CONTROL ARCHITECTURE OF A SYSTEM FOR PRODUCTION, STORAGE AND DISTRIBUTION OF ELECTRICITY AND HYDROGEN

Control architecture (100) of a system (10) for the production, storage and distribution of electricity and hydrogen, the system including means of generation (1, 2, 3, 4) and distribution (5) of electricity, means of production (6), storage (7) and distribution (9) of hydrogen and a plurality of electricity users (A, B, C) and hydrogen users (C, D), the control architecture (100) including a database (110) and a programmable logic controller (200), wherein the programmable logic controller (200) includes: - at least one module (250, 260) configured to execute optimization strategies based on a hybrid and stochastic predictive control algorithm, for constrained multi-variable control problems, where the algorithm foresees the future evolution of the system up to a predetermined time horizon, - at least one module (220, 230, 240) configured to perform online self-learning strategies of the trends in the generation of energy from renewable sources and the behavior of users in real operating situations. L'invention concerne une architecture de contrôle (100) d'un système (10) de production, de stockage et de distribution d'électricité et d'hydrogène, le système comprenant des moyens de génération (1, 2, 3, 4) et de distribution (5) d'électricité, des moyens de production (6), de stockage (7) et de distribution (9) d'hydrogène et une pluralité d'utilisateurs d'électricité (A, B, C) et d'utilisateurs d'hydrogène (C, D), l'architecture de contrôle (100) comprenant une base de données (110) et un contrôleur logique programmable (200), le contrôleur logique programmable (200) comprenant : - au moins un module (250, 260) configuré pour exécuter des stratégies d'optimisation sur la base d'un algorithme de contrôle prédictif hybride et stochastique, pour des problèmes de contrôle multivariables contraints, l'algorithme prévoyant l'évolution future du système jusqu'à un horizon temporel prédéterminé, - au moins un module (220, 230, 240) configuré pour effectuer des stratégies d'auto-apprentissage en ligne des tendances de la génération d'énergie à partir de sources renouvelables et du comportement d'utilisateurs dans des situations de fonctionnement réelles.