Raphaël Caire, le 2 avril 2004 1
Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée
par Raphaël Caire
Encadrants :
Nicolas Retière
Nouredine Hadjsaid ENSIEG, le 2 avril 2004
Raphaël Caire, le 2 avril 2004 2
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
Raphaël Caire, le 2 avril 2004 3
Contexte
© Copyright EDF
Raphaël Caire, le 2 avril 2004 4
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).
Raphaël Caire, le 2 avril 2004 5
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
Raphaël Caire, le 2 avril 2004 6
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
Raphaël Caire, le 2 avril 2004 7
Méthodologie d’étude d’impact
Idée
Quantifier et évaluer la criticité d’un impact en fonction des valeurs usuelles des paramètres du réseau
Démarche
La plus générale possible
Bonus
Trouver des solutions pour la gestion du réseau de distribution en présence de GED
Approche
Type paramétrique
Raphaël Caire, le 2 avril 2004 8
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
Raphaël Caire, le 2 avril 2004 9
Impacts envisagés
Séparation 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
Raphaël Caire, le 2 avril 2004 10
Impacts étudiés au cours de l’étude
Études 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
Raphaël Caire, le 2 avril 2004 11
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
Raphaël Caire, le 2 avril 2004 12
Choix des réseaux
Mise 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
Raphaël Caire, le 2 avril 2004 13
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
Raphaël Caire, le 2 avril 2004 14
Outil analytique
L
Ue UsI
Pe,QeR
Ue
UsI
IR. IXj ..
U
U
e
ee
U
XQRPU
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
QXPR
NU
1 11 1)(
Raphaël Caire, le 2 avril 2004 15
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
Raphaël Caire, le 2 avril 2004 16
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.
Raphaël Caire, le 2 avril 2004 17
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
Raphaël Caire, le 2 avril 2004 18
Exemple de résultats : influence de la position du producteur sur le plan de tension
avantavant j
kk
j
kk XetR
11
n
kk
jk
ll
n
kk
jk
llsource
j
kkg
j
kkg
avantrelatif
QXPRU
XQRP
Njavantavant
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
Raphaël Caire, le 2 avril 2004 19
Etude quantitative sur le réseau urbain
Application 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)
Ten
sio
n (
kV)
Référence Cmin
19 GED Cmin
19 GED_fin Cmin
21 kV
19 kV
Raphaël Caire, le 2 avril 2004 20
tout le réseau artère 6 artère 1
Etude quantitative sur le réseau rural
Application 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
Raphaël Caire, le 2 avril 2004 21
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 régleur conséquences sur les départs adjacents
Raphaël Caire, le 2 avril 2004 22
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 +* +* ++ ++
Raphaël Caire, le 2 avril 2004 23
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
Raphaël Caire, le 2 avril 2004 24
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.
Raphaël Caire, le 2 avril 2004 25
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
vision horizontale (décentralisée)
intelligence répartie
moyens télécoms locaux / globaux
Coordination des services réseau de chaque producteur par un opérateur réseau
vision verticalement intégrée
Raphaël Caire, le 2 avril 2004 26
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),(
),(
xuh
xugavec
uxFMinimiser
Raphaël Caire, le 2 avril 2004 27
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
Raphaël Caire, le 2 avril 2004 28
L’arbre d’optimisation (vu sur [NEOS])
Réglage des consignes
Raphaël Caire, le 2 avril 2004 29
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 : noeuds
noeudsconsigne UUN
H1
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
en c
ompt
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
pri
s 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
Rat
io p
ris
en c
ompt
e
Plot de consigne
discret
Raphaël Caire, le 2 avril 2004 30
Méthodes d’optimisation des consignes
Méthodes 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.
Raphaël Caire, le 2 avril 2004 31
Cas d’étude
Réseau de distribution 20 kV avec 5 départs
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 MVAS
Raphaël Caire, le 2 avril 2004 32
Méthodes d’optimisation des consignes
Résultats sur le départ rural régleur en charge + 23 points d’injection de puissance réactive
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
Ten
sion
(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
Te
nsi
on
(V
)
referenceSQPAG
norme 1 avec contraintes0.9 0.95 1 1.05 1.1 1.15
0.9
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
Raphaël Caire, le 2 avril 2004 33
Méthodes d’optimisation des consignes
Résultats 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
Raphaël Caire, le 2 avril 2004 34
Méthodes d’optimisation des consignes
Résultats 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
Raphaël Caire, le 2 avril 2004 35
Méthodes d’optimisation des consignes (développées) Hybridation de méthodes heuristiques et déterministes :
Accélération de la convergence
Raphaël Caire, le 2 avril 2004 36
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
en c
ompt
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
en c
ompt
e
linéarisé
u1u2u3u4u5u6u7……………..
Opération répétée pour les n individus qui forment la population
Continus Discrets
Raphaël Caire, le 2 avril 2004 37
Sélections classiques
A partir d’une population, sélection de deux individus
u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
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 :
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
Raphaël Caire, le 2 avril 2004 38
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’)
Raphaël Caire, le 2 avril 2004 39
Mutation
Mutation classique :
Mutation avec convergence locale :
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
Raphaël Caire, le 2 avril 2004 40
Algorithme génétique (croisements seuls)
Population initialePopulation initiale
Enfants possiblesEnfants possibles
F(x,u)
Raphaël Caire, le 2 avril 2004 41
Algorithme génétique (mutation classique)
Population initialePopulation initiale
Enfant mutéEnfant muté
F(x,u)
Sélection de l’individu qui muteSélection de l’individu qui mute
Raphaël Caire, le 2 avril 2004 42
Algorithme génétique (mutation déterministe)
Population initialePopulation initiale
Enfant mutéEnfant muté
F(x,u)
Trois pas d’algorithme Trois pas d’algorithme déterministe (de déterministe (de
descente)descente)
Raphaël Caire, le 2 avril 2004 43
Illustration de l’optimum global
Présence d’optima locaux Algorithme déteministe Algorithme Génétique classique Algorithme hybride
x
iu
ju*u
0u
F(u)
u
Raphaël Caire, le 2 avril 2004 44
Méthodes d’optimisation des consignes
Résultats 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
Ten
sion
(V
)
referenceSQPAG avec SQP
FN1= 4.96e-3
FN1= 1.49e-3
FN1= 1.85e-3 Tension de
consigne
Raphaël Caire, le 2 avril 2004 45
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
pert
es d
ans
les
deu
x dé
par
ts (
pu)
taux SQP = 0%taux SQP = 1%taux SQP = 2%taux SQP = 3%
Raphaël Caire, le 2 avril 2004 46
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
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
Ten
sion
(V
)
reference SQP AG AG avec SQP
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
Raphaël Caire, le 2 avril 2004 47
L’arbre d’optimisation (vu sur [NEOS])
Placement et choix des moyens de
réglage
Raphaël Caire, le 2 avril 2004 48
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
Raphaël Caire, le 2 avril 2004 49
Optimisation muti-objectifs et frontière de Pareto
Problème multi-objectifs classique : Définition :
f2
f1
domaine d’étude
A
B C
D
r’
r
Yy
Xx
xexexexexeavec
xfxfxfxfxFyMinimiser
k
k
0)(),...,(),(),()(
)(),...,(),(),()(
321
321
Xx
xexexeavec
xfwxfwxFMinimiser
0)(),()(
)(.)(.)(
21
2211
Résolution par pondération : Résolution par variation des contraintes :
Xx
xfxeavec
xfxFMinimiser
iii
j
)()(
)()(
f2
f1 pente = –w1/w2
domaine d’étude
y/w2
A
B C
D
Raphaël Caire, le 2 avril 2004 50
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 :
noeudsi
jj
ij a
Q
VuxF ),(
i
iuuxF 0),(
réglagedemoyenjj
noeudsij
j
in
elseqifp
paQ
VqqFMin
)1,0,(1
;)...( 1
Q N50
Vd N50
Pj
Qj
Qj ou et Pj
Vi
/
Ni
Au final
Raphaël Caire, le 2 avril 2004 51
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
S0 5 10 15 20 25
0
500
1000
1500
2000
2500
nombre de producteur(s)
effi
caci
té d
e ré
glag
e
Nombre de producteurs
- Effi
caci
té d
e r
égla
ge
Raphaël Caire, le 2 avril 2004 52
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
Ten
sion
(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
Ten
sion
(V
)
référence12 moyens réglage
Problème multi-objectifs puis coordination des consignes
Raphaël Caire, le 2 avril 2004 53
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.
Raphaël Caire, le 2 avril 2004 54
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
Raphaël Caire, le 2 avril 2004 55
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
Raphaël Caire, le 2 avril 2004 56
Validation des stratégies de coordination avec ARENE
Banc expérimental :
Raphaël Caire, le 2 avril 2004 57
Validation des stratégies de coordination avec ARENE
N1
N2
N3
N11
N4 N5 N6
N7 N8
N9N10
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
Ten
sion
(V
)
referenceSQP
0 à – O.85 MVar
0 à + O.22 MVar
Raphaël Caire, le 2 avril 2004 58
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
Raphaël Caire, le 2 avril 2004 59
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).
Raphaël Caire, le 2 avril 2004 60
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
Raphaël Caire, le 2 avril 2004 61
MarchéMarché
Centre de controle
RéseauRéseaudistributiondistribution
Concept de centrale virtuelle (Constantin et Olivier)
Raphaël Caire, le 2 avril 2004 62
Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée
ENSIEG, le 2 avril 2004 Fin