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
Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée
Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée
1. 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
2. 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
4. 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).
5. 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
6. 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
7. 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
8. Raphaël Caire, le 2 avril 2004 8
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. 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
10. 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
11. Raphaël Caire, le 2 avril 2004 11
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. 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
5
type
BT
HTA /
1
N 2
N 3
N
4
N 5
N
7
type
7
type 7
type
m
33 m
392
m
158 m
309
5
5 , N
N Q
P
3
3 , N
N Q
P
BT
BT Q
P ,
BT générique
cc
X 2
2,X
R
1
1,X
R
1
N 2
N 3
N
source
U 1
1,Q
P g
g Q
P , 2
2,Q
P
HTA école
13. 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
14. Raphaël Caire, le 2 avril 2004 14
Outil analytique
L
Ue Us
I
Pe,Qe
R
Ue
Us
I
I
R. I
X
j .
.
U
U
e
e
e
U
XQ
RP
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
j
k
l
l
k
n
k
j
k
l
l
j
U
Q
X
P
R
N
U
1 1
1 1
)
(
15. Raphaël Caire, le 2 avril 2004 15
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. Raphaël Caire, le 2 avril 2004 16
Indice d’impact et paramètres
)
(
)
(
)
(
)
(
_
_
_
j
producteur
sans
j
producteur
sans
j
producteur
avec
j
relatif
N
U
N
U
N
U
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. 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
18. Raphaël Caire, le 2 avril 2004 18
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)
Ecart
relatif
(%)
0kW
250kW N1
250kW N29
250kW N55
N1
N29
N55
avant
avant j
k
k
j
k
k X
et
R
1
1
n
k
k
j
k
l
l
n
k
k
j
k
l
l
source
j
k
k
g
j
k
k
g
avant
relatif
Q
X
P
R
U
X
Q
R
P
Nj
avant
avant
avant
avant
1 1
1 1
2
1
1
.
.
.
.
)
(
)
3
(
)
2
( N
N relatif
relatif
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
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)
Ecart
relatif
(%)
0kW
250kW N1
250kW N29
250kW N55
N1
N29
N55
19. 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 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. 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 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. 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
22. 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.
réseau
GED
BT
BT
HTA
BT
HTA
HTA
HTB
HTA
Plan de tension +++ ++ +++ ++
Courants de
court-circuits
+++ ++ ++ -
Déséquilibres ++ +
Stabilité +* +* ++ ++
23. 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
24. 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.
25. 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
26. 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
)
,
(
)
,
(
x
u
h
x
u
g
avec
u
x
F
Minimiser
27. 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
28. Raphaël Caire, le 2 avril 2004 28
L’arbre d’optimisation (vu sur [NEOS])
Réglage des consignes
29. 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
noeuds
consigne U
U
N
H
1
1
noeuds
noeuds
consigne U
U
N
H
2
2
1
noeuds
consigne U
U
H
max
lignes
ligne I
U
Pertes *
.
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
Ratio
pris
en
compte
linéarisé
0.9 0.95 1 1.05 1.1 1.15
0.9
0.95
1
1.05
1.1
1.15
Ratio
pris
en
compte
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
Ratio
pris
en
compte
Plot de consigne
discret
30. 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.
31. 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 MVA
32. 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 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
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 17.2
Norme 1
noeuds
i
i
consigne u
x
U
U
N
u
x
F )
,
(
1
)
,
( Nombre
d’itérations
/ 2422 2500
F(x,u) 49.7 0.098 1.85
Norme 2
noeuds
i
i
consigne u
x
U
U
N
u
x
F
2
)
,
(
1
)
,
( Nombre
d’itérations
/ 2425 2500
F(x,u) 495 2.32 33.2
Norme infinie
)
,
(
max
)
,
( u
x
U
U
u
x
F i
consigne
noeuds
i
Nombre
d’itérations
/ 2421 2500
33. 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 1.15
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 12.18
Norme 1
noeuds
i
i
consigne u
x
U
U
N
u
x
F )
,
(
1
)
,
( Nombre
d’itérations
/ 4 26
F(x,u) 49.7 49.7 1.604
Norme 2
noeuds
i
i
consigne u
x
U
U
N
u
x
F
2
)
,
(
1
)
,
( Nombre
d’itérations
/ 4 43
F(x,u) 495 495 31.33
Norme infinie
)
,
(
max
)
,
( u
x
U
U
u
x
F i
consigne
noeuds
i
Nombre
d’itérations
/ 4 43
34. 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 1.15
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 9.454
Norme 1
noeuds
i
i
consigne u
x
U
U
N
u
x
F )
,
(
1
)
,
( Nombre
d’itérations
/ 2404 2500
F(x,u) 49.7 1.186 1.707
Norme 2
noeuds
i
i
consigne u
x
U
U
N
u
x
F
2
)
,
(
1
)
,
( Nombre
d’itérations
/ 2415 2500
F(x,u) 495 51.61 32.18
Norme infinie
)
,
(
max
)
,
( u
x
U
U
u
x
F i
consigne
noeuds
i
Nombre
d’itérations
/ 2406 2500
35. Raphaël Caire, le 2 avril 2004 35
Méthodes d’optimisation des consignes (développées)
Hybridation de méthodes heuristiques et déterministes :
Accélération de la convergence
36. 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
Ratio
pris
en
compte
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
Ratio
pris
en
compte
linéarisé
u1u2u3u4u5u6u7……………..
Opération répétée pour les n individus qui forment la population
Continus Discrets
37. 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 sélectionné
puis 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
38. Raphaël Caire, le 2 avril 2004 38
Croisements classiques
A partir de deux parents, création de deux nouveaux enfants
u1u2u3
I4 :
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. 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
40. Raphaël Caire, le 2 avril 2004 40
Algorithme génétique (croisements seuls)
Population initiale
Enfants possibles
F(x,u)
41. Raphaël Caire, le 2 avril 2004 41
Algorithme génétique (mutation classique)
Population initiale
Enfant muté
F(x,u)
Sélection de l’individu qui mute
42. Raphaël Caire, le 2 avril 2004 42
Algorithme génétique (mutation déterministe)
Population initiale
Enfant muté
F(x,u)
Trois pas d’algorithme
déterministe (de descente)
43. Raphaël Caire, le 2 avril 2004 43
Illustration de l’optimum global
Présence d’optima locaux
Algorithme déteministe
Algorithme Génétique classique
Algorithme hybride
x
i
u
j
u
*
u
0
u
F(u)
u
44. 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 80 100 120 140
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. Raphaël Caire, le 2 avril 2004 45
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
pertes
dans
les
deux
départs
(pu)
taux SQP = 0%
taux SQP = 1%
taux SQP = 2%
taux SQP = 3%
46. Raphaël Caire, le 2 avril 2004 46
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
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
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
ligness
i
i
i I
V
Réel
u
x
f *
)
,
(
Nombre
d’itérations
/ 2996 3367 2974
47. Raphaël Caire, le 2 avril 2004 47
L’arbre d’optimisation (vu sur [NEOS])
Placement et choix des
moyens de réglage
48. 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
49. 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
Y
y
X
x
x
e
x
e
x
e
x
e
x
e
avec
x
f
x
f
x
f
x
f
x
F
y
Minimiser
k
k
0
)
(
),...,
(
),
(
),
(
)
(
)
(
),...,
(
),
(
),
(
)
(
3
2
1
3
2
1
X
x
x
e
x
e
x
e
avec
x
f
w
x
f
w
x
F
Minimiser
0
)
(
),
(
)
(
)
(
.
)
(
.
)
(
2
1
2
2
1
1
Résolution par pondération :
Résolution par variation
des contraintes :
X
x
x
f
x
e
avec
x
f
x
F
Minimiser
i
i
i
j
)
(
)
(
)
(
)
(
f2
f1
pente = –w1/w2
domaine d’étude
y/w2
A
B
C
D
50. 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 :
noeuds
i
j
j
i
j a
Q
V
u
x
F )
,
(
i
i
u
u
x
F 0
)
,
(
réglage
de
moyen
j
j
noeuds
i
j
j
i
n
else
q
if
p
p
a
Q
V
q
q
F
Min
)
1
,
0
,
(
1
;
)
...
( 1
QN50
VdN50
Pj
Qj
Qj
ou
et
Pj
Vi
/
Ni
Au final
51. Raphaël Caire, le 2 avril 2004 51
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)
efficacité
de
réglage
Nombre de producteurs
-
Efficacité
de
réglage
52. 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 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)=0.574
Trois 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. 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.
54. 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
55. Raphaël Caire, le 2 avril 2004 55
Arène ®
HTB HTA
BTA
PC2 producteur
PC1
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. Raphaël Caire, le 2 avril 2004 56
Validation des stratégies de coordination avec ARENE
Banc expérimental :
58. 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
59. 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).
60. 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
61. Raphaël Caire, le 2 avril 2004 61
Marché
Centre de controle
Réseau
distribution
Concept de centrale virtuelle (Constantin et Olivier)
62. 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