Management de l’énergie des systèmes de micro-cogénération basés sur des énergies renouvelables dans le contexte des smart grids
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Kallio, Sonja
Date de soutenance : 14-09-2022

Directeur(s) de thèse : Siroux, Monica

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Énergétique
Classification : Sciences de l'ingénieur, Gestion et organisation de l'entreprise

Mots-clés libres : Management de l'énergie, Micro-cogénération, Smart grids, Énergies renouvelables, Exergie
Mots-clés :
  • Énergie - Gestion
  • Microcogénération
  • Énergies renouvelables
  • Réseaux électriques intelligents
Résumé : Les systèmes de micro-cogénération basés sur les énergies renouvelables produisent simultanément et localement de la chaleur et de l'électricité à partir d'un seul combustible. Une analyse plus approfondie de l'efficacité est nécessaire pour révéler les inefficacités cachées de ces systèmes. Cette thèse applique la méthode d'exergie aux systèmes hybrides d'énergie renouvelable en effectuant une analyse énergétique et exergétique, ainsi qu'une optimisation de la conception basée sur l'exergie. Cette thèse souligne l'importance de passer d'une évaluation basée sur la quantité d'énergie à une évaluation basée sur la qualité. L'objectif est d'étudier l'impact des conditions météorologiques sur les résultats et de découvrir si les résultats diffèrent de l'analyse énergétique. En outre, différentes méthodes de gestion de l'énergie sont étudiées à l'aide d'un montage expérimental d'un micro-réseau solaire. Les données météorologiques et de production photovoltaïque sont collectées pour étudier différentes méthodes de prévision basées sur le Machine learning à utiliser dans les méthodes de contrôle avancées.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2022STRAD043
Type de ressource : Thèse