoltées sous différentes formes (solide pour le charbon, liquide pour
le pétrole, gazeuse pour le méthane, etc.). La problématique énergétique résulte en grande partie des
activités anthropiques, à l’origine de la disparition de ces combustibles près d’un million de fois plus
rapidement qu’ils ne peuvent être reconstitués par la Terre [72].

- Le pétrole
Le pétrole est un liquide issu de la sédimentation de matières organiques dans les milieux marins. Cette
matière organique est d’abord transformée en kérogène sous l’effet de bactéries anaérobies dans les milieux
privés d’oxygène. Ensuite, dès que le kérogène atteint une température comprise entre 50˚C et 60˚C (entre
1500 et 2000 mètres de profondeur), il se transforme partiellement en pétrole : c’est la pyrolyse [72].
Les stocks de barils de pétrole n’ont cessé de s’accroître durant cette dernière décennie, avec une
augmentation de 320 billions de barils, passant de 1126,2 billions de barils en 1995 à 1700 billions de barils
en 2014. Cependant, on observe une légère baisse de 0,1 % en 2015 pour atteindre les 1697,6 billions de
barils (voir annexe A.1). Avec la production/consommation actuelle de pétrole, les réserves représentent
environ 50 années de production mondiale [18] (voir annexe A.2).

- Le gaz
Le gaz naturel est créé par les mêmes phénomènes que le pétrole à la différence que le kérogène est
transformé à des températures et des pressions plus élevées. Une forme de gaz dit biogénique peut aussi
se créer à faible profondeur grâce à la fermentation de bactéries présentes dans les sédiments organiques
[72].
De même que pour le pétrole, les réserves en gaz naturel ont encore augmenté, passant de
119,9 trillions de mètres cubes en 1995 à 186,9 trillions de mètres cubes en 2015 (voir annexe A.3). Mais
la production/consommation de cette entité a elle aussi augmenté nous laissant avec assez de réserve
pour environs 52 ans à cette allure [18] (voir annexe A.4).

Université de La Réunion LE2P - ENERGY lab - EA 4079 7

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

- Le charbon
Le charbon est lui issu d’un kérogène formé de biomasse uniquement végétale. Il se retrouve fréquemment
au niveau des couches sédimentaires terrestres. Il est essentiellement constitué de carbone et est pauvre
en hydrogène [72].

Contrairement au pétrole et au gaz naturel, les réserves de charbon diminuent au fil des an-
nées, passant de 1 031 610 millions de tonnes en 1995 à 891 531 millions de tonnes en 2015 (voir
annexe A.5), de même que sa production sa et consommation, permettant d’évaluer des réserves pour en-
virons 110 ans [18]. On peut voir en annexe A.6 l’évolution de la production et de la consommation de gaz.

- L’énergie nucléaire
L’énergie nucléaire est issue d’un combustible fissile appelé l’uranium. Contenu dans le sous-sol de la
terre, il permet de produire de l’électricité grâce à la chaleur dégagée par la fission de ces atomes. L’avan-
tage de cette énergie est qu’elle n’émet pas de GES et qu’elle génère une grande quantité de puissances [75].

L’uranium peut être identifié en plusieurs catégories, avec des prix au kilogramme variant de USD
40/kgU à USD 260/kgU (cf. tableau 1.1 pour les stocks d’uranium par tranche de prix). Au 1er janvier
2015, les réserves d’uranium dans la tranche des 130 USD/kg étaient de 5 718 486 tonnes, montrant une
baisse de 3,1 % par rapport à 2013. Cependant, les réserves d’uranium dans la tranche des 260 USD/kg
ont augmenté de 0,1 % par rapport à 2013, atteignant les 7 641 441 tonnes. En prenant en compte les be-
soins globaux de 2014, les réserves identifiées permettraient de tenir encore 135 ans [100] (voir annexe A.7).

Table 1.1 – Ressources d’uranium identifiées par tranche de prix au 1er janvier 2015 (en tonne) [100]

<USD 40/kgU <USD 80/kgU <USD 130/kgU <USD 260/kgU

646 932 2 124 843 5 718 496 7 641 441

1.2.2 Les énergies renouvelables

Une EnR est dite renouvelable lorsqu’elle provient de sources que la nature renouvelle en perma-
nence, par opposition à une énergie non renouvelable dont les stocks s’épuisent. Provenant de sources
naturelles, les EnR sont qualifiées d’« énergies propres » ou d’« énergies vertes ». Leur impact environ-
nemental est négligeable en comparaison de celui des énergies fossiles. Mais leur déploiement à grande
échelle est freiné par plusieurs contraintes, en particulier leur pouvoir énergétique, souvent inférieur à
celui des ressources fossiles, et l’intermittence des ressources obtenues par la conversion de flux [73].
En France, la part des énergies renouvelable dans le bouquet énergétique primaire réel en 2017 était de
10,5 % [15].

Université de La Réunion LE2P - ENERGY lab - EA 4079 8

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

- L’hydraulique
L’hydroélectricité utilise la force de l’eau pour mettre des turbines en rotation, afin de fabriquer de
l’électricité dans des centrales hydroélectriques, qui sont dans la plupart des cas alimentées par des
barrages. Cette force dépend de la hauteur de la chute et du débit du fleuve ou de la rivière en amont du
barrage. En France, cette énergie est exploitée depuis la fin du 19e siècle [73, 74], et sa part dans les EnR
était de 17 % en 2017, ce qui représente 1,7 % de la production d’énergie primaire [15].

- L’énergie solaire
L’énergie solaire peut être convertie en énergie électrique par le biais de panneaux photovoltaïque (PV), ou
en énergie thermique par des centrales solaires thermiques. La conversion PV est un procédé permettant
de récupérer l’énergie du soleil par le biais de cellules composées essentiellement de silicium. La conversion
thermique permet de récupérer la chaleur provenant de la lumière [73, 76]. En France, la part de l’énergie
solaire dans les EnR en 2017 était de 3 % pour le solaire PV, et 0,7 % pour le solaire thermique [15].

- L’énergie éolienne
L’énergie éolienne provient de la force du vent, sous l’effet de laquelle les pales d’une éolienne se mettent
en mouvement pour mettre en rotation un générateur d’énergie. Elles sont généralement placées entre
80 et 100 m du sol, mais depuis peu les chercheurs réfléchissent à un moyen de capter des vents plus
puissants à plus 300 m d’altitude. Pour exemple, une éolienne de 2 MW peut fournir l’électricité à 2000
personnes [73]. Les éoliennes Haliade d’Alstom pour le parc de Saint-Nazaire ont une hauteur de 175 m
au total (un mât de 100 m de haut et une pale de 73,5 m) et peuvent produire 6 MW chacune. La
puissance totale prévue est de 480 MW pour alimenter jusqu’à 700 000 habitants. En France, la part
de l’énergie éolienne dans les EnR était de 8 %, ce qui représente 0,8 % la production primaire en 2017 [15].

- La biomasse
La biomasse est l’énergie provenant des matières organiques. Elle utilise des procédés thermiques
(pyrolyse, gazéification, combustion) ou biochimiques (méthanisation) pour transformer ces matières
organiques. Actuellement, la biomasse est la 2e source d’énergie renouvelable utilisée dans le monde
[73]. En France, 56 % des EnR en 2017 provenaient de la biomasse (bois-énergie, biocarburants, déchets
renouvelables, résidus de l’agriculture et des industries agroalimentaires) [15].

- La géothermie
La géothermie convertit la chaleur issue du sous-sol de la terre en énergie électrique ou thermique. En
général la température augmente en moyenne de 1˚C par tranche de 30 m de profondeur, mais dans le
cas des régions volcaniques comme La Réunion, cela peut aller jusqu’à 100˚C tous les 100 m [73, 77]. La
géothermie représentée en 2017 1,6 % des EnR en France [15].

Université de La Réunion LE2P - ENERGY lab - EA 4079 9

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Table 1.2 – Technologies de stockage [90]

Énergie cinétique Énergie potentielle

Thermique Électrique Mécanique Électrochimique Chimique
Super- Volant Pompage Accumulateur
Eau chaude Hydrogène
condensateur d’inertie hydraulique Lithium ion
Bobine supra- Accumulateur Gaz naturel
Sel fondu Air comprimé
conductrice Plomb synthétique
Matériau à
Accumulateur
changement de
d’oxydoréduction
phase
Accumulateur
sodium soufre

- Le biogaz
Le biogaz est une énergie renouvelable issue de la méthanisation de matières organiques fermentescibles
(comme les déchets, le fumier, le résidu de récoltes, etc.), non valorisables par ailleurs. La méthanisation
s’effectue par le biais de l’action de bactéries en milieu privé d’oxygène (décharges, marais, etc.), mais elle
peut aussi être réalisée dans ce qu’on appelle des méthaniseurs. Le biogaz est généralement utilisé comme
combustible pour générer de l’électricité ou de la chaleur, mais peut aussi être réinjecté sur les réseaux de
gaz après avoir été purifié en amont. Il comptait en 2017 pour 3 % de la production d’énergie renouvelable
en France [55, 15].

1.3 Les différents systèmes de stockage de l’énergie

Les moyens de stockage d’énergie permettent de stabiliser les réseaux et d’assurer une continuité
d’alimentation pour répondre à la demande. Par exemple, dans le cas des énergies d’origine solaire ou
éolienne, l’intermittence des flux impose des périodes au cours desquelles la production est nulle, ce qui ne
permet pas de répondre à la demande. Plusieurs méthodes de stockage peuvent être utilisées (voir tableau
1.2) :
— L’énergie cinétique : technologies thermiques, électriques ou mécaniques
— L’énergie potentielle : technologies mécaniques, électrochimiques, chimiques

Les principaux critères de choix d’un élément de stockage sont listés dans le tableau 1.3. La
sélection d’un système de stockage dépend en premier lieu de la dynamique de la charge, qui détermine
la quantité de puissance à délivrer sur une période de temps défini. En second lieu, elle dépend de son
rendement de conversion qui détermine le niveau de puissance pour répondre à la demande et de sa durée
de vie qui détermine la rentabilité du système.

Université de La Réunion LE2P - ENERGY lab - EA 4079 10

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Table 1.3 – Caractéristiques des systèmes de stockage [90]

Durée de Auto Densité Densité Temps

P Durée η5
Tech. 1 stockage décharge d’E de P de
(MW) 2 de vie (%)
(h) (%) (Wh/l) 3 (W/l) 4 réponse
10 000
6 à 100 40 000 à 80 à 10 à 20
SC 0.01 à 1 ms à min 20 à 40 10 à 20
000 120 000 90 ms
cycles
100 à 30 à 60 70 à
PHS 7 4 à 12h ≈0 0,2 à 2 0,1 à 0,2 sec à min
1000 ans 85
20 à 40 70 à
CAES 8 10 à 1000 2 à 30h ≈0 2à6 0,1 à 0,2 sec à min
ans 85
20 000
à 100 70 à 10 à 20
VI 9 0,001 à 1 sec à heurs 1,3 à 100 20 à 80 5 000
000 95 ms
cycles
2 500 à
70 à 10 à 20
NaS 10 10 à 100 1min à 8h 4 400 0,05 à 20 150 à 300 120 à 160
90 ms
cycles
1 000 à
Li- 1 300 à 10 85 à 10 à 20
0,1 à 100 1min à 8h 10 000 0,1 à 0,3 200 à 400
ion 11 000 98 ms
cycles
1 000 à
1 300 à 10 85 à 10 à 20
OR 12 1 à 100 1min à 8h 10 000 0,1 à 0,3 200 à 400
000 98 ms
cycles
0,01 à min à 5 à 30 600 25 à
H2 13 0à4 0,2 à 20 sec à min
1000 semaines ans (200bars) 45
heurs à 1800 25 à
SNG 14 50 à 1000 30 ans négligeable 0,2 à 2 sec à min
semaines (200bars) 50

1 . Technologie 2 . Puissance 3 . Densité d’énergie 4 . Densité de puissance

5 . Rendement 6 . Supercondensateur 7 . Pumped Hydroelectric Storage (Stockage par pom-
page hydraulique) 8 . Compressed Air Energy Storage (Stockage par air comprimé) 9 . Volant
d’inertie 10 . Batterie sodium-soufre 11 . Batterie Lithium Ion 12 . Batterie à oxydoréduction
13 . Hydrogène 14 . Synthetic Natural Gas (Gaz naturel synthétique)

Enfin, il peut être nécessaire de comparer la capacité de ces moyens de stockage à conserver
leur niveau de charge, caractérisée par l’auto décharge qui dépend de la technologie. Elle peut être due
à des réactions électrochimiques (batterie), à des pertes mécaniques (volant d’inertie), ou à d’autres
phénomènes physiques.

Parmi les technologies les plus matures citées dans la littérature, associées à différents systèmes de
gestion de l’énergie, on retrouve : les batteries (Lithium-Ion, Sodium-souffre, etc.) dans les travaux [68,
82, 35, 9, 96, 22, 1, 45, 10, 31], les Supercondensateur (SC) pour les applications à dynamique rapide [41,
9, 53, 64, 8, 96, 1], les stockages par pompage hydraulique [68, 63] ou encore les volants d’inertie pour les
applications à dynamiques plus lente (ou stationnaire) [82, 9, 53].

Parmi les technologies moins matures, on peut retrouver les systèmes de stockage par hydrogène
(Électrolyseur et stockage d’hydrogène). L’hydrogène est une molécule très énergétique (1 kg d’hydrogène

Université de La Réunion LE2P - ENERGY lab - EA 4079 11

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

peut libérer environ trois fois plus d’énergie qu’1 kg d’essence). Mais, à poids égal, elle occupe un
volume beaucoup plus important que les autres gaz (exemple : pour produire la même quantité d’énergie
qu’1 kg d’essence, ce qui représente environ 1,3 L à pression atmosphérique, il faut 4,6 litres d’hydrogène
comprimé à 700 bars). La production d’hydrogène peut se faire par électrolyse, pour cela il est nécessaire
de disposer d’une source d’hydrogène comme l’eau pure (eau distillée) et une source d’énergie comme
l’électricité pour séparer les molécules d’oxygène et d’hydrogène contenues dans l’eau. Cependant, les
technologies de production d’hydrogène électrolytique sont encore peu répandues à grande échelle, du fait
de leur coût élevé et des problématiques de transport et de stockage dues à la légèreté de l’hydrogène.
Leur déploiement repose sur l’essor de l’électricité issue d’EnR, pour la production de stocks (sous forme
gazeuse, liquide ou solide), et des piles à combustibles PàC pour la conversion en électricité [52].

Durant ces travaux, il a été tenu compte de la dynamique du profil de consommation et des diffé-
rentes caractéristiques des sources pour sélectionner les moyens de stockage et les SGE appropriés.

1.4 Les systèmes de gestion de l’énergie à différentes échelles

Les contraintes énergétiques et environnementales exposées dans les sections précédentes imposent
un changement de paradigme dans la gestion de l’énergie. En pratique, cela se traduit par le développe-
ment de SGE pour le pilotage de systèmes hybrides multi sources multi stockage. Cette section présente
différentes architectures d’hybridation, ainsi que les lois de commande adaptées.

1.4.1 Les Micros réseau

Selon la Commission de Régulation de l’Énergie (CRE) [28], les réseaux intelligents (aussi appelés
SmartGrid (SG)) sont des réseaux électriques publics équipés de technologies de l’information et de la
communication dans le but d’assurer l’équilibre entre l’offre et la demande d’électricité à tout instant,
tout en assurant un approvisionnement sûr, durable et compétitif aux consommateurs. Communicants et
interactifs, ils permettent d’échanger des données entre les différents acteurs du système électrique, ouvrant
la voie à l’échelle individuelle comme à l’échelle des collectivités, au concept de bâtiment intelligent, pour
une meilleure gestion des contraintes environnementales et technico-économiques (intégration des EnR,
détection et réparation plus rapides des pannes, facturation plus précise et offres tarifaires plus diversifiées).
La figure 1.1 montre un exemple de structure d’un SG.
Toujours selon la CRE [59], le concept de MR repose sur la conception d’un réseau électrique de
petite taille pour un approvisionnement électrique fiable et de qualité à un petit nombre de consommateurs.
Les MR intègrent plusieurs des éléments décrits dans les sections précédentes, et peuvent être connectés
ou non au réseau de distribution. Un SG peut contenir plusieurs MR.

Université de La Réunion LE2P - ENERGY lab - EA 4079 12

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Figure 1.1 – Exemple d’un schéma de SmartGrid [25]

1.4.2 L’hybridation des sources

L’hybridation multi sources multi stockage permet de faire face aux problématiques liées à l’injec-
tion d’EnR, en particulier la nature intermittente et stochastique des ressources dépendantes des cycles
diurnes et des conditions météorologiques. La figure 1.2 montre un exemple d’architecture de réseau
hybride.

Les architectures d’hybridation et de couplage multi source multi stockage dépendent des objectifs
d’application :

— installations stationnaires reliées au réseau principal,

— installations stationnaires en site isolé (alimentation de locaux non connectés au réseau principal,
etc.),
— transport (véhicule électrique, tram, etc.),
— et autres systèmes isolés destinés à l’alimentation de charges (stations de mesures, etc.).

Les installations stationnaires connectées au réseau subissent aussi une modification de leurs
infrastructures due à l’intégration des EnR. Si beaucoup d’installations stationnaires raccordées au réseau
sont fortement dépendantes de l’énergie fossile, cette dépendance est accrue pour les territoires insulaires

Université de La Réunion LE2P - ENERGY lab - EA 4079 13

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Bus DC Bus AC

Système Réseau
PV principal
Convertisseur
DC/AC

Charge
DC

Éléments
Charge
de
AC
stockage

Figure 1.2 – Exemple d’architecture de système hybride

et les ZNI dépourvus de ressources locales suffisantes. À La Réunion, la production d’électricité dépend
à 30 % du fioul lourd et du gazole et à 38 % du charbon (voir annexe B.3) [16].

À ce jour, l’hybridation la plus courante pour les installations stationnaires connectées au réseau est
la combinaison PV/batteries/réseau. Dans cette configuration, les batteries sont utilisées en complément
des PV lors des périodes à faible ensoleillement. Dans [33, 50], les auteurs ont étudié cette configuration
en la combinant à une micro turbine, qui permet d’ajouter de l’inertie au système et de diminuer les
variations de niveau de charge des batteries. Dans [82, 35] les auteurs ont étudié plusieurs configurations
avec différents systèmes de stockage (batterie, volant d’inertie). Dans [12, 49, 65], les auteurs ont étudié
des configurations plus complexes, de type PV/éolienne/batterie/micro turbine/PàC, connectées au
réseau principal. L’avantage de la PàC dans ce type de systèmes est la dissociation du stockage d’énergie
et de la puissance. En effet, la PàC utilise de l’hydrogène qui peut être stocké sous plusieurs formes (solide,
liquide ou gazeux). Un des inconvénients est qu’il faut prévoir un système de production d’hydrogène,
qui peut être très coûteux selon.

Pour les installations domestiques en site isolé, le type d’hybridation le plus couramment utilisé
actuellement est le couplage PV/batteries. Cette combinaison permet de garantir une continuée de
service en cas d’ensoleillement insuffisant. En fonction des besoins (énergie, puissance) et des contraintes
(distance, temps de réponse), d’autres types d’hybridation sont envisageables. Dans [63], les auteurs ont
étudié l’alimentation d’un MR Courant Alternatif (AC) de petite puissance à 50 Hz, avec la combinaison
de 59,4 MW d’éolienne et un stockage par pompage d’une capacité de 60 MWh. Le stockage par pompage
permet une grande capacité de stockage, une puissance d’installation élevée et une bonne inertie, mais
nécessite une surface d’installation élevée (taille des bassins) liée à la capacité de stockage nécessaire.

Université de La Réunion LE2P - ENERGY lab - EA 4079 14

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Dans [105], les auteurs ont étudié la stabilité d’un MR AC à 50 Hz/220 V alimenté par la combinaison de
10 kW de PV, d’une PàC de 3 kW et d’une micro turbine de 3 kW. Dans [78], l’auteur a étudié le système
de stockage Vehicle-to-grid combiné à un système PV/générateur diésel. L’option Vehicle-to-grid permet
de réinjecter sur le réseau l’énergie stockée par les batteries des voitures électriques lors des périodes de
stationnement.

À La Réunion, EDF a installé un système hybride PV/Électrolyseur/PàC/batteries pour l’alimen-

tation de plusieurs bâtiments publics en site isolé (village du Cirque de Mafate). Le projet SAGES (Smart
Autonomous Green Energy System) regroupant EDF, l’ADEME (Agence De l’Environnement et de la
Maîtrise de l’Energie), SIDELEC (Syndicat Intercommunal d’Électricité de La Réunion) et la société
PowiDian couple 8 kWc de panneaux PV à 4 batteries Li-ion de 16 kWh pour le stockage court terme
(1 à 2 jours), et pour le stockage long terme (5 jours), une chaîne hydrogène associant un électrolyseur
d’une capacité de 500 L/h, un réservoir de stockage sous forme de gaz de 1100 L à 33 bars et une PàC
de 2,5 kW [5, 7].

Concernant le domaine du transport, cela fait plusieurs années que se développe l’hybridation des
moteurs thermiques et électriques, qui permet de réduire considérablement la consommation d’énergie
fossile. Dans [10], les auteurs ont montré que la combinaison d’un moteur thermique et d’un moteur élec-
trique permet une économie de fuel de l’ordre de 20 %, en fonction du trajet et de la méthode de gestion.
La transition énergétique encourage le développement de véhicules électriques, mais les caractéristiques
des batteries ne permettent pas d’atteindre une autonomie comparable à celle des véhicules à moteur
thermique. Parmi les technologies alternatives, les piles à combustible sont en plein essor. Dans [41, 9, 53,
20], les auteurs ont étudié la combinaison PàC/SC. L’utilisation de la PàC est plus écologique (aucune
émission de CO2 ) que l’utilisation des moteurs thermiques standards. Dans ce contexte, les SC sont
utilisées pour limiter les dégradations de la PàC dues aux profils dynamiques de la charge d’un véhicule,
pas toujours compatible avec le temps de réponse de la PàC. Dans le même objectif, les auteurs dans
[31] ont étudié la combinaison PàC/batteries. L’utilisation de l’hydrogène au travers de PàC dans les
véhicules électriques permet de développer des véhicules propres, mais les caractéristiques physiques des
PàC rendent difficile leur utilisation sans batterie. En effet, pour assurer un bon état de santé des PàC
dans les systèmes embarqués (dont le profil de charge n’est pas connu à l’avance) et pour atteindre 5000 h
de fonctionnement et les rendre compétitives dans les applications industrielles, il est recommandé de
limiter les fortes demandes en puissance instantanées. L’hybridation permet de maintenir des conditions
de fonctionnement compatibles avec un bon état de santé des PàC, et de pallier les fortes demandes en
puissance instantanées (SC, batteries, etc.).

Université de La Réunion LE2P - ENERGY lab - EA 4079 15

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Bus DC

Système
PV
Signaux de commande

Prévision de la charge
Charge
DC
SGE Système
Prévision météo
PàC

Estimation de la charge

Éléments
de
stockage
Mesures

Figure 1.3 – Exemple d’une structure hybride avec système de gestion de l’énergie

De multiples configurations font l’objet de travaux de recherche, comme l’hybridation PàC/SC [64]
ou le couplage SC/machine synchrone [8]. Dans [79] les auteurs ont réalisé un stockage combiné avec
batteries/SC pour un système PV connecté au réseau. Dans [30], les auteurs ont intégré à la combinaison
PV/PàC/batteries un système d’électrolyse pour la production d’hydrogène.

1.4.3 Les systèmes de gestion de l’énergie

Aafin de tirer un maximum de bénéfice des combinaisons choisies, l’hybridation des sources est
le plus souvent combinée à un SGE. La figure 1.3 illustre la structure d’un système hybride avec SGE.
La littérature fait état de méthodes basées sur la régulation de courant ou de tension, de méthodes
centrées sur l’équilibre production/consommation, ou encore de méthodes basées sur une classification
de la charge en vue de la déplacer dans le temps, ou de réaliser des démarrages/arrêts des éléments de
la charge en fonction de la puissance disponible. Ces différentes méthodes ont pu être étudiées et leur
efficacité démontrée.

Les algorithmes de décision par règles de priorité sont utilisés dans la gestion de l’énergie. Dans
[30], le SGE répartit la puissance produite par le système PV entre la charge, le système d’électrolyse
et les batteries en fonction de la puissance disponible. Si la puissance PV est suffisante, la charge est
alimentée uniquement par le système PV. Dans le cas d’une surproduction et d’un niveau d’hydrogène
inférieur au niveau maximum, l’excédant de puissance PV alimente l’électrolyseur. Dans le cas où le
niveau d’hydrogène est à son maximum, l’excédant est fourni aux batteries. Lorsque le stockage d’hy-
drogène est à son maximum et que les batteries sont totalement chargées, le système PV est totalement
déconnecté du système. Dans le cas où la puissance PV est insuffisante, alors la PàC fournit le manque
de puissance si le seuil minimum de puissance de fonctionnement de la PàC est atteint et si le niveau

Université de La Réunion LE2P - ENERGY lab - EA 4079 16

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

stockage d’hydrogène le permet. Dans le cas contraire, ce sont les batteries qui fournissent le manque
de puissance. Cette méthode est surtout utilisée pour le dimensionnement d’un système hybride. Dans
le cas d’un contrôle en temps réel, elle doit être combinée avec d’autres méthodes de contrôle pour as-
surer l’équilibre production/consommation à chaque instant et respecter les contraintes de chaque élément.

Dans [45], les auteurs proposent une stratégie basée sur l’identification de la charge afin de garantir
le maintien de l’équilibre production/consommation, en démarrant des éléments de la charge lorsque
la production est suffisante, ou en les arrêtant lorsque la production est insuffisante. L’auteur classe
les charges en fonction de leurs durées d’alimentation (charge qui doit être alimentée en permanence,
charge qui peut être mise en veille, etc.). Les éléments composant la charge peuvent aussi être classés par
ordre de priorité [3]. D’autres stratégies consistent à délester ou à restaurer la charge en fonction de la
puissance disponible [50], ou à réguler la tension du bus DC en connectant/déconnectant les charges [47].
Les méthodes basées sur la gestion de la charge nécessitent cependant une classification des charges pour
assurer l’alimentation de celles qui ne peuvent être déconnectées (ex : réfrigérateur). Elles peuvent poser
problème dans le cas des charges qui doivent être alimentées sans interruption lorsqu’elles sont mises en
service (ex : machine à laver). De plus, ces méthodes, dont l’alimentation des appareils dépend de la
disponibilité de l’énergie, nécessitent un changement dans l’opinion publique, car le consommateur doit
accepter de ne pouvoir utiliser ces appareils lorsque l’énergie est insuffisante.

Une autre approche consiste à connecter entre eux plusieurs réseaux composés de systèmes hybrides
(appelés MR) raccordés au réseau principal. La stabilité de l’ensemble peut alors résulter de l’intercon-
nexion des sources et des charges lorsque la production et la consommation s’équilibrent à l’échelle des
MR, ou d’un apport d’énergie par le réseau principal lorsqu’aucun des MR ne peut compenser le déficit
[65]. Les auteurs dans [83] ont utilisé des systèmes multi agents et des algorithmes d’optimisation par
métaheuristiques pour réaliser une gestion de l’énergie dans les MR. Les systèmes multi agents permettent
de décomposer les différentes entités en interaction en plusieurs agents afin de les coordonner entre eux.
Cette méthode à l’avantage de maximiser l’utilisation des énergies renouvelables dans la globalité du
réseau en optimisant l’échange d’énergie entre chaque MR.

En utilisant des batteries ou des SC dans le but de stabiliser un MR, une autre approche consiste
à piloter la charge ou la décharge de ses éléments lorsque l’équilibre production/consommation est
compromis. Pour cela la régulation de leurs niveaux de charge est une solution qui a été étudiée par
les auteurs dans [13]. Dans ce contexte encore, la définition des références en puissance pour chaque
élément peut tenir compte des critères environnementaux et technico-économiques et de l’incertitude de
la prévision de la production PV [33].

Université de La Réunion LE2P - ENERGY lab - EA 4079 17

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

D’autres auteurs ont appliqué une régulation de fréquence sur un réseau alternatif, afin de maintenir
celle-ci dans un intervalle sûr [63, 84, 49, 6]. En effet, les variations de fréquence sur le réseau sont le reflet
de la stabilité de celui-ci. Cette méthode n’est cependant applicable que sur les MR AC non connectés
au réseau principal, le réseau principal ayant son propre contrôle pour le stabiliser. Dans [54], les auteurs
utilisent un contrôle multi-variable H∞ pour la régulation de fréquence dans un MR intégrant des SC, un
système PV et un générateur diesel. Ils montrent que l’association du système de stockage par SC permet
une meilleur stabilité sur la fréquence, et que le contrôleur H∞ donne de meilleures performances que les
régulateurs Intégral-Proportionnel (IP) classique.

La répartition de l’énergie peut s’écrire comme un problème d’optimisation sous contrainte. La

résolution de ce problème consiste à minimiser une fonction de coût mesurant l’écart entre les valeurs
cibles (objectifs) et les valeurs réelles (mesures) de variables caractéristiques de l’état du système, en
respectant les contraintes, qu’elles soient déterministes (coût de l’énergie, réglementation, dimensionne-
ment) ou stochastiques (prévisions de la charge et de la production, aléas climatiques, risques de panne).
Cette approche a été validée dans [68] : l’auteur propose un algorithme qui prend en compte le coût de
production et l’incertitude sur la ressource des énergies renouvelables pour répartir la production entre
chaque générateur. Il montre les performances de son algorithme en simulation pour assurer l’équilibre
production/consommation. Dans le cas des problèmes d’optimisation des flux d’énergie, le paramétrage
du SGE repose sur une optimisation hors-ligne (appelée aussi planification long terme). Cette optimi-
sation hors-ligne peut être réajustée en ligne afin de tenir compte des écarts entre les prévisions et les
valeurs réelles. Cette approche est validée dans [82] : l’auteur résout un problème d’optimisation afin
de définir un profil de puissance appelée ou injectée sur le réseau. Dans [53], l’auteur a quant à lui
opté pour une optimisation hors ligne seule pour maximiser le rendement global du système intégré
dans un tramway, la connaissance anticipée du profil du trajet permettant de déterminer un grand
nombre de paramètres (profil et longueur du parcours, arrêts en stations et cycle de puissance et de
vitesse). Dans [102], l’auteur a choisi de déterminer une réserve de puissance nécessaire au maintien
de l’équilibre production/consommation en prenant en compte les prévisions de production PV et de
consommation de la charge. La réserve calculée est le résultat d’un problème d’optimisation qui prend
en compte l’incertitude de prévision, des critères de coût, des critères environnementaux, etc. L’auteur
montre la précision et l’efficacité de son SGE en simulation sur 4 scénarios différents, et en pratique.
L’avantage de l’utilisation d’un problème d’optimisation est l’intégration de multiples critères (environ-
nementaux, stochastiques, etc.) pour déterminer la répartition de la puissance. Cependant, le coût de
calcul peut être élevé, et ne permet pas toujours le contrôle en temps réel d’un système à dynamique rapide.

Dans [9, 41], les auteurs ont opté pour un contrôle dynamique des éléments d’un véhicule électrique
composé d’une PàC et de SC, afin de limiter les variations brusques du courant sur le système PàC,

Université de La Réunion LE2P - ENERGY lab - EA 4079 18

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

• Horizon : années
• Prévision météorologiques et prévision de la charge
Niveau 3 • Planifier les opérations de maintenance

Échelle de temps
• Horizon : 1 jours à une semaine

Niveau 2 • Unit Commitment (UC)

• Horizon : 10 à 15 minutes

Niveau 1 • Economic Dispatch (ED)

• Horizon : quelques micro-secondes/secondes

Niveau 0 • Contrôle dynamique

Figure 1.4 – Les différentes échelles de temps de la gestion de l’énergie [22]

affectées aux SC par le SGE. Cette méthode a été validée en simulation et sur une plateforme Hardware-
in-The-Loop (HIL). Une autre stratégie consiste à réguler la tension du bus DC pour stabiliser le système.
Cette gestion peut être réalisée par des seuils hauts et bas [8]. Des régulateurs peuvent être utilisés dans
le but de répartir la puissance de la charge entre chaque élément [31, 93, 89, 79]. Dans [109], les auteurs
ont régulé la tension du bus DC dans deux modes différents. Un mode connecté au réseau qui maintient
la tension du bus DC via le convertisseur AC/DC (contrôleur dq), et un mode îloté où le SGE sollicite
le système de stockage afin de réguler la tension grâce à des régulateurs Proportionnel-Intégral (PI).
Les résultats de cette stratégie ont été validés en simulation. Le contrôle dynamique permet d’assurer la
stabilité du système à tout instant et de piloter le système en temps réel. Mais il présente l’inconvénient
de ne pas pouvoir prendre en compte les états du système sur un horizon lointain, en raison du coût de
calcul engendré (augmentation du pas de calcul qui limite son utilisation en temps réel). Dans [48], les
auteurs comparent les performances de la programmation dynamique stochastique et une stratégie de
minimisation de la consommation équivalente dans le cas d’un scooter électrique équipé d’une PàC et de
SC. Ils concluent que la programmation dynamique stochastique offre de meilleures performances avec
une consommation d’hydrogène plus faible, et un niveau d’énergie des SC plus éloigné de la référence à
la fin de la simulation.

La gestion de l’énergie peut s’effectuer à différentes échelles de temps (cf. Fig. 1.4). Des prévisions
sur un horizon d’un an peuvent être prises en compte dans le but de dimensionner les équipements et
le réseau de distribution, ou de planifier des opérations de maintenance par exemple (niveau 3). Des
prévisions sur un horizon allant d’une dizaine de minutes à une semaine permettent d’établir des plans
d’engagement qui déterminent les séquences de démarrages/arrêts des éléments de conversion ou de

Université de La Réunion LE2P - ENERGY lab - EA 4079 19

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

stockage (niveaux 2 et 1). Un contrôle dynamique peut être réalisé avec un pas de temps allant de la
dizaine de microsecondes à quelques secondes afin de s’assurer de la stabilité du système (niveau 0).
Ces différents niveaux de contrôle peuvent tenir compte à la fois de contraintes techniques (fiabilité,
performance, durée de vie des équipements), environnementales (maximisation de l’injection d’EnR sur le
réseau), économiques (marché de l’énergie) et réglementaires (Programmation Pluriannuelle de l’Energie
(PPE)).

Dans ces travaux, 3 niveaux sont pris en compte par 3 couches de contrôle différentes. Le premier
est celui de la régulation de courant (quelques centaines de µs) qui assure le suivi de consigne des différents
éléments. Le deuxième a pour objectif de définir les différentes références en courant de chaque élément
(quelque µs à quelque ms) afin de réguler la tension du bus DC et le niveau de charge des batteries.
Et le troisième a pour objectif de définir les séquences de démarrages/arrêts des éléments de conversion
ou de stockage, en prenant en compte les prévisions de production et de consommation, les conditions
météorologiques, ainsi que les contraintes de chaque élément (pas de temps de quelque minute prenant en
compte un horizon de prédiction sur plusieurs heures).

1.4.4 Les lois de commande

Les SGE précédemment cités intègrent pour la plupart une ou plusieurs loi(s) de commande.
Ces lois de commande permettent de définir comment le système va être géré, quel paramètre devra
être pris en compte et quelle sera la variable de commande du système. Elles peuvent reposer sur un
modèle du système, basé sur une connaissance des équations physiques de la physique qui décrivent son
fonctionnement (modèle boîte blanche), ou identifié à partir des données en entrée-sortie du système
pour reproduire son comportement (modèle boîte noire). La combinaison de ces deux approches s’appelle
modèle hybride. Les commandes à base de modèle se classent en deux catégories : linéaire (basées sur un
modèle linéaire ou linéarisé, c’est-à-dire que la variable d’état est linéairement dépendante de la variable
de commande) et non linéaire (basées sur un modèle non linéaire). Dans les lois de commandes utilisées
dans la littérature, on retrouve les commandes optimales, basées sur la minimisation ou la maximisation
d’un critère pré défini, les commandes basées sur la passivité, la commande plate, etc.

La commande par passivité est aussi une méthode validée par plusieurs auteurs. Dans [41], l’auteur
utilise la passivité pour définir le courant de référence de chaque élément et utilise un contrôleur PI
pour la régulation de courant. Dans [9], l’auteur présente une utilisation similaire de la commande
passive. L’auteur dans [14] combine la commande par passivité avec la commande par backstepping
pour le pilotage d’un moteur synchrone à aimants. La commande par passivité repose sur la convergence
de l’énergie de l’erreur vers une valeur nulle. Elle assure la stabilité du système bouclé en le rendant passif.

Université de La Réunion LE2P - ENERGY lab - EA 4079 20

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Une stratégie à base de logique floue a été utilisée dans [1], afin de répartir les flux de puissance
entre plusieurs éléments et piloter le système en temps réel. Le principe consiste à utiliser des valeurs
linguistiques, comme « petit » et « grand » pour décrire des variables numériques, sans recourir à
un modèle. Les domaines des valeurs numériques sont partitionnées en classes. Chacune des classes,
identifiées par un terme linguistique, est caractérisée par une fonction d’appartenance définissant le degré
des valeurs numériques de cette classe. Cependant, le fait d’utiliser des décisions pour piloter un système
ne permet pas de garantir l’optimalité de la commande [95, 34].

Une commande qui tend à se démocratiser est la commande prédictive. Elle peut s’utiliser pour
un système linéaire, mais aussi pour un système non linéaire. Dans [10], les auteurs ont appliqué une
commande prédictive au pilotage d’un véhicule hybride électrique, pour diminuer la consommation en
carburant et recharger les batteries. Cette méthode a été validée en simulation et ses performances ont
montré que l’économie en carburant peut être plus ou moins importante, en fonction de l’horizon de pré-
diction. Dans [13], les auteurs comparent les performances d’une commande prédictive et d’un contrôleur
PI pour le pilotage des éléments d’un véhicule hybride. Ils ont démontré que les contraintes du système
sont mieux respectées avec une commande prédictive. Les performances de cette commande ont aussi
été démontrées dans [22] : l’auteur l’utilise dans un superviseur afin d’améliorer les performances d’une
cellule multi sources. Son objectif est de minimiser le recours aux énergies fossiles, tout en améliorant
le suivi de consigne de la puissance. L’évaluation des performances de la commande en simulation et en
test en temps réel a pu montrer son efficacité. La commande prédictive peut être aussi utilisée pour du
contrôle dynamique. Dans [64] les auteurs utilisent la commande prédictive pour définir les références en
courant des éléments d’un véhicule électrique hybride. La commande prend en considération les différentes
contraintes (temps de réponse, seuils minimum et maximum, etc.) afin d’assurer une utilisation optimale
de chaque élément. Les résultats de tests expérimentaux démontrent les performances de ce type de
commande en temps réel. Dans [79], les auteurs utilisent la commande prédictive dans le but de réguler
la répartition de puissance des éléments d’un MR. Les performances de la commande sont comparées
à celles d’un régulateur PI, et démontrent les meilleures performances de la commande prédictive en
simulation et expérimentalement. Dans [99], les auteurs utilisent la commande prédictive afin de piloter
la tension des condensateurs d’un onduleur de type Packed U Cell (PUC) et le courant du réseau pour
la connexion d’un système PV. Les résultats de la simulation attestent des performances du contrôleur à
maintenir la fréquence du réseau à 50Hz, avec un faible taux de distorsion harmonique.

Dans [31], les auteurs utilisent la commande prédictive pour la répartition de puissance dans un
véhicule électrique hybride. Dans [78], l’auteur utilise avec succès la commande prédictive à multiple
horizon pour piloter une maison intelligente. Dans [69], les auteurs démontrent les performances de la
commande prédictive pour le pilotage d’un data-center. L’auteur dans [68] développe une commande

Université de La Réunion LE2P - ENERGY lab - EA 4079 21

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

prédictive qui peut être appliqué afin de piloter la fréquence du bus AC ou la température d’un bâtiment.

En pratique, les régulateurs Proportionnel-Intégral-Dérivé (PID) sont les plus utilisés. La loi de
commande repose uniquement sur l’erreur entre la consigne et la valeur mesurée. La structure de ce type de
régulateurs peut varier d’une application à une autre (série, parallèle ou mixte). Dans [93, 109], les auteurs
utilisent des régulateurs PI pour réguler la tension du bus. Le premier PI génère la référence en courant
en fonction de l’erreur entre la consigne et la mesure de tension, puis un deuxième PI génère la consigne
pour piloter le convertisseur en fonction de l’erreur entre la référence en courant, générée précédemment,
et la mesure. Dans [89], l’auteur utilise des régulateurs PI pour piloter différents convertisseurs DC/DC.
Ce type de commande est généralement facile à mettre en œuvre. Les contraintes prises en compte se
limitent cependant à des seuils d’amplitude et au temps de réponse du système.

1.5 Positionnement des travaux

1.5.1 Problématiques liées au développement des énergies renouvelables

Depuis plusieurs années, la tendance est au développement des EnR à cause des problèmes liés aux
énergies fossiles. En effet, l’utilisation des énergies fossiles provoque une augmentation de la température
ambiante qui résulte d’une forte émission de gaz à effet de serre. Ceci concerne la production électrique
comme le secteur des transports. Les problématiques liées aux énergies fossiles sont encore plus présentes
dans les ZNI où leur utilisation nécessite une importation massive de ressources primaires. L’implantation
des EnR pose toutefois quelques problématiques :

— L’aspect stochastique des sources primaire (le soleil, le vent, etc.) peut provoquer des instabilités
dans le réseau lorsque la production varie brusquement.
— Les éléments de stockage sont pour le moment très volumineux et peuvent parfois être très
coûteux.
— Le développement et l’intégration des SGE peuvent être fastidieux.
— La législation actuelle ne permet pas une intégration massive des EnR en France.

Ces problématiques soulèvent plusieurs questions :

— Quels éléments doivent être pris en compte pour prendre en compte l’aspect stochastique des
EnR ?
— Quels systèmes de stockage de l’énergie est le plus adéquat pour faciliter l’intégration des EnR ?
— Comment gérer la production et le stockage de l’énergie des systèmes intégrant les EnR ?
— Quels impacts économiques aura l’intégration des EnR sur les réseaux actuels ?

Université de La Réunion LE2P - ENERGY lab - EA 4079 22

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

— Quel est le taux de risque d’instabilité acceptable sur le réseau ?

— Comment assurer la flexibilité du système ?

Durant ces travaux, nous allons tenter de réponde à quelques-unes de ces questions.

1.5.2 Situation énergétique de La Réunion

1.5.2.1 Contexte énergétique

Outre sa situation géographique, La Réunion a la particularité d’être une ZNI, ce qui impose une
production locale d’électricité. Comme montré sur l’annexe B.3, la production d’électricité sur le territoire
dépend, en grande partie, des énergies fossiles (principalement le fioul lourd, le gazole et le charbon).
D’après le Bilan Énergétique de La Réunion (BER) [16], la production électrique dépend à 67,6 % des
énergies fossiles, et à 32,4 % des énergies renouvelables.
La problématique se pose tout aussi bien pour le domaine des transports. La consommation en carburant
(gazole et super sans-plomb) dans ce domaine n’a cessé d’augmenter depuis l’an 2000, avec une nette
augmentation de la consommation de gazole et une baisse de la consommation de sang plomb [16] (voir
annexe B.4). En 2006, La Réunion comptait 396 462 véhicules contre 444 052 en 2016.

Au final, le taux de dépendance énergétique (part des énergies fossiles importées dans la consom-
mation d’énergie) de La Réunion en 2017 était de 87 %. Cette situation impose une importation massive
de ressources fossiles, nécessaires pour combler la demande en électricité qui augmente constamment (voir
annexes B.1 et B.2).
Cette utilisation massive des énergies fossiles est non seulement problématique d’un point de vue éco-
logique (émission de gaz à effet de serre, changement climatique, etc.), mais aussi d’un point de vue
économique. C’est pour cela que les politiques régionales définissent comme objectif, en accord avec la
loi de transition énergétique pour la croissance verte (LTECV), l’autonomie énergétique en termes de
production d’électricité d’ici 2030.

Dans cette optique, on peut voir dans l’annexe B.2 que la production électrique d’origine renou-
velable (PV, Éolien et Biogaz) a considérablement augmenté depuis 2004, passant de 0,1 GWh en 2004
à 283,8 GWh en 2017. A La Réunion, la faible variabilité saisonnière de la ressource solaire encourage le
développement des filières PV et solaire thermique. La production PV est passée de 1,6 GWh en 2006 à
256,5 GWh en 2017 et le nombre de chauffe-eau solaires est passé de 17 185 unités installées en l’an 2000
à 155 756 en 2017 [16]. De plus, avec l’installation de plusieurs prises de recharge (103 prises en mars
2018) sur le territoire (voir la carte en annexe B.5), les véhicules hybrides et électriques ont de plus en
plus leur place à la Réunion, passant de 38 véhicules en 2006 à 5603 en 2017 [16].

Université de La Réunion LE2P - ENERGY lab - EA 4079 23

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

1.5.2.2 Les projets structurants

De plus, plusieurs projets sont en cours d’étude pour améliorer le cadre de vie et la situation
énergétique de La Réunion. Ces projets sont développés dans 4 villes de La Réunion : à Saint Paul, à
Saint Pierre, à La Possession et à Saint Denis.

Dans le secteur de Saint Paul, La Possession et le Port, labellisé EcoCité en 2009, le projet EcoCité
[94] a été retenu dans le programme d’investissement d’avenir Ville de demain. Il consiste à favoriser les
outils de production de terres fertiles, le renforcement de la filière d’agriculture, d’appliquer des mesures
de confort thermique, acoustique et aéraulique en mettant en place la conception d’îlots de fraîcheur, de
bâtiments favorisant la ventilation naturelle, etc. Il aura aussi pour but de développer un nouveau réseau
de transport écologique. D’un point de vue écologique, le projet vise une performance des activités et des
services urbains dans le respect des grands équilibres environnementaux, grâce à la lutte contre les îlots
de chaleur, l’approche aéraulique, l’éco-construction, les MR, etc. L’EcoCité aura pour but d’être un ter-
ritoire à énergie positive grâce au déploiement d’énergies nouvelles (énergies thermiques des mers, projet
Seaventuri, Hydroélectricité, etc.), mais aussi par le déploiement de SG pour une production décentrali-
sée, la maîtrise de la consommation, des systèmes de stockage et une nouvelle architecture réseau pilotable.

À Saint-Pierre, dans le quartier de la Ravine Blanche, le Programme de Rénovation Urbain

avait été initié en 2007 pour améliorer le cadre de vie dans le quartier en agissant sur les systèmes de
transport, le confort thermique et en limitant son empreinte énergétique. Dans le domaine du transport,
un réseau de TCSP (Transport Collectif en Site Propre) a été mis en place. De plus, une trame de
cheminements piétons et de pistes cyclables a aussi été réalisée, avec une meilleure prise en compte
des personnes à mobilité réduite. En ce qui concerne le secteur de l’énergie, plutôt que d’augmenter
la production d’énergie par des énergies renouvelables, des mesures de diminution de la consommation
d’énergie ont été prises pour le quartier (chauffe-eau solaire, principes de bio climatisme des bâtiments,
etc.). Ceci, afin de permettre la diminution des émissions de gaz à effet de serre, mais aussi de di-
minuer l’effet d’îlot de chaleur. Des systèmes solaires de production d’électricité ont aussi vu le jour
sur certaines écoles. Grâce à toutes ces mesures, la Ravine Blanche s’est vu attribuer le label d’écoquartier.

Le projet Cœur de Ville de La Possession, né en 2006 [87], consiste quant à lui à dynamiser le
centre-ville grâce à une interconnexion des quartiers. Il aura pour objectif de favoriser le développe-
ment durable grâce à l’utilisation de la ventilation naturelle pour le confort thermique, l’utilisation de
chauffe-eau solaires et l’encouragement à la maîtrise de l’énergie. Dans les espaces publics, la gestion
des eaux pluviales traitées par un système de petits fossés végétalisés est aussi utilisée dans le but
de rafraîchir la température ambiante afin d’améliorer le confort thermique. Une sensibilisation des
constructeurs à l’installation de photovoltaïque est aussi faite dans la présentation du projet. Enfin,

Université de La Réunion LE2P - ENERGY lab - EA 4079 24

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

la mise en place d’une interface informatique permettra aux habitants de contrôler leur consommation
en énergie. Ce projet est l’un des premiers écoquartiers de La Réunion et sa livraison est prévue pour 2025.

À Saint Denis, le projet PRUNEL (Plan de Rénovation Urbaine Nord Est Littoral) a été présenté
comme l’un des 20 projets lauréats de l’appel à manifestations d’intérêt 2016 [2]. Ce projet consiste en
la réhabilitation des logements, la redynamisation des commerces, la rénovation des équipements et bien
d’autres axes dans un périmètre de 150 hectares. C’est donc dans l’optique de ce projet que l’élaboration
d’un plan de développement d’un MR pour le quartier PRUNEL PIA a été lancé. Il vise à intégrer un
réseau électrique local indépendant, alimenté par les EnR (énergie solaire et éolienne, mais aussi un
système de refroidissement par les eaux marines appelé Sea-Water Air Conditioning (SWAC) afin de
rendre le quartier autonome en énergie d’ici 2025.

Comme nous pouvons le constater, il en ressort deux types d’actions :

— la première vise la diminution de la consommation énergétique (PRU Ravine Blanche et Coeur

de Ville),
— et la seconde est la mise en place de SG et MR, combinée à des sources d’EnR.

1.5.3 Objectif de la thèse

En accord avec les problèmes liés au changement climatique et à la transition écologique, l’objectif
de la thèse consiste à développer un SGE afin de piloter les éléments d’un dispositif de conversion et de
stockage hybride, favorisant une meilleure utilisation des ressources disponibles localement (plus parti-
culièrement le solaire). Dans ce contexte, le SGE doit assurer la stabilité du système en temps réel, en
tenant compte à la fois des variations de la charge, du caractère stochastique de la ressource et de l’état
des stocks, tout en optimisant la durée de vie des éléments qui constituent le dispositif.

1.5.4 Verrous scientifiques et technologiques

Les différents éléments de production et de stockage du système hybride et la structure du SGE

sont choisis en accord avec la veille bibliographique.

La source d’énergie choisie est l’énergie PV, l’EnR la plus utilisée à La Réunion. Le PV est donc
utilisé pour alimenter un système d’électrolyse, et l’hydrogène produit est réutilisé par une PàC pour
restituer l’énergie demandée par la charge.

Université de La Réunion LE2P - ENERGY lab - EA 4079 25

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Avantage du PV :
— source d’énergie renouvelable n’émettant aucun gaz à effet de serre (GES),
— technologie mature et éprouvée,
— alternative favorable au remplacement des ressources fossiles pour diminuer l’impact carbone.
Inconvénients du PV :
— production fortement variable à cause de l’intermittence des phénomènes météorologiques,
— combinaison indispensable avec d’autres éléments pour pallier l’intermittence.

Un des éléments choisis pour le MR étudié est la PàC de type Membrane Electrolytique Polymère
(PEM) (PàC à basse température). En dépit des nombreux avantages des systèmes PàC, qui peuvent avoir
une importance majeure dans les systèmes de production électrique ou les transports, leurs inconvénients
ne permettent pas un déploiement massif à grande échelle. De plus, la PàC nécessite une production
d’hydrogène et ne peut donc fonctionner seule. Pour cela elle doit être associée à un système de production
d’hydrogène et une source d’énergie.

Avantage de la PàC :
— source d’énergie n’utilisant que de l’hydrogène comme réactif (alternative aux énergies fossiles
pour diminuer la pollution due à ces énergies),
— dimensionnement de la puissance de la pile totalement indépendant du dimensionnement de son
stockage d’énergie (stockage de l’hydrogène).
Inconvénients de la PàC [108, 23, 70, 37, 110, 104, 107, 101, 88, 61, 60] :
— temps de réponse important, du fait du temps de réponse des régulateurs de gaz,
— système incompatible avec des variations brutales de la charge qui risquent de dégrader fortement
ses performances dans le temps,
— plage de fonctionnement optimale réduite (ne doit pas fonctionner à de faibles et à de fortes
puissances),
— conditions de démarrage-arrêt pouvant causer des dégradations (température, humidité, etc.).

Le système de production d’hydrogène choisi est un électrolyseur Alkalin. Les systèmes d’électrolyse
de l’eau permettent de produire de l’hydrogène avec une source d’énergie et de l’eau pure. Mais ces
systèmes présentent quasiment les mêmes inconvénients que les systèmes PàC [38, 85, 56, 21].

Ces trois éléments sont donc complémentaires pour gérer le caractère intermittent et diurne de
l’énergie PV.

Université de La Réunion LE2P - ENERGY lab - EA 4079 26

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Hydrogène

PVs Batteries PàC

Electrolyseur et stockage
Système MPPT Vpv Ipv C d’hydrogène
Contrôleur Ipv
Vpv
MPPT

Boost
DC
αpv
DC IP aC
Ibat Iel

αP aC
αbat

αel
Vbat VP aC Vel

Boost
Boost
DC DC DC

Buck
DC DC DC
b b
Ipv Ibat IPb aC Ielb
Ich
Cb Vb
Maison ICb
résidentielle

Figure 1.5 – Schéma électrique du système hybride choisi

Pour diminuer l’impact de la variation de la charge sur la PàC et de l’alimentation sur l’électroly-
seur, un système de stockage avec un faible temps de réponse peut être utilisé. Dans ces travaux l’élément
de stockage choisi est la batterie pour son faible temps de réponse et sa capacité de stockage élevée (voir
tableau 1.3).

Avantage des batteries :

— technologie mature et éprouvée,
— combinaison avec les systèmes PV pour pallier l’intermittence,
— temps de réponse rapide des technologies Li-ion, permettant de pallier les limites des PàC et
des électrolyseurs en termes de temps de réponse.
Inconvénients des batteries :
— masse et encombrement élevé selon la densité d’énergie/densité de puissance nécessaire,
— influence de l’état de charge et des cycles de charges sur la dégradation et la durée de vie.

La production d’énergie électrique via des systèmes PV est durable, mais l’intermittence et l’aspect
stochastique de la ressource solaire impose l’hybridation avec des systèmes de conversion et de stockage
d’énergie. Si l’hybridation avec des batteries est opérationnelle, un certain nombre de contraintes :
— faible densité énergétique,
— impact environnemental tout au long du cycle de vie,
— dimensionnements de la puissance et du stockage couplés,

Université de La Réunion LE2P - ENERGY lab - EA 4079 27

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Pas de temps = quelques mins à quelques heures

Pas de temps : quelques µs à quelques ms

Paramètre d’entrée Planification

Commande
de la planification Ibat ref
Paramètre de
la commande Ipac ref Contrôleur

Iel ref

Détermine les courants de référence

de chaques éléments

Détermination des paramètres de la commande

Figure 1.6 – Structure du Système de Gestion de l’Énergie choisie

encouragent le recours au vecteur hydrogène, à condition de dépasser les verrous qui freinent son déploie-
ment à grande échelle : la durée de vie, la fiabilité et le coût des systèmes PàC et électrolyseurs.

La combinaison de la batterie avec la PàC et l’électrolyseur permet d’utiliser des batteries comme
un stockage court terme, et donc de diminuer l’encombrement et de dissocier partiellement le dimen-
sionnement de la puissance et du stockage. L’association de ces 4 éléments avec un SGE et des éléments
permettant de piloter la puissance appelée (de type convertisseur statique DC/DC) permet de créer un
MR totalement autonome en énergie. La figure 1.5 montre la structure du MR choisi pour ces travaux.

1.5.5 Structure du Système de Gestion de l’Énergie

Dans l’objectif de lever les verrous scientifiques et technologiques liés l’utilisation de la PàC et de
l’électrolyseur, ces travaux proposent un SGE prenant en compte les contraintes technologiques liées à
la durée de vie et à la fiabilité du système hybride. La structure choisie pour le SGE est une structure à
trois couches (cf. Fig. 1.6) :

Université de La Réunion LE2P - ENERGY lab - EA 4079 28

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Mesurement Kp
Z −1
- + -
Reference + Ki .TS +
+
+ u

- +

Z −1

Figure 1.7 – Structure du régulateur IP avec action anti-windup

— La couche anticipative : plus couramment appelée Energy Management System et notée plani-
fication sur la figure 1.5, elle utilise les prévisions climatiques et de consommation pour définir
certaines références et ordres de démarrage-arrêt de certains éléments. Elle fonctionnement sur
un pas de temps allant de la seconde à la minute, sur un horizon allant de la minute à plusieurs
heures.
— La couche réactive : plus couramment appelée Power Management System et notée commande
sur la figure 1.5, elle définit les consignes à appliquer au système avec un pas de temps allant
de la centaine de microseconde à la milliseconde.
— La couche locale : notée contrôleur sur la figure 1.5, elle s’assure que les consignes définies dans
la couche réactive sont appliquées au système, avec un pas de temps de quelque dizaine de
microseconde.

1.5.5.1 La couche locale

La couche locale a pour objectif de s’assurer du bon suivi des consignes définies par la couche
réactive. Le régulateur de courant utilisé ici a été choisi en fonction de ses performances. Un régulateur
(ou correcteur) génère un signal de commande qui minimise l’erreur entre la consigne et la mesure.

Il existe plusieurs types de régulateurs, comme le régulateur RST, une structure de commande à 3
polynômes qui doit être déterminée pour obtenir une commande efficace. Les structures du PID sont les
plus utilisées dans le monde de l’industrie pour leurs performances applicables à de nombreux systèmes.
Ces différents régulateurs peuvent être utilisés en temps continu, mais aussi en temps discret. Dans ces
travaux, après plusieurs tests, un régulateur IP avec action anti-windup a été choisi pour la régulation de
courant (cf. Fig. 1.7). L’application de l’effet intégral en aval permet de filtrer le bruit sur l’erreur entre
la consigne et la mesure, ce qui ajoute de la stabilité. De plus, l’effet anti-windup permet de respecter les
valeurs min et max de la variable de commande.

Université de La Réunion LE2P - ENERGY lab - EA 4079 29

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

1.5.5.2 La couche réactive

La couche réactive a pour fonction de définir les références nécessaires en fonction des carac-
téristiques physiques de chaque élément. Dans le système hybride, il a été décidé de réaliser une
régulation de tension du bus DC et une régulation du niveau de charge des batteries. Pour cela, les va-
riables à réguler sont les courants de chaque élément afin de maintenir la tension du bus DC à sa référence.

Afin de déterminer les courants de référence, la commande prédictive, qu’on nommera tout au
long de ce manuscrit par sa dénomination anglaise Model Predictive Control (MPC), a été choisie.
Cette commande fait partie des commandes optimales qui minimisent une fonction coût pouvant prendre
différentes formes [29]. Elle a l’avantage d’intégrer directement dans la définition de la commande toutes
les contraintes des éléments, afin qu’ils soient respectés à tout instant.

∞
∗
P
J∞ (x(t)) = min Q(xt+k|t , ut+k|t )
u∈U k=0
Forme d’une fonction coût

où Q est le poids qui définit le niveau d’optimisation à appliquer à ce critère.

La MPC existe sous plusieurs formes, dont 2 qui apparaissent régulièrement dans la littérature :

— La MPC basique qui utilise une optimisa- — La MPC explicite (Explicit Model Pre-
tion en ligne, elle a l’inconvénient d’avoir dictive Control (eMPC)) qui utilise une
un temps de calcul élevé qui ne permet optimisation dite hors ligne, qui réduit
pas un contrôle en temps réel sur des sys- considérablement les temps de calcul pour
tèmes avec un faible temps de réponse. un contrôle en temps réel.

Figure 1.8 – Fonctionnement de la commande Figure 1.9 – Fonctionnement de la commande

MPC en ligne [29] MPC hors ligne [29]

Université de La Réunion LE2P - ENERGY lab - EA 4079 30

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

Figure 1.10 – Représentation de la table de résultats [98]

Figure 1.11 – Représentation de l’arbre de résultats [98]

Dans le cas de cette étude, la MPC a été choisie pour sa capacité à intégrer les contraintes et
les objectifs directement dans la commande. Afin de limiter les coûts de calcul lié à la minimisation
du critère, elle est utilisée sous sa forme explicite (eMPC). En effectuant une résolution hors ligne du
problème, l’état à l’instant t du système (appelé x(t)) est considéré comme un paramètre du système. Le
système est alors considéré comme un programme multi paramétrique, qui est résolu afin d’obtenir une
fonction affine par morceaux. Les coefficients de cette fonction sont alors stockés dans une table (look-up
table). Cette table est divisée en plusieurs hyperplans ji , qui sont eux-mêmes divisés en plusieurs régions
de contrôle Xi associés à une fonction affine Fi (cf. Fig. 1.10). Elle est alors consultée en ligne afin de
déterminer la solution optimale. Ce processus permet de déplacer la charge de calcul hors ligne et donc
de réduire le temps nécessaire à la résolution du problème en ligne.

Afin d’améliorer les performances de la eMPC, il est possible de transformer la table de résultats
en un arbre de résultats, ce processus est appelé Binary Search Tree (cf. Fig. 1.11).

Deux eMPC ont donc été développées. La première définit les courants de référence du système
PàC et électrolyseur. Cette eMPC aura pour but de maintenir les batteries a un niveau de charge (SoC) de

Université de La Réunion LE2P - ENERGY lab - EA 4079 31

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

référence. La seconde aura pour but de maintenir la tension du bus DC à sa référence. Le développement
de ces commandes sera décrit dans les prochains chapitres.

1.5.5.3 La couche anticipative

La couche anticipative permettra de définir les planifications de démarrage et d’arrêt de certains

éléments, comme la PàC et l’électrolyseur, afin de respecter certaines contraintes du système et de parer
à certaines problématiques citées précédemment (temps d’utilisation, puissance minimum d’utilisation,
etc.). En effet, en fonction des préconisations, les systèmes PàC et électrolyseurs doivent rester en
fonctionnement ou à l’arrêt pendant des durées définies. De plus, la planification doit limiter le nombre
de démarrages/arrêts afin de limiter la dégradation de la PàC et de l’électrolyseur. Enfin, ces éléments
doivent fonctionner dans une certaine plage de puissance, pour cela leur mise en route ne se fera que
lorsque le déficit ou l’excédent en puissance est suffisant.

Pour cela, l’écriture d’un problème d’optimisation semble une solution pour définir les plages
de démarrages/arrêts de ces éléments et respecter leurs contraintes afin d’optimiser leur durée de vie
(cf. Exemple d’écriture d’un problème d’optimisation ci-dessous). Il existe plusieurs façons d’écrire
un problème d’optimisation. Les approches par problèmes Linear-Programming (LP) qui définissent
un problème soumis à des égalités linéaires et à des contraintes d’inégalités linéaires. Les problèmes
Mixed-Integer-Linear-Programming (MILP) qui contraignent la variable d’état à appartenir à l’espace
des nombres entiers, ou encore les problèmes Mixed-Integer-Quadratic-Programming (MIQP) dont les
contraintes et la fonction objectif peuvent contenir des éléments quadratiques. Dans la même optique que
la MPC, les problèmes d’optimisation utilisent un modèle du système (boîte blanche ou boîte noire) afin
de maximiser ou de minimiser une fonction objectif dans le but de trouver une solution optimale. Ces
problèmes d’optimisation sont couramment utilisés pour de la planification.

Dans ces travaux, nous avons choisi d’écrire le problème d’optimisation sous une forme MIQP, afin
de déterminer les plages de fonctionnement de la PàC et l’électrolyseur en tenant compte des différentes
prévisions de production photovoltaïque et de consommation de la charge. En effet, en prenant en compte
les moments où l’ensoleillement est très faible et où la consommation de la charge est assez importante,
le problème d’optimisation peut définir une plage de fonctionnement optimale de la PàC. Dans la même
optique, en prenant en compte les moments où l’ensoleillement est important et où la consommation de
la charge est faible, le problème d’optimisation peut définir une plage de fonctionnement optimale de
l’électrolyseur.

Université de La Réunion LE2P - ENERGY lab - EA 4079 32

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

T
p̂ (x (tj )) := argmin x (tj ) Cx (tj )
p∈Z

sous Ax (tj ) + b = y,

lb ≤ x (tj ) ≤ hb

Exemple d’écriture d’un problème d’optimisation

Le développement de ce problème d’optimisation sera décrit dans le chapitre 5.

Université de La Réunion LE2P - ENERGY lab - EA 4079 33

CHAPITRE 1. ÉTAT DE L’ART : HYBRIDATION/COMMANDES Fabrice K/BIDI

1.6 Conclusion

La communauté scientifique fait actuellement face à de nombreuses problématiques concernant

l’intégration des EnR. En effet, le changement climatique et les variations constantes des stocks de
ressource fossile imposent un changement dans les systèmes de production d’énergie électrique. De ce
fait, cela impose une modification totale des systèmes de production. En effet, l’énergie PV est une EnR
intermittente, à caractère stochastique, ce qui ne permet pas son intégration sans système de stockage
et de SGE. L’utilisation des EnR combinées à des systèmes de stockage et des SGE permet de fiabiliser
l’utilisation des EnR et de stabiliser les réseaux électriques les intégrant.

Ce chapitre nous a permis de définir les objectifs de la thèse et les différents choix techniques et
scientifiques qui seront développés dans les prochains chapitres.
Le développement d’un système hybride composé d’une PàC, d’un électrolyseur, d’un système PV et
d’un stockage court terme par batteries a été choisi. Les éléments du système hybride seront pilotés par
un SGE à 3 étages. Le SGE sera composée d’une couche locale pour assurer le suivi des consignes en
courant des sources, d’une couche réactive permettant de définir les consignes en courant et d’une couche
anticipative permettant de définir les paramètres d’entrée de la couche réactive. L’objectif est de créer un
système fiable et stable, respectant les conditions de fonctionnement de chaque élément afin d’optimiser
sa durée de vie.

Le chapitre 2 définira le fonctionnement et les modèles de chaque élément du MR dans les différents
développements des couches du SGE.

Université de La Réunion LE2P - ENERGY lab - EA 4079 34

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

Chapitre 2

Description et modélisation du micro réseau

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2.2 Production photovoltaïque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

2.2.1 Technologies et fonctionnement du photovoltaïque . . . . . . . . . . . . . . . . 37

2.2.2 Modélisation photovoltaïque . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

2.3 Les batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

2.3.1 Les technologies de batteries dans le domaine du solaire . . . . . . . . . . . . 42

2.3.2 Modélisation des batteries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

2.4 L’électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

2.4.1 Les différentes méthodes de production de l’hydrogène . . . . . . . . . . . . . 45

2.4.2 Fonctionnement de l’électrolyse de l’eau . . . . . . . . . . . . . . . . . . . . . 46

2.4.3 Modélisation de l’électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

2.5 La pile à combustible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

2.5.1 Les différentes technologies de pile à combustible . . . . . . . . . . . . . . . . 47

2.5.2 Fonctionnement de la pile à combustible . . . . . . . . . . . . . . . . . . . . . 48

2.5.3 Modélisation de la pile à combustible . . . . . . . . . . . . . . . . . . . . . . . 49

2.6 Le stockage d’hydrogène et d’oxygène . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

2.6.1 Les technologies de stockage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

2.6.2 Modélisation de la variation des stocks d’hydrogène et d’oxygène . . . . . . . 50

2.7 Modélisation du système hybride . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

2.7.1 Rôle des convertisseurs dans le système de gestion de l’énergie . . . . . . . . . 50

2.7.2 Les différents niveaux de modélisation . . . . . . . . . . . . . . . . . . . . . . 52

2.7.3 Modélisation du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

2.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

Université de La Réunion LE2P - ENERGY lab - EA 4079 35

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

2.1 Introduction

Le MR étudié dans ces travaux est constitué d’un système PàC associé à une production d’hy-
drogène électrolytique, à des batteries et à une centrale PV. Ces différents éléments, qui reposent sur
différentes technologies, ainsi que leurs avantages et leurs inconvénients sont présentés dans la première
partie de ce chapitre. La modélisation de chaque unité du MR est nécessaire pour son étude. Les modèles
des unités constituant le MR utilisés lors de ces travaux ainsi que les équations de la variation des stocks
d’hydrogène, des stocks d’oxygène et du niveau de charge des batteries sont présentés et détaillés.

Dans un second temps, le rôle des convertisseurs et leurs modèles sont présentés. Ceci afin de
comprendre la physique du MR et de le modéliser dans sa globalité dans le but de développer la commande
et d’étudier les performances de cette dernière. Pour cela il existe plusieurs niveaux de modélisation en
fonction de la précision des résultats attendus et des objectifs visés :

— Modélisation des dynamiques de tension et de courant avec une modélisation des périphériques
MLI (PWM) (niveau 1)
— Modélisation des dynamiques de tension et de courant (niveau 2)
— Modélisation des dynamiques de tension (niveau 3)
— Modélisation statique du système (niveau 4)

Les différents niveaux de modélisation sont présentés ainsi que les différentes hypothèses prises en
compte lors de la simplification du modèle. Le niveau de modélisation utilisé pourra être différent en
fonction de l’étape de développement (développement des stratégies de commande des couches réactive,
locale et anticipative, etc.).

Université de La Réunion LE2P - ENERGY lab - EA 4079 36

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

2.2 Production photovoltaïque

2.2.1 Technologies et fonctionnement du photovoltaïque

La conversion photovoltaïque est une tech-

nologie qui permet de transformer la lumière en
énergie électrique en exploitant l’effet photoélec-
trique. La cellule photovoltaïque est composée de
deux couches de semi-conducteur (une avec un
excès d’électrons, l’autre en déficit). En traversant
la cellule photovoltaïque, les photons de la lumière
arrachent des électrons aux atomes de silicium
des deux couches. Le déplacement des électrons
libérés produit un courant électrique et génère
une différence de potentiel qui permet d’alimenter
une charge électrique (cf. Fig. 2.1). La combinai-
son de plusieurs cellules photovoltaïques permet Figure 2.1 – Fonctionnement du photovoltaïque [91]
d’accroître l’amplitude de la tension générée et du courant produit, et donc d’augmenter la production
électrique.

Il existe trois principales technologies de conversion PV [58] :

— La filière silicium : Existe en 2 principales familles (monocristallin et polycristallin) dont la

différence est la pureté du silicium utilisé. Cette technologie consiste en la découpe du silicium
pour former des cellules assemblées en panneau. Le rendement des panneaux polycristallins
peut atteindre les 15 % avec un coût de fabrication qui a permis son développement à grande
échelle. Pouvant atteindre les 20 %, le rendement des panneaux monocristallin est meilleur,
mais les coûts de production sont plus élevés.

— Les couches minces : Cette technologie a été mise en place pour compenser les pertes résultant
du découpage du silicium qui peut générer environ 30 % de pertes d’efficacité. Elle utilise des
couches minces déposées sur du verre ou un support souple, et regroupe 2 familles, dont celle qui
utilise le tellure de cadmium et celle qui utilise un alliage de cuivre, indium, sélénium et gallium.

— Le photovoltaïque à concentration : Cette technologie consiste en la concentration de la lumière

sur la cellule photovoltaïque afin d’améliorer son efficacité. Cependant, la complexité du dispo-
sitif et l’évacuation nécessaire de la chaleur générée freinent son déploiement à grande échelle.

Université de La Réunion LE2P - ENERGY lab - EA 4079 37

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

a) b)
Iph Iph Rs Ipv
Id Id Ip
G, T Vpv G, T Rp Vpv

c)
Iph Rs Ipv
Id1 Id2 Ip
G, T Rp Vpv

Figure 2.2 – Circuit équivalent d’un module photovoltaïque : a) une diode b) une diode, une résistance
parallèle et une résistance série c) deux diodes, une résistance parallèle et une résistance série

2.2.2 Modélisation photovoltaïque

Parmi les différents niveaux de modélisation résultant de différents types de modèles, le modèle
le plus simple prend en compte les caractéristiques de l’installation (rendement du panneau, surface PV
installée, etc.) pour déterminer la puissance maximale produite par un module PV, à partir de l’irradiance,
et pour une température donnée [102, 60, 30].
Un des modèles consiste à déterminer un circuit équivalent qui reproduit le comportement du
module PV et délivre la tension et le courant du panneau photovoltaïque pour une irradiance et une
température donnée. Le circuit équivalent idéal, le plus simple et le plus facile à mettre en œuvre, consiste
en une source de courant en parallèle avec une diode de jonction [81] (cf. Fig. 2.2.a). Un autre circuit
équivalent intègre, en plus de la diode, une résistance parallèle pour représenter la fuite de courant de la
jonction p-n et une résistance série pour représenter les pertes dues à la résistance en courant circulant
dans les électrodes et le matériau [97, 81, 39] (cf. Fig. 2.2.b). Enfin, une autre diode supplémentaire en
parallèle de la source de courant peut être considérée dans le circuit équivalent (cf. Fig. 2.2.c) [39].
Afin d’avoir un compromis entre simplicité d’implémentation et prise en compte des différentes
pertes, le modèle utilisé pour les tests de la couche réactive est le modèle à une diode, une résistance
série et une résistance parallèle. Pour la couche anticipative, c’est l’équation permettant de déterminer la
puissance maximale produite par les panneaux en fonction des caractéristiques de l’installation PV et des
conditions météorologiques qui est utilisée.

2.2.2.1 Détermination de la puissance en fonction des caractéristiques de l’installation

L’équation 2.1 peut être utilisée pour prévoir la production PV à partir de l’irradiance et de la
température à des fins de planification ou de dimensionnement [102] :

Pmaxpv = ηpv ηMPPT Apv G 1 + Kppv Tpvnom − Tcpv (2.1)

Université de La Réunion LE2P - ENERGY lab - EA 4079 38

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

avec :
— ηpv : le rendement du module PV,
— ηMPPT : le rendement de puissance d’un système Maximum Power Point Tracking (MPPT)
parfait. Généralement à 90 %,
— Apv : la surface PV installée,
— Kppv : le coefficient de perte en fonction de la température du module PV,
— Tcpv : la température du module PV,
— Tpvnom : la température nominale de fonctionnement du module PV.
— G : l’irradiance

La surface PV installée dépend du nombre de modules installés en série et en parallèle, du nombre

de cellules PV installées sur ce module et de la surface d’une cellule :

Apv = Scpv ncpv nspv nppv (2.2)

avec :
— Scpv : la surface d’une cellule,
— ncpv : le nombre de cellules du module,
— nspv : le nombre de modules en série,
— nppv : le nombre de modules en parallèle.

La valeur de chaque paramètre est définie à partir des données techniques d’un PV de 180Wc choisi
pour sont niveau de tension et sa puissance crête. Les paramètres sont disponibles en annexes C.1 et D.4.

2.2.2.2 Modèle à une diode

Ce modèle permet d’observer la tension et

Ipv
le courant des modules PV en fonction de l’enso-
leillement et de la température. Les modules PV Iph Id Ip Rs

sont modélisés suivant un schéma à une diode (cf. Rp Vpv

G, T◦ C
Fig. 2.3) [81, 39, 97]. La caractérisation du PV
(Rspv : Résistance série, Rppv : Résistance parallèle
et a : facteur idéal de la diode) est déterminée en
Figure 2.3 – Modèle PV à une diode
fonction de la température des panneaux afin d’en
retirer une équation polynomiale pour simplifier la simulation.

Université de La Réunion LE2P - ENERGY lab - EA 4079 39

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

La puissance produite par un module PV dépend de la température du panneau et de l’irradiance.

Le courant produit par le module est déterminé à partir de l’équation suivante [81] :

!
q vpv + ipv Rspv
−1
ncspv kTcpv a vpv + ipv Rspv
ipv = iph − i0 e − (2.3)
Rppv
iph est le courant généré par la lumière incidente et peut être déterminé à partir de l’équation
suivante [81] :

G 

iph = iscpv + Kipv Tcpv − Tpvnom (2.4)
Gnom
i0 est le courant de saturation de la diode qui peut être déterminé par [81] :

 
 3 qEg 1
−
1
iscpvnom Tcpv
i0 =   e ak Tpvnom Tcpv (2.5)
qvocpvnom Tpvnom
e ncs pv
kTpvnom a −1
Enfin Eg est le gap du silicium qui dépend de la température de cellule [97] :

Tcpv 2
Eg = 1, 16 − 7, 02.10−4 (2.6)
Tcpv − 1108

— Caractérisation des panneaux

La caractérisation d’un module PV consiste à estimer les paramètres Rspv , Rppv et a de celui-ci.

Rspv est la résistance série du modèle, elle est déterminée grâce à l’équation ci-dessous [81] :

      
qvocpv qvocpv
akTcpv ncppv  akTcpv ncspv
impv  akT nc
cpv spv
 ncppv vmpv
Rspv = ln 
e − e − 1
 − ncs im
 (2.7)
qimpv iscpv 
pv pv

Rppv est la résistance parallèle du modèle et est déterminée avec l’équation ci-dessous [81] :

   
qvocpv

 akT nc 
− ncppv vocpv Aq + akTcpv ncspv ncppv  cpv spv − 1
ncspv iscpv Rspv e 

Rppv =    (2.8)
qvocpv
ncspv 2 impv akTcpv ncppv e
 akTcpv ncspv −1

 

− Aqncspv iscpv
(ncppv vmpv −ncspv impv Rspv )

Université de La Réunion LE2P - ENERGY lab - EA 4079 40

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

0.1685
0.168
0.1675
-100 -50 0 50 100 150 200 250 300

104
2
1
0
-100 -50 0 50 100 150 200 250 300

4
2
0
-100 -50 0 50 100 150 200 250 300

Figure 2.4 – Caractérisation PV

!
q ncppv vmpv + ncspv impv Rspv
akTcpv ncspv ncppv
A=e

Pour que le modèle soit représentatif de la réalité, une méthode pour déterminer la valeur de a,
de Rspv et de Rppv est d’initialiser a à 0 et de l’incrémenter jusqu’à ce que la valeur de Rppv devienne
négative, ce qui correspond à la valeur minimale positive de Rppv [81]. Cette caractérisation est réalisée
pour plusieurs valeurs de température de cellule afin d’obtenir plusieurs valeurs de Rppv , de Rspv et de a.
À partir de ces valeurs, des polynômes 1 peuvent être définis pour représenter les variations de a, Rspv et
Rppv en fonction de Tcpv (cf. Fig. 2.4).

— Détermination de la température du panneau

La température du panneau peut être déterminée grâce à l’équation 2.9 [30], qui prend en compte
la température nominale de fonctionnement du panneau modélisé NOCT, la température ambiante et
l’irradiance :

(NOCT (˚C) − 20)

Tcpv (˚K) = Tamb (˚K) + G (2.9)
800

1. fonction polyfit de Matlab

Université de La Réunion LE2P - ENERGY lab - EA 4079 41

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

40

20

0
0 1 2 3 4 5 6

200

100

0
0 1 2 3 4 5 6

Figure 2.5 – Courbes V = f(I) et P = f(I) du panneau simulé pour G = 1000 W/m2 et T = 25˚C

— Résultats de la simulation du panneau

La valeur de chaque paramètre est définie à partir des données techniques d’un panneau de 24V
nominal et de 180W pour un ensoleillement de 1000 W/m2, pour une température ambiante de 25˚C. La
figure 2.5 illustre les résultats de la simulation de ce panneau solaire. Les résultats obtenus sont conformes
à ceux attendus pour un PV. On observe un point de puissance maximale de 170,9 W avec ipv = 4, 97 A
et vpv = 34, 4 V . Ce modèle peut donc être utilisé lors des tests en simulation du SGE.

2.3 Les batteries

2.3.1 Les technologies de batteries dans le domaine du solaire

Les batteries les plus couramment utilisées dans le domaine du solaire sont les batteries au plomb,
au nickel et au lithium [57]. Le rendement des batteries varie selon la technologie et peut atteindre les
90% en charge et en décharge pour les batteries au lithium.

L’avantage des batteries plomb est leur fiabilité, due en partie à la maturité de la technologie. Elle
existe sous deux formes : les batteries ouvertes et fermées. La technologie ouverte est moins coûteuse,
mais demande un entretien régulier, et la température ambiante à une forte influence sur la capacité. La
technologie fermée présente quant à elle l’avantage de ne pas nécessiter d’entretien, mais son coût est
plus élevé et sa durée de vie plus courte.

Université de La Réunion LE2P - ENERGY lab - EA 4079 42

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

VR VC VC
s p1 p2
Rp1 Rp2

Ibat Rs
Cp1 Cp2

Voc Vbat

Figure 2.6 – Schéma équivalent de la batterie

Les batteries au nickel disposent d’une grande capacité énergétique et autorisent une profondeur
de décharge élevée. De faible capacité, leur utilisation est limitée à des usages ne nécessitant pas une
grande autonomie. Leur durée de vie est cependant supérieure à celle des batteries plomb.

Les batteries au lithium possèdent la densité énergétique la plus élevée du marché, mais la techno-
logie n’est pas encore arrivée à maturité. Leur durée de vie est plus élevée que les technologies plomb et
nickel et leurs principaux avantages dans le domaine du solaire est leur capacité à accepter un courant de
décharge élevé. Cependant, leur coût est encore largement supérieur à celui des autres technologies, ce
qui freine leur déploiement.

Pour l’utilisation avec une PàC et un électrolyseur dans un système de production PV, les batteries
lithium semblent les plus adéquates, en raison de leurs caractéristiques physiques autorisant une décharge
rapide avec une capacité énergétique élevée.

2.3.2 Modélisation des batteries

Les batteries peuvent être modélisées avec des méthodes plus ou moins complexes, selon la précision
attendue. Les modèles les plus courants sont les circuits équivalents d’ordre 1 et d’ordre 2 de cellules RC.
Les paramètres du modèle sont estimés à partir de données expérimentales.

Dans la suite, la batterie est modélisée par les équations proposées dans [24]. L’estimation des
paramètres du modèle est basé sur des mesures expérimental. L’auteur propose un circuit équivalent
d’ordre 2 constitué de la mise en série de circuits RC (impédance de Warburg, cf. Fig. 2.6) et d’une
batterie Li-ion dont les paramètres sont extraits de tests expérimentaux. Ces paramètres dépendent de
l’état de charge de la batterie (Eq. 2.10a - 2.11).

Université de La Réunion LE2P - ENERGY lab - EA 4079 43

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

2
0 10 20 30 40 50 60

100

50

0
0 10 20 30 40 50 60

Figure 2.7 – Évolution de la tension et du SoC de la batterie pour un courant de décharge de 800 mA
pendant 1h

v0bat (SoCbat (t)) = −1, 031e−35 SoCbat (t) + 3, 685 + 0, 2156 SoCbat (t)
2 3
− 0, 1178 SoCbat (t) + 0, 3201 SoCbat (t) (2.10a)

Rsbat (SoCbat (t)) = 0, 1562e−24,37 SoCbat (t) + 0, 07446 (2.10b)

Rp1bat (SoCbat (t)) = 0, 3208e−29,14 SoCbat (t) + 0, 04669 (2.10c)

Cp1bat (SoCbat (t)) = −752, 9e−13,51 SoCbat (t) + 703, 6 (2.10d)

Rp2bat (SoCbat (t)) = 6, 603e−155,2 SoCbat (t) + 0, 04984 (2.10e)

Cp2bat (SoCbat (t)) = −6056e−27,12 SoCbat (t) + 4475 (2.10f)

Pour le calcul du SoCbat , seul le courant de la batterie est pris en compte :

Z t
ibat (τ ) (τ )
SoCbat (t) = SoCbat (t − 1) + dτ (2.11)
t−1 Cbat (Ah)

A partir de la figure 2.6 et des équations 2.10a à 2.11, la tension de la batterie peut être calculée
comme ci-après :

vbat (t) = v0bat (SoCbat (t)) − VRs (t) − VCp1 (t) − VCp2 (t) (2.12)

Université de La Réunion LE2P - ENERGY lab - EA 4079 44

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

avec :

VRs (t) = ibat Rsbat (SoCbat (t)) (2.13a)

V
Cp1
dVCp1 (t) ibat − Rp1 (SoC bat (t))
bat
= (2.13b)
dt Cp1bat (SoCbat (t))
V
Cp2
dVCp2 (t) ibat − Rp2 (SoC bat (t))
bat
= (2.13c)
dt Cp2bat (SoCbat (t))

Les différents paramètres de la batterie sont disponibles dans l’annexe D.4. Les résultats de la
simulation de la batterie sont disponibles sur la Fig. 2.7 pour un courant de décharge de 800 mA. Ces
résultats sont conformes à ceux attendus pour la simulation de la cellule de batterie lithium-ion [24]. Ce
modèle peut donc être utilisé lors des tests en simulation du SGE.

2.4 L’électrolyseur

2.4.1 Les différentes méthodes de production de l’hydrogène

Il existe trois technologies de production d’hydrogène : la production par reformage du gaz naturel
par de la vapeur d’eau surchauffée, la production par gazéification du charbon de bois et la production
à partir d’électricité par électrolyse de l’eau [26]. La production se fait aujourd’hui à 95 % à partir
d’énergies fossiles.

Le vaporeformage (ou reformage par vapeur) utilise du gaz naturel et de la vapeur d’eau pour
produire de l’hydrogène. La présence de vapeur d’eau et de chaleur permet la dissociation des atomes
carbonés du méthane, et la libération d’atomes d’hydrogène. Les atomes libérés se recombinent ensuite
séparément grâce à deux réactions chimiques successives pour obtenir du dihydrogène et du dioxyde de
carbone.
La gazéification du charbon de bois consiste en la combustion de bois à très haute température (supérieure
à 1200˚C) pour séparer les gaz libérés par le bois et obtenir du dihydrogène et du monoxyde de carbone.
La méthode la plus adaptée à notre étude est l’électrolyse de l’eau, qui consiste en la décomposition de
l’eau en dioxygène et en dihydrogène. L’inconvénient de cette technologie est son coût, largement supérieur
à celles utilisant les énergies fossiles. Son rendement varie de 50 à 90% selon la source d’alimentation.
L’objectif de cette étude est d’utiliser l’énergie électrique produite par le système PV pour produire de
l’hydrogène électrolytique.

Université de La Réunion LE2P - ENERGY lab - EA 4079 45

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

2.4.2 Fonctionnement de l’électrolyse de l’eau

Le principe fondamental de l’électrolyse

de l’eau consiste à séparer les molécules de
dihydrogène et de dioxygène contenues en uti-
lisant l’électricité comme énergie pour réaliser la
séparation [80]. Il existe plusieurs types d’élec-
trolyse dont les plus courantes sont l’électrolyse
alcaline et l’électrolyse à PEM. L’avantage de
l’électrolyse alcaline est la maturité de sa techno-
logie. L’électrolyseur PEM compte de nombreux
avantages, comme leurs temps de réponse plus
faible et la pureté de l’hydrogène produit, mais
l’électrolyseur PEM est cependant plus coûteux

Figure 2.8 – Fonctionnement fondamental de l’élec- [86].

trolyse de l’eau [80]
La plupart de ces technologies doivent être utilisées sous certaines conditions de fonctionnement.
Par exemple, une fréquence élevée de déclenchement/arrêt, l’intermittence de l’alimentation ou une ali-
mentation hors de sa plage de fonctionnement optimale (20 à 100 % pour l’électrolyseur alcalin) peuvent
entraîner des dégradations à l’origine de pertes d’efficacité ou de vieillissement prématuré [38, 85, 56, 21].
Ces différentes problématiques doivent donc être prises en compte durant le développement du SGE.

2.4.3 Modélisation de l’électrolyseur

Il existe deux méthodes couramment utilisées pour la modélisation de l’électrolyseur. Les méthodes
analytiques basées sur les équations décrivant les phénomènes physiques mis en jeu au sein du système
(modèles de connaissance), et les méthodes basées sur des données expérimentales pour reproduire au
mieux le comportement d’un système (modèles de comportement). L’avantage des méthodes basées sur
des données expérimentales est la simplicité avec laquelle elles peuvent être mises en place. En effet,
il est plus simple de reproduire le comportement d’un électrolyseur via des mesures expérimentales
(interpolation des points, etc.) que de définir par des équations mathématiques chaques phénomènes
physiques de celui-ci. Mais cette méthode reproduit le comportement d’un électrolyseur donné et ne
peut reproduire le comportement d’un autre électrolyseur. En décrivant les phénomènes physique du
système, les paramètres du modèle choisi peuvent être modifiés afin de reproduire le comportement
d’autre électrolyseur. Cependant, les méthodes analytiques peuvent être longue à mettre en oeuvre.

Université de La Réunion LE2P - ENERGY lab - EA 4079 46

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

40

35

30

25
0 50 100 150

Figure 2.9 – Courbe de polarisation de l’électrolyseur

Dans ces travaux, un modèle basés sur des données expérimentales a été choisi afin de reproduire
la courbe de polarisation de l’électrolyseur. En effet, seul les différents point de fonctionnement de
l’électrolyseur sont nécessaires dans ces travaux. Le modèle d’électrolyseur utilisé est proposé dans [32].
La température de l’électrolyseur est supposée constante à 70˚C et le potentiel réversible est considéré
comme étant égal à 1,23 V [17].

Les différents paramètres de l’électrolyseur sont disponibles dans l’annexe D.4. La figure 2.9 repré-
sente la courbe de polarisation de l’électrolyseur modélisé.

2.5 La pile à combustible

2.5.1 Les différentes technologies de pile à combustible

Il existe plusieurs technologies de PàC : la Direct Methanol Fuel Cell (DMFC), la Solid Oxide Fuel
Cell (SOFC), la Molten Carbonate Fuel Cell (MCFC), la Phosphoric Acid Fuel Cell (PAFC), la Alkaline
Fuel Cell (AFC) et la Proton Exchange Membrane Fuel Cell (PEMFC) [51]. Ces différentes technologies
utilisent différents électrolytes et différents carburants. Elles fonctionnent dans des gammes différentes
de température allant des basses températures (50-200˚C pour les PEMFC, AFC et PAFC) aux hautes
températures (650-1000˚C pour les MCFC et SOFC).

Une des technologies les plus utilisées pour la production d’énergie électrique décentralisée est la
PEMFC. Elle présente l’avantage de disposer d’une haute densité de puissance, son démarrage est rapide
et sa mise en œuvre simple. Elle utilise une membrane électrolytique de polymère solide pour échanger les
ions entre deux électrodes poreuses. Cependant, son coût reste élevé en particulier en raison du platine
nécessaire à sa fabrication. Son rendement varie entre 50 et 70% en fonction de la sollicitation.

Université de La Réunion LE2P - ENERGY lab - EA 4079 47

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

45

40

35

30

25
0 10 20 30 40

Figure 2.11 – Courbe de polarisation de la pile à combustible

Comme l’électrolyseur, la PàC présente des conditions de fonctionnement précises pour limiter les
risques de dégradation et les pertes de performances qui pourraient en résulter [108, 23, 70, 37, 110, 11,
104, 107, 101, 88, 61, 60]. Par exemple, la PEMFC n’accepte pas les variations brusques de la demande
en puissance de la charge. De plus, le fonctionnement à faible et à forte puissance, les démarrages/arrêts
fréquents peuvent entraîner des dégradations irréversibles sur la PàC. Ces conditions de fonctionnement
doivent être prises en compte dans le développement du SGE afin de limiter les risques de dégradation de
la PàC en vue d’augmenter sa durée de vie.

2.5.2 Fonctionnement de la pile à combustible

La PàC utilise de l’hydrogène et de l’oxy-

gène pour produire de l’énergie. A l’anode (cf. Fig.
2.10), l’hydrogène est décomposé en ions positifs
et négatifs. Les ions positifs passent à travers la
membrane située entre l’anode et la cathode et les
ions négatifs suivent un circuit électrique extérieur
qui alimente une charge (cf. Fig. 2.10 load). A
la cathode, les ions positifs et les ions négatifs se
recombinent avec l’oxygène pour former de l’eau.
Cette réaction chimique génère de la chaleur. Les
seuls déchets générés par la PàC sont de l’eau Figure 2.10 – Fonctionnement fondamental d’une
et de la chaleur, ce qui lui donne l’avantage de pile à combustible [51]
produire une énergie propre et écologique [51].

Université de La Réunion LE2P - ENERGY lab - EA 4079 48

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

2.5.3 Modélisation de la pile à combustible

Comme pour l’électrolyseur, la PàC peut être modélisée suivant des modèles de connaissance et
des modèles de comportement, et les méthodes basés sur des données expérimentales sont plus faciles à
mettre en œuvre. Dans le cas d’un système de gestion de l’énergie, seul la connaissance de la tension et
du courant de la PàC est nécessaire.

La PàC est modélisée par une équation polynomiale d’ordre 5 basée sur des données expérimentales
comme dans [41].

Les différents paramètres de la PàC sont disponibles dans l’annexe D.4. La figure 2.11 représente
la courbe de polarisation de la PàC modélisée.

2.6 Le stockage d’hydrogène et d’oxygène

2.6.1 Les technologies de stockage

Il existe plusieurs technologies de stockage d’hydrogène plus ou moins matures [27]. La technologie
la plus courante est le stockage à haute pression sous forme de gaz. Cette méthode est mature et maîtrisée
peut être utilisée dans plusieurs types d’application. À titre d’exemple, à une pression de 700 bar, 5 kg
d’hydrogène peuvent être stockés dans un réservoir de 125 litres. L’hydrogène peut aussi être stocké
sous forme liquide à très basse température. Il se liquéfie à une température de -252,87˚C à 1,013 bar.
Ainsi, 5 kg d’hydrogène peuvent être stockés dans un réservoir de 75 litres. L’inconvénient de cette
méthode et qu’il faut un réservoir parfaitement isolé afin de maintenir l’hydrogène à l’état liquide. Le
stockage sous forme solide consiste à stocker l’hydrogène au sein d’un autre matériau. Mais le niveau
de maturité de cette technologie prometteuse n’est pas adapté à des applications à grande échelle. La
quantité d’hydrogène pouvant être stocké par rapport au poids du réservoir et à d’autres paramètres
comme la température et la pression n’est pas encore totalement maîtrisée. Les réservoirs à hydrures
métalliques pour le stockage d’hydrogène sont actuellement utilisés dans le projet MobiPost [71].

Le type de stockage considéré dans ces travaux est le stockage sous forme gazeux. En effet c’est le
stockage le plus utilisé car l’hydrogène est a sont état naturelle et il n’est pas nécessaire dans un micro-
réseau d’utiliser un stockage solide ou liquide (plus onéreux à mettre en œuvre) car les unités de stockage
sont généralement positionnés dans des milieux aérés où le risque d’explosion en cas de fuite est faible.

Université de La Réunion LE2P - ENERGY lab - EA 4079 49

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

2.6.2 Modélisation de la variation des stocks d’hydrogène et d’oxygène

Par hypothèse le stockage d’hydrogène et d’oxygène est considéré sans pertes. La variation des
stocks d’hydrogène et d’oxygène est modélisée à partir des stocks restants et des débits en entrée-sortie
des réservoirs, exprimés en fonction de la production ou de la consommation de réactifs :

Z t
StockH2 (t) m3 = StockH2 (t − 1) +
 
nH2 (τ )dτ (2.14a)
t−1
Z t
StockO2 (t) m3 = StockO2 (t − 1) +
 
nO2 (τ )dτ (2.14b)
t−1

Les débits d’hydrogène nH2 et d’oxygène nO2 sont calculés à partir de la loi de Faraday permettant
de déterminer les débits de gaz en fonction du courant de la PàC et de l’électrolyseur :

 ifc Nbfcser ncpac

nH2 m3 /s =

VmolH2 (2.15a)
2F
 iel Nbelser ncel
nO2 m3 /s =

VmolO2 (2.15b)
2F

VmolH2 et VmolO2 étant les volumes molaires des gaz, F la constante de Faraday, ncpac et ncel les
nombres de cellule d’une PàC et d’un électrolyseurs, Nbfcser et Nbelser les nombres de PàC et d’électroly-
seurs en série.

2.7 Modélisation du système hybride

2.7.1 Rôle des convertisseurs dans le système de gestion de l’énergie

Les convertisseurs DC/DC sont généralement utilisés dans les systèmes de conversion de l’énergie
afin d’adapter les niveaux de tension et de courant. Par le biais de circuits d’électronique de puissance, ils
permettent de hausser ou de baisser le niveau de tension en sortie du convertisseur afin que celui-ci soit
adapté à la charge. Les convertisseurs DC/DC sont aussi appelés hacheur et existent avec des structures
différentes. L’allure du signal de sortie dépend de la structure sélectionnée. Les hacheurs série (cf. Fig.
2.14) sont utilisé afin d’abaisser le niveau de tension en sortie du convertisseur (buck) [44], permettant
de connecter des éléments de charge ayant un niveau de tension plus faible que celui du bus DC comme
l’électrolyseur. Les hacheurs parallèles (cf. Fig. 2.12) sont utilisés pour élever le niveau de tension en sortie
du convertisseur (boost) [92, 44] et sont donc bien adaptés pour interconnecter des PàC, des batteries ou
des SC à un bus DC de plus haute tension.

Université de La Réunion LE2P - ENERGY lab - EA 4079 50

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

DC DC

vL vd DC DC
élévateur ik K iL L abaisseur
iL L id
D vk vL

K vk
ve C vs vd C vs
ve D

ik id

Figure 2.12 – Schéma d’un hacheur élévateur Figure 2.14 – Schéma d’un hacheur abaisseur
ton tof f
ton tof f
α.T (1 − α).T
vs α.T (1 − α).T

ve
ve
ve − vs
α.T T T + α.T 2.T
−vs α.T T T + α.T 2.T
ve − vs
ve vL vs ve vL vs

Figure 2.13 – Fonctionnement d’un hacheur paral- Figure 2.15 – Fonctionnement d’un hacheur série
lèle (élévateur) (abaisseur)

Les convertisseurs DC/DC sont pilotés à partir d’un signal PWM afin d’ouvrir et fermer les
interrupteurs de celui-ci à une fréquence élevée, c’est le principe de hachage. Le fait d’ouvrir (toff ) et de
fermer (durée ton ) l’interrupteur permet à la sortie du convertisseur de voir le niveau de tension de l’entrée
pendant un pourcentage de la période du signal PWM appelé rapport cyclique (noté α) représentant le
rapport entre la durée à l’état fermé de l’interrupteur (durée ton ) sur la période de hachage T (cf. Fig.
2.13 et 2.15). Les inductances et les condensateurs permettent de limiter les ondulations de courant et de
tension induits par le hachage en sortie du convertisseur (fonction de lissage).

Dans le système étudié, le choix s’est porté sur un modèle avec des éléments fort courant et basse
tension. Pour la PàC et les PV, le transfert de puissance se fait vers le bus DC (générateurs), ils sont
connectés au bus DC par le biais de convertisseurs DC/DC élévateurs unidirectionnels en courant. Dans
le cas de l’électrolyseur, le transfert de puissance se fait du bus DC vers l’électrolyseur (il est considéré
comme une charge dans le système), il est donc connecté par le biais d’un convertisseur DC/DC abaisseur.
Pour les batteries, elles peuvent absorber de l’énergie durant les périodes de forte production PV et
restituer cette énergie lorsque cette production devient faible. Elles ont donc le rôle de charge et de
sources. Elles sont donc connectées par le biais d’un convertisseur DC/DC élévateur bidirectionnel en
courant.

Université de La Réunion LE2P - ENERGY lab - EA 4079 51

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

2.7.2 Les différents niveaux de modélisation

Il existe 4 principaux niveaux de modélisation :

— Modélisation des boucles/dynamiques de tension/courant avec PWM (niveau 1) :

Ce niveau de modélisation a pour principal avantage d’intégrer une connaissance complète du
système permettant à la fois la commande en temps réel avec une période d’échantillonnage
fine et l’étude du comportement du système dans sa globalité (commutation des convertisseurs,
visualisation des ondulations de courant et de tension, etc.). Cependant, avec un pas de temps
du simulateur inférieur à la micro seconde, il impose un coût de calcul élevé et rend difficile
l’étude sur de longs intervalles de temps.

— Modélisation des boucles et des dynamiques de tension et de courant (niveau 2) :

En considérant que la valeur moyenne du signal PWM est directement appliquée sur le système,
le pas de calcul du simulateur peut être augmenté, mais certaines informations sur le comporte-
ment du système sont perdues (ex : impacte de la commutation des convertisseurs). Ce niveau
de modélisation permet d’étudier l’impact du SGE sur le système (commande réactive associée
aux régulateurs de courant). Avec un pas de temps de l’ordre de la micro seconde, adapté à la
simulation temps réel, c’est une approche qui reste gourmande en coût de calcul et en temps de
simulation.

— Modélisation des boucles et des dynamiques de tension (niveau 3) :

En supposant l’inductance des convertisseurs faible, elle peut être négligée pour réduire la
complexité de la simulation. Nous parlons alors de réduction d’ordre d’un système singulière-
ment perturbé [41, 46]. Son pas de temps plus élevé (de l’ordre de plusieurs dizaines de micro
seconde) est adapté à la fois à la simulation sur des intervalles de temps plus long et à la
validation des boucles externes de la commande, même si ce n’est pas une approche utilisée
pour les tests en temps réel.

— Modèle moyenné (niveau 4) :

Sans dynamique sur les courants et les tensions, avec un pas de calcul de l’ordre de la centaine
de micro seconde, l’approche moyennée présente l’avantage du faible coût de calcul. Cela s’avère
particulièrement adapté pour la simulation avec de longs intervalles de temps.

Université de La Réunion LE2P - ENERGY lab - EA 4079 52

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

vb

Système de Gestion de l’Energie

Filtre de Kalman SoC ∗
sous optimal vb∗
eMPC des batteries eMPC du système H2 SoC
fv = ich pv − ibH2 ; ich pv = ich − ipv ibat
ch pv
i∗bat i∗f c i∗el
ibat if c iel
Régulateur de courant

Régulateurs IP Régulateurs IP Régulateurs IP

vL∗ bat vLbat − vL∗ bat vL∗ f c vLf c − vL∗ f c vL∗ el vLel − vL∗ el
anti windup anti windup anti windup

Linéarisation Linéarisation Linéarisation

αbat αf c ipv vpv αel

Système
MPPT

αpv
ibpv ich
DC/DC
PV
ipv
Cb vb
Lpv
vpv

H2
ibf c
DC/DC DC/DC
FC if c EL
ibel iel
Lf c Lel
vf c

ibbat
DC/DC
BAT
ibat
Lbat
vbat

Figure 2.16 – Structure du système hybride

Université de La Réunion LE2P - ENERGY lab - EA 4079 53

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

Chaque niveau de modélisation est utile dans le développement d’une commande. Une connaissance
complète du système (modélisation de niveau 1) permet de connaître son comportement dans sa globalité.
La modélisation de niveau 2 permet de déterminer l’impact des lois de commande sur le système. La
modélisation de niveau 3 permet de déterminer et de valider la méthode de gestion de l’énergie. Enfin, le
modèle de niveau 4 permet de dimensionner le système et d’établir des consignes à J+1.

2.7.3 Modélisation du système

Le système modélisé est représenté sur la figure 2.16. Les différents générateurs et charges sont
connectés en parallèle sur le bus DC par le biais des convertisseurs DC/DC. Les différents paramètres du
système sont disponibles dans l’annexe D.4.

La commutation des convertisseurs n’étant pas étudiée (modèle de niveau 1), le comportement du
système peut être représenté par les équations suivantes (modèle de niveau 2, eq. 2.16a à 2.16f), où les
rapports cycliques sont les entrées de commande du système définies par la couche locale. Ce niveau de
modélisation est utilisé pour simuler le système lors des tests en simulation des couches locale et réactive.

dvb (t) 1
= [(1 − αfc (t)) ifc (t) + (1 − αbat (t)) ibat (t)
dt Cb
+ (1 − αpv (t)) ipv (t) − αel (t) iel (t) − ich (t)] (2.16a)
difc (t) − (1 − αfc (t)) vb (t) + vfc (t)
= (2.16b)
dt Lfc
dibat (t) − (1 − αbat (t)) vb (t) + vbat (t)
= (2.16c)
dt Lbat
dipv (t) − (1 − αpv (t)) vb (t) + vpv (t)
= (2.16d)
dt Lpv
diel (t) −αel (t) vb (t) + vel (t)
= (2.16e)
dt Lel
dSoCbat (t) 1
= ibat (t) (2.16f)
dt Cbat (Ah)

Afin de simplifier la conception de la commande de la couche réactive, les inductances (Lfc , Lbat ,
Lpv et Lel ) sont supposées faibles au regard des autres paramètres du système (modèle de niveau 3).
Il s’ensuit que la régulation des courants est supposée parfaite. Avec l’hypothèse de la conservation de
puissance au niveau des convertisseurs (Pentrée = Psortie ) et en écrivant ibat avec les courants des autres
unités du point de vue de la batterie pour l’équation de la dynamique du SoC, les équations du système
peuvent être simplifiées (modèle de niveau 3, eq. 2.17a à 2.17b). Avec ibat ∗ , ifc ∗ et iel ∗ les références en
courants des différents régulateurs définis par la couche réactive.

Université de La Réunion LE2P - ENERGY lab - EA 4079 54

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

 
dvb (t) 1 vfc (t) ∗ vbat (t) ∗ vpv (t) vel (t) ∗
= ifc (t) + ibat (t) + ipv (t) − iel (t) − ich (t) (2.17a)
dt Cb vb (t) vb (t) vb (t) vb (t)
 
dSoCbat (t) 1 vfc (t) ∗ vpv (t) vel (t) ∗ vb (t)
= ifc (t) + ipv (t) − iel (t) − ich (t) (2.17b)
dt Cbat vbat (t) vbat (t) vbat (t) vbat (t)

L’équation du modèle moyen du système hybride (Eq. 2.17a) est linéarisée afin de pouvoir l’utiliser
dans le développement d’une eMPC linéaire dans la couche réactive. Pour cela, nous considérons les
courants du point de vue du bus DC :

vfc (t) vbat (t)

ibfc (t) = ifc (t) (2.18a) ibbat (t) = ibat (t) (2.18b)
vb (t) vb (t)
vpv (t) vel (t)
ibpv (t) = ipv (t) (2.18c) ibel (t) = iel (t) (2.18d)
vb (t) vb (t)

De plus, la PàC et l’électrolyseur sont considérés comme un seul et même système appelé système
H2. Le courant du système H2 est iH2 = ifc + iel , avec ifc ≥ 0 et iel ≤ 0. Ce qui devient du point de vue du
bus DC ibH2 = ibfc + ibel . La PàC et l’électrolyseur ne pouvant fonctionner au même moment, si ifc 6= 0 alors
iel = 0 et vice versa. De plus, le système PV étant piloté par son propre algorithme, le courant de charge
et le courant PV peuvent être considérés comme un seul et même courant ich_pv = ich − ibpv . L’équation
2.17a devient alors :

dvb (t) 1 b ∗
ibat (t) + ibH2 ∗ (t) − ich_pv (t)

= (2.19)
dt Cb

vb étant l’état du système, ibbat ∗ la variable de commande et les autres termes de l’équation
considérés comme des perturbations. L’indice * indique ici les courants de référence (la régulation des
courants étant supposée parfaite lors du développement de la couche réactive).

Comme pour l’équation du modèle moyen du système hybride, l’équation 2.17b de la dynamique
du SoC est utilisée afin de pouvoir l’utiliser dans le développement d’une eMPC linéaire dans la couche
réactive. Le système est linéarisé en écrivant :

vfc (t) vb (t)

ibat
fc (t) = ifc (t) (2.20a) ibat
ch (t) = ich (t) (2.20b)
vbat (t) vbat (t)
vpv (t) vel (t)
ibat
pv (t) = ipv (t) (2.20c) ibat
el (t) = iel (t) (2.20d)
vbat (t) vbat (t)

Comme précédemment, la PàC et l’électrolyseur sont considérés comme un seul et même système
appelé système H2, avec iH2 = ifc + iel . Ce qui devient du point de vue des batteries ibat bat bat
H2 = ifc + iel .

Université de La Réunion LE2P - ENERGY lab - EA 4079 55

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

De même pour le courant PV ipv et le courant de charge ich qui deviennent alors ibat bat bat
ch_pv = ich − ipv .

L’équation 2.17b devient alors :

dSoCbat (t) 1  bat ∗

iH2 (t) − ibat

= ch_pv (t) (2.21)
dt Cbat
∗
SoCbat représente l’état du système, ibat
H2 la variable de commande et les autres termes de l’équation

sont considérés comme des perturbations. L’indice * indique ici le courant de référence (la régulation des
courants étant supposée parfaite lors du développement de la couche réactive).

Pour la couche anticipative, elle définit un plan d’engagement afin de planifier l’utilisation des unités
à partir des puissances minimum et maximum pouvant être délivrée par chaque unité. Pour cela, le bilan
de puissance du système est écrit ainsi que l’évolution de l’état de charge des batteries en fonction de la
puissance délivrée.

Pbat (t) + Pfc (t) + Pel (t) + Ppv (t) = Pch (t) (2.22a)
Z t
Pbat (τ )
SoCbat (t) = SoCbat (t − 1) + dτ (2.22b)
t−1 Cbat

Université de La Réunion LE2P - ENERGY lab - EA 4079 56

CHAPITRE 2. DESCRIPTION ET MODÉLISATION DU MICRO RÉSEAU Fabrice K/BIDI

2.8 Conclusion

Dans ce chapitre les modèles des unités du MR ont été présentés dans l’objectif de développer les
différentes couches du SGE en fonction du niveau de modélisation défini pour chaque couche (locale,
réactive et anticipative, cf. section 1.5.5). Le niveau de modélisation a un impact non négligeable sur les
résultats attendus lors de la simulation (durée de la simulation, détails du comportement du système,
etc.). Les niveaux de modélisation sont définis en fonction de la couche de commande développée et des
temps de simulation associés.

Le constat est que certaines unités, comme la PàC et l’électrolyseur, doivent suivre un mode
opératoire compatible avec des contraintes spécifiques, au risque de dégrader leurs composants, a conduit
à la prise en compte de ces contraintes à chaque couche de commande, à la fois pour optimiser les
performances et la durée de vie de ces unités.

Les modèles des unités présenté et utilisé ne permettent cependant pas une étude en cas de défaut
(dégradation de la PàC et de l’électrolyseur, perte de performance sur les batteries, etc.) ou une étude
de l’impact de la variabilité haute fréquence de la production PV. Seul une perte total d’un ou plusieurs
élément pourra être étudier.
Le chapitre 3 porte sur le développement de la couche locale et de la couche réactive du SGE.

Université de La Réunion LE2P - ENERGY lab - EA 4079 57

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

Chapitre 3

Stratégie de commande des couches réactive

et locale

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

3.2 La couche réactive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

3.2.1 eMPC batterie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

3.2.2 eMPC H2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

3.2.3 Estimation du courant de charge . . . . . . . . . . . . . . . . . . . . . . . . . 64

3.2.4 Implémentation des eMPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

3.3 La couche locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

3.3.1 Régulateurs de courant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

3.3.2 Pilotage des panneaux photovoltaïque . . . . . . . . . . . . . . . . . . . . . . 69

3.4 Validation des couches réactive et locale . . . . . . . . . . . . . . . . . . . . . . . . . . 70

3.4.1 Généralité sur les tests de validation d’une commande . . . . . . . . . . . . . 70

3.4.2 Conditions opératoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

3.4.3 Présentation de la plateforme de test . . . . . . . . . . . . . . . . . . . . . . . 72

3.4.4 Paramétrage des poids des eMPC . . . . . . . . . . . . . . . . . . . . . . . . . 77

3.4.5 Test du SGE sans le système PV . . . . . . . . . . . . . . . . . . . . . . . . . 78

3.4.6 Test du SGE avec le système PV . . . . . . . . . . . . . . . . . . . . . . . . . 85

3.4.7 Test de la résilience du Système de Gestion de l’Energie . . . . . . . . . . . . 89

3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

Université de La Réunion LE2P - ENERGY lab - EA 4079 59

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

3.1 Introduction

L’objet de ce chapitre est le développement et le test des stratégies de commande de la couche

locale et de la couche réactive.

Dans un premier temps, le développement de la stratégie de commande de la couche réactive est

détaillé. Elle est basée sur deux commandes MPC distribuées. Une première MPC définit le courant de
référence du système H2, composé de la PàC et de l’électrolyseur. Une seconde MPC définit le courant de
référence des batteries. Elles sont toutes deux basées sur le modèle de niveau 3 linéarisé (eq. 2.19 à 2.21)
développé dans le chapitre 2. Dans un deuxième temps, le développement de la stratégie de commande
de la couche locale permettant la régulation de courant des éléments est abordé. La couche locale repose
sur des régulateurs de type IP qui définissent les rapports cycliques des convertisseurs afin d’ajuster le
niveau de tension et de suivre la consigne en courant. La méthode de paramétrage de ces régulateurs
est présentée. L’algorithme utilisé pour le pilotage de la production PV est abordé dans un troisième temps.

Plusieurs étapes sont nécessaires afin de démontrer la fonctionnalité de la commande en condition

normale de fonctionnement ou en présence d’incertitude ou de défaut sur le système. Différentes méthodes
de validation en simulation et en temps réel sont présentées à cet effet. La première est de valider la
stratégie de commande en simulation. Pour cela, le modèle du système ainsi que la commande sont
implémentés dans l’environnement Matlab/Simulink. La seconde étape est l’intégration de la commande
sur un banc de test expérimental. Les tests expérimentaux de ces travaux de thèse sont réalisés sur un
banc de type prototypage rapide développé au laboratoire Femto-ST à Belfort. Une dernière étape qui ne
sera pas réalisée durant ces travaux de thèse est le test de la commande sur un banc de test HIL. Ce test
permet de montrer qu’il est possible d’intégrer la commande sur une carte dimensionnée préalablement
et de permettre un pilotage en temps réel des éléments du système.

Les tests expérimentaux utilisent les mêmes profils de charge qu’en simulation afin de comparer
les différents résultats. La commande est tout d’abord testée sans le système PV afin de la valider sans
perturbation extérieure, puis avec le système PV pour montrer l’influence des perturbations et valider le
SGE dans sa globalité.

Les résultats des tests de ces deux couches en simulation et en expérimentation sont présentés à la
fin de ce chapitre.

Université de La Réunion LE2P - ENERGY lab - EA 4079 60

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

3.2 La couche réactive

Comme mentionné dans le chapitre 1 section 1.5.5.2, la couche réactive intègre une commande de
type MPC basé sur les travaux de S. Mariethoz et al. [64] qui permet de définir les courants de références
de chaque élément du MR. La MPC est une commande dite optimale qui permet de définir la valeur
d’une variable de commande en minimisant ou maximisant un critère défini dans le but de respecter des
objectifs préalablement choisis. Elle peut prendre en compte certaines contraintes permettant de respecter
les conditions de fonctionnement des éléments concerner tels que les limites d’appel en puissance de la
PEMFC, les limites d’état de charge des batteries, etc. Elle est utilisée sous sa forme explicite, appelée
durant la suite des travaux sous sa dénomination anglaise eMPC.

3.2.1 eMPC batterie

Les batteries ont pour rôle principal de réguler la tension du bus DC, elles absorbent le surplus
d’énergie et comblent le déficit énergétique lorsque les autres éléments ne peuvent réagir.

— Équation du système

L’équation 2.19 développée dans le chapitre 2 section 2.7.3 doit être discrétisée afin de pouvoir être
utilisée dans la eMPC des batteries. En utilisant la méthode de discrétisation par développement limité
des équations précédentes [42], les matrices d’état A = 0 et de commande B = C1b deviennent en valeurs
(A Tsbat )2
 
RT AT
discrétisées Ad = eA Tsbat ≈ I + A Tsbat + 2 et Bd = 0 sbat eA Tsbat B dt ≈ Tsbat I + 2sbat B. Le
système peut alors être représenté par le modèle d’état discrétisé à la période d’échantillonnage Tsbat
suivant :

Tsbat  b ∗
ibat ,k + ibH2 ∗,k − ich_pv,k

vb,k+1 = vb,k + (3.1)
Cb
ibbat ∗ est alors la variable de commande à réguler sur le système. Le courant de référence des batteries
ibat ∗ est déterminé à partir de l’équation 2.20b :

vb,k b ∗
ibat ∗,k = i (3.2)
vbat,k bat ,k

— Contraintes de fonctionnement

Les contraintes à prendre en compte pour les batteries afin de limiter leur dégradation sont princi-
palement les limites en courant de celles-ci. Pour cela l’équation 2.20b est utilisée pour définir les courants
ibbat ,max et ibbat ,min à prendre en compte lors de la minimisation du critère.

Université de La Réunion LE2P - ENERGY lab - EA 4079 61

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

ibbat ,min ≤ ibbat ∗,k ≤ ibbat ,max (3.3a)

vbat,k
ibbat ,min = ibat,min (3.3b)
vb,k
vbat,k
ibbat ,max = ibat,max (3.3c)
vb,k

— Fonction objectif

La fonction objectif J est écrite sous la forme d’un critère quadratique avec deux termes à minimiser :

— le 1er pour réduire l’erreur entre la tension de consigne du bus DC vb ∗ et la tension mesurée vb ,
— et le 2ème pour limiter l’amplitude du courant batterie afin d’éviter les variations brusques de
celui-ci entre ses valeurs maximale et minimale, ce qui permet de stabiliser le courant batterie
et donc de limiter les ondulations de tension sur le bus DC.

NX
bat h
2
2 i
J ibbat = Qrbat (vb,k+1 − vb ∗ ) + ibbat ,k (3.4)
k=1

Nbat est l’horizon de prédiction sur lequel la eMPC minimise la fonction objectif. Qrbat est le poids
de la fonction objectif, il permet de donner plus ou moins d’importance au 1er terme. La 1ère valeur de
vb est mesurée et l’erreur de modélisation pour l’estimation de vb sur l’horizon de prédiction est négligée.
Le deuxième terme n’est pas associé à un poids car ibat n’est minimisé que lorsque vb est à sa référence.

3.2.2 eMPC H2

Le système H2, composé de la PàC et de l’électrolyseur, a pour objectif de maintenir les batteries
à un niveau de charge de référence SoC∗ prédéfini.

— Équation du système

L’équation 2.21 développée dans le chapitre 2 section 2.7.3 doit être discrétisée afin de pouvoir être
utilisée dans la eMPC du système H2. Le système est discrétisé à la période d’échantillonnage TsH2 , avec
1
la méthode présentée précédemment pour la eMPC batterie, avec A = 0 et B = Cbat . On retrouve alors
le modèle d’état discret suivant :

TsH2  bat ∗
− ibat

SoCbat,k = SoCbat,k−1 + i ch_pv ,k (3.5)
Cbat (Ah) H2 ,k

Université de La Réunion LE2P - ENERGY lab - EA 4079 62

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

∗
ibat
H2 est alors la variable de commande à réguler sur le système. Le courant de référence des batteries

iH2 ∗ est déterminé à partir de l’équation suivante :

vbat,k bat ∗
iH2 ∗,k = i (3.6)
vH2,k H2 ,k

— Contraintes de fonctionnement

La PàC et l’électrolyseur nécessitent des conditions de fonctionnement spécifiques pour limiter

leur dégradation. En effet, leur bon fonctionnement est directement lié à la régulation des fluides (débit,
pression, etc.) les alimentant et à leur conception. Les différents régulateurs étant limités en temps de
réponse et la conception des PàC et électrolyseur ne permettant pas un fonctionnement à puissance élevée
sur de longues durées, il est nécessaire de limiter les variations de la puissance d’alimentation et de la
charge pour l’électrolyseur et pour la PàC respectivement.

Pour cela, la limite basse du courant pris en compte dans la eMPC est le courant minimal
admissible sur l’électrolyseur iel,min (le courant de l’électrolyseur étant considéré inférieur à 0) et la limite
haute du courant est le courant maximal admissible sur la PàC ifc,max . De plus, une rampe de courant
maximal est utilisée pour limiter les variations de courant.

Les équations 3.7a à 3.7e résument les contraintes prises en compte dans la eMPC du système H2 :

bat ∗
ibat bat
H2 ,min ≤ iH2 ,k ≤ iH2 ,max (3.7a)
vH2,k
ibat
H2 ,min = iH2,min (3.7b)
vbat,k
vH2,k
ibat
H2 ,max = iH2,max (3.7c)
vbat,k
bat ∗
−∆ibat bat
H2 ,min ≤ ∆iH2 ,k ≤ ∆iH2 ,max (3.7d)
vH2,k
∆ibat
H2 ,max = ∆iH2,max (3.7e)
vbat,k

— Fonction objectif

Comme pour la eMPC batterie, la fonction objectif est écrite sous la forme d’un critère quadratique,
avec trois termes à minimiser :

Université de La Réunion LE2P - ENERGY lab - EA 4079 63

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

— le 1er a pour principal objectif d’assurer le suivi de consigne sur le SoC batterie,
— le 2ème permet de limiter les variations du SoC des batteries,
— et le 3ème permet de diminuer la différence entre le courant du système H2 vue par les batteries
et le courant nécessaire pour alimenté la charge (différence entre le courant de charge et le
courant des PV) vu par les batteries.

NH2 h
X 2
J ibat
H2 ,k = QrH2 (SoC k − SoC ∗ )
k=1
2
2 i
+ QyH2 (SoC k − SoC k−1 ) + ibat bat
H2 ,k − ich_pv ,k (3.8a)

De la même manière que pour la eMPC des batteries, les poids QrH2 et QyH2 permettent de donner
de l’importance au terme associé. Ici le terme le plus important est celui associé au suivi de consigne, ainsi
on prendra QrH2 > QyH2 . Le 2ème terme est plus important que le 3ème terme pour stabiliser le niveau de
charge des batteries. Lorsque le SoC des batteries atteint sa référence, le premier terme est nul. Le SoC
est alors stabilisé et le second terme est nul. La priorité est donnée au troisième terme et la fonction coût
minimise la puissance fournie ou absorbée par les batteries pour garder le SoC à sa référence.

— Test conditionnel pour la définition des paramètres

La référence en courant de la PàC (respectivement de l’électrolyseur) dépend du signe de la

référence en courant du système H2 calculée par sa eMPC ibat bat
H2 . Lorsque le courant iH2 est supérieur

à zéro (respectivement inférieur à zéro) la référence générée est assignée à la PàC (respectivement à
l’électrolyseur).

Un test conditionnel assigne donc les bonnes valeurs à vH2 et ∆iH2,max :

if ibat
H2 ≥ 0 then
vH2,k = vfc,k
∆iH2,max = ∆ifc,max
else
vH2,k = vel,k
∆iH2,max = ∆iel,max
end

3.2.3 Estimation du courant de charge

Pour diminuer les coûts d’installation, la consommation de la charge n’est pas mesurée (les capteurs
de courant étant généralement plus coûteux que les capteurs de tension et la charge étant généralement

Université de La Réunion LE2P - ENERGY lab - EA 4079 64

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

éloignée des sources). Le courant consommé par la charge doit donc être estimé afin d’assurer le fonction-
nement des eMPC. Pour cela, un filtre de Kalman est synthétisé.

Le filtre de Kalman est un observateur qui estime l’état du système de façon séquentielle avec les
données disponibles passées et présentes. Ceci permet d’estimer une grandeur non mesurée du système à
partir de grandeurs mesurées. Le filtre de Kalman est construit à partir du modèle d’état du système et
d’hypothèses émises sur certaines grandeurs.

3.2.3.1 Modèle de l’observateur

Dans le cas du système étudié (MR), le courant estimé est en réalité le courant ipv des PV, associé
au courant de la charge ich appelé précédemment ich_pv . En partant de l’équation de la dynamique de
˙ =0
tension discrétisée (Eq. 3.1), le courant ich_pv peut être estimé en considérant fv = ich_pv − ibH2 et fv
sur une période d’échantillonnage. L’équation 3.1 devient :

Tsbat  b ∗  Tsbat 
ich_pv,k − ibH2 ∗,k

vb,k+1 = vb,k + ibat ,k − (3.9a)
Cb Cb

Le modèle de l’observateur s’écrit donc :

      
−Tsbat −Tsbat
vb,k+1 1 Cb vb,k h i
 =   +  Cb  ib ,k (3.10a)
bat
f,k+1 0 1 fk 0 | {z }
| {z } | {z } | {z } | {z } uobs ,k
xobs ,k+1 Adobs xobs ,k Bdobs ,k

Avec xobs le vecteur d’états de l’observateur, uobs le vecteur commande, Adobs la matrice d’état de
l’observateur et Bdobs la matrice de commande.

3.2.3.2 Filtre de Kalman optimal

La 1ère étape d’estimation est alors de calculer les états et la matrice de covariance prédite du
système à partir du modèle de l’observateur (Eq. 3.10a) :

xobs,k|k−1 = Adobs xobs,k−1|k−1 + Bdobs uobs,k−1|k−1 (3.11a)

Pobs,k|k−1 = Adobs Pobs,k−1|k−1 Adobs T + Qobs (3.11b)

Le gain du filtre de Kalman Kobs est alors calculé avec la covariance prédite (Eq. 3.11b), la matrice
d’observation Cdobs et la matrice de covariance du bruit Robs :

Université de La Réunion LE2P - ENERGY lab - EA 4079 65

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

−1
Kobs,k = Pobs,k|k−1 Cdobs T Cdobs Pobs,k|k−1 Cdobs T + Robs (3.12a)

La valeur estimée des états du système et la matrice de covariance sont alors calculées à partir des
états prédits xobs,k|k−1 , de la matrice de covariance prédite Pobs,k|k−1 , du gain du filtre de Kalman Kobs
et de la matrice d’observation Cdobs :

 
xobs,k|k = xobs,k|k−1 + Kobs,k Cdobs vb,k (1),k − xobs (1),k|k−1 (3.13a)

Pobs,k|k = Pobs,k|k−1 − Kobs,k Cdobs Pobs,k|k−1 (3.13b)

3.2.3.3 Filtre de Kalman sous-optimale

Une méthode pour diminuer le coût de calcul de l’estimation est d’utiliser l’approche sous-optimale.
Au bout d’un certain nombre d’itérations, Pobs devient constant puisque le système est linéaire et station-
naire. En imposant un critère minimal δmin à la variation de Pobs (∆Pobs = Pobs,k−1 − Pobs,k < δmin ), le
gain du filtre de Kalman peut être déterminé hors ligne. Une partie de l’algorithme précédent est alors
exportée hors ligne afin de déterminer un gain sous optimal Kobssoptimale .

 
xobs,k|k = xobs,k|k−1 + Kobssoptimale,k Cdobs vb,k − xobs (1),k|k−1 (3.14a)

La valeur du courant ich_pv est alors calculée à partir de la perturbation f = xobs,k (2) :

ich_pv,k,est = f + ibH2 ,k (3.15a)

vH2
ibH2 ,k = iH2,k (3.15b)
vb

Le courant ibat
ch_pv peut être calculé et injecté dans l’équation 3.5 :

vb
ibat
ch_pv ,k = ich_pv,k (3.16a)
vbat

3.2.4 Implémentation des eMPC

Le choix pour le processus de résolution des eMPC (cf. chapitre 1 section 1.5.5.2 pour la théorie de
la eMPC) s’est porté sur la toolbox Yalmip [62] et la Multi-Paramétric Toolbox 3 (MPT3) [40]. Dans le
cas de cette étude, Yalmip permet de définir le système et ses contraintes dans un langage compréhensible

Université de La Réunion LE2P - ENERGY lab - EA 4079 66

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

par Matlab et MPT3. MPT3 est utilisée pour la résolution du programme multi paramétrique et exporter
la solution sous la forme d’une fonction Matlab.

Yalmip et MPT3 utilisent des solveurs spécifiques pour la résolution du problème. Deux solveurs
ont été testés, Cplex et Gurobi. Gurobi étant plus rapide pour la résolution de notre problème, il a été
naturellement choisi pour les tests et le paramétrage de la eMPC. Gurobi utilise la méthode de barrière
par défaut pour la résolution du programme.

3.3 La couche locale

La couche locale intègre ici les régulateurs permettant le suivi de consigne en courant de chaque
élément et l’algorithme permettant de piloter la production PV. La régulation de courant est assurée par
le biais de correcteurs de type IP. Les gains de ces régulateurs sont calculés analytiquement en fonction
du comportement désiré du système. La production PV est quant à elle pilotée par un algorithme MPPT.

3.3.1 Régulateurs de courant

Les régulateurs de courant choisis sont des régulateurs de type IP pour leur capacité à filtrer le
bruit sur l’erreur entre la consigne et la mesure. En effet, les eMPC utilisés pour définir les courants de
référence sont des commandes à faible pas d’échantillonnage avec une dynamique qui peut générer des
instabilités sur le suivi de consigne. Les régulateurs pilotent les convertisseurs des éléments en fonction
de la consigne en courant définie dans la couche réactive.

Pour paramétrer les régulateurs, il est nécessaire de déterminer les coefficients Ki et Kp des régula-
teurs IP. Les équations 2.16a à 2.16f décrivent le comportement non linéaire du système. Afin de définir
les contrôleurs linéaires, la non-linéarité est compensée par des fonctions non-linéaires :

Boost : Buck :
di di
αve = L + vs (3.17a) ve = L + (1 − α)vs (3.18a)
dt dt
vL − ve vs + vL
α=1+ (3.17b) α= (3.18b)
vs ve

avec vL une variable de contrôle virtuelle des régulateurs IP.

En passant dans le domaine de Laplace, la fonction de transfert pour les deux types de convertisseurs
devient :

i 1
= (3.19)
vL Lp

Université de La Réunion LE2P - ENERGY lab - EA 4079 67

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

Vin +
-

αmin

Vout αmax
-
+

i Kp

Z −1 limit up
limit down
- + - saturation
Linéarisation
i∗ + Ki .TS +
+
+ dynamique α

- +

Z −1

Figure 3.1 – Structure du régulateur IP avec action anti-windup et linéarisation

La fonction de transfert globale de la boucle fermée du système est alors assimilée à une fonction
de transfert d’un système du 2nd ordre :

ifc 1 1
= = (3.20a)
ifc ∗ 1+ Kp
Ki p + L 2
Ki p 1+ 2ξ
ωi p+ 1 2
p
ωi2

Par déduction de l’équation 3.20a, les coefficients Ki et Kp des régulateurs peuvent être calculés
avec les équations suivantes :

       
Kpifc Lfc Kiifc Lfc
       
 Kpiel  = 2ξ  Lel  ωi (3.21a)  Kiiel  =  Lel  ωi2 (3.21b)
       
       
Kpibat Lbat Kiibat Lbat

Le facteur d’amortissement ξ est fixé à 1 afin d’atteindre la référence rapidement et en évitant

1
les régimes oscillatoires. La fréquence propre fi est fixée à 25 fois la fréquence de découpage du conver-
tisseur. Pour la simulation, la fréquence de découpage du convertisseur est considérée comme la période
d’échantillonnage du régulateur IP. On a donc :

2 π Ts1
IP
ωi = (3.22a)
25

Université de La Réunion LE2P - ENERGY lab - EA 4079 68

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

Start

V(k) and I(k)

Measurement

P(k) = V(k).I(k)

Yes P(k) - P(k-1) = 0

No

Yes P (k) − P (k − 1) > 0 No

Yes V (k) − V (k − 1) > 0 No Yes V (k) − V (k − 1) > 0 No

d(k) = d(k − 1) − ∆d d(k) = d(k − 1) + ∆d d(k) = d(k − 1) + ∆d d(k) = d(k − 1) − ∆d

Return

Figure 3.2 – Algorithme basique P&O - Matworks [66]

Afin de limiter le rapport cyclique, une fonction anti-windup est ajoutée à la structure du régulateur
IP. Les limites de la fonction anti-windup sont définies à partir des tensions d’entrée et de sortie du
convertisseur et des rapports cycliques minimum et maximum définis. La figure 3.1 montre la structure
du régulateur IP en temps discret avec fonction anti-windup implémentée.

3.3.2 Pilotage des panneaux photovoltaïque

L’algorithme MPPT utilisé est le " Perturb and observ (P&O) " disponible sur le site de Matworks
[66]. Cet algorithme a été implémenté sous l’environnement Matlab/Simultik et utilisé pour déterminer
la puissance maximale produite par un module PV en fonction de la tension et du courant mesuré. La
puissance délivrée par les PV dépend de l’irradiance disponible.

Université de La Réunion LE2P - ENERGY lab - EA 4079 69

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

La figure 3.2 résume l’algorithme MPPT choisi. La valeur de ∆d est paramétrée en fonction de
la précision attendue sur la puissance (oscillation autour de la puissance maximum) et de la rapidité à
laquelle la valeur maximale doit être trouvée.

L’algorithme consiste en l’observation de l’évolution de la puissance et de la tension lorsque le

rapport cyclique du convertisseur varie. Dans un premier temps, la puissance de sortie des PV Ppv,k est
calculée à partir de la mesure de la tension vpv,k et du courant ipv,k PV. Cette puissance est alors comparée
à la puissance au pas de temps précédent Ppv,k−1 . Dans un deuxième temps, la tension vpv,k est comparée
à sa valeur précédente vpv,k−1 . Si Ppv,k − Ppv,k−1 > 0 et vpv,k − vpv,k−1 > 0 alors le rapport cyclique d
est décrémenté de ∆d et si vpv,k − vpv,k−1 < 0 alors le rapport cyclique d est incrémenté de ∆d. Dans un
deuxième cas, si Ppv,k − Ppv,k−1 < 0 et vpv,k − vpv,k−1 > 0 alors le rapport cyclique d est incrémenté de
∆d et si vpv,k − vpv,k−1 < 0 alors le rapport cyclique d est décrémenté de ∆d.

3.4 Validation des couches réactive et locale

3.4.1 Généralité sur les tests de validation d’une commande

Plusieurs étapes de test peuvent être considérées pour la validation d’un algorithme de commande.
Elles se développent en trois catégories :

— La simulation hors ligne (Model-in-The-Loop (MIL)) :

Cette catégorie, réalisée dans le chapitre précédent, permet de paramétrer l’algorithme de commande, de
décrire son fonctionnement et permet de dimensionner le système. Lors de cette étape, tout le système
et sa commande sont simulés (cf. Figure 3.3). Elle peut être réalisée sur un ordinateur via un logiciel
de simulation (Matlab/Simulink, Scilab, etc.), mais cette méthode ne garantit pas le fonctionnement en
temps réel.

Référence
Contrôleur Système Sortie du système simulé
simulé simulé
(logiciel) (logiciel)

Figure 3.3 – Procédure de test en simulation [67]

Université de La Réunion LE2P - ENERGY lab - EA 4079 70

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

— Le prototypage rapide et le Power-Hardware-In-the-Loop (PHIL) :

Appelée aussi RCP, cette étape consiste à remplacer le système précédemment simulé par le système
réel (cf. Figure 3.4). Elle permet de valider le comportement du contrôleur sur un système réel et de
corriger certains défauts qui ne peuvent être détectés en simulation. Lors de cette étape, des éléments
du système peuvent aussi être émulés par des composants de puissance tels qu’une alimentation, une
charge programmable ou un moteur électrique afin de ne pas dégrader des éléments sensibles et onéreux
du système (tel que la PàC et l’électrolyseur). Le test est alors appelé PHIL.

Référence
Contrôleur Système Sortie du système simulé
simulé réel
(Matériel)

Temps réel

Figure 3.4 – Procédure de prototypage rapide [67]

— Hardware-In-the-Loop (HIL) :
À l’inverse du RCP, c’est le contrôleur qui est intégré sur un système réel et le système qui est simulé sur
un émulateur temps réel (cf. Figure 3.5). Cette étape permet de valider le fonctionnement du contrôleur et
le dimensionnement de la carte choisie sans l’intégrer à un système réel. En effet, le système peut parfois
ne pas être disponible, onéreux à construire ou fragile. Le système est alors simulé afin d’éviter les coûts
liés à la fabrication et aux éventuelles risques de dégradation liée au test.

Référence
Contrôleur Sortie du système simulé
réel Système
(Matériel) simulé

Figure 3.5 – Procédure de test Hardware-In-the-Loop [67]

3.4.2 Conditions opératoires

Afin de valider la stratégie de pilotage du SGE, plusieurs tests en simulation dans l’environnement
Matlab/Simulink sont réalisés. Le système est alors simulé avec un modèle de niveau 2 (cf. chapitre
2 section 2.7.2) avec un pas de temps h égal à 50µs. Le comportement de la tension et du courant de
chaque élément du système est alors observé lorsque le système est piloté par les eMPC et les régulateurs
de courants. Les principaux paramètres observés sont la tension du bus DC vb , le courant de charge ich ,

Université de La Réunion LE2P - ENERGY lab - EA 4079 71

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

la tension vbat et le courant ibat des batteries, la tension vfc et le courant ifc de la PàC, la tension vel
et le courant iel de l’électrolyseur, la tension vpv et le courant ipv des PV et l’irradiance G. Les tests
en simulation sont reproduits sur le banc de test afin de valider le fonctionnement de la commande
expérimentalement.

Dans tous les cas de figure, la tension de référence du bus DC est fixée à 70 V. Elle a été choisie en
fonction des capacités du banc de test. La figure 2.16 illustre le MR simulé et la stratégie de commande
proposée. Le profil de charge est choisi afin de montrer les performances du SGE lors de l’augmentation et
de la diminution brusque du courant de charge. La simulation est faite sur 100 sec afin de limiter la durée
de simulation liée à la complexité du système. Les différents paramètres de simulation sont disponibles
en annexe D.4.

Les tests sont évalués en deux temps. Dans un premier temps, la stratégie de pilotage est validée
sans le système PV afin de valider le bon fonctionnement des eMPC développées. Le SoC de référence
SoC∗ est modifié pour observer le comportement du MR lors des périodes de charge et de décharge des
batteries. Dans un second temps, la stratégie est validée en présence du système PV afin d’observer le
comportement du MR lors des périodes de production d’hydrogène. Le SoC de référence SoC∗ est aussi
modifié afin d’observer le comportement du MR lors des périodes de charge et de décharge batterie en
présence du système PV.

Au total, 6 tests sont réalisés :

— sans et avec le système PV
— avec un SoC∗ égal au SoC initial (ici ≈ 50%) pour maintenir les batteries à leurs niveaux de
charge (cf. Figure 3.19)
— avec un SoC∗ inférieur au SoC initial (ici le SoC initial ≈ 50% et le SoC∗ = 20%) pour
décharger les batteries (cf. Figure 3.21)
— avec un SoC∗ supérieur au SoC initial (ici le SoC initial ≈ 50% et le SoC∗ = 80%) pour
recharger les batteries (cf. Figure 3.23)

3.4.3 Présentation de la plateforme de test

La plateforme utilisée dans ces travaux est un banc de type RCP/PHIL (cf. Figure 3.6) développé
à Femto-ST dans le but de tester et de valider différentes lois de commande pour des systèmes hybrides.

3.4.3.1 Éléments constituant la plateforme de test

Ce banc est composé :

Université de La Réunion LE2P - ENERGY lab - EA 4079 72

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

— d’un champ PV : les 6 mo-

dules PV ont été installés sur Table 3.1 – Caractéristique d’un module PV
le toit du bâtiment dans lequel
Paramètre Valeurs
le banc est installé. Dans notre
Puissance à Pmax 165 W
cas d’étude, seul un groupe de
Tension à Pmax 34,4 V
2 PV est connecté au banc d’es-
Courant à Pmax 4,8 A
sais afin d’éviter une surproduc-
Tension en circuit ouvert 42,2 V
tion et des surtensions. Les dif- Courant de court circuit 5,1 A
férentes caractéristiques des mo- Dimensions 1237 mm x 1082 mm x 45 mm
dules PV sont détaillées dans le
tableau 3.1. Les figures D.1 et D.2 de l’annexe D.1 illustrent le champ PV installé.

— de batteries Absorbed Glass Mat

(AGM) : n’ayant pas de batterie Table 3.2 – Caractéristique d’une batterie
Lithium-ion à disposition, 3 batteries
Paramètre Valeurs
AGM de 12 V sont connectées en série
Capacité 18 Ah
sur le banc (cf. Figure D.3). Les ca-
Tension nominale 12 V
ractéristiques batterie sont disponibles
Poids 5,8 kg
dans le tableau 3.2. La figure D.3 de
Dimensions 182 mm x 168 mm x 77 mm
l’annexe D.1 illustre les batteries ins-
tallées.

— d’une alimentation program-

mable pour l’émulation de Table 3.3 – Caractéristique de l’alimentation program-
la PàC : une alimentation pro- mable
grammable est utilisée pour ému-
Paramètre Valeurs
ler sa puissance et le conver-
Plage de tension 0 - 80 V
tisseur associé afin d’éviter les
Plage de courant 0 - 340 A
contraintes liées à la mise en
Plage de puissance 0 - 10 kW
œuvre d’une PàC réelle (coût, en-
Dimensions 483 mm x 133 mm x 714 mm
tretien, dégradation, consomma- Poids 20 kg
tion d’hydrogène, conditions de
fonctionnement strictes, etc.). L’alimentation programmable est une EA-PSI 9080-340 (cf.
Figure D.4 de l’annexe D.1). Les caractéristiques de l’alimentation programmable sont dispo-
nibles dans le tableau 3.3. Le modèle utilisé pour émuler la PàC est le même que celui utilisé
durant la simulation (cf. chapitre 2 section 2.5.3).

Université de La Réunion LE2P - ENERGY lab - EA 4079 73

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

Carte
d’acquisition
des mesures
et génération
des PWM
Alimentation
MicroLabBox Charge

Bus DC Sortie PV
Convertisseur
Capteurs

Batteries
SC

Charge de
protection PC Hôte

Figure 3.6 – Description du banc de test RCP/PHIL

— d’une charge programmable

pour l’émulation de l’élec- Table 3.4 – Caractéristique de la charge programmable
trolyseur et de la charge : de
Paramètre Valeurs
même que pour la PàC, l’installa-
Plage de tension 0 - 80 V
tion d’un électrolyseur réel peut
Plage de courant 0 - 510 A
être très onéreuse. La puissance
Plage de puissance 0 - 10,5 kW
délivrée par l’électrolyseur est
Plage de résistance interne 0,003 - 4 Omega
donc émulée par une charge pro- Dimensions 483 mm x 133 mm x 714 mm
grammable, en l’occurrence une Poids 31 kg
charge EA-ELR 9080-510 (cf. Fi-
gure D.5 de l’annexe D.1). Ses caractéristiques sont disponibles dans le tableau 3.4. Le modèle
utilisé pour émuler l’électrolyseur est le même que celui utilisé durant la simulation (cf. cha-
pitre 2 section 2.4.3.
La charge du système sera ici émulée à partir de la même charge programmable utilisée pour
l’électrolyseur. Le courant consommé par la charge programmable sera donc la somme du
courant délivré par le modèle du système électrolyseur (courant en entrée du convertisseur
abaisseur de l’électrolyseur) et du courant de la charge (cf. Figure 3.7).

Université de La Réunion LE2P - ENERGY lab - EA 4079 74

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

Système
Condenstateurs Alimentation programmable
du émulé
Élévateur Bus DC Élévateur

A DC DC Modèle
Panneaux
V Pile à
photovoltaı̈que
DC DC Combustible

V
Élévateur
Charge programmable H2
Abaisseur
A DC
Batteries V DC
Modèle
DC
Electrolyseur
DC

Power-Hardware-In-the-Loop
Charge

Figure 3.7 – Synoptique du banc de test PHIL

— de deux convertisseurs élévateurs DC/DC bidirectionnels en courant et d’un conver-

tisseur élévateur DC/DC unidirectionnel en courant : Deux types de convertisseurs sont
utilisés, un convertisseur élévateur de tension pour la connexion des modules PV (cf. Annexe D.1
Figure D.7) et un convertisseur élévateur bidirectionnel pour la charge et décharge des batteries
(cf. Annexe D.1 Figure D.6). Ils sont tous deux pilotés par l’algorithme MPPT et la commande
eMPC développée dans le chapitre 3 en section 3.2.
— de condensateurs pour le bus DC : Le bus DC est ici représenté par 6 condensateurs en
parallèle (cf. Figure D.8). La capacité totale de celui-ci est de 19,8 mF supportant une tension
maximale de 100 V.
— de supercondensateurs (SC)
— de capteurs de mesure de courant et de tension
— d’une plateforme de développement temps réel (MicroLabBox dSpace)
— d’une carte d’acquisition des mesures et de génération des PWM
— d’un ordinateur hôte

Le synoptique en figure 3.7 résume la connexion électrique des éléments de puissances connectés sur le
banc. Dans le cas de cette étude, les SC et le convertisseur associé ne seront pas utilisés et le PC hôte est
utilisé en temps que système de programmation et d’Interface Homme Machine (IHM).

Université de La Réunion LE2P - ENERGY lab - EA 4079 75

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

72
71.5 6
71 5
70.5
4
70
69.5 3
69 2
68.5 1
68 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100

30 0
28
26 -1
24
22 -2
20
18 -3
16 -4
14
12 -5
10
8 -6
6
4 -7
2
0 -8
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100

15
13 100
11
9 80
7
5
3 60
1
-1
-3 40
-5
-7
-9 20
-11
-13 0
-15 0 10 20 30 40 50 60 70 80 90 100
0 10 20 30 40 50 60 70 80 90 100

Figure 3.8 – Test de la stabilité de vb : (a) tension du bus DC, (b) courant de charge et courant PV, (c)
courant de la PàC, (d) courant de l’électrolyseur, (e) courant batteries et (f) SoC batteries

3.4.3.2 Interaction entre le système, la MicroLabBox et le PC hôte

La commande et les systèmes émulés (PàC et électrolyseur) sont programmés à partir des logiciels
Matlab/Simulink et la toolbox dédiée à dSPACE sur le PC hôte. Le programme est ensuite compilé et
téléchargé sur la MicroLabBox via une connexion Ethernet. La MicroLabBox est ensuite connectée à une
carte d’acquisition permettant de générer les PWM, la récupération des mesures effectuées par les capteurs
et le contrôle de la charge de l’alimentation programmable. Les mesures effectuées sont ensuite récupérées
sur le PC hôte via la MicroLabBox. L’annexe D.2 illustre les liaisons de communication entre les éléments
du banc de test. Les capteurs et PWM utilisés sont :

— des capteurs de tensions pour le bus DC et les différents éléments du banc

— des capteurs de courant pour les PV et les batteries.
— deux signaux PWM pour le pilotage des convertisseurs batteries et PV

Université de La Réunion LE2P - ENERGY lab - EA 4079 76

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

160
6
140
5
120 4
100 3
2
80
1
60 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100

30 0
28
26 -1
24
22 -2
20
18 -3
16 -4
14
12 -5
10
8 -6
6
4 -7
2
0 -8
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100

15
13 100
11
9 80
7
5
3 60
1
-1
-3 40
-5
-7
-9 20
-11
-13 0
-15 0 10 20 30 40 50 60 70 80 90 100
0 10 20 30 40 50 60 70 80 90 100

Figure 3.9 – Test du courant de charge des batteries : (a) tension du bus DC, (b) courant de charge et
courant PV, (c) courant de la PàC, (d) courant de l’électrolyseur, (e) courant batteries et (f) SoC batteries

3.4.3.3 Interface Homme Machine

Une IHM (cf. annexe D.3) est développée sur ControlDesk afin de permettre à l’utilisateur de
superviser les résultats de tests et de modifier facilement certains paramètres de test sans télécharger une
nouvelle fois la commande sur la MicroLabBox. À partir de cette IHM et du logiciel ControleDesk, il est
possible d’exporter les différentes données disponibles sur l’IHM en format .mat lisible par Matlab afin
de les retraiter ultérieurement.

3.4.4 Paramétrage des poids des eMPC

3.4.4.1 eMPC batteries

Dans la fonction coût de la eMPC des batteries (eq. 3.4), plus Qrbat est grand, plus le suivi de
consigne est assuré, mais cela impacte la stabilité du courant ibat . Sur les figures 3.8 (a) et (e), l’effet d’un
Qrbat trop élevé sur le système peut être observé. Au contraire, plus Qrbat est petit, plus le courant ibat est
stable, mais l’erreur entre la consigne et la valeur mesurée de la tension du bus DC est grande. Le choix

Université de La Réunion LE2P - ENERGY lab - EA 4079 77

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.10 – Simulation, SoC∗ (t) = SoCinit sans PV : (a) tension du bus DC et SoC batteries, (b)
courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries

de la valeur du poids Qrbat est donc un compromis entre la précision du suivi de consigne et la stabilité
du courant ibat . Les poids utilisés lors des prochains tests sont disponibles en annexe D.4 et D.5.

3.4.4.2 eMPC H2

Dans la fonction coût de la eMPC du système (eq. 3.8a), le réglage de QrH2 et QyH2 permet de
limiter le courant de charge et de décharge des batteries. En effet, si la recharge des batteries devient
trop importante face à l’alimentation de la charge (1er terme de la fonction coût très grand face au 2ème
et au 3ème terme, donc QrH2 très grand face a QyH2 et à 1), alors le courant batterie risque d’atteindre
son maximum et les batteries ne peuvent dans ce cas plus absorber les fortes variations de la charge. Sur
la figure 3.9 (a) et (e) entre 50 et 60 sec et entre 80 et 90 sec, on peut observer l’effet d’un courant de
charge des batteries trop élevé lors des fortes variations de la charge. En effet, une forte augmentation de
la tension du bus DC peut être observée durant le temps de diminution du courant PàC. Les poids utilisés
lors des prochains tests sont disponibles en annexe D.4 et D.5.

3.4.5 Test du SGE sans le système PV

3.4.5.1 Test du SGE avec un SoC de référence égal au SoC initial des batteries

La figure 3.10 montre les résultats de la simulation pour une référence de tension du bus DC de
70 V et un SoC de référence SoC∗ = 50% = SoCinit .

Université de La Réunion LE2P - ENERGY lab - EA 4079 78

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.11 – Expérimentation, SoC∗ (t) = SoCinit sans PV : (a) tension du bus DC et SoC batteries,
(b) courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries

— Observation
— Le suivi de consigne vb est correct avec une erreur moyenne de 0,0077%
— Les batteries fournissent le courant de charge durant le temps de montée (figures 3.10 (c) et (d)
à t = 10, 20 et 40 sec) et de descente (figures 3.10 (c) et (d) à t = 50 et 80 sec) du courant PàC
— Le courant batterie converge toujours vers une valeur nulle pour maintenir le SoC à sa référence
(figures 3.10 (d))
— La limitation de la pente de courant sur la PàC est conforme à la valeur spécifiée (1 A/s) (figure
3.10 (c))
— Le courant électrolyseur reste à une valeur nulle (figure 3.10 (c))

— Analyse
Sur les courbes de la figure 3.10, nous pouvons observer que l’objectif des eMPC est atteint. En
effet, la tension du bus DC reste dans un intervalle de −0, 4% à +0, 96% de la référence, ce qui est
dans les normes réseau (±10% pour les réseaux AC selon la CRE) et dans le cas d’une connexion réseau
permet de stabiliser le rendement de l’onduleur qui est lié à la tension d’entrée de celui-ci. Les limites de
variation du courant PàC sont aussi parfaitement respectées (figure 3.10 (c)), ce qui permet de limiter les
dégradations sur celui-ci. Les batteries fournissent ou absorbent l’énergie nécessaire lors de la montée ou
de la descente du courant PàC, celui-ci converge alors vers 0 lorsque le courant PàC augmente/diminue
pour reprendre l’alimentation de la charge (cf. figures 3.10 (b), (c) et (d) à 10, 20, 40, 50, et 80 sec). Le
courant électrolyseur est quant à lui nul (figure 3.10 (c)) car le système PV n’est pas connecté. De plus,

Université de La Réunion LE2P - ENERGY lab - EA 4079 79

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5 0.1
70.75
70
69.25 0.05
68.5
0 10 20 30 40 50 60 70 80 90 100
0
50.02
50 -0.05
49.98
49.96
0 10 20 30 40 50 60 70 80 90 100 -0.1
0 10 20 30 40 50 60 70 80 90 100

Figure 3.12 – Simulation, SoC∗ (t) = SoCinit sans PV : (a) tension du bus DC et SoC batteries et (b)
zoom sur le courant des batteries

la batterie est considérée comme chargée (SoC∗ = SoCinit ) et sa décharge dans l’électrolyseur n’est pas
autorisée par la eMPC. Du fait de la durée de la simulation et du courant appelé sur les batteries, le SoC
des batteries n’a pas le temps de varier. Comme le SoC de référence est égal au SoC initial, la décharge
de celle-ci n’est pas suffisante pour que la eMPC impose une recharge après un courant de décharge. Les
augmentations de la tension à 50 et 80 sec et les diminutions à 10, 20 et 40 sec (cf. figure 3.10 (a)) sont
dû aux diminutions et aux augmentations du courant de charge (cf. figure 3.10 (b)). En effet, lorsque
le courant de charge augmente, la tension du bus DC diminue avant que la eMPC des batteries détecte
un changement et ramène la tension du bus DC à sa référence. L’écart engendré entre la référence et la
mesure de tension du bus DC dépend des paramètres de la eMPC (pas de temps et poids de la fonction
coût) et de la valeur du condensateur du bus DC. Le pics de dépassement observés à 80 sec sur la tension
du bus DC et le courant des batteries sont dus au ∆i important sur le courant de charge et au pas de
temps choisi pour les eMPC des batteries et du système H2 (contrainte temps réel) [43]. La commande
détecte alors un écart important entre la tension du bus DC, mais le courant PàC n’a pas le temps de
commencer à diminuer. La eMPC des batteries réagit alors rapidement pour stabiliser la tension du bus
DC.

Les tests effectués en simulation sont reproduits sur le banc expérimental (cf. figures 3.11) afin
de confirmer la reproductibilité des phénomènes observés en simulation (pics sur la tension du bus DC,
respect des rampes de courant sur la PàC et variation du courant des batteries). Une oscillation est
aussi observée sur la tension du bus DC (figure 3.11 (a)), qui n’est pas présente sur les résultats de la
simulation, et le pic observé sur la tension à t=80 sec est très atténué sur les résultats expérimentaux entre
t=80 sec et t=90 sec (figure 3.11 (a). Ces deux différences peuvent être due aux différentes hypothèses
prises en compte pour le modèle de niveau 2 utilisé dans la simulation (cf. chapitre 2 section 2.7.3). En
effet, les effets du switch des convertisseurs ne sont pas modélisés, ce qui explique l’absence d’oscillation
sur la tension du bus DC.

Université de La Réunion LE2P - ENERGY lab - EA 4079 80

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.13 – Simulation, SoC∗ (t) = 20% sans PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant batteries

Les figures 3.12 (a) et (b) représentent un zoom sur le SoC et le courant des batteries (cf. figures
3.10 (a) et (d) respectivement). Lors des appels en courant de la charge à 10, 20 et 40 secondes et des
diminutions du courant de charge à 50 et 60 sec, une déviation de l’ordre de 0.02% est observée sur le SoC
des batteries. L’écart induit entre le SoC de référence et le SoC mesuré affecte le courant des batteries
qui augmente ou diminue en fonction de celui-ci. Cependant, cet écart étant très faible, le courant des
batteries reste proche de 0 et des instabilités sont observées sur celui-ci. Ces instabilités sont dues à un
courant des batteries trop faible et au choix des poids de la eMPC du système H2.

3.4.5.2 Test du SGE avec un SoC de référence inférieur au SoC des batteries

La figure 3.13 montre les résultats de la simulation pour une référence de tension du bus DC de
70 V et un SoC de référence SoC∗ = 20% < SoCinit .
— Observation
— Le suivi de consigne vb est correct avec une erreur moyenne de -0,28%
— Les batteries fournissent le courant de charge durant le temps de montée et descente du courant
PàC et électrolyseur (figures 3.13 (c) et (d) à t=0, 10, 20, 40, 50 et 80 sec)
— La limitation de la pente de courant sur la PàC et l’électrolyseur est respectée (figure 3.13 (c))
— L’électrolyseur absorbe le courant de décharge des batteries lorsque la charge ne consomme pas
ou peu d’énergie (figure 3.13 (c) et (d) entre t=0 sec et t=10 sec et entre t=80 sec et t=100 sec
— le courant batterie augmente jusqu’à un courant de décharge fixé par la eMPC du système H2
(figure 3.13 (d))

Université de La Réunion LE2P - ENERGY lab - EA 4079 81

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.14 – Expérimentation, SoC∗ (t) = 20% sans PV : (a) tension du bus DC et SoC batteries, (b)
courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries

— Analyse
Sur les courbes de la figure 3.13, nous pouvons observer que la tension du bus DC reste dans un
intervalle de −0, 7% à +0, 68% de la référence, ce qui reste dans les conditions citées précédemment. Le
SoC de référence SoC∗ étant inférieur au SoC initial, le courant batterie augmente jusqu’à un courant de
décharge dépendant des paramètres de la eMPC du système H2 (ici le courant de décharge est environ
égal à 2,7 A pour les paramètres utilisés, cf. figure 3.13 (d)). Ce courant permet alors de décharger les
batteries en alimentant la charge ou l’électrolyseur. L’objectif étant de conserver les batteries à un niveau
de charge optimale (entre 20% et 80%) dans le cas d’une utilisation avec planification de marche/arrêt
des éléments PàC et électrolyseur.

Un écart constant est observé sur la tension du bus DC (figure 3.13 (a)), cet écart de tension est dû
au choix des termes dans la fonction coût. Le choix de minimiser le courant batterie en vue de le stabiliser
a une influence sur la tension du bus DC. Lorsque ce courant est différent de 0 (pour la charge ou la
décharge), la valeur de la fonction coût n’atteint pas 0 et la minimisation de l’écart entre la référence et la
mesure de tension du bus DC n’est pas optimale. De plus, les mêmes phénomènes que précédemment sont
observés sur les pics de tensions. Entre 0 et 10 sec et 80 et 100 sec, le démarrage de l’électrolyseur est dû à
la décharge des batteries (cf. figure 3.13 (d)). En effet, la eMPC du système H2 impose une décharge des
batteries (écart entre le SoC de référence et le SoC mesuré), mais la charge ne consomme pas d’énergie.
La décharge des batteries se fait donc au travers de l’électrolyseur.

Université de La Réunion LE2P - ENERGY lab - EA 4079 82

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.15 – Simulation, SoC∗ (t) = 80% sans PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant batteries

Les tests expérimentaux confirment les résultats obtenus en simulation (cf. figures 3.14). Les phé-
nomènes supplémentaires observés lors du test avec un SoC de référence égal au SoC des batteries sont
aussi observés ici (oscillation sur la tension du bus DC et du courant batterie).

3.4.5.3 Test du SGE avec un SoC de référence supérieur au SoC des batteries

La figure 3.15 montre les résultats de la simulation pour une référence de tension du bus DC de
70 V et un SoC de référence SoC∗ = 80% > SoCinit .

— Observation
— Le suivi de consigne vb est correct avec une erreur moyenne de 0,29%
— Les batteries fournissent le courant de charge durant le temps de montée et descente du courant
PàC (figures 3.15 (c) et (d) à t=0, 10, 20, 40, 50 et 80 sec)
— La limitation de la pente de courant sur la PàC et l’électrolyseur est respectée (figure 3.15 (c))
— La PàC fournit le courant de charge batterie (figure 3.15 (c) et (d))
— Le courant batterie diminue jusqu’à un courant de décharge fixé par la eMPC du système H2
(figure 3.15 (c))

Université de La Réunion LE2P - ENERGY lab - EA 4079 83

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.16 – Expérimentation, SoC∗ (t) = 80% sans PV : (a) tension du bus DC et SoC batteries, (b)
courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries

— Analyse
Sur les courbes de la figure 3.15, nous pouvons observer que la tension du bus DC reste dans un
intervalle de −0.11% à +1, 24% de la référence, ce qui reste dans les conditions citées précédemment. Le
SoC de référence SoC∗ étant supérieur au SoC initial, le courant batterie diminue jusqu’à un courant de
charge de l’ordre de 2,7 A (figure 3.15 (d)). Ce courant est fourni par la PàC afin de ramener les batteries
au niveau de charge de référence. L’intérêt est le même que pour la décharge batterie.
Comme pour le cas précédent, les pics et l’écart constant sur la tension du bus DC sont observés. L’écart
constant est cette fois-ci positif, en raison du signe du courant des batteries. Le niveau de courant de la
PàC est plus élevé que lors de la simulation avec un SoC de référence égal au SoC mesuré, car c’est la
PàC qui recharge ici les batteries (SoC de référence supérieur au SoC mesuré).

Les tests expérimentaux confirment les résultats obtenus en simulation (cf. figures 3.16). Les phé-
nomènes supplémentaires observés lors du test avec un SoC de référence égal au SoC des batteries sont
aussi observés ici (oscillation sur la tension du bus DC et du courant batterie).

Université de La Réunion LE2P - ENERGY lab - EA 4079 84

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

900 400
350
300
250
800 200
150
100
50
700 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100

Figure 3.17 – (a) Irradiance, (b) Puissance produite par le système photovoltaïque

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.18 – Simulation, SoC∗ (t) = SoCinit avec PV : (a) tension du bus DC et SoC batteries, (b)
courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries

3.4.6 Test du SGE avec le système PV

Les figures 3.17-3.18-3.20-3.22 montrent les résultats de la simulation avec le système PV pour
une référence de tension du bus DC de 70 V. Les tests réalisés sont les mêmes que pour le MR sans
PV (maintient de la charge batterie, charge et décharge batterie). Les figures 3.17 (a) et (b) montrent
la variation de l’irradiance G et de la puissance PV Ppv lors des simulations effectuées. Le profil de
l’irradiance est basé sur 100 sec d’une mesure échantillonnée à 1 sec de l’irradiance globale directe sur
le site du Moufia à l’université de La Réunion. L’inclinaison des PV n’est pas prise en compte lors des
simulations. Les variations de température étant très faibles sur 100 sec, elles sont considérées constantes
à 30˚C sur toute la durée de la simulation.

Université de La Réunion LE2P - ENERGY lab - EA 4079 85

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.19 – Expérimentation, SoC∗ (t) = SoCinit avec PV : (a) tension du bus DC et SoC batteries,
(b) courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.20 – Simulation, SoC∗ = 20% avec PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant batteries

Université de La Réunion LE2P - ENERGY lab - EA 4079 86

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.21 – Expérimentation, SoC∗ (t) = 20% avec PV : (a) tension du bus DC et SoC batteries, (b)
courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.22 – Simulation, SoC∗ (t) = 80% avec PV : (a) tension du bus DC et SoC batteries, (b) courant
de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant batteries

Université de La Réunion LE2P - ENERGY lab - EA 4079 87

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

— Observation

— Le suivi de consigne vb est correct avec une erreur moyenne de 0,019% lorsque les batteries
sont considérées comme chargées (SoC∗ = SoC), de -0,26% lorsque les batteries sont considérées
comme surchargées (SoC∗ = 20% < SoCinit ) et de 0,3% lorsque les batteries sont considérées
comme déchargées (SoC∗ = 80% > SoCinit )
— Le courant batterie est fonction du mode choisi (charge/décharge des batteries et maintien du
niveau de charge)
— La limitation de la pente de courant sur la PàC et l’électrolyseur est respectée
— La PàC alimente la charge et charge les batteries lorsque cela est nécessaire
— L’électrolyseur consomme l’excédent d’énergie PV et le courant de décharge des batteries
lorsque cela est nécessaire

— Analyse

Sur les courbes des figures 3.18-3.20-3.22, nous pouvons observer que la tension du bus DC reste
dans un intervalle de −0, 55% à +1, 6% de la référence, ce qui montre que la stratégie de commande est
capable de maintenir la tension du bus DC avec une précision acceptable en présence du système PV.
Le comportement du courant batteries reste identique à celui présenté précédemment (courant de charge
et de décharge à 2,7 A). Les PV permettent de produire de l’hydrogène lorsque l’énergie disponible est
suffisante (cf. figure 3.18 entre 0 et 40 sec et entre 50 et 100 sec), de recharger les batteries lorsque cela
est nécessaire (cf. figure 3.22) et d’alimenter la charge. Le temps de stabilisation du système PV/MPPT
est de l’ordre de 0,1sec pour les tests réalisés.

Les mêmes phénomènes observés précédemment sur la tension du bus DC sont présents avec l’in-
tégration du système PV. Le pic supplémentaire à 0 sec est dû à la connexion du système PV. Le niveau
de courant de la PàC est plus faible et celui de l’électrolyseur plus fort, car les eMPC des batteries et du
système H2 voient ici l’écart entre la production PV et la consommation de la charge.

Les résultats expérimentaux (cf. 3.19-3.21-3.23) ont permis de confirmer les résultats obtenus en
simulation. Les différences obtenus pour les tests sans le système sont retrouvées ici (oscillation sur la
tension du bus DC et du courant batterie). Il est cependant observé une augmentation de ces oscillations
lors de la charge et de la décharge des batteries. Ceci est dû à la variation du courant PV impactée par
les conditions météorologiques et aux différentes hypothèses faites durant la simulation du système PV.

Université de La Réunion LE2P - ENERGY lab - EA 4079 88

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

Figure 3.23 – Expérimentation, SoC∗ (t) = 80% avec PV : (a) tension du bus DC et SoC batteries, (b)
courant de charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur et (d) courant
batteries

3.4.7 Test de la résilience du Système de Gestion de l’Energie

Afin de tester la résilience du SGE, la commande a été soumise à plusieurs tests en simulation lors
desquels certains éléments du système ont était déconnectés.

Lors du fonctionnement du système, la PàC et l’électrolyseur peuvent être soumis à des pannes,
pouvant résulter d’une mauvaise utilisation du système ou d’un problème sur les auxiliaires de contrôle
(affectant la température de la PàC, l’humidité de la membrane, etc.). De plus, la production PV est liée
aux conditions météorologiques. Dans le cas d’un masque (nuage ou autre élément) cachant partiellement
ou totalement le champ PV ou dans le cas d’une panne sur un ou plusieurs panneaux, c’est toute la
production PV qui est perdu.

Tous les tests sont réalisés avec les mêmes conditions météo (irradiance à 600 w/m2 et une tempé-
rature ambiante de 30˚C). La charge est quant à elle fixée à 0 A de 0 à 30 sec et de 70 à 100 sec, et à
5 A entre 30 et 70 sec. Le SoC de référence est fixé à sa valeur initiale et la référence de la tension du bus
DC est à 70 V afin de rester dans les conditions opératoires utilisées précédemment.

Université de La Réunion LE2P - ENERGY lab - EA 4079 89

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

Figure 3.24 – Perte du système électrolyseur : (a) tension du bus DC et SoC batteries, (b) courant de
charge et courant PV, (c) courant de la PàC et courant de l’électrolyseur, (d) courant batteries et (e)
Disponibilité des éléments

3.4.7.1 Perte du système électrolyseur

— Observation
— Le suivi de consigne vb est maintenu malgré la perte de l’électrolyseur avec une erreur moyenne
de 0,11%
— Les batteries stabilisent le bus DC lors de la perte du système électrolyseur (figure 3.24 (a), (c),
(d) et (e) à t = 20 sec)
— La rampe de courant est respectée lors de la reconnexion du système électrolyseur (figure 3.24
(a), (c), (d) et (e) à t = 80 sec)

Université de La Réunion LE2P - ENERGY lab - EA 4079 90

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

— Analyse
Lors de ce test, la production PV est supérieure à la consommation entre 0 et 30 sec et entre 70 et
100 sec, et inférieure à la consommation entre 30 et 70 sec. Entre 0 et 20 sec, le système est en fonction-
nement normal. Lorsque la production PV est supérieure à la consommation, l’électrolyseur consomme
progressivement l’excédent de production et les batteries réagissent aux fortes variations de la charge
et de la production PV. À 20 sec, l’électrolyseur est subitement déconnecté du système et son courant
chute à une valeur nulle (figure 3.24 (c) et (e)). Les batteries reprennent alors l’excédent de production
PV (figure 3.24 (d)). À 30 sec, la consommation de la charge devient supérieure à la production PV,
la PàC reprend alors progressivement le déficit de production (figure 3.24 (c)). À 70 sec, la production
PV devient supérieure à la consommation de la charge, le courant PàC converge alors vers 0 (figure 3.24
(c)) et les batteries consomme l’excédent de production (figure 3.24 (d)). À 80 sec, l’électrolyseur est de
nouveau connecté au système et reprend alors progressivement l’excédent de production (figure 3.24 (c)).

De même que pour les précédents tests, les pics de tension du bus DC sont retrouvés lors des
variations de la charge et de la production. De plus, l’écart entre la référence et la mesure de tension du
DC est aussi retrouvé lorsque les batteries sont en charge.

3.4.7.2 Perte du système Pile à Combustible

— Observation
— Le suivi de consigne vb est maintenu malgré la perte de la PàC avec une erreur moyenne de
-0,1%
— Les batteries stabilisent le bus DC lors de la perte du système PàC (figure 3.25 (a), (c), (d) et
(e) à t = 40 sec)
— La rampe de courant est respectée lors de la reconnexion du système PàC (figure 3.25 (a), (c),
(d) et (e) à t = 60 sec)

— Analyse
Ce test est réalisé avec le même profil de charge et de production PV que lors du précédent test de
déconnexion de l’électrolyseur. Entre 0 et 30 sec, le système fonctionne dans son état normal. Les batteries
absorbent les fortes variations de la charge et de la production, et le système PàC assure progressivement
l’alimentation de la charge lorsque cela est nécessaire (figures 3.25 (b) et (c) à t = 30 sec). À 40 sec, la
PàC est soudainement déconnectée du système et le courant PàC chute à 0 (figure 3.25 (c) et (e)). À
ce moment, les batteries reprennent l’alimentation de la charge jusqu’à la reconnexion du système PàC

Université de La Réunion LE2P - ENERGY lab - EA 4079 91

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

Figure 3.25 – Perte du système PàC : (a) tension du bus DC et SoC batteries, (b) courant de charge et
courant PV, (c) courant de la PàC et courant de l’électrolyseur, (d) courant batteries et (e) Disponibilité
des éléments

(figure 3.25 (b) et (d)). À 60 sec, le système PàC est reconnecté et le SGE reprend son fonctionnement
normal, la PàC reprend progressivement la charge et les batteries assurent l’alimentation lors des fortes
variations de la charge.

De même que pour les précédents tests, les pics de tension du bus DC sont retrouvés lors des
variations de la charge et de la production. De plus, l’écart entre la référence et la mesure de tension du
bus DC est aussi retrouvé lorsque les batteries sont en charge.

Université de La Réunion LE2P - ENERGY lab - EA 4079 92

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

71.5
70.75 6
70
69.25 5
68.5
0 10 20 30 40 50 60 70 80 90 100 4
3
100
75 2
50
25 1
0
0 10 20 30 40 50 60 70 80 90 100 0
0 10 20 30 40 50 60 70 80 90 100

16 14
12
12 10
8 8
4 6
0 4
0 10 20 30 40 50 60 70 80 90 100 2
0
-2
0 -4
-2 -6
-4 -8
-6 -10
-8 -12
0 10 20 30 40 50 60 70 80 90 100 -14
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

1
0
0 10 20 30 40 50 60 70 80 90 100

Figure 3.26 – Perte du système PV : (a) tension du bus DC et SoC batteries, (b) courant de charge et
courant PV, (c) courant de la PàC et courant de l’électrolyseur, (d) courant batteries et (e) Disponibilité
des éléments

3.4.7.3 Perte du système photovoltaïque

— Observation
— Le suivi de consigne vb est maintenu malgré la perte du système photovoltaïque avec une erreur
moyenne de 0,08%
— Les batteries stabilisent le bus DC lors de la perte du système PV (figure 3.26 (a), (b), (d) et
(e) à t = 20 sec)
— Les batteries alimentent l’électrolyseur lorsque celui-ci n’est plus alimenté par les PV (figure
3.24 (d) et (c) à t = 20 sec) afin de lui permettre d’atteindre un courant nul en respectant la
rampe de courant imposée.
— L’alimentation de l’électrolyseur est reprise lors de la reconnexion des PV (figure 3.26 (a), (b),
(d) et (e) à t = 80 sec)

Université de La Réunion LE2P - ENERGY lab - EA 4079 93

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

— Analyse
Entre 0 et 20 sec, les batteries absorbent les fortes variations de la production PV et l’électrolyseur
consomme progressivement l’excédent de production (figure 3.26 (b), (c) et (d)). À 20 sec, les PV sont
déconnectés du système (figure 3.26 (b) et (e)), les batteries alimentent alors l’électrolyseur le temps que
son courant converge vers 0 (figure 3.26 (c) et (d)). Entre 20 et 80 sec, les batteries et la PàC assurent
l’alimentation de la charge (figure 3.26 (b), (c) et (d)). À 80 sec, le système PV est reconnecté et le
système reprend son fonctionnement normal. Les batteries absorbent les fortes variations de la production
PV et l’électrolyseur consomme progressivement l’excédent de production (figure 3.26 (b), (c), (d) et (e)).

De même que pour les précédents tests, les pics de tension du bus DC sont retrouvés lors des
variations de la charge et de la production.
Les différents tests de résilience du SGE ont permis de montrer la capacité de la couche réactive à
maintenir la stabilité du système lors de la déconnexion de certains éléments du système. Le SGE est donc
capable de maintenir le système stable tant que les batteries sont chargées et qu’elles sont connectées au
MR.

Université de La Réunion LE2P - ENERGY lab - EA 4079 94

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

3.5 Conclusion

Dans ce chapitre, le développement des différentes couches de pilotage du SGE ont été abordées et
les tests en simulation de celui-ci analysés.

Dans un premier temps, le développement de la eMPC des batteries a été détaillé. Cette eMPC a
pour objectif d’assurer le suivi de la référence de tension du bus DC. Elle est basée sur un modèle moyen
de la dynamique de tension du bus DC et prend en compte les différentes contraintes de fonctionnement
des batteries.

Dans un second temps, la eMPC de la PàC et de l’électrolyseur a été détaillée en considérant

les deux éléments comme un seul et même système appelé système H2. Ce système a pour principal
objectif de maintenir les batteries à un niveau de charge prédéfini. Pour cela, la eMPC est basée sur le
modèle moyen de la dynamique du SoC des batteries. Elle prend en compte les différentes contraintes de
fonctionnement des éléments (courant minimum et maximum ainsi que sa pente minimale et maximale).
Une machine d’état permet de définir quel élément entre la PàC et l’électrolyseur est en fonctionnement.
Le courant de la charge n’étant pas mesuré, un filtre de Kalman sous optimal a été synthétisé dans
un troisième temps afin d’estimer sa valeur. Ce filtre de Kalman est basé sur le modèle moyen de la
dynamique de tension du bus DC. La méthode de génération des eMPC avec les toolbox Yalmip et MPT3
est ensuite expliquée.

Dans un quatrième temps, l’algorithme utilisé pour le pilotage des PV est abordé, ainsi que le
développement des régulateurs de type IP utilisés pour le pilotage des courants de chaque élément.

La présentation des différentes méthodes de test d’une commande sur différents types de plate-
formes (Simulation, RCP et HIL) montre l’intérêt de chacune de ces étapes afin de valider la commande
dans sa globalité avant déploiement sur un système réel. La plateforme de tests est alors présentée dans
sa globalité avec les différents éléments du banc, la programmation du banc de test et la communication
entre l’IHM, la MicroLabBox (dSPACE) et les différents capteurs et actionneurs du banc de test.

Les résultats de la simulation et des tests expérimentaux présentés à la fin de ce chapitre montrent
le fonctionnement du SGE ainsi que la stabilité du système en présence de celui-ci pour différents cas de
figure. La première phase de tests montre l’efficacité du SGE pour différent SoC de référence (batteries
chargées, en charge et en décharge) avec et sans PV. La deuxième phase de tests montre la capacité
du système à rester stable lors de panne ou de déconnexion d’un des éléments. Les résultats obtenus
ont démontré l’efficacité de la commande développée dans ces travaux à maintenir le bus DC proche
de sa référence et à respecter les différentes contraintes de fonctionnement imposé par les éléments du

Université de La Réunion LE2P - ENERGY lab - EA 4079 95

CHAPITRE 3. COMMANDE DES COUCHES RÉACTIVE ET LOCALE Fabrice K/BIDI

système. La commande n’a cependant pas été validée sur une carte temps réel industrielle du type DSP
de Texas Instruments ou Microchip qui permettrait d’avoir une évaluation réaliste du temps de calcul et
des ressources matérielles nécessaires.

La commande instantanée développée dans ce chapitre à donc pour objectif la régulation de la

tension du bus DC et la régulation de l’état de charge des batteries. Le prochain chapitre porte sur
le développement de la couche supérieure, appelée couche anticipative, qui permet de définir un plan
d’engagement pour l’utilisation de la PàC et de l’électrolyseur en fonction de la charge et de la production
PV.

Université de La Réunion LE2P - ENERGY lab - EA 4079 96

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

Chapitre 4

Planification d’utilisation du système

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

4.2 Le plan d’engagement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

4.2.1 Intérêt de la planification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

4.2.2 Méthode de planification utilisée . . . . . . . . . . . . . . . . . . . . . . . . . 100

4.3 Développement de l’algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

4.3.1 Équations du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

4.3.2 Contraintes du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

4.3.3 Fonction objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

4.3.4 Détermination des puissances minimale et maximale de la Pile à Combustible

et de l’électrolyseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104

4.3.5 Détermination du débit de gaz en fonction de la puissance des appareils . . . 106

4.4 Interaction entre la couche anticipative et la couche réactive . . . . . . . . . . . . . . 107

4.5 Simulation des couches anticipative et réactive . . . . . . . . . . . . . . . . . . . . . . 109

4.5.1 Tests sans mise à jour de la planification . . . . . . . . . . . . . . . . . . . . . 111

4.5.2 Tests avec mise à jour de la planification . . . . . . . . . . . . . . . . . . . . . 118

4.5.3 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125

4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

Université de La Réunion LE2P - ENERGY lab - EA 4079 97

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

4.1 Introduction

Comme dit dans le chapitre 1 section 1.5.5, le SGE développé dans ces travaux comporte 3 couches
avec des fonctions spécifiques. Les résultats des tests des deux premières couches (locale et réactive) ont
été présentés dans le chapitres 3 de ce manuscrit. Ce chapitre porte sur le développement de la 3ème
couche appelée couche anticipative.

La couche anticipative a pour rôle de planifier l’utilisation des éléments dans le MR, en parti-
culier l’utilisation de la PàC et de l’électrolyseur afin de maximiser la part du vecteur hydrogène dans
l’alimentation de la charge. Certaines contraintes sont prises en compte dans le SGE afin de définir des
intervalles de temps correspondant aux plages de puissance de fonctionnement optimale pour la PàC
et pour l’électrolyseur. Afin que la PàC et l’électrolyseur fonctionnent principalement dans leur zone
de perte ohmique, ces plages de fonctionnement sont définies à partir de leur courbe de polarisation.
Ceci permet de limiter les fonctionnements à forte et faible puissance. De plus, des durées minimales de
fonctionnement et d’arrêt sont imposées afin de limiter les démarrages et arrêts successifs de ces éléments.

Cette couche est basée sur un problème d’optimisation qui prend en compte les différentes
contraintes du système pour définir des plages de fonctionnement pour la PàC et l’électrolyseur. Ces
plages de fonctionnement sont alors utilisées par la couche réactive afin de permettre ou non le fonc-
tionnement de la PàC et de l’électrolyseur. Cette optimisation, basée sur la prévision de la charge et la
production PV, est réalisée sur un horizon de prédiction prédéfini avec une période échantillonnage de
30min. Afin de mettre à jour le plan d’engagement en cas de changement dans le système, l’optimisation
est réalisée à tous les pas de temps Tsoptim .

Pour valider la méthode utilisée pour générer le plan d’engagement, une première étape consiste à
tester la couche anticipative avec des prévisions parfaites des conditions météorologiques et de la consom-
mation, ce qui permet de faciliter la résolution du problème d’optimisation. Deux cas d’étude ont été
réalisés. Le premier cas prend en compte les contraintes de temps de fonctionnement de la PàC et de
l’électrolyseur en priorisant l’utilisation du vecteur hydrogène. Le second cas, l’ajout d’une contrainte
sur l’état de charge des batteries permet d’assurer une réserve d’énergie dans le cas d’une erreur dans
l’optimisation du plan d’engagement.

Université de La Réunion LE2P - ENERGY lab - EA 4079 98

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

4.2 Le plan d’engagement

4.2.1 Intérêt de la planification

La définition d’un plan d’engagement par planification permet d’organiser l’utilisation de certains
éléments du système hybride en fonction des besoins et des conditions d’utilisation. La couche réactive
développée précédemment permet de prendre en compte certaines contraintes de fonctionnement de la
PàC et de l’électrolyseur, comme la limitation de la dynamique de la puissance fournie par la PàC et de la
puissance d’alimentation pour l’électrolyseur. De plus, la puissance maximale de chaque élément est prise
en compte. Cependant, la PàC et l’électrolyseur sont soumis à d’autres contraintes de fonctionnement,
comme le nombre de démarrages et arrêts qui augmente les risques de dégradation. Pour limiter les
risques de dégradation, il peut être nécessaire de fixer une durée minimale pendant laquelle ces éléments
sont maintenus en fonctionnement ou en arrêt.

Pour respecter les différentes contraintes de démarrage et d’arrêt de la PàC et de l’électrolyseur, un

plan d’engagement peut être défini en amont pour définir des plages de fonctionnement à l’instar de B.
Li et al. [60]. Cette plage de fonctionnement peut être définie à partir d’une connaissance du système, si
les profils de production et de consommation sont connus en avance (ce qui peut être le cas dans certains
systèmes de transport comme les trajets de train). Cependant, dans un système hybride alimentant un
MR avec production par EnR, l’intermittence des sources d’énergie renouvelable (rayonnement, vents,
etc.) ne permet pas de connaître le profil de production en avance. De plus, le profil de consommation
ne peut être totalement connu. En effet, la consommation dépend du type de bâtiments et du consom-
mateur. Il est alors nécessaire de pouvoir estimer avec des prévisions la production et la consommation.
La planification est alors basée sur ces prévisions et le plan d’engagement peut être mis à jour lorsqu’une
nouvelle prévision est effectuée. Afin de valider la définition du plan d’engagement, les prévisions peuvent
être considérées comme parfaites et sans incertitude.

Un autre intérêt est de pouvoir fixer une puissance minimale de fonctionnement pour la PàC et
l’électrolyseur. Le plan d’engagement s’assure alors, en fonction de l’état de charge des batteries, que la
PàC ou l’électrolyseur peut continuer à fonctionner à son point de fonctionnement minimal. La durée de
fonctionnement de la PàC et de l’électrolyseur étant contrainte à une valeur minimale, lorsqu’un de ces
éléments est démarré, il doit être maintenu en fonctionnement même lorsque la condition de puissance
minimale n’est plus respectée. Lorsque la PàC est en fonctionnement et que la puissance nécessaire pour
l’alimentation de la charge (différence entre la puissance consommée par la charge et la puissance fournis
par les PV) devient inférieure à sa puissance minimale de fonctionnement, les batteries doivent être en
capacité d’absorber l’excédent d’énergie produit. De même, lorsque l’électrolyseur est en fonctionnement
et que l’excédent de puissance produite par les PV est inférieur à sa puissance minimale, les batteries

Université de La Réunion LE2P - ENERGY lab - EA 4079 99

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

doivent être en capacité de fournir le déficit en puissance pour continuer son alimentation.
Les éléments pris en compte lors de la planification sont donc :
— L’état de charge des batteries
— L’état des stocks d’hydrogène et d’oxygène
— La puissance minimale et maximale de l’électrolyseur et de la PàC
— La durée minimale de fonctionnement et d’arrêt de la PàC et de l’électrolyseur

4.2.2 Méthode de planification utilisée

La définition du plan d’engagement peut être vue comme un problème d’optimisation sous
contraintes. On cherche ici à minimiser ou à maximiser un critère objectif. Dans cette étude, le problème
d’optimisation sous contraintes cherche à minimiser une fonction sur un horizon pré défini tout en
respectant les différentes contraintes imposées au système. Il prend la forme d’un problème MIQP, avec
contraintes linéaires et critère quadratique. Le bilan de puissance du système est utilisé afin d’écrire ce
problème d’optimisation et de minimiser l’utilisation des batteries dans le but de maximiser l’utilisation
du vecteur hydrogène dans le système.

Dans ce qui suit, la planification est basée sur l’équilibre production-consommation. Le problème
d’optimisation prend en compte le niveau de production et de consommation sur un horizon défini
afin d’assurer cet équilibre et de respecter les différentes contraintes du système. La production et la
consommation doivent donc être connues ou estimées avec des algorithmes de prévision sur tout l’horizon
d’optimisation. Afin d’améliorer les performances de la planification, les prévisions peuvent être réalisées
à des intervalles de temps prédéfini, et le plan d’engagement mise à jour lorsque de nouvelles prévisions
sont effectuées (cf. Fig. 4.1).

Dans un premier temps, l’approche proposée est validée avec des prévisions parfaites, sans erreur
et sans incertitude. L’intérêt est de valider le plan d’engagement défini. Dans un second temps, les
performances de l’approche doivent être évaluées en prenant en compte les erreurs de prévision. Dans un
troisième temps, l’objectif est d’intégrer de manière explicite au problème d’optimisation l’incertitude sur
les prévisions.

4.3 Développement de l’algorithme

4.3.1 Équations du système

L’objectif de ce problème d’optimisation est de définir des intervalles de temps pendant lesquels
la PàC et l’électrolyseur peuvent être en fonctionnement sans déstabiliser l’équilibre production-

Université de La Réunion LE2P - ENERGY lab - EA 4079 100

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

Valeur de consigne

Horizon de prévision
et d’optimisation

Pas de temps d’actualisation

Figure 4.1 – Méthode d’optimisation avec actualisation des prévisions

consommation. En effet, une puissance minimale de fonctionnement est imposée à la PàC et à l’électroly-
seur. Si la PàC est démarrée alors que la puissance nécessaire pour l’alimentation de la charge est inférieure
à la puissance minimale de fonctionnement de la PàC, alors l’excédent d’énergie est consommé par la bat-
terie. Or, un temps minimal de fonctionnement est imposé à la PàC. Si durant le temps de fonctionnement
de la PàC les batteries arrivent à un niveau de charge trop élevé, elles ne pourront plus consommer l’excé-
dent d’énergie et l’équilibre production et consommation ne sera plus assuré. La couche réactive agit alors
sur le système afin d’arrêter la PàC et de démarrer l’électrolyseur afin de décharger les batteries et rétablir
l’équilibre production et consommation. De plus, dans le cas d’un démarrage de l’électrolyseur alors que
la puissance produite par les PV n’est pas suffisante pour assurer son fonctionnement à sa puissance
minimale, les batteries fourniront le déficit en puissance. Si les batteries arrivent à un niveau de charge
trop faible lors de l’intervalle de temps de fonctionnement de l’électrolyseur alors elles ne pourront plus
assurer son alimentation et l’équilibre production et consommation ne sera plus assuré. La couche réactive
agit alors sur le système pour arrêter l’électrolyseur et démarrer la PàC afin de recharger les batteries
et de rétablir l’équilibre production et consommation. Le problème d’optimisation est alors écrit afin de
respecter l’équilibre production et consommation tout en maximisant l’utilisation du vecteur hydrogène
lorsque cela possible. Les différents paramètres du problème d’optimisation sont disponibles en annexe E.1

L’équation du bilan de puissance (eq. 2.22a) est discrétisée afin d’être utilisée dans le pro-
blème d’optimisation et on note Peq l’écart entre la production PV Ppv et la consommation Pch
(Peq,k = Pch,k − Ppv,k ).

Pbat,k + Pfc,k + Pel,k = Peq,k (4.1)

L’évolution de l’état de charge des batteries (eq. 2.22b) et l’évolution des stocks d’hydrogène et
d’oxygène (eq. 2.14a et 2.14b respectivement) sont discrétisées afin d’être utilisées dans le problème d’op-
timisation. L’évolution des stocks d’hydrogène et d’oxygène est normalisée entre 0 et 1 avec leur valeur

Université de La Réunion LE2P - ENERGY lab - EA 4079 101

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

maximale respective. La batterie étant considérée comme un élément qui fournit de l’énergie dans le bilan
de puissance (eq. 4.1), lorsque la puissance batterie est négative, la batterie est considérée en mode charge.
Dans le cas contraire, elle est considérée en mode décharge. L’équation de l’évolution de la charge des bat-
teries est alors paramétrée en convention récepteur. De même pour l’évolution des stocks de gaz, lorsque
l’électrolyseur est en fonctionnement, sa puissance est négative et il y a production de gaz. Lorsque la PàC
est en fonctionnement, sa puissance est positive et il y a consommation de gaz. L’équation de l’évolution
des stocks de gaz est alors en convention récepteur.

Pbat,k
SoCbat,k = SoCbat,k−1 − Ts (4.2a)
Cbat (W h) optim
nH2,k
StockH2,k = StockH2,k−1 − Ts (4.2b)
StockH2max optim
nO2,k
StockO2,k = StockO2,k−1 − Ts (4.2c)
StockO2max optim

Ces différentes équations permettent d’évaluer l’évolution de l’équilibre production/consommation

et de pouvoir l’utiliser comme contraintes dans le problème d’optimisation. De plus, l’état de charge des
batteries et l’évolution des stocks d’hydrogène et d’oxygène sont nécessaires afin de les borner. Tsoptim
étant le pas d’échantillonnage de l’optimisation.

4.3.2 Contraintes du système

Les premières contraintes prises en compte lors de l’optimisation du plan d’engagement sont les
niveaux de charge minimum et maximum des batteries (SoCbatmin et SoCbatmax dans les équations 4.3a)
et le volume maximal d’hydrogène et d’oxygène pouvant être stocké (StockH2min , StockH2max , StockO2min
et StockO2max dans les équations 4.3b et 4.3c) :

SoCbatmin ≤ SoCbat,k ≤ SoCbatmax (4.3a)

StockH2min ≤ StockH2,k ≤ StockH2max (4.3b)

StockO2min ≤ StockO2,k ≤ StockO2max (4.3c)

Les puissances de chaque élément du système doivent aussi être bornées. Deux variables booléennes
onoff sont introduites ici pour permettre de définir les intervalles de temps durant lesquels la PàC et l’élec-
trolyseur sont en fonctionnement ou à l’arrêt. Lorsque la PàC ou l’électrolyseur sont en fonctionnement,
une puissance minimale est imposée. Pour cela, les équations 4.4a et 4.4c contraignent la puissance de
la PàC et de l’électrolyseur a être bornés entre 0 et leur valeur maximale de fonctionnement (Pfcmax > 0
pour la PàC et Pelmin < 0 pour l’électrolyseur). Puis, les équations 4.4b et 4.4d imposent une puissance
minimale de fonctionnement lorsque l’un de ces appareils est démarré (Pfcmin pour la PàC et Pelmax

Université de La Réunion LE2P - ENERGY lab - EA 4079 102

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

pour l’électrolyseur). Afin de ne pas produire de l’hydrogène en même temps que la charge des batteries
(contrainte imposée par les eMPC développées précédemment), la puissance minimale des batteries dé-
pend du démarrage de l’électrolyseur (eq. 4.4e). De même, afin d’éviter l’alimentation de la charge par
les batteries lorsque la PàC est démarrée, la puissance maximale des batteries dépend du démarrage de
la PàC (eq. 4.4e).

0 ≤ Pfc,k ≤ Pfcmax (4.4a)

onoff k (1)Pfcmin ≤ Pfc,k ≤ onoff k (1)Pfcmax (4.4b)

Pelmin ≤ Pel,k ≤ 0 (4.4c)

onoff k (2)Pelmin ≤ Pel,k ≤ onoff k (2)Pelmax (4.4d)

(1 − onoff k (2))Pbatmin ≤ Pbat,k ≤ (1 − onoff k (1))Pbatmax (4.4e)

L’électrolyseur étant alimenté par le système PV et l’alimentation de la charge étant prioritaire, si

la production PV est suffisamment supérieure à la consommation de la charge pour alimenter l’électro-
lyseur, l’utilisation de la PàC n’est pas nécessaire. Dans le cas opposé, si la consommation de la charge
est suffisamment supérieure à la production PV pour rendre le démarrage de la PàC nécessaire, alors
l’électrolyseur ne doit pas démarrer (production d’hydrogène avec la PàC non autorisée). Une contrainte
a été ajoutée au problème d’optimisation afin d’empêcher le démarrage de la PàC et de l’électrolyseur
dans les mêmes intervalles de temps (eq. 4.5) :

onoff k (1) + onoff k (2) ≤ 1 (4.5)

Enfin, afin de prendre en compte le temps minimal de fonctionnement et d’arrêt de la PàC et

de l’électrolyseur, une fonction disponible sur le site de Yalmip (exemple : Unit commitment [103]) est
utilisée. L’historique du temps de démarrage et d’arrêt de ces éléments est enregistré dans un vecteur afin
de pouvoir le réutiliser dans cette fonction.

4.3.3 Fonction objectif

La fonction objectif est écrite de sorte à optimiser la puissance de chaque élément avec un ordre de
priorité. Par exemple, pour maximiser l’utilisation du vecteur hydrogène, l’ordre de priorité est défini en
paramétrant les poids de sorte à minimiser la puissance des batteries. Les puissances étant du même ordre
de grandeur, QPbat est supérieur à QPpac et à QPel (1er terme de la fonction objectif). En paramétrant
les poids Qsspac et Qssel , la valeur de chaque bit de démarrage, onoff(1) pour la PàC et onoff(2) pour
l’électrolyseur respectivement, est minimisée afin de ne pas les démarrer dès que le système le permet
(2eme terme de la fonction objectif). Enfin une référence du niveau de charge des batteries est fixée afin de

Université de La Réunion LE2P - ENERGY lab - EA 4079 103

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

1000

500

0
0 5 10 15 20 25 30 35 40 45 50

40

30

20

10

0
0 5 10 15 20 25 30 35 40 45 50

Figure 4.2 – Puissances minimale et maximale de la pile à combustible

définir un niveau de charge permettant un fonctionnement optimal du système dans le cas d’une erreur sur
la prévision de la charge et sur la prévision de la production PV (4eme terme de la fonction objectif). La
minimisation du SoC de référence dépend du poids Qsoc . Noptim est ici l’horizon sur lequel l’optimisation
et les prévisions des conditions météorologiques et de commande sont réalisées

 T  
Noptim Pbat Pbat
X   h i  h i
J (Pbat , Pfc , Pel ) =  Pfc  QPbat QPpac QPel  Pfc  + Qsspac Qssel onoff (4.6a)
   
   
k=0
Pel Pel

+ (SoC ref − SoC(1, k))T Qsoc (SoC ref − SoC(1, k))

4.3.4 Détermination des puissances minimale et maximale de la Pile à

Combustible et de l’électrolyseur

4.3.4.1 Procédure

Pour la PàC et de l’électrolyseur, la puissance minimale et la puissance maximale sont déterminées

à partir des points de leur courbe de polarisation, afin de fonctionner dans la zone de pertes ohmiques
(partie linéaire de la courbe de polarisation, cf. Fig. 2.11 et 2.9) [106, 4].

4.3.4.2 Puissances minimale et maximale de la pile à combustible

La courbe P=f(I) de la PàC est tracée pour déterminer les puissances minimale et maximale de
fonctionnement de la PàC. Le point maximal de la courbe est alors recherché, puis les puissances minimale
et maximale sont fixées à 20% et 80% de ce point (cf. Fig. 4.2).

Université de La Réunion LE2P - ENERGY lab - EA 4079 104

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

6000

4000

2000

0
0 20 40 60 80 100 120 140

40

35

30

25
0 20 40 60 80 100 120 140

Figure 4.3 – Puissance minimale et maximale de l’électrolyseur

10-5
1.8

1.6

1.4

1.2

0.8

0.6

0.4

0.2

0
0 1000 2000 3000 4000 5000 6000

Figure 4.4 – Approximation du débit d’hydrogène et d’oxygène de l’électrolyseur

4.3.4.3 Puissances minimale et maximale de l’électrolyseur

Pour l’électrolyseur, c’est la courbe de polarisation qui est analysée afin de retrouver la partie linéaire
en calculant la pente de la courbe à chaque point. La limite de la zone de pertes ohmiques est définie au
point où la pente augmente significativement. Les puissances minimale et maximale de fonctionnement
sont fixées à 20% et à 80% de la puissance calculée avec les coordonnées courant et tension en ce point
(cf. Fig. 4.3).

Université de La Réunion LE2P - ENERGY lab - EA 4079 105

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

10-6
3

2.5

1.5

0.5

0
0 100 200 300 400 500 600 700

Figure 4.5 – Approximation du débit d’hydrogène et d’oxygène de la pile à combustible

4.3.5 Détermination du débit de gaz en fonction de la puissance des appareils

Dans ce problème d’optimisation, les débits d’hydrogène et d’oxygène doivent être déterminés
tout au long de l’horizon Noptim en fonction de la puissance délivrée par la PàC ou consommé par
l’électrolyseur. La méthode la plus courante pour déterminer les débits d’hydrogène et d’oxygène est
l’utilisation de la loi de Faraday qui associe ces débits aux courants de la PàC et de l’électrolyseur (cf.
eq. 2.15a et 2.15b). Le problème d’optimisation prenant en compte la puissance, il est nécessaire de lier
ces débits aux puissances des appareils avec une équation linéaire, condition sine qua non de l’écriture
MIQP.

Pour cela, les débits d’hydrogène et d’oxygène, ainsi que la puissance associée, sont calculés pour
chaque point de fonctionnement jusqu’au point de puissance maximale définie précédemment. La méthode
d’optimisation utilisée lors de la définition du plan d’engagement impose que les équations du système
soient linéaire. Une équation d’ordre 1 (afin d’obtenir une équation linéaire pour l’utilisation dans le
problème d’optimisation) est donc déterminée à l’aide de la fonction polyfitZero de Matlab. La fonction
polyfitZero est préférée à la fonction polyfit afin d’avoir une fonction linéaire passant par l’origine. Ceci
impose donc d’avoir un résultat de production ou de consommation d’hydrogène nul lorsque la PàC ou
l’électrolyseur ne sont pas en fonctionnement (courant à 0 A) (cf. Fig. 4.4 et 4.5). Cette méthode permet
d’avoir une approximation des débits d’hydrogène et d’oxygène. L’erreur moyenne sur le débit d’hydrogène
est de -5,3% pour l’électrolyseur et de 7,84% pour la PàC. Pour l’oxygène, l’erreur moyenne est identique,
-5,3% pour l’électrolyseur et de 7,84% pour la PàC. Cette approximation est ensuite injectée dans les
équations 4.2b et 4.2c.

Université de La Réunion LE2P - ENERGY lab - EA 4079 106

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

1500
40

1000 35

30
500
25

0 20
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.6 – Semaine 1, globalement ensoleillé

40

1500
35

1000 30

500 25

0 20
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.7 – Semaine 2, début de semaine ensoleillé ainsi qu’une fin de semaine moins ensoleillée

Le débit total d’hydrogène et le débit total d’oxygène (cf. Eq. 4.7a et 4.7b) résultent de la somme
des débits en entrée de la PàC et en sortie de l’électrolyseur :

nH2,k = nH2el,k + nH2pac,k (4.7a) nO2,k = nO2el,k + nO2pac,k (4.7b)

4.4 Interaction entre la couche anticipative et la couche réactive

En somme, la couche anticipative définit les bits de démarrage pour la PàC et pour l’électrolyseur
qui doivent être pris en compte dans la couche réactive. Pour cela, les paramètres de la eMPC du système
H2 sont modifiés. Lorsque ces deux éléments ne sont pas en fonctionnement, le courant minimal et le
courant maximal pris en compte dans la eMPC du système H2 sont considérés comme étant nuls. Les
courants minimal et maximal de la PàC sont pris en compte dans le cas d’un démarrage de celle-ci. De
même, les courants minimal et maximal de l’électrolyser sont pris en compte dans le cas d’un démarrage

40

1500
35

1000 30

500 25

0 20
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.8 – Semaine 3, début de semaine avec peu d’ensoleillement et une fin de semaine ensoleillée

Université de La Réunion LE2P - ENERGY lab - EA 4079 107

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

Pˆpv
Prévision de la charge
et de la puissance PV Pˆl

Système de gestion de l’énergie

Optimisation du plan d’engagement
vb de la Pile à Combustible et de l’électrolyseur

onof fpac onof fel

Choix des paramètres de la eMPC du système H2

iH2min iH2max SoCref ∆iH2min ∆iH2max
Filtre de Kalman SoC ∗
sous optimal vb∗
eMPC des batteries eMPC du système hydrogène SoC
fv = ich pv − ibH2 ; ich pv = ich − ipv ibat
ch pv
i∗bat i∗f c i∗el

Système
PV à Pmax ibpv il

Cb vb

H2

ibf c
ibel

Système
Système
Pile à Combustible
d’électrolyse
ibbat

Système
Batteries

Figure 4.9 – Système simulé durant les tests de planification

de celui-ci. Lorsque l’arrêt de la PàC ou de l’électrolyseur est demandé, le courant minimal et le courant
maximal pris en compte dans la eMPC du système H2 sont de nouveau fixés à 0 et le courant de référence
est progressivement ramené à 0 par une rampe respectant les pentes de courant définies pour la PàC
et pour l’électrolyseur. Dans tous les cas, la pente de courant prise en compte dépend quant à elle de
l’élément en cours d’utilisation.

Université de La Réunion LE2P - ENERGY lab - EA 4079 108

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

4.5 Simulation des couches anticipative et réactive

Les différentes équations sont écrites sous l’environnement Matlab avec les toolbox Yalmip [62] et le
problème est résolu avec Gurobi Academic. Le contrôleur est ensuite généré par la fonction optimizer de
Yalmip et utilisé sous l’environnement Matlab/Simulink. Les paramètres de la simulation sont disponibles
en annexe E.1.

Pour les tests du cas d’étude suivants, la simulation est réalisée à partir de données enregistrées
sur le site du Moufia de l’université de La Réunion. Trois semaines différentes ont fait l’objet de tests,
avec des relevés de l’irradiance globale échantillonée à la seconde, de la température échantillonnée à la
seconde et de la consommation du restaurant universitaire échantillonnée toute les 10 mins. Le dimen-
sionnement de la surface PV est basé sur la surface disponible sur la toiture du restaurant universitaire
et le dimensionnement de la puissance de la PàC et de l’électrolyseur dépend de la puissance consommée
et de la puissance produite par les PV. Le dimensionnement des stocks d’énergie (batterie et H2) résulte
de tests effectués sur la couche anticipative seule. Les figures 4.6, 4.7 et 4.8 montrent l’irradiance et la
température pour les tests réalisés sur les semaines 1, 2 et 3 respectivement. La semaine 1 (S1) correspond
à une semaine globalement ensoleillée, la semaine 2 (S2) correspond à un début de semaine ensoleillé avec
une fin de semaine moins ensoleillée et la semaine 3 (S3) correspond à un début de semaine avec peu
d’ensoleillement et une fin de semaine ensoleillée. Tout d’abord, le système est testé sans mise à jour de la
planification. La planification est alors réalisée sur une journée correspondant à la première journée de la
semaine et cette planification est conservée toute la semaine. Les résultats suivants illustrent les tests avec
planification mise à jour toute les 30mins et en considérant des prévisions de la charge et de l’irradiance
parfaites sur un horizon d’optimisation de 6h. Ces deux tests ont été réalisés sans référence pour la charge
de la batterie, c’est à dire avec un SoC contraint entre 20% et 80% (le terme faisant apparaître le SoC
de référence dans la fonction objectif du programme d’optimisation n’est pas pris en compte) et avec
un SoC de référence de 50% afin d’assurer une quantité d’énergie restante dans le cas d’une erreur dans
l’optimisation. La figure 4.9 illustre le système simulé et le tableau 4.1 résume les différents cas d’étude.

Afin de permettre au système de continuer à fonctionner lorsque le SoC des batteries atteint
un niveau approchant les seuils haut et bas, une procédure de démarrage forcé de l’électrolyseur a été
intégrée à la couche réactive lorsque le niveau de charge des batteries atteints 75%. De même pour la
PàC, une procédure de démarrage forcé de celle-ci a été intégrée à la couche réactive lorsque le niveau de
charge des batteries atteints 25%.

Des indicateurs de performance, appelé KPI, sont déterminés afin de comparer les différentes simu-
lations réalisées. Les KPI sont :

Université de La Réunion LE2P - ENERGY lab - EA 4079 109

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
104
6
10
5
4 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
105
2 0

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
4

2 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

0
1

-2
0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.10 – Semaine 1, test sans mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et
des PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC

— Consommation / Production d’hydrogène (m3) (KPI1)

— Seuil bas du niveau de charge des batteries (%) (KPI2)
— Seuil haut du niveau de charge des batteries (%) (KPI3)
— Niveau de charge des batteries en fin de semaine (KPI4)
— Durée de fonctionnement de la PàC (minute) (KPI5)
— Nombre de démarrages/arrêts de la PàC (KPI6)
— Nombre de démarrages/arrêts forcés de la PàC (KPI7)
— Durée de fonctionnement de l’électrolyseur (minute) (KPI8)
— Nombre de démarrages/arrêts de l’électrolyseur (KPI9)
— Nombre de démarrages/arrêts forcés de l’électrolyseur (KPI10)

103 103
100 8 4

80 3.5
7
60
3
40 6
20 2.5

0 5 2
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.11 – Semaine 1, test sans mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock
d’hydrogène et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 110

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

4.5.1 Tests sans mise à jour de la planification

4.5.1.1 Test de la semaine 1, sans mise à jour de la planification et sans SoC de référence

Le plan d’engagement défini sur une journée ensoleillée montre (cf. Fig. 4.10) :

— que la PàC est utilisée lorsque que la puissance nécessaire pour alimenter la charge est supé-
rieure à sa puissance minimale de fonctionnement (durant la nuit, en début de journée et en fin
de journée),

— que l’électrolyseur est utilisé à sa puissance minimale lorsque la puissance produite par les PV
est suffisante (durant la journée).

Cependant, il est aussi observé que le niveau de charge des batteries fluctue entre 28 et 75% (cf.
figure 4.11 (a)), ce qui entraîne plusieurs démarrages forcés de l’électrolyseur (figure 4.10 (d) entre 72 et
84h, entre 132 et 144h et entre 156 et 168h). Avec un tel plan d’engagement, la consommation d’hydrogène
est de 2966,5 m3 (cf. figure 4.11 (b)) sur toute la semaine pour une utilisation de la PàC sur 6576min avec
41 démarrages, et une utilisation de l’électrolyseur sur 2398min avec 57 démarrages, dont 51 démarrages
forcés qui ont parfois provoqué un arrêt de la PàC (cf. tableau 4.2 pour le résumé des différents KPI
de chaque cas d’étude). Ce plan d’engagement n’est pas optimal pour cette semaine car il entraîne de
multiples démarrage forcés de la PàC et de l’électrolyseur, et ne permet pas de respecter la durée minimale
de fonctionnement de ces éléments.

4.5.1.2 Test de la semaine 2, sans mise à jour de la planification et sans SoC de référence

De même que pour le test précédent, le plan d’engagement défini sur une journée ensoleillée montre
(cf. Fig. 4.12) :

— que la PàC est utilisée lorsque que la puissance nécessaire pour alimenter la charge est supé-
rieure à sa puissance minimale de fonctionnement (durant la nuit, en début de journée et en fin
de journée),

— que l’électrolyseur est utilisé à sa puissance minimale lorsque la puissance produite par les PV
est suffisante (durant la journée).

Il est cependant observé que le niveau de charge des batteries fluctue entre 25 et 61% (cf. figure 4.13
(a)), ce qui entraîne plusieurs démarrages forcés de la PàC (figure 4.12), avec de multiples démarrages
forcés autour de 108h. Avec un tel plan d’engagement, la consommation d’hydrogène est de 734,65 m3 (cf.

Université de La Réunion LE2P - ENERGY lab - EA 4079 111

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
10 105
2
8 1

6 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
4 105
0
2

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
5

0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
0
1

-5 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.12 – Semaine 2, test sans mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et
des PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC

figure 4.13 (b)) sur toute la semaine pour une utilisation de la PàC sur 6617min avec 175 démarrages, et 171
démarrages forcés qui ont parfois provoqué un arrêt de l’électrolyseur, et une utilisation de l’électrolyseur
sur 3258min avec 173 démarrages, dont 0 démarrage forcé (cf. tableau 4.2 pour le résumé des différents
KPI de chaque cas d’étude). De même que pour le test précédent, ce plan d’engagement n’est pas optimal
pour cette semaine car il entraîne de multiples démarrages forcés de la PàC et de l’électrolyseur, et ne
permet pas de respecter la durée minimale de fonctionnement de ces éléments.

4.5.1.3 Test de la semaine 3, sans mise à jour de la planification et sans SoC de référence

Dans cette configuration, le plan d’engagement défini sur une journée avec peu d’ensoleillement
montre (cf. Fig. 4.14) :

103 103
100 9 4.4

80 4.2
8.5
60 4
8
40 3.8

20 7.5
3.6

0 7 3.4
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.13 – Semaine 2, test sans mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock
d’hydrogène et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 112

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
10 105
2
8 1

6 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
4 105
0
2

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
5

0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
0
1

-5 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.14 – Semaine 3, test sans mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et
des PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC

— que la PàC est utilisée lorsque que la puissance nécessaire pour alimenter la charge est supé-
rieure à sa puissance minimale de fonctionnement (durant la nuit, en début de journée et en fin
de journée),

— que l’électrolyseur n’est pas utilisé, car la puissance produite par les PV n’est pas suffisante
(durant la journée).

Ici le niveau de charge des batteries fluctue entre 39 et 76% (cf. figure 4.15 (a)), ce qui entraîne
plusieurs démarrages forcés de l’électrolyseur (figure 4.14), avec de multiples démarrages forcés durant la

103 103
100 8 4

80 3.5
7
60
3
40 6
20 2.5

5
0 2
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.15 – Semaine 3, test sans mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock
d’hydrogène et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 113

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
105
6 2

1
4 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
105
2 0

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
6

4
0
2 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

0
1
-2

-4 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.16 – Semaine 1, test sans mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt de
l’électrolyseur et de la PàC

journée à partir du deuxième jour. Avec un tel plan d’engagement, la consommation d’hydrogène est de
2743 m3 (cf. figure 4.15 (b)) sur toute la semaine, pour une utilisation de la PàC sur 6928min avec 179
démarrages, et 0 démarrage forcé, et une utilisation de l’électrolyseur sur 2568min avec 360 démarrages
dont 359 démarrages forcés, qui ont parfois provoqué un arrêt de la PàC (cf. tableau 4.2 pour le résumé
des différents KPI de chaque cas d’étude). Ce plan d’engagement n’est toujours pas optimal pour cette
semaine car il entraîne de multiples démarrages forcés de la PàC et de l’électrolyseur, et ne permet pas
de respecter la durée minimale de fonctionnement de ces éléments.

Suite aux différents tests effectués sur les différentes semaines sans mise à jour du plan d’enga-
gement et avec un SoC libre, il peut être conclu que cette stratégie n’est pas optimale car elle entraîne
des démarrages et des arrêts forcés de la PàC et de l’électrolyseur, ne permettant pas de respecter les
contraintes de durée de fonctionnement. Cette stratégie doit donc être améliorée.

4.5.1.4 Test de la semaine 1, sans mise à jour de la planification et un SoC de référence

de 50%

Avec un SoC de référence de 50%, le plan d’engagement défini sur une journée ensoleillée montre
(cf. Fig. 4.17) :

Université de La Réunion LE2P - ENERGY lab - EA 4079 114

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

— que la PàC est utilisée lorsque que la puissance nécessaire pour alimenter la charge est supé-
rieure à sa puissance minimale de fonctionnement (durant la nuit, en début de journée et en fin
de journée),

— que l’électrolyseur est utilisé à sa puissance minimale lorsque la puissance produite par les PV
est suffisante (durant la journée).

Il est observé ici que le niveau de charge des batteries fluctue entre 26 et 75% (cf. figure 4.17 (a)).
Ce plan d’engagement entraîne un démarrage forcé de l’électrolyseur (figure 4.17 entre 156 et 168h). Avec
un tel plan d’engagement, la consommation d’hydrogène est de 2972 m3 (cf. figure 4.17 (b)) sur toute
la semaine pour une utilisation de la PàC sur 6604min, avec 9 démarrages et 0 démarrage forcé, et une
utilisation de l’électrolyseur sur 2396min, avec 8 démarrages dont 1 démarrage forcé qui provoque un arrêt
de la PàC (cf. tableau 4.2 pour le résumé des différents KPI de chaque cas d’étude). Ce plan d’engagement
n’est toujours pas optimal pour cette semaine car il entraîne un démarrage forcé de l’électrolyseur. Le
plan d’engagement est donc amélioré mais pas encore totalement optimal.

4.5.1.5 Test de la semaine 2, sans mise à jour de la planification et un SoC de référence a

50%

Encore une fois, le plan d’engagement défini sur une journée ensoleillée montre (cf. Fig. 4.19) :

— que la PàC est utilisée lorsque que la puissance nécessaire pour alimenter la charge est supé-
rieure à sa puissance minimale de fonctionnement (durant la nuit, en début de journée et en fin
de journée),

— que l’électrolyseur est utilisé à sa puissance minimale lorsque la puissance produite par les PV
est suffisante (durant la journée).

103 103
100 8 4

80 3.5
7
60
3
40
6
20 2.5

0 5 2
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.17 – Semaine 1, test sans mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 115

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
10 105
2
8 1

6 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
4 105
0
2

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
5

0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

0
1

-5 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.18 – Semaine 2, test sans mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt de
l’électrolyseur et de la PàC

Par ailleurs, le niveau de charge des batteries fluctue entre 25 et 72% (cf. figure 4.19 (a)). Ce plan
d’engagement entraîne plusieurs démarrages forcés de la PàC, afin de ramener le niveau de charge des
batteries à 50% (figure 4.19) lors des journées où l’irradiance est faible et que les batteries doivent alimenter
l’électrolyseur pour le maintenir en fonctionnement. Avec un tel plan d’engagement, la consommation
d’hydrogène est de 1131,4 m3 (cf. figure 4.19 (b)) sur toute la semaine, pour une utilisation de la PàC
sur 6129min, avec 14 démarrages et 7 démarrages forcés qui entraînent un arrêt de l’électrolyseur, et une
utilisation de l’électrolyseur sur 3530min, avec 12 démarrages dont 0 démarrage forcé (cf. tableau 4.2 pour
le résumé des différents KPI de chaque cas d’étude). Ce plan d’engagement n’est toujours pas optimal
pour cette semaine car il entraîne toujours des démarrages forcés de la PàC.

103 103
100 8.5 4.5

80
8
4
60
7.5
40
3.5
20 7

0 6.5 3
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.19 – Semaine 2, test sans mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 116

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
10 105
2
8 1

6 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
4 105
0
2

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
6
4
0
2 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
0
-2 1

-4
0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.20 – Semaine 3, test sans mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt de
l’électrolyseur et de la PàC

4.5.1.6 Test de la semaine 3, sans mise à jour de la planification et un SoC de référence a

50%

Sur une journée avec peu d’ensoleillement, le plan d’engagement défini avec un SoC de référence
de 50% montre (cf. Fig. 4.21) :

— que la PàC est utilisée lorsque que la puissance nécessaire pour alimenter la charge est supé-
rieure à sa puissance minimale de fonctionnement (durant la nuit, en début de journée et en fin
de journée),

103 103
100 8 4

80 7 3.5
60
6 3
40

20 5 2.5

0 4 2
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.21 – Semaine 3, test sans mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 117

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

— que l’électrolyseur n’est pas utilisé car la puissance produite par les PV n’est pas suffisante
(durant la journée).

Le niveau de charge des batteries fluctue entre 25 et 76% (cf. figure 4.21 (a)). Ce plan d’engagement
entraîne plusieurs démarrages forcés de l’électrolyseur afin de ramener le niveau de charge des batteries
à 50% (figure 4.21). Avec un tel plan d’engagement, la consommation d’hydrogène est de 2701,4 m3 (cf.
figure 4.21 (b)) sur toute la semaine, pour une utilisation de la PàC sur 6103min avec 155 démarrages,
et une utilisation de l’électrolyseur sur 2054min avec 199 démarrages, dont 199 démarrages forcés qui
entraînent un arrêt de la PàC (cf. tableau 4.2 pour le résumé des différents KPI de chaque cas d’étude). Ce
plan d’engagement n’est toujours pas optimal pour cette semaine car il entraîne toujours des démarrages
forcés de l’électrolyseur.

Suite au différent tests effectués sans mise à jour du plan d’engagement, et avec un SoC de référence
de 50%, il peut être conclu que ce plan d’engagement n’est pas optimal (démarrages et des arrêts forcés
de la PàC et de l’électrolyseur). Ces démarrages et arrêts forcés sont dus à un mauvais plan d’engagement
toute au long de la semaine, qui amènent les batteries à un niveau de charge trop élevé ou trop faible en
dehors des limites de SoC.

Ces démarrages et arrêts forcés peuvent être évités par une mise à jour du plan d’engagement.

4.5.2 Tests avec mise à jour de la planification

4.5.2.1 Test de la semaine 1, avec mise à jour de la planification toute les 30mins et sans
SoC de référence

Avec une mise à jour du plan d’engagement et sans SoC de référence, il est observé sur les figures
4.22 que le SoC de la batterie fluctue entre 25 et 76%, ce qui entraîne des démarrages forcés de la PàC
et de l’électrolyseur. La consommation d’hydrogène est de 2905,6 m3 (cf. figure 4.23 (b)) sur toute la
semaine, pour une utilisation de la PàC sur 6601min, avec 24 démarrages dont 1 démarrage forcé qui
provoque un arrêt de l’électrolyseur, et une utilisation de l’électrolyseur sur 2519min, avec 23 démarrages
dont 16 démarrages forcés qui entraîne un arrêt de la PàC (cf. tableau 4.2 pour le résumé des différents
KPI de chaque cas d’étude). La mise à jour du plan d’engagement permet donc de diminuer le nombre
de démarrages forcés de la PàC et de l’électrolyseur mais ceux-ci sont toujours présents.

Université de La Réunion LE2P - ENERGY lab - EA 4079 118

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
104
6
10
5
4 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
105
2 0

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
4

2 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
0
1
-2

-4 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.22 – Semaine 1, test avec mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et
des PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC

4.5.2.2 Test de la semaine 2, avec mise à jour de la planification toute les 30mins et sans
SoC de référence

Toujours avec une mise à jour du plan d’engagement et sans SoC de référence, il est observé sur les
figures 4.24 que le SoC de la batterie fluctue entre 31 et 75%. La mise à jour du plan d’engagement permet
de réagir et de ne pas forcer le démarrage de la PàC et de l’électrolyseur. La consommation d’hydrogène
est de 670,86 m3 (cf. figure 4.25 (b)) sur toute la semaine, pour une utilisation de la PàC sur 6690min,
avec 8 démarrages, et une utilisation de l’électrolyseur sur 2730min avec 7 démarrages (cf. tableau 4.2
pour le résumé des différents KPI de chaque cas d’étude). Dans le cas de cette semaine, la mise à jour du
plan d’engagement permet donc de stabiliser l’utilisation de la PàC et de l’électrolyseur.

103 103
100 8 4

80 3.5
7
60
3
40
6
20 2.5

0 5 2
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.23 – Semaine 1, test avec mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock
d’hydrogène et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 119

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
10 104
10
8 5

6 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
4 105
0
2

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
5

0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
0
1

-5 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.24 – Semaine 2, test avec mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et
des PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC

4.5.2.3 Test de la semaine 3, avec mise à jour de la planification toute les 30mins et sans
SoC de référence

Toujours avec une mise à jour du plan d’engagement et sans SoC de référence, il est observé sur
les figures 4.26 que le SoC de la batterie fluctue entre 26 et 51%. La mise à jour du plan d’engagement
permet encore de réagir et de ne pas forcer le démarrage de la PàC et de l’électrolyseur. La consommation
d’hydrogène est de 2678,3 m3 (cf. figure 4.27 (b)) sur toute la semaine, pour une utilisation de la PàC
sur 6690min, avec 8 démarrages, et une utilisation de l’électrolyseur sur 2610min, avec 6 démarrages
(cf. tableau 4.2 pour le résumé des différents KPI de chaque cas d’étude). Dans le cas de cette semaine,
la mise à jour du plan d’engagement permet encore de stabiliser l’utilisation de la PàC et de l’électrolyseur.

103 103
100 4.4
8.5
80 4.2

60 4
8
40 3.8

20 3.6
7.5
0 3.4
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.25 – Semaine 2, test avec mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock
d’hydrogène et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 120

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
10 105
2
8 1

6 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
4 105
0
2

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
6

4
0
2 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

0
1
-2

-4 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.26 – Semaine 3, test avec mise à jour SoC∗ = SoC(1, k) : (a) Puissance de la Consommation et
des PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt
de l’électrolyseur et de la PàC

4.5.2.4 Test de la semaine 1, avec mise à jour de la planification toute les 30mins et avec
SoC de référence à 50%

Avec une mise à jour du plan d’engagement et un SoC de référence à 50%, il est observé sur les
figures 4.28 que le SoC de la batterie fluctue entre 40 et 58%. La mise à jour du plan d’engagement et
le SoC de référence permettent dans le cas de cette semaine de réagir et de ne pas forcer le démarrage
de la PàC et de l’électrolyseur. La consommation d’hydrogène est de 3018,4 m3 (cf. figure 4.29 (b)) sur
toute la semaine, pour une utilisation de la PàC sur 6690min, avec 8 démarrages, et une utilisation de
l’électrolyseur sur 2580min, avec 7 démarrages (cf. tableau 4.2 pour le résumé des différents KPI de

103 103
100 8 4

80 3.5
7
60
3
40 6
20 2.5

5
0 2
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.27 – Semaine 3, test avec mise à jour SoC∗ = SoC(1, k) : (a) SoC des batteries, (b) stock
d’hydrogène et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 121

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
105
6 2

1
4 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
105
2 0

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
6

4
0
2 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

0
1
-2

-4 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.28 – Semaine 1, test avec mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt de
l’électrolyseur et de la PàC

chaque cas d’étude). L’ajout d’un SoC de référence dans le problème d’optimisation a permis de stabili-
ser le plan d’engagement et de na pas forcer le démarrage de la PàC et de l’électrolyseur pour cette semaine.

4.5.2.5 Test de la semaine 2, avec mise à jour de la planification toute les 30mins et avec
SoC de référence à 50%

Avec une mise à jour du plan d’engagement et un SoC de référence à 50%, il est observé sur les
figures 4.30 que le SoC de la batterie fluctue entre 25 et 62%. Le plan d’engagement reste stable dans le
cas de cette semaine avec un SoC de référence à 50%. La consommation d’hydrogène est de 789,36 m3
(cf. figure 4.31 (b)) sur toute la semaine pour une utilisation de la PàC sur 6150min, avec 9 démarrages,

103 103
100 8 4

80 3.5
7
60
3
40 6
20 2.5

0 5
2
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.29 – Semaine 1, test avec mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 122

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
10 105
2
8 1

6 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
4 105
0
2

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
5

0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
0
1

-5 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.30 – Semaine 2, test avec mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt de
l’électrolyseur et de la PàC

et une utilisation de l’électrolyseur sur 2880min, avec 7 démarrages (cf. tableau 4.2 pour le résumé des
différents KPI de chaque cas d’étude). L’ajout d’un SoC de référence dans le problème d’optimisation n’a
pas considérablement augmenté la consommation d’hydrogène et le temps d’utilisation de la PàC et de
l’électrolyseur.

4.5.2.6 Test de la semaine 3, avec mise à jour de la planification toute les 30mins et avec
SoC de référence à 50%

Avec une mise à jour du plan d’engagement et un SoC de référence à 50%, il est observé sur les
figures 4.32 que le SoC de la batterie fluctue entre 44 et 58%. Le plan d’engagement reste stable dans

103 103
100 4.4
8.5
80 4.2

60 8 4

40 3.8
7.5
20 3.6

0 7 3.4
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.31 – Semaine 2, test avec mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 123

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

105
10 105
2
8 1

6 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
4 105
0
2

0 -5
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

105 1
5

0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168
0
1

-5 0
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.32 – Semaine 3, test avec mise à jour SoC∗ = 50% : (a) Puissance de la Consommation et des
PV, (b) Puissance de l’électrolyseur et de la PàC, (c) Puissance des batteries et (d) démarrage/arrêt de
l’électrolyseur et de la PàC

le cas de cette semaine avec un SoC de référence à 50%. La consommation d’hydrogène est de 2905 m3
(cf. figure 4.33 (b)) sur toute la semaine, pour une utilisation de la PàC sur 6780min, avec 8 démarrages,
et une utilisation de l’électrolyseur sur 2610min, avec 6 démarrages (cf. tableau 4.2 pour le résumé des
différents KPI de chaque cas d’étude). De même que pour le test précédent, l’ajout d’un SoC de référence
dans le problème d’optimisation n’a pas considérablement augmenté la consommation d’hydrogène et le
temps d’utilisation de la PàC et de l’électrolyseur.

103 103
100 8 4

80 7 3.5
60
6 3
40

20 5 2.5

0 4 2
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 0 12 24 36 48 60 72 84 96 108 120 132 144 156 168

Figure 4.33 – Semaine 3, test avec mise à jour SoC∗ = 50% : (a) SoC des batteries, (b) stock d’hydrogène
et d’oxygène à Patm

Université de La Réunion LE2P - ENERGY lab - EA 4079 124

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

Table 4.1 – Cas d’étude de la planification

Sans mise à jour, horizon de planification : 24h, SoCref = 50% Cas 1 (C1)
Sans mise à jour, horizon de planification : 24h, SoCref = SoC Cas 2 (C2)
Avec mise à jour toutes les 30mins, horizon de planification : 6h, SoCref = 50% Cac 3 (C3)
Avec mise à jour toutes les 30mins, horizon de planification : 6h, SoCref = SoC Cas 4 (C4)

Table 4.2 – Résumé des KPI

KPI1 KPI2 KPI3 KPI4 KPI5 KPI6 KPI7 KPI8 KPI9 KPI10
S1 -2972 26 75 50 6604 9 0 2396 8 1
S2 -1131 25 72 50 6129 14 7 3530 12 0
C1 S3 -2701 25 77 50 6103 155 0 2054 199 199
S1 -2967 29 75 74,8 6576 41 0 2398 57 51
S2 -735 25 53 25 6617 175 171 3258 173 0
C2 S3 -2743 39 77 74,8 6928 179 0 2568 360 359
S1 -3018 40 58 50 6690 8 0 2580 7 0
S2 -789 25 61 50 6150 9 0 2880 7 0
C3 S3 -2906 44 58 50 6780 8 0 2610 6 0
S1 -2906 25 76 37,3 6601 24 1 2519 23 16
S2 -671 31 75 45,6 6030 8 0 2730 7 0
C4 S3 -2678 26 51 26,17 6690 8 0 2610 6 0

4.5.3 Synthèse

Le tableau 4.2 résume les différents KPI de chaque cas d’étude. Pour rappel, les différents cas
d’étude sont disponibles dans le tableau 4.1 et les KPI sont les suivants :
— Consommation / Production d’hydrogène (m3) (KPI1)
— Seuil bas du niveau de charge des batteries (%) (KPI2)
— Seuil haut du niveau de charge des batteries (%) (KPI3)
— Niveau de charge des batteries en fin de semaine (KPI4)
— Durée de fonctionnement de la PàC (minute) (KPI5)
— Nombre de démarrages/arrêts de la PàC (KPI6)
— Nombre de démarrages/arrêts forcés de la PàC (KPI7)
— Durée de fonctionnement de l’électrolyseur (minute) (KPI8)
— Nombre de démarrages/arrêts de l’électrolyseur (KPI9)
— Nombre de démarrages/arrêts forcés de l’électrolyseur (KPI10)

La stratégie avec les SoC de référence à 50% et une mise à jour du plan d’engagement toutes les
30 min donne de meilleurs résultats. En effet, sur les trois types de semaines choisies, aucun démarrage
forcé de la PàC et de l’électrolyseur n’a été relevé et le SoC des batteries est maintenu jusque la fin
de semaine à 50%. La consommation d’hydrogène n’augmente pas avec cette stratégie. Les démarrages
forcés, donc non planifiés, entraînent un non respect des différentes conditions de fonctionnement citées
dans le chapitre 2, à savoir : durée de fonctionnement et nombre de démarrages arrêts, ce qui entraine le
vieillissement prématuré du système. De plus, maintenir les batteries à niveau de charge constant permet

Université de La Réunion LE2P - ENERGY lab - EA 4079 125

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

d’éviter les décharges profondes et les niveaux trop élevés qui pourraient les détériorer.

L’absence de démarrage forcé et le maintien des batteries à un état de charge constant montre
donc l’efficacité de cette stratégie pour respecter les conditions opératoires du système, et pour éviter les
dégradations liées à une mauvaise utilisation de la PàC et de l’électrolyseur.

Université de La Réunion LE2P - ENERGY lab - EA 4079 126

CHAPITRE 4. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

4.6 Conclusion

Ce chapitre porte sur le développement de la couche anticipative. Cette couche anticipative, basée
sur un problème d’optimisation MIQP, définit un plan d’engagement pour l’utilisation de la PàC et de
l’électrolyseur. Ce problème d’optimisation prend en compte les contraintes de fonctionnement de la
PàC et de l’électrolyseur, telles que les durées minimales d’arrêt et de fonctionnement et les puissances
minimale et maximale de ces éléments.

Dans un premier temps, l’intérêt de la planification est présenté afin de comprendre le rôle de
la couche anticipative dans le SGE. Puis les méthodes et outils utilisés pour le développement de cette
couche sont présentés. Les équations du modèle utilisé dans le problème d’optimisation ainsi que les
contraintes imposées sont détaillées. Le choix de la fonction objectif minimisée lors de la résolution du
problème est développé et celle-ci est écrite.

Dans un second temps, les puissances minimales et maximales imposées à la PàC et à l’électrolyseur
sont déterminées afin de les intégrer au problème d’optimisation. De plus, pour pouvoir contraindre les
stocks d’hydrogène et d’oxygène, les débits d’hydrogène et d’oxygène sont déterminés en fonction de la
puissance à partir d’équations polynomiales d’ordre 1. Ces équations sont ensuite intégrées au problème
d’optimisation.

Dans un dernier temps, les résultats de la simulation des couches réactive et anticipative sont
présentés (cf. tableau 4.2 pour le résumé des différents KPI de chaque cas d’étude). Plusieurs tests ont
été effectués :
— sans mise à jour sur 3 semaines différentes, avec et sans SoC de référence
— avec mise à jour sur 3 semaines différentes, avec et sans SoC de référence

Ces différents tests ont montré que le problème d’optimisation permet d’obtenir un meilleur plan
d’engagement pour les différentes semaines lorsque celui-ci est mis à jour toutes les 30min, avec un horizon
d’optimisation et de prévision de 6h, et que le SoC de référence est fixé à 50%. En effet, lorsque le
plan d’engagement n’est pas mis à jour, cela entraîne de multiple démarrages forcés de la PàC et de
l’électrolyseur. De plus, lorsque la charge et la décharge des batteries sont laissées libres, et que le plan
d’engagement est mis à jour, le nombre de démarrages forcés de la PàC et de l’électrolyseur est diminué,
mais toujours présent dans certains cas. L’ajout d’un SoC de référence à 50 % permet de ne plus avoir de
démarrage forcé sur les 3 semaines testées. La stratégie avec SoC de référence à 50 % est donc retenue pour
sa capacité à éviter les démarrages et arrêts forcés de la PàC et de l’électrolyseur, ainsi que sa capacité à
maintenir les batteries à un niveau de charge permettant d’assurer un minimum d’énergie en stock.

Université de La Réunion LE2P - ENERGY lab - EA 4079 127

CONCLUSION GÉNÉRALE Fabrice K/BIDI

Conclusion générale

Cette thèse a porté sur le développement d’un SGE pour un MR hybride, afin de favoriser l’intégra-
tion de l’énergie solaire par le biais d’un système de stockage utilisant le vecteur hydrogène. Prometteur
pour son utilisation dans les systèmes électriques, l’hydrogène peut être produit par électrolyse de l’eau,
avec des systèmes électrolyseurs alimentés par de l’énergie solaire. Stocké sous forme gazeuse, liquide ou
solide, sa conversion en énergie électrique repose sur des systèmes PàC.

Au terme d’un état de l’art sur les vecteurs d’énergie, les stratégies de gestion de l’énergie (SGE)
mises en œuvre dans la littérature et les commandes les plus utilisées, le premier chapitre a permis
de sélectionner les éléments composant le MR modélisé, les méthodes développées pour la gestion et
la structure du SGE. La source d’énergie choisie pour cette étude est l’énergie solaire, abondante sur
l’île de La Réunion 1 . La conversion photovoltaïque de la ressource solaire 2 est combinée à une chaîne
hydrogène et à des batteries. Constituée d’un électrolyseur pour la production d’hydrogène par conversion
électrochimique, d’un réservoir pour le stockage et d’une PàC pour la conversion chimique/électrique, la
chaîne hydrogène sert de stockage long terme. Les batteries sont quant à elle utilisées comme stockage
court terme, mais aussi comme élément limitant les variations de courant sur la PàC et l’électrolyseur.
L’association de ces quatre éléments de conversion et de stockage permet de gérer l’équilibre entre produc-
tion et consommation, en assurant l’alimentation de la charge lors des périodes de faible ensoleillement,
et le stockage de l’excédent de production lors des périodes de faible consommation.

Cependant, la fiabilité et la durée de vie des systèmes électrolyseurs et PàC dépendent des condi-
tions de fonctionnement, et leur performance dépend directement des temps de réponse des auxiliaires
(régulateurs de débit, de pression, etc.) qui assurent la gestion des débits de réactifs (hydrogène pour la
PàC et eau pure pour l’électrolyseur). De plus, un fonctionnement à forte puissance ou à faible puissance
durant des temps courts peuvent provoquer la dégradation des composants des systèmes électrolyseurs
et PàC, voire leur vieillissement prématuré. L’hybridation de systèmes électrolyseurs et PàC avec des

1. « La durée d’insolation est quasiment stable tout au long de l’année, variant de 6,9 h à 7,3 h en moyenne, pour
une durée maximale théorique variant de 10,9 h à 13,1 h. » - Atlas climatique de La Réunion

2. 1330 h équivalent pleine puissance par an - BER

Université de La Réunion LE2P - ENERGY lab - EA 4079 129

CONCLUSION GÉNÉRALE Fabrice K/BIDI

batteries permet de prendre en compte les différentes contraintes opératoires pour améliorer la fiabilité
et optimiser la durée de vie de l’ensemble de ces éléments.

C’est le SGE, composé de 3 couches à échelle de temps multiple, qui permet de respecter les
contraintes de fonctionnement de chaque élément. La première couche, appelée couche anticipative, est
utilisée pour établir un plan d’engagement des éléments de la chaîne H2, une planification de l’utilisation
qui se traduit par des consignes de marche-arrêt compatibles avec la durée minimum de fonctionnement
et la puissance minimale de fonctionnement de ces éléments. La couche intermédiaire, appelée couche
réactive, utilise une commande eMPC pour définir les consignes en courant des batteries, et une com-
mande eMPC pour définir les consignes en courant des éléments de la chaîne H2 dans les plages de
marche-arrêt. La couche inférieure, appelée couche locale, utilise un régulateur de type IP afin d’assurer
le suivi des consignes en courant définies par la couche intermédiaire. Les batteries ont pour principal rôle
de maintenir la tension du bus DC à sa référence. La chaîne H2 est utilisée pour maintenir la charge des
batteries proches de sa référence, en prenant en compte les contraintes de temps de réponse et de limite
en puissance de ces deux éléments. Le système PV est quant à lui piloté par un algorithme MPPT de type
Perturb & Observ. Le courant de charge étant un paramètre non mesuré du système, la différence entre
celui-ci et le courant PV injecté sur le bus DC est estimé par le biais d’un filtre de Kalman sous-optimal.

Pour le développement des stratégies de commande à base de modèles (couche réactive et couche
anticipative), le choix du niveau de modélisation a été fait en fonction de la précision requise et des
contraintes de linéarité imposées par la formulation du problème d’optimisation. Pour la couche réactive,
le choix s’est porté sur un modèle linéarisé de niveau 3 qui permet l’intégration des équations dans une
MPC linéaire. Pour la couche anticipative, le bilan de puissance du système est utilisé pour écrire un
problème d’optimisation sous contraintes.

Les tests en simulation de la stratégie de commande des couches locale et réactive ont permis de
montrer la capacité des commandes eMPC à maintenir la tension du bus DC à sa valeur de référence, tout
en respectant les différentes contraintes de chaque élément du système. Afin de montrer les performances
de ces deux couches pour différentes conditions opératoires, plusieurs tests ont été effectués : les batteries
en mode charge, les batteries en mode décharge et les batteries maintenues à un niveau de SoC constant,
avec et sans le système PV. Les tests en simulation ont été reproduits sur un banc d’essais de type
PHIL pour des tests en temps réel. Les résultats des tests en ligne sont conformes aux résultats obtenus
en simulation, ce qui permet de valider les performances de ces stratégies pour le pilotage de systèmes réels.

La dernière couche met en œuvre un problème d’optimisation qui prend la forme d’un MIQP
intégrant les contraintes du système. Les tests des couches anticipative et réactive réalisés en simulation

Université de La Réunion LE2P - ENERGY lab - EA 4079 130

CONCLUSION GÉNÉRALE Fabrice K/BIDI

ont montré la capacité du SGE à définir un plan d’engagement pour le démarrage de la PàC et de l’élec-
trolyseur. En partant de l’hypothèse que les prévisions de la charge, de l’irradiance et de la température
ambiante sont parfaites, les tests du SGE sur 3 semaines différentes (une semaine avec des journées
identiques, une avec un début de semaine ensoleillé et une dernière avec une fin de semaine ensoleillée),
avec et sans mise à jour du plan d’engagement, ont permis de montrer l’importance de la mise à jour de
celui-ci. De plus, les mêmes tests ont été réalisés avec et sans SoC de référence. L’intérêt de maintenir un
niveau de charge constant des batteries est d’assurer une réserve d’énergie suffisante au maintien de la
stabilité du système en cas d’erreur dans le plan d’engagement. Il a été démontré à partir des différents
KPI choisis que la mise à jour du plan d’engagement et le maintien du niveau de charge des batteries
permettent d’éviter les démarrages forcés de la PàC et de l’électrolyseur par la stratégie de commande de
la couche réactive. Ce qui permet le respect des conditions opératoires des systèmes PàC et électrolyseurs.

Pour conclure, le SGE développé durant ces travaux de thèse a fait l’objet de validations en si-
mulation et en temps réel. Les résultats ont montré l’efficacité de l’utilisation de différentes couches de
commande avec des échelles de temps différentes pour le pilotage d’un MR hybride intégrant l’utilisation
du vecteur hydrogène. L’utilisation des couches réactive et locale permet une utilisation de la PàC et de
l’électrolyseur dans leurs conditions de fonctionnement prédéfinies. La définition d’un plan d’engagement
permet l’utilisation de la PàC et de l’électrolyseur avec des puissances de fonctionnement minimales et
des durées de fonctionnement prédéfinies.

Université de La Réunion LE2P - ENERGY lab - EA 4079 131

PERSPECTIVE Fabrice K/BIDI

Perspective

Bien que le SGE développé amène à des résultats satisfaisants pour la commande d’un MR hybride
intégrant le vecteur hydrogène, avec des prévisions de la charge et de la météo parfaites, certains points
doivent être améliorés afin d’approfondir les travaux de recherche.

Prise en compte de l’incertitude et l’erreur de prévision lors de la

planification

Un premier point est l’amélioration du problème d’optimisation pour la prise en compte, dans
le plan d’engagement, de l’incertitude et de l’erreur sur les prévisions de la charge et des variables
météorologiques. Considérées comme parfaites dans le cadre de ces travaux, ces prévisions présentent des
erreurs et un niveau d’incertitude qui ne peuvent être négligés.

Pour cela, le problème d’optimisation pourra être modifier afin de prendre en compte des contraintes

P = Ppv − Pcg

Limite haute avec incertitude (Ph )

Limite basse avec incertitude (Pb )

Figure 4.34 – Représentation de la borne haute et de la borne basse avec incertitude

Université de La Réunion LE2P - ENERGY lab - EA 4079 133

PERSPECTIVE Fabrice K/BIDI

d’inégalité avec incertitude. Les valeurs de la puissance PV et de la charge ne seront donc plus fixes, mais
bornées entre une valeur maximale et une valeur minimale dépendantes de l’incertitude de la prévision
(cf. figure 4.34).

Les développeurs de la toolbox Yalmip proposent pour cela de déclarer une variable incertaine
du système et d’utiliser une contrainte d’inégalité pour prendre en compte le taux d’incertitude de la
prévision.

uncertain(P ) (4.8a)

Pb < P < Ph (4.8b)

Amélioration du dimensionnement et mise à jour du SoC de référence

Un second point est l’amélioration du dimensionnement et la mise à jour du SoC de référence. Il est
constaté sur les différents tests effectués sur la planification que le niveau de stock d’hydrogène a tendance
à décroitre tout au long de la semaine, même lors des semaines ensoleillés. Afin d’avoir un meilleur
approvisionnement en hydrogène, il serait nécessaire d’avoir une puissance photovoltaïque installé plus
élevé afin d’augmenter la production d’hydrogène. Cependant, cela risque d’impacter la variation du SoC
lorsque l’électrolyseur n’est pas démarré, qui amènerai à un SoC trop élevé. Il serait donc judicieux de
faire varier le SoC de référence en fonction de la production PV.

La piste d’un meilleur dimensionnement et d’un SoC de référence variable devra donc être étudier
afin d’améliorer la stratégie de gestion de l’énergie.

P Avant dégradation
Après un première dégradation

Après une seconde dégradation

Figure 4.35 – Représentation de la puissance maximale de la PàC en fonction de son état de santé

Université de La Réunion LE2P - ENERGY lab - EA 4079 134

PERSPECTIVE Fabrice K/BIDI

Prise en compte de la dégradation des éléments

Un troisième point est l’évaluation de la dégradation de chaque élément afin de ré évaluer les
valeurs minimales et maximales du courant et la puissance de chaque élément, et de les mettre à jour
dans la couche réactive et anticipative. Ceci permettrait de limiter les risques de l’occurrence ultérieure
de dégradations causées par une mauvaise utilisation du système.
Un exemple est la réévaluation de la puissance maximale de la PàC qui dépend de son état de
santé au moment ou elle est utilisée. Si un défaut apparait sur celle-ci durant son utilisation, la puissance
maximale pouvant être fournie peut diminuée fortement (cf. figure 4.35). Une non prise en compte de
cette diminution peut amener à une seconde dégradation et la puissance maximale diminuera une seconde
fois jusqu’à la panne de la PàC.
Dans [19], l’auteur propose une méthode d’estimation de la puissance de la PàC à partir de l’esti-
mation d’un paramètre α représentant l’état de santé de la PàC. Cette méthode peut donc être étudiée
et utilisée dans le cadre du SGE afin de mettre la puissance maximale de la PàC.
Une étude bibliographique devra être réalisée afin de déterminer les méthodes disponibles pour la
détermination de l’état de santé de l’électrolyseur et de la batterie.

Prise en compte de la durée de vie des éléments

Un quatrième point est l’intégration de l’évolution de la durée de vie des différents appareils en
fonction de la puissance délivrée dans le problème d’optimisation. En effet, la durée de vie des appareils
est un point important à prendre en compte pour assurer un fonctionnement du système sur de longues
périodes et optimiser la durée de vie globale du MR.

Pour cela, il est nécessaire d’estimer la durée de vie restante de chaque élément afin de la prendre
en compte dans le problème d’optimisation. Dans [19], l’auteur propose d’utiliser un paramètre β repré-
sentant la vitesse de dégradation d’une PàC pour estimer la durée de vie résiduelle (Remaining Useful
Life (RUL)) de celle-ci. Ce paramètre β pourrait donc être minimisé dans la fonction objectif du problème
d’optimisation afin de prendre en compte la durée de la PàC.

De même que précédemment, une étude bibliographique devra être réalisée afin de déterminer les
méthodes disponibles pour la détermination du RUL de l’électrolyseur et de la batterie.

Université de La Réunion LE2P - ENERGY lab - EA 4079 135

PERSPECTIVE Fabrice K/BIDI

El 1 El 2 El n

Micro réseau

PàC 1 PàC 2 PàC n

Figure 4.36 – Utilisation de plusieurs PàC et électrolyseur

Utilisation de plusieurs piles à combustible et électrolyseurs

Un cinquième point est de permettre à la couche anticipative de gérer plusieurs PàC et plusieurs
électrolyseurs (cf. figure 4.36) afin de permettre un fonctionnement de ces éléments, même à faible consom-
mation et à faible ensoleillement. Cela permet de diminuer la puissance de fonctionnement minimale de
la PàC et de l’électrolyseur, et donc d’augmenter la part de l’hydrogène dans le fonctionnement du MR.
Les batteries seraient donc moins sollicitées et la capacité de stockage installée diminuée.

Connexion au réseau principal

Un sixième et dernier point important est d’améliorer la couche anticipative afin de permettre
l’intégration du réseau principal AC (cf. figure 4.37), et d’assurer une continuité de service même en cas
de manque au niveau du stock d’hydrogène. Le prix de l’énergie du point de vue du réseau principal et de
l’utilisation de chaque appareil doit donc être pris en compte afin de minimiser le coût global de l’énergie
dans le MR.

Université de La Réunion LE2P - ENERGY lab - EA 4079 136

PERSPECTIVE Fabrice K/BIDI

Hydrogène

PVs Batteries PàC

Electrolyseur et stockage
Système MPPT

Vpv Ipv C d’hydrogène

Contrôleur Ipv
Vpv
MPPT
Boost
DC
αpv
DC IP aC
Ibat Iel

αP aC
αbat

αel
Vbat VP aC Vel

Boost
Boost
DC DC DC

Buck
DC DC DC
b b
Ipv Ibat IPb aC Ielb

Vb
Cb
IDC
DC
AC

Residential Utility
Home Grid

Figure 4.37 – Schéma du micro réseau avec connexion au réseau principale

Université de La Réunion LE2P - ENERGY lab - EA 4079 137

ANNEXES Fabrice K/BIDI

Annexes

Université de La Réunion LE2P - ENERGY lab - EA 4079 139

ANNEXE A. LES ÉNERGIES FOSSILES Fabrice K/BIDI

Annexe A

Les énergies fossiles

A.1 Évolution des réserves de barils de pétrole entre les années 1995 et 2015 . . . . . . . . 142

A.2 Évolution de la production et de la consommation de pétrole de 1990 à 2015 . . . . . 142

A.3 Évolution des réserves de gaz entre les années 1995 et 2015 . . . . . . . . . . . . . . . 143

A.4 Évolution de la production et de la consommation de gaz de 1990 à 2015 . . . . . . . 143

A.5 Évolution des réserves de charbon entre les années 1995 et 2015 . . . . . . . . . . . . 144

A.6 Évolution de la production et de la consommation de gaz de 1990 à 2015 . . . . . . . 144

A.7 Capacité nucléaire et besoin mondiale en uranium au 1er janvier 2015 . . . . . . . . . 145

Université de La Réunion LE2P - ENERGY lab - EA 4079 141

ANNEXE A. LES ÉNERGIES FOSSILES Fabrice K/BIDI

A.1 Évolution des réserves de barils de pétrole entre les années 1995 et 2015

Évolution des réserves de barils de pétrole entre les années 1995 et 2015 [18]

A.2 Évolution de la production et de la consommation de pétrole de 1990 à

2015

a) b)

a) Production et b) consommation mondiale de pétrole (million de barils par jours) de 1990 à 2015 [18]

Université de La Réunion LE2P - ENERGY lab - EA 4079 142

ANNEXE A. LES ÉNERGIES FOSSILES Fabrice K/BIDI

A.3 Évolution des réserves de gaz entre les années 1995 et 2015

Évolution des réserves de gaz naturel entre les années 1995 et 2015 [18]

A.4 Évolution de la production et de la consommation de gaz de 1990 à

2015

a) b)

a) Production et b) consommation mondiale de gaz naturel (Billion de mètres cube) de 1990 à 2015 [18]

Université de La Réunion LE2P - ENERGY lab - EA 4079 143

ANNEXE A. LES ÉNERGIES FOSSILES Fabrice K/BIDI

A.5 Évolution des réserves de charbon entre les années 1995 et 2015

Évolution des réserves de charbon entre les années 1995 et 2015 [18]

A.6 Évolution de la production et de la consommation de gaz de 1990 à

2015

a) b)

a) Production et b) consommation mondiale de charbon (Million de tonne equivalent pétrole) de 1990 à

2015 [18]

Université de La Réunion LE2P - ENERGY lab - EA 4079 144

ANNEXE A. LES ÉNERGIES FOSSILES Fabrice K/BIDI

A.7 Capacité nucléaire et besoin mondiale en uranium au 1er janvier 2015

a) b)

a) Capacité nucléaire mondiale installé (377,4 GW) et b) Besoin mondiale en uranium (56 585 tonnes) au
1er janvier 2015 [100]

Université de La Réunion LE2P - ENERGY lab - EA 4079 145

ANNEXE B. SITUATION ÉNERGÉTIQUE DE LA RÉUNION Fabrice K/BIDI

Annexe B

Situation énergétique de la Réunion

B.1 Importation des énergie fossile en 2017 . . . . . . . . . . . . . . . . . . . . . . . . . . 148

B.2 Evolution de la production d’électricité de 2000 à 2017 . . . . . . . . . . . . . . . . . 149

B.3 Mix énergétique de la Réunion en 2017 . . . . . . . . . . . . . . . . . . . . . . . . . . 149

B.4 Évolution de la consommation de carburant dans le domaine du transport de 2000 à

2017 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150

B.5 Carte des installations de prise de recharge de voiture électrique (à jour du 14 mars
2018) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151

Université de La Réunion LE2P - ENERGY lab - EA 4079 147

ANNEXE B. SITUATION ÉNERGÉTIQUE DE LA RÉUNION Fabrice K/BIDI

B.1 Importation des énergie fossile en 2017

Importation des énergie fossile en 2017 [16]

Université de La Réunion LE2P - ENERGY lab - EA 4079 148

ANNEXE B. SITUATION ÉNERGÉTIQUE DE LA RÉUNION Fabrice K/BIDI

B.2 Evolution de la production d’électricité de 2000 à 2017

Evolution de la production d’électricité de 2000 à 2017 [16]

B.3 Mix énergétique de la Réunion en 2017

Mix énergétique de la Réunion en 2017 [16]

Université de La Réunion LE2P - ENERGY lab - EA 4079 149

ANNEXE B. SITUATION ÉNERGÉTIQUE DE LA RÉUNION Fabrice K/BIDI

B.4 Évolution de la consommation de carburant dans le domaine du

transport de 2000 à 2017

Évolution de la consommation de carburant dans le domaine du transport de 2000 à 2017 [16]

Université de La Réunion LE2P - ENERGY lab - EA 4079 150

ANNEXE B. SITUATION ÉNERGÉTIQUE DE LA RÉUNION Fabrice K/BIDI

B.5 Carte des installations de prise de recharge de voiture électrique (à jour

du 14 mars 2018)

Carte des installations de prise de recharge de voiture électrique (à jour du 14 mars 2018) [16]

Université de La Réunion LE2P - ENERGY lab - EA 4079 151

ANNEXE C. ELEMENTS DU MICRO RÉSEAU Fabrice K/BIDI

Annexe C

Element constituant le micro réseau

C.1 Documentation technique du panneau modélisé . . . . . . . . . . . . . . . . . . . . . . 154

Université de La Réunion LE2P - ENERGY lab - EA 4079 153

ANNEXE C. ELEMENTS DU MICRO RÉSEAU Fabrice K/BIDI

C.1 Documentation technique du panneau modélisé

Université de La Réunion LE2P - ENERGY lab - EA 4079 154

ANNEXE D. COMMANDE RÉACTIVE ET LOCALE Fabrice K/BIDI

Annexe D

Stratégie de commande réactive et locale

D.1 Présentation du banc de tests PHIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156

D.2 Intéraction entre le système, la MicroLabBox et le PC hôte . . . . . . . . . . . . . . . 157

D.3 Interface Homme Machine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157

D.4 Simulation : paramètres du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158

D.5 Expérimentation : paramètres du système . . . . . . . . . . . . . . . . . . . . . . . . . 159

Université de La Réunion LE2P - ENERGY lab - EA 4079 155

ANNEXE D. COMMANDE RÉACTIVE ET LOCALE Fabrice K/BIDI

D.1 Présentation du banc de tests PHIL

PV 1 PV 2 PV 3 PV 4 PV 5 PV 6

Figure D.1 – Champ PV du banc PHIL

Figure D.2 – Connexion PV

Figure D.3 – Batterie du banc PHIL

Figure D.4 – Alimentation programmable du Figure D.5 – Charge programmable du banc

banc PHIL PHIL

Figure D.6 – Convertisseur boost bidirection- Figure D.7 – Convertisseur boost des PV du
nel des batteries du banc PHIL banc PHIL

Figure D.8 – Condensateur émulant le bus DC du banc PHIL

Université de La Réunion LE2P - ENERGY lab - EA 4079 156

ANNEXE D. COMMANDE RÉACTIVE ET LOCALE Fabrice K/BIDI

D.2 Intéraction entre le système, la MicroLabBox et le PC hôte

ipv ibat
PC hôte / IHM vpv Photovoltaı̈que Batteries vbat

MicroLabBox Convertisseur Convertisseur

(dSPACE) DC/DC DC/DC

P W Mpv P W Mbat

Carte d’acquisition
Génération des PWM Bus DC

vb
Signal de
commande
de l’alimentation Alimentation Charge
Programmable Programmable
Signal de
commande
de la charge

Liaison de communication du banc de test

D.3 Interface Homme Machine

IHM du banc PHIL

Université de La Réunion LE2P - ENERGY lab - EA 4079 157

ANNEXE D. COMMANDE RÉACTIVE ET LOCALE Fabrice K/BIDI

D.4 Simulation : paramètres du système

Batteries
Nb d’élement en parallèle 23 Nb d’élement en série 10
Capacité nominale 800 mAh Courant max de charge 0,65 A
Tension nominale 3,7 V Courant max de décharge 0,65 A
SoCbatmin 20% SoCbatmax 80%

PVs (1000 W/m2 )

Puissance à Pmax 180 W TsMPPT 1 ms
Tension à Pmax 36,2 V Nb d’élement en parallèle 1
Courant à Pmax 5 A Nb d’élement en série 2

Electrolyseur Pile à Combustible

production H2 max 1 Nm3 /h Puissance max 1200 W
Tension nominale 43 V Tension nominale 26 V
Courant nomilale 120 A Courant nominale 46 A
Nb d’élement en parallèle 1 Nb d’élement en parallèle 1
Nb d’élement en série 2 Nb d’élement en série 1
Nombre de cellule 22 Nombre de cellule 47

Convertisseur DC/DC
Lfc 100 mH Lel 100 mH
Lbat 1 mH Lpv 1 mH
Cpv 4 µF

Bus DC
Cb 19,8 mF DC bus voltage reference 70 V

Régulateur IP
Kpibat 1,2566 Kpifc 125,6637
Kiibat 394,7842 Kiifc 39478
Kpiel 125,6637 Kiiel 39478
TsIP 500 µs

MPC
Tsbat 500 µs QrH2 15x105
TsH2 2 ms QyH2 5x104
Nbat 5 Qrbat 50
NH2 3

Université de La Réunion LE2P - ENERGY lab - EA 4079 158

ANNEXE D. COMMANDE RÉACTIVE ET LOCALE Fabrice K/BIDI

D.5 Expérimentation : paramètres du système

Batteries
Nb d’élement en parallèle 1 Nb d’élement en série 3
Capacité nominale 18 Ah Courant max de charge 15 A
Tension nominale 12 V Courant max de décharge 15 A
SoCbatmin 20% SoCbatmax 80%

PVs (1000 W/m2 )

Puissance à Pmax 165 W TsMPPT 1 ms
Tension à Pmax 34,4 V Nb d’élement en parallèle 1
Courant à Pmax 4,8 A Nb d’élement en série 2

Electrolyseur Pile à Combustible

production H2 max 1 Nm3 /h Puissance max 1200 W
Tension nominale 43 V Tension nominale 26 V
Courant nomilale 120 A Courant nominale 46 A
Nb d’élement en parallèle 1 Nb d’élement en parallèle 1
Nb d’élement en série 2 Nb d’élement en série 1
Nombre de cellule 22 Nombre de cellule 47

Convertisseur DC/DC
Lfc 100 mH Lel 100 mH
Lbat 1 mH Lpv 1 mH

Bus DC
Cb 19,8 mF DC bus voltage reference 70 V

Régulateur IP
Kpibat 6,8 Kpifc 125,6637
Kiibat 5760 Kiifc 39478
Kpiel 125,6637 Kiiel 39478
TsIP 500 µs TsIP e xpe 50 µs

MPC
Tsbat 500 µs QrH2 15x105
TsH2 2 ms QyH2 5x104
Nbat 5 Qrbat 50
NH2 3

Université de La Réunion LE2P - ENERGY lab - EA 4079 159

ANNEXE E. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

Annexe E

Planification d’utilisation du système

E.1 Planification : paramètres du système . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

Université de La Réunion LE2P - ENERGY lab - EA 4079 161

ANNEXE E. PLANIFICATION D’UTILISATION DU SYSTÈME Fabrice K/BIDI

E.1 Planification : paramètres du système

Batteries
Nb d’élement en parallèle 4000 Nb d’élement en série 55
Capacité nominale 800 mAh Courant max de charge 0,8 A
Tension nominale 3,7 V Courant max de décharge 1,6 A
SoCbatmin 20% SoCbatmax 80%

PVs (1000 W/m2 )

Puissance à Pmax 180 W Nb d’élement en parallèle 312
Tension à Pmax 36.2 V Nb d’élement en série 8
Courant à Pmax 5A

Electrolyseur Pile à Combustible

production H2 max 1 Nm3 /h Puissance max 1200 W
Tension nominale 43 V Tension nominale 26 V
Courant nomilale 120 A Courant nominale 46 A
Nb d’élement en parallèle 22 Nb d’élement en parallèle 35
Nb d’élement en série 5 Nb d’élement en série 7
Nombre de cellule 22 Nombre de cellule 47

Bus DC
Cb 0,15 F DC bus voltage reference 400 V

MPC
Tsbat 500 µs QrH2 300x1012
TsH2 2 ms QyH2 1, 5x103
Nbat 5 Qrbat 30000
NH2 3

Planification
Horizon 6h Pas de temps 30min
QPbat 1x10−6 Qsspac 1
QPpac 1x10−13 Qssel 1
QPel 1x10−11 QSoC 1x106

Université de La Réunion LE2P - ENERGY lab - EA 4079 162

Bibliographie

[1] Kréhi Serge Agbli. « Energy Flows Modeling of a PEM Electrolyser-Photovoltaic Generator-PEM
Fuel Cell Coupling Dedicated to Stationary Applications ». phdtheses. Université de Franche-
Comté, 2012.

[2] Agence Nationnal pour la Rénovation Urbaine. Presentation Synthétique Des 20 Projets
Laureats de l’appel a Manifestations d’interet. 2016.

[3] M. Amin et al. « Smart-Grid Based Real-Time Load Management Methodology for Power Deficient
Systems ». In : International Journal of Electronics and Electrical Engineering (2015), p. 431-437.

[4] Ernesto Amores et al. « Development of an Operation Strategy for Hydrogen Production Using
Solar PV Energy Based on Fluid Dynamic Aspects ». In : Open Engineering 7 (1er juin 2017).
doi : 10.1515/eng-2017-0020.

[5] Annuaire Des Projets En France / Cirque de Mafate (La Réunion). url : http : / / www .
smartgrids-cre.fr/index.php?p=cirquedemafate (visité le 07/05/2019).

[6] Carmen Cardozo Arteaga. « Optimisation of Power System Security with High Share of Va-
riable Renewables : Consideration of the Primary Reserve Deployment Dynamics on a Frequency
Constrained Unit Commitment Model ». 2016.

[7] Farid Aubras. « Contribution à l’étude de l’influence des régimes bi-phasiques sur les performances
des électrolyseurs de type PEM basse pression : approche numérique, analytique et expérimentale ».
2018.

[8] Mohamed-Yacine Ayad et al. « Voltage Regulated Hybrid DC Power Source Using Supercapacitors
as Energy Storage Device ». In : Energy Conversion and Management 48.7 (2007), p. 2196-2202.
issn : 0196-8904. doi : 10.1016/j.enconman.2006.12.015.

[9] Toufik Azib. « Contribution à l’étude d’électro-générateurs à pile à combustible : conceptions

d’architectures et de leurs commandes ». Thèse de doct. Université Paris Sud XI, 2010.

[10] Michael Back et al. « Predictive Control of Drivetrains ». In : IFAC Proceedings Volumes. 15th
IFAC World Congress 35.1 (2002), p. 241-246. issn : 1474-6670. doi : 10.3182/20020721-6-ES-
1901.01508.

163
[11] Suk Joo Bae et al. « Lifetime Prediction of a Polymer Electrolyte Membrane Fuel Cell via an
Accelerated Startup–Shutdown Cycle Test ». In : International Journal of Hydrogen Energy 37.12
(2012), p. 9775-9781. issn : 03603199. doi : 10.1016/j.ijhydene.2012.03.104.

[12] Aliasghar Baziar et Abdollah Kavousi-Fard. « Considering Uncertainty in the Optimal Energy
Management of Renewable Micro-Grids Including Storage Devices ». In : Renewable Energy 59
(2013), p. 158-166. issn : 0960-1481. doi : 10.1016/j.renene.2013.03.026.

[13] Martin Behrendt et al. « Model Predictive Control of a Hybrid Fuel Cell & Battery Power
System ». In : IFAC Proceedings Volumes 45.15 (2012), p. 131-136. issn : 14746670. doi : 10 .
3182/20120710-4-SG-2026.00184.

[14] B. Belabbes et al. « Commande basée sur la passivité associée à la commande par backstep-
ping d’un moteur synchrone à aimants permanents ». In : International Conference on Electrical
Engineering and its Applications. International Conference on Electrical Engineering and its Ap-
plications. 2008.

[15] Bilan Energetique de La France 2017 (Fevrier 2019).

[16] Bilan Energétique de La Réunion 2017 (Edition 2018).

[17] J. O’M Bockris et al. Comprehensive Treatise of Electrochemistry : Electrochemical Processing.

OCLC : 851734212. Boston, MA : Springer US, 1981. isbn : 978-1-4684-3785-0.

[18] BP Statistical Review of World Energy 2016.

[19] Mathieu Bressel. « Modélisation graphique pour le pronostic robuste de pile à combustible à
membrane échangeuse de proton ». Thèse de doct. Université de Lille 1, 2016.

[20] Mauro G. Carignano et al. « Energy Management Strategy for Fuel Cell-Supercapacitor Hybrid
Vehicles Based on Prediction of Energy Demand ». In : Journal of Power Sources 360 (2017),
p. 419-433. issn : 03787753. doi : 10.1016/j.jpowsour.2017.06.016.

[21] Marcelo Carmo et al. « A Comprehensive Review on PEM Water Electrolysis ». In : International
Journal of Hydrogen Energy 38.12 (2013), p. 4901-4934. issn : 03603199. doi : 10 . 1016 / j .
ijhydene.2013.01.151.

[22] Lamine Chalal. « Coordination de systèmes multisources pour favoriser la production d’énergie
électrique renouvelable.pdf ». Thèse de doct. Université Lille1 - Sciences et Technologies, 2013.

[23] Huicui Chen et al. « A Review of Durability Test Protocols of the Proton Exchange Membrane
Fuel Cells for Vehicle ». In : Applied Energy 224 (2018), p. 289-299. issn : 03062619. doi : 10.
1016/j.apenergy.2018.04.050.

[24] M. Chen et G.A. Rincon-Mora. « Accurate Electrical Battery Model Capable of Predicting
Runtime and I–V Performance ». In : IEEE Transactions on Energy Conversion 21.2 (2006), p. 504-
511. issn : 0885-8969. doi : 10.1109/TEC.2006.874229.

164
[25] Colloque de la CRE "Energies et territoires : une régulation, des régulations" du 11 octobre 2012.

[26] Comment fabriquer l’hydrogène ? url : https : / / www . planete - energies . com / fr / medias /
decryptages/comment-fabriquer-l-hydrogene (visité le 25/02/2019).

[27] Comment stocker l’hydrogène ? url : https://energies.airliquide.com/fr/mediatheque-

planete-hydrogene/comment-stocker-lhydrogene (visité le 05/04/2019).

[28] Comprendre Les Smart Grids. url : http : / / www . smartgrids - cre . fr / index . php ? p =
comprendre-les-smart-grids (visité le 28/01/2019).

[29] Control of Constrained Hybrid Systems - MPC. url : https://people.ee.ethz.ch/~cohysys/

control.html.

[30] C. Darras et al. « Sizing of Photovoltaic System Coupled with Hydrogen/Oxygen Storage Based
on the ORIENTE Model ». In : International Journal of Hydrogen Energy 35.8 (2010), p. 3322-
3332. issn : 0360-3199. doi : 10.1016/j.ijhydene.2010.01.060.

[31] Daniele De Vito. « Power Flow Management with Predictive Capabilities for a Hybrid Fuel
Cell Vehicle ». In : IFAC Proceedings Volumes. 5th IFAC Symposium on Advances in Automo-
tive Control 40.10 (2007), p. 9-16. issn : 1474-6670. doi : 10.3182/20070820-3-US-2918.00004.

[32] P Dieguez et al. « Thermal Performance of a Commercial Alkaline Water Electrolyzer : Experi-
mental Study and Mathematical Modeling ». In : International Journal of Hydrogen Energy 33.24
(2008), p. 7338-7354. issn : 03603199. doi : 10.1016/j.ijhydene.2008.09.051.

[33] Jean-Yves Dieulot et al. « Economic Supervisory Predictive Control of a Hybrid Power Generation
Plant ». In : Electric Power Systems Research 127 (2015), p. 221-229. issn : 03787796. doi :
10.1016/j.epsr.2015.06.006.

[34] Étienne Dijoux. « Contrôle Tolérant Aux Défauts Appliqué Aux Systèmes Pile à Combustible à
Membrane Échangeuse de Protons (Pemfc) ». thesis. La Réunion, 12 avr. 2019.

[35] N. Eghtedarpour et E. Farjah. « Control Strategy for Distributed Integration of Photovoltaic

and Energy Storage ». In : Renewable Energy 45 (2012), p. 96-110. issn : 0960-1481. doi : 10.
1016/j.renene.2012.02.017.

[36] Energy Pick n Mix : Are Hybrid Systems the next Big Thing ? 2016. url : https://blog.csiro.
au/energy-pick-n-mix-hybrid-systems-next-big-thing/ (visité le 09/03/2017).

[37] Tom Fletcher, Rob Thring et Martin Watkinson. « An Energy Management Strategy to
Concurrently Optimise Fuel Consumption & PEM Fuel Cell Lifetime in a Hybrid Vehicle ». In :
International Journal of Hydrogen Energy 41.46 (2016), p. 21503-21515. issn : 03603199. doi :
10.1016/j.ijhydene.2016.08.157.

[38] Agata Godula -Jopek et Detlef Stolten. Hydrogen Production : By Electrolysis. Agata Godula-
Jopek, 2015. 424 p. isbn : 978-3-527-33342-4.

165
[39] M.A. Hasan et S.K. Parida. « An Overview of Solar Photovoltaic Panel Modeling Based on
Analytical and Experimental Viewpoint ». In : Renewable and Sustainable Energy Reviews 60
(2016), p. 75-83. issn : 13640321. doi : 10.1016/j.rser.2016.01.087.

[40] Martin Herceg et al. « Multi-Parametric Toolbox 3.0 ». In : Proc. of the European Control Confe-
rence. Proc. of the European Control Conference. Zurich, Switzerland, 2013, p. 502-510.

[41] M. Hilairet et al. « A Passivity - Based Controller for Coordination of Converters in a Fuel Cell
System ». In : Control Engineering Practice 21.8 (2013), p. 1097-1109. issn : 0967-0661. doi :
10.1016/j.conengprac.2013.04.003.

[42] Mickaël HILAIRET. « Application des outils du traitement du signal a la commande des machines
tournantes ». Thèse de doct. Universite de Nantes, 2001.

[43] Mickael Hilairet et al. « Experimental Validation of a Sampled-Data Passivity-Based Controller

for Coordination of Converters in a Fuel Cell System ». In : IEEE Transactions on Industrial
Electronics 62.8 (août 2015), p. 5187-5194. issn : 0278-0046, 1557-9948. doi : 10.1109/TIE.2014.
2362497.

[44] Bin HUANG. « Convertisseur Continu-continu a Rapport de Transfo ». Lorraine : Institut National
Polytechnique de Lorraine, 2009. 156 p.

[45] Félix Iglesias et al. « Demand Side Management for Stand-Alone Hybrid Power Systems Based
on Load Identification ». In : Energies. Energies. - MDPI, Open Access Journal, ISSN 1996-1073.
- Vol. 5.2012, 11, p. 4517-4532 5.11 (2012).

[46] Alberto Isidori. Nonlinear Control Systems. Réd. par E. D. Sontag et al. Communications and
Control Engineering. London : Springer London, 1995. isbn : 978-1-4471-3909-6 978-1-84628-615-5.
doi : 10.1007/978-1-84628-615-5.

[47] Dong-Keun Jeong et al. « Distributed Control Strategy of DC Microgrid for Islanding Mode
Operation ». In : EPE’17 ECCE Europe. EPE’17 ECCE Europe. IEEE, 2017. isbn : 978-90-75815-
27-6. doi : 10.23919/EPE17ECCEEurope.2017.8099122.

[48] Qi Jiang et al. « A-ECMS and SDP Energy Management Algorithms Applied to a Fuel Cell Electric
Scooter ». In : 2017 IEEE Vehicle Power and Propulsion Conference (VPPC). 2017 IEEE Vehicle
Power and Propulsion Conference (VPPC). Déc. 2017, p. 1-5. doi : 10.1109/VPPC.2017.8330968.

[49] Mojtaba Khederzadeh. « Defining and Realizing Flexibility in Distribution Grid ». In : (2016).

[50] Tran Dang Khoa et al. « Load Shedding and Restoration Real-Time Optimization for DC Mi-
crogrid Power Balancing ». In : Energy Conference (ENERGYCON), 2016 IEEE International.
Energy Conference (ENERGYCON), 2016 IEEE International. IEEE, 2016.

166
[51] A. Kirubakaran, Shailendra Jain et R. K. Nema. « A Review on Fuel Cell Technologies and
Power Electronic Interface ». In : Renewable and Sustainable Energy Reviews 13.9 (1er déc. 2009),
p. 2430-2440. issn : 1364-0321. doi : 10.1016/j.rser.2009.04.004.

[52] L’hydrogène, Toutes Les Questions Sur l’hydrogène, IFP Energies Nouvelles. url : http://www.
ifpenergiesnouvelles.fr/Espace-Decouverte/Les- cles- pour-comprendre/Les- sources-
d-energie/L-hydrogene (visité le 22/03/2017).

[53] Jérôme Lachaiz. « Etude des stratégies et des structures de commande pour le pilotage des sys-
tèmes énergétiques à Pile à Combustible (PAC) destinés à la traction ». Thèse de doct. Institut
national polytechnique de Toulouse, 2004.

[54] Quang Linh Lam et al. « Multi-Variable H-Infinity Robust Control Applied to Primary Frequency
Regulation in Microgrids with Large Integration of Photovoltaic Energy Source ». In : 2015 IEEE
International Conference on Industrial Technology (ICIT). 2015 IEEE International Conference on
Industrial Technology (ICIT). Mar. 2015, p. 2921-2928. doi : 10.1109/ICIT.2015.7125529.

[55] Le Biogaz Est-Il Une Énergie Renouvelable ? 2016. url : http://www.connaissancedesenergies.

org/le-biogaz-est-il-une-energie-renouvelable-160112 (visité le 22/03/2017).

[56] Markus Lehner et al. Power-to-Gas : Technology and Business Models. SpringerBriefs in Energy.
Cham : Springer International Publishing, 2014. isbn : 978-3-319-03994-7 978-3-319-03995-4. doi :
10.1007/978-3-319-03995-4.

[57] Les Différentes Technologies de Batteries. url : http : / / www . lepanneausolaire . net / les -
differentes-technologies-batteries.php (visité le 25/02/2019).

[58] Les différents types de technologies photovoltaïques. url : https://www.planete-energies.com/

fr/medias/decryptages/les-differents-types-de-technologies-photovoltaiques (visité
le 22/02/2019).

[59] Les Microgrids Introduction. url : http://www.smartgrids-cre.fr/index.php?p=microgrids

(visité le 28/01/2019).

[60] Bei Li et al. « Sizing of a Stand-Alone Microgrid Considering Electric Power, Cooling/Heating,
Hydrogen Loads and Hydrogen Storage Degradation ». In : Applied Energy 205 (2017), p. 1244-
1259. issn : 03062619. doi : 10.1016/j.apenergy.2017.08.142.

[61] D. Liu et S. Case. « Durability Study of Proton Exchange Membrane Fuel Cells under Dynamic
Testing Conditions with Cyclic Current Profile ». In : Journal of Power Sources 162.1 (2006),
p. 521-531. issn : 03787753. doi : 10.1016/j.jpowsour.2006.07.007.

[62] J. Lofberg. « YALMIP : A Toolbox for Modeling and Optimization in MATLAB ». In : In

Proceedings of the CACSD Conference. In Proceedings of the CACSD Conference. Taipei, Taiwan,
2004. doi : 10.1109/CACSD.2004.1393890.

167
[63] T. Malakar, S.K. Goswami et A.K. Sinha. « Optimum Scheduling of Micro Grid Connected
Wind-Pumped Storage Hydro Plant in a Frequency Based Pricing Environment ». In : Electrical
Power and Energy Systems 54 (2014), p. 341-351. issn : 0142-0615. doi : 10.1016/j.ijepes.
2013.07.021.

[64] Sebastien Mariethoz, Olivier Bethoux et Mickael Hilairet. « A Distributed Model Predictive
Control Scheme for Reducing Consumption of Hybrid Fuel Cell Systems ». In : IECON 2012 - 38th
Annual Conference on IEEE Industrial Electronics Society. IECON 2012 - 38th Annual Conference
on IEEE Industrial Electronics Society. IEEE, 2012. doi : 10.1109/IECON.2012.6389175.

[65] Paulo R.C. Mendes et al. « A Practical Approach for Hybrid Distributed MPC ». In : Journal of
Process Control 55 (2017), p. 30-41. issn : 09591524. doi : 10.1016/j.jprocont.2017.01.001.

[66] MPPT Algorithm. url : https://www.mathworks.com/discovery/mppt-algorithm.html (visité

le 22/01/2018).

[67] Offline, RCP, and HIL Configurations (Control Design and Simulation Module) - LabVIEW 2018
Control Design and Simulation Module Help - National Instruments. url : https://zone.ni.com/
reference/en-XX/help/371894J-01/lvsimconcepts/sim_c_config/ (visité le 04/09/2019).

[68] Masahiro Ono. « Energy-Efficient Control of a Smart Grid with Sustainable Homes Based on
Distributing Risk ». Thèse de doct. Massachusetts Institute of Technology, 2012.

[69] Luca Parolini, Bruno Sinopoli et Bruce H. Krogh. « Model Predictive Control of Data Centers
in the Smart Grid Scenario ». In : IFAC Proceedings Volumes. 18th IFAC World Congress 44.1
(2011), p. 10505-10510. issn : 1474-6670. doi : 10.3182/20110828-6-IT-1002.03237.

[70] Pucheng Pei et al. « Analysis on the PEM Fuel Cells after Accelerated Life Experiment ». In :
International Journal of Hydrogen Energy 35.7 (2010), p. 3147-3151. issn : 03603199. doi : 10.
1016/j.ijhydene.2009.09.103.

[71] Projet MobiPost. url : mobypost-project.eu/ (visité le 15/08/2019).

[72] Qu’est-ce qu’une énergie fossile ? 2013. url : http://www.connaissancedesenergies.org/qu-

est-ce-qu-une-energie-fossile-131029 (visité le 09/03/2017).

[73] Qu’est-Ce Qu’une Énergie Renouvelable ? 2015. url : https : / / www . edf . fr / groupe - edf /
espaces-dedies/l-energie-de-a-a-z/tout-sur-l-energie/le-developpement-durable/
qu-est-ce-qu-une-energie-renouvelable (visité le 20/03/2017).

[74] Qu’est-Ce Que l’énergie Hydraulique ? 2015. url : https://www.edf.fr/groupe-edf/espaces-

dedies/l-energie-de-a-a-z/tout-sur-l-energie/produire-de-l-electricite/qu-est-
ce-que-l-energie-hydraulique (visité le 20/03/2017).

168
[75] Qu’est-Ce Que l’énergie Nucléaire ? 2015. url : https://www.edf.fr/groupe- edf/espaces-
dedies/l-energie-de-a-a-z/tout-sur-l-energie/produire-de-l-electricite/qu-est-
ce-que-l-energie-nucleaire (visité le 10/03/2017).

[76] Qu’est-Ce Que l’énergie Solaire ? 2015. url : https : / / www . edf . fr / groupe - edf / espaces -
dedies/l-energie-de-a-a-z/tout-sur-l-energie/produire-de-l-electricite/qu-est-
ce-que-l-energie-solaire (visité le 20/03/2017).

[77] Qu’est-Ce Que La Géothermie ? 2015. url : https : / / www . edf . fr / groupe - edf / espaces -
dedies/l-energie-de-a-a-z/tout-sur-l-energie/produire-de-l-electricite/qu-est-
ce-que-la-geothermie (visité le 20/03/2017).

[78] Mehdi Rahmani-Andebili. « Scheduling Deferrable Appliances and Energy Resources of a Smart
Home Applying Multi-Time Scale Stochastic Model Predictive Control ». In : Sustainable Cities
and Society 32 (2017), p. 338-347. issn : 2210-6707. doi : 10.1016/j.scs.2017.04.006.

[79] Md Juel Rana et Mohammad Ali Abido. « Energy Management in DC Microgrid with Energy
Storage and Model Predictive Controlled AC–DC Converter ». In : IET Generation, Transmission
& Distribution 11.15 (2017), p. 3694-3702. issn : 1751-8687, 1751-8695. doi : 10 . 1049 / iet -
gtd.2016.1934.

[80] Mamoon Rashid et al. « Hydrogen Production by Water Electrolysis : A Review of Alkaline Water
Electrolysis, PEM Water Electrolysis and High Temperature Water Electrolysis ». In : 4.3 (2015),
p. 15. issn : 2249 – 8958.

[81] Fahad Rasool et al. « PV Panel Modeling with Improved Parameter Extraction Technique ». In :
Solar Energy 153 (2017), p. 519-530. issn : 0038092X. doi : 10.1016/j.solener.2017.05.078.

[82] REMY RIGO-MARIANI. « Méthodes de conception intégrée "dimensionnement-gestion" par op-

timisation d’un micro-réseau avec stockage ». Thèse de doct. Université de Toulouse, 2014.

[83] Robin Roche et al. « Algorithmes Hybrides Pour La Gestion Intelligente de l’énergie Dans Les
Smart Grids ». In : Journées Francophones Sur La Planification, La Décision et l’apprentissage
Pour Le Contrôle Des Systèmes - JFPDA 2012. Journées Francophones Sur La Planification, La
Décision et l’apprentissage Pour Le Contrôle Des Systèmes - JFPDA 2012. Sous la dir. d’Olivier
Buffet. Villers-lès-Nancy, France, 2012, p. 1-14.

[84] Vincent Rogez. « Modélisation simplifiée de sources de production décentralisée pour des etudes
de dynamique des réseaux : application à l’intégration d’une production éolienne dans un réseau
de distribution insulaire ». Thèse de doct. Artois, 2004.

[85] O. Schmidt et al. « Future Cost and Performance of Water Electrolysis : An Expert Elicita-
tion Study ». In : International Journal of Hydrogen Energy 42.52 (2017), p. 30470-30492. issn :
03603199. doi : 10.1016/j.ijhydene.2017.10.045.

169
[86] O. Schmidt et al. « Future Cost and Performance of Water Electrolysis : An Expert Elicitation
Study ». In : International Journal of Hydrogen Energy 42.52 (28 déc. 2017), p. 30470-30492. issn :
0360-3199. doi : 10.1016/j.ijhydene.2017.10.045.

[87] Semader. Coeur de Ville La Possession.

[88] Yuyan Shao, Geping Yin et Yunzhi Gao. « Understanding and Approaches for the Durability
Issues of Pt-Based Catalysts for PEM Fuel Cell ». In : Journal of Power Sources 171.2 (2007),
p. 558-566. issn : 03787753. doi : 10.1016/j.jpowsour.2007.07.004.

[89] Rishi Kant Sharma et Sukumar Mishra. « Dynamic Power Management and Control of a PV
PEM Fuel-Cell-Based Standalone Ac/Dc Microgrid Using Hybrid Energy Storage ». In : IEEE
Transactions on Industry Applications 54.1 (2018), p. 526-538. issn : 0093-9994, 1939-9367. doi :
10.1109/TIA.2017.2756032.

[90] Andrew Slaughter. Electricity Storage Technologies Impacts and Prospects. 2015. url : https:
//www2.deloitte.com/content/dam/Deloitte/us/Documents/energy- resources/us- er-
electric-storage-paper.pdf.

[91] Solaire photovoltaïque. 31 juil. 2010. url : https://www.connaissancedesenergies.org/fiche-

pedagogique/solaire-photovoltaique (visité le 22/02/2019).

[92] Dimitar Spirov et al. « Modelisation des convertisseurs statiques DC-DC pour des applications
dans les energies renouvelables en utilisant MATLAB/SIMULINK ». In : Conférence Electrotech-
nique du Future “ EF 2009 ”. Conférence Electrotechnique du Future “ EF 2009 ”. 2009.

[93] Saman Dadjo Tavakoli et al. « A Unified Control Strategy for Power Sharing and Voltage Balan-
cing in Bipolar DC Microgrids ». In : Sustainable Energy, Grids and Networks 11 (2017), p. 58-68.
issn : 23524677. doi : 10.1016/j.segan.2017.07.004.

[94] TCO. Ecocité Insulaire et Tropicale de La Réunion - Plan Guide Durable - Synthèse.

[95] Mestan Tekin. « Contribution à l’optimisation Énergétique d’un Système Pile à Combustible
Embarqué ». thesis. Besançon, 1er jan. 2004.

[96] Phatiphat Thounthong, Stephane Raël et Bernard Davat. « Energy Management of Fuel
Cell/Battery/Supercapacitor Hybrid Power Source for Vehicle Applications ». In : Journal of Po-
wer Sources. Scientific Advances in Fuel Cell Systems 193.1 (2009), p. 376-385. issn : 0378-7753.
doi : 10.1016/j.jpowsour.2008.12.120.

[97] Hongmei Tian et al. « A Cell-to-Module-to-Array Detailed Model for Photovoltaic Panels ». In :
Solar energy 86.9 (2012), p. 2695-2706.

[98] P. Tøndel, T.A. Johansen et A. Bemporad. « Evaluation of Piecewise Affine Control via Binary
Search Tree ». In : Automatica 39.5 (2003), p. 945-950. issn : 00051098. doi : 10.1016/S0005-
1098(02)00308-4.

170
 [99] Mohamed Trabelsi et al. « High Performance Voltage-Sensorless Model Predictive Control for
Grid Integration of Packed U Ceils Based PV System ». In : 2017 19th European Conference on
Power Electronics and Applications (EPE’17 ECCE Europe). 2017 19th European Conference on
Power Electronics and Applications (EPE’17 ECCE Europe). Sept. 2017, P.1-P.8. doi : 10.23919/
EPE17ECCEEurope.2017.8098921.

[100] Uranium 2016 : Resources, Production and Demand. url : https://www.oecd- nea.org/ndd/
pubs/2016/7301-uranium-2016.pdf (visité le 20/03/2017).

[101] Jinfeng Wu et al. « A Review of PEM Fuel Cell Durability : Degradation Mechanisms and Miti-
gation Strategies ». In : Journal of Power Sources 184.1 (2008), p. 104-119. issn : 03787753. doi :
10.1016/j.jpowsour.2008.06.006.

[102] Xingyu YAN. « Gestion Énergétique Sous Incertitude : Application à La Planification et à l’allo-
cation de Réserve Dans Un Micro Réseau Électrique Urbain Comportant Des Générateurs Photo-
voltaïques Actifs et Du Stockage ». Thèse de doct. Centralle Lille, 2017.

[103] Yalmip : Unit Commitment, Fonction consequtiveON. 16 sept. 2016. url : https : / / yalmip .
github.io/example/unitcommitment/ (visité le 11/09/2019).

[104] Xiao-Zi Yuan et al. « A Review of Polymer Electrolyte Membrane Fuel Cell Durability Test
Protocols ». In : Journal of Power Sources 196.22 (2011), p. 9107-9116. issn : 03787753. doi :
10.1016/j.jpowsour.2011.07.082.

[105] Zheng Zeng, Huan Yang et Rongxiang Zhao. « Study on Small Signal Stability of Microgrids :
A Review and a New Approach ». In : Renewable and Sustainable Energy Reviews 15.9 (2011),
p. 4818-4828. issn : 1364-0321. doi : 10.1016/j.rser.2011.07.069.

[106] Jintao Zhang, Zhenhai Xia et Liming Dai. « Carbon-Based Electrocatalysts for Advanced Energy
Conversion and Storage ». In : Science Advances 1 (28 août 2015), e1500564-e1500564. doi : 10.
1126/sciadv.1500564.

[107] S Zhang et al. « A Review of Accelerated Stress Tests of MEA Durability in PEM Fuel Cells ».
In : International Journal of Hydrogen Energy 34.1 (2009), p. 388-404. issn : 03603199. doi :
10.1016/j.ijhydene.2008.10.012.

[108] Tong Zhang et al. « A Review of Automotive Proton Exchange Membrane Fuel Cell Degrada-
tion under Start-Stop Operating Condition ». In : Applied Energy 223 (2018), p. 249-262. issn :
03062619. doi : 10.1016/j.apenergy.2018.04.049.

[109] Zhongtian Zhao, Jian Hu et Hongtao Chen. « Bus Voltage Control Strategy for Low Voltage DC
Microgrid Based on AC Power Grid and Battery ». In : First IEEE International Conference on
Energy Internet. First IEEE International Conference on Energy Internet. IEEE, 2017, p. 349-354.
isbn : 978-1-5090-5759-7. doi : 10.1109/ICEI.2017.68.

171
[110] C.H. Zheng et al. « Prolonging Fuel Cell Stack Lifetime Based on Pontryagin’s Minimum Principle
in Fuel Cell Hybrid Vehicles and Its Economic Influence Evaluation ». In : Journal of Power Sources
248 (2014), p. 533-544. issn : 03787753. doi : 10.1016/j.jpowsour.2013.09.110.

172
POLE RECHERCHE
Ecoles Doctorales

LETTRE D’ENGAGEMENT DE NON-PLAGIAT

Je, soussigné(e) Fabrice K/BIDI en ma qualité de doctorant(e) de l’Université de La Réunion,

déclare être conscient(e) que le plagiat est un acte délictueux passible de sanctions
disciplinaires. Aussi, dans le respect de la propriété intellectuelle et du droit d’auteur, je
m’engage à systématiquement citer mes sources, quelle qu’en soit la forme (textes, images,
audiovisuel, internet), dans le cadre de la rédaction de ma thèse et de toute autre production
scientifique, sachant que l’établissement est susceptible de soumettre le texte de ma thèse à un
logiciel anti-plagiat.

Fait à Saint Denis, le 21/10/2019

Signature :

Extrait du Règlement intérieur de l'Université de La Réunion

(validé par le Conseil d’Administration en date du 11 décembre 2014)

Article 9. Protection de la propriété intellectuelle – Faux et usage de faux, contrefaçon, plagiat

L’utilisation des ressources informatiques de l’Université implique le respect de ses droits de propriété intellectuelle ainsi que
ceux de ses partenaires et plus généralement, de tous tiers titulaires de tels droits.
En conséquence, chaque utilisateur doit :
- utiliser les logiciels dans les conditions de licences souscrites ;
- ne pas reproduire, copier, diffuser, modifier ou utiliser des logiciels, bases de données, pages Web, textes, images,
photographies ou autres créations protégées par le droit d’auteur ou un droit privatif, sans avoir obtenu préalablement
l’autorisation des titulaires de ces droits.

La contrefaçon et le faux
Conformément aux dispositions du code de la propriété intellectuelle, toute représentation ou reproduction intégrale ou
partielle d’une œuvre de l’esprit faite sans le consentement de son auteur est illicite et constitue un délit pénal.
L’article 444-1 du code pénal dispose : « Constitue un faux toute altération frauduleuse de la vérité, de nature à causer un
préjudice et accomplie par quelque moyen que ce soit, dans un écrit ou tout autre support d’expression de la pensée qui a pour
objet ou qui peut avoir pour effet d’établir la preuve d’un droit ou d’un fait ayant des conséquences juridiques ».
L’article L335_3 du code de la propriété intellectuelle précise que : « Est également un délit de contrefaçon toute reproduction,
représentation ou diffusion, par quelque moyen que ce soit, d’une œuvre de l’esprit en violation des droits de l’auteur, tels
qu’ils sont définis et réglementés par la loi. Est également un délit de contrefaçon la violation de l’un des droits de l’auteur
d’un logiciel (…) ».

Le plagiat est constitué par la copie, totale ou partielle d’un travail réalisé par autrui, lorsque la source empruntée n’est pas
citée, quel que soit le moyen utilisé. Le plagiat constitue une violation du droit d’auteur (au sens des articles L 335-2 et L 335-
3 du code de la propriété intellectuelle). Il peut être assimilé à un délit de contrefaçon. C’est aussi une faute disciplinaire,
susceptible d’entraîner une sanction.
Les sources et les références utilisées dans le cadre des travaux (préparations, devoirs, mémoires, thèses, rapports de stage…)
doivent être clairement citées. Des citations intégrales peuvent figurer dans les documents rendus, si elles sont assorties de leur
référence (nom d’auteur, publication, date, éditeur…) et identifiées comme telles par des guillemets ou des italiques.
Les délits de contrefaçon, de plagiat et d’usage de faux peuvent donner lieu à une sanction disciplinaire indépendante de la
mise en œuvre de poursuites pénales.