Renewable energy optimization in isolated microgrids: a Python-based tool for cost-effective solutions using genetic algorithms

Cadena Zarate, Cristian David (2025). Renewable energy optimization in isolated microgrids: a Python-based tool for cost-effective solutions using genetic algorithms. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (774kB) | Prévisualisation

Résumé

This work presents a Python-based tool for the techno-economic analysis of renewable energy integration in isolated microgrids. The tool combines a microgrid simulator and an optimizer based on genetic algorithms. The simulator incorporates an energy management strategy that prioritizes the use of renewable energy sources and battery storage while ensuring a continuous power supply through diesel generators. This is achieved with a dispatch strategy that determines the optimal combination of a predefined number of generators based on the specific needs of the microgrid.

The optimizer, which operates as a top layer to the simulator, uses the simulator’s outputs in an iterative optimization process with single or multiple objectives. In the presented case study, the optimizer aims to identify the optimal renewable energy penetration level that minimizes the levelized cost of energy and maximizes diesel displacement. To speed up convergence, the optimization process includes the development of preliminary tables generated using a brute-force algorithm, which reduces the initial search space.

The tool’s advantages lie in its modular design, its ability to process input data with different time steps, and its fast convergence in case studies. Developed in Python, an open-access software, it overcomes the limitations of commercial tools like HOMER, which impose restrictions on users. Additionally, the tool is scalable and adaptable to specific user needs.

Finally, the practical application of the tool is validated through a case study applied to a microgrid in a community in Nunavik, Quebec. The results show that the optimal renewable energy penetration identified by the tool can reduce diesel consumption by up to 87% compared to scenarios without renewable integration. This highlights the tool’s value in industrial and commercial contexts requiring practical and applicable solutions.

Titre traduit

Optimisation des énergies renouvelables dans les microréseaux isolés : un outil basé sur Python pour des solutions économiques utilisant des algorithmes génétiques

Résumé traduit

Ce travail présente un outil programmé en Python pour l’analyse technico-économique de l’intégration des sources d’énergie renouvelable dans les microréseaux électriques isolés. Cet outil combine un simulateur de microréseau et un optimiseur basé sur des algorithmes génétiques. Le simulateur intègre une stratégie de gestion de l’énergie qui priorise l’utilisation des sources renouvelables et le stockage dans les batteries, tout en garantissant un approvisionnement continu de la charge grâce aux générateurs diesel. Cela est rendu possible par une stratégie de répartition qui détermine la combinaison optimale d’un nombre prédéfini de générateurs en fonction des besoins spécifiques du microréseau.

L’optimiseur, qui agit comme une couche supérieure au simulateur, utilise les résultats de ce dernier dans un processus itératif d’optimisation à objectif unique ou multiple. Dans l’étude de cas présentée, l’optimiseur vise à identifier le niveau optimal de pénétration des énergies renouvelables qui minimise le coût nivelé de l’énergie et maximise la réduction de l’utilisation de diesel. Afin d’accélérer la convergence, le processus d’optimisation inclut le développement de tables préliminaires générées à l’aide d’un algorithme de recherche exhaustive, ce qui réduit l’espace de recherche initial.

Les avantages de cet outil résident dans sa conception modulaire, sa capacité à traiter des données d’entrée avec différents pas de temps et sa convergence rapide dans des cas d’étude. Développé en Python, un logiciel libre, il surmonte les limitations des outils commerciaux comme HOMER, qui imposent des restrictions aux utilisateurs. De plus, l’outil est évolutif et adaptable aux besoins spécifiques de chaque utilisateur.

Enfin, l’application pratique de cet outil est validée à travers une étude de cas appliquée à un microréseau d’une communauté à Nunavik, au Québec. Les résultats montrent que le niveau optimal de pénétration des énergies renouvelables identifié par l’outil peut réduire jusqu’à 87 % la consommation de diesel, par rapport aux scénarios sans intégration de renouvelables. Cela souligne la valeur de cet outil dans des contextes industriels et commerciaux nécessitant des solutions pratiques et applicables.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment of a master’s degree with thesis in renewable energies and energy efficiency". Comprend des références bibliographiques (pages 91-100).
Mots-clés libres:	microréseaux isolés, algorithme génétique, coût nivelé de l’énergie, réduction du diesel, Python
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Ilinca, Adrian
Codirecteur:	Codirecteur Rousse, Daniel R.
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	30 juin 2025 16:04
Dernière modification:	30 juin 2025 16:04
URI:	https://espace.etsmtl.ca/id/eprint/3661

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt