diaporama gestion des réseaux de distribution en présence de génération d’énergie dispersée
Post on 12-Apr-2017
61 Views
Preview:
TRANSCRIPT
1M.BOUBAKRI (réseaux électriques)
Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée
2M.BOUBAKRI (réseaux électriques)
Développement nouvelles technologies de petites productions et moyens de
stockage
Saturation des réseaux de transport
Ouverture à la concurrence du marché
de l’énergie
Contraintes écologiques
Multiplication attendue des générateurs au sein des réseaux de distribution qui ne sont pas prévus pour
d’où impacts plus ou moins critiques
Remise en question possible des systèmes électriques de distribution
notamment français
Contexte
Directives Européennes
Accords de Kyoto
3M.BOUBAKRI (réseaux électriques)
Contexte
© Copyright EDF
4M.BOUBAKRI (réseaux électriques)
Objectifs généraux
Problématique du raccordement : Tendance à l’insertion de moins en moins marginale des producteurs, Études existantes concernant les impacts HTA/HTA et BT/BT, Contraintes de raccordement importantes et limitatives.
Objectifs : Etudier la transmission des impacts de la BT vers la HTA, Trouver des solutions innovantes pour la gestion des réseaux de distribution
en présence de Génération d’Energie Dispersée (GED), Augmenter la capacité d’accueil.
Découpage : Études d’impacts, Remèdes aux impacts les plus critiques, Validation avec un banc à échelle réduite (ARENE temps réel).
5M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III – Coordination des moyens de réglage
IV – Validation
V – Conclusions et perspectives
6M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III – Coordination des moyens de réglage
IV – Validation
V – Conclusions et perspectives
7M.BOUBAKRI (réseaux électriques)
Méthodologie d’étude d’impact
IdéeQuantifier et évaluer la criticité d’un impact en fonction des valeurs usuelles des paramètres du réseau DémarcheLa plus générale possible BonusTrouver des solutions pour la gestion du réseau de distribution en présence de GED ApprocheType paramétrique
8M.BOUBAKRI (réseaux électriques)
Choix de l’impact étudié
Choix des réseaux
Outil informatique
Outil analytique
Choix d’un indiceChoix des
paramètres
Simulation et exploitation
Quantification de l’impact
Méthodologie proposée
9M.BOUBAKRI (réseaux électriques)
Impacts envisagésSéparation en plusieurs grandes catégories : Grandeurs électriques :
Plan de tension, Courants de court-circuit, Déséquilibres, Stabilité, Qualité de l’énergie (Harmoniques, Flicker, Creux de tension, …).
Conception, planification et exploitation : Plan de protection, TCFM (Télécommande centralisée à fréquence musicale), Gestion entre autres.
Matériels de réseau : Vieillissement des matériels accéléré entre autres.
Il faut donc trouver lesquels sont prioritaires
10M.BOUBAKRI (réseaux électriques)
Impacts étudiés au cours de l’étudeÉtudes quantitatives sur : Le plan de tension
Respect des limites réglementaires
Les courants de court-circuit en régime permanent Conformes au dimensionnement et aux réglages des
matériels
Le plan de protection Bon fonctionnement assuré : pas d’aveuglement ni de
déclenchement intempestifs
La stabilité petits signaux : pas de modes instables grands signaux : valeurs de TEC acceptables
Les déséquilibres en tension inverse Respect des valeurs réglementaires
11M.BOUBAKRI (réseaux électriques)
Choix de l’impact étudié
Choix des réseaux
Outil informatique
Outil analytique
Choix d’un indiceChoix des
paramètres
Simulation et exploitation
Quantification de l’impact
Méthodologie proposéeet illustration sur le plan de tension
12M.BOUBAKRI (réseaux électriques)
Choix des réseauxMise en place des réseaux Réseau de référence de type urbain Réseau de référence de type rural Réseau Basse Tension générique Réseau école pour études analytiques
urbain
rural
5typeBTHTA /
1N 2N 3N
4N 5N
7type
7type 7type
m33 m392
m158 m30955 , NN QP
33 , NN QPBTBT QP ,
BT générique
ccX 22,XR11,XR1N 2N 3N
sourceU 11,QP gg QP , 22,QP
HTA école
13M.BOUBAKRI (réseaux électriques)
Choix de l ’impact étudié
Choix des réseaux
Outil informatique
Outil analytique
Choix d’un indice Choix des
paramètres
Simulation et exploitation
Quantification de l’impact
Méthodologie proposée et outils associés
14M.BOUBAKRI (réseaux électriques)
Outil analytique
L
Ue UsI
Pe,QeR
Ue
UsI
IR. IXj ..
U
U
e
ee
UXQRPU
P1,Q1
R1,X1
P2,Q2
R2,X2
P3,Q3
R3,X3
Pj,Qj
Rj,Xj
Pn,Qn
Rn,Xn
Usource
N1 N2 N3 Nj Nn
Chute de tension pour une impédance RL :
Si on considère que l’hypothèse de Kapp est valide, la chute de tension entre Ue et Us est :
Généralisation pour un réseau radial :
source
k
n
k
jk
llk
n
k
jk
ll
j U
QXPRNU
1 11 1)(
15M.BOUBAKRI (réseaux électriques)
Choix de l ’impact étudié
Choix des réseaux
Outil informatique
Outil analytique
Choix d’un indiceChoix des
paramètres
Simulation et exploitation
Quantification de l’impact
Méthodologie proposée et indice de quantification
16M.BOUBAKRI (réseaux électriques)
Indice d’impact et paramètres
)()()(
)(_
__
jproducteursans
jproducteursansjproducteuravecjrelatif NU
NUNUN
Afin de quantifier l’impact de la génération d’énergie dispersée et des paramètres du réseau, on a défini l’écart relatif :
L’écart relatif traduit donc la modification de la tension due à un transit de puissance donné.Les paramètres sont : dépendants des impédances R et X du réseau :
Position du producteur, Puissance de court-circuit du réseau amont, Types de lignes et câbles entre autres.
dépendants des puissances P et Q : Puissance de la GED connectée en BT, Puissance des charges connectées au réseau, Insertion massive de GED sur des réseaux BT différents.
17M.BOUBAKRI (réseaux électriques)
Choix de l ’impact étudié
Choix des réseaux
Outil informatique
Outil analytique
Choix d’un indice Choix des
paramètres
Simulation et exploitation
Quantification de l’impact
Méthodologie proposée et simulation
18M.BOUBAKRI (réseaux électriques)
Exemple de résultats : influence de la position du producteur sur le plan de tension
Evolution du plan de tension en fonction de la position duproducteur
0
0.05%
0.1%
0.15%
0.2%
0.25%
0.3%
0 2000 4000 6000 8000 10000 12000
Longueur (m)
Ecar
t rel
atif
(%) 0kW
250kW N1
250kW N29
250kW N55N1
N29
N55
Evolution du plan de tension en fonction de la position duproducteur
0
0.05%
0.1%
0.15%
0.2%
0.25%
0.3%
0 2000 4000 6000 8000 10000 12000
Longueur (m)
Ecar
t rela
tif (%
)
0kW
250kW N1
250kW N29
250kW N55N1
N29
N55
avantavant j
kk
j
kk XetR
11
n
kk
jk
ll
n
kk
jk
llsource
j
kkg
j
kkg
avantrelatif
QXPRU
XQRPNj
avantavant
avantavant
1 11 1
2
11
..
..)(
)3()2( NN relatifrelatif
Ecart relatif en fonction de la position du producteur
Variation de l’indice :
Avant le point d’insertion : augmente
Après le point d’insertion : constant
N1N29
N55
19M.BOUBAKRI (réseaux électriques)
Etude quantitative sur le réseau urbainApplication au plan de tension Cas d’insertion massive a priori et distribution des
générateurs19 GED de 250 kW sur des réseaux BT
uniformément répartis
principalement localisés en bout d’artère
S
S
19
19.2
19.4
19.6
19.8
20
20.2
20.4
20.6
20.8
21
0 2000 4000 6000 8000 10000 12000
Longueur (m)
Tens
ion
(kV) Référence Cmin
19 GED Cmin
19 GED_fin Cmin
21 kV
19 kV
20M.BOUBAKRI (réseaux électriques)
tout le réseau artère 6 artère 1
Etude quantitative sur le réseau ruralApplication au plan de tension Cas d’insertion massive a priori et distribution des
générateurs23 GED de 100 kW sur des réseaux BT
19
19.2
19.4
19.6
19.8
20
20.2
20.4
20.6
20.8
21
0 1000 2000 3000 4000 5000 6000 7000 8000
Référence
23 GED
23 GED artère 1
23 GED artère 6
19 kV
21 kV
21M.BOUBAKRI (réseaux électriques)
Résultats sur le plan de tension
Application à différents départs (ruraux, urbains) et étude de sensibilité paramétrique (paramètres des conducteurs, puissance produite, localisation des producteurs, Pcc entre autres)
Exemple de résultats pour le plan de tension Premiers impacts apparaissent pour 100% de la consommation totale du départ
Impacts renforcés par : une consommation minimale une localisation concentrée en bout de départ des producteurs la contrainte initiale du réseau
Dans certains cas, changement de prise du régleurÞ conséquences sur les départs adjacents
22M.BOUBAKRI (réseaux électriques)
Conclusion sur les impacts
Conclusions pour les autres impacts : peu problématiques sauf cas particuliers identifiés
Choix du problème principal à traiter : plan de tension
Conclusions valables sur réseaux d’étude et renforcées par d’autres études nationales et internationales.
réseauGED BT
BT HTABT HTA
HTA HTBHTA
Plan de tension +++ ++ +++ ++ Courants de court-circuits
+++ ++ ++ -
Déséquilibres ++ + Stabilité +* +* ++ ++
23M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III – Coordination des moyens de réglage
IV – Validation
V – Conclusions et perspectives
24M.BOUBAKRI (réseaux électriques)
Recensement des moyens de réglage
Moyens de réglage de la tension dits « traditionnels » : Régleurs en charge au poste source, Bancs de condensateurs.
Coordination de ces moyens avec d’autres : Distribution-Flexible AC Transmission Systems (D-FACTS), Certains producteurs indépendants, Autres types.
25M.BOUBAKRI (réseaux électriques)
Coordination des moyens de réglage Méthodes de gestion optimale des moyens de
réglage : le meilleur choix des consignes des éléments réglants
(parallèles et séries) le placement optimal des moyens de réglages supplémentaires, le choix/limitation du nombre des moyens de réglage.
Réflexion pour la coordination de groupes de producteurs
Þ vision horizontale (décentralisée)
Þ intelligence répartieÞ moyens télécoms locaux /
globaux
Coordination des services réseau de chaque producteur par un opérateur réseau
Þ vision verticalement intégrée
26M.BOUBAKRI (réseaux électriques)
Coordination en utilisant un algorithme d’optimisation
Minimisation d’une fonction objectif :
F(x,u) est la fonction objectif, x sont les variables électriques (tensions, courants, phases, puissances), u sont les grandeurs commandables (consignes producteurs / FACTS,
régleurs en charge, condensateurs entre autres), g(u,x) la (ou les) équation(s) qui se réfère(nt) à des conditions d’égalité
(exemple : calcul de répartition, égalité puissance consommée et puissance produite aux pertes près),
h(u,x) la (ou les) inégalité(s) qui tradui(sen)t les contraintes sur les vecteurs x et u (tensions maximales, puissances transmissibles).
0),(0),(
),(
xuhxugavecuxFMinimiser
27M.BOUBAKRI (réseaux électriques)
Problématique de l’optimisation dans les réseaux Problème mixte (continu et/ou discret) :
Valeurs de l’injection de puissance réactive des D-FACTS et des producteurs sont continues
Valeurs du régleur en charge et du banc de capacité sont discrètes, ou rendues continues par des fonctions d’extrapolation
Le choix des moyens de réglage est un problème purement discret
Problème fortement non linéaire
Problème contraint : Limites sur les injections de puissance des moyens de réglage Limites sur les tensions du réseau Limites sur les courants
28M.BOUBAKRI (réseaux électriques)
L’arbre d’optimisation (vu sur [NEOS])
Réglage des consignes
29M.BOUBAKRI (réseaux électriques)
Problématique de l’optimisation des grandeurs de commande dans les réseaux (réglage des consignes) Représentation mathématique des grandeurs de réglage discrètes :
Représentations linéaires, Représentations en escaliers, Tableaux de valeurs.
Problème contraint : Limites sur les injections de puissance réactive des moyens de
réglage, Limites sur les tensions du réseau.
Fonctions objectifs :
noeudsnoeudsconsigne UU
NH 1
1
noeuds
noeudsconsigne UUN
H 22
1noeudsconsigne UUH max
lignes
ligne IUPertes *.Re
0.9 0.95 1 1.05 1.1 1.15 0.9
0.95
1
1.05
1.1
1.15
Valeur de consigne
Rat
io p
ris e
n co
mpt
e
linéarisé
0.9 0.95 1 1.05 1.1 1.15 0.9
0.95
1
1.05
1.1
1.15 R
atio
pris
en
com
pte
Valeur de consigne
en escalier« sigmoïdes »
0 2 4 6 8 10 12 14 16 18 0.9
0.95
1
1.05
1.1
1.15 R
atio
pris
en
com
pte
Plot de consigne
discret
30M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignesMéthodes classiques
Méthodes déterministes : Exemple : Programmation Séquentielle Quadratique (SQP)
appliquée à des problèmes continus ou rendus continus. Inadaptées aux problèmes discrets (programmation d’entier
Branch & Bound), Inadaptées aux fortes non-linéarités.
Méthodes heuristiques : Exemple : Algorithmes Génétiques dans le cas de problèmes
fortement non-linéaires, Nombreux réglages, Critères d’arrêts non déterministes.
31M.BOUBAKRI (réseaux électriques)
Cas d’étudeRéseau de distribution 20 kV avec 5 départs
S
Pcc réseau Amont 250 MVA (purement inductif)
Transformateur 20 MVA Deux départs modélisés
finement :- départ semi urbain (77 nœuds et 22 points de production possibles)- départ urbain (55 nœuds et 22 points de production possibles) Départs Adjacents
modélisés par une charge de 13 MVA
32M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignesRésultats sur le départ rural régleur en charge + 23 points d’injection de puissance réactive
0.9 0.95 1 1.05 1.1 1.150.9
0.95
1
1.05
1.1
1.15
REPRESENTATION LINEAIRE
Avant optimisation
Déterministe SQP
Heuristique Algorithme Génétique
F(x,u) 428 0.574 17.2 Norme 1
noeudsi
iconsigne uxUUN
uxF ),(1),( Nombre d’itérations
/ 2422 2500
F(x,u) 49.7 0.098 1.85 Norme 2
noeudsi
iconsigne uxUUN
uxF 2),(1),( Nombre d’itérations
/ 2425 2500
F(x,u) 495 2.32 33.2 Norme infinie
),(max),( uxUUuxF iconsignenoeudsi Nombre
d’itérations / 2421 2500
0 10 20 30 40 50 60 70 801.99
2
2.01
2.02
2.03
2.04
2.05
2.06x 10
4
Noeuds départ rural
Tens
ion
(V)
referenceSQPAGAG avec SQP
norme 1 avec contraintes
0 10 20 30 40 50 60 70 801.99
2
2.01
2.02
2.03
2.04
2.05
2.06x 104
Noeuds départ rural
Tens
ion
(V)
referenceSQPAG
norme 1 avec contraintes
33M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignesRésultats sur le départ rural régleur en charge seul
0.9 0.95 1 1.05 1.1 1.150.9
0.95
1
1.05
1.1
1.15
SANS REGLAGE DES PRODUCTEURS
REGLEUR EN CHARGE SEUL
Avant optimisation
Déterministe SQP
Heuristique Algorithme Génétique
F(x,u) 428 428 12.18 Norme 1
noeudsi
iconsigne uxUUN
uxF ),(1),( Nombre d’itérations
/ 4 26
F(x,u) 49.7 49.7 1.604 Norme 2
noeudsi
iconsigne uxUUN
uxF 2),(1),( Nombre d’itérations
/ 4 43
F(x,u) 495 495 31.33 Norme infinie
),(max),( uxUUuxF iconsignenoeudsi Nombre
d’itérations / 4 43
34M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignesRésultats sur le départ rural régleur en charge + 23 points d’injection de puissance réactive
0.9 0.95 1 1.05 1.1 1.150.9
0.95
1
1.05
1.1
1.15
AVEC REGLAGE DES 23 PRODUCTEURS
+ REGLEUR EN CHARGE
Avant optimisation
Déterministe SQP
Heuristique Algorithme Génétique
F(x,u) 428 3.697 9.454 Norme 1
noeudsi
iconsigne uxUUN
uxF ),(1),( Nombre d’itérations
/ 2404 2500
F(x,u) 49.7 1.186 1.707 Norme 2
noeudsi
iconsigne uxUUN
uxF 2),(1),( Nombre d’itérations
/ 2415 2500
F(x,u) 495 51.61 32.18 Norme infinie
),(max),( uxUUuxF iconsignenoeudsi Nombre
d’itérations / 2406 2500
35M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes (développées) Hybridation de méthodes heuristiques et déterministes :
Accélération de la convergence
36M.BOUBAKRI (réseaux électriques)
Population initiale Tirage aléatoire d’une population initiale
0 2 4 6 8 10 12 14 16 18 0.9
0.95
1
1.05
1.1
1.15
Rat
io p
ris e
n co
mpt
e
Plot de consigne discret
0.9 0.95 1 1.05 1.1 1.15 0.9
0.95
1
1.05
1.1
1.15
Valeur de consigne
Rat
io p
ris e
n co
mpt
e
linéarisé
u1u2u3u4u5u6u7……………..
Opération répétée pour les n individus qui forment la population
Continus Discrets
37M.BOUBAKRI (réseaux électriques)
Sélections classiques A partir d’une population, sélection de deux individus I1(p1) I2(p2) I3(p3) I4(p4)
p1 > p2 > p3> p4
I1
I3
I2
I4
Choix aléatoire d’une position du curseur permettant de pointer sur l’individu à sélectionner (I1)
CURSEUR
u1u2u3u4u5u6u7u1u2u3u4u5u6u7u1u2u3u4u5u6u7u1u2u3u4u5u6u7u1u2u3u4u5u6u7u1u2u3u4u5u6u7u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
I1 :I2 :I3 :I4 :I5 :I6 :I7 :……In :
F(I1)F(I2)F(I3)F(I4)F(I5)F(I6)F(I7)……
F(In)
Sélection de type : Tournoi :si F(I4) < F(I6) alors I4 est sélectionnépuis on répète une seconde fois
Elitisme : parmi les x% meilleurs (F(Ii) faible), sélection de deux individus aléatoirement
Roue biaisée :
38M.BOUBAKRI (réseaux électriques)
Croisements classiques A partir de deux parents, création de deux nouveaux enfants
u1u2u3I4 :
I6 :
F(I4)
F(I6)
Croisement de type : Uniforme :Le même nombre de gènes est échangé entre les parents 1 et 2
Non uniforme :Nombre de gènes différents
A plusieurs coupures
Combinaison linéaire :u1’ = t.u1+(1-t).u1 0≤t≤1
Parents :
Enfants :
u4u5u6u7
u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
Ia’ :
Ib’ :
F(Ia’)
F(Ib’)
39M.BOUBAKRI (réseaux électriques)
Mutation
u1u2u3u4u5u6u7 u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
séparation variables discrètes/continues u1u5|u2u3u4u6u7
Algorithme déterministe de type Non-Linéaire Contraint avec
comme point de départ y0 = [u2u3u4u6u7]
utilisant F(x,[u1u5y]) sur quelques itérations (a priori)
u1u5|u2u3u4u6u7 regroupement
discrètes/continues optimisées localement
u1u2u3u4u5u6u7
Mutation classique :
Mutation avec convergence locale :
40M.BOUBAKRI (réseaux électriques)
Algorithme génétique (croisements seuls)
Population initialeEnfants possibles
F(x,u)
41M.BOUBAKRI (réseaux électriques)
Algorithme génétique (mutation classique)
Population initialeEnfant muté
F(x,u)
Sélection de l’individu qui mute
42M.BOUBAKRI (réseaux électriques)
Algorithme génétique (mutation déterministe)
Population initialeEnfant muté
F(x,u)
Trois pas d’algorithme déterministe (de
descente)
43M.BOUBAKRI (réseaux électriques)
Illustration de l’optimum globalPrésence d’optima locaux Algorithme déteministe Algorithme Génétique classique Algorithme hybride
x
iuju*u
0u
F(u)
u
44M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignesRésultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif
0 20 40 60 80 100 120 1401.98
2
2.02
2.04
2.06
2.08
2.1
2.12x 10
4
Noeuds départ rural puis départ urbain
Tens
ion
(V)
referenceSQPAG avec SQP
FN1= 4.96e-3
FN1= 1.49e-3FN1= 1.85e-3
Tension de consigne
45M.BOUBAKRI (réseaux électriques)
Pertes et variations du taux de convergence déterministeRésultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif
0 100 200 300 400 500 600 7005.95
6
6.05
6.1
6.15
6.2
6.25
6.3
6.35
6.4
6.45x 10
-4
génération de l algorithme génétique
perte
s da
ns le
s de
ux d
épar
ts (p
u)
taux SQP = 0%taux SQP = 1%taux SQP = 2%taux SQP = 3%
46M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes pour les pertesRésultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif
AVEC REGLAGE DES 44 PRODUCTEURS
+ REGLEUR EN CHARGE + BANC DE CAPACITE
Avant optimisation
Déterministe SQP
Heuristique avec
convergence locale
Heuristique sans
convergence locale
F(x,u) kW
63.33 57.62 57.47 57.82 Pertes
lignessi
ii IVRéeluxf *),( Nombre
d’itérations / 2996 3367 2974
0 20 40 60 80 100 120 140 2
2.01
2.02
2.03
2.04
2.05
2.06
2.07
2.08
2.09
2.1 x 10 4
Noeuds départ rural puis urbain
Tens
ion
(V)
reference SQP AG AG avec SQP
47M.BOUBAKRI (réseaux électriques)
L’arbre d’optimisation (vu sur [NEOS])
Placement et choix des moyens de
réglage
48M.BOUBAKRI (réseaux électriques)
Optimisation maître-esclave
Afin de trouver les localisations optimales des moyens de réglage et les consignes associées : découplage
Problème multi-objectifs classique pour la localisation des moyens de réglage optimaux :
Fonction traduisant l’efficacité de réglage, Fonction traduisant le nombre de moyens de réglage.
Optimisation des consignes par les méthodes précédemment présentées
49M.BOUBAKRI (réseaux électriques)
Optimisation muti-objectifs et frontière de Pareto
Problème multi-objectifs classique : Définition : f2
f1
domaine d’étude
A
B C
D
r’
r f2
f1 pente = –w1/w2
domaine d’étude
y/w2
A
B C
D
YyXx
xexexexexeavecxfxfxfxfxFyMinimiser
k
k
0)(),...,(),(),()()(),...,(),(),()(
321
321
Xx
xexexeavecxfwxfwxFMinimiser
0)(),()(
)(.)(.)(
21
2211
Résolution par pondération : Résolution par variation des contraintes :
Xxxfxeavec
xfxFMinimiser
iii
j
)()(
)()(
50M.BOUBAKRI (réseaux électriques)
Placement et choix des moyens de réglage par optimisation muti-objectifs
Pour des problèmes de vitesse de calcul : Evaluation de l’ « efficacité » du réglage en fonction du
point d’injection :
Pénalisation suivant le nombre de producteurs :
Q N50
Vd N50
Pj
Qj
Qj ou et Pj Vi
/
Ni
noeudsi
jj
ij a
QV
uxF ),(
i
iuuxF 0),(
réglagedemoyenjj
noeudsij
j
in
elseqifp
paQVqqFMin
)1,0,(1
;)...( 1
Au final
51M.BOUBAKRI (réseaux électriques)
Application à la minimisation des moyens de réglageRéseau d’étude, réseau rural de 77 noeuds : Insertion possible de sources de puissance aux 77
nœuds mais 23 nœuds producteurs choisis au hasard
S
0 5 10 15 20 250
500
1000
1500
2000
2500
nombre de producteur(s)
effic
acité
de
régl
age
Nombre de producteurs
- Effi
cacit
é de
régl
age
52M.BOUBAKRI (réseaux électriques)
Placement et choix des moyens de réglage par optimisation multi-objectifs puis optimisation des moyens de réglage choisis
0 10 20 30 40 50 60 70 801.999
2
2.001
2.002
2.003
2.004
2.005
2.006
2.007
2.008x 10
4
Noeuds du réseau rural
Tens
ion
(V)
référence23 moyens réglage
Tous les moyens de réglage sont coordonnés FN1(x,u)=0.574Trois moyens de réglage seulement F(x,u)=2.74
0 10 20 30 40 50 60 70 801.999
2
2.001
2.002
2.003
2.004
2.005
2.006
2.007
2.008x 10
4
Noeuds du réseau rural
Ten
sion
(V
)
référence3 moyens réglage
Douze moyens de réglage seulement FN1(x,u)=2.02
0 10 20 30 40 50 60 70 801.999
2
2.001
2.002
2.003
2.004
2.005
2.006
2.007
2.008x 10
4
Noeuds du réseau rural
Tens
ion
(V)
référence12 moyens réglage
Problème multi-objectifs puis coordination des consignes
53M.BOUBAKRI (réseaux électriques)
Commentaires sur les résultats de l’optimisation
Plusieurs résultats sont remarquables : En relatif, performances différentes en terme
d’optimisation : la modélisation/représentation retenue, la méthode utilisée, la fonction objectif envisagée.
Dans l’absolu, différences entre les méthodes déterministes et heuristiques, si optima locaux : SQP plus rapide mais 1er optimum local, AG long mais optimum meilleur.
Pour le placement, optimisation maître-esclave donne de bons résultats : Maître de type multi-objectifs simplifié, Esclave de type optimisation des consignes des moyens de
réglage.
54M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III – Coordination des moyens de réglage
IV – Validation
V – Conclusions et perspectives
55M.BOUBAKRI (réseaux électriques)
Arène ®
HTB HTA
BTA
PC2 producteur PC1
superviseur Communicationmédia et protocole
Validation des stratégies de coordination avec ARENE
PC contrôleur
PC producteur
communication
8 analogiques
E/S A ou D
A/N
N/A
ARENEtempsréel
RackVME
56M.BOUBAKRI (réseaux électriques)
Validation des stratégies de coordination avec ARENE
Banc expérimental :
57M.BOUBAKRI (réseaux électriques)
Validation des stratégies de coordination avec ARENE
N1N2
N3
N11
N4 N5 N6
N7 N8
N9 N10
NOEUD TENSION (V) N3 20397 N4 20028 N5 19655 N6 20000 N7 19848 N8 20156 N9 19926
N10 20000 N11 20717
NOEUD TENSION (V) N3 20471 N4 20114 N5 19731 N6 20064 N7 19956 N8 20285 N9 20034 N10 20108 N11 20752
3 4 5 6 7 8 9 10 111.96
1.98
2
2.02
2.04
2.06
2.08x 10
4
Noeuds départ simplifié
Tens
ion
(V)
referenceSQP
0 à – O.85 MVar
0 à + O.22 MVar
58M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III – Coordination des moyens de réglage
IV – Validation
V – Conclusions et perspectives
59M.BOUBAKRI (réseaux électriques)
Conclusions Études de transmission des impacts
Criticité du plan de tension, Modification des courants de court-circuit en régime
permanent.
Bibliothèques de méthodes et de modèles Calcul de répartition des charges de type Newton-Raphson et
Backward & Forward Sweep, Modèles de compensateur et de moyens de réglage, Bibliothèque d’outils d’optimisation pour les problèmes mixtes.
Solutions pour le plan de tension Outils d’optimisation classiques sur réseaux de distribution, Hybridation d’un algorithme génétique et d’un algorithme
déterministe, Algorithmes maîtres-esclaves pour le choix et la localisation des
moyens de réglage, Réflexion sur des stratégies de gestion décentralisées
(répartition de l’intelligence et des prises de décision).
60M.BOUBAKRI (réseaux électriques)
Perspectives
Estimation d’état qui tienne compte du caractère incertain et de l’étendue du réseau de distribution,
Prise en compte des aspects économiques,
Évaluation et comparaison entre des infrastructures de coordination décentralisées et centralisées (aspects stratégiques, logiciels et matériels) avec ARENE temps réel,
Moyens de télécommunication nécessaires
Centrale virtuelle
61M.BOUBAKRI (réseaux électriques)
Marché
Centre de controle
Réseaudistribution
Concept de centrale virtuelle (Constantin et Olivier)
62M.BOUBAKRI (réseaux électriques)
Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée
Fin
top related