Évaluation de la dégradation de la batterie comme indicateur clé de performance pour l'optimisation multi-objectifs des systèmes énergétiques multi-supports

La frontière de Pareto est largement adoptée dans l'optimisation multi-objectifs, en particulier dans la modélisation des systèmes énergétiques multi-supports. Malgré les différentes méthodologies disponibles pour en dériver la frontière, celle-ci représente diverses solutions optimales, rendant la sélection finale non triviale. L'expertise du modélisateur est cruciale pour déterminer les facteurs de poids attribués à chaque objectif afin de sélectionner la solution finale à partir de la frontière de Pareto. Cette étude propose une approche novatrice pour soutenir ce processus décisionnel, introduisant un indicateur clé de performance supplémentaire, l'état de santé de la batterie, évalué par la modélisation physique de la batterie. En comparant différents schémas de planification dans des systèmes énergétiques multi-supports à objectifs multiples, chacun avec sa propre stratégie opérationnelle de batterie, cet indicateur nouvellement introduit a été déployé pour identifier automatiquement la solution ultime à partir de la frontière de Pareto, sans coefficients de pondération supplémentaires. Une telle approche automatise donc le processus décisionnel, ce qui facilite l'ingénierie, en particulier pour les petits systèmes multi-énergétiques tels que les maisons intelligentes, comme le cas d'étude présenté dans ce travail, qui possède quatre supports énergétiques distincts et adopte des modules de batterie Li-ion à chimie LFP de 12 V et 128 Ah, démontrant l'efficacité de ce processus de sélection automatisé. De plus, comparé aux valeurs maximales de l'ensemble de la frontière, la solution choisie automatiquement présente une réduction de 27,96 % des émissions de CO2 et une réduction de 3,67 % des coûts globaux. Sur le long terme, cette approche a le potentiel d'étendre la durée de vie de la batterie jusqu'à 26,67 %, impactant directement l'économie des systèmes énergétiques multi-supports.