Advanced hierarchical control based on extreme gradient boosting (XGBoost) algorithm for hybrid solar-diesel-battery standalone microgrid

Résumé

La prévision de la nature stochastique de l’énergie solaire est un élément crucial dans la conception d’un microréseau stable. Habituellement, cette fonctionnalité est exploitée par le troisième niveau de contrôle hiérarchique pour générer des signaux de référence destinés au premier et au deuxième niveaux de ce dernier. Cependant, en raison de l’inertie nulle du réseau électrique, les phénomènes de changement climatique et la pénétration croissante des sources d’énergie renouvelables via les interfaces des convertisseurs de puissance ont un impact négatif sur les méthodes de haute précision existantes. Pour garantir un fonctionnement stable des microréseaux, prédire la nature stochastique de l’énergie solaire est donc essentiel. Dans cette thèse, nous développons une méthode utilisant la régression linéaire multiple (MLR) et la matrice de corrélation, combinée à un algorithme de pointe basé sur l’IA (eXtreme Gradient Boost (XGBoost)), pour prédire la puissance et la puissance générée à partir des sources d’énergie renouvelables telles que l’énergie solaire et la puissance consomée par les charges. Le signal obtenu par ce nouvel algorithme est utilisé comme signal de référence pour estimer le courant d’inventaire de référence. Nous avons testé cette approche sur des données historiques provenant de sites réels de centrales solaires en Allemagne sur une période de trois ans. En outre, nous comparons les performances de notre technique, en utilisant des matrices de performance telles que l’erreur quadratique moyenne (MAE) et l’erreur quadratique moyenne (RMSE), ainsi que le coefficient de détermination (CoD), avec d’autres réseaux de neurones plus récents, tels que le modèle de mémoire à long terme et court terme (LSTM), sur les mêmes données. Nous appliquons ensuite cet algorithme de prédiction à un système hybride PV-Diesel non connecté au réseau électrique. Cette configuration comprend un convertisseur abaisseur DC-DC pour la régulation de tension du bus DC constante, permettant à travers un onduleur de maintenir la fréquence constante aux points de raccordement. Cette opération garantit un fonctionnement stable lors de changements dynamiques de production d’énergie dus à des changements rapides d’irradiation solaire ou à des changements de charges. Nous validons les performances du contrôle d’inertie virtuel (VIC) développé pour l’application hybride PV-Diesel non connectée au réseau électrique en temps réel, à l’aide de MATLAB Simulink, et nous développons un prototype de modèle réduit de 2kW de puissance au laboratoire. De plus, nous utilisons une combinaison d’un système d’inertie virtuelle avec un contrôle de statisme appliqué à l’onduleur de puissance d’interface pour améliorer la fréquence de déviation dans le système hybride PV-Diesel non connecté au réseau électrique. Enfin, cette recherche a permis de limiter l’impact négatif sur le système d’énergie solaire grâce à une méthode de prévision avancée et à l’utilisation d’une technique d’inertie virtuelle.

Date	14 juin 2024
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Ambrish Chandra (Directeur(-trice)) & Miloud Rezkallah (Codirecteur(-trice))