ARCHITECTURE SMART GRID

UNIVERSITÉ DE YAOUNDÉ I
THE UNIVERSITY OF
YAOUNDE I
ÉCOLE NATIONALE
SUPÉRIEURE
POLYTECHNIQUE DE
YAOUNDÉ
NATIONAL ADVANCED
SCHOOL OF ENGINEERING OF
YAOUNDE
DÉPARTEMENT DU GÉNIE
ÉLECTRIQUE ET DES
TÉLÉCOMMUNICATIONS
DEPARTMENT OF ELECTRICAL
AND TELECOMMUNICATIONS
ENGINEERING
SÉMINAIRE · ARCHITECTURE SMART GRIDS
THÈME 1
L’ARCHITECTURE DES RÉSEAUX
INTELLIGENTS
GROUPE 1
| ENSEIGNANT : Pr TCHUIDJAN
P R É S E N T É PA R
NOTE ET OBSERVATIONS
ABENG ABATE OSTRANNE MAEVA
23P467
LONGLA LEMOUZEU ANDERSON
23P306
MEFIRE JOSAPHAT
25P856
MINLO MINLO YVAN RODRIGUE
25P861
Année académique 2026 – 2027
1
INTRODUCTION GÉNÉRALE ..................................................................................... page 4
CHAPITRE I : GÉNÉRALITÉS ET ARCHITECTURE DES SMART GRIDS ............ page 8
1.1. Définition, évolution et objectifs .............................................................................page 8
1.2. Comparaison réseau classique vs intelligent ...........................................................page 8
1.3. Composants et architecture cyberphysique ............................................................. page 9
1.4. Modèle SGAM et couches d’interopérabilité ..........................................................page 9
1.5. Flux d’énergie, flux d’information et interopérabilité ...........................................page 11
CHAPITRE II : FLEXIBILITÉ DES RÉSEAUX ÉLECTRIQUES INTELLIGENTS. page 12
2.1. Définition, importance et nécessité de la flexibilité ..............................................page 12
2.2. Principales formes de flexibilité (production, demande, stockage, réseau) ...........page 13
2.3. Intégration du solaire photovoltaïque (intermittence et variabilité) ......................page 14
2.4. Courbe en canard (Duck Curve) et déséquilibres ..................................................page 15
2.5. Leviers de flexibilité (BESS, effacement, véhicules électriques, prévision) ........ page 17
2.6. Automatisation et systèmes de supervision (SCADA/ADMS, VVO, VPP) ......... page 17
2.7. Contraintes techniques et économiques .................................................................page 18
2.8. Exemple d’application pratique ............................................................................ page 19
CHAPITRE III : TECHNOLOGIES DES NOUVELLES LIGNES INTELLIGENTES (NLI)
ET DES NTIC .................................................................................................................page 20
3.1. Principes, rôle et limites des nouvelles lignes intelligentes (NLI) ........................page 20
3.2. Capteurs intelligents et systèmes de mesure ..........................................................page 22
3.3. Gestion dynamique de la capacité de transport (Dynamic Line Rating - DLR) ... page 26
3.4. Technologies de communication, IoT et interopérabilité .......................................page 28
3.5. Compteurs intelligents et infrastructures de mesure avancée (AMI) ....................page 31
3.6. Systèmes SCADA ..................................................................................................page 34
3.7. Électronique de puissance (onduleurs intelligents et puissance réactive) .............page 38
3.8. Intelligence artificielle et prévision de la production solaire .................................page 42
3.9. Synthèse de la contribution des NLI et des NTIC .................................................page 39
CHAPITRE IV : INTÉGRATION DES SMART GRIDS DANS LES RÉSEAUX DE
DISTRIBUTION ………………………………………………………………............page 50
4.1. Structure et limites des réseaux de distribution classiques ..................................... page 50
4.2. Principes de transformation vers un réseau intelligent ........................................... page 50
2
4.3. Solaire décentralisé : autoconsommation et flux bidirectionnels ............................page 51
4.4. Impacts du solaire (surtensions, inversion des flux, capacité d’accueil) .................page 52
4.5. Automatisation, reconfiguration et détection-isolation des défauts (FLISR) ..........page 52
4.6. Gestion de la tension et réduction des pertes ...........................................................page 53
4.7. Comparaison des solutions techniques ....................................................................page 53
4.8. Contribution à la flexibilité de la distribution .........................................................page 54
CHAPITRE V : AVANTAGES, LIMITES ET DÉFIS D’INTÉGRATION DES SMART
GRIDS ........................................................................................................................... page 56
5.1. Avantages des Smart Grids ....................................................................................page 56
5.2. Limites et inconvénients (cybersécurité, coûts, interopérabilité, données)............page 57
CHAPITRE VI : PERSPECTIVES DE DÉVELOPPEMENT DES SMART GRIDS
........................................................................................................................................ page 60
6.1. Perspectives dans les pays en développement .......................................................page 60
6.2. Potentiel du solaire et mini-réseaux ruraux ...........................................................page 60
6.3. Applications au Cameroun (potentiel du Nord, défis et cas d’usage) ....................page 61
6.4. Recommandations pour un déploiement progressif et sécurisé .............................page 62
CONCLUSION GÉNÉRALE ........................................................................................page 64
BIBLIOGRAPHIE ..........................................................................................................page 65
3
TABLE DES FIGURES
Figure 1 : Diagramme comparatif : évolution pluriannuelle et aplanissement par la flexibilité
........................................................................................................................................ page 16
Figure 2 : Les nouvelles lignes intelligentes (NLI)........................................................ page 20
Figure 3 : Capteurs intelligents et systèmes de mesure………….................................. page 23
Figure 4 : Gestion dynamique de la capacité de transport (Dynamic Line Rating), schéma
illustratif...........................................................................................................................page 26
Figure 5 : Technologies de communication, IoT et interopérabilité................................page 29
Figure 6 : Compteurs intelligents et infrastructure de mesure avancée (AMI) ………..page 32
Figure 7 : Système SCADA ............................................................................................page 35
Figure 8 : Électronique de puissance : onduleurs intelligents et gestion de la puissance
réactive ………………………………………………………………………………... page 38
Figure 9 : Intelligence artificielle et traitement des données pour la prévision de la production
solaire ..............................................................................................................................page 42
Figure 10 : Contribution des NLI et des NTIC à la capacité de transport et à la flexibilité du
réseau ..............................................................................................................................page 46
4
RÉSUMÉ
Les réseaux électriques sont en pleine évolution. Pendant longtemps, ils ont été conçus pour
transporter l’électricité depuis de grandes centrales jusqu’aux consommateurs. Aujourd’hui, le
développement du solaire photovoltaïque, de l’éolien, des batteries et des nouveaux usages de
l’électricité change cette organisation. Une maison peut, par exemple, consommer de l’énergie
le matin et en injecter sur le réseau à midi grâce à ses panneaux solaires. Cette situation rend
la conduite du réseau plus complexe et demande de nouveaux moyens de mesure, de
communication et de commande.
Les réseaux électriques intelligents, appelés Smart Grids, répondent à cette évolution en
associant les équipements électriques aux technologies numériques. Ils permettent de mieux
connaître l’état du réseau, de détecter certains défauts, d’agir sur la consommation et d’intégrer
davantage de productions décentralisées. Leur fonctionnement repose sur une architecture dite
cyberphysique : l’électricité circule dans les lignes, tandis que des données et des ordres
circulent entre les capteurs, les systèmes de supervision et les équipements de commande.
Ce travail présente d’abord les principes et l’architecture des Smart Grids, notamment le
modèle de référence SGAM. Il étudie ensuite les différentes flexibilités, les technologies de
mesure et de communication, leur application à la distribution électrique, ainsi que leurs
avantages et leurs limites. Une attention particulière est portée à l’intégration du solaire et aux
perspectives des pays en développement, notamment du Cameroun. L’idée principale est qu’un
réseau intelligent n’est pas seulement un réseau équipé d’ordinateurs : c’est un réseau capable
de mieux observer son fonctionnement et de prendre des décisions adaptées, tout en respectant
les contraintes de sécurité et de coût. [1–4]
Mots-clés : Smart Grid ; réseau électrique intelligent ; SGAM ; flexibilité ; production
décentralisée ; interopérabilité ; réseau cyberphysique.
5
INTRODUCTION GÉNÉRALE
1. Contexte et justification du sujet
L’électricité occupe une place essentielle dans la vie quotidienne et dans l’activité économique.
Elle alimente les logements, les hôpitaux, les industries, les moyens de communication et de
nombreux services. Pour assurer cette alimentation, les réseaux doivent maintenir à chaque
instant un équilibre entre la production et la consommation, tout en respectant les limites de
tension, de fréquence et de courant des équipements.
Dans le modèle historique, l’énergie est principalement produite par de grandes centrales,
transportée à haute tension, puis distribuée aux utilisateurs. Ce modèle reste très important,
mais il évolue. Le solaire photovoltaïque peut désormais être installé sur les toitures, dans les
entreprises ou sous forme de centrales raccordées au réseau. De nouveaux consommateurs,
comme les véhicules électriques, peuvent également modifier les pointes de demande.
Cette transformation crée de nouvelles difficultés. La puissance fournie par une installation
solaire dépend notamment de l’ensoleillement : elle peut diminuer rapidement au passage des
nuages. À l’inverse, lorsque la production locale est forte et que la consommation est faible,
une partie de l’électricité peut repartir vers le réseau. Les gestionnaires ont donc besoin
d’informations plus précises et de moyens de réaction plus rapides. Selon l’Agence
internationale de l’énergie, le développement des réseaux, leur modernisation et leur gestion
sont devenus des conditions importantes de la transition énergétique. [1]
L’étude des Smart Grids se justifie ainsi par une question concrète : comment faire évoluer les
réseaux pour accueillir de nouvelles sources d’énergie sans dégrader la qualité ni la continuité
du service ? Cette question intéresse particulièrement les réseaux de distribution et les
territoires où les investissements doivent être réalisés progressivement.
2. Problématique
Les réseaux classiques ont été largement pensés pour une circulation de l’électricité allant des
centrales vers les consommateurs. Or, la multiplication des productions décentralisées, la
variabilité du solaire et l’évolution des usages imposent une gestion plus souple. Il ne suffit pas
d’ajouter des panneaux solaires ou des capteurs : encore faut-il que les équipements puissent
communiquer, que les données soient fiables et que les décisions prises respectent les
contraintes électriques.
La problématique de cet exposé est donc la suivante : comment l’architecture des réseaux
électriques intelligents, associée aux flexibilités et aux technologies numériques, peut-elle
améliorer l’intégration des énergies renouvelables, la fiabilité et l’exploitation des réseaux,
malgré les contraintes techniques, économiques et de cybersécurité ?
3. Objectifs de l’étude
L’objectif général est d’expliquer comment fonctionne un réseau électrique intelligent et de
montrer dans quelles conditions il peut améliorer la gestion du système électrique.
Plus précisément, il s’agit de : présenter l’évolution des réseaux classiques vers les Smart Grids
; décrire leurs principaux équipements et leur architecture ; expliquer le modèle SGAM et les
6
échanges d’informations ; identifier les formes de flexibilité utiles à l’intégration du solaire ;
examiner les technologies de mesure, de communication et de supervision ; discuter les
bénéfices, les limites et les possibilités de déploiement dans le contexte camerounais.
4. Méthodologie de travail
Le travail repose sur une recherche documentaire. Les informations ont été confrontées à des
documents d’organismes de référence : l’Agence internationale de l’énergie (AIE), le National
Institute of Standards and Technology (NIST), la Commission électrotechnique internationale
(IEC) et les travaux européens de normalisation CEN-CENELEC-ETSI. Ces sources servent à
distinguer les principes établis des bénéfices qui dépendent des conditions réelles de
déploiement. [1–5]
L’analyse suit trois étapes : comprendre l’organisation du réseau ; étudier les moyens
techniques qui permettent de l’observer et de le piloter ; apprécier leurs apports et leurs limites
à partir de situations simples, notamment celle d’un réseau de distribution recevant de l’énergie
solaire. Les exemples utilisés sont pédagogiques et ne constituent pas des résultats de
simulation ni des mesures réalisées sur le terrain.
5. Annonce du plan
Le premier chapitre présente les généralités et l’architecture des Smart Grids. Le deuxième
aborde la flexibilité et l’intégration du solaire photovoltaïque. Le troisième traite des lignes
intelligentes, des capteurs et des technologies de l’information. Le quatrième s’intéresse aux
réseaux de distribution. Le cinquième examine les avantages, les inconvénients et les défis.
Enfin, le sixième présente les perspectives de développement, en particulier dans les pays en
développement et au Cameroun.
7
CHAPITRE I : GÉNÉRALITÉS ET
ARCHITECTURE DES SMART GRIDS
1.1. Définition, évolution et objectifs des réseaux électriques intelligents
Un réseau électrique intelligent, ou Smart Grid, est un réseau dans lequel les équipements
électriques sont associés à des moyens de mesure, de communication et de commande pour
mieux gérer la production, le transport, la distribution et la consommation d’électricité.
L’objectif n’est pas de remplacer toutes les lignes et tous les transformateurs, mais de rendre
leur exploitation plus précise, plus réactive et mieux adaptée aux nouveaux usages. [2]
L’évolution s’est faite progressivement. Les premiers réseaux disposaient déjà de protections,
de régulations et de centres de conduite. Les systèmes de supervision à distance ont ensuite
permis aux exploitants de recevoir des mesures et d’envoyer des commandes. Avec les capteurs
numériques, les compteurs communicants, les moyens de télécommunication et les productions
décentralisées, cette automatisation s’étend à davantage d’équipements et d’utilisateurs. Il
serait donc incorrect d’opposer un réseau ancien totalement « aveugle » à un réseau intelligent
entièrement automatisé : il existe plusieurs niveaux de modernisation.
Les principaux objectifs sont de maintenir la qualité de l’alimentation, de mieux détecter et
traiter les incidents, de faciliter le raccordement des énergies renouvelables, de limiter certaines
pertes et de permettre aux consommateurs de participer à la gestion de leur demande. Ces
résultats ne sont pas automatiques : ils dépendent de la qualité des équipements, de la
couverture des communications et de la bonne organisation de l’exploitation. [1–2]
1.2. Comparaison entre réseau électrique classique et réseau intelligent
La différence principale ne tient pas à la nature de l’électricité transportée, mais à la quantité
d’informations disponibles et à la capacité d’agir sur le fonctionnement du réseau. Le tableau
suivant résume les différences typiques. Il s’agit de tendances générales, car certains réseaux
conventionnels disposent déjà de systèmes avancés de protection et de supervision.
Critère
Circulation de l’énergie
Réseau classique (typique)
Principalement des grandes
centrales vers les usagers
Mesure
Production décentralisée
Mesures concentrées sur
certains postes
Interventions locales et
téléconduite partielle
Intégration parfois limitée
Consommateur
Surtout utilisateur final
Conduite
8
Réseau intelligent (visé)
Possibilité de flux dans les
deux sens, selon les
installations
Mesures plus nombreuses et
plus fréquentes
Supervision étendue et
automatisation ciblée
Gestion coordonnée des
ressources locales
Peut aussi produire, stocker
ou adapter sa demande
Gestion des défauts
Protection et recherche de
panne
Protection complétée par
localisation et
reconfiguration automatisées
Exemple simple : dans un quartier équipé de panneaux photovoltaïques, un réseau classique
peut ne disposer que de mesures au poste de transformation. Un réseau plus intelligent peut
suivre la tension sur plusieurs départs, repérer une surtension et agir sur des équipements
adaptés. Il faut toutefois disposer de capteurs bien placés et de commandes compatibles.
1.3. Principaux composants et architecture cyberphysique des Smart Grids
On parle d’architecture cyberphysique parce que deux ensembles fonctionnent ensemble : la
partie physique, où circule l’énergie électrique, et la partie numérique, qui recueille les données
et transmet les décisions. Les deux parties sont liées, mais elles ne remplissent pas le même
rôle.
La partie physique comprend les centrales, les transformateurs, les lignes, les disjoncteurs, les
charges, les installations solaires, les batteries et les convertisseurs électroniques. La partie
numérique regroupe les capteurs, les compteurs communicants, les unités de commande, les
réseaux de communication, les logiciels de supervision et les outils d’analyse. [2]
Prenons le cas d’un départ de distribution. Un capteur mesure la tension et le courant. Les
données sont envoyées à un système de supervision. Si la tension sort des limites admises,
l’exploitant ou un automatisme peut commander un équipement approprié, par exemple un
dispositif de réglage de tension ou un onduleur compatible. La mesure seule ne corrige rien :
c’est la chaîne complète « mesurer – analyser – décider – agir – vérifier » qui rend le réseau
plus intelligent.
Schéma fonctionnel simplifié :
Réseau électrique (énergie)
Système numérique (information et
commande)
Capteurs et compteurs → communication
→ supervision
Consignes de commande → équipements
pilotables → retour des mesures
Centrale / solaire → transformateur →
lignes → usagers
Disjoncteurs, réglage de tension, onduleurs,
batteries
TABLEAU 1 : Représentation pédagogique des deux parties d’un Smart Grid (schéma réalisé
pour cet exposé).
Cette architecture impose aussi de protéger les systèmes numériques. Une commande erronée,
une perte de communication ou une attaque informatique peut perturber l’exploitation. Les
protections électriques essentielles doivent donc conserver un fonctionnement sûr, y compris
lorsque certains moyens de communication sont indisponibles. [2]
1.4. Présentation du modèle SGAM et de ses différentes couches
Le modèle SGAM (Smart Grid Architecture Model) est un cadre de représentation des réseaux
intelligents. Il sert à organiser un projet et à vérifier que les différents équipements et logiciels
peuvent travailler ensemble. Il ne s’agit ni d’un matériel à installer ni d’un logiciel unique.
9
L’IEC le présente comme une architecture en trois dimensions : les domaines, les zones et les
couches d’interopérabilité. [3–5]
Première dimension : les cinq domaines couvrent la chaîne électrique : grande production
(Generation), transport (Transmission), distribution (Distribution), ressources énergétiques
décentralisées (Distributed Energy Resources, DER) et installations des clients (Customer
Premises).
Deuxième dimension : les six zones correspondent aux niveaux de gestion. La zone Process
désigne les phénomènes et équipements électriques ; Field, les capteurs et actionneurs proches
du terrain ; Station, les automatismes et systèmes de poste ; Operation, la conduite du réseau ;
Enterprise, la gestion de l’entreprise ; Market, les échanges et mécanismes de marché.
Troisième dimension : les cinq couches montrent les questions à traiter pour qu’un système
fonctionne de manière cohérente :
Couche SGAM
Business (activité)
Function (fonction)
Information
Communication
Component (composant)
Question pratique
Pourquoi mettre en place le
service ?
Que doit faire le système ?
Quelles données sont
échangées ?
Comment les données
circulent-elles ?
Quels matériels et logiciels
interviennent ?
Exemple
Améliorer la continuité de
service
Détecter une surtension
Valeur de tension,
horodatage, alarme
Protocole et réseau de
communication
Capteur, automate, onduleur,
serveur
Tableau 2 : Lecture du cube SGAM : domaines × zones × couches d’interopérabilité. Pour la
représentation officielle du cube, voir la documentation IEC et CEN-CENELEC-ETSI citée
en [3–5].
On représente souvent SGAM sous forme d’un cube : un axe pour les domaines, un axe pour
les zones et un axe pour les cinq couches. Chaque fonction du Smart Grid peut ainsi être située
dans ce cube. Par exemple, la surveillance de la tension d’un départ de distribution concerne le
domaine « Distribution », plusieurs zones allant du terrain à l’exploitation et différentes
couches, depuis le capteur jusqu’à la fonction de supervision.
L’intérêt de SGAM est de réduire les oublis lors de la conception : un projet peut disposer de
bons capteurs sans avoir prévu le format des données ou les responsabilités de commande. Le
modèle oblige à examiner ces questions de façon structurée. Il ne garantit cependant pas, à lui
seul, la conformité technique ou la cybersécurité d’une installation.
10
1.5. Flux d’énergie, flux d’information et interopérabilité
Dans un Smart Grid, il faut distinguer deux circulations. Le flux d’énergie correspond à la
puissance électrique qui traverse les lignes et les transformateurs. Il dépend des sources, des
charges et des caractéristiques du réseau. Le flux d’information correspond aux mesures, aux
alarmes, aux prévisions et aux consignes échangées entre les équipements.
Les deux flux peuvent aller dans des directions différentes. Une installation photovoltaïque
peut injecter de l’énergie vers le réseau, pendant que son compteur envoie des mesures vers un
centre de supervision et reçoit une consigne de limitation de puissance. L’existence d’un
échange de données bidirectionnel ne signifie donc pas que l’énergie circule toujours dans les
deux sens.
L’interopérabilité est la capacité de plusieurs systèmes à échanger des informations et à les
utiliser correctement. Deux appareils peuvent être connectés par le même câble ou réseau sans
être réellement interopérables : encore faut-il qu’ils comprennent les mêmes messages, les
mêmes unités, les mêmes identifiants et les mêmes règles de fonctionnement. Le NIST souligne
que cette question concerne aussi bien les échanges numériques que la compatibilité des
comportements physiques des équipements. [2]
Exemple : un compteur mesure 230 V et transmet cette valeur. Pour que le logiciel de
supervision puisse l’exploiter, il doit savoir qu’il s’agit d’une tension, connaître l’unité,
identifier le point de mesure et disposer d’une date fiable. Si ces informations sont ambiguës,
la décision prise peut être mauvaise, même si la transmission a réussi.
Schéma des flux :
Flux électrique
Production solaire ⇄ réseau de distribution
⇄ consommateur
Sens variable selon la production et la
consommation
Flux d’information
Capteurs / compteurs → système de
supervision
Système de supervision → consignes →
équipements pilotables
Tableau 3 : Exemple simplifié des flux d’énergie et d’information dans un Smart Grid
(schéma réalisé pour cet exposé).
Des normes et référentiels permettent d’organiser ces échanges. Le cadre SGAM aide à décrire
l’architecture, tandis que les travaux du NIST proposent une approche de l’interopérabilité et
de ses essais. Dans un projet réel, le choix des protocoles, la sécurité des accès, la disponibilité
des télécommunications et les essais entre fabricants sont indispensables. [2–5]
11
CHAPITRE II : FLEXIBILITÉ DES
RÉSEAUX ÉLECTRIQUES INTELLIGENTS
2.1. Définition, importance et nécessité de la flexibilité
2.1.1. Contexte général et transition énergétique
La transition énergétique mondiale vers des systèmes bas-carbone impose une mutation
sans précédent des infrastructures électriques. Conçus au cours du XXe siècle selon un
schéma strictement centralisé et unidirectionnel (grandes centrales thermiques ou
hydrauliques synchrones → réseau de transport THT → réseau de distribution →
consommateurs passifs), les réseaux actuels doivent désormais intégrer une part massive de
sources d'énergie renouvelable intermittentes (solaire photovoltaïque et éolien).
Dans cette nouvelle configuration, la notion de flexibilité cesse d'être une option
d'exploitation accessoire pour devenir la clé de voûte de la sécurité d'approvisionnement
électrique.
2.1.2. Définition normée de la flexibilité
Selon la définition formelle de l'Agence Internationale de l'Énergie (AIE / IEA) et du Conseil
International des Grands Réseaux Électriques (CIGRE) :
La flexibilité d'un système électrique désigne l'aptitude de ce système à modifier
rapidement son profil d'injection (production) ou de soutirage (consommation), de manière
prévisible et coordonnée, pour maintenir en permanence l'équilibre offre-demande et la
stabilité de tension et de fréquence, face aux fluctuations et incertitudes des énergies
renouvelables et des nouveaux usages, à toutes les échelles temporelles (de la milliseconde
aux saisons).
2.1.3. Nécessité physique de l'équilibre instantané et équation de Swing
L'énergie électrique alternative ne pouvant être stockée directement dans le réseau
conducteur, la loi de conservation de l'énergie impose à chaque instant 𝑡 :
𝑷𝐩𝐫𝐨𝐝𝐮𝐜𝐭𝐢𝐨𝐧 (𝒕) = 𝑷𝐜𝐨𝐧𝐬𝐨𝐦𝐦𝐚𝐭𝐢𝐨𝐧 (𝒕) + 𝑷𝐩𝐞𝐫𝐭𝐞𝐬 (𝒕)
12
(1)
Tout déséquilibre 𝛥𝑃 = 𝑃production − 𝑃consommation entraîne une variation immédiate de
l'énergie cinétique emmagasinée dans les masses tournantes des alternateurs synchrones.
Cette dynamique est gouvernée par l'équation d'oscillation du rotor (Swing Equation) :
𝟐𝑯 ·
𝐝𝐟(𝐭)
𝐝𝐭
=
𝑷𝐦 (𝒕) − 𝑷𝐞 (𝒕)
(2)
𝑺𝐧
Où 𝐻 est la constante d'inertie du réseau (en secondes, généralement comprise entre 3 s et 6 s
dans les réseaux traditionnels), 𝑓 la fréquence nominale (50,00 Hz), df/dt le taux de variation
de fréquence (RoCoF), 𝑃m la puissance mécanique motrice, 𝑃e la puissance électrique appelée
et 𝑆n la puissance apparente nominale.
Problématique de l'absence d'inertie des EnR : Les générateurs photovoltaïques et éoliens
injectent leur puissance via des onduleurs électroniques statiques et n'apportent aucune inertie
mécanique naturelle. À forte pénétration EnR, 𝐻 diminue drastiquement : la fréquence
devient hyper-sensible au moindre aléa, pouvant franchir les seuils critiques (49,5 Hz et 47,5
Hz) et déclencher des délestages d'urgence ou un black-out.
2.1.4. Les échelles temporelles de la flexibilité
Infraseconde à 30 s
Minutes à 1 heure
Inertie synthétique des onduleurs et Réserve
Primaire (FCR). Maintien de la stabilité
transitoire.
Réserve Secondaire (aFRR), rampes de suivi
de charge et effacement de pointe.
Journées (J-1)
Saisonnière
Arbitrage économique jour/nuit,
programmation des centrales et marchés DayAhead.
Gestion des grands réservoirs hydroélectriques
et périodes de grand froid / canicule.
2.2. Principales formes de flexibilité : production, demande, stockage et
réseau
La flexibilité d'un réseau intelligent ne repose pas sur une technologie unique, mais sur
l'orchestration coordonnée de quatre dimensions structurelles :
2.2.1. Flexibilité de la production (Supply-side flexibility)
Aptitude des générateurs à moduler rapidement leur puissance active. Comprend les
turbines à gaz à cycle ouvert (TAC / OCGT) démarrant en moins de 10 minutes, les centrales
13
hydrauliques de lac mobilisables en 2 minutes, la biomasse et l'écrêtement dynamique piloté
(curtailment) des fermes solaires et parcs éoliens lorsque le réseau est saturé.
2.2.2. Flexibilité de la demande (Demand-side / Demand Response)
Consiste à inciter ou ordonner aux usagers de décaler ou réduire leur consommation pendant
les heures de tension. S'appuie sur l'effacement tarifaire implicite (tarifs dynamiques) et
l'effacement diffus automatique (télécommande de chauffe-eau, climatiseurs ou groupes
froids industriels via compteurs communicants et OpenADR).
2.2.3. Flexibilité du stockage (Storage flexibility)
Fournit une flexibilité bidirectionnelle : absorption en période d'excédent et restitution
immédiate en période de déficit. Comprend les systèmes BESS au Lithium Fer Phosphate
(LFP) et Sodium-ion, les stations de pompage-turbinage hydroélectrique (STEP), et les
volants d'inertie pour la stabilisation ultra-rapide.
2.2.4. Flexibilité de réseau (Grid-side & NLI)
Maximise la capacité d'évacuation des lignes sans construire de nouveaux couloirs : calcul
dynamique de la capacité thermique des conducteurs (Dynamic Line Rating – DLR) selon la
météo, systèmes FACTS (STATCOM, UPFC) pour forcer l'électricité sur les lignes sousutilisées, et interconnexions transfrontalières mutualisant les réserves.
2.3. Intégration du solaire photovoltaïque : intermittence et variabilité de la
production
2.3.1. Variabilité déterministe vs intermittence aléatoire
L'énergie solaire photovoltaïque (PV) est une ressource propre et abondante, mais ses
caractéristiques physiques introduisent deux défis majeurs pour le gestionnaire de réseau :
• La variabilité diurne déterministe : la production solaire est nulle la nuit et suit une
cloche prévisible culminant à midi solaire. Les écarts saisonniers sont d'autant plus
prononcés que la latitude est élevée.
• L'intermittence météorologique rapide : le passage d'un front nuageux sur une
centrale de 50 MWc peut réduire la puissance produite de 70 % à 80 % en moins de 60
secondes (rampe négative jusqu'à 40 MW/min), exigeant une compensation instantanée.
2.3.2. Conséquences sur les réseaux de distribution (inversion des flux)
Historiquement conçus de manière radiale descendante, les départs moyenne et basse tension
subissent une inversion du flux de puissance aux heures ensoleillées : l'énergie remonte des
toitures et centrales au sol vers le poste source. Selon la formule approchée de chute de
tension :
𝜟𝑼 ≈
𝑹·𝑷 + 𝑿·𝑸
(3)
𝑼𝐧
14
Quand la puissance active injectée 𝑃 devient fortement négative, 𝛥𝑈 devient négatif, créant
une surtension inadmissible dépassant la plage contractuelle de fixée par la norme EN
50160 (soit une tension maximale de plus sur un réseau), en bout de ligne pouvant détériorer
les appareils des usagers ou forcer les onduleurs à se découpler du réseau par protection
interne.
Avec : 𝑅 et 𝑋 la résistance et la réactance de la ligne, 𝑃 et 𝑄 les puissances active et réactive
transitées, 𝑈n la tension nominale.
2.4. Courbe en canard (Duck Curve) et déséquilibres entre production et
demande
Le concept de « Duck Curve » (Courbe en canard), formalisé pour la première fois en
2013 par le CAISO (California ISO), illustre la déformation extrême subie par la courbe de
charge nette imposée aux moyens de production pilotables :
𝑷𝐧𝐞𝐭𝐭𝐞 (𝒕) = 𝑷𝐜𝐨𝐧𝐬𝐨𝐦𝐦𝐚𝐭𝐢𝐨𝐧 𝐛𝐫𝐮𝐭𝐞 (𝒕) − 𝑷𝐬𝐨𝐥𝐚𝐢𝐫𝐞 (𝒕) − 𝑷é𝐨𝐥𝐢𝐞𝐧 (𝒕)
(4)
1. Le « Ventre » (11 h – 15 h)
L'injection solaire est maximale alors que l'activité économique est stable. La charge nette
s'effondre. Risque de sur-génération, prix spot négatifs sur les bourses de l'électricité et
écrêtement forcé des EnR.
2. Le « Cou » (17 h – 20 h)
Le soleil se couche rapidement au moment précis où la consommation des foyers explose
(éclairage, cuisson, CVC). La demande nette grimpe verticalement.
3. La « Rampe raide »
Le système doit mobiliser +10 000 à +15 000 MW de puissance en seulement 2 heures. Sans
stockage ni effacement, ce choc thermique endommage les centrales conventionnelles et
fragilise la fréquence.
15
Figure 1 : Diagramme comparatif : évolution pluriannuelle et aplanissement par la flexibilité
(charge nette en GW en fonction des heures).
A. L'évolution pluriannuelle (le creusement continu du « ventre »)
Au début de l'essor solaire (2012-2015), la courbe présentait une légère concavité. En 2025,
le ventre est si profond que la demande nette descend à des niveaux inférieurs à la puissance
minimale technique des centrales nucléaires et thermiques (parfois négative en Australie et en
Californie). Pourquoi le montrer : cela prouve que le problème s'aggrave chaque année de
manière exponentielle avec l'installation de nouvelles toitures PV.
B. Les variations saisonnières (le canard est un animal de printemps !)
Au printemps : ensoleillement très fort, mais températures douces (pas de climatisation, pas
de chauffage). C'est à cette période que le « ventre » plonge le plus bas et que les risques de
déstabilisation de fréquence sont maximaux.
En été : le soleil est fort mais la climatisation diurne soutient la consommation, ce qui amortit
le ventre.
En hiver : la production solaire est modeste, le ventre est peu creusé, mais le « cou » (pointe
de chauffage du soir) est extrêmement brutal.
C. La courbe AVANT vs APRÈS flexibilité (la métamorphose opérée par le Smart Grid)
C'est la figure la plus valorisante pour votre exposé : montrer côte à côte la courbe
déformée (le canard non maîtrisé) et la courbe corrigée où le ventre est comblé par la charge
des batteries BESS et des véhicules électriques (V1G), tandis que la pointe du soir est écrêtée
(Peak Shaving) par le V2G et l'effacement diffus Linky. Le réseau retrouve ainsi une charge
quasi-plate, évitant tout démarrage de centrale fossile polluante.
16
2.5. Leviers de flexibilité : stockage, effacement, véhicules électriques et
prévision
Pour apprivoiser la courbe en canard et intégrer le photovoltaïque sans mettre en danger la
sécurité du réseau, le Smart Grid active quatre leviers opérationnels majeurs :
2.5.1. Les systèmes BESS et onduleurs Grid-Forming
Batteries stationnaires Lithium Fer Phosphate (LFP) et Sodium-ion. Équipées d'onduleurs
Grid-Forming, elles génèrent une inertie synthétique instantanée (voir équation 5)
amortissant les creux de fréquence en moins de 150 ms.
𝐝𝐟
𝑷𝐢𝐧𝐞𝐫𝐭𝐢𝐞 = −𝑲𝐝 · 𝐝𝐭
(5)
2.5.2. L'effacement diffus et la modulation de charge (Demand Response)
Conforme aux protocoles OpenADR 2.0b et DLMS/COSEM (Linky). Décalage automatique
des chauffe-eau et climatisations durant la pointe de 19 h, lissant le pic sans aucune
dégradation du confort thermique des habitants.
2.5.3. L'électromobilité intelligente : V1G (Smart Charging) et V2G (Vehicle-to-Grid)
Conforme à la norme ISO 15118-20. Recharge prioritaire en milieu de journée avec le surplus
solaire. En soirée, les véhicules stationnés réinjectent 10 % à 20 % de leur batterie vers le
réseau (Peak Shaving), transformant un parc de 100 000 VE en centrale virtuelle de 500 MW.
2.5.4. La prévision météorologique par intelligence artificielle
Réseaux de neurones récurrents (LSTM) couplés aux images satellites et caméras du ciel
(sky-imagers) prédisant l'apparition des ombres nuageuses à H-15 min avec une précision >
96 %, permettant au dispatching d'anticiper les variations sans démarrer de centrale
thermique fossile.
2.6. Rôle de l’automatisation et des systèmes de supervision
La flexibilité ne peut être exploitée manuellement en temps réel par des opérateurs humains
en raison de la complexité et de la vitesse requise des décisions. Elle repose sur une chaîne
d'automatisation cyber-physique distribuée :
2.6.1. Les systèmes SCADA & ADMS (Advanced Distribution Management System)
L'ADMS centralise les télémesures issues des sous-stations numériques (norme IEC 61850)
et des compteurs communicants. Il exécute en continu l'algorithme d'estimation d'état (State
Estimation), calcule les transits de puissance et détecte les saturations thermiques prévisibles.
17
2.6.2. Algorithmes VVO (Volt/VAR Optimization)
Régulation coordonnée entre les régleurs en charge des transformateurs (OLTC) et les
onduleurs solaires 4 quadrants. Les onduleurs absorbent ou injectent de la puissance réactive
Q selon des courbes Volt-VAR programmées pour maintenir la tension BT dans la plage
normalisée (± 10 %).
2.6.3. Les centrales électriques virtuelles (Virtual Power Plants – VPP)
Plateformes logicielles cloud qui agrègent des milliers de petites ressources décentralisées (1
000 batteries résidentielles, 500 toitures solaires, 200 bornes VE) pour se comporter sur le
marché de l'électricité exactement comme une centrale électrique conventionnelle de 50 MW
pilotable.
2.7. Contraintes techniques et économiques de la flexibilité
Contraintes techniques
• Dégradation cyclique des batteries : chaque cycle charge/décharge accélère le
vieillissement électrochimique des cellules.
• Latence et disponibilité télécoms : les ordres de flexibilité transmis par 4G ou CPL
doivent garantir une latence < 1 seconde et une disponibilité de 99,999 %.
• Goulots d'étranglement locaux : une flexibilité disponible en amont peut être inutilisable
si le transformateur local HTA/BT intermédiaire est saturé.
Cybersécurité critique (IEC 62351 / NIS 2) : chaque ressource connectée est une porte
d'entrée potentielle pour un attaquant voulant désynchroniser le réseau.
Contraintes économiques & sociétales
• Investissements initiaux (CAPEX) : coût des batteries BESS, des onduleurs
bidirectionnels et des millions de compteurs intelligents.
• Modèle d'affaires et rémunération : nécessité d'un cadre réglementaire clair permettant
aux agrégateurs de valoriser l'effacement sur les marchés de capacité.
Acceptabilité citoyenne et RGPD : inquiétudes sur la vie privée liées aux relevés de
consommation à la demi-heure et méfiance envers les télécommandes externes.
18
2.8. Exemple d’application : gestion d’un réseau intégrant une centrale
solaire photovoltaïques
Cas concret : boucle de distribution HTA 20 kV avec centrale PV de 10 MWc
Considérons un départ rural HTA (20 kV) alimenté par un poste source 63/20 kV, desservant 2
500 abonnés résidentiels, quelques artisans et une centrale solaire de 10 MWc raccordée en
bout de ligne à 14 km du poste source.
Scénario de gestion opérationnelle sur 24 heures
À 12 h 30 (pic solaire d'été, consommation locale faible : 2,5 MW)
La centrale injecte 9,5 MW. Le flux net remonte vers le poste source (+7,0 MW). Risque :
surtension à 21,8 kV au point de raccordement (seuil limite 22,0 kV).
Action Smart Grid : l'onduleur PV bascule en mode absorption de puissance réactive
(cos φ = 0,95 inductif, Q = −3,1 MVAr), un système BESS de 3 MW / 6 MWh absorbe le
surplus, et les bornes de recharge VE de la zone industrielle sont basculées en charge rapide.
La tension se stabilise à 20,4 kV.
À 14 h 15 (passage soudain d'un orage d'été)
La production solaire s'effondre de 9,5 MW à 1,8 MW en 90 secondes.
Action Smart Grid : le BESS inverse instantanément son flux pour injecter 3 MW, l'ADMS
commande l'effacement temporaire de 1 MW de groupes de froid agroalimentaires,
empêchant toute variation anormale de tension sur la boucle.
À 19 h 00 (pointe de soirée, production solaire nulle)
La demande des 2 500 foyers atteint 7,2 MW.
Action Smart Grid : la batterie BESS restitue l'énergie stockée à midi à pleine puissance (3
MW pendant 2 heures), divisant par deux le soutirage sur le réseau de grand transport et
réduisant les pertes par effet Joule de 45 %.
19
CHAPITRE III : TECHNOLOGIES DES
NOUVELLES LIGNES INTELLIGENTES
(NLI) ET DES NTIC
3.1. Principes des nouvelles lignes intelligentes (NLI), rôle et limites des
lignes conventionnelles
3.1.1. Principes des nouvelles lignes intelligentes
Les nouvelles lignes intelligentes (NLI) constituent une évolution des lignes électriques
conventionnelles grâce à l’intégration de technologies de mesure, de communication et de
contrôle. Elles permettent de surveiller en temps réel l’état des lignes, de mieux connaître leurs
conditions de fonctionnement et d’optimiser le transport de l’énergie électrique. Des capteurs
placés sur le conducteur ou à proximité (température, courant, flèche, conditions
météorologiques locales) transmettent leurs données à un système de communication et de
supervision, qui en déduit la capacité réellement disponible à chaque instant. La figure 3.1
illustre le principe d’une ligne équipée de capteurs et reliée à un centre de supervision.
Figure 2: Les nouvelles lignes intelligentes (NLI)
Contrairement aux lignes classiques, dont l’exploitation repose principalement sur des
paramètres prédéfinis et des marges de sécurité fixes, les lignes intelligentes peuvent exploiter
des données actualisées pour adapter leur utilisation aux conditions réelles du réseau. Cette
approche favorise une meilleure utilisation des infrastructures existantes et contribue à
améliorer la flexibilité du système électrique. La ligne n’est plus exploitée selon une valeur
figée, mais selon son état thermique réel, dans le respect des limites de sécurité.
20
Cette approche s’explique par la physique de la ligne. La capacité de transport d’une ligne
aérienne est limitée avant tout par la température maximale admissible de son conducteur.
Lorsque le courant circule, l’effet Joule (RI2) échauffe le conducteur. Si la température dépasse
un seuil, deux risques apparaissent : une dilatation qui augmente la flèche et réduit les distances
de sécurité au sol, et une perte progressive de résistance mécanique du métal. Cette température
ne dépend pas seulement du courant : elle dépend aussi de la température ambiante, de la
vitesse du vent, qui refroidit le conducteur, et du rayonnement solaire, qui l’échauffe. Les lignes
conventionnelles fixent leur limite à partir de conditions météorologiques défavorables
supposées constantes (vent faible, forte chaleur, fort ensoleillement), selon des méthodes de
calcul normalisées comme celles de l’IEEE 738 ou des guides du CIGRE [1, 2]. Cette valeur
statique est sûre, mais elle est prudente : ces conditions sont rares, et la capacité réelle de la
ligne est le plus souvent supérieure.
3.1.2. Rôle des nouvelles lignes intelligentes
Les NLI remplissent plusieurs fonctions essentielles :
•
Surveillance en temps réel : collecte des informations sur la température, le courant, la
flèche, les conditions météorologiques et l’état des équipements.
•
Optimisation de la capacité de transport : adaptation de l’exploitation des lignes aux
conditions réelles, dans le respect des limites thermiques et des contraintes de sécurité,
en exploitant la marge disponible lorsque les conditions sont favorables.
•
Amélioration de la fiabilité : détection plus rapide des anomalies (surcharges, défauts,
situations à risque) et contribution à la prévention des incidents, ce qui réduit les délais
d’intervention.
•
Facilitation de l’intégration des énergies renouvelables : meilleure gestion des
variations de production et des flux d’énergie décentralisés.
•
Renforcement de la flexibilité du réseau : possibilité de réagir plus efficacement aux
variations de la demande et de la production électrique.
3.1.3. Rôle et limites des lignes conventionnelles
Les lignes conventionnelles assurent le transport et la distribution de l’énergie électrique entre
les centrales de production, les postes électriques et les consommateurs. Elles constituent la
base physique du réseau électrique et sont conçues pour fonctionner dans des conditions
techniques déterminées.
21
Cependant, leur exploitation présente certaines limites. La capacité de transport est souvent
évaluée à partir de conditions de référence et de marges de sécurité prédéfinies. Lorsque les
conditions météorologiques ou la demande évoluent, cette approche peut conduire à une
utilisation moins optimale des infrastructures.
De plus, le manque de mesures en temps réel sur certaines portions du réseau peut ralentir la
détection des anomalies et limiter la réactivité des opérateurs. L’intégration croissante des
productions renouvelables décentralisées accentue également les besoins en surveillance et en
adaptation du réseau. Les principales limites des lignes conventionnelles peuvent ainsi être
résumées comme suit :
•
Capacité statique : la limite est calculée avec des hypothèses prudentes, ce qui laisse
une partie de la capacité inexploitée.
•
Faible observabilité : l’absence de mesures en temps réel sur de nombreuses portions
retarde la détection et la localisation des défauts.
•
Flux unidirectionnel : le réseau a été conçu pour acheminer l’énergie des grandes
centrales vers les consommateurs ; il est peu adapté à la production décentralisée, qui
peut inverser les flux.
•
Pertes : les pertes par effet Joule et les chutes de tension pèsent sur le rendement, surtout
sur les longues distances.
•
Coût et délais d’extension : construire une nouvelle ligne demande des investissements
élevés, des autorisations et plusieurs années.
Ainsi, les nouvelles lignes intelligentes ne remplacent pas nécessairement les lignes
conventionnelles : elles les modernisent en leur associant des dispositifs de mesure, de
communication et de contrôle. Cette évolution permet d’améliorer l’exploitation du réseau sans
devoir systématiquement construire de nouvelles lignes.
Pour assurer cette surveillance et cette adaptation aux conditions réelles, les nouvelles lignes
intelligentes s’appuient sur des capteurs et des systèmes de mesure capables de fournir des
informations précises sur leur état de fonctionnement.
3.2. Capteurs intelligents et systèmes de mesure des paramètres des lignes
Les capteurs intelligents constituent des éléments essentiels des nouvelles lignes intelligentes.
Ils permettent de mesurer les grandeurs électriques, thermiques et mécaniques des lignes, puis
de transmettre les informations recueillies aux systèmes de supervision. Ces données facilitent
la surveillance de l’état du réseau, la détection des anomalies et l’optimisation de l’exploitation
22
des infrastructures électriques. La figure 3.2 présente les paramètres mesurés et la chaîne de
mesure correspondante.
Figure 3 : Capteurs intelligents et systèmes de mesure
3.2.1. Principaux paramètres mesurés
Les capteurs installés sur les lignes électriques permettent de surveiller plusieurs paramètres
importants :
•
La température des conducteurs : elle permet d’évaluer leur échauffement sous l’effet
du courant électrique et des conditions environnementales. Elle est mesurée par des
thermocouples, des sondes à résistance (PT100) ou par fibre optique (diffusion Raman
ou Brillouin).
•
Le courant électrique : sa mesure permet de suivre la charge transportée par la ligne et
de vérifier le respect de ses limites d’exploitation. Elle repose sur des transformateurs
de courant, des bobines de Rogowski ou des capteurs à effet Hall.
•
La tension mécanique et la flèche des conducteurs : elles renseignent sur les contraintes
mécaniques et la distance entre les conducteurs et le sol. Elles sont obtenues avec des
jauges de contrainte, des inclinomètres, le GPS ou des systèmes de vision et de LiDAR.
•
Les paramètres météorologiques : la température ambiante, la vitesse du vent et le
rayonnement solaire influencent le refroidissement des conducteurs et leur capacité de
transport. Ils sont mesurés par des thermomètres, des anémomètres et des pyranomètres.
23
•
Les vibrations et l’inclinaison : leur surveillance permet notamment de détecter
certaines perturbations mécaniques et d’évaluer le comportement des lignes. Les
accéléromètres détectent en particulier le galop et les vibrations éoliennes.
On distingue deux familles de capteurs. Les capteurs embarqués, fixés sur le conducteur,
mesurent directement la température, le courant et parfois la flèche ; ils sont souvent alimentés
par le champ électromagnétique de la ligne ou par un petit panneau solaire. Les capteurs
déportés, placés sur les pylônes ou dans des stations proches, mesurent surtout la météo locale ;
ils sont plus faciles à entretenir, mais décrivent le conducteur de façon indirecte.
La mesure de ces paramètres contribue à une meilleure connaissance des conditions réelles de
fonctionnement des lignes électriques [3]. Le tableau 3.1 résume les paramètres mesurés et les
technologies de capteurs associées.
Paramètre
Capteurs
Principe de mesure
Température du
conducteur
Thermocouples, sondes à résistance
(PT100), fibre optique
Variation d’une tension ou d’une
résistance avec la température ;
diffusion de la lumière (effets Raman ou
Brillouin) pour la fibre
Courant électrique
Transformateurs de courant, bobines de
Rogowski, capteurs à effet Hall
Induction électromagnétique ou effet
Hall
Tension mécanique et
flèche
Jauges de contrainte, inclinomètres, GPS,
vision ou LiDAR
Mesure de la déformation, de l’angle ou
de la position du conducteur
Paramètres
météorologiques
Thermomètres, anémomètres,
pyranomètres
Mesure de la température ambiante, de
la vitesse du vent et du rayonnement
solaire
Vibrations et
inclinaison
Accéléromètres, inclinomètres
Mesure de l’accélération et de l’angle
(galop, vibrations éoliennes)
Tableau 4 : Paramètres mesurés, capteurs et principes de mesure [3]
La température du conducteur, le courant et la météo sont les données d’entrée du calcul
thermique de la ligne. Ce calcul repose sur un bilan d’équilibre entre l’échauffement (effet
Joule, rayonnement solaire) et le refroidissement (convection due au vent, rayonnement) [2].
Les mesures permettent ainsi de déterminer à chaque instant le courant maximal admissible
sans dépasser la limite thermique.
3.2.2. Fonctionnement des systèmes de mesure intelligents
Un système de mesure intelligent comprend généralement des capteurs, une unité d’acquisition
et de traitement des données, ainsi qu’un dispositif de communication. Les capteurs détectent
24
les variations des grandeurs physiques, puis les signaux recueillis sont convertis en données
exploitables. Ces données sont ensuite transmises à un système de supervision où elles peuvent
être analysées par les opérateurs.
Le fonctionnement de ce système peut être résumé en quatre étapes :
1. Acquisition : mesure des paramètres électriques, thermiques et mécaniques.
2. Traitement : conversion et analyse préliminaire des mesures. Il comprend le
conditionnement du signal (amplification, filtrage), la conversion analogiquenumérique et l’horodatage.
3. Transmission : acheminement des données vers une plateforme de supervision.
4. Exploitation : interprétation des résultats pour surveiller le réseau et orienter les
décisions de conduite.
Cette organisation permet de dépasser les inspections exclusivement périodiques et de disposer
d’informations plus fréquentes sur l’état des lignes. La synchronisation temporelle est
importante : elle permet de comparer des mesures prises en plusieurs points de la ligne.
3.2.3. Apports et limites des capteurs intelligents
L’utilisation des capteurs intelligents présente plusieurs avantages. Elle améliore la
surveillance des infrastructures, facilite la détection précoce de certaines anomalies et permet
une maintenance mieux ciblée. Les mesures obtenues contribuent également à une exploitation
plus efficace des lignes, notamment lorsque les conditions météorologiques et la demande
électrique varient.
Cependant, leur déploiement présente certaines contraintes : coût d’installation et de
maintenance, alimentation énergétique des dispositifs, fiabilité des communications, précision
des mesures et résistance aux conditions environnementales. S’y ajoutent l’étalonnage, car les
capteurs dérivent dans le temps, et la cybersécurité, car des capteurs connectés élargissent la
surface d’attaque. La qualité des décisions dépend donc de la fiabilité des capteurs et de la
bonne exploitation des données recueillies.
En définitive, les capteurs intelligents constituent la base de la surveillance en temps réel des
nouvelles lignes intelligentes. Les informations qu’ils fournissent permettent notamment
d’évaluer plus précisément la capacité de transport des lignes selon les conditions réelles
d’exploitation, ce qui conduit à la notion de gestion dynamique de la capacité de transport,
étudiée dans la section suivante.
25
3.3. Gestion dynamique de la capacité de transport des lignes (Dynamic
Line Rating)
3.3.1. Définition et principe de fonctionnement
La gestion dynamique de la capacité de transport des lignes, désignée par le terme anglais
Dynamic Line Rating (DLR), est une méthode qui permet d’évaluer la capacité maximale de
transport d’une ligne électrique aérienne en fonction de ses conditions réelles de
fonctionnement et de l’environnement. Contrairement à la capacité statique, déterminée à partir
d’hypothèses conventionnelles, la capacité dynamique évolue notamment en fonction de la
température ambiante, de la vitesse du vent et du rayonnement solaire [2, 4]. La figure 3.3
illustre l’écart entre la capacité statique et la capacité dynamique.
Figure 4 : Gestion dynamique de la capacité de transport (Dynamic Line Rating), schéma illustratif
Le principe du DLR repose sur la surveillance des paramètres de la ligne et l’utilisation de
modèles thermiques permettant d’estimer la température du conducteur et le courant maximal
admissible. En effet, le passage du courant provoque un échauffement par effet Joule, tandis
que le vent favorise le refroidissement du conducteur. Le rayonnement solaire et la température
ambiante influencent également son état thermique [2]. En régime permanent, la température
du conducteur résulte d’un équilibre entre les apports et les pertes de chaleur : I2·R(T) + Qs =
Qc + Qr, où I2·R(T) est l’échauffement par effet Joule, Qs l’apport solaire, Qc le refroidissement
par convection (vent) et Qr le refroidissement par rayonnement. En fixant la température
maximale admissible du conducteur, on en déduit le courant maximal I. Ce calcul est normalisé,
notamment par l’IEEE 738 et les brochures techniques du CIGRE [1, 2].
26
Ainsi, lorsque les conditions météorologiques favorisent le refroidissement du conducteur, la
ligne peut transporter davantage de courant, dans le respect de ses limites thermiques et des
distances de sécurité. À l’inverse, lorsque les conditions sont défavorables, sa capacité
admissible peut diminuer. La vitesse du vent est le facteur le plus influent, et sa direction
compte aussi : un vent perpendiculaire à la ligne refroidit davantage qu’un vent parallèle.
Plusieurs études font état de gains de capacité de l’ordre de 10 à 30 % par rapport à la valeur
statique selon les sites et les périodes [réf. à ajouter].
3.3.2. Principaux éléments du système DLR
La mise en œuvre du DLR repose principalement sur les éléments suivants :
•
Les dispositifs de mesure : ils recueillent des données sur la température du conducteur,
le courant, la tension mécanique ou la flèche de la ligne.
•
Les stations météorologiques : elles mesurent notamment la température ambiante, la
vitesse et la direction du vent ainsi que le rayonnement solaire.
•
Les modèles de calcul thermique : ils exploitent les données recueillies pour estimer la
capacité de transport admissible de la ligne.
•
Les systèmes de supervision : ils transmettent les résultats aux opérateurs afin de
faciliter les décisions d’exploitation.
Les méthodes de calcul peuvent s’appuyer directement sur les mesures de l’état du conducteur
ou indirectement sur les données météorologiques et des modèles thermiques. On distingue
ainsi le DLR mesuré (température, tension mécanique ou flèche relevées sur la ligne), le DLR
calculé (météo locale et modèle thermique) et le DLR prévisionnel, qui s’appuie sur des
prévisions météorologiques pour planifier l’exploitation à l’avance, par exemple la veille pour
le lendemain. Dans les deux cas, la fiabilité des mesures et la prise en compte des portions les
plus contraignantes de la ligne sont essentielles [2]. La capacité de la ligne est en effet imposée
par sa portée la plus défavorable, par exemple un tronçon abrité du vent ou où la distance au
sol est la plus faible, d’où l’importance de bien choisir l’emplacement des capteurs.
3.3.3. Avantages et limites du DLR
Le DLR présente plusieurs avantages pour l’exploitation des réseaux électriques. Il permet de
mieux utiliser la capacité disponible des lignes existantes, de limiter certaines congestions et
de réduire, dans certaines situations, le besoin de renforcer immédiatement les infrastructures.
Il peut également faciliter l’intégration des énergies renouvelables en améliorant la capacité du
réseau à transporter l’énergie produite [réf. à ajouter]. Cet apport est d’autant plus intéressant
27
que la production éolienne coïncide souvent avec un fort refroidissement des lignes voisines,
ce qui augmente leur capacité au moment où la production est la plus élevée.
Toutefois, cette technologie présente certaines limites. Son efficacité dépend de la précision
des mesures, de la qualité des modèles thermiques et de la disponibilité des communications.
Une estimation trop optimiste de la capacité admissible peut entraîner une surchauffe des
conducteurs ou une flèche excessive, compromettant la sécurité de l’installation. Le
déploiement du DLR nécessite donc une évaluation rigoureuse des risques et le maintien de
marges de sécurité appropriées [2]. S’y ajoutent d’autres contraintes : la ligne n’est pas le seul
élément limitant, car les transformateurs, les disjoncteurs, les protections ou la stabilité de
tension peuvent plafonner la capacité avant elle ; le coût d’installation des capteurs et du
système de traitement ; la cybersécurité des données transmises ; et la nécessité d’un cadre
d’exploitation et de réglementation qui permette aux opérateurs de s’appuyer sur des capacités
variables dans le temps.
En définitive, le Dynamic Line Rating constitue un levier important de modernisation des
réseaux électriques. En adaptant la capacité de transport aux conditions réelles, il contribue à
une exploitation plus flexible des infrastructures existantes. Son efficacité dépend toutefois de
la disponibilité de données fiables, ce qui souligne l’importance des technologies de
communication et des systèmes de transmission des informations étudiés dans la section
suivante.
3.4. Technologies de communication, Internet des objets (IoT) et
interopérabilité
3.4.1. Technologies de communication dans les Smart Grids
Les technologies de communication jouent un rôle essentiel dans les réseaux électriques
intelligents, car elles assurent l’échange d’informations entre les capteurs, les compteurs
intelligents, les équipements de contrôle et les centres de supervision. Elles permettent de
transmettre les mesures recueillies sur le réseau afin de faciliter son suivi et d’améliorer la prise
de décision. Les besoins varient selon l’application : une protection de ligne exige une latence
de quelques millisecondes, alors que la remontée des index de compteurs tolère plusieurs
minutes. La figure 3.4 présente les principales technologies de communication, les objets
connectés et l’interopérabilité.
28
Figure 5 : Technologies de communication, IoT et interopérabilité
Selon les besoins et les contraintes du réseau, plusieurs technologies peuvent être utilisées :
•
La fibre optique : elle offre un débit élevé, une faible latence et une bonne immunité
aux perturbations électromagnétiques. Elle est particulièrement adaptée aux
communications exigeantes entre les postes électriques et les centres de contrôle. Elle
est souvent intégrée au câble de garde (OPGW) des lignes à haute tension, mais son
coût de déploiement reste élevé.
•
Les réseaux cellulaires : les technologies telles que la 4G et la 5G peuvent assurer la
transmission des données provenant des équipements éloignés, selon la couverture et
les performances disponibles. Leur déploiement est rapide et peu coûteux pour
l’opérateur du réseau, mais ils dépendent d’un tiers et de la couverture locale.
•
Les communications radio : elles permettent de relier des équipements sans nécessiter
de câblage de communication, notamment dans les installations étendues. On y trouve
les liaisons point à point, les réseaux maillés et les technologies bas débit longue portée
(LoRa, par exemple), adaptées aux capteurs peu gourmands en énergie.
•
Les communications par courant porteur en ligne (CPL) : elles utilisent les conducteurs
électriques existants pour transmettre des informations, notamment dans certaines
infrastructures de comptage intelligent. Leur qualité peut toutefois être dégradée par le
bruit et les perturbations présents sur le réseau.
Le choix d’une technologie dépend notamment de la distance, du débit nécessaire, du temps de
réponse attendu, du coût de déploiement et du niveau de sécurité requis [5]. Dans la pratique,
29
les réseaux combinent plusieurs technologies : la fibre pour l’épine dorsale, le cellulaire ou la
radio pour les zones isolées, et le CPL pour la desserte finale.
3.4.2. Rôle de l’Internet des objets (IoT)
L’Internet des objets (Internet of Things, IoT) désigne un ensemble d’objets physiques équipés
de capteurs, de moyens de communication et, parfois, de capacités de traitement leur
permettant de collecter et d’échanger des données.
Dans les Smart Grids, l’IoT permet de connecter différents équipements du réseau électrique,
tels que les capteurs installés sur les lignes, les compteurs intelligents, les dispositifs de
surveillance des transformateurs et certains équipements de commande.
Son fonctionnement repose généralement sur trois opérations : l’acquisition des données par
les objets connectés, leur transmission vers une plateforme de traitement, puis leur exploitation
pour surveiller ou optimiser le fonctionnement du réseau. Les échanges s’appuient sur des
protocoles légers, comme MQTT, conçus pour les équipements à faible puissance et les liaisons
peu fiables. Une partie du traitement peut être faite près des équipements (edge computing), ce
qui réduit les délais et le volume de données transmises.
Par exemple, un capteur mesurant la température d’un conducteur peut transmettre ses relevés
à un système de supervision. L’analyse de ces informations permet alors de détecter un
échauffement anormal et d’aider les opérateurs à adapter les conditions d’exploitation. Ce
même capteur alimente le calcul du DLR présenté en 3.3.
Ainsi, l’IoT contribue à améliorer la visibilité sur l’état du réseau, à faciliter la maintenance
préventive et à soutenir une gestion plus flexible des infrastructures électriques. Il pose
cependant des défis : autonomie énergétique des objets, volume de données à traiter et surface
d’attaque élargie.
3.4.3. Interopérabilité des équipements et des systèmes
L’interopérabilité désigne la capacité de différents équipements et systèmes à échanger des
informations et à les interpréter correctement afin de fonctionner ensemble. Elle est
indispensable dans les Smart Grids, où les dispositifs de mesure, de communication, de
protection et de commande peuvent provenir de fabricants différents.
Cette interopérabilité nécessite notamment des formats de données communs, des interfaces
compatibles et des règles de communication normalisées. À cet égard, la série de normes IEC
61850 joue un rôle important dans l’automatisation des réseaux électriques en définissant des
modèles de données et des mécanismes de communication favorisant l’interopérabilité des
30
équipements [6]. Elle est complétée par d’autres normes, comme l’IEC 61968/61970 (modèle
commun d’information, CIM) pour les échanges entre systèmes d’information, et par le modèle
SGAM présenté au chapitre I, qui structure l’interopérabilité en couches.
Cependant, l’interopérabilité ne dépend pas uniquement de la compatibilité technique. Elle
suppose également une configuration cohérente des équipements, une bonne interprétation des
données échangées et des mesures de cybersécurité adaptées. Ces mesures comprennent
notamment le chiffrement des échanges, l’authentification des équipements, la segmentation
des réseaux et la surveillance des intrusions. La série IEC 62351 définit des mesures de sécurité
pour les protocoles utilisés dans les systèmes électriques [7].
En définitive, les technologies de communication, l’IoT et l’interopérabilité constituent le
système nerveux informationnel des Smart Grids. Elles assurent la circulation des données
nécessaires à la surveillance et à la conduite du réseau. Ces échanges permettent notamment de
recueillir les informations de consommation et de production, ce qui conduit à l’étude des
compteurs intelligents et des infrastructures de mesure avancée dans la section suivante.
3.5. Compteurs intelligents et infrastructures de mesure avancée (AMI)
3.5.1. Définition et fonctionnement des compteurs intelligents
Les compteurs intelligents sont des dispositifs électroniques capables de mesurer et
d’enregistrer la consommation d’énergie électrique à des intervalles déterminés, puis de
transmettre les données recueillies grâce à un système de communication. Contrairement aux
compteurs traditionnels, qui nécessitent généralement un relevé manuel, ils facilitent la collecte
automatique des données et peuvent permettre des échanges bidirectionnels entre le
consommateur et le fournisseur d’électricité [8]. Les intervalles d’enregistrement sont
typiquement de 15 à 60 minutes, parfois moins, contre un index relevé une à quelques fois par
an pour un compteur classique. La figure 3.5 schématise les composants d’une infrastructure
de mesure avancée.
31
Figure 6: Compteurs intelligents et infrastructure de mesure avancée (AMI)
Ces compteurs peuvent mesurer plusieurs grandeurs, notamment l’énergie consommée, la
puissance appelée et, selon leur configuration, la tension et le courant. Les données collectées
permettent de mieux connaître les habitudes de consommation, de repérer certaines anomalies
et d’améliorer la gestion de la demande électrique. Un compteur intelligent comprend un
module de mesure (capteurs de tension et de courant, convertisseur analogique-numérique,
microcontrôleur), une mémoire, un module de communication et, selon les modèles, un
dispositif de coupure et de réenclenchement à distance. Il peut aussi signaler les coupures de
courant, les variations de tension et les tentatives de fraude ou d’ouverture du boîtier. Le
compteur peut également mesurer l’énergie injectée, ce qui est utile pour les consommateurs
équipés d’une production photovoltaïque (autoconsommation avec injection).
3.5.2. Infrastructure de mesure avancée (AMI)
L’infrastructure de mesure avancée, désignée par le sigle anglais Advanced Metering
Infrastructure (AMI), représente un système intégré qui regroupe les compteurs intelligents, les
réseaux de communication et les plateformes de collecte et de gestion des données [9]. Elle se
distingue du relevé automatique des compteurs (AMR, Automatic Meter Reading), qui se limite
à la remontée unidirectionnelle des index : l’AMI est bidirectionnelle et permet aussi l’envoi
de commandes, de paramètres ou de mises à jour vers les compteurs.
Elle comprend principalement :
•
Les compteurs intelligents : ils mesurent et enregistrent les données de consommation.
32
•
Le réseau de communication : il assure la transmission des données entre les compteurs
et le fournisseur d’électricité. Selon le contexte, il fait appel au CPL, à la radio maillée,
au réseau cellulaire ou à une combinaison de ces technologies (voir 3.4).
•
Les concentrateurs et passerelles de communication : ils regroupent ou acheminent les
données lorsque l’architecture utilisée le nécessite. Un concentrateur, souvent installé
au poste de distribution, collecte les données de plusieurs dizaines ou centaines de
compteurs et les transmet vers le centre de données.
•
Les systèmes de gestion des données : ils stockent, vérifient et organisent les
informations pour leur exploitation. On y trouve le système de gestion des données de
comptage (MDMS, Meter Data Management System), qui valide, corrige et archive les
mesures avant leur utilisation pour la facturation et l’exploitation du réseau.
L’AMI permet ainsi d’automatiser le relevé des compteurs, de faciliter la détection de certaines
interruptions de service et de fournir des informations utiles à la gestion du réseau. Elle réduit
les pertes non techniques (fraude, erreurs de relevé), accélère la facturation et peut localiser
plus rapidement l’étendue d’une panne grâce aux alertes de dernier souffle envoyées par les
compteurs.
3.5.3. Contribution des compteurs intelligents à la flexibilité du réseau
Les compteurs intelligents et l’AMI contribuent à la flexibilité des Smart Grids en améliorant
la connaissance de la consommation électrique. Les données collectées permettent aux
gestionnaires d’identifier les périodes de forte demande, d’affiner les prévisions de charge et,
lorsque les données sont suffisamment fréquentes, de mieux adapter la gestion des ressources
disponibles.
Associée à des dispositifs de gestion de l’énergie, cette infrastructure peut également soutenir
les programmes d’effacement de consommation, dans lesquels certains consommateurs
réduisent ou déplacent leur consommation pendant les périodes de forte sollicitation du réseau.
Elle rend possible la tarification dynamique (tarifs horaires, tarifs de pointe), qui incite les
consommateurs à décaler leur consommation vers les heures où la production solaire est
abondante.
Toutefois, les compteurs intelligents ne garantissent pas, à eux seuls, une adaptation
automatique de la demande. Celle-ci dépend aussi des moyens de commande disponibles, des
programmes proposés aux consommateurs et des règles de fonctionnement du réseau. Dans les
33
réseaux de distribution, les données de l’AMI aident aussi à estimer l’état du réseau basse
tension, notamment les niveaux de tension chez les clients équipés de production solaire.
3.5.4. Limites et contraintes de déploiement
Le déploiement des compteurs intelligents nécessite des investissements dans les équipements,
les communications et les systèmes informatiques. Il soulève également des questions liées à
la cybersécurité, à la confidentialité des données de consommation, à la fiabilité des
communications et à la compatibilité avec les infrastructures existantes. Les données de
consommation révèlent les habitudes des occupants, ce qui impose le respect de règles de
protection des données personnelles. S’y ajoutent le volume de données à stocker et à traiter,
la durée de vie des compteurs et la nécessité d’accompagner les consommateurs pour qu’ils
comprennent et acceptent le dispositif. Dans les zones isolées ou à faible couverture de
communication, le déploiement est plus difficile et plus coûteux.
En définitive, les compteurs intelligents et l’AMI constituent une infrastructure essentielle pour
améliorer la connaissance des usages électriques et faciliter la gestion de la demande. Les
informations recueillies peuvent ensuite être exploitées par des systèmes de supervision et de
contrôle, notamment les systèmes SCADA, présentés dans la section suivante.
3.6. Systèmes de supervision, de contrôle et d’acquisition de données
(SCADA)
3.6.1. Définition et rôle des systèmes SCADA
Le SCADA (Supervisory Control and Data Acquisition) est un système informatique utilisé
pour superviser, contrôler et acquérir des données provenant d’installations industrielles et de
réseaux électriques. Dans les Smart Grids, il permet aux opérateurs de suivre l’état du réseau,
de visualiser les grandeurs mesurées et de commander à distance certains équipements. Il est
installé dans les centres de conduite, où les opérateurs assurent l’exploitation du réseau en
temps réel. La figure 3.6 présente l’architecture générale d’un système SCADA.
34
Figure 7 : Système SCADA
Le SCADA constitue ainsi un outil essentiel pour assurer la surveillance et la conduite du
réseau électrique. Il exploite les informations transmises par les dispositifs de mesure afin de
faciliter la prise de décision et d’améliorer la réactivité face aux variations de fonctionnement
ou aux incidents. Il fait le lien entre les mesures du terrain (capteurs, compteurs, postes) et les
décisions d’exploitation, par exemple l’ajustement du courant admissible d’une ligne à partir
du DLR présenté en 3.3.
3.6.2. Principaux composants d’un système SCADA
Un système SCADA comprend généralement les éléments suivants :
•
Les capteurs et les instruments de mesure : ils recueillent les données électriques et
physiques, telles que la tension, le courant, la puissance et la température.
•
Les unités terminales distantes (RTU) et les automates programmables industriels
(API) : ils collectent les données locales et assurent, selon leur configuration,
l’exécution des commandes. Dans les postes modernes, ils sont complétés par des
dispositifs électroniques intelligents (IED), tels que les relais de protection numériques,
qui intègrent mesure, protection et communication.
•
Le réseau de communication : il transmet les informations entre les installations
électriques et le centre de supervision. Il s’appuie sur des protocoles normalisés comme
l’IEC 60870-5-104, le DNP3 ou le Modbus, et sur l’IEC 61850 dans les postes
numériques (voir 3.4).
35
•
Le système central de supervision : il traite les données reçues et permet aux opérateurs
de visualiser l’état du réseau. Il comprend les serveurs d’acquisition, une base de
données historiques (archivage des mesures et des événements) et, souvent, des
serveurs redondants pour garantir la disponibilité.
•
L’interface homme-machine (IHM) : elle présente les mesures, les alarmes, les schémas
du réseau et les commandes disponibles.
Ces composants fonctionnent ensemble pour fournir une représentation actualisée de l’état des
installations et permettre une conduite plus efficace du réseau. Cette architecture est
hiérarchisée : le niveau terrain (capteurs, actionneurs), le niveau poste (RTU, API, IED), le
niveau communication, puis le niveau centre de conduite.
3.6.3. Fonctionnement et applications dans les Smart Grids
Le fonctionnement d’un système SCADA repose sur l’acquisition des données, leur
transmission, leur traitement et leur présentation aux opérateurs. L’acquisition se fait le plus
souvent par scrutation cyclique (polling) : le centre interroge régulièrement les RTU, avec une
période de l’ordre de quelques secondes, et certains protocoles permettent aussi la remontée
spontanée des changements d’état. Les événements importants (ouverture d’un disjoncteur,
déclenchement d’une protection) sont horodatés à la source pour que l’on puisse reconstituer
précisément leur séquence. Lorsque les conditions de fonctionnement deviennent anormales,
le système peut générer des alarmes. Selon les équipements installés et les autorisations
prévues, les opérateurs peuvent également envoyer des commandes à distance pour modifier
l’état de certains appareils.
Dans les Smart Grids, le SCADA est notamment utilisé pour :
•
surveiller les tensions, les courants et les puissances dans les postes électriques ;
•
détecter et signaler certaines anomalies de fonctionnement ;
•
commander des disjoncteurs et des appareils de coupure à distance ;
•
suivre les flux de puissance et faciliter la localisation des incidents ;
•
contribuer à la coordination de la production et de la distribution de l’énergie électrique.
Le SCADA sert aussi de base à des applications de plus haut niveau : les systèmes de gestion
de l’énergie (EMS) pour les réseaux de transport, qui calculent par exemple les répartitions de
charge, et les systèmes de gestion de la distribution (DMS), qui optimisent la tension et la
configuration du réseau. Leur association avec l’automatisation de la distribution donne les
36
systèmes ADMS. Il peut aussi intégrer les données de l’AMI (3.5) et les capacités calculées par
le DLR (3.3) pour adapter l’exploitation aux conditions réelles.
Par exemple, lorsqu’un défaut est détecté sur une portion du réseau de distribution, le SCADA
peut signaler l’anomalie à l’opérateur. Si l’installation dispose des équipements et des
automatismes nécessaires, une partie du réseau peut être isolée afin de limiter les conséquences
de l’incident. Cette séquence de localisation, d’isolation et de rétablissement du service sur les
tronçons sains est désignée par le sigle FLISR (Fault Location, Isolation and Service
Restoration). Elle peut réduire la durée de coupure de plusieurs dizaines de minutes à quelques
minutes, voire quelques secondes lorsqu’elle est entièrement automatisée.
3.6.4. Apports et limites des systèmes SCADA
Les systèmes SCADA améliorent la visibilité sur l’état du réseau, réduisent le besoin de
certaines interventions sur site et facilitent la détection des anomalies. Ils contribuent ainsi à la
continuité du service, à la rapidité des interventions et à une meilleure exploitation des
infrastructures électriques.
Cependant, leur efficacité dépend de la fiabilité des communications, de la qualité des données
et de la disponibilité des équipements. Le rythme d’acquisition de l’ordre de quelques secondes
convient à la conduite du réseau, mais il est insuffisant pour observer les phénomènes rapides
(oscillations, instabilités), ce qui motive l’usage complémentaire de mesures synchronisées par
GPS (PMU) dans les systèmes de surveillance étendue (WAMS). La visibilité reste en outre
limitée sur les réseaux basse tension, souvent peu équipés. Leur connexion à des réseaux de
communication les expose également à des risques de cybersécurité. Il est donc nécessaire de
mettre en œuvre des mesures de protection adaptées, notamment le contrôle des accès, la
segmentation des réseaux et la surveillance des communications. S’y ajoutent la sécurisation
des protocoles (série IEC 62351) [7], l’application des recommandations de la norme IEC
62443 pour les systèmes industriels, la redondance des serveurs et des liaisons, et la formation
du personnel. Beaucoup de systèmes anciens n’avaient pas été conçus pour être connectés à
des réseaux ouverts, ce qui rend leur modernisation délicate.
En définitive, le SCADA permet de transformer les données collectées sur le réseau en
informations utiles à sa supervision et à sa conduite. Toutefois, pour optimiser davantage le
fonctionnement des Smart Grids, il est également nécessaire de disposer d’équipements
capables d’agir directement sur les grandeurs électriques. Cette fonction est notamment assurée
par l’électronique de puissance et les onduleurs intelligents, étudiés dans la section suivante.
37
3.7. Électronique de puissance : onduleurs intelligents et gestion de la
puissance réactive
3.7.1. Rôle de l’électronique de puissance dans les Smart Grids
L’électronique de puissance regroupe les dispositifs permettant de convertir et de contrôler
l’énergie électrique à l’aide de composants électroniques. Dans les réseaux électriques
intelligents, elle joue un rôle essentiel dans l’intégration des sources d’énergie renouvelables,
le contrôle des échanges de puissance et l’amélioration de la qualité de l’énergie. Elle repose
sur des semi-conducteurs de puissance (diodes, MOSFET, IGBT, et de plus en plus des
composants en carbure de silicium) qui commutent à haute fréquence, pilotés par des
commandes comme la modulation de largeur d’impulsion (MLI). Cette commande rapide
donne aux convertisseurs une grande souplesse, avec des temps de réponse de l’ordre de la
milliseconde, bien plus courts que ceux des équipements électromécaniques. La figure 3.7
illustre le rôle d’un onduleur intelligent entre le générateur photovoltaïque et le réseau.
Figure 8 : Électronique de puissance : onduleurs intelligents et gestion de la puissance réactive
Elle est notamment utilisée dans les onduleurs, les convertisseurs électroniques et certains
dispositifs de compensation. Ces équipements permettent d’adapter les caractéristiques de
l’énergie produite ou consommée aux exigences du réseau électrique. On y trouve aussi les
convertisseurs des batteries de stockage et des bornes de recharge de véhicules électriques,
ainsi que les liaisons en courant continu haute tension (HVDC) et les dispositifs FACTS
(Flexible AC Transmission Systems) comme le STATCOM ou le compensateur statique SVC,
qui régulent la tension et les flux de puissance sur les réseaux de transport.
38
3.7.2. Onduleurs intelligents et intégration du solaire photovoltaïque
Les panneaux photovoltaïques produisent de l’électricité sous forme de courant continu, tandis
que les réseaux de distribution fonctionnent principalement en courant alternatif. L’onduleur
assure donc la conversion du courant continu en courant alternatif compatible avec le réseau.
Il intègre généralement un algorithme de recherche du point de puissance maximale (MPPT,
Maximum Power Point Tracking), qui ajuste en permanence le point de fonctionnement des
panneaux pour extraire le maximum de puissance malgré les variations d’ensoleillement et de
température. Pour se raccorder, l’onduleur se synchronise avec la tension du réseau (par
exemple à l’aide d’une boucle à verrouillage de phase, ou PLL) et injecte un courant en phase
avec elle. On distingue les onduleurs centralisés, les onduleurs de chaîne (string) et les microonduleurs, selon la puissance et l’organisation de l’installation.
Les onduleurs intelligents vont plus loin que cette simple conversion. Ils peuvent intégrer des
fonctions de surveillance et de commande permettant d’adapter leur fonctionnement aux
conditions du réseau. Selon leur configuration et les règles de raccordement applicables, ils
peuvent notamment :
•
régler la puissance active injectée dans le réseau (par exemple, réduire la production
lorsque la tension devient trop élevée, ce qui correspond au mode Volt-Watt) ;
•
contribuer à la régulation de la tension ;
•
fournir ou absorber de la puissance réactive, selon une consigne de facteur de puissance
fixe ou en fonction de la tension mesurée, ce qui correspond au mode Volt-Var ;
•
réduire ou interrompre l’injection dans certaines conditions anormales (déconnexion en
cas d’îlotage non intentionnel, ou maintien de la connexion lors de creux de tension
brefs, dit « fault ride-through », selon les codes de réseau) ;
•
transmettre des informations utiles aux systèmes de supervision, via des protocoles de
communication normalisés qui permettent aussi de recevoir des consignes à distance.
Ces fonctionnalités facilitent l’intégration des installations photovoltaïques, particulièrement
lorsque leur production varie rapidement en fonction de l’ensoleillement. La plupart des
onduleurs actuels sont dits « suiveurs de réseau » : ils s’appuient sur une tension de réseau
déjà établie pour injecter leur courant. Les onduleurs « formateurs de réseau » (grid-forming),
plus récents, imposent eux-mêmes une tension et une fréquence et peuvent participer à la
stabilité des réseaux faibles ou isolés, ce qui est utile pour les mini-réseaux solaires abordés au
39
chapitre VI. Ces fonctions sont encadrées par des normes de raccordement, par exemple l’IEEE
1547 ou l’EN 50549 [10].
3.7.3. Gestion de la puissance active et de la puissance réactive
Pour comprendre le rôle des onduleurs intelligents, il est nécessaire de distinguer deux
grandeurs.
La puissance active (P) correspond à la puissance effectivement convertie en énergie utile. Elle
s’exprime en watts (W) et permet notamment d’alimenter les équipements électriques.
La puissance réactive (Q) correspond à la puissance associée aux échanges périodiques
d’énergie entre les champs électriques et magnétiques des équipements fonctionnant en courant
alternatif. Elle s’exprime en voltampères réactifs (var) et intervient dans le fonctionnement de
nombreux appareils électriques ainsi que dans la régulation de la tension du réseau. Elle est
nécessaire pour créer les champs magnétiques des moteurs et des transformateurs, mais elle ne
produit pas de travail utile. Elle circule dans les lignes en même temps que la puissance active,
augmente le courant, donc les pertes par effet Joule et l’échauffement des conducteurs, ce qui
réduit la capacité de transport évoquée en 3.1 et 3.3. Les charges inductives (moteurs,
transformateurs) consomment de la puissance réactive, tandis que les condensateurs en
fournissent.
Dans certaines limites, un onduleur intelligent peut injecter ou absorber de la puissance réactive
afin de contribuer au maintien de la tension dans une plage acceptable. Par exemple, dans un
réseau de distribution présentant une hausse de tension liée à une forte injection photovoltaïque,
une stratégie adaptée d’absorption de puissance réactive peut contribuer à réduire cette hausse.
Son efficacité dépend toutefois des caractéristiques du réseau et des capacités de l’onduleur.
Le principe peut s’expliquer par la chute de tension le long d’une ligne, approximativement :
ΔU ≈ (R·P + X·Q) / U
où R et X sont la résistance et la réactance de la ligne. Lorsque l’onduleur injecte de la
puissance active, la tension augmente à son point de raccordement. En absorbant de la
puissance réactive (Q de signe opposé), il diminue le terme X·Q et limite cette hausse. Dans
les réseaux basse tension, où le rapport R/X est élevé, l’effet de Q est moins fort que dans les
réseaux à haute tension, et la réduction de la puissance active (Volt-Watt) devient souvent
nécessaire en complément. L’absorption de puissance réactive augmente aussi le courant dans
la ligne, donc les pertes.
40
La puissance active et la puissance réactive sont liées à la puissance apparente (S), exprimée
en voltampères (VA). Pour un régime sinusoïdal, on a :
S = √(P2 + Q2)
Cette relation montre que, pour une puissance apparente maximale donnée, la fourniture de
puissance réactive peut réduire la capacité instantanément disponible pour injecter de la
puissance active. La stratégie de commande doit donc tenir compte des limites de l’équipement.
Autrement dit, la puissance réactive maximale disponible est :
Qmax = √(Sn2 − P2)
où Sn est la puissance apparente nominale de l’onduleur. Une priorité est donc à définir :
privilégier la puissance active (production) ou la puissance réactive (soutien de tension), selon
les règles de raccordement. Le facteur de puissance, cos φ = P/S, résume ce rapport. Comme
un onduleur solaire fonctionne souvent à une puissance inférieure à sa valeur nominale, il
dispose en pratique d’une marge pour fournir de la puissance réactive. Certains onduleurs
peuvent même en fournir la nuit, lorsqu’ils ne produisent plus de puissance active.
3.7.4. Contribution à la flexibilité et limites
Les onduleurs intelligents contribuent à la flexibilité des Smart Grids en permettant une
adaptation plus fine des échanges électriques. Ils peuvent participer à la régulation de la
tension, améliorer l’intégration des productions renouvelables et soutenir la stabilité du réseau
lorsque leurs fonctionnalités sont coordonnées avec les autres équipements.
Cependant, leur efficacité dépend de leur capacité nominale, des réglages appliqués, des
exigences de raccordement et des caractéristiques du réseau. Leur installation implique
également des coûts et nécessite une coordination avec les systèmes de protection et de
commande. S’y ajoutent plusieurs contraintes : les harmoniques de courant générés par la
commutation (limités par des filtres et mesurés par le taux de distorsion harmonique, THD),
les pertes de conversion (rendement de l’ordre de 95 à 98 % selon les modèles), la faible inertie
qu’apporte un réseau riche en convertisseurs, qui le rend plus sensible aux variations de
fréquence, le risque d’interactions entre réglages d’onduleurs voisins mal coordonnés, et la
cybersécurité des onduleurs connectés et pilotables à distance.
En définitive, l’électronique de puissance constitue un levier essentiel pour contrôler les
échanges d’énergie dans les réseaux intelligents. Pour améliorer encore ces fonctions, les Smart
41
Grids peuvent exploiter les données collectées et les méthodes d’analyse avancées, notamment
l’intelligence artificielle, présentée dans la section suivante.
3.8. Intelligence artificielle et traitement des données pour la prévision de la
production solaire
3.8.1. Rôle du traitement des données dans les Smart Grids
Les réseaux électriques intelligents génèrent une grande quantité de données provenant des
capteurs, des compteurs intelligents, des stations météorologiques et des systèmes de
supervision [11]. Le traitement de ces données permet d’extraire des informations utiles pour
comprendre l’état du réseau, anticiper les variations de consommation et prévoir la production
des sources d’énergie renouvelables. Ces données alimentent aussi d’autres fonctions déjà
présentées : le DLR prévisionnel (3.3), la prévision de charge à partir de l’AMI (3.5) et les
applications avancées du SCADA (3.6). La figure 3.8 résume les données d’entrée, les
méthodes et le résultat d’une prévision de production solaire.
Figure 9: Intelligence artificielle et traitement des données pour la prévision de la production
solaire
Dans le cas de l’énergie solaire photovoltaïque, les données exploitées peuvent comprendre
l’irradiance solaire, la température ambiante, la température des panneaux, la couverture
nuageuse et l’historique de production. Leur analyse permet d’estimer la quantité d’électricité
qui sera produite sur une période donnée. Elles proviennent de plusieurs sources : les mesures
locales (pyranomètres, onduleurs, stations météo), les images satellitaires de la couverture
nuageuse, les caméras de ciel installées sur site et les prévisions de la météorologie numérique
(NWP, Numerical Weather Prediction). On y ajoute des variables calculées, comme la position
42
du soleil (heure, jour de l’année) et l’indice de ciel clair, qui compare l’irradiance mesurée à
celle d’un ciel sans nuages et permet de séparer l’effet astronomique de l’effet des nuages.
3.8.2. Application de l’intelligence artificielle à la prévision solaire
L’intelligence artificielle (IA) regroupe des méthodes informatiques capables d’analyser des
données, d’identifier des relations et de produire des estimations. Dans les Smart Grids,
certaines techniques d’apprentissage automatique (Machine Learning) sont utilisées pour
prévoir la production photovoltaïque à partir des données météorologiques et des mesures
historiques. On distingue les modèles physiques, qui calculent la production à partir de
l’irradiance prévue et des caractéristiques de l’installation, les modèles statistiques ou
d’apprentissage, qui apprennent les relations à partir des données, et les modèles hybrides qui
combinent les deux. Ces derniers sont souvent les plus performants, car la physique apporte la
structure et l’apprentissage corrige les écarts.
Les principales approches comprennent :
•
La régression statistique : elle établit des relations entre les variables météorologiques
et la production électrique.
•
Les arbres de décision et les méthodes d’ensemble (forêts aléatoires, gradient
boosting) : ils exploitent plusieurs variables pour estimer la production attendue.
•
Les réseaux de neurones artificiels : ils apprennent des relations complexes à partir des
données disponibles. Les réseaux récurrents de type LSTM, adaptés aux séquences
temporelles, et les réseaux convolutifs, utilisés pour analyser les images de ciel ou de
satellite, sont fréquemment cités.
•
Les modèles de séries temporelles (par exemple les modèles de type ARIMA) : ils
analysent l’évolution de la production dans le temps afin d’établir des prévisions à court
terme.
Le choix de la méthode dépend de l’horizon de prévision, de la qualité des données, des
ressources informatiques disponibles et de la précision recherchée. À chaque horizon
correspond une source principale : les caméras de ciel pour les toutes prochaines minutes, les
images satellitaires et les mesures récentes pour quelques dizaines de minutes à quelques
heures, et la prévision météorologique numérique pour le lendemain et au-delà.
3.8.3. Fonctionnement d’un système de prévision solaire
Un système de prévision fondé sur l’IA suit généralement plusieurs étapes :
43
1. Collecte des données : récupération des mesures de production et des informations
météorologiques.
2. Préparation des données : vérification, nettoyage et organisation des données afin de
limiter les erreurs. Elle comprend le traitement des valeurs manquantes ou aberrantes
(capteur en panne, dérive de mesure), la mise à la même échelle de temps des différentes
sources et le choix des variables d’entrée.
3. Entraînement du modèle : utilisation des données historiques pour apprendre les
relations entre les conditions météorologiques et la production solaire. Les données sont
généralement séparées en un jeu d’apprentissage et un jeu de test, afin de vérifier que
le modèle généralise à des situations qu’il n’a pas vues.
4. Génération des prévisions : estimation de la puissance photovoltaïque qui sera
disponible à un horizon déterminé.
5. Exploitation des résultats : transmission des prévisions aux outils de planification et de
conduite du réseau. Les résultats sont ensuite comparés aux mesures réelles pour
réentraîner ou corriger le modèle lorsque ses performances baissent.
Les prévisions peuvent être réalisées à différentes échéances, allant de quelques minutes à
plusieurs jours. Les prévisions à court terme sont particulièrement utiles pour anticiper les
variations rapides de production et adapter l’exploitation du réseau. La qualité d’une prévision
se mesure par des indicateurs d’erreur comme l’erreur absolue moyenne (MAE) et la racine de
l’erreur quadratique moyenne (RMSE), souvent exprimés en pourcentage de la puissance
installée. On les compare à un modèle de référence très simple, la persistance, qui suppose que
la production future sera égale à la production actuelle : un modèle n’est utile que s’il fait mieux
que cette référence. Les prévisions peuvent aussi être probabilistes, c’est-à-dire fournir une
fourchette de valeurs plutôt qu’une seule valeur, ce qui aide l’opérateur à dimensionner ses
marges.
3.8.4. Contribution à la flexibilité du réseau et limites
La prévision de la production solaire permet aux gestionnaires du réseau d’anticiper les
périodes de forte ou de faible production. Ils peuvent ainsi mieux planifier les ressources
disponibles, adapter le fonctionnement du stockage, organiser certains effacements de
consommation et réduire les déséquilibres entre la production et la demande. Elle aide en
particulier à gérer la courbe en canard (chapitre II) : en prévoyant l’heure et l’ampleur de la
chute de la production en fin d’après-midi, l’opérateur prépare à l’avance la montée en
puissance des autres moyens de production ou la décharge des batteries. Elle permet aussi de
44
programmer la charge des véhicules électriques et des batteries aux heures de forte production,
et d’anticiper les phénomènes de surtension en distribution (chapitre IV) par un réglage
préventif des onduleurs.
Par exemple, si une baisse importante de la production photovoltaïque est prévue en raison
d’un passage nuageux, le gestionnaire peut anticiper le recours à d’autres moyens de production
ou à l’énergie stockée, lorsque ces ressources sont disponibles.
Cependant, les prévisions restent soumises à des incertitudes liées aux changements
météorologiques, à la qualité des données et aux limites des modèles utilisés. Les systèmes
d’IA nécessitent également des données représentatives, des moyens de calcul adaptés et une
surveillance régulière de leurs performances. Ils doivent donc compléter, et non remplacer
systématiquement, l’expertise des opérateurs. Plusieurs limites supplémentaires méritent d’être
citées : les erreurs sont plus fortes par temps nuageux et variable que par ciel dégagé ; un
modèle entraîné sur un site se transpose mal à un autre climat ; beaucoup de modèles
d’apprentissage profond sont difficiles à interpréter, ce qui complique leur acceptation en
exploitation ; et l’accès à des données historiques fiables est parfois limité, notamment dans les
pays en développement où les stations de mesure sont peu nombreuses. Pour le nord du
Cameroun, la poussière en suspension pendant la saison de l’harmattan peut aussi réduire
l’irradiance et compliquer la prévision, point à développer au chapitre VI. S’y ajoutent la
protection et la sécurité des données échangées entre les capteurs, les plateformes et les
modèles.
En définitive, le traitement des données et l’intelligence artificielle permettent de passer d’une
gestion principalement réactive à une gestion davantage anticipative du réseau électrique.
Associées aux capteurs, aux communications et aux équipements de commande, ces
technologies renforcent la capacité des Smart Grids à intégrer les énergies renouvelables et à
répondre aux variations de la production et de la demande. Cette synthèse conduit à la section
3.9, qui montre comment l’ensemble de ces technologies contribue à la capacité de transport et
à la flexibilité du réseau.
3.9. Contribution des NLI et des NTIC à la capacité de transport et à la
flexibilité du réseau
Les nouvelles lignes intelligentes (NLI) et les nouvelles technologies de l’information et de la
communication (NTIC) contribuent à la modernisation des réseaux électriques en améliorant
la surveillance des infrastructures, l’exploitation des lignes et la gestion des flux d’énergie.
45
Leur association permet de mieux adapter le fonctionnement du réseau aux variations de la
production et de la demande électriques. Les technologies présentées dans les sections 3.2 à
3.8 forment en effet une chaîne : les capteurs mesurent (3.2), les communications transmettent
(3.4), le SCADA supervise et commande (3.6), l’électronique de puissance agit sur les
grandeurs électriques (3.7) et les outils d’analyse anticipent (3.8). La valeur de chaque maillon
dépend des autres : une mesure précise sans communication fiable reste inexploitable, et une
prévision sans moyen de commande ne change rien à l’exploitation. La figure 3.9 synthétise la
contribution des NLI et des NTIC.
Figure 10 : Contribution des NLI et des NTIC à la capacité de transport et à la flexibilité du réseau
3.9.1. Amélioration de la capacité de transport
Les NLI permettent une meilleure exploitation des infrastructures existantes grâce à
l’intégration de capteurs, de systèmes de mesure et de méthodes de calcul adaptées aux
conditions réelles de fonctionnement. Par exemple, la gestion dynamique de la capacité de
transport (Dynamic Line Rating) permet d’estimer le courant maximal admissible en tenant
compte des conditions météorologiques et thermiques.
Les NTIC renforcent cette approche en assurant la transmission des mesures vers les systèmes
de supervision. Les opérateurs disposent ainsi d’informations actualisées pour prendre des
décisions d’exploitation plus appropriées. Cette meilleure connaissance des conditions de
fonctionnement peut permettre d’augmenter la capacité utilisable de certaines lignes, sans
dépasser leurs limites de sécurité. Cette augmentation se fait sans nouveau tracé ni nouveau
conducteur, ce qui évite les délais et les coûts de construction évoqués en 3.1. D’autres leviers
agissent dans le même sens : la gestion de la puissance réactive (3.7), qui réduit le courant
transporté pour une même puissance active, et la commande des flux de puissance par
46
l’électronique de puissance, qui répartit la charge entre plusieurs lignes et évite d’en saturer
certaines. Les gains dépendent fortement du site et de la période, et ils sont plus marqués
lorsque le vent est fort.
3.9.2. Renforcement de la flexibilité du réseau
La flexibilité correspond à la capacité du système électrique à s’adapter aux variations de la
production, de la consommation et aux éventuelles perturbations. Il convient de la distinguer
de la capacité de transport : la capacité de transport est une limite physique de l’infrastructure,
exprimée en ampères ou en mégavoltampères, tandis que la flexibilité est une aptitude à
s’adapter dans le temps. La première en est une condition, mais elle ne suffit pas à la garantir.
Les NLI et les NTIC y contribuent de plusieurs manières :
•
Surveillance en temps réel : les capteurs fournissent des données sur l’état des lignes et
des équipements.
•
Communication rapide : les réseaux de communication transmettent les informations
nécessaires à la supervision et à la commande.
•
Automatisation : les systèmes de contrôle facilitent certaines opérations à distance et
accélèrent la réaction aux anomalies (par exemple la localisation, l’isolation et le
rétablissement automatiques après un défaut, présentés en 3.6).
•
Prévision de la production : les outils d’analyse des données et d’intelligence artificielle
permettent d’anticiper les variations de la production solaire.
•
Gestion des échanges électriques : les onduleurs intelligents et les autres équipements
de contrôle contribuent à la régulation de la tension et à l’intégration des ressources
énergétiques distribuées.
•
Gestion de la demande : les compteurs intelligents et l’AMI (3.5) rendent possibles la
tarification dynamique et l’effacement de consommation.
La combinaison de ces fonctions permet au réseau de mieux répondre aux changements de
conditions d’exploitation et de faciliter l’intégration des énergies renouvelables intermittentes.
Exemple d’application intégrée. Prenons une ligne qui évacue la production d’une centrale
solaire photovoltaïque. Les capteurs et les stations météo mesurent la température du
conducteur, le courant et le vent. Le calcul DLR détermine le courant admissible, et le SCADA
affiche cette valeur à l’opérateur. Parallèlement, la prévision de production solaire indique à
quelle heure le pic arrivera et si un passage nuageux est attendu. L’opérateur peut alors prévoir
l’évacuation du pic sans délestage, et, si la tension monte au point de raccordement, les
47
onduleurs de la centrale absorbent de la puissance réactive ou réduisent leur injection. Sans
mesure ni communication, la ligne serait limitée par sa valeur statique, et une partie de la
production solaire serait écrêtée. Le tableau 3.2 résume le rôle de chaque technologie.
Technologie
Fonction principale
Effet sur la capacité de
transport
Effet sur la flexibilité
Capteurs intelligents
(3.2)
Mesurer l’état de la
ligne
Fournissent les données du
calcul thermique
Visibilité en temps réel
DLR (3.3)
Calculer la capacité
réelle
Exploite la marge
disponible
Capacité adaptée aux
conditions
Communication et IoT
(3.4)
Transmettre les
données
Rend les mesures
exploitables
Réaction rapide
AMI (3.5)
Mesurer la
consommation
Indirect : meilleure
prévision de charge
Gestion de la demande
SCADA (3.6)
Superviser et
commander
Application du DLR par
l’opérateur
Commande à distance,
reconfiguration
Onduleurs et
électronique de
puissance (3.7)
Contrôler P et Q
Réduit le courant inutile,
répartit les flux
Régulation de tension,
intégration du solaire
IA et prévision (3.8)
Anticiper la production
DLR prévisionnel,
planification
Préparation des moyens de
réserve
Tableau 5 : Rôle de chaque technologie dans la capacité de transport et la flexibilité du réseau
3.9.3. Limites et conditions de mise en œuvre
Malgré leurs avantages, les NLI et les NTIC ne garantissent pas, à elles seules, une
augmentation systématique de la capacité de transport ou de la flexibilité. Les résultats
dépendent notamment de l’état des infrastructures, de la précision des mesures, de la fiabilité
des communications et de la coordination entre les équipements.
Leur déploiement nécessite également des investissements, des compétences techniques, une
maintenance adaptée et des mesures de cybersécurité. Enfin, les contraintes électriques du
réseau, telles que les limites de tension, la stabilité et les capacités des transformateurs, doivent
être prises en compte. Les réseaux de transport sont de plus exploités selon le critère de sécurité
N-1, qui exige que la perte d’un élément (une ligne, un transformateur) ne provoque pas de
surcharge ailleurs : la capacité dynamique ne doit donc pas être exploitée jusqu’à une limite
qui empêcherait de supporter un tel incident. S’y ajoutent le cadre réglementaire (autorisation
d’utiliser des capacités variables, règles de raccordement), l’interopérabilité entre équipements
48
de fabricants différents, la formation des opérateurs et la qualité des données, dont dépend toute
la chaîne. Le niveau de maturité varie aussi selon les technologies : le comptage intelligent est
largement déployé, alors que le DLR et les onduleurs formateurs de réseau le sont encore peu.
Un déploiement progressif, en commençant par les lignes les plus contraintes ou les plus
chargées, est donc plus réaliste qu’un équipement généralisé.
En définitive, les NLI et les NTIC constituent des leviers complémentaires pour améliorer
l’utilisation des infrastructures électriques et renforcer la flexibilité du réseau. Toutefois, leur
efficacité dépend de leur intégration cohérente dans l’ensemble du système électrique. Il
convient donc d’examiner ensuite comment les Smart Grids transforment concrètement les
réseaux de distribution, notamment face au développement de la production solaire
décentralisée.
49
CHAPITRE IV :INTÉGRATION DES SMART
GRIDS DANS LES RÉSEAUX DE
DISTRIBUTION
4.1. Structure et limites des réseaux de distribution classiques
Le réseau de distribution achemine l’énergie depuis les postes sources vers les
consommateurs raccordés en moyenne et basse tension. Il comprend notamment les départs
moyenne tension, les postes de transformation MT/BT, les lignes basse tension, les organes
de coupure, les dispositifs de protection et les branchements des clients. Dans une
configuration traditionnelle, les flux de puissance sont généralement conçus comme allant du
poste source vers les charges. L’instrumentation de certains tronçons peut être limitée et la
localisation des défauts dépendre fortement des interventions humaines.
Cette organisation demeure fonctionnelle lorsque les hypothèses de conception sont
respectées. Toutefois, la croissance de la demande, le vieillissement des actifs et l’intégration
de productions décentralisées rendent moins suffisante une exploitation fondée sur des
mesures peu fréquentes et des interventions après incident. L’Agence internationale de
l’énergie souligne que la visibilité opérationnelle, la connectivité et la capacité de commande
sont des fondations des réseaux modernes ; les réseaux de distribution doivent notamment
s’adapter à des flux de puissance plus variables et parfois bidirectionnels [1, 2].
4.1.1. Principales limites opérationnelles
• Visibilité limitée : sans mesures suffisamment réparties, l’exploitant peut connaître l’état
du poste source sans disposer d’une vision fiable de chaque départ ou des extrémités de
ligne.
• Localisation et rétablissement des défauts parfois lents : en l’absence de détection et
d’isolation automatisées, la recherche de panne peut nécessiter des patrouilles et plusieurs
manœuvres de terrain.
• Gestion de tension moins dynamique : les variations de charge et l’injection de
production locale peuvent provoquer des écarts que des réglages fixes ne corrigent pas
toujours efficacement.
• Capacité d’accueil mal connue : sans modèle de réseau actualisé et études de flux, il est
difficile d’évaluer la quantité de production photovoltaïque raccordable sans dépasser les
limites techniques.
• Données fragmentées : les informations des compteurs, postes, interventions et systèmes
de gestion peuvent être isolées les unes des autres.
Ces limites ne signifient pas que tout réseau classique est inefficace. Elles indiquent plutôt
que les méthodes de conduite doivent évoluer lorsque la topologie, les flux et les ressources
raccordées deviennent plus variables.
4.2. Principes de transformation vers un réseau de distribution intelligent
La transformation vers un réseau intelligent associe l’amélioration de l’infrastructure
électrique à l’acquisition de données et à des fonctions de supervision, d’analyse et de
commande. Elle ne se réduit ni à l’installation de compteurs communicants ni à l’achat d’un
logiciel SCADA. La valeur opérationnelle apparaît lorsque les données sont fiables,
50
disponibles à temps, correctement interprétées et reliées à des procédures d’exploitation ou à
des automatismes autorisés [1–3].
4.2.1. Briques fonctionnelles
1. Instrumentation : mesure des tensions, courants, puissances, états d’appareillage et, si
nécessaire, paramètres thermiques ou d’état des équipements.
2. Communication : transmission des mesures et événements avec des exigences de
disponibilité, de latence et de cybersécurité adaptées à chaque usage.
3. Modèle de réseau et gestion des données : représentation actualisée de la topologie, des
caractéristiques des équipements, des charges et des ressources distribuées.
4. Supervision et analyse : SCADA pour l’acquisition et la téléconduite ; selon la maturité
du réseau, systèmes DMS/ADMS pour l’analyse et l’optimisation de la distribution.
5. Commande et automatisation : régulation de tension, télécommande des organes de
coupure, reconfiguration de départs et gestion des ressources énergétiques distribuées.
6. Organisation et compétences : formation des opérateurs, maintenance des capteurs,
gestion des accès, procédures de secours et indicateurs de performance.
Le niveau d’automatisation doit être proportionné aux risques et aux capacités locales. Une
fonction de surveillance qui avertit un technicien peut être préférable à une commande
automatique mal validée. Les protections électriques critiques doivent conserver des
mécanismes locaux appropriés et ne pas dépendre exclusivement d’une liaison de
communication vers un centre distant.
4.3. Intégration de la production solaire décentralisée : autoconsommation,
injection et flux bidirectionnels
La production photovoltaïque décentralisée peut être installée sur les toitures, dans les sites
industriels, les établissements publics ou sous forme de petites centrales raccordées au réseau
de distribution. En autoconsommation, une partie de la production est consommée sur place ;
l’excédent peut être injecté si le raccordement, les protections, le comptage et les règles
applicables l’autorisent.
Dans un réseau traditionnel, le flux de puissance est souvent envisagé du poste source vers les
consommateurs. Lorsque la production locale dépasse la consommation instantanée d’une
zone, le flux peut s’inverser sur certains tronçons. Cette situation n’est pas intrinsèquement
dangereuse, mais elle change les conditions de fonctionnement et doit être prise en compte
dans les études de protection, de tension et de capacité thermique.
4.3.1. Conditions techniques d’intégration
•
•
•
•
•
Étude de raccordement : évaluer les tensions, courants, niveaux de court-circuit, limites
thermiques, qualité de l’énergie et coordination des protections.
Onduleurs conformes et réglages validés : les fonctions de soutien de tension, de
puissance réactive ou de réduction de puissance ne doivent être activées que si elles sont
compatibles avec les exigences du réseau.
Comptage adapté : distinguer l’énergie prélevée, l’énergie injectée et, lorsque nécessaire,
la production locale.
Visibilité opérationnelle : disposer d’informations suffisantes sur la production et l’état du
réseau, surtout lorsque la pénétration photovoltaïque devient importante.
Règles de raccordement transparentes : préciser les exigences techniques, responsabilités,
essais et conditions d’exploitation.
51
Le dimensionnement ne doit pas supposer que la puissance photovoltaïque installée sera
constamment disponible : la production dépend de l’irradiance et de la température. Les
études doivent aussi examiner les situations de forte production et de faible consommation,
souvent déterminantes pour l’élévation de tension.
4.4. Impacts du solaire sur la distribution : surtensions, inversion des flux et
capacité d’accueil
4.4.1. Élévation de tension
La tension varie selon les courants, l’impédance des conducteurs et les échanges de
puissance. Une injection photovoltaïque importante en bout de ligne peut provoquer une
hausse locale de tension, notamment lorsque la consommation est faible. Le risque dépend de
la résistance et de la réactance de la ligne, de la puissance injectée, de la configuration du
réseau et des dispositifs de régulation ; il doit donc être évalué par calcul et, si possible, par
mesures.
4.4.2. Inversion des flux et protection
Les flux inverses peuvent modifier la direction des courants en régime normal et lors de
certains défauts. Des protections directionnelles ou des réglages adaptés peuvent être
nécessaires selon la topologie et les caractéristiques des ressources raccordées.
L’augmentation de la puissance photovoltaïque ne conduit pas systématiquement à une
défaillance de protection : le besoin de modification doit être établi par une étude de
coordination.
4.4.3. Capacité d’accueil (hosting capacity)
La capacité d’accueil désigne la quantité de production distribuée qu’un réseau peut accepter
sans dépasser des critères techniques ou économiques définis : limites de tension, limites
thermiques, exigences de protection ou qualité de l’énergie. Ce n’est pas une valeur
universelle attachée à un départ ; elle dépend du scénario de charge, de la localisation des
installations, de la topologie, des réglages et des renforcements possibles.
Une démarche d’évaluation comprend : (i) collecte des caractéristiques du réseau ; (ii) mise à
jour du modèle électrique ; (iii) simulation de scénarios de faible charge et forte production ;
(iv) vérification des limites ; (v) identification des mesures correctives ; (vi) réévaluation
après travaux ou changement des réglages. Les outils numériques améliorent cette démarche
mais ne remplacent pas la validation par l’ingénieur réseau [1, 2].
4.5. Automatisation, reconfiguration et détection-isolation des défauts
L’automatisation de la distribution vise à détecter les événements anormaux, identifier la
section concernée, isoler la zone en défaut et rétablir l’alimentation des parties saines lorsque
la configuration et les règles de sécurité le permettent. Cette logique est souvent appelée
FLISR (*Fault Location, Isolation and Service Restoration*). Elle combine capteurs,
indicateurs de défaut, dispositifs de coupure télécommandés, communications et règles de
reconfiguration.
La reconfiguration modifie l’état ouvert/fermé de certains interrupteurs afin de transférer une
partie de la charge vers un autre départ. La solution doit vérifier les limites de courant, les
tensions, la capacité de secours, la sélectivité des protections et les contraintes d’exploitation.
La restauration automatique n’est donc pas une simple recherche de chemin : elle doit
garantir que le réseau reconfiguré reste sûr.
52
4.5.1. Séquence fonctionnelle simplifiée
a) Détection : un relais, un indicateur de défaut ou une mesure signale une anomalie.
b) Localisation : les indications disponibles permettent d’identifier la zone la plus
probable.
c) Validation : l’automatisme ou l’opérateur vérifie que les conditions d’une manœuvre
sont réunies.
d) Isolement : les appareils prévus ouvrent pour séparer la section en défaut.
e) Restauration : les parties saines sont réalimentées par une configuration alternative si
les critères de sécurité sont satisfaits.
f) Journalisation : les événements sont conservés pour améliorer le diagnostic et la
maintenance.
Les bénéfices attendus sont une réduction du temps de localisation et de rétablissement ainsi
qu’une limitation du nombre de clients affectés. Ils dépendent de la fiabilité des capteurs et
communications, de la qualité des modèles et de la maintenance des appareils de manœuvre.
4.6. Gestion de la tension et réduction des pertes électriques
La gestion de tension cherche à maintenir les tensions aux points de raccordement dans les
limites réglementaires et techniques. Les moyens mobilisables comprennent les régleurs en
charge des transformateurs, les régulateurs de ligne, les batteries de condensateurs, les
compensateurs, les fonctions de puissance réactive des onduleurs et, dans certains cas, la
reconfiguration du réseau. Le choix doit tenir compte de la coordination des dispositifs : des
actions locales non coordonnées peuvent provoquer des interactions ou des manœuvres
excessives.
La réduction des pertes exige de distinguer les pertes techniques des pertes non techniques.
Les pertes techniques sont liées notamment à l’effet Joule dans les conducteurs et aux pertes
des transformateurs. Les pertes non techniques sont associées, entre autres, aux erreurs de
comptage, aux raccordements irréguliers ou à des écarts de facturation. Les Smart Grids
peuvent contribuer aux deux catégories, mais par des moyens différents.
•
•
Pertes techniques : amélioration du dimensionnement et de la configuration des départs,
équilibrage des phases, gestion de tension et de puissance réactive, remplacement
d’équipements inefficaces et optimisation des flux.
Pertes non techniques : comptage fiable, rapprochement des données de consommation et
de livraison, détection d’anomalies et amélioration des processus de relevé et de
facturation.
La numérisation ne garantit pas à elle seule une baisse des pertes. Les économies doivent être
mesurées par des indicateurs et comparées à une situation de référence, en tenant compte des
variations de charge, de la météo et des coûts d’exploitation.
4.7. Comparaison des solutions techniques selon le coût, la capacité, la
fiabilité et la maintenance
Le tableau suivant est qualitatif. Les coûts réels dépendent de l’échelle, du contexte
géographique, des équipements existants, des communications et des exigences de
cybersécurité. Les catégories de coût ne remplacent donc pas une étude technicoéconomique.
53
Solution
Renforcement
conventionnel
Investissement
initial
Élevé selon les
travaux
Apport principal
Limites / risques
Maintenance
Augmente la
Travaux, délais,
Inspection des
capacité
emprises et coûts
actifs
physique et peut
réduire les
contraintes
thermiques
Capteurs et
Faible à moyen
Améliore la
Ne commande pas Étalonnage,
télérelève ciblée
visibilité sur des à lui seul le réseau alimentation,
points critiques
communications
SCADA et
Moyen à élevé
Supervision,
Dépend de la
Logiciels,
télécommande
alarmes et
qualité des
communications,
manœuvres à
données et de la
accès
distance
cybersécurité
Automatisation
Moyen à élevé
Peut réduire le
Nécessite
Essais périodiques
FLISR
temps
appareils
et validation
d’isolement et de télécommandés et
restauration
logiques robustes
Onduleurs
Faible à moyen
Peuvent soutenir Dépend des
Contrôle des
intelligents
s’ils sont prévus
la tension et
réglages et de la
réglages et mises à
au projet PV
faciliter
puissance
jour
l’intégration
disponible
solaire
Stockage par
Élevé
Décale l’énergie Coût, durée de
Surveillance
batteries
et peut fournir
vie, sécurité,
thermique et
certains services pertes de
gestion batterie
réseau
conversion
Dynamic Line
Moyen selon
Estime une
Dépend des
Capteurs,
Rating
instrumentation
capacité de ligne mesures et de
communications,
selon les
modèles validés
validation
conditions
réelles
Tableau 5 : Comparaison des solutions techniques selon le coût, la capacité, la fiabilité et la
maintenance
Une stratégie pragmatique combine souvent plusieurs solutions : instrumentation sur les points
critiques, amélioration des protections, supervision, puis automatisation et outils d’optimisation
lorsque la qualité des données et les compétences progressent. Les technologies numériques peuvent
retarder certains renforcements, mais ne remplacent pas les investissements physiques lorsqu’une
ligne ou un transformateur est réellement sous-dimensionné [1, 2].
4.8. Contribution des Smart Grids à la flexibilité des réseaux de
distribution
La flexibilité est la capacité d’un système électrique à adapter production, consommation, stockage ou
configuration afin de répondre aux variations et aux contraintes. Dans la distribution, les Smart Grids
rendent cette flexibilité plus observable et mobilisable : ils améliorent la connaissance des charges et
injections, coordonnent les ressources distribuées et permettent d’ajuster l’exploitation aux limites
locales.
Les moyens de flexibilité incluent la modulation de la demande, la recharge pilotée des véhicules
électriques, le stockage, les fonctions des onduleurs et la reconfiguration. Leur disponibilité dépend de
contrats, d’interfaces techniques, de règles de commande, d’incitations et d’une évaluation des
impacts sur les usagers. La flexibilité doit être coordonnée avec les besoins du système global et les
contraintes locales.
54
En synthèse, le Smart Grid transforme progressivement le réseau de distribution d’une infrastructure
principalement passive en un système mesuré, coordonné et pilotable. La réussite dépend autant de
l’ingénierie, de la qualité des données et de la cybersécurité que du choix des équipements.
55
CHAPITRE V : AVANTAGES, LIMITES ET
DÉFIS D’INTÉGRATION DES SMART
GRIDS
Les réseaux électriques intelligents, ou Smart Grids, constituent une évolution importante des
réseaux électriques traditionnels. Ils reposent sur l’intégration des technologies de
l’information et de la communication (TIC), des capteurs, des compteurs intelligents et des
systèmes automatisés de contrôle et de supervision. Ces technologies permettent d’améliorer
la gestion de l’électricité, de faciliter l’intégration des énergies renouvelables et de renforcer
la qualité de l’alimentation électrique (IEA, 2017 ; Gopstein et al., 2021).
Cependant, malgré leurs nombreux avantages, les Smart Grids présentent également des
limites liées à leur coût, à leur complexité technique, à la cybersécurité et à la protection des
données. Leur mise en œuvre nécessite donc une analyse approfondie de leurs avantages, de
leurs contraintes et des conditions nécessaires à leur intégration réussie.
5.1. Les avantages des Smart Grids
5.1.1. Amélioration de la continuité et de la qualité de service
Les Smart Grids permettent de détecter plus rapidement les défauts sur le réseau électrique,
de localiser leur origine et d’isoler les parties affectées. Grâce à l’automatisation et aux
systèmes de supervision, certaines opérations peuvent être réalisées à distance, ce qui réduit
les délais d’intervention et facilite le rétablissement de l’alimentation électrique.
Par exemple, les fonctions FLISR (Fault Location, Isolation and Service Restoration)
permettent de localiser un défaut, d’isoler la section concernée et de rétablir l’alimentation
des zones non touchées lorsque la configuration du réseau le permet. Ces fonctions
contribuent ainsi à améliorer la continuité de service et à limiter les conséquences des pannes
(Gopstein et al., 2021).
5.1.2. Réduction des pertes et amélioration de la gestion de la tension
Les Smart Grids facilitent le suivi des flux de puissance et la régulation de la tension grâce
aux mesures en temps réel et aux équipements de commande automatisés. Les systèmes de
gestion peuvent ajuster certains paramètres d’exploitation afin d’améliorer le fonctionnement
du réseau.
Les techniques d’optimisation de la tension et de la puissance réactive, notamment le
Volt/VAR Optimization (VVO) et le Conservation Voltage Reduction (CVR), peuvent
contribuer à réduire les pertes et la consommation d’énergie dans certaines conditions
d’exploitation. Les résultats dépendent toutefois des caractéristiques du réseau, des
équipements utilisés et des profils de consommation (IEA, 2017).
56
5.1.3. Optimisation de la capacité des lignes électriques
Les Smart Grids peuvent améliorer l’utilisation des infrastructures existantes grâce au suivi
de leurs conditions réelles de fonctionnement. Le Dynamic Line Rating (DLR), ou capacité
dynamique des lignes, consiste à estimer la capacité de transport d’une ligne en tenant
compte de paramètres tels que la température ambiante, le vent et l’échauffement du
conducteur.
Contrairement à une capacité fixée de manière conservatrice, cette méthode permet d’adapter
la capacité admissible aux conditions météorologiques et thermiques. Elle peut ainsi
contribuer à mieux exploiter les lignes existantes, tout en respectant leurs limites de sécurité
(CIGRE, 2006 ; CIGRE, 2014).
5.1.4. Facilitation de l’intégration des énergies renouvelables
L’intégration de sources d’énergie renouvelable, telles que le solaire photovoltaïque et
l’éolien, pose des défis en raison de leur variabilité et de leur dépendance aux conditions
météorologiques. Les Smart Grids facilitent leur intégration grâce à la surveillance du réseau,
à la prévision de la production et à l’adaptation de la demande.
Ils peuvent également fonctionner avec des systèmes de stockage par batteries et des
onduleurs dotés de fonctions avancées de contrôle. Ces dispositifs contribuent à maintenir
l’équilibre entre la production et la consommation et à améliorer la stabilité du réseau lorsque
la part des énergies renouvelables augmente (IEA, 2017 ; Gopstein et al., 2021).
5.1.5. Amélioration du comptage et réduction des pertes non techniques
Les compteurs intelligents, ou AMI (Advanced Metering Infrastructure), permettent de
relever les consommations à distance et de transmettre les données aux systèmes de gestion.
Ils facilitent la facturation, le suivi des consommations et la détection de certaines anomalies.
En comparant les données de consommation avec les mesures effectuées à différents niveaux
du réseau, les opérateurs peuvent identifier des écarts susceptibles de révéler des pertes non
techniques, des erreurs de comptage ou des consommations irrégulières. L’efficacité de cette
démarche dépend néanmoins de la qualité des équipements, de la communication des
données et des procédures de contrôle mises en place (IEA, 2017 ; Gopstein et al., 2021).
5.2. Les limites et les inconvénients des Smart Grids
5.2.1. Les risques liés à la cybersécurité
L’utilisation accrue des technologies numériques expose les réseaux électriques à de
nouvelles menaces informatiques. Une cyberattaque peut viser les systèmes de contrôle, les
équipements de communication ou les dispositifs de supervision. Elle peut perturber les
opérations, compromettre certaines données ou, dans les cas les plus graves, contribuer à
interrompre l’alimentation électrique.
Les incidents ayant touché le réseau électrique ukrainien en 2015 illustrent les risques
associés à la compromission des systèmes informatiques et industriels. La cybersécurité doit
donc être intégrée dès la conception des Smart Grids, au moyen de mesures telles que la
57
segmentation des réseaux, le contrôle des accès, la surveillance des systèmes et la mise à jour
sécurisée des équipements (CISA, 2016 ; Gopstein et al., 2021).
5.2.2. Le coût élevé des investissements et de la maintenance
Le déploiement des Smart Grids nécessite des investissements importants dans les compteurs
intelligents, les capteurs, les systèmes de communication, les logiciels de supervision et les
équipements automatisés. À ces coûts initiaux s’ajoutent les dépenses de formation, de
maintenance et de renouvellement des technologies.
La durée d’utilisation des infrastructures électriques traditionnelles peut être supérieure à
celle de certains équipements numériques. Cette différence impose une planification
rigoureuse du renouvellement des composants et des budgets nécessaires à leur maintenance.
L’analyse économique doit donc considérer non seulement le coût d’installation, mais aussi
les dépenses d’exploitation et les bénéfices attendus à long terme (IEA, 2017).
5.2.3. Les problèmes d’interopérabilité
Un Smart Grid regroupe des équipements et des systèmes provenant parfois de fabricants
différents. Lorsque ces équipements utilisent des protocoles ou des formats de données
incompatibles, leur intégration peut devenir complexe et coûteuse.
L’interopérabilité est donc essentielle pour permettre aux différents composants d’échanger
des informations et de fonctionner de manière coordonnée. Les normes de communication et
d’automatisation, notamment celles de la série IEC 61850, contribuent à structurer ces
échanges dans les systèmes électriques. Toutefois, leur mise en œuvre exige une conception
cohérente et une vérification de la compatibilité des équipements (IEC, s.d. ; Gopstein et al.,
2021).
5.2.4. Les difficultés liées à la gestion de la demande
Les Smart Grids permettent d’encourager le déplacement de certaines consommations vers
les périodes où l’électricité est plus disponible ou moins coûteuse. Cette pratique, appelée
gestion de la demande, peut améliorer l’équilibre entre la production et la consommation.
Cependant, si un grand nombre d’usagers déclenchent simultanément leurs appareils pendant
la même période tarifaire, une nouvelle pointe de consommation peut apparaître. Il est donc
nécessaire de concevoir des mécanismes de pilotage adaptés, d’informer les consommateurs
et d’éviter que les signaux tarifaires ne provoquent des comportements collectifs défavorables
au réseau (IEA, 2017).
5.2.5. Les impacts environnementaux
Les Smart Grids peuvent contribuer à une utilisation plus efficace de l’énergie et faciliter
l’intégration des sources renouvelables. Toutefois, leur développement nécessite la
fabrication de compteurs, de capteurs, de composants électroniques, de systèmes de
communication et de batteries.
Ces équipements consomment des matières premières et de l’énergie lors de leur fabrication.
Leur remplacement peut également générer des déchets électroniques. Une évaluation
environnementale complète doit donc prendre en compte le cycle de vie des équipements,
leur durée d’utilisation, leur réparabilité et les possibilités de recyclage (IEA, 2017).
58
5.3.6. La protection des données personnelles
Les compteurs intelligents peuvent enregistrer des informations détaillées sur la
consommation électrique des usagers. Selon la fréquence des relevés et les méthodes
d’analyse utilisées, ces données peuvent révéler certaines habitudes d’utilisation de
l’électricité.
La collecte et le traitement de ces informations soulèvent donc des questions de
confidentialité et de protection de la vie privée. Il est nécessaire de limiter l’accès aux
données, de sécuriser leur transmission, de définir les conditions de conservation et de veiller
à ce que leur utilisation respecte les règles applicables (IEA, 2017 ; Gopstein et al., 2021).
59
CHAPITRE VI : PERSPECTIVES DE
DÉVELOPPEMENT DES SMART GRIDS
6.1. Perspectives de développement dans les pays en développement
Dans les pays en développement, les Smart Grids doivent contribuer à plusieurs objectifs
simultanés : améliorer l’accès à l’électricité, accroître la continuité et la qualité du service,
réduire les pertes, maîtriser les coûts et intégrer progressivement les énergies renouvelables.
Il ne s’agit pas de reproduire intégralement les architectures numériques de réseaux très
matures, mais de sélectionner des solutions proportionnées aux besoins et aux capacités
institutionnelles, financières et techniques.
Le rapport de l’Agence internationale de l’énergie consacré aux opportunités des Smart Grids
dans les économies émergentes et en développement souligne que la numérisation peut aider
à localiser les défauts, accélérer le rétablissement, améliorer la maintenance et faciliter
l’intégration des ressources variables. Il insiste sur la planification, l’investissement et des
politiques publiques adaptées [3].
6.1.1. Priorités de déploiement
• Consolider les fondamentaux : inventaire des actifs, cartographie du réseau, données de
charge et historique des incidents.
• Numériser les points à forte valeur opérationnelle : postes sources, départs critiques,
transformateurs fortement chargés et zones sujettes aux incidents.
• Améliorer le comptage et la gestion des données : procédures d’intégrité, de validation et
de rapprochement.
• Déployer l’automatisation progressivement, en commençant par les fonctions dont les
bénéfices peuvent être mesurés.
• Renforcer les compétences des opérateurs, techniciens, ingénieurs et équipes de
cybersécurité.
• Prévoir la résilience : alimentation de secours, modes dégradés, sauvegardes, procédures
manuelles et gestion des pertes de communication.
Un déploiement durable doit considérer les coûts sur le cycle de vie : achat, installation,
connectivité, licences, formation, pièces de rechange, mises à jour et remplacement. Un
équipement peu coûteux à l’achat peut être défavorable s’il nécessite une connectivité
indisponible ou une maintenance spécialisée difficile à assurer localement.
6.2. Potentiel du solaire photovoltaïque et rôle des mini-réseaux ruraux
Le photovoltaïque peut diversifier l’approvisionnement, alimenter des usages éloignés du
réseau et réduire le recours à des groupes thermiques dans certains contextes. Sa pertinence
dépend de l’irradiation locale, du profil de consommation, de la disponibilité des
équipements, du coût du stockage, de la logistique de maintenance et du modèle économique.
Les mini-réseaux sont des systèmes électriques locaux alimentant plusieurs usagers à partir
d’une production et d’une distribution de proximité. Ils peuvent être autonomes ou conçus
pour interagir avec le réseau principal. Ils sont pertinents lorsque l’extension du réseau est
coûteuse ou lente, mais doivent être comparés à cette extension selon le coût total, la qualité
de service, la demande et la durabilité.
60
La Banque mondiale décrit au Cameroun une combinaison d’options : extension du réseau,
mini-réseaux et solutions hors réseau, ainsi que des projets solaires destinés à améliorer
l’accès et à remplacer certaines productions thermiques [4, 5]. Les solutions hors réseau sont
complémentaires à l’extension du réseau et nécessitent un cadre de financement, de
planification et d’exploitation adapté.
6.2.1. Conditions de réussite des mini-réseaux
• Dimensionner à partir de la demande réelle et de son évolution, en distinguant les usages
domestiques, productifs et les services publics.
• Choisir une architecture adaptée : photovoltaïque seul pour certains usages, ou
photovoltaïque avec batteries et éventuellement groupe de secours selon la disponibilité
attendue.
• Assurer un comptage et une tarification transparents, avec des mécanismes de paiement
accessibles.
• Organiser l’exploitation et la maintenance : pièces de rechange, compétences locales,
suivi à distance et dépannage.
• Préparer une éventuelle interconnexion : compatibilité technique, protections, comptage,
contrôle et règles contractuelles.
La technologie doit être conçue autour du service attendu. Un mini-réseau peu fiable, difficile
à maintenir ou économiquement non viable ne constitue pas une solution durable, même si sa
production est renouvelable.
6.3. Perspectives d’application au Cameroun : potentiel solaire du Nord et
défis des réseaux électriques
Le contexte camerounais combine un potentiel hydroélectrique important, des ressources
solaires mobilisables, des écarts d’accès à l’électricité entre territoires et des besoins de
modernisation des réseaux. En janvier 2025, la Banque mondiale indiquait que le pays
développait plusieurs centrales photovoltaïques, avec un objectif annoncé de 250 MW de
capacité solaire installée, et mentionnait l’extension des centrales de Maroua et de Guider
ainsi que des solutions solaires modulaires avec stockage [4]. Ces données décrivent les
informations rapportées à cette date ; elles ne doivent pas être présentées comme une mesure
actuelle de la capacité effectivement en service sans vérification complémentaire.
Les régions septentrionales, notamment le Nord et l’Extrême-Nord, présentent un intérêt pour
le solaire photovoltaïque. La conception doit néanmoins s’appuyer sur des données
d’irradiation fiables, des études de raccordement et des profils de demande locaux. Le
potentiel solaire ne suffit pas à déterminer la meilleure solution : l’accès au réseau, les
distances, la saisonnalité, les besoins productifs et la disponibilité de la maintenance sont
également déterminants.
6.3.1. Défis à traiter
• Fiabilité et qualité de service : réduire la durée et la fréquence des interruptions et
améliorer le diagnostic des pannes.
• Pertes et comptage : renforcer la connaissance des flux d’énergie, la qualité des données
et les processus de rapprochement.
• Capacité et état des actifs : identifier les transformateurs surchargés, les départs contraints
et les équipements prioritaires pour la maintenance.
• Intégration décentralisée : évaluer tension, flux inverses, protections et capacité d’accueil
avant de multiplier les raccordements photovoltaïques.
61
•
•
•
Communications et données : choisir des solutions compatibles avec la couverture, les
coûts et la disponibilité des systèmes.
Cybersécurité : protéger les accès, segmenter les réseaux de contrôle, maintenir les
équipements et prévoir la réponse aux incidents.
Cadre institutionnel et économique : clarifier les rôles, règles de raccordement,
financements et indicateurs de performance.
Les outils numériques n’apportent de bénéfices que lorsque les données sont utilisées pour
améliorer l’exploitation. La simple installation de capteurs ou de compteurs ne garantit donc
pas une amélioration du service : les informations doivent être reliées aux décisions, aux
interventions et à des objectifs mesurables [1, 2].
6.3.2. Cas d’usage prioritaire : surveillance des transformateurs de distribution
Un cas d’usage réaliste pour un programme pilote au Cameroun serait la surveillance de
transformateurs identifiés comme critiques à partir de l’historique des pannes, de la charge,
du nombre de clients alimentés et de l’accessibilité du site. Selon les équipements et les
contraintes de sécurité, les paramètres pourraient inclure courant, tension, charge estimée,
température et état des protections.
Le système transmettrait les mesures à un tableau de bord, signalerait les valeurs incohérentes
ou les dépassements de seuil et aiderait le centre d’exploitation à classer les interventions. À
une étape ultérieure, l’analyse des historiques pourrait rechercher des signes précurseurs de
dégradation. Il faut toutefois éviter de présenter cette solution comme une maintenance
prédictive pleinement opérationnelle avant validation des capteurs, des modèles, des seuils et
des résultats sur le terrain.
Le pilote devrait être évalué par des indicateurs avant/après : temps moyen de détection,
durée de rétablissement, disponibilité des données, proportion d’alarmes pertinentes,
interventions mieux ciblées, coût de maintenance et disponibilité des équipements. Une
expérimentation contrôlée permettra de démontrer les bénéfices et les limites avant une
extension.
6.4. Recommandations pour un déploiement progressif, efficace et sécurisé
6.4.1. Phase 1 : Diagnostic et préparation
Réaliser un diagnostic des actifs, des incidents, des pertes, de la qualité de tension, des
systèmes d’information et des moyens de communication. Définir une situation de référence,
choisir des indicateurs, identifier les sites prioritaires et préciser les exigences de sécurité et
d’interopérabilité.
6.4.2. Phase 2 : Projets pilotes ciblés
Déployer un nombre limité de capteurs, compteurs ou appareils télécommandés sur des sites
où les problèmes sont documentés et où les résultats peuvent être mesurés. Les pilotes
doivent avoir un responsable opérationnel, un budget de maintenance, des procédures de
traitement des alarmes et un plan d’évaluation.
6.4.3. Phase 3 : Intégration des systèmes
Relier progressivement les données des compteurs, postes, interventions et systèmes de
supervision. Définir des formats cohérents, des règles de qualité des données et des interfaces
documentées. Éviter les dépendances excessives à un fournisseur lorsqu’elles compromettent
l’interopérabilité ou la pérennité.
62
6.4.4. Phase 4 : Automatisation et optimisation
Lorsque la qualité des données et la fiabilité des communications sont démontrées, introduire
des fonctions d’automatisation adaptées : localisation et isolation de défauts, régulation de
tension, gestion des ressources distribuées ou optimisation des opérations. Toute commande
doit être validée selon des règles d’exploitation et des critères de sécurité.
6.4.5. Phase 5 : Mise à l’échelle et amélioration continue
Étendre les solutions dont les bénéfices ont été confirmés, former les équipes, assurer le
renouvellement des équipements et réviser les procédures. Évaluer les résultats sur le cycle de
vie, et pas uniquement au moment de la mise en service.
6.4.6. Exigences transversales de cybersécurité et de résilience
• Inventorier les équipements numériques et limiter les accès aux utilisateurs et services
autorisés.
• Segmenter, lorsque cela est approprié, les réseaux bureautiques et les réseaux de contrôle
industriel.
• Mettre en place une authentification robuste, une gestion des comptes et des journaux
d’événements.
• Adopter une politique de mises à jour et de gestion des vulnérabilités compatible avec la
disponibilité des systèmes industriels.
• Prévoir des sauvegardes testées, des plans de continuité, des procédures manuelles et des
exercices de réponse aux incidents.
• Évaluer les risques liés aux fournisseurs, aux accès de maintenance à distance et aux
interfaces entre systèmes.
La sécurité doit être intégrée dès la conception. Elle concerne la confidentialité lorsque des
données sensibles sont en jeu, mais aussi l’intégrité des mesures et des commandes ainsi que
la disponibilité des fonctions nécessaires à la sûreté du réseau.
6.4.7. Indicateurs de suivi proposés
Dimension
Indicateur possible
Continuité
SAIDI, SAIFI ou indicateurs
équivalents
Réactivité
Temps de localisation et de
rétablissement
Données
Disponibilité, latence, taux de
données manquantes
Actifs
Taux de panne et disponibilité des
transformateurs ciblés
Pertes
Pertes techniques estimées et écarts
énergétiques non expliqués
Économie
Coût total de possession et coût par
intervention améliorée
Cybersécurité Délai de traitement des vulnérabilités
et résultats des exercices
63
Utilité
Suivre la durée et la fréquence des
interruptions
Mesurer l’effet de la supervision
et de l’automatisation
Vérifier la fiabilité de la chaîne
numérique
Évaluer la surveillance et la
maintenance
Suivre les résultats en distinguant
les causes
Éviter les investissements sans
bénéfice démontré
Évaluer prévention et réponse
CONCLUSION GÉNÉRALE
Au terme de cette étude consacrée à l’architecture des réseaux électriques intelligents (Smart
Grids), il ressort que la modernisation des réseaux électriques constitue un enjeu majeur pour
répondre aux exigences actuelles de la transition énergétique. L’évolution des besoins en
électricité, le développement des énergies renouvelables et l’intégration de nouvelles
technologies imposent progressivement une transformation des réseaux traditionnels vers des
systèmes plus intelligents, flexibles et communicants.
L’analyse de l’architecture des Smart Grids a permis de mettre en évidence le rôle
complémentaire des infrastructures électriques, des systèmes de mesure, des technologies de
communication et des dispositifs de commande. Le modèle SGAM constitue notamment un
cadre de référence utile pour structurer cette architecture et favoriser l’interopérabilité entre
les différents équipements et systèmes. Par ailleurs, l’étude de la flexibilité a montré
l’importance du stockage de l’énergie, de la gestion de la demande, de la production pilotable
et de l’automatisation pour faciliter l’intégration des sources renouvelables, en particulier le
solaire photovoltaïque.
Les nouvelles lignes intelligentes, les capteurs, les compteurs communicants et les systèmes
de supervision contribuent également à améliorer la surveillance des réseaux, à détecter plus
rapidement certaines anomalies et à optimiser l’utilisation des infrastructures existantes.
Toutefois, ces avancées ne peuvent produire tous leurs effets sans une attention particulière
portée aux coûts d’investissement, à la fiabilité des équipements, à la qualité des
communications, à la cybersécurité et à la protection des données. La réussite d’un projet
Smart Grid dépend donc autant de la pertinence des solutions techniques que de leur
adaptation aux réalités économiques et aux besoins des utilisateurs.
Dans le contexte des pays en développement, et particulièrement au Cameroun, les réseaux
électriques intelligents représentent une perspective intéressante pour améliorer
progressivement la qualité de l’alimentation électrique, faciliter l’intégration des énergies
renouvelables et renforcer la gestion des réseaux de distribution. Leur déploiement nécessite
néanmoins une approche progressive, fondée sur la modernisation des infrastructures
prioritaires, le développement des compétences locales, la mise en place de normes adaptées
et la mobilisation des financements nécessaires.
En définitive, le Smart Grid ne se limite pas à l’ajout de technologies numériques au réseau
électrique existant. Il correspond à une nouvelle manière de concevoir, de surveiller et de
piloter le système électrique, en associant les flux d’énergie aux flux d’information. Son
développement constitue ainsi un levier important pour construire un système électrique plus
fiable, plus flexible et mieux préparé aux défis énergétiques futurs. L’enjeu sera désormais de
mettre en œuvre des solutions techniquement maîtrisées, économiquement viables et adaptées
aux réalités de chaque territoire.
64
BIBLIOGRAPHIE
Résumé, introduction et chapitre I : Généralités et architecture des Smart Grids
[1] Agence internationale de l’énergie (AIE/IEA). (2023). Electricity Grids and Secure
Energy Transitions. Paris : IEA. https://www.iea.org/reports/electricity-grids-and-secureenergy-transitions
[2] Gopstein, A., Nguyen, C., O’Fallon, C., Hastings, N., & Wollman, D. (2021). NIST
Framework and Roadmap for Smart Grid Interoperability Standards, Release 4.0. NIST
Special Publication 1108r4. National Institute of Standards and Technology.
https://doi.org/10.6028/NIST.SP.1108r4
[3] Commission électrotechnique internationale (IEC). (2021). IEC SRD 63200: Definition of
extended Smart Energy Grid Reference Architecture Model.
https://webstore.iec.ch/en/publication/62757
[4] IEC SyC Smart Energy. (s. d.). Architecture Framework – SGAM. https://sycse.iec.ch/deliveries/iec-tr-63097-smart-grid-roadmap/architecture-framework-sgam/
[5] CEN-CENELEC-ETSI Smart Grid Coordination Group. (2014). Methodology and New
Applications, document M/490. https://www.cencenelec.eu/media/CENCENELEC/AreasOfWork/CENCENELEC_Topics/Smart%20Grids%20and%20Meters/Smart%20Grids/2_sgcg_methodolog
y_overview.pdf
Chapitre II : Flexibilité des réseaux électriques intelligents
[1] CIGRE Working Group C6.19. (2014). Planning and Optimization of Active Distribution
Systems. Technical Brochure No. 591. CIGRE, Paris.
[2] International Energy Agency (IEA). (2024). Status of Power System Transformation:
System Flexibility. IEA Publications, Paris.
[3] California Independent System Operator (CAISO). (2016). What the Duck Curve Tells Us
About Managing a Green Grid. Rapport technique, Folsom, Californie.
[4] Commission électrotechnique internationale (IEC). (2021). NF EN 61850 : Réseaux et
systèmes de communication pour l’automatisation des systèmes électriques. Genève.
[5] Organisation internationale de normalisation (ISO). (2022). ISO 15118-20: Road Vehicles
– Vehicle to Grid Communication Interface – Part 20: 2nd Generation Network and
Application Protocol.
[6] Réseau de Transport d’Électricité (RTE). (2022). Futurs énergétiques 2050 : L’équilibre
offre-demande et la flexibilité du système électrique. Rapport technique de référence, Paris.
[7] IEEE Power and Energy Society. (2018). IEEE Standard for Interconnection and
Interoperability of Distributed Energy Resources with Associated Electric Power Systems
Interfaces. IEEE Std 1547-2018.
Chapitre III : Nouvelles lignes intelligentes et nouvelles technologies de l’information et
de la communication
65
[1] Institute of Electrical and Electronics Engineers (IEEE). (2012). IEEE Standard for
Calculating the Current-Temperature Relationship of Bare Overhead Conductors. IEEE Std
738-2012. New York : IEEE.
[2] CIGRE. (2014). Guide for Thermal Rating Calculations of Overhead Lines. Technical
Brochure No. 601. Conseil international des grands réseaux électriques. https://www.ecigre.org/publications/detail/601-guide-for-thermal-rating-calculations-of-overheadlines.html
[3] Mahin, A. U., Islam, S. N., Ahmed, F., & Hossain, M. F. (2022). Measurement and
monitoring of overhead transmission line sag in smart grid: A review. IET Generation,
Transmission & Distribution, 16(1), 1–18. https://doi.org/10.1049/gtd2.12271
[4] CIGRE. (2006). Guide for the Selection of Weather Parameters for Bare Overhead
Conductor Ratings. Technical Brochure No. 299. Conseil international des grands réseaux
électriques.
[5] Gopstein, A., Nguyen, C., O’Fallon, C., Hastings, N., & Wollman, D. (2021). NIST
Framework and Roadmap for Smart Grid Interoperability Standards, Release 4.0. NIST
Special Publication 1108r4. National Institute of Standards and Technology.
https://doi.org/10.6028/NIST.SP.1108r4
[6] International Electrotechnical Commission (IEC). (s. d.). IEC 61850: Communication
Networks and Systems for Power Utility Automation. https://iec61850.dvl.iec.ch/what-is61850/
[7] International Electrotechnical Commission (IEC). (s. d.). IEC 62351: Power Systems
Management and Associated Information Exchange – Data and Communications Security.
[8] National Institute of Standards and Technology (NIST). (s. d.). Smart Meter. NIST
Computer Security Resource Center Glossary.
https://csrc.nist.gov/glossary/term/Smart_Meter
[9] International Electrotechnical Commission (IEC). (s. d.). Advanced Metering
Infrastructure (AMI).
[10] Institute of Electrical and Electronics Engineers (IEEE). (2018). IEEE Standard for
Interconnection and Interoperability of Distributed Energy Resources with Associated
Electric Power Systems Interfaces. IEEE Std 1547-2018.
[11] International Energy Agency (IEA). (2017). Digitalisation and Energy. Paris : IEA.
https://www.iea.org/reports/digitalisation-and-energy
Chapitre IV : Réseaux de distribution intelligents
[1] International Energy Agency (IEA). (2026). Modernising Grids in the Age of Electricity:
Scaling Digital Technologies and AI for Better Use of Existing Networks. Paris : IEA.
https://www.iea.org/reports/modernising-grids-in-the-age-of-electricity
[2] International Energy Agency (IEA). (2026). Monitoring and Control Systems. Dans
Modernising Grids in the Age of Electricity. https://www.iea.org/reports/modernising-gridsin-the-age-of-electricity/monitoring-and-control-systems
66
[3] International Energy Agency (IEA). (2023). Unlocking Smart Grid Opportunities in
Emerging Markets and Developing Economies. Paris : IEA/OECD Publishing.
https://doi.org/10.1787/3cd7a4b0-en
Chapitre V : Avantages, inconvénients et défis des Smart Grids
[1] CIGRE. (2006). Guide for the Selection of Weather Parameters for Bare Overhead
Conductor Ratings. Technical Brochure No. 299. https://www.ecigre.org/publications/detail/299-guide-for-the-selection-of-weather-parameters-for-bareoverhead-conductor-ratings.html
[2] CIGRE. (2014). Guide for Thermal Rating Calculations of Overhead Lines. Technical
Brochure No. 601. https://www.e-cigre.org/publications/detail/601-guide-for-thermal-ratingcalculations-of-overhead-lines.html
[3] Cybersecurity and Infrastructure Security Agency (CISA). (2016). Cyber-Attack Against
Ukrainian Critical Infrastructure. ICS-CERT Alert IR-ALERT-H-16-056-01.
https://www.cisa.gov/news-events/ics-alerts/ir-alert-h-16-056-01
[4] Gopstein, A., Nguyen, C., O’Fallon, C., Hastings, N., & Wollman, D. (2021). NIST
Framework and Roadmap for Smart Grid Interoperability Standards, Release 4.0. NIST
Special Publication 1108r4. National Institute of Standards and Technology.
https://doi.org/10.6028/NIST.SP.1108r4
[5] International Electrotechnical Commission (IEC). (s. d.). IEC 61850: Communication
Networks and Systems for Power Utility Automation. https://iec61850.dvl.iec.ch/what-is61850/
[6] International Energy Agency (IEA). (2017). Digitalisation and Energy.
https://www.iea.org/reports/digitalisation-and-energy
Chapitre VI : Perspectives de développement des smart grids
[1] International Energy Agency (IEA). (2026). Modernising Grids in the Age of Electricity:
Scaling Digital Technologies and AI for Better Use of Existing Networks. Paris : IEA.
https://www.iea.org/reports/modernising-grids-in-the-age-of-electricity
[2] International Energy Agency (IEA). (2026). Monitoring and Control Systems. In
Modernising Grids in the Age of Electricity.
https://www.iea.org/reports/modernising-grids-in-the-age-of-electricity/monitoring-andcontrol-systems
[3] International Energy Agency (IEA). (2023). Unlocking Smart Grid Opportunities in
Emerging Markets and Developing Economies. Paris : IEA/OECD Publishing.
https://doi.org/10.1787/3cd7a4b0-en
[4] World Bank. (2025, 16 January). Cameroon’s Journey Toward Affordable, Reliable, and
Universal Electricity Access for All.
https://www.worldbank.org/en/news/feature/2025/01/16/cameroon-journey-towardaffordable-reliable-and-universal-electricity-access-for-all
67
[5] World Bank. (2018). Cameroon — Rural Electricity Access Project for Underserved
Regions (P163881), Project Appraisal Document.
https://documents.worldbank.org/curated/en/260941545015657290/pdf/Cameroon-RuralElectricity-Access-Project-for-Underserved-Regions-Project.pdf
68