Optimisation des coûts

L’optimisation des coûts est l’algorithme de régulation basé sur les prix de Voltmasters. Il minimise le coût énergétique de l’installation en décidant, à chaque cycle de régulation, comment charger et décharger la batterie, sur la base des prix de l’énergie prévus et des prévisions de production PV et de consommation.

Comment ça fonctionne

À chaque cycle de régulation, l’algorithme :

• Regarde devant lui sur l’horizon de prévision (la fenêtre temporelle que l’algorithme examine) : les prix dynamiques (day-ahead), la production PV attendue et la consommation attendue.
• Planifie la batterie pour que l’énergie soit stockée quand elle est bon marché (ou issue du surplus PV) et utilisée, ou injectée, quand elle est chère. Ce plan prévisionnel est le planning de la batterie.
• N’agit que si c’est rentable : la charge et la décharge ne sont planifiées que si l’écart de prix est assez grand pour compenser les pertes aller-retour de la batterie (une différence de prix minimale réglable).
• Respecte les limites : l’état de charge (SoC) minimum et maximum de la batterie et les limites du raccordement (injection et consommation maximales).

Le plan détaillé, les types d’événements et un exemple chiffré sont décrits sur la page Planning de la batterie. Le reste de cette page explique comment l’algorithme arrive à ces décisions.

Deux boucles : planifier et agir

L’optimisation des coûts tourne comme deux boucles qui coopèrent autour d’un même objet : le planning de la batterie.

• La boucle de planification examine tout l’horizon de prévision et calcule le plan de charge et de décharge le moins cher. Il établit le plan. Le plan est recalculé régulièrement, à chaque nouveau créneau de 15 minutes et dès qu’une nouvelle prévision arrive, de sorte qu’il reflète toujours les derniers prix, la production et l’état réel de la batterie.
• La boucle de régulation tourne à chaque cycle (environ une fois par seconde). Elle lit l’unique entrée du planning qui couvre maintenant, la traduit en consignes concrètes (valeurs de consigne) pour la batterie, le PV et les bornes EV, et adapte celles-ci aux mesures et aux limites en temps réel. Il exécute le plan.

flowchart LR
    subgraph inputs["Prévisions et état en direct"]
        P["Prix day-ahead"]
        PV["Prévision de production PV"]
        C["Prévision de consommation"]
        B["État de charge de la batterie"]
    end

    GEN["Générer le planning de la batterie<br/>boucle de planification"]
    SCHED[("Planning de la batterie")]
    READ["Lire l’entrée pour maintenant<br/>boucle de régulation, environ 1s"]
    SET["Traduire en consignes batterie / PV / EV"]
    HW["Batterie, PV, raccordement réseau"]

    P --> GEN
    PV --> GEN
    C --> GEN
    B --> GEN
    GEN --> SCHED
    SCHED --> READ
    READ --> SET
    SET --> HW
    HW -. "valeurs mesurées" .-> GEN

Séparer le travail de cette façon évite de devoir faire tourner chaque seconde l’optimisation prévisionnelle, qui est coûteuse, tout en laissant la boucle rapide réagir à la réalité entre deux plans.

Ce dont l’algorithme a besoin

Le plan est construit à partir d’un mélange de prévisions, de mesures en direct et de configuration du projet :

L’idée centrale : l’arbitrage de prix dans les limites

Au fond, l’algorithme fait de l’arbitrage d’énergie : stocker l’énergie tant qu’elle est bon marché (surplus PV ou heures réseau à bas prix) et la restituer quand elle est chère, soit en couvrant la consommation propre du site, soit en l’injectant sur le réseau pour générer un revenu.

Deux choses gardent cela honnête :

• Les pertes aller-retour. L’énergie perdue à l’entrée et à la sortie de la batterie fait qu’un kilowattheure stocké en restitue moins d’un. Le plan dimensionne chaque charge et chaque décharge à l’aide du rendement aller-retour de la batterie.
• La différence de prix minimale. Une paire charge/décharge n’est planifiée que si l’écart de prix entre le créneau bon marché et le créneau cher franchit un seuil réglable. Cela couvre la perte aller-retour et l’usure de la batterie, et empêche de cycler la batterie pour un gain marginal.

Tout ce que l’algorithme planifie doit aussi tenir dans les bornes d’état de charge et les limites du raccordement ; ces contraintes s’appliquent à l’ensemble du plan.

Exemple chiffré : prix élevés en soirée

Le graphique ci-dessous montre le scénario prix élevés en soirée. L’électricité est bon marché et le soleil présent dans la journée, puis les prix montent fortement pendant la pointe du soir.

Pendant la journée, la batterie se charge à partir du surplus PV bon marché, et pendant la pointe du soir elle se décharge pour couvrir la consommation chère. La décomposition complète de ce scénario se trouve sur la page Planning de la batterie.

Rapport avec un signal externe

L’optimisation des coûts est une stratégie locale. Quand un partenaire de signal externe pilote activement l’installation, ce partenaire a la priorité et l’optimisation des coûts ne pilote pas la batterie. Quand aucun signal externe n’est actif, la batterie suit le planning d’optimisation des coûts. Quand le partenaire est en veille, donc connecté mais sans piloter la batterie, la batterie reste au repos et conserve son état de charge. Une option par site lui fait tout de même suivre le planning d’optimisation des coûts pendant la veille.