HAL Id: hal-00990654https://hal.archives-ouvertes.fr/hal-00990654

Submitted on 14 May 2014

HAL is a multi-disciplinary open accessarchive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come fromteaching and research institutions in France orabroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, estdestinée au dépôt et à la diffusion de documentsscientifiques de niveau recherche, publiés ou non,émanant des établissements d’enseignement et derecherche français ou étrangers, des laboratoirespublics ou privés.

Systèmes multi-agents pour la gestion de sourcesd’énergie renouvelable et de stockage de masse

M. K. Crédo Paniah, Javier Gil-Quijano, D. Mercier

To cite this version:M. K. Crédo Paniah, Javier Gil-Quijano, D. Mercier. Systèmes multi-agents pour la gestion de sourcesd’énergie renouvelable et de stockage de masse. JFSMA 13 - Vingt-et-unièmes journées francophonessur les systèmes multi-agents, Jul 2013, Lille, France. pp.29-38, 2013. <hal-00990654>

Systèmes multi-agents pour la gestion de sourcesd’énergie renouvelable et de stockage de masse

C. Paniaha

credo.paniah@cea.fr

J. Gil-Quijanoa

javier.gil-quijano@cea.fr

D. Merciera

david.mercier@cea.fr

aCEA, LIST, Laboratoire Information Modèles et Apprentissage,F-91191 Gif-sur-Yvette, France

RésuméLes sources d’énergie renouvelable (EnR) ontdes caractéristiques qui limitent l’intégrationde la production à la consommation électrique.Des travaux récents ont montré la pertinencedes systèmes multi-agents pour la gestion dela production renouvelable et/ou distribuée. Leprojet Winpower 1 a pour objectif l’intégrationde la production d’un ensemble de fermes éo-liennes off-shore (et autres producteurs d’EnR).Pour optimiser leur interaction avec le mar-ché de l’énergie, Winpower propose une asso-ciation avec des centres de stockage et une in-terconnexion HVDC (réseau à courant continuà haute tension). Pour piloter l’ensemble, nousproposons une approche hiérarchique qui per-met d’une part de gérer les dynamiques localeset d’autre part d’optimiser l’interaction avec lemarché tout en respectant les contraintes glo-bales du réseau (stabilité, pertes). Nous présen-tons nos travaux sur l’architecture multi-agentet les protocoles de communication conçus pourle pilotage de haut niveau du système Winpower.

Mots-clés : Smart Grid, Systèmes multi-agentshiérarchiques, Stockage de masse, Sourcesd’énergie renouvelable, Gestion de la produc-tion, Planification

AbstractThe integration of the renewable production inthe consumption is limited by the characteris-tics of the Renewable Energy Sources (RES).Recent studies have shown the relevance ofmulti-agent systems for the management of dis-tributed renewable generation. Winpower1 is aproject which aims at offshore wind energy in-tegration through a high voltage DC network.In order to optimize their interaction with theenergy market, Winpower proposes to associatea set of off-shore wind plants with mass storage.We propose a hierachical approach that allowboth to manage renewable generation local dy-namics and to optimize interaction with the mar-ket while handling global constraints of the net-

1. WINPOWER - ANR-10-SEGI-016

work (stability, losses). We present our work onthe multi-agent architecture and communicationprotocols designed for the high-level manage-ment of the Winpower system.

Keywords: Smart Grid, Hierchical multi-agentsystem, Mass storage, Renewable energysources, Generation management, Planning

Remerciements : Nous remercions Daniel Grif-fel (Zamiren), Pierre Ollivier (Winnove) pourles discussions enrichissantes qui nous ont per-mis d’avancer dans notre travail. Ce travail estissu du projet Winpower (WINPOWER - ANR-10-SEGI-016) financé par l’ANR.

1 Introduction

En Janvier 2008, l’Union Européenne adoptaitle plan Energie-Climat dont l’objectif est de lut-ter contre le changement climatique et d’ins-taurer une politique d’énergie durable communeaux pays de l’Union. On peut le résumer à l’ob-jectif 20-20-20 : atteindre à l’horizon 2020 [3]une part de 20% d’énergies renouvelables dansle mix énergétique Européen, une réduction de20% des émissions de gaz à effet de serre, enparticulier le CO2 et une augmentation de l’ef-ficacité énergétique de 20%.

Pour y parvenir, il est nécessaire de mieux in-tégrer la production des sources d’énergie re-nouvelable (EnR). L’Europe se trouve, en ef-fet, dans un contexte d’implantation croissantede sites de production d’EnR. Les capacités deproduction renouvelable ont considérablementaugmenté ces dernières années (de 1000MW en2005 à 6692MW pour l’énergie éolienne et de140MW à 2503MW pour l’énergie solaire en fin2011 [14]). Néanmoins, la production renouve-lable est caractérisée par des propriétés qui li-mitent son intégration aux marchés de l’énergie([13]). D’une part, la courbe de production estvariable et intermittente et il est difficile de laprévoir (dépendance de la météo). D’autre part

les sources sont distribuées géographiquementet souvent éloignées du consommateur final.

L’objectif 20-20-20 ne peut être atteint que sides solutions sont proposées pour faciliter l’in-tégration des EnR. Le projet Winpower proposed’intégrer les technologies de l’information etla communication pour développer une vastestratégie de contrôle et de gestion des réseauxHVDC (réseau haut voltage à courant continu)reliant des sources d’EnR au réseau de cou-rant alternatif actuel. Il démontre aussi commentil est possible d’obtenir la stabilité sur des ré-seaux HVDC ou des systèmes combinés Cou-rant continu - Courant alternatif. L’objectif estd’intégrer les nouvelles technologies au réseauet de présenter de nouveaux outils pour prendreen charge les problèmes spécifiques au contrôledistribué des fermes éoliennes off-shore.

Ce travail propose en solution une architec-ture distribuée, un Système multi-agents (SMA)pour le pilotage du réseau Winpower. La sec-tion 2 présente les travaux existant, appliquantles SMA aux Smart Grids. Le projet Winpoweret ses objectifs sont présentés dans la section3. La section 4 présente l’architecture proposéepour piloter le réseau Winpower puis la section5 décrit les différents agents et leurs rôles. Cettedescription est suivie par celle des protocolesde communication implémentés pour le pilotageoptimal du réseau dans la section 6. La section 7conclut le travail en présentant les perspectivesde recherche dans le cadre du projet.

2 Etat de l’art

L’intelligence artificielle distribuée et en parti-culier les SMA ont été utilisés pour le contrôleet la gestion des systèmes électriques com-plexes et/ou distribués . Fatemeh propose dans[6] une revue de sujets d’application des SMAdans les réseaux électriques : gestion de produc-tion, contrôle distribué et gestion de la conges-tion, contrôle à distance, formation de coali-tions, etc. McArthur [10] adapte dans son étudeles concepts centraux des SMA aux systèmesélectriques. Il présente deux applications pourla supervision et l’analyse de quantités impor-tantes de données provenant de sources hétéro-gènes et distribuées dans un réseau électrique.Dimeas [4] propose pour la gestion des micro-grids (réseaux électriques à bas voltage inté-grant du stockage, des charges contrôlables etde la production distribuée) un SMA intégrant lanotion d’apprentissage multi-couches Plusieursétudes portent sur la production renouvelable,

au contraire des précédentes. Kok [7] utilisede nouveaux mécanismes de coordination del’offre et de la demande en formant des coali-tions de sources et en flexibilisant la demandepar le pilotage de charge. Robu [13] présente leconcept des CVPP (Cooperative Virtual PowerPlants). Un CVPP associe et fait coopérer desproducteurs distribués géographiquement et/ourenouvelables pour participer aux échanges entant que producteur unique. Ce producteur vir-tuel pourra proposer des prévisions de produc-tion moins incertaines et assurer la stabilité duréseau électrique. Il propose des mécanismes dedistribution de revenus et de pénalités pour ga-rantir l’équité sociale dans la coalition. Toute-fois, le réalisme des solutions est remis en doutepar Bourry dans [1]. Lagorse [8] décrit un SMApour gérer un réseau électrique connectant descharges, des unités de production et de stockage,connectés par un réseau à courant continu et re-lié au réseau alternatif de distribution en utili-sant Simulink mais ne prend pas en compte lesréseaux de transmission. Dans Winpower nousconsidérons à la fois les moyens de productionet stockage, l’interaction avec le marché et lescontraintes associées au réseau de transmission.

3 Le projet Winpower

Le projet Winpower se concentre sur les fermeséoliennes off-shore. En effet, l’off-shore tend àdevenir le standard dans la production éolienne.La puissance et la fréquence du vent, ainsi quela non pollution visuelle motivent ce choix. Onsait aussi que pour des distances relativementcourtes, environ 50km des côtes, les lignes àcourant continu sont non seulement viables maisdeviennent plus rentables que les lignes à cou-rant alternatif et favorisent l’indépendance descomposantes du réseau. Néanmoins, la produc-tion éolienne se caractérise par des proprié-tés qui l’empêchent de participer au marché del’électricité comme un producteur convention-nel :

– La marginalité : La production d’une fermeéolienne, lorsqu’elle est comparée à celle desproducteurs conventionnels reste marginale[13]. Ceci empêche la production éolienned’être "vue" sur le marché. Winpower pro-pose de résoudre ce problème par l’agréga-tion de la production de plusieurs fermes éo-liennes (foisonnement). Le groupe peut seprésenter au marché en tant que producteurunique et mieux négocier les modalités devente de sa production.

– L’intermittence : Cette caractéristique de laproduction éolienne nuit à l’offre que peutprésenter une ferme éolienne au marché [7].Ce problème est aussi résolu par l’agrégationde plusieurs fermes. la distribution géogra-phique des fermes participant au réseau faitque les productions sont à différents momentsde la journée. Winpower présente au marchéune offre stable dans le temps.

– Les difficultés de prévision : l’énergie éo-lienne est par essence difficile à prévoir [1].Cela s’explique par les prévisions météorolo-giques qui sont approximatives. Le vent estla source primaire de l’énergie éolienne et estdifficile à prévoir. Winpower propose d’asso-cier aux fermes éoliennes des centrales de sto-ckage. Lorsque les prévisions incorrectes fontque toute la production n’est pas vendue, ellepeut être stockée pour être, plus tard, désto-ckée en cas de nécessité.

– La variabilité : Elle est soulevée par Robu[13]. L’utilité du stockage est importante pourlisser les crêtes et les creux de production.L’offre de production que peut faire un pro-ducteur au marché est assez contrainte. Ellene supporte pas la variabilité de la productionéolienne. On peut utiliser les capacités de sto-ckage des centrales de production et l’énergiestockée pour lisser la production éolienne.

Winpower considère plusieurs types de sto-ckage qu’on peut distinguer par rapport à leurstemps de réaction et leurs capacités de sto-ckage. Ces caractéristiques les destinent à diffé-rents usages. Le stockage d’énergie a des tempsde réaction courts [12]. Cette rapidité lui per-met de participer au réglage de fréquence pourla stabilité des réseaux. Toutefois, les capaci-tés disponibles sont faibles. Il n’est donc paspossible de l’utiliser pour le stockage à longterme de l’énergie produite. Cette fonction estréalisée par le stockage de masse. Les tempsde réactions sont plus longs mais les capaci-tés plus grandes. Enfin, la production éoliennedoit être mise en vente sur le marché de l’éner-gie. Il existe trois types de marché : le mar-ché à long terme (il fixe des contrats sur desproductions fixes sur plusieurs années, le mar-ché intra-journalier et le marché infra-journalier.Ces deux derniers représentent environ 5% deséchanges et servent à gérer les variations de pro-duction/consommation sur un horizon journa-lier. Winpower connecte donc par un réseau àcourant continu des sources d’EnR et des cen-trales de stockage de masse distribuées géogra-phiquement. Winpower connecte ce groupe auréseau principal pour fournir sa production à

la consommation électrique. Un tel réseau né-cessite plusieurs niveaux de contrôle qui s’ap-pliquent à des échelles différentes [2].

Le propos principal du contrôle est la stabilitédu réseau. Il existe le contrôle primaire, le pluslocalisé (la turbine d’une éolienne) qui s’ap-plique à une échelle de temps allant de la milli-seconde à la seconde. Elle se fait par l’automa-tique et a pour but d’assurer que les variationsclimatiques (qui peuvent être brusques) n’em-pêchent pas la continuité effective de la produc-tion renouvelable. Le contrôle secondaire a uneportée plus globale ; il s’applique à une portiondu réseau dont on veut sauvegarder la stabilité.Le contrôle secondaire reçoit comme paramètred’entrée des consignes de fonctionnement quilui sont transmises d’un niveau plus élevé : lepilotage.

Le pilotage correspond à un contrôle haut-niveau des réseaux électriques et a pour fonc-tion de déterminer les consignes de contrôledu réseau. Il assure aussi l’interaction avec lemarché et l’optimalité de la production et del’offre de production. Le pilotage construit uneoffre de production qu’elle présente au marchéet se charge de respecter les engagements pris aumoment de la fourniture de l’énergie produite.L’idée est de minimiser les pénalités qui sanc-tionnent les écarts entre l’offre prévue et l’offreeffective. Le pilotage s’applique à une échellegéographique plus grande, le réseau Winpowerdans son entier et des échelles de temps allant duquart d’heure à l’heure. Le pilotage effectue uneplanification d’utilisation des différents moyensde production (fermes éoliennes et stockage) surun horizon allant de l’heure (pour les marchésinfra-journaliers) à la journée (pour le marchéintra-journalier).

4 L’architecture de pilotage

Les différents éléments du réseau Winpowersont organisés en une architecture qui permetde réaliser la gestion optimale du stockage etl’interaction avec le marché. Chaque produc-teur construit un planning de production, sur unhorizon journalier. Afin de modéliser le pilo-tage et l’interaction avec le marché de l’éner-gie de Winpower, nous proposons une archi-tecture multi-agent hiérarchique. Les différentescouches considérées dans cette architecture sontprésentées dans la figure 1. Ces couches sont :

– Centrales de production/Stockage de masse :Cette couche permet de gérer de manière

agrégée la production d’électricité et le sto-ckage de masse par la construction/opérationde plannings agrégés. La construction de cesplannings se base sur les prévisions de pro-duction des différentes centrales de produc-tion (éoliennes ou autres) et sur les capacitésde stockage disponibles à chaque centre destockage. Les mécanismes d’agrégation pro-posés prennent en compte l’imprécision desprévisions.

– Réseau DC : Cette couche permet à la fois deconstruire des stratégies combinées d’utilisa-tion du stockage de masse et de la produc-tion pour gérer l’intermittence de la produc-tion renouvelable et de vérifier les contraintesphysiques du réseau (i.e. capacités de trans-port) et des différents éléments de productionet stockage (i.e. temps de réponse, courbes decharge/décharge, etc.).

– Interface avec le marché : Cette couche per-met de gérer les interactions du système Win-power avec le marché de l’énergie. A ceniveau sont définis les engagements sur laproduction globale. Ces engagements sontconstruits par négociation entre Winpower lemarché et se basent sur les prix de l’énergie etsur la demande. L’énergie produite est injec-tée sur le réseau de transmission.

FIGURE 1 – Vision fonctionnelle du systèmemulti-agent dans Winpower

Selon cette architecture fonctionnelle, desagents localisés sur les couches assurent le fonc-tionnement du pilotage du système. Les agentsreprésentent les acteurs du système. On peut lesclasser suivant leurs fonctions de planificationou d’opération.

5 Les agents et leurs rôles

5.1 Les agents de planification

FIGURE 2 – Agents de planification

Le jour J-1, leur rôle est de construire des plan-nings de production et de stockage/déstockageà partir des prévisions. Le jour J, leur rôle estd’ajuster ces plannings en cas d’erreur dans lesprévisions, des défaillances matérielles et enfonction des opportunités de participation aumarché infra-journalier. Ils calculent en continules écarts dans la production grâce à des prévi-sions à des horizons temporels courts (de l’ordrede quelques heures).– Centrale de production (CP). Représente une

centrale de production éolienne ou autre. Sonrôle est de produire des plannings prévision-nels de production en fonction des prévisionsmétéorologiques et des disponibilités maté-rielles des installations.

– Centrale de stockage (CS). Son rôle en tantque représentant d’un centre de stockage estde produire des plannings prévisionnels destockage/déstockage.

– Gestionnaire de centrale virtuelle de produc-tion (GCP). Il représente un ensemble de CP.Il a deux fonctions :– Regrouper les plannings prévisionnels de

production des CP qu’il représente sous laforme d’un planning agrégé.

– Consolider la prévision en définissant lesplannings définitifs de chacun des CP qu’ilreprésente.

– Gestionnaire de centrale virtuelle de stockage(GCS). Il représente un ensemble de CS. Il adeux fonctions :– Agréger les plannings prévisionnels de sto-

ckage/déstockage de chacun des CS qu’ilreprésente.

– Consolider la prévision en négociant l’uti-lisation du stockage avec le gestionnaireagrégateur de production.

– Gestionnaire de réseau HVDC (GRH). Il sertd’interface avec le niveau 2 de contrôle. Safonction est de calculer les capacités de trans-port internes au réseau Winpower et les pertesassociées. Il base ses calculs sur un modèlephysique du réseau.

– Gestionnaire agrégateur de production(GAP). Il représente un ensemble de GCP etde GCS. Il a deux fonctions :– Produire un planning global de production

à partir des plannings construits par lesGCP et les capacités de transport et pertescalculées par le GRH.

– Produire un planning global de sto-ckage/déstockage par négociation avec lesGCS. Cette négociation sera fonction desprévisions du marché, les surplus de pro-duction et les capacités de transport.

– Négociateur agrégateur de production (NAP).Il représente Winpower dans les échangesavec le(s) marché(s). Il est en interaction avecle GAP pour ajuster les plannings de produc-tion et stockage en fonction des négociationsavec le marché. Il prend les engagements deproduction pour le jour J au près du marché.

5.2 Les agents d’opération

FIGURE 3 – Agents d’opération

Ils interviennent dans la phase de réalisation lejour J. Leur rôle est double : d’une part ils sonten charge de veiller à respecter l’exécution desplannings de production, stockage/déstockagele jour J et d’autre part, d’adapter ces plan-nings à la demande des agents planificateurs.Les plannings sont ajustés pour garantir le res-pect des engagements pris la veille par le NAP

et pour permettre aux acteurs de Winpower departiciper au marché infra-journalier.– Opérateur de centrale virtuelle de production

(OCP). Il est en interaction directe avec leGCP.

– Opérateur de centrale virtuelle de stockage(OCS). Il est en interaction directe avec leGCS.

– Opérateur agrégateur de production (OAP). Ilest en interaction avec le GAP.

– Superviseur secondaire (SPV-2). Il sert d’in-terface avec le niveau de contrôle 2. Son rôleest de surveiller le fonctionnement du réseauDC et de lever des alertes que doit traiter lesystème multi-agent.

TABLE 1 – Acronymes des agents du systèmeAcronyme AgentCP Centrale de ProductionCS Centrale de StockageGCP Gestionnaire de Centrale vir-

tuelle de ProductionGCS Gestionnaire de Centrales vir-

tuelle de StockageGRH Gestionnaire de Réseau HVDCGAP Gestionnaire Agrégateur de Pro-

ductionNAP Négociateur Agrégateur de Pro-

ductionOCP Opérateur de Centrale virtuelle

de ProductionOCS Opérateur de Centrale virtuelle

de StockageOAP Opérateur Agrégateur de Pro-

ductionSPV-2 Superviseur SecondaireTSO Opérateur de réseau de transmis-

sionBNE Bourse de Négoce d’EnergieMETEO Système de prévision météo

5.3 Les agents extérieurs

Ces agents représentent des entités à l’extérieurdu système.– Opérateur de réseau de transmission AC

(TSO) : Au jour J, il transmet à l’OAP les de-mandes d’effacement ou d’augmentation dela production.

– Bourse de négoce d’énergie (BNE) : Cetagent représente le marché avec lequel leNAP négocie, au jour J-1, la production àfournir au jour J.

– Système de prévision météo (METEO) : Cetagent fournit les prévisions météorologiquesaux agents CP et CS.

6 Communications entre les agents

Nous utiliserons dans la suite du document lesacronymes des agents comme ils sont décritsdans la section précédente. Nous allons mainte-nant décrire le protocole qui cadre les échangesentre les agents, en fonction des différentesétapes du processus de pilotage de Winpower.Ce pilotage se base sur trois processus princi-paux, la planification de la production, l’exécu-tion des plannings et l’adaptation des planningspour répondre aux aléas de la production lors dela phase d’opération. Dans un cadre de marchéintra-journalier de l’énergie, la planification esteffectué le jour J−1 et l’opération et adaptationde plannings ont lieu le jour J .

6.1 Contenu des Plannings

Lors de ces différents étapes les agentséchangent et exécutent des plannings. Nous dé-finissons deux types de planning : les planningsprévisionnels et les plannings consolidés. Cesplannings sont échangés entre les agents pro-ducteurs et les agents agrégateurs. Comme onpeut le constater sur la figure 2, chaque CP (res-pectivement CS) est associé à un GCP (respec-tivement GCS) unique qui à son tour est associéau GAP. Le CP (CS) agit comme un producteurvis-à-vis du GCP (GCS) qui agit comme agréga-teur. Le GCP (GCS) agit comme un producteurvis-à-vis du GAP qui agit comme agrégateur.

Les plannings échangés entre les agents per-mettent de prendre en compte les caractéris-tiques suivantes associées à la production et austockage :– Les prédictions de la production renouvelable

comportent des erreurs de manière systéma-tique. Ces erreurs sont dues à plusieurs causes(erreurs dans les prédictions météorologiquesen entrée, courbes de puissance des fermesdifficiles à obtenir à partir des courbes depuissance individuelles des turbines, etc.) etont des caractéristiques diverses. Quand leproducteur fournit une valeur nominale prévi-sionnelle, il est souvent difficile de respectercette valeur prévue.

– La prévision des capacités de stockage estégalement sujette à des erreurs. Par exemplesi l’on considère une batterie, la valeur de sonétat de charge n’est pas mesurable directe-ment, on ne peut mesurer que les entrées etles sorties et estimer les pertes (auto-déchargeen fonction notamment de la température am-biante). Si l’on considère un stockage basé surdes ensembles de batteries, l’incertitude sur

l’état de charge des batteries individuelles setraduit par une incertitude sur la capacité destockage de l’ensemble.

Les planning prévisionnels sont utilisés par lesproducteurs pour annoncer une production pré-vue sur un horizon fixe à leur agrégateur. Ilest composé de t sous-propositions, où t est lenombre de créneaux temporels. Les créneauxtemporels peuvent être de taille variable ou fixe,ici pour des fins de simplification nous consi-dérons des créneaux temporels consécutifs detaille fixe. Un planning prévisionnel est définicomme suit :

Planprev = {Type, P lanPr1, ..., P lanPri, ...,P lanPrt}

avec :

PlanPri = {(Pi,1, Fi,1, P ri,1), ..., (Pi,j, Fi,j, P ri,j),..., (Pi,p, Fi,p, P ri,p)}

Type représente le type de production. Cetteinformation est utile pour déterminer le typed’optimisation applicable. Il peut prendre lesvaleurs stockage [hydraulique, batteries, ciné-tique, etc.], production [éolienne, solaire, etc.].PlanPri est le planning de production prévi-sionnel pour un créneau temporel i. C’est unensemble de triplets qui à chaque valeur pré-vue de production Pi,j associe une fiabilité Fi,j

de la prévision et un prix de vente Pri,j . |Pi,1|est la puissance minimale potentiellement dé-livrée et |Pi,p| la puissance maximale à l’inter-valle i . Les capacités de production (éolienneou autre source) et de déstockage sont représen-tées comme des productions positives. Une ca-pacité de stockage est représentée comme uneproduction négative.

Les planning consolidés sont utilisés par les agré-gateurs pour fixer la production de leurs pro-ducteurs. Un planning consolidé est composé det sous-propositions, t étant le nombre de cré-neaux temporels. Un planning consolidé est dé-fini comme suit :

Planconsol = {Type, P lanCn1, ..., P lanCni, ...,P lanCnt}

avec :

PlanCni = {(PAtti, P ri), Ecartsi}

Ecartsi = {(PEci,1, P ri,1), ...(PEci,j, P ri,j),...(PEci,e, P ri,e)}

PlanCni est le planning de production conso-lidé pour le créneau temporel i. Il définit

la production nominale attendue (PAtti) etson prix (Pri) ainsi qu’une liste des écarts(Ecartsi) de taille e de production acceptées(PEci,j) avec leurs prix associés (Pri,j). Lesprix dans cette liste suivent la contrainte sui-vante : ∀(PEci,j, P ri,j) ∈ Ecartsi, P ri,j <Pri ⇐⇒ PAtti 6= PEci,j . Cette contraintepermet de pénaliser les écarts de production. Laprise en compte de ces écarts permet d’assimileren partie l’intermittence des sources renouve-lables et les imprécisions des prévisions. L’ob-jectif des mécanismes de construction de plan-nings de production et d’opération du systèmeWinpower est de minimiser l’écart de la produc-tion. Un résultat attendu de l’étude en cours estla définition d’une méthodologie permettant dedéterminer la valeur optimale de cet écart.

6.2 Construction des plannings

La construction de plannings fait intervenir unensemble de producteurs et un agrégateur. Cetteconstruction se fait en deux étapes, une étaped’agrégation de l’offre et une étape de désagré-gation. Dans la première étape, chaque produc-teur propose un planning prévisionnel de pro-duction. Ces plannings sont vérifiés par l’agré-gateur (e.g. vérification de contraintes phy-siques auprès du GRH, contraintes du mar-ché définis par le NAP). Cette vérification desplannings peut donner suite à des négociationsentre l’agrégateur et les producteurs pour adap-ter les plannings individuels en fonction descontraintes globales. L’agrégateur produit unplanning agrégé qui est soumis à l’agrégateurdu niveau supérieur. Cette agrégation en cascadeaboutit à un planning prévisionnel agrégé global(cf. figure 4).

FIGURE 4 – Planification. Procédure générale

Agrégation des plannings. L’agrégation des plan-nings traite des plannings prévisionnels, elle

considère en entrée des distributions de proba-bilité de production et de stockage. Les mé-thodes et algorithmes utilisés sont actuellementà l’étude et se baseront sur l’état de l’art en agré-gation de distributions non-paramétriques [9].Quelques particularités sont à considérer dansces calculs :

– Négociation des capacités de stockage. Ilexiste une dépendance temporelle dans l’uti-lisation du stockage. La capacité de stockageà t + δt dépend de la capacité utilisée à t.En raison de cette dépendance les planningsprévisionnels d’utilisation du stockage d’unCS ne peuvent pas être construits localement.La construction de ces plannings nécessite laprise en compte des productions globales etdes possibilités de vente.

– Calcul des pertes et des capacités de trans-port. Le GRH doit calculer les capacités detransport et les pertes au niveau du réseauWinpower. Ce calcul doit être forcément glo-bal, car les pertes et les contraintes de trans-port sont associées à l’utilisation conjointe duréseau par tous les producteurs. Les capacitésde transport et les pertes sont estimées par lecontrôle de niveau 2, pour chaque partie duréseau.

Désagrégation des plannings. Suivant les prix dumarché et des méthodes d’optimisation, unplanning consolidé sur le marché au jour J estdéfini. Ce planning est envoyé au GAP. Ce der-nier se charge de désagréger ce planning et deremonter à chaque NCS et NCP leurs planningsrespectifs qui eux-mêmes désagrègent ces plan-nings pour chaque CP et CS. Dans la désagréga-tion des plannings de production deux cas sontà prendre en compte :

– Toute la production est vendue.– Seulement une partie de la production est ven-

due.

Dans le premier cas, il s’agit simplement deconfirmer les plannings de production propo-sés par les CP/CS. Dans le deuxième cas, ils’agit de traiter le surplus de production, ce quidoit intégrer une stratégie de gestion du sto-ckage et de redistribution « juste » du manqueà gagner parmi les producteurs. Cette redistri-bution est faite suivant une fonction de bien-être social (social welfare [11]) qui permet deprendre en compte les redistributions passéesafin d’éviter de sur-pénaliser certains des CP/CS(par exemple ceux qui ont une localisation défa-vorable dans le réseau DC).

6.3 Echanges au jour J-1

L’objectif des échanges au jour J-1 entre lesagents planificateurs est de produire les plan-nings de production et d’utilisation du sto-ckage pour le jour J. Ces plannings prennenten compte à la fois les prévisions de produc-tion de chacune des CP, les disponibilités destockage/déstockage de chacune des CS, lescontraintes du réseau DC (i.e. capacité de trans-port, pertes) et enfin la consommation et lesprix de l’énergie définis par les échanges avecle marché. Ils suivent la procédure décrite dansla figure 5.

FIGURE 5 – Echanges au jour j-1

La planification au jour J-1 est donc composéede trois phases principales :– L’agrégation des plannings dans le sens mon-

tant de la hiérarchie d’agents (depuis les cen-trales de production et de stockage jusqu’auGAP)

– La négociation des plannings agrégés entre leNAP et le BNE

– La désagrégation des plannings définitifs dansle sens descendant de la hiérarchie d’agents(depuis le GAP jusqu’au centrales de produc-tion et de stockage).

La construction de ces plannings suit le proto-cole de construction de planning décrit de ma-nière générale à la section 6.2 et se présente spé-cifiquement comme suit :– Agrégation de la production prévisionnelle.

Les GCP agrègent les plannings prévisionnelsde production de chacun de leurs CP et les en-voient au GAP qui les agrège à son tour.

– Agrégation des capacités de stockage.Chaque CS envoie à son GCS un messageunitaire prévisionnel contenant ses capacitésde stockage pour la journée. Le GCS agrègeces prévisions et les envoie au GAP qui lesagrège à son tour.

– Prise en compte des pertes et des capacités detransport. Le GAP demande au GRH d’éva-

luer la faisabilité des plannings par rapportaux capacités de transport et de calculer lespertes en fonction des plannings prévisionnelsde production. En fonction des contraintesémises par le GRH, le GAP adapte les plan-nings.

– Négociation des productions. Le GAP envoieles plannings de production et les prévisionsde stockage au NAP. Le NAP détermine desplannings consolidés de production et de sto-ckage en fonction des échanges avec la boursede négoce. Il renvoie ces plannings au GAP.

– Négociation du stockage. Le GAP interagitavec les GCS afin de définir les planningsconsolidés de stockage en fonction du sto-ckage prévu par le NAP.

– Désagrégation des plannings. Les gestion-naires d’agrégation envoient les planningsconsolidés définitifs à chaque centrales deproduction et de stockage.

Les algorithmes utilisés pour l’agrégation desplannings se basent sur l’état de l’art récent enplanification et négociation multi-agent ([5]).

6.4 Échanges au jour J

Le jour J, les agents opérateurs sont chargésd’exécuter le planning consolidé défini le jourJ-1. Toutefois ce planning peut être modifié lejour J pour faire face à différents événements :– Des écarts de la production effective par rap-

port à la production prévue.– Les demandes d’effacement ou d’augmenta-

tion de la production en provenance du TSO.– Les incidents techniques (e.g. pertes de ten-

sion, fonctionnement dégradé d’un CP/CS,etc.).

Les modifications le jour J des plannings se fontgrâce à des échanges présentés dans les sous-sections ci-après et ils se basent sur la procéduregénérale de planification (figure 4).

Adaptation des plannings. Les modifications desplannings le jour J se font grâce à un méca-nisme de re-planification. La re-planification estdéclenchée par un message de demande d’adap-tation qui définit les contraintes (nouvelles pro-ductions, producteurs/stockage à adapter, pé-riode de re-planification) du nouveau planning.Cette actualisation se fait par un appel à la pro-cédure de planification générale (cf. 6.2) sousles contraintes demandées. Le message de de-mande d’adaptation est défini comme suit :

DemandeAdaptation(emmeteur, recepteur,contraintes, origine, urgence, date0, datef )où

contraintes = {contraintes0, ...contraintesi,..., contraintesf}

contraintesi = {Pi,1, ..., Pi,j, ..., Pi,p}

urgence ∈ {Bas, Intermediaire,Haut}

contraintesi est l’ensemble de puissances de-mandées pour une série d’agents à l’instant i.urgence contient le niveau d’urgence de la de-mande, plus il est élevé moins les contraintesde prix sont prises en compte dans l’adaptationdes plannings. origine est un ensemble de para-mètres qui décrit la raison pour laquelle la pro-cédure de re-planification est initiée. Trois casdifférents sont considérés :

– Gestion des écarts. Lorsqu’un produc-teur/stockage détecte un écart importantsur sa production il émet un warning à sonopérateur agrégateur. Une procédure localede gestion des écarts est déclenchée (re-planification locale). Si cette procédure estinsuffisante la demande de re-planificationremonte dans la hiérarchie de gestionnaires.Cette procédure est presentée dans la figure6. Deux types des écarts sont possibles, unécart réel mesuré sur une production délivréeou un écart prévu sur une production future.Ce dernier type d’écart peut être détecté lorsd’une actualisation des prévisions.

– Gestion des demandes en provenance du TSO(effacements, augmentation de la produc-tion). Dans Winpower le TSO peut demanderà l’OAP d’augmenter ou au contraire de ré-duire la production sur une période donnée.Ces demandes sont faites par un envoi de mes-sage de modification externe). La procédurepermettant de gérer ces demandes est présen-tée dans la figure 7. Lors de la réception de lademande, l’OAP envoie au GAP un messagede demande de re-planification avec un ni-veau d’urgence haut. Le GAP déclenche alorsune procédure de re-planification. Le résultatde cette re-planification est soumis au TSO enguise d’engagement.

– Gestion de lors des incidents techniques (Plande sauvegarde du réseau) Lors d’un incidenttechnique, mesuré sous la forme d’une varia-tion significative de tension, le contrôle de ni-veau 2 déclenche des procédures visant à ré-tablir l’équilibre. Dans les cas où ces inci-dents sont très importants, les mesures prisespar le niveau 2 de contrôle peuvent être in-suffisantes. Dans Winpower le niveau 2 re-présenté par le Superviseur secondaire (SPV-2) peut, dans les cas d’incidents techniquesgraves, demander au niveau 3 d’utiliser ces

moyens de stockage pour l’aider à garder lefonctionnement du réseau en conditions sécu-risées. Cette procédure est présentée dans lafigure 8. Dans cette procédure le SPV-2 dé-clenche une alerte par l’envoi d’un messagede détection de problème d’équilibre. Lors dela réception de ce message l’OAP envoie unmessage de demande de re-planification avecun niveau d’urgence haut au GAP. Ce dernierdéclenche une procédure de re-planificationdes plannings.

FIGURE 6 – Echanges entre les agents opéra-teurs et planificateurs au jour J en cas d’écart dela production.

FIGURE 7 – Adaptation du planning par lesagents opérateurs et planificateurs au jour Jen cas de demande extérieure d’effacement oud’augmentation de production.

FIGURE 8 – Echanges entre les agents opéra-teurs et planificateurs au jour J en cas de détec-tion d’un problème d’équilibre.

7 Conclusion et perspectives

Nous avons présenté une architecture SMA hié-rarchique pour le pilotage d’un ensemble de

fermes éoliennes et de centrales de stockage demasse dans le cadre du projet Winpower. L’ob-jectif est d’obtenir une meilleure intégration dela production renouvelable dans la consomma-tion Européenne tout en prenant en compte lescaractéristiques critiques des EnR (qui peuventcompromettre la stabilité du réseau électrique).L’architecture de pilotage propose de modéliserles différents acteurs de Winpower et d’agré-ger leurs offres complexes (de production et destockage) en une offre unique, consistante etoptimale (revenus maximaux et redistributionjuste parmi les différents acteurs). Cette archi-tecture est actuellement en cours d’implémen-tation et des tests seront réalisés en simulation.Des modèles de comportement des producteurs,des centrales de stockage et du réseau de dis-tribution sont développés actuellement par nospartenaires. Ces modèles seront couplés avec leSMA pour obtenir un modèle de fonctionne-ment réaliste du réseau. Le développement duSMA inclut celui des algorithmes de planifica-tion (agrégation, désagrégation, interaction avecle marché) et de re-planification (en cas d’évè-nements perturbants). Un travail de normalisa-tion pour rendre conformes les protocoles decoordination utilisés aux standards du marchéde l’électricité est également actuellement encours. Cette architecture prend en compte les in-teractions du marché de l’énergie et vise la réali-sation de l’objectif 20-20-20 en utilisant mieuxles capacités de production renouvelables : Eneffet, l’optimisation de la participation au mar-ché permet une meilleure intégration des éner-gies éoliennes dans la production globale euro-péenne.

Références[1] Franck Bourry. Management of uncertain-

ties related to renewable generation parti-cipating in electricity markets. PhD thesis,MINES ParisTech - École nationale supé-rieure des mines de Paris, 2009.

[2] Stijn Cole. Steady-state and Dynamic Mo-delling of VSC-HVDC Systems for PowerSystem Simulation. PhD thesis, ArenbergDoctoraatsschool Wetenschap & Techno-logied, 2010.

[3] Conseil de l’union Européenne. Rapport- conseil européen de bruxelles. Conclu-sions de la présidence - Bruxelles, 11 et 12décembre 2008.

[4] AL Dimeas and ND Hatziargyriou. Amas architecture for microgrids control. InIntelligent Systems Application to Power

Systems, 2005. Proceedings of the 13thInternational Conference on, pages 5–pp.IEEE, 2005.

[5] Yannis Dimopoulos, Pavlos Moraitis, andLeila Amgoud. Extending argumentationto make good decisions. Algorithmic De-cision Theory, pages 225–236, 2009.

[6] D. Fatemeh and B. Hassan. Multi-agentsystems in control engineering : A survey.Journal of Control Science and Enginee-ring, 2009, 2009.

[7] K. Kok, G. Venekamp, and P. Macdou-gall. Market-based control in decentrali-zed electrical power systems. In First In-ternational Workshop on Agent Technolo-gies for Energy Systems, ATES2010, To-ronto, 2010.

[8] J. Lagorse, D. Paire, and A. Miraoui. Amulti-agent system for energy manage-ment of distributed power sources. Rene-wable Energy, 35(1) :174–182, 2010.

[9] Arthur Lewbel. The rank of demand sys-tems : theory and nonparametric estima-tion. Econometrica : Journal of the Eco-nometric Society, pages 711–730, 1991.

[10] S.D.J. McArthur, E.M. Davidson, V.M.Catterson, A.L. Dimeas, N.D. Hatziargy-riou, F. Ponci, and T. Funabashi. Multi-agent systems for power engineeringapplications-part i : concepts, approaches,and technical challenges. Power Systems,IEEE Transactions on, 22(4) :1743–1752,2007.

[11] Hervé Moulin. Fair division and collectivewelfare. Mit Press, 2004.

[12] Paulo F Ribeiro, Brian K Johnson, Ma-riesa L Crow, Aysen Arsoy, and Yilu Liu.Energy storage systems for advanced po-wer applications. Proceedings of the IEEE,89(12) :1744–1756, 2001.

[13] V. Robu, R. Kota, G. Chalkiadakis, A. Ro-gers, and N.R. Jennings. Cooperative vir-tual power plant formation using scoringrules. In Proceedings of the 11th Interna-tional Conference on Autonomous Agentsand Multiagent Systems-Volume 3, pages1165–1166. International Foundation forAutonomous Agents and Multiagent Sys-tems, 2012.

[14] RTE. Rapport sur l’accueil des enr sur leréseau. 2012.