Une méthode basée sur l'IA peut optimiser les systèmes de stockage par batteries photovoltaïques

La production d’énergie solaire dépend en grande partie des conditions météorologiques. Lorsque la production s'écarte de la production prévue, le marché de l'électricité impose des pénalités appelées « pénalités de déséquilibre ». Des chercheurs de l'Université de Tsukuba ont développé une méthode basée sur l'intelligence artificielle (IA) qui optimise le fonctionnement des systèmes de production d'énergie solaire et de stockage par batterie, réduisant ainsi les pénalités de déséquilibre jusqu'à 47 % par rapport aux méthodes conventionnelles.

La pénétration croissante des ressources énergétiques renouvelables distribuées nécessite des stratégies de gestion de l’énergie plus intelligentes et adaptatives que celles actuellement disponibles. Sur les marchés de l'électricité, les transactions sont basées sur les volumes de production prévus pour le lendemain, qui sont soumis par les producteurs d'électricité. Cependant, la production d’énergie solaire est très sensible aux conditions météorologiques.

Les écarts entre les volumes d'approvisionnement prévus et réels perturbent l'équilibre global entre l'offre et la demande du marché, entraînant des pénalités appelées « pénalités pour déséquilibre ». Bien que les méthodes informatiques puissent contrôler cet équilibre dans une certaine mesure, elles ne peuvent pas refléter de manière adéquate les incertitudes du monde réel telles que les changements climatiques soudains et la dynamique complexe du marché.

Des chercheurs de l'Université de Tsukuba ont développé une méthode qui optimise le fonctionnement des systèmes de production d'énergie solaire et de stockage par batteries tout en se conformant aux règles du marché. La méthode, publiée dans Accès IEEEs'appuie sur une IA basée sur l'apprentissage par renforcement profond, qui peut gérer des problèmes impliquant de l'incertitude.

Dans les résultats de simulation sur des données réelles du marché, cette méthode a réduit les pénalités de déséquilibre d'environ 47 % et 26 % par rapport aux méthodes de contrôle conventionnelles et à d'autres modèles d'apprentissage par renforcement profond, respectivement. De plus, elle a maintenu des bénéfices stables tout au long des quatre saisons.

Cette recherche contribuera à un mécanisme qui améliore la rentabilité, évite les pénalités de déséquilibre et fournit un approvisionnement stable en énergie renouvelable sur le marché. En outre, cela pourrait jeter les bases d’un système qui traiterait les sources d’énergie domestique regroupées, telles que les batteries de stockage et les véhicules électriques, comme une nouvelle source d’énergie, offrant des avantages sociétaux tels que des prix de l’électricité stabilisés et un risque réduit de pannes de courant.