Modeling and Aggregation of Thermostatically Controlled Loads for Participation in Frequency and Voltage Control of a Power System

L’operation d’un reseau electrique est un acte de balancement puisque l’equilibre entre la production et la consommation doit etre maintenue en temps reel. La frequence et la tension sont des indicateurs precis des desequilibres et doivent par consequent etre maintenues dans les limites autorisees pour un fonctionnement stable des reseaux electriques. Traditionnellement, l’equilibre entre la production et la consommation est assure par les generateurs conventionnels fonctionnant aux combustibles fossiles. Or, ce moyen est economiquement inefficace et a un impact negatif sur l’environnement. La penetration croissante des sources d’energie renouvelable complique plus que jamais l’equilibre production-consommation puisqu’elles induisent davantage des fluctuations, ce qui accroit le besoin en reserves de controle a reaction rapide. La reponse a la demande est une des solutions efficaces, economiques et a impact environnemental positif pouvant prendre part dans la provision des reserves de controle, surtout avec le developpement des technologies et techniques des reseaux intelligents. En particulier, les charges thermiquement controlees (TCLs) sont des candidats potentiels car elles sont nombreuses et largement distribuees dans le reseau electrique. De plus, les TCLs sont des appareils a action rapide et peuvent etre gerees sans compromettre le confort du client. L’objectif principal de ce travail est l’implication des TCLs dans la provision du controle primaire et secondaire de la frequence ainsi que la regulation de la tension. Par consequent, un defi important consiste a developper une strategie de controle fiable et a reaction rapide pour une participation efficace des TCLs dans de tels services auxiliaires. De plus, cela devrait etre fait en tenant compte du confort du client, de l’usure des appareils et des problemes lies aux cycles courts. De plus, une estimation et prevision precises des reserves de controle disponibles offertes par les TCLs sont essentielles. A cette fin, une approche basee sur un reseau de neurones est proposee pour l’estimation et la prevision precises de la flexibilite disponible offerte par les TCLs. Une comparaison entre cette nouvelle approche et l’approche conventionnelle basee sur la chaine de Markov montre une precision de prediction superieure de l’approche basee sur un reseau de neurones. Des methodes de controle sont ensuite developpees pour une gestion efficace et optimale d’une population de TCLs via un agregateur afin d’obtenir une reponse collective imitant le comportement des generateurs conventionnels, tout en respectant les exigences des services de controle fournis. En particulier, la participation des TCLs au controle primaire de la frequence est semi-autonome et ne repose pas sur une communication en temps reel beneficiant de la reponse rapide des TCLs.----------Abstract Operating an electric power system is a balancing act as the equilibrium between generation and consumption must be maintained in real-time. Frequency and voltage are accurate indicators of imbalances, and therefore must be kept within permissible ranges for a stable operation of power systems. Traditionally, the generation-consumption balancing is provided by fossil-fueled conventional generators which are economically inefficient and environmentally unfriendly. The increasing penetration of renewable energy sources is making the balancing more challenging than ever as they induce further fluctuations, which in turn increase the need for fast-responding control reserves. Demand Response is one of the efficient, cost-effective and environment-friendly alternatives for taking part in the provision of control reserves, especially with the development of smart grid technologies and techniques. In particular, thermostatically controlled loads (TCLs) are potential candidates as they are numerous and widely distributed in the electrical network. Furthermore, TCLs are fast-acting devices and can be managed without compromising customer comfort. The main objective of this work is the implication of TCLs in the provision of primary and secondary frequency control as well as voltage regulation. In this way, an important challenge is to develop a reliable and fast reacting control strategy for an efficient participation of TCLs in such ancillary services. Furthermore, this should be done taking into account customer comfort, device wear and tear, and short cycling issues. Moreover, an accurate estimation and prediction of the available control reserves offered by TCLs are essential. To this aim, a neural network-based approach is proposed for the accurate estimation and prediction of the available flexibility offered by TCLs. A comparison between this new approach and the conventional Markov-Chain approach shows a superior prediction accuracy of the neural network-based approach. Control methods are then developed for an effective and optimal management of a population of TCLs through an aggregator in order to obtain a collective response that imitates the behaviour of conventional generators, while respecting the requirements of the provided control services. In particular, TCLs participation in primary frequency control is semi-autonomous with no reliance on real-time communication benefiting from TCLs fast response. The proposed control methods are characterized by a fast response and a very low communication burden, while the customer comfort is maintained, the switching number is minimized by proper prioritization of TCLs, and short-cycling is reduced by the division of TCLs into groups.