Un algorithme inspiré du comportement des hippopotames pourrait optimiser la capacité du réseau pour intégrer les sources d’énergie renouvelables et les chargeurs de véhicules électriques.
De nombreux réseaux intègrent des compensateurs statiques de distribution (DSTATCOM), des dispositifs électroniques qui fournissent une injection dynamique de puissance et une absorption de puissance réactive. En raison de la nature fluctuante des énergies renouvelables et des demandes imprévisibles des véhicules électriques (VE), leur placement doit être optimisé pour améliorer la performance du réseau.
Les chercheurs utilisent un algorithme d’optimisation inspiré des hippopotames pour améliorer la performance du réseau en optimisant ces placements.
Comment un hippopotame peut-il optimiser le réseau pour l’intégration des VE et des énergies renouvelables ? Adapté des images utilisées avec l’aimable autorisation de Canva
Impact des Stations de Charge de VE sur le Réseau
Avec l’augmentation du nombre de VE sur les routes, les stations de charge doivent être intégrées dans les réseaux de distribution. De nombreux efforts ont été déployés pour optimiser l’emplacement de ces stations de charge. Cependant, les décisions sont basées sur des besoins opérationnels et des besoins des conducteurs, ne prenant en compte que la satisfaction des utilisateurs, l’autonomie et le temps d’attente.
Les impacts de l’emplacement des stations de charge de VE sur les charges des réseaux de distribution sont mal compris. Le déploiement massif de stations de charge pourrait avoir un impact négatif sur le réseau s’ils sont trop rapprochés. Cet emplacement pourrait causer des goulets d’étranglement énergétiques, risquant de déstabiliser et de réduire la fiabilité du réseau.
Les VE peuvent déjà créer des pics inattendus de demande énergétique, il est donc crucial d’optimiser leur emplacement dans le réseau pour minimiser les impacts sur les zones locales. Cependant, ces considérations doivent être fondées sur la charge réelle du réseau.
Un Élement Clé de l’Énigme d’Optimisation Souvent Négligé
Certaines études ont examiné la minimisation des pertes de puissance et des écarts de tension en tenant compte des facteurs d’accueil. Pourtant, de nombreuses études ne prennent en compte que les facteurs d’accueil des VE (VE-FA) ou uniquement ceux des générateurs distribués renouvelables (GD-R-FA) sans considérer l’autre.
VE intégrés au réseau et énergie renouvelable. Image utilisée avec l’aimable autorisation de Laboratoires Nationaux Sandia
Le facteur d’accueil, ou la capacité, correspond à la production maximale d’énergie (en se concentrant sur la production d’énergie renouvelable) qu’une partie spécifique du réseau peut accueillir sans surcharger le système, causer des problèmes opérationnels ou compromettre la fiabilité et la stabilité.
D’autres efforts visant à améliorer l’intégration des stations de charge se sont concentrés sur les composants du réseau, tels que les DSTATCOM et les générateurs distribués. Cependant, le processus a été plus difficile en raison de la prise en compte limitée de nombreuses approches concernant les VE-FA et les GD-R-FA.
Intégrer des énergies renouvelables aux stations de charge réduit la demande sur le réseau, mais les processus d’optimisation omettent souvent les GD-R-FA. De nombreuses approches examinant en quoi les charges de VE affectent le réseau local négligent le facteur d’accueil et étudient les impacts du nombre de véhicules au sein du réseau de distribution, ce qui n’est pas une mesure précise de la charge réelle du réseau local.
L’Algorithme d’Optimisation des Hippopotames Dresse un Tableau Plus Clair
Dans une étude publiée dans Scientific Reports, des chercheurs ont utilisé un cadre avec les GD-R-FA et les VE-FA comme paramètres clés pour déterminer le placement et l’intégration des stations de charge de VE, des panneaux solaires et des DSTATCOM. Ils ont combiné ces paramètres avec l’algorithme d’optimisation des hippopotames (HO) pour planifier stratégiquement l’intégration d’un système de charge de VE au sein d’un système IEEE 69-bus.
Un algorithme HO simule les comportements d’un troupeau d’hippopotames pour se protéger contre les menaces. L’algorithme décide de défendre ou d’éviter les menaces en fonction de la position de chaque hippopotame (ou agent) dans le troupeau.
Les simulations réalisées par les chercheurs ont couvert cinq scénarios en tenant compte des valeurs de GD-R-FA et de VE-FA. Chaque scénario a intégré des contraintes et des capacités d’accueil des GD pour fonctionner dans des limites sûres sans utiliser de stockage de batteries (pour garantir que la stabilité puisse être maintenue dans le réseau sans s’appuyer sur un stockage externe).
Le modèle a examiné à la fois les aspects techniques et économiques du placement des stations de charge. Le volet économique était centré sur le coût d’investissement et la période de retour sur investissement des DSTATCOM et des GD. Le volet technique a évalué comment le placement des charges pouvait minimiser les pertes de puissance et les écarts de tension tout en maximisant la stabilité de tension pour identifier le meilleur emplacement et la taille des stations de charge au sein du système IEEE 69-bus.
Les cinq scénarios. Image utilisée avec l’aimable autorisation de Abdelaziz et al.
La simulation a montré que l’optimisation du placement des stations de charge de VE avec des panneaux solaires et des DSTATCOM pourrait réduire les pertes de puissance jusqu’à 31,5 % et réduire les pertes de puissance réactive jusqu’à 29,2 %. Sur le plan économique, l’étude a conclu que le temps de retour serait compris entre 2,7 et 10,4 ans en fonction du scénario, avec des bénéfices potentiels pouvant atteindre 1 052 365 $ sur 25 ans.
L’Algorithme Permet une Meilleure Planification des Réseaux Intelligents
Les résultats démontrent que les aspects techniques et économiques sont cruciaux lors de l’optimisation du placement des chargeurs de VE pour réduire la charge du réseau afin de concilier l’efficacité du réseau et de générer des bénéfices économiques locaux, en répondant efficacement aux défis posés par l’adoption accrue des VE et l’intégration des énergies renouvelables, tout en offrant des perspectives sur une planification optimale des infrastructures pour les futurs réseaux intelligents.