1        Que sont les stratégies IA Reduxi

Les stratégies IA Reduxi sont un ensemble d'algorithmes de contrôle intelligents et auto-apprenants intégrés dans le système EMS (Energy Management System) Reduxi. Elles prévoient, optimisent et contrôlent de manière autonome les flux d'énergie entre les actifs connectés tels que les batteries, le photovoltaïque, les chargeurs de véhicules électriques et les pompes à chaleur.

L'objectif principal est l'optimisation des profits.

1.1     Définitions clés

• Prévision représente une prédiction des flux d'énergie futurs, y compris la charge, la production photovoltaïque, l'utilisation des véhicules électriques et l'échange avec le réseau. Il est dérivé de mesures historiques et d'entrées externes telles que les conditions météorologiques, l'heure de la journée et les habitudes d'utilisation.
• L'objectif est d’optimiser le moment de la consommation, du stockage ou de l'exportation d'énergie. Cela inclut, par exemple, la recharge de la batterie pendant les périodes de prix bas ou de forte production PV, et la décharge pendant les intervalles de prix élevés. Les prix du marché de l'électricité (SPOT, Tarification Heure Pleine/Heure Creuse) sont un élément clé de ce processus.
• L’optimisation s'exécute par intervalles roulants de 15 minutes, mettant continuellement à jour les décisions en fonction de l'état le plus récent du système et des prévisions.
• La stratégie IA exécute le contrôle indirectement en envoyant des points de consigne au contrôleur, qui gère tous les appareils inclus en temps réel.
• Le système apprend continuellement à partir de nouvelles données et met à jour ses modèles et son comportement d'optimisation en conséquence.

2        Configuration initiale des stratégies IA

2.1     Ajout d'une stratégie d'IA

La stratégie IA, ou mode d'optimisation, est ajoutée dans la stratégie Energy Manager en cliquant sur l'icône « + » et en sélectionnant Energy Manager IA.

Configurez les paramètres de stratégie en conséquence et enregistrez. Plus d'informations sur les configurations sont disponibles plus loin dans les sections spécifiques aux appareils.

2.2     Liste de contrôle des conditions de la stratégie d'IA

Pour activer une stratégie IA, les conditions suivantes doivent être remplies :

• Une stratégie doit être configurée avec un mode d'optimisation IA, et une seule stratégie IA peut être active à la fois.
• Une liste de prix doit être configurée
• La géolocalisation doit être configurée
• La région, le pays, le fuseau horaire et la devise doivent être configurés
• Le contrôleur doit être en ligne et connecté au cloud Reduxi
• Les appareils doivent avoir les paramètres pertinents configurés, par exemple l'état de charge (SOC) de la batterie, la capacité et les limites de puissance
• L'emplacement doit disposer d'au moins deux semaines de données historiques (PV, charge, réseau, etc.) afin que des prévisions fiables puissent être générées. Voir ci-dessous le comportement sans historique suffisant.
• Une licence IA valide doit être active
• Une fois tous les paramètres définis, attendez au moins 15 minutes pour que la stratégie IA apparaisse dans l'application cloud et commence à contrôler les appareils
• Une stratégie IA correctement configurée peut être reconnue par la prévision affichée à droite de la ligne « Prévision ». Un exemple est présenté ci-dessous.

2.3     Notes et options avancées

• L'optimisation IA peut s'exécuter parallèlement aux modes par défaut et programmés. Cela permet au système de se comporter différemment à différents moments de la journée en fonction de vos paramètres. Un exemple typique consiste à utiliser des paramètres ou des limites différents pendant la journée et la nuit.

• L'optimisation des prix négatifs n'a pas besoin d'être configurée séparément. Elle est déjà gérée dans le mode d'optimisation IA lorsque le PV est configuré en conséquence.
• Les limites du réseau doivent être définies afin que le système puisse atteindre l'objectif souhaité. Par exemple, si la limite du réseau est fixée à 10 kW mais que la consommation normale est de 100 kW, l'objectif d'optimisation ne peut pas être atteint et l'utilisateur doit définir la limitation en conséquence.
• Si l'optimisation IA ne peut être atteinte en raison de limites réseau restrictives, le système revient automatiquement au mode d'optimisation par défaut configuré (par exemple, auto-consommation) tel que défini dans l'interface utilisateur.
• Comportement avec des données historiques limitées (environ les 2 premières semaines)
  • Lorsqu'il n'y a pas assez de données pour la prévision, aucune prévision PV, de consommation (charge) ou du réseau n'est disponible
  • Dans ce cas, et si l'importation et l'exportation sont autorisées, l'IA effectue de l'arbitrage énergétique
  • Si l'importation ou l'exportation est restreinte, l'IA passe en mode d'autoconsommation
  • Une fois que suffisamment de données historiques sont disponibles, le système passe automatiquement en mode IA régulier
• Reduxi ne peut contrôler les appareils que dans la mesure où ils suivent correctement les signaux de commande. Si un appareil ne répond pas comme prévu, son comportement doit être vérifié à l'aide des modes de contrôle manuels. Par exemple, certaines centrales PV ne peuvent pas être restreintes, certaines batteries ne suivent pas le point de consigne demandé, et dans les systèmes à onduleur hybride, le contrôle PV et batterie sont souvent couplés. Reduxi s'adapte à ces contraintes, mais les limitations subsistent.
• Les stratégies IA Reduxi coordonnent tous les appareils inclus vers un objectif d'optimisation commun. Les utilisateurs peuvent définir quelles catégories d'appareils sont incluses, par exemple le stockage par batterie, et lesquelles sont exclues, comme les systèmes de pompe à chaleur (HVAC). Nous recommandons d'inclure toutes les catégories, car cela apporte une plus grande valeur lorsque tout fonctionne vers un objectif commun.
• Les appareils inclus sont gérés activement par l'IA et participent à l'optimisation. Les appareils exclus fonctionnent indépendamment selon leur propre logique de contrôle et ne sont pas affectés par la stratégie.

2.4     Taux de mise à jour :

• La stratégie IA est recalculée toutes les 15 minutes. Au même intervalle, la stratégie mise à jour est déployée sur le contrôleur, en utilisant l'état le plus récent du système, les données météorologiques et les entrées.
• Une fois déployée sur le contrôleur, la stratégie est exécutée localement en temps réel, réagissant immédiatement aux mesures et aux conditions du réseau.
• Si une stratégie est reconfigurée, l'activation et le calcul de prévision initiale prennent jusqu'à 15 minutes pour devenir actifs.

3        Prévision de la consommation et de la production d'énergie

Une prévision précise de la consommation et de la production d'énergie est essentielle pour une performance efficace de la stratégie IA.

En utilisant les données de géolocalisation, le comportement historique et les données météorologiques (principalement l'irradiation solaire et la température), le modèle de prévision Reduxi prédit les flux d'énergie futurs pour le lendemain et au-delà.

La prévision est fournie par intervalles de 15 minutes et peut être consultée par l'utilisateur dans le graphique de puissance, en vue de 15 minutes.

3.1     Prévision de production de centrale photovoltaïque (solaire)

La production d'énergie PV dépend du comportement historique, de l'heure de la journée et de l'année, et des données météorologiques, principalement l'irradiation et la température.

Afin de simplifier la configuration, Reduxi ne requiert pas d'informations sur la puissance installée, la superficie ou l'orientation de la centrale PV. Ces caractéristiques sont déduites automatiquement de la production PV historique.

Pour une prévision précise, un minimum de 14 jours de données historiques est requis.

3.2     Prévision de consommation (charge)

La prévision de consommation utilise de manière similaire des données historiques et des entrées météorologiques.

De plus, le modèle prend en compte les habitudes d'utilisation telles que l'heure de la journée, par exemple une consommation plus faible la nuit, et le jour de la semaine, telles que les différences entre les jours de semaine et les week-ends.

La prévision de consommation est la partie la plus complexe, car elle doit tenir compte d'un comportement moins prévisible dans des délais courts, par exemple le démarrage de grosses machines dans les environnements industriels ou le démarrage d'une recharge de VE.

Actuellement, toutes les charges sont prévues ensemble, y compris la recharge des VE et le CVC. Cela sera encore amélioré dans les futures versions.

4        Prévision de puissance de la batterie

La puissance de la batterie est la partie du système qui peut être contrôlée activement.

Sa prévision est dérivée d'objectifs d'optimisation tels que la réduction des pics et l'optimisation des coûts. Plus de détails sont fournis dans les sections suivantes.

4.1     Prévision de référence du réseau

La prévision de consommation et de production au niveau du réseau est essentielle pour un contrôle efficace du système. Elle définit l'échange d'énergie attendu avec le réseau, et toute l'optimisation IA est construite autour d'elle.

La prévision du réseau est importante car :

• Les écarts par rapport à la référence attendue peuvent entraîner des coûts
• La consommation et la production doivent rester dans les contraintes du réseau, telles que les limites d'importation et d'exportation ou les limites de disjoncteur

La prévision de référence permet à l'IA de :

• réduire l'importation du réseau et utiliser la batterie à la place
• décaler la consommation pour gérer les pics et éviter de dépasser les limites

Pour des services tels que la flexibilité ou l'équilibrage, la prévision de référence sert également de point de référence car :

• Elle permet des services de flexibilité en tant que déviation de la référence
• Elle détermine les pénalités ou récompenses potentielles

5        Description des stratégies IA par catégorie

Comme mentionné, les stratégies IA peuvent contrôler toutes les catégories d'appareils pour atteindre un objectif commun. Les sections suivantes décrivent plus en détail la fonctionnalité de chaque catégorie.

5.1     Stratégie IA pour batterie (BESS)

Les systèmes de stockage d'énergie par batterie (BESS) sont utilisés pour maximiser les économies et les revenus grâce aux modes suivants :

• Arbitrage d'énergie
  Charger la batterie lorsque les prix de l'énergie sont bas et utiliser ou vendre l'énergie stockée lorsque les prix sont plus élevés.
• Charge depuis le réseau, décharge vers la charge
  Si la décharge vers le réseau n'est pas autorisée, alors la batterie est déchargée pour couvrir la consommation. Dans ce cas, la batterie est chargée à partir du réseau pendant les intervalles à prix bas et utilisée plus tard lorsque les prix sont plus élevés. Cela décale la consommation et réduit les coûts.
• Charge depuis PV, décharge vers le réseau
  Si la charge depuis le réseau n'est pas autorisée, la batterie est chargée à partir du PV et l'énergie peut ensuite être vendue à des prix plus élevés. Cela augmente la valeur de la production solaire par rapport à l'injection directe.

Dans les trois modes, le module IA BESS Reduxi calcule les fenêtres temporelles optimales pour la charge et la décharge. Pour cela, il prend en compte :

• Le prix d'achat de l'énergie, y compris tous les frais spécifiés, les frais de réseau et autres composantes. (Remarque, le prix doit être défini à l'avance dans l'application cloud)
• Le prix de vente de l'énergie, y compris tous les frais spécifiés, les frais de réseau et autres composantes
• Prévision de production PV, de consommation et du réseau
• Les limites de puissance du réseau et de la batterie
• Les pertes de charge et de décharge de la batterie, ainsi que le coût de dégradation de la batterie

Quelques exemples :

• Le prix de l'énergie est bas à 12h00 et élevé à 20h00. La batterie se charge vers 12h00 et se décharge vers 20h00.
• Il prend en compte les limites de puissance du réseau et de la batterie. Cela signifie que, si la limite du réseau est basse et que l'énergie de charge requise ne peut pas être atteinte dans un délai plus court, la période de charge est prolongée, par exemple de 11h00 à 15h00.
• Il prend en compte la prévision de production PV et charge la batterie à partir de la production PV au lieu du réseau, ou à partir d'une combinaison des deux.
• Si la différence de prix est trop faible pour couvrir les pertes de charge et de décharge et le coût de dégradation de la batterie, la batterie n'effectue pas le cycle de charge/décharge.

5.1.1    Configuration IA BESS

L'image montre une capture d'écran de la configuration IA BESS.

• Mode arbitrage ou mode restreint par le réseau

Le mode de fonctionnement est déterminé par les restrictions de charge et de décharge du réseau. En utilisant les commutateurs de l'interface utilisateur, le système peut être configuré pour un arbitrage pur ou pour une optimisation qui respecte les contraintes d'importation et d'exportation du réseau.

• Économies/gains minimums par kWh

Pour tenir compte de la dégradation de la batterie, l'utilisateur peut définir les économies ou les gains minimums qu'un cycle doit générer. Si la valeur attendue est inférieure à ce seuil, la batterie n'est pas utilisée. Cela protège la durée de vie de la batterie. Une valeur typique recommandée est de 0,02 EUR/kWh, qui a été estimée à l'aide du calcul suivant :

Coût de la batterie / énergie totale sur la durée de vie de la batterie = 50 000 EUR / (10 000 cycles × 250 kWh) = 0,02 EUR/kWh

• Capacité réservée pour couvrir la charge

Comme la prévision ne peut jamais être idéale, un pourcentage de la capacité de la batterie peut être réservé pour couvrir la consommation locale et éviter de dépasser les limites du réseau.

• Capacité réservée pour la production excédentaire (PV)

De même, un pourcentage de la capacité de la batterie peut être réservé à la production excédentaire de PV au cas où le PV produirait plus que prévu.

• L'optimiseur prend également en compte les pertes d'énergie pendant la charge et la décharge. La perte d'énergie du cycle complet de charge et de décharge est estimée à 8 %.

5.2     Stratégie IA pour PV

La stratégie IA PV fonctionne mieux en combinaison avec une batterie. Dans ce cas, la production PV peut être stockée dans la batterie et réutilisée pendant les périodes de prix d'énergie élevés.

Si la batterie n'est pas impliquée, la stratégie IA PV maximise toujours le profit. Cela signifie :

• Lorsque le prix de l'énergie est positif, la production PV couvre la charge et tout excédent peut être exporté vers le réseau jusqu'à la limite d'exportation
• lorsque le prix d'achat de l'énergie est négatif mais que le prix de vente est positif, le système fonctionne en auto-consommation sans exportation. Dans cet état, la production PV couvre la charge mais n'exporte pas vers le réseau
• lorsque les prix d'achat et de vente de l'énergie sont négatifs, le mode est défini sur consommation maximale. Cela signifie que la production PV est arrêtée, car elle entraînerait sinon des pertes

5.3     Stratégie IA pour la recharge des VE (EVSE)

À DÉFINIR

5.4     Stratégie IA pour le contrôle de la pompe à chaleur (HVAC)

La stratégie IA CVC est conçue pour réduire les coûts énergétiques sans compromettre le confort. Les bâtiments ont une inertie thermique élevée, ce qui signifie que le chauffage et le refroidissement peuvent être décalés dans le temps avec un faible impact sur les conditions intérieures.

Lors du contrôle des pompes à chaleur, Reduxi utilise les modes de fonctionnement pris en charge par l'appareil, tels que OFF, ECO, NORMAL et BOOST. Cette approche garantit que la pompe à chaleur fonctionne dans sa logique de contrôle conçue, en maintenant une efficacité optimale et en protégeant l'onduleur. En conséquence, le fonctionnement reste sûr et n'a pas d'impact négatif sur la durée de vie de l'équipement.

Les économies réalisées par la pompe à chaleur sont obtenues de deux manières principales :

a. Optimisation basée sur les prix
Les prix de l'énergie varient tout au long de la journée. Reduxi en tire parti en augmentant le fonctionnement de la pompe à chaleur lorsque les prix sont bas et en le réduisant lorsqu'ils sont élevés.

Par exemple, si l'électricité est plus chère entre 17h00 et 20h00, le système peut pré-chauffer le bâtiment légèrement avant cette période. Pendant les heures coûteuses, il réduit la consommation tout en maintenant le confort grâce à l'inertie thermique du bâtiment.

Cet exemple simulé montre comment la pompe à chaleur augmente la consommation d'énergie pendant les intervalles à prix bas et réduit la consommation pendant les intervalles à prix élevés. La ligne grise pointillée représente le prix de l'énergie.

b. Optimisation basée sur la météo
Les pompes à chaleur fonctionnent plus efficacement à des températures extérieures plus élevées. Ceci est défini par le Coefficient de Performance (COP). Reduxi utilise les prévisions météorologiques pour décaler le chauffage vers des périodes où les conditions sont plus favorables. Cela améliore l'efficacité et réduit les coûts, toujours sans affecter le confort.

Cet exemple simulé montre comment la pompe à chaleur réduit la consommation d'énergie pendant les heures nocturnes et augmente la puissance pendant les heures diurnes plus chaudes pour améliorer l'efficacité.

La ligne orange pointillée représente les prévisions de température.

6        Exemples de stratégies IA en pratique

Les informations clés de la stratégie IA sont visualisées dans la vue Graphiques, idéalement en utilisant le graphique de puissance en résolution de 15 minutes. Cette vue comprend :

• Graphique supérieur
  • mesures de puissance historiques de
    • jaune – production PV
    • vert – consommation du site
    • bleu – puissance de la batterie
    • ligne orange – échange réseau
  • prévision depuis l'heure actuelle jusqu'à la fin de la journée
• Dans le graphique inférieur
  • rouge – prix d'achat de l'énergie, y compris tous les frais définis
  • vert – prix de vente de l'énergie, y compris tous les frais définis
  • les prix doivent être préconfigurés dans l'application web cloud

6.1     Exemple : Un exemple typique avec une batterie et du PV

A – chargement de la batterie pendant la nuit à bas prix tout en maintenant la limite du réseau à 240 kW

B – décharge de la batterie vers le réseau à prix élevé

C – utilisation de la production solaire pour couvrir la consommation sur site

D – chargement de la batterie à partir de la production solaire prévue pendant une période à bas prix (prévision)

E – décharge de la batterie vers le réseau à prix élevés (prévision)

6.2     Exemple : PV à l'échelle utilitaire (emplacement dédié à la production PV)

A – décharge de la batterie vers le réseau à prix élevé

B – période à bas prix. Chargement de la batterie uniquement à partir du solaire, avec 0 kW au réseau, ce qui signifie pas d'importation ni d'exportation

C – une fois la batterie pleine, exportation de l'énergie PV vers le réseau

D – décharge de la batterie vers le réseau pendant les trois intervalles à prix élevé pour maximiser les revenus

6.3     Exemple : Emplacement domestique avec zéro injection

A – chargement de la batterie à partir du réseau tout en maintenant la limite du réseau à 6 kW

B – décharge de la batterie pour réduire l'importation du réseau pendant les périodes de prix élevés

C – chargement de la batterie à partir du réseau et du solaire, avec un échange réseau maximum de 6 kW, afin de stocker l'énergie pour les heures coûteuses du soir

D – décharge de la batterie pendant les heures coûteuses du soir. Aucune exportation vers le réseau n'est autorisée en raison de la limite d'injection

6.4     Exemple 4 : PV utilitaire

A – intervalles pendant lesquels l'énergie PV est soit exportée, soit stockée dans la batterie. Cela dépend du coût dans des intervalles de 15 minutes

B – période à bas prix, chargement uniquement de la batterie

C – une fois la batterie complètement chargée, exportation de la production PV vers le réseau

D – exportation de l'énergie stockée pendant les périodes à prix élevé

6.5     Exemple : Prévision de consommation d'un lieu de production avec horaire de travail de 7h00 à 15h00

Prévision de charge typique d'une entreprise avec des heures de travail de 7h00 à 15h00.

À côté de cela, une prévision typique de production solaire est présentée. Ces deux prévisions sont utilisées pour planifier la consommation d'énergie en conséquence.