Modélisation et simulation énergétique
d’un micro-réseau hybride PV–Batterie
Document pédagogique
1 Objectif du document
Ce document a pour objectif d’introduire les étudiants à la modélisation et à la simulation
énergétique d’un micro-réseau hybride composé d’un générateur photovoltaïque (PV) et d’un
système de stockage par batterie.
L’approche proposée est volontairement progressive et générique. Elle vise à :
— fournir une base théorique commune indépendante de la plateforme logicielle,
— permettre une première implémentation fonctionnelle d’un modèle PV–batterie,
— offrir plusieurs possibilités de simulation sous MATLAB/Simulink ou Python,
— préparer une phase ultérieure d’optimisation et de contrôle avancé.
À l’issue de cette étape, l’étudiant doit être capable de comprendre le comportement énergé-
tique global d’un micro-réseau et d’analyser ses performances à partir de résultats de simulation.
2 Description générale du micro-réseau étudié
Le système étudié est un micro-réseau simplifié comprenant :
— un générateur photovoltaïque (PV),
— une batterie de stockage,
— une charge électrique,
— éventuellement une connexion au réseau principal.
Dans cette première phase, l’étude se place à un niveau énergétique (puissance et éner-
gie), sans modélisation détaillée des convertisseurs électroniques ou des phénomènes transitoires
rapides.
Ce niveau de modélisation est particulièrement adapté :
— aux études de dimensionnement,
— à l’analyse de scénarios énergétiques,
— à l’introduction de stratégies de gestion d’énergie (EMS).
3 Bases théoriques nécessaires
3.1 Modélisation énergétique du générateur photovoltaïque
La production photovoltaïque dépend principalement :
— de l’irradiance solaire G(t),
— de la température des cellules Tc (t),
— des caractéristiques nominales du module PV.
1
Une expression simplifiée de la puissance PV est donnée par :
G(t)
Ppv (t) = PST C [1 + γ (Tc (t) − 25)] (1)
1000
où :
— PST C est la puissance nominale à conditions standard (STC),
— γ est le coefficient de température,
— G(t) est exprimée en W/m2 .
Pour une première simulation, les pertes d’onduleur peuvent être intégrées via un rendement
constant. Cette hypothèse est suffisante pour une étude énergétique à pas de temps discret.
3.2 Modélisation énergétique de la batterie
La batterie est représentée par son état de charge (State of Charge, SOC), défini comme :
Estocke (t)
SOC(t) = (2)
Enominale
L’évolution du SOC sur un pas de temps ∆t est donnée par :
1
ηch Pch (t) − ηdis Pdis (t)
SOCt+∆t = SOCt + ∆t (3)
Ebat
avec :
— Pch et Pdis les puissances de charge et de décharge,
— ηch , ηdis les rendements,
— Ebat la capacité énergétique nominale.
Des contraintes sont imposées :
— SOCmin ≤ SOC ≤ SOCmax ,
— limites sur les puissances de charge et de décharge.
Ces contraintes sont essentielles pour garantir la cohérence physique du modèle.
3.3 Modélisation de la charge
La charge est représentée par un profil temporel de puissance Pload (t). Ce profil peut provenir :
— de données mesurées,
— de profils synthétiques (résidentiel, industriel),
— de scénarios définis par l’étudiant.
Le profil de charge joue un rôle central dans l’analyse de l’autonomie et de l’efficacité du
micro-réseau.
3.4 Bilan de puissance et gestion d’énergie
Le fonctionnement du micro-réseau repose sur l’équilibre énergétique :
Ppv (t) + Pbat (t) + Pgrid (t) = Pload (t) (4)
Une stratégie de gestion d’énergie simple est utilisée comme point de départ :
1. priorité à la production PV,
2. surplus PV utilisé pour charger la batterie,
3. déficit couvert par la batterie,
4. recours au réseau si nécessaire.
Cette logique permet d’illustrer clairement les échanges d’énergie sans introduire d’optimisa-
tion complexe.
2
4 Cadre méthodologique de simulation
La méthodologie de simulation suit les étapes suivantes :
1. choix du pas de temps ∆t,
2. importation ou génération des données météo et de charge,
3. calcul de la production PV,
4. application de la stratégie de gestion,
5. mise à jour du SOC,
6. analyse des résultats.
Les indicateurs étudiés incluent :
— évolution du SOC,
— énergie produite par le PV,
— énergie consommée par la charge,
— énergie stockée et déstockée,
— taux d’autoconsommation et d’autonomie.
5 Cas pratiques sous MATLAB
MATLAB/Simulink permet une approche orientée système basée sur des blocs fonctionnels :
— modèles PV et batterie existants,
— visualisation claire des flux d’énergie,
— extension naturelle vers le contrôle et l’électronique de puissance.
Les étudiants peuvent s’appuyer sur :
— Simscape Electrical,
— exemples officiels de systèmes PV avec stockage,
— modèles de micro-réseaux AC ou DC.
Cette plateforme est particulièrement adaptée aux projets orientés ingénierie électrique.
6 Cas pratiques sous Python
Python est bien adapté à la simulation énergétique et à l’analyse de données :
— calcul de la production PV à partir de données météo,
— implémentation explicite des équations du SOC,
— visualisation et analyses paramétriques.
Des bibliothèques couramment utilisées incluent :
— pvlib pour la modélisation photovoltaïque,
— numpy et pandas pour les calculs,
— matplotlib pour les graphiques.
Python est également très adapté aux approches d’optimisation énergétique et de recherche.
3
7 Comparaison des plateformes
Critère MATLAB/Simulink Python
Prise en main Guidée Flexible
Modélisation électrique Très bonne Limitée
Simulation énergétique Bonne Excellente
Optimisation avancée Moyenne Très forte
Analyse de données Moyenne Excellente
8 Travail demandé à l’étudiant
Chaque étudiant devra :
1. choisir une plateforme (MATLAB ou Python),
2. sélectionner un exemple existant,
3. comprendre et documenter le modèle utilisé,
4. simuler au moins un scénario PV–batterie–charge,
5. analyser les résultats et limites du modèle.
9 Perspective et suite du projet
Cette première étape constitue la base pour :
— l’introduction de stratégies de gestion avancées,
— l’optimisation énergétique et économique,
— le développement d’un jumeau numérique énergétique.
Le modèle sera ensuite adapté au micro-réseau spécifique du projet de recherche.