Soutenance mémoire
Caractérisation de la demande et définition des notions de pointe et d’effacement
Un des enjeux de la thèse est de moduler la thermosensibilité (par effacement) de la courbe de charge électrique afin de maîtriser la pointe de consommation en période froide. La caractérisation de la thermosensibilité et de ses déterminants est donc un point clef de la méthodologie à construire. Nous précisons donc dans un premier temps les notions de thermosensibilité et de saisonnalité, caractéristiques de la demande, puis nous décrivons les éléments constitutifs des infrastructures qui sont conditionnés par la demande.
Description de la demande
Tout d’abord il convient de préciser certaines notions, notamment la distinction entre consommations saisonnières et consommations thermosensibles. La figure 1.1 présentée ci-après montre les cycles de la courbe de charge électrique. Celle-ci met en évidence, en plus des cycles hebdomadaire et journalier, le cycle saisonnier de la CdC causé par un accroissement des besoins en hiver. Ce surplus saisonnier est induit par deux composantes : l’une est structurelle, par variations cycliques de certains usages (éclairage, cuisson, ECS, . . .), l’autre est liée aux variations climatiques (process industriels, chauffage, . . .). Celles-ci étant fortement corrélées, le premier écueil est l’identification de ces deux consommations. De plus, le caractère thermosensible des usages n’est pas une évidence a priori. L’énergie consacrée à l’eau chaude sanitaire est dépendante du besoin des usagers et de la température d’eau froide. C’est un usage qui peut être saisonnier (douche plus fraîche l’été ?) et qui peut, dans une certaine mesure, être thermosensible du fait de l’impact de la température extérieure sur la température d’eau froide.
L’identification et l’estimation de ces deux composantes est un enjeu majeur de la prévision de la CdC et de la planification du système électrique. Les méthodes d’estimation développées par les gestionnaires sont à la base des outils de prévision, de correction climatique et de planification. Il est donc important de comprendre celles-ci et de préciser leurs limites. Le modèle PREMIS utilisé par EDF et RTE décrit la CdC selon l’équation 1.1 (Lefieux, 2007).
L’identification de chaque composante est réalisée sur un historique de 5 années ; une année étant définie du 1 septembre au 31 août pour évaluer les impacts saisonniers de manière continue. P HA est une chronique saisonnière de la demande hors aléas climatique et tarifaire. Elle traduit la part de la demande non dépendante du climat prenant en compte le changement d’heure, les variations d’éclairage et d’activité (creux estival de consommation). CL et CH traduisent les variations de puissance dues au climat. Ce sont les composantes thermosensibles. La température ressentie traduit les phénomènes inertiels constatés entre la température et la CdC. RTE utilise actuellement deux lissages pour traduire deux effets inertiels qui sont interprétés comme une inertie de court terme (quelques heures) due à des temps de réaction humains et comme une inertie de moyen terme (de quelques heures à une journée), liée à l’inertie des bâtiments (Lefieux, 2007). La température ressentie est également corrigée des effets de la nébulosité traduisant la diminution des besoins de chauffage (et d’éclairage dans une moindre mesure, il doit exister une corrélation entre les deux phénomènes) par l’augmentation des apports solaires, cette correction est de 650 MW/octa (RTE, 2011d). Cette dernière valeur est évidemment sujette à des variations infrajournalières avec un maximum en milieu d’après midi .
La construction du modèle statistique influence l’identification des parties saisonnière et thermosensibles. Ayant pu travailler à l’identification de la partie thermosensible hivernale et saisonnière je ne peux que constater la difficulté de cet exercice. Même si l’estimation est bonne sur une année, la non robustesse des coefficients d’une année à l’autre montre les limites de l’estimateur (d’où la nécessité d’estimer sur une période longue). La grandeur gradient, g, dans le modèle PREMIS, quantifie la thermosensibilité de la charge, soit sa variation par rapport à un degré de température lissée sur chaque heure de la journée (soit 24 gradients par an). Les gradients sont donc des valeurs qui sont propres à la définition des modèles et des méthodes de lissage employées.
Pour le gaz la démarche est similaire, à savoir la distinction des parts thermosensible et saisonnière au pas journalier. Les températures Météo France sont lissées pour créer une température efficace. Un gradient est défini pour chaque mois de l’année, il est estimé à partir de 4 années de données.
Le niveau de thermosensibilité dépend de la pénétration des usages thermosensibles raccordés au réseau. En France, l’introduction du chauffage électrique a participé à la déformation de la CdC et à l’augmentation du gradient, point qui sera abordé après avoir défini la pointe.
Définition de la pointe
Comment définir la pointe ?
Dans les bilans prévisionnels RTE (RTE, 2007a, 2009a), la terminologie associée à la description des pointes est la suivante :
❏ pointe du matin ; hausse de la consommation en début de journée.
❏ pointe du soir ; hausse de la consommation en fin de journée.
❏ pic de 19 h, pointe de 19 h ; augmentation prononcée de la consommation à 19 h.
❏ pointe de consommation ; désigne généralement la pointe de 19 h.
❏ usages de pointe ; usages induisant des consommations marquées.
❏ pointe à une chance sur 10, pointe décennale ; dont la probabilité d’occurrence est de une fois tous les dix ans.
❏ pointe d’hiver ; hausse saisonnière de la consommation.
La notion de pointe fait référence à une mesure du maximum de la puissance électrique. La mesure est donc une composante intrinsèque de la notion de pointe. En observant une série de mesures quotidiennes, le mot pointe est également utilisé pour désigner la plus grande consommation journalière. La terminologie pointe de consommation est donc dépendante du cadre de l’étude. La plupart du temps nous employons le nom de pointe journalière (à un moment de la journée), toutefois la notion de pointe est dépendante des cycles présents dans la courbe de charge, cycle journalier, hebdomadaire et saisonnier ; pointe d’hiver par exemple.
La pointe saisonnière est dimensionnante pour le système électrique, elle est responsable d’une amplitude de près de 30 GW variable selon les conditions climatiques. Rythmé par l’activité économique, le cycle hebdomadaire engendre des variations de 10 GW ; observations faites au pas journalier. Enfin le cycle journalier, marqué par une période de moindre consommation la nuit, est d’amplitude 15 GW. Ce dernier évolue au fil des saisons. En dehors des périodes de chauffe, la pointe journalière se situe aux alentours de 13 h tandis que l’hiver on observe un pic à 19 h, période de concomitance forte entre les différents secteurs et usages, notamment l’éclairage. À l’issue d’un groupe de travail sur la pointe en 2010, les rapporteurs (Poignant et Sido, 2010) ont proposé la comparaison suivante : « Pour simplifier, on peut assimiler les variations saisonnières aux mouvements de marée et les pointes journalières aux vagues ».
Pourrait-on faire face à une marée en déformant uniquement les vagues ? En admettant que l’on puisse lisser la pointe de 19h, agir sur la consommation entre 18 h et 20 h, en l’abaissant au niveau de la pointe du matin plus étendue, de 8 h à 12 h, le gain serait de l’ordre de 3 GW sur le cycle journalier d’amplitude 15 GW.
|
Table des matières
Introduction
1 Analyse de la demande et des infrastructures de réseau
1.1 Caractérisation de la demande, pointe et effacement
1.1.1 Description de la demande
1.1.2 Définition de la pointe
1.1.3 Évolution des descripteurs de la demande électrique
1.1.4 Caractérisation d’un effacement, horizon de temps
1.2 Étude des réseaux
1.2.1 Caractérisation des réseaux gaz et électrique
1.2.2 Utilisation et efficacité des réseaux
1.2.3 Dimensionnement des réseaux : notions utiles
1.2.4 Dimensionnement des couches de réseaux électriques
1.3 Gestion de l’équilibre offre-demande (EOD)
1.3.1 Court-moyen terme
1.3.2 Long terme
1.3.3 L’équilibrage en pratique : qui consomme quoi ?
1.3.4 Contrainte spatiale
1.4 Spécificités locales et régionales
1.4.1 Concomitance des pointes locales
1.4.2 Deux régions en défaut de production : nécessité d’actions de MDE
1.5 Appels de puissances et émissions associées
1.6 Programmes de Maîtrise de la Demande en Électricité
1.6.1 Définition
1.6.2 Exemple de travaux de MDE face à la pointe
1.6.3 Évaluation des programmes de MDE et outils existants
1.6.4 Maîtrise de la demande par insertion de technologies gaz/électricité
1.6.5 Régulation de l’offre et de la demande dans le système électrique
1.7 Valorisation des programmes de MDE
1.7.1 Coûts marginaux de production
1.7.2 Intégration de la MDE dans la planification du système électrique
1.7.3 Coûts marginaux de transport et distribution (T&D)
1.7.4 Structure tarifaire et coûts actuels
1.7.5 Traitement de la thermosensibilité pour les réseaux
1.7.6 Coût des marges : tarification de l’aléa
1.8 Problématique de répartition spatiale
1.8.1 Discussion sur la péréquation urbain rural
1.8.2 Discussion sur le financement des opérations de MDE
1.8.3 Différenciation géographique
1.9 Conclusion générale
2 Analyse de courbes de charge agrégées
2.1 Analyse du processus d’agrégation et foisonnement
2.1.1 Description du foisonnement
2.1.2 Introduction de grandeurs d’intérêt
2.1.3 Caractérisation de l’agrégation spatiale
2.1.4 Caractérisation de l’agrégation temporelle
2.1.5 Agrégation spatio-temporelle et intervalle de confiance
2.2 Modèles d’estimation de courbes de charge de chauffage et planification
2.2.1 Signature énergétique – modèle statique
2.2.2 Influence du pas de temps sur la dispersion des variables
2.2.3 Signature énergétique – modèle dynamique
2.3 Application à des courbes de charge réelles
2.3.1 Étude de cas : micro-cogénérations en résidentiel
2.3.2 Analyse de courbes de charge de chauffage électrique
2.4 Synthèse
3 Construction d’une méthode d’estimation régionale
3.1 Positionnement spatio-temporel du modèle et critères de validation
3.1.1 Objectifs
3.1.2 Positionnement des données et modèles existants
3.1.3 Structuration du modèle Bottom-Up
3.1.4 Vers une validation du modèle
3.2 Vers une calibration en énergie : analyse et définition du problème
3.2.1 Introduction à la problématique
3.2.2 Approches de modélisation possibles
3.2.3 Calibration statistique d’un modèle physique
3.2.4 Connaissance du parc et des consommations de chauffage
3.3 Calibration en puissance
3.3.1 Modélisation physique unitaire
3.3.2 Approche d’agrégation, et interprétation « statistique »
3.3.3 Agrégation et réduction appliquée à un parc
3.4 Application
3.5 Conclusion
Conclusion
Télécharger le rapport complet
