Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
1
M.BOUBAKRI (réseaux électriques)
Gestion des réseaux de distribution en
présence de Génération d’Énergie Dispersée
2
M.BOUBAKRI (réseaux électriques)
Développement nouvelles
technologies de petites
productions et moyens de stockage
Satur...
3
M.BOUBAKRI (réseaux électriques)
Contexte
© Copyright EDF
4
M.BOUBAKRI (réseaux électriques)
Objectifs généraux
 Problématique du raccordement :
 Tendance à l’insertion de moins ...
5
M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III – ...
6
M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III – ...
7
M.BOUBAKRI (réseaux électriques)
Méthodologie d’étude d’impact
 Idée
Quantifier et évaluer la criticité d’un impact en ...
8
M.BOUBAKRI (réseaux électriques)
Choix de l’impact étudié Choix des réseaux
Outil
informatique
Outil analytique
Choix d’...
9
M.BOUBAKRI (réseaux électriques)
Impacts envisagés
Séparation en plusieurs grandes catégories :
 Grandeurs électriques ...
10
M.BOUBAKRI (réseaux électriques)
Impacts étudiés au cours de l’étude
Études quantitatives sur :
 Le plan de tension
 ...
11
M.BOUBAKRI (réseaux électriques)
Choix de l’impact étudié Choix des réseaux
Outil
informatique
Outil analytique
Choix d...
12
M.BOUBAKRI (réseaux électriques)
Choix des réseaux
Mise en place des réseaux
 Réseau de référence de type urbain
 Rés...
13
M.BOUBAKRI (réseaux électriques)
Choix de l ’impact
étudié
Choix des réseaux
Outil
informatique
Outil analytique
Choix ...
14
M.BOUBAKRI (réseaux électriques)
Outil analytique
L
Ue Us
I
Pe,Qe
R
Ue
UsI

 IR. IXj ..
U
U
e
ee
U
XQRP
U


P1,Q...
15
M.BOUBAKRI (réseaux électriques)
Choix de l ’impact
étudié
Choix des réseaux
Outil
informatique
Outil analytique
Choix ...
16
M.BOUBAKRI (réseaux électriques)
Indice d’impact et paramètres
)(
)()(
)(
_
__
jproducteursans
jproducteursansjproducte...
17
M.BOUBAKRI (réseaux électriques)
Choix de l ’impact
étudié
Choix des réseaux
Outil
informatique
Outil analytique
Choix ...
18
M.BOUBAKRI (réseaux électriques)
Exemple de résultats : influence de la position du
producteur sur le plan de tension
E...
19
M.BOUBAKRI (réseaux électriques)
Etude quantitative sur le réseau urbain
Application au plan de tension
 Cas d’inserti...
20
M.BOUBAKRI (réseaux électriques)
tout le réseau artère 6 artère 1
Etude quantitative sur le réseau rural
Application au...
21
M.BOUBAKRI (réseaux électriques)
Résultats sur le plan de tension
Application à différents départs (ruraux, urbains) et...
22
M.BOUBAKRI (réseaux électriques)
Conclusion sur les impacts
Conclusions pour les autres impacts : peu problématiques sa...
23
M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III –...
24
M.BOUBAKRI (réseaux électriques)
Recensement des moyens de réglage
 Moyens de réglage de la tension dits « traditionne...
25
M.BOUBAKRI (réseaux électriques)
Coordination des moyens de réglage
 Méthodes de gestion optimale des moyens de réglag...
26
M.BOUBAKRI (réseaux électriques)
Coordination en utilisant un algorithme d’optimisation
 Minimisation d’une fonction o...
27
M.BOUBAKRI (réseaux électriques)
Problématique de l’optimisation dans les réseaux
 Problème mixte (continu et/ou discr...
28
M.BOUBAKRI (réseaux électriques)
L’arbre d’optimisation (vu sur [NEOS])
Réglage des consignes
29
M.BOUBAKRI (réseaux électriques)
Problématique de l’optimisation des grandeurs de
commande dans les réseaux (réglage de...
30
M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes
Méthodes classiques
 Méthodes déterministes :
...
31
M.BOUBAKRI (réseaux électriques)
Cas d’étude
Réseau de distribution 20 kV avec 5 départs
 Pcc réseau Amont 250 MVA
(pu...
32
M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes
Résultats sur le départ rural
régleur en charge ...
33
M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes
Résultats sur le départ rural
régleur en charge ...
34
M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes
Résultats sur le départ rural
régleur en charge ...
35
M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes (développées)
 Hybridation de méthodes heuristi...
36
M.BOUBAKRI (réseaux électriques)
Population initiale
 Tirage aléatoire d’une population initiale
0 2 4 6 8 10 12 14 16...
37
M.BOUBAKRI (réseaux électriques)
Sélections classiques
 A partir d’une population, sélection de deux individusI1(p1) I...
38
M.BOUBAKRI (réseaux électriques)
Croisements classiques
 A partir de deux parents, création de deux nouveaux enfants
u...
39
M.BOUBAKRI (réseaux électriques)
Mutation
u1u2u3u4u5u6u7 u1u2u3u4u5u6u7
u1u2u3u4u5u6u7
séparation variables
discrètes/c...
40
M.BOUBAKRI (réseaux électriques)
Algorithme génétique (croisements seuls)
Population initiale
Enfants possibles
F(x,u)
41
M.BOUBAKRI (réseaux électriques)
Algorithme génétique (mutation classique)
Population initiale
Enfant muté
F(x,u)
Sélec...
42
M.BOUBAKRI (réseaux électriques)
Algorithme génétique (mutation déterministe)
Population initiale
Enfant muté
F(x,u)
Tr...
43
M.BOUBAKRI (réseaux électriques)
Illustration de l’optimum global
Présence d’optima locaux
 Algorithme déteministe
 A...
44
M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes
Résultats sur les départs rural et urbain
régleu...
45
M.BOUBAKRI (réseaux électriques)
Pertes et variations du taux de convergence déterministe
Résultats sur les départs rur...
46
M.BOUBAKRI (réseaux électriques)
Méthodes d’optimisation des consignes pour les pertes
Résultats sur les départs rural ...
47
M.BOUBAKRI (réseaux électriques)
L’arbre d’optimisation (vu sur [NEOS])
Placement et choix des
moyens de réglage
48
M.BOUBAKRI (réseaux électriques)
Optimisation maître-esclave
Afin de trouver les localisations optimales des moyens de ...
49
M.BOUBAKRI (réseaux électriques)
Optimisation muti-objectifs et frontière de Pareto
Problème multi-objectifs classique ...
50
M.BOUBAKRI (réseaux électriques)
Placement et choix des moyens de réglage par optimisation
muti-objectifs
Pour des prob...
51
M.BOUBAKRI (réseaux électriques)
Application à la minimisation des moyens de réglage
Réseau d’étude, réseau rural de 77...
52
M.BOUBAKRI (réseaux électriques)
Placement et choix des moyens de réglage par optimisation
multi-objectifs puis optimis...
53
M.BOUBAKRI (réseaux électriques)
Commentaires sur les résultats de l’optimisation
Plusieurs résultats sont remarquables...
54
M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III –...
55
M.BOUBAKRI (réseaux électriques)
Arène ®
HTB HTA
BTA
PC2 producteurPC1
superviseur
Communication
média et protocole
Val...
56
M.BOUBAKRI (réseaux électriques)
Validation des stratégies de coordination avec ARENE
 Banc expérimental :
57
M.BOUBAKRI (réseaux électriques)
Validation des stratégies de coordination avec ARENE
N1
N2
N3
N11
N4 N5 N6
N7
N8
N9
N1...
58
M.BOUBAKRI (réseaux électriques)
Plan de la présentation
I – Contexte et objectifs généraux
II – Études d’impacts
III –...
59
M.BOUBAKRI (réseaux électriques)
Conclusions
 Études de transmission des impacts
 Criticité du plan de tension,
 Mod...
60
M.BOUBAKRI (réseaux électriques)
Perspectives
 Estimation d’état qui tienne compte du caractère incertain et de
l’éten...
61
M.BOUBAKRI (réseaux électriques)
Marché
Centre de controle
Réseau
distribution
Concept de centrale virtuelle (Constanti...
62
M.BOUBAKRI (réseaux électriques)
Gestion des réseaux de distribution en
présence de Génération d’Énergie Dispersée
Fin
Prochain SlideShare
Chargement dans…5
×

Diaporama gestion des réseaux de distribution en présence de génération d’énergie dispersée

378 vues

Publié le

RÉSEAUX ÉLECTRIQUES

Publié dans : Ingénierie

Diaporama gestion des réseaux de distribution en présence de génération d’énergie dispersée

  1. 1. 1 M.BOUBAKRI (réseaux électriques) Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée
  2. 2. 2 M.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
  3. 3. 3 M.BOUBAKRI (réseaux électriques) Contexte © Copyright EDF
  4. 4. 4 M.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).
  5. 5. 5 M.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
  6. 6. 6 M.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
  7. 7. 7 M.BOUBAKRI (réseaux électriques) 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
  8. 8. 8 M.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
  9. 9. 9 M.BOUBAKRI (réseaux électriques) 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
  10. 10. 10 M.BOUBAKRI (réseaux électriques) 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
  11. 11. 11 M.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 illustration sur le plan de tension
  12. 12. 12 M.BOUBAKRI (réseaux électriques) 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 5type BTHTA / 1N 2N 3N 4N 5N 7type 7type 7type m33 m392 m158 m309 55 , NN QP 33 , NN QP BTBT QP , BT générique ccX 22,XR11,XR1N 2N 3N sourceU 11,QP gg QP , 22,QP HTA école
  13. 13. 13 M.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
  14. 14. 14 M.BOUBAKRI (réseaux électriques) Outil analytique L Ue Us I Pe,Qe R Ue UsI   IR. IXj .. U U e ee U XQRP U   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 l lk n k jk l l j U QXPR NU                      1 11 1 )(
  15. 15. 15 M.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 indice de quantification
  16. 16. 16 M.BOUBAKRI (réseaux électriques) Indice d’impact et paramètres )( )()( )( _ __ jproducteursans jproducteursansjproducteuravec jrelatif NU NUNU N   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.
  17. 17. 17 M.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
  18. 18. 18 M.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 du producteur 0 0.05% 0.1% 0.15% 0.2% 0.25% 0.3% 0 2000 4000 6000 8000 10000 12000 Longueur (m) Ecartrelatif(%) 0kW 250kW N1 250kW N29 250kW N55N1 N29 N55 Evolution du plan de tension en fonction de la position du producteur 0 0.05% 0.1% 0.15% 0.2% 0.25% 0.3% 0 2000 4000 6000 8000 10000 12000 Longueur (m) Ecartrelatif(%) 0kW 250kW N1 250kW N29 250kW N55N1 N29 N55               avantavant j k k j k k XetR 11                                             n k k jk l l n k k jk l lsource j k kg j k kg avantrelatif QXPRU XQRP Nj 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 N1 N29 N55
  19. 19. 19 M.BOUBAKRI (réseaux électriques) Etude quantitative sur le réseau urbain Application au plan de tension  Cas d’insertion massive a priori et distribution des générateurs 19 GED de 250 kW sur des réseaux BT uniformément répartis principalement localisés en bout d’artère 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) Tension(kV) Référence Cmin 19 GED Cmin 19 GED_fin Cmin 21 kV 19 kV
  20. 20. 20 M.BOUBAKRI (réseaux électriques) 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 générateurs 23 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
  21. 21. 21 M.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 régleur  conséquences sur les départs adjacents
  22. 22. 22 M.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. réseau GED BT BT HTA BT HTA HTA HTB HTA Plan de tension +++ ++ +++ ++ Courants de court-circuits +++ ++ ++ - Déséquilibres ++ + Stabilité +* +* ++ ++
  23. 23. 23 M.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
  24. 24. 24 M.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.
  25. 25. 25 M.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  vision horizontale (décentralisée)  intelligence répartie  moyens télécoms locaux / globaux  Coordination des services réseau de chaque producteur par un opérateur réseau  vision verticalement intégrée
  26. 26. 26 M.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),( ),(   xuh xugavec uxFMinimiser
  27. 27. 27 M.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
  28. 28. 28 M.BOUBAKRI (réseaux électriques) L’arbre d’optimisation (vu sur [NEOS]) Réglage des consignes
  29. 29. 29 M.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 :   noeuds noeudsconsigne UU N H 1 1    noeuds noeudsconsigne UU N H 2 2 1 noeudsconsigne 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 Ratioprisencompte linéarisé 0.9 0.95 1 1.05 1.1 1.15 0.9 0.95 1 1.05 1.1 1.15 Ratioprisencompte 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 Ratioprisencompte Plot de consigne discret
  30. 30. 30 M.BOUBAKRI (réseaux électriques) 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.
  31. 31. 31 M.BOUBAKRI (réseaux électriques) 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 MVA
  32. 32. 32 M.BOUBAKRI (réseaux électriques) 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 1.15 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 17.2Norme 1   noeudsi iconsigne uxUU N uxF ),( 1 ),( Nombre d’itérations / 2422 2500 F(x,u) 49.7 0.098 1.85Norme 2    noeudsi iconsigne uxUU N uxF 2 ),( 1 ),( Nombre d’itérations / 2425 2500 F(x,u) 495 2.32 33.2Norme infinie  ),(max),( uxUUuxF iconsigne noeudsi  Nombre d’itérations / 2421 25000 10 20 30 40 50 60 70 80 1.99 2 2.01 2.02 2.03 2.04 2.05 2.06 x 10 4 Noeuds départ rural Tension(V) reference SQP AG AG avec SQP norme 1 avec contraintes 0 10 20 30 40 50 60 70 80 1.99 2 2.01 2.02 2.03 2.04 2.05 2.06 x 10 4 Noeuds départ rural Tension(V) reference SQP AG norme 1 avec contraintes
  33. 33. 33 M.BOUBAKRI (réseaux électriques) Méthodes d’optimisation des consignes Résultats sur le départ rural régleur en charge seul 0.9 0.95 1 1.05 1.1 1.15 0.9 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 12.18Norme 1   noeudsi iconsigne uxUU N uxF ),( 1 ),( Nombre d’itérations / 4 26 F(x,u) 49.7 49.7 1.604Norme 2    noeudsi iconsigne uxUU N uxF 2 ),( 1 ),( Nombre d’itérations / 4 43 F(x,u) 495 495 31.33Norme infinie  ),(max),( uxUUuxF iconsigne noeudsi  Nombre d’itérations / 4 43
  34. 34. 34 M.BOUBAKRI (réseaux électriques) 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 1.15 0.9 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 9.454Norme 1   noeudsi iconsigne uxUU N uxF ),( 1 ),( Nombre d’itérations / 2404 2500 F(x,u) 49.7 1.186 1.707Norme 2    noeudsi iconsigne uxUU N uxF 2 ),( 1 ),( Nombre d’itérations / 2415 2500 F(x,u) 495 51.61 32.18Norme infinie  ),(max),( uxUUuxF iconsigne noeudsi  Nombre d’itérations / 2406 2500
  35. 35. 35 M.BOUBAKRI (réseaux électriques) Méthodes d’optimisation des consignes (développées)  Hybridation de méthodes heuristiques et déterministes :  Accélération de la convergence
  36. 36. 36 M.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 Ratioprisencompte Plot de consigne discret0.9 0.95 1 1.05 1.1 1.15 0.9 0.95 1 1.05 1.1 1.15 Valeur de consigne Ratioprisencompte linéarisé u1u2u3u4u5u6u7…………….. Opération répétée pour les n individus qui forment la population Continus Discrets
  37. 37. 37 M.BOUBAKRI (réseaux électriques) Sélections classiques  A partir d’une population, sélection de deux individusI1(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 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 sélectionné puis on répète une seconde fois  Elitisme : parmi les x% meilleurs (F(Ii) faible), sélection de deux individus aléatoirement  Roue biaisée :
  38. 38. 38 M.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’)
  39. 39. 39 M.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 :
  40. 40. 40 M.BOUBAKRI (réseaux électriques) Algorithme génétique (croisements seuls) Population initiale Enfants possibles F(x,u)
  41. 41. 41 M.BOUBAKRI (réseaux électriques) Algorithme génétique (mutation classique) Population initiale Enfant muté F(x,u) Sélection de l’individu qui mute
  42. 42. 42 M.BOUBAKRI (réseaux électriques) Algorithme génétique (mutation déterministe) Population initiale Enfant muté F(x,u) Trois pas d’algorithme déterministe (de descente)
  43. 43. 43 M.BOUBAKRI (réseaux électriques) Illustration de l’optimum global Présence d’optima locaux  Algorithme déteministe  Algorithme Génétique classique  Algorithme hybride x i u j u* u 0u F(u) u
  44. 44. 44 M.BOUBAKRI (réseaux électriques) 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 80 100 120 140 1.98 2 2.02 2.04 2.06 2.08 2.1 2.12 x 10 4 Noeuds départ rural puis départ urbain Tension(V) reference SQP AG avec SQP FN1= 4.96e-3 FN1= 1.49e-3 FN1= 1.85e-3 Tension de consigne
  45. 45. 45 M.BOUBAKRI (réseaux électriques) Pertes et variations du taux de convergence déterministe Résultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif 0 100 200 300 400 500 600 700 5.95 6 6.05 6.1 6.15 6.2 6.25 6.3 6.35 6.4 6.45 x 10 -4 génération de l algorithme génétique pertesdanslesdeuxdéparts(pu) taux SQP = 0% taux SQP = 1% taux SQP = 2% taux SQP = 3%
  46. 46. 46 M.BOUBAKRI (réseaux électriques) Méthodes d’optimisation des consignes pour les pertes Résultats 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 57.82Pertes    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 Tension(V) reference SQP AG AG avec SQP
  47. 47. 47 M.BOUBAKRI (réseaux électriques) L’arbre d’optimisation (vu sur [NEOS]) Placement et choix des moyens de réglage
  48. 48. 48 M.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
  49. 49. 49 M.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     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    )()( )()(
  50. 50. 50 M.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 : QN50 VdN50 Pj Qj QjouetPj Vi   / Ni              noeudsi j j i j a Q V uxF ),(    i iuuxF 0),(                        réglagedemoyenj j noeudsi j j i n elseqifp pa Q V qqFMin )1,0,(1 ;)...( 1   Au final
  51. 51. 51 M.BOUBAKRI (réseaux électriques) Application à la minimisation des moyens de réglage Réseau d’étude, réseau rural de 77 noeuds :  Insertion possible de sources de puissance aux 77 nœuds mais 23 nœuds producteurs choisis au hasard 0 5 10 15 20 25 0 500 1000 1500 2000 2500 nombre de producteur(s) efficacitéderéglage Nombre de producteurs -Efficacitéderéglage
  52. 52. 52 M.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 80 1.999 2 2.001 2.002 2.003 2.004 2.005 2.006 2.007 2.008 x 10 4 Noeuds du réseau rural Tension(V) référence 23 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 80 1.999 2 2.001 2.002 2.003 2.004 2.005 2.006 2.007 2.008 x 10 4 Noeuds du réseau rural Tension(V) référence 3 moyens réglage Douze moyens de réglage seulement FN1(x,u)=2.02 0 10 20 30 40 50 60 70 80 1.999 2 2.001 2.002 2.003 2.004 2.005 2.006 2.007 2.008 x 10 4 Noeuds du réseau rural Tension(V) référence 12 moyens réglage Problème multi-objectifs puis coordination des consignes
  53. 53. 53 M.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.
  54. 54. 54 M.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
  55. 55. 55 M.BOUBAKRI (réseaux électriques) Arène ® HTB HTA BTA PC2 producteurPC1 superviseur Communication média 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 ARENE temps réel Rack VME
  56. 56. 56 M.BOUBAKRI (réseaux électriques) Validation des stratégies de coordination avec ARENE  Banc expérimental :
  57. 57. 57 M.BOUBAKRI (réseaux électriques) Validation des stratégies de coordination avec ARENE N1 N2 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 11 1.96 1.98 2 2.02 2.04 2.06 2.08 x 10 4 Noeuds départ simplifié Tension(V) reference SQP 0 à – O.85 MVar 0 à + O.22 MVar
  58. 58. 58 M.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
  59. 59. 59 M.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).
  60. 60. 60 M.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
  61. 61. 61 M.BOUBAKRI (réseaux électriques) Marché Centre de controle Réseau distribution Concept de centrale virtuelle (Constantin et Olivier)
  62. 62. 62 M.BOUBAKRI (réseaux électriques) Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée Fin

×