La pénétration croissante des énergies renouvelables dans le réseau électrique crée de nouveaux défis pour la planification de la production. Les niveaux élevés d'énergie renouvelable - principalement éolienne et solaire - entraînent des niveaux élevés d'incertitude et de variabilité à des échelles de temps aussi rapides que les secondes ou les minutes. Par conséquent, la production conventionnelle doit être suffisamment flexible pour maintenir l'équilibre entre l'offre et la demande à des échelles de temps rapides. Par conséquent, tout en planifiant la future combinaison de production conventionnelle, un problème connu sous le nom de planification de l'expansion de la production (PEP), il est important que les planificateurs de réseaux électriques intègrent la flexibilité. En particulier, il est utile d'inclure des détails opérationnels à haute résolution temporelle dans la PEP afin de garantir que les producteurs conventionnels auront suffisamment de flexibilité pour pouvoir contrecarrer les fluctuations intra-horaires de la production renouvelable. Le principal défi que pose l'intégration de détails opérationnels intra-horaires dans la PEP est que, pour les formulations existantes, la complexité du problème s'accroît considérablement avec la hausse de la résolution temporelle, ce qui entraîne des coûts de calcul prohibitifs. Pour relever ce défi, cette thèse propose une nouvelle formulation de la PEP, qui est efficace en computation, qui garantit que la combinaison de production sélectionnée a une capacité et une flexibilité intra-horaire suffisantes pour équilibrer les variations de la production renouvelable. La méthode consiste à utiliser des données historiques pour développer des limites indépendantes du temps sur la rampe (MW/5 min) en fonction de la charge et de la production renouvelable (MW). La qualité de la solution de l'approche proposée est validée à l'aide du cas test RTS IEEE par comparaison avec deux techniques de PEP existantes - regroupement d'unités et semaines représentatives - et par évaluation de sa sensibilité aux paramètres de production. La méthode donne des mélanges de production dont les coûts sont aussi faibles ou inférieurs à ceux des autres méthodes, mais avec des durées d'exécution beaucoup plus rapides et une résolution temporelle plus élevée. L'approche proposée est ensuite étendue à un problème nouveau : inclure l'investissement dans la production d'énergie renouvelable comme variable de décision, afin que les planificateurs puissent faire le choix optimal entre la production conventionnelle et la production d'énergie renouvelable. Les résultats sont présentés pour la production éolienne et solaire. Une nouvelle technique de mise en forme de la charge est développée pour utiliser la gestion de la puissance (Demand Response) afin de contribuer à contrer l'effet de la variabilité des énergies renouvelables, et son impact sur le déplacement de la production conventionnelle et sur l'intégration des énergies renouvelables est illustré. Enfin, le PEP avec investissement dans les énergies renouvelables est étendu à un horizon de planification de 25 ans qui comprend le retrait des unités existantes à la fin de leur durée de vie et la mise en service de nouvelles générations dans les années où elles sont nécessaires, tout en assurant une flexibilité suffisante en intra-heure (5 minutes). Sa performance est démontrée par le cas test RTS IEEE

Increasing penetration of renewable energy in the power grid is creating new challenges for generation planning. High levels of renewable energy - primarily wind and solar - results in high levels of uncertainty and variability at time scales as fast as seconds to minutes. As a result, conventional generation needs to have adequate flexibility to maintain the balance between supply and demand at fast time scales. Therefore, while planning the future conventional generation mix, a problem known as generation expansion planning (GEP), it is important for power system planners to incorporate flexibility. In particular, it is valuable to include high temporal resolution operational details into GEP in order to ensure that conventional generators will have sufficient flexibility to be able to counteract the intra-hour fluctuations in renewable generation. The main challenge for incorporating intra-hour operational details into GEP is that for existing formulations the problem size scales dramatically as the temporal resolution increases, leading to prohibitively high computational cost. To address this challenge, this dissertation proposes a novel, computationally efficient GEP formulation which ensures the selected generation mix has sufficient capacity and intra-hour flexibility to balance the variations in renewable generation. The method proceeds by using historical data to develop time-independent bounds on ramp (MW/5 min) as a function of load and renewable generation (MW). The solution quality of the proposed approach is validated using the IEEE RTS test case by comparison with two existing GEP techniques - unit clustering and representative weeks - and by assessing its sensitivity to generation parameters. The method yields generation mixes with costs as low or lower than the alternatives, but with much faster run times and including higher temporal resolution. The proposed approach is then extended to a novel problem: including investment in renewable generation as a decision variable, so that planners can make the optimal selection of both conventional and renewable generation. Results are shown for both wind and solar generation. A novel load shaping technique is developed to use demand response to contribute to countering the effect of renewable variability, and its impact on the displacement of conventional generation and on renewable energy integration is illustrated. Finally, the GEP with renewable investment is extended to a 25 year planning horizon which includes the retiring of existing units at the ends of their lifetimes and bringing new generation online in the years it is needed, while still ensuring sufficient intra-hour (5 minute) flexibility. Its performance is demonstrated on the IEEE RTS test case

Bouffard, François (Supervisor)