Découvrez comment les jumeaux numériques peuvent être intégrés aux micro-réseaux DER pour une génération, une gestion et un contrôle d’énergie optimaux.
En électronique de puissance, les jumeaux numériques représentent les systèmes de micro-réseaux et de ressources énergétiques distribuées (DER) dans un environnement virtuel. Grâce aux données en temps réel, aux modèles mathématiques, à l’analyse et à la réponse des systèmes physiques, la technologie des jumeaux numériques dans les micro-réseaux peut être mise en œuvre pour optimiser l’énergie, la génération, le stockage, la distribution et le contrôle. Dans un modèle de jumeau numérique de micro-réseau DER, les principaux composants forment la structure d’un jumeau numérique fonctionnel pour l’optimisation de l’énergie.
Figure 1. Les panneaux solaires font partie des systèmes DER. Image utilisée avec l’aimable autorisation de Unsplash
Modélisation des jumeaux numériques
L’un des composants principaux du modèle fonctionnel de jumeau numérique d’un micro-réseau est les actifs physiques composant les systèmes de gestion et de distribution de l’énergie. Le modèle doit être créé à partir d’une entité physique existante comme un panneau solaire ou une éolienne. Les systèmes de stockage et les onduleurs font également partie des actifs physiques dans un modèle de jumeau numérique. Une fois les systèmes physiques identifiés, les capteurs et les systèmes d’acquisition de données doivent être installés dans le modèle de jumeau numérique du micro-réseau. Ces systèmes incluent des compteurs et des capteurs pour fournir en temps réel des données de tension, de fréquence, de courant et de température.
Figure 2. Modèle de jumeau numérique d’un micro-réseau avec systèmes DER intégrés. Image utilisée avec l’aimable autorisation de Bob Odhiambo
L’infrastructure de communication, qui implique la manière dont l’information et les données circulent au sein du système de contrôle des systèmes DER et du micro-réseau, est essentielle pour garantir le flux en temps réel des données et des signaux de contrôle pour répliquer et simuler l’ensemble du système de micro-réseau. Cette infrastructure relie les bases de données et les systèmes de gestion de l’énergie (EMS) à un moteur de simulation de jumeaux numériques. L’EMS est constitué de systèmes d’opérateurs de réseau intégrés pour la stabilité du réseau et d’une interface utilisateur permettant aux ingénieurs d’interagir avec le modèle de jumeau numérique à travers la surveillance, le contrôle et l’analyse.
Le moteur de simulation de jumeau numérique représente le cœur du modèle de jumeau numérique. Il utilise des modèles mathématiques, des données en temps réel du réseau et des simulations basées sur la physique pour représenter avec précision les systèmes physiques composant le réseau et les systèmes DER. Le moteur de simulation fournit également des données analytiques grâce à l’intégration d’outils comme les algorithmes d’apprentissage automatique (ML) pour la maintenance prédictive et aide les ingénieurs à prendre des décisions basées sur les résultats de la simulation du modèle de micro-réseau.
Modèles mathématiques de systèmes DER
Les modèles mathématiques sont essentiels pour établir des simulations des systèmes physiques DER et des micro-réseaux et représenter avec précision les paramètres du système. Lors de la modélisation d’un panneau solaire, la production d’énergie doit être représentée avec précision. Pour calculer la production d’énergie du panneau (P), utilisez :
$$\text{P}=\text{A}\times\eta\times\text{G}\times\eta_\text{pv}$$
Où (G) est l’irradiance du soleil sur la surface du panneau solaire, (A) représente la surface du panneau solaire, (η) est l’efficacité de la cellule solaire dans la conversion du soleil en électricité, et (η_pv) représente l’efficacité globale du panneau, en tenant compte par exemple de la saleté, de l’ombrage et des pertes de puissance.
Une fois la puissance déterminée, les onduleurs convertissent le courant continu (DC) en courant alternatif (AC), qui est ensuite alimenté dans le micro-réseau pour la consommation après une élévation de la tension. Grâce à la modélisation des jumeaux numériques, la production des panneaux solaires peut être optimisée pour une intégration dans le micro-réseau.
Une équation différentielle pour le flux d’énergie est un autre modèle mathématique essentiel pour mettre en œuvre les jumeaux numériques. Ces équations peuvent évaluer la relation entre la puissance délivrée au micro-réseau et la puissance d’entrée provenant des sources d’énergie renouvelable, y compris le taux de variation de l’énergie stockée dans la batterie (∂E/∂t).
Il faut considérer les pertes d’énergie, l’utilisation et la génération lors de la modélisation de l’énergie des panneaux solaires à l’aide d’une équation différentielle. Cette équation évalue le taux de variation de l’énergie solaire (P) au temps (t) :
$$\partial\text{P}/\partial\text{t}=\text{G}-\alpha\text{P}-\beta\text{P}_\text{out}$$
Cette équation permet de modéliser et de prédire la dynamique des systèmes de stockage d’énergie connectés aux sources d’énergie renouvelable dans un micro-réseau. La variabilité de la puissance générée peut être simulée, surveillée et optimisée à l’aide du modèle mathématique.
Intégration de données en temps réel dans un jumeau numérique de micro-réseau
Pour prendre des décisions rapides et éclairées, l’intégration des données en temps réel doit être mise en œuvre. Cela implique la collecte, le traitement et l’analyse des données provenant de différentes sources au sein du réseau, y compris les signaux des capteurs mesurant la température, le mouvement, le GPS, la tension, le courant et la fréquence. Les données météorologiques sont également essentielles pour fournir des prévisions basées sur les conditions environnementales en temps réel et surveiller le comportement des composants du micro-réseau.
La collecte de données pour un jumeau numérique de micro-réseau peut être mise en œuvre à l’aide de stratégies et de systèmes comme les dispositifs de l’Internet des objets (IoT), les API, les processus d’ingestion de données et les flux de données. Une fois recueillies, les données doivent être traitées par nettoyage ou filtrage du bruit et agrégation des données pour une analyse via des algorithmes prédictifs, des modèles de ML et des méthodes statistiques.
Simulation en temps réel et surveillance du comportement des DER
La fréquence de mise à jour de l’état d’un système DER est essentielle lors de la création d’un modèle de simulation de micro-réseau. Cela se fait en utilisant le pas de temps de simulation (∆t), qui représente les intervalles de temps pendant lesquels un modèle de simulation calcule le comportement du système DER. Une équation de mise à jour de l’état décrit la dynamique du système lors de la détermination du changement de l’état d’un DER au fil du temps. L’équation considère l’état actuel du système DER (État(t)), les entrées de contrôle au temps actuel (Contrôle(t)), les perturbations internes au DER, les composants du réseau ou les entrées externes à l’heure actuelle (Entrée(t)) et l’état futur du DER pour la projection (État(t+∆t)). L’équation de mise à jour de l’état dans les systèmes DER est :
$$\text{État}\left( \text{t}+\Delta\text{t} \right) =f\left( \text{État} \left( \text{t}\right),~\text{Contrôle}\left( \text{t} \right),~\text{Entrée} \left( \text{t} \right)~\right)$$
Où f est la fonction représentant l’évolution de la dynamique du système DER dans le micro-réseau.
Lors de la surveillance des anomalies et des écarts dans les systèmes DER, une comparaison est faite entre la norme statistique et le niveau d’écart à un point individuel (X) à l’aide de la métrique statistique Z-score, qui est un algorithme de détection d’anomalies. Cette métrique Z-score peut être calculée en utilisant :
$$\text{Z-score}=\left( \text{X}-\mu\right) /\sigma$$
Où (μ) est la moyenne de l’ensemble de données avec lequel la comparaison est faite, l’écart type (σ) représente le facteur de normalisation. Ces systèmes de surveillance peuvent être mis en œuvre dans les jumeaux numériques de micro-réseaux avec des systèmes DER intégrés pour fournir des rapports si la tension du réseau, le courant et la fréquence dépassent ou sont inférieurs au seuil prédéterminé. Les données acquises grâce à l’implémentation de l’algorithme peuvent également déclencher des systèmes d’alerte pour garantir que le modèle physique du micro-réseau avec des systèmes DER intégrés fonctionne comme prévu.
Optimisation des systèmes DER pour l’intégration des micro-réseaux et des jumeaux numériques
Le modèle de jumeau numérique doit être optimisé pour une fiabilité et une stabilité maximales des systèmes DER intégrés au réseau. L’optimisation des systèmes DER à l’aide de l’algorithme de répartition économique réduit les coûts opérationnels liés à la maintenance constante et aux pertes d’énergie. L’optimisation du flux de puissance permet de maintenir l’équilibre énergétique en tenant compte du facteur de puissance du système DER, des points de consigne de contrôle et de l’état de charge du système de stockage d’énergie.
Intégration des systèmes DER et des micro-réseaux à l’aide de la modélisation des jumeaux numériques
L’intégration des systèmes DER dans les micro-réseaux est essentielle pour fournir une énergie propre et fiable. L’optimisation de ces systèmes à l’aide de jumeaux numériques offre une gestion stable de la tension grâce à l’indice de stabilité de tension et aux métriques de déviation de fréquence pour évaluer la stabilité de la fréquence de puissance du réseau. En utilisant une surveillance et un contrôle avancés en temps réel, les ingénieurs peuvent obtenir les connaissances techniques nécessaires pour mettre en œuvre des modèles de jumeaux numériques de micro-réseaux pour une gestion optimisée de l’énergie.