La décarbonation de la production d'électricité à échelle mondiale est un élément de réponse clé face aux pressions exercées par les différents enjeux environnementaux. Par ailleurs, la baisse des coûts de la filière photovoltaïque (PV) ouvre la voie à une augmentation significative de la production PV dans le monde. L'objectif principal de cette thèse est alors de maximiser le revenu d'un producteur d'énergie PV sous incertitude des prix de marché et de la production. Pour cela, un modèle de prévision probabiliste de la production PV à court (5 minutes) et moyen (24 heures) terme est proposé. Ce modèle est couplé à une méthode de participation au marché maximisant l'espérance du revenu. Dans un second temps, le couplage entre une centrale PV et une batterie est étudié, et une analyse de sensibilité des résultats est réalisée pour étudier la rentabilité et le dimensionnement de tels systèmes. Une méthode de participation alternative est proposée, pour lequel un réseau de neurones artificiel apprend à participer avec ou sans batterie au marché de l'électricité, ce qui permet de simplifier le processus de valorisation de l'énergie PV en diminuant le nombre de modèles requis.
The decarbonation of electricity production on a global scale is a key element in responding to the pressures of different environmental issues. In addition, the decrease in the costs of the photovoltaic (PV) sector is paving the way for a significant increase in PV production worldwide. The main objective of this thesis is then to maximize the income of a PV energy producer under uncertainty of market prices and production. For this purpose, a probabilistic forecast model of short (5 minutes) and medium (24 hours) term PV production is proposed. This model is coupled with a market participation method that maximizes income expectation. In a second step, the coupling between a PV plant and a battery is studied, and a sensitivity analysis of the results is carried out to study the profitability and sizing of such systems. An alternative participation method is proposed, for which an artificial neural network learns to participate with or without batteries in the electricity market, thus simplifying the process of PV energy valuation by reducing the number of models required.
Titre anglais : Towards seamless value-oriented forecasting and data-driven market valorisation of photovoltaic production.
Date de soutenance : jeudi 27 février 2020 à 14h00
Adresse de soutenance : MINES ParisTech, PSL University, Centre PERSEE, 1 Rue Claude Daunesse 06904 Sophia Antipolis Cedex, France. - Amphi Léonard de Vinci
Directeurs de thèse : Georges KARINIOTAKIS, François-Pascal NEIRAC
Formation
Débat : Mettre fin à la défiance à l’égard des
Parc éolien dans l’Aisne. Bruno Peuportier,
> En savoir +
Formation
Solidarité avec le peuple et soutien aux étudiants
L‘Université PSL condamne fermement
> En savoir +
Formation
L'ambition d'une vraie transition
Rendez-vous pour le lancement, les 22 avril à Paris et 5
> En savoir +
Formation
Femmes de science
Chercheuses confirmées, doctorantes, élèves ou alumni,
> En savoir +
Formation
Concours Mines Paris Spin-off 2022
L'école et sa fondation lancent la 2e
> En savoir +
Formation
2e au classement de L'Usine Nouvelle
Mines Paris, 2e école d'ingénieurs
> En savoir +
Le 13 juin 2022 Séminaire des doctorants O.I.E. 2022
Le 31 mai 2022 Workshop: EuroGEO Showcase for Renewable Energy
Le 25 mai 2022 Le Deeptech Tour à Mines Paris - PSL
Le 13 juin 2022 Séminaire des doctorants O.I.E. 2022
Le 31 mai 2022 Workshop: EuroGEO Showcase for Renewable Energy
Le 25 mai 2022 Le Deeptech Tour à Mines Paris - PSL