Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée par Raphaël Caire Encadrants : Nicolas Retière Nouredine Hadjsaid Raphaël Caire, le 2 avril 2004 ENSIEG, le 2 avril 2004 1 Contexte Ouverture à la concurrence du marché de l’énergie Développement nouvelles technologies de petites productions et moyens de stockage Directives Européennes Accords de Kyoto Saturation des réseaux de transport Contraintes écologiques Multiplication attendue des générateurs au sein des réseaux de distribution qui ne sont pas prévus pour d’où impacts plus ou moins critiques Remise en question possible des systèmes électriques de distribution notamment français Raphaël Caire, le 2 avril 2004 2 Contexte © Copyright EDF Raphaël Caire, le 2 avril 2004 3 Objectifs généraux Problématique du raccordement : Tendance à l’insertion de moins en moins marginale des producteurs, Études existantes concernant les impacts HTA/HTA et BT/BT, Contraintes de raccordement importantes et limitatives. Objectifs : Etudier la transmission des impacts de la BT vers la HTA, Trouver des solutions innovantes pour la gestion des réseaux de distribution en présence de Génération d’Energie Dispersée (GED), Augmenter la capacité d’accueil. Découpage : Études d’impacts, Remèdes aux impacts les plus critiques, Validation avec un banc à échelle réduite (ARENE temps réel). Raphaël Caire, le 2 avril 2004 4 Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives Raphaël Caire, le 2 avril 2004 5 Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives Raphaël Caire, le 2 avril 2004 6 Méthodologie d’étude d’impact Idée Quantifier et évaluer la criticité d’un impact en fonction des valeurs usuelles des paramètres du réseau Démarche La plus générale possible Bonus Trouver des solutions pour la gestion du réseau de distribution en présence de GED Approche Type paramétrique Raphaël Caire, le 2 avril 2004 7 Méthodologie proposée Choix de l’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact Raphaël Caire, le 2 avril 2004 8 Impacts envisagés Séparation en plusieurs grandes catégories : Grandeurs électriques : Plan de tension, Courants de court-circuit, Déséquilibres, Stabilité, Qualité de l’énergie (Harmoniques, Flicker, Creux de tension, …). Conception, planification et exploitation : Plan de protection, TCFM (Télécommande centralisée à fréquence musicale), Gestion entre autres. Matériels de réseau : Vieillissement des matériels accéléré entre autres. Il faut donc trouver lesquels sont prioritaires Raphaël Caire, le 2 avril 2004 9 Impacts étudiés au cours de l’étude Études quantitatives sur : Le plan de tension Respect des limites réglementaires Les courants de court-circuit en régime permanent Conformes au dimensionnement et aux réglages des matériels Le plan de protection Bon fonctionnement assuré : pas d’aveuglement ni de déclenchement intempestifs La stabilité petits signaux : pas de modes instables grands signaux : valeurs de TEC acceptables Les déséquilibres en tension inverse Respect des valeurs réglementaires Raphaël Caire, le 2 avril 2004 10 Méthodologie proposée et illustration sur le plan de tension Choix de l’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact Raphaël Caire, le 2 avril 2004 11 Choix des réseaux Mise en place des réseaux Réseau de référence de type urbain Réseau de référence de type rural Réseau Basse Tension générique Réseau école pour études analytiques HTA / BT N1 PBT , Q BT type 5 N2 type 7 N3 33 m 392 m BT générique type 7 PN 3 , Q N 3 N 4 type 7 158 m 309 m N5 rural PN 5 , Q N 5 urbain Xcc U source N1 P1,Q1 R1, X 1 N2 Pg ,Q g R 2, X 2 N3 P2,Q2 HTA école Raphaël Caire, le 2 avril 2004 12 Méthodologie proposée et outils associés Choix de l ’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact Raphaël Caire, le 2 avril 2004 13 Outil analytique Chute de tension pour une impédance RL : L Pe,Qe R Ue I Us Ue I U j . X .I R.I Us U Si on considère que l’hypothèse de Kapp est valide, la chute de tension entre Ue et Us est : U RPe XQe Ue Généralisation pour un réseau radial : n k j k j Rl Pk X l Qk k 1 l 1 k 1 l 1 U ( N j ) U source n R1,X1 N1 R2,X2 N2 R3,X3 N3 Rj,Xj Nj Rn,Xn Nn Usource P1,Q1 Raphaël Caire, le 2 avril 2004 P2,Q2 P3,Q3 Pj,Qj Pn,Qn 14 Méthodologie proposée et indice de quantification Choix de l ’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact Raphaël Caire, le 2 avril 2004 15 Indice d’impact et paramètres Afin de quantifier l’impact de la génération d’énergie dispersée et des paramètres du réseau, on a défini l’écart relatif : relatif ( N j ) U avec _ producteur( N j ) U sans _ producteur( N j ) U sans _ producteur( N j ) L’écart relatif traduit donc la modification de la tension due à un transit de puissance donné. Les paramètres sont : dépendants des impédances R et X du réseau : Position du producteur, Puissance de court-circuit du réseau amont, Types de lignes et câbles entre autres. dépendants des puissances P et Q : Puissance de la GED connectée en BT, Puissance des charges connectées au réseau, Insertion massive de GED sur des réseaux BT différents. Raphaël Caire, le 2 avril 2004 16 Méthodologie proposée et simulation Choix de l ’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact Raphaël Caire, le 2 avril 2004 17 Exemple de résultats : influence de la position du producteur sur le plan de tension Evolution du plan de tension en fonction de la position du Ecart relatifEvolution en fonction de la position du producteur du plan de tension en fonction de la position du producteur producteur N55 N55 0.3% 0.3% 0.25% Ecart relatif (%) Ecart relatif (%) 0.25% 0.2% 0.15% N29 N29 0.2% 0kW 250kW N1 0.15% 0.1% N1 N1 250kW N29 0kW 250kW N55 250kW N1 250kW N29 0.05% 0.1% N55 250kW N55 0 0 2000 4000 0.05% 6000 8000 10000 12000 Longueur (m) 0 0 2000 javan t javan t Pg . Rk Qg . X k 4000 6000 8000 10000 k 112000 k 1 relatif ( Njavant ) k javan t n n k javan t 2 U source Rl .Pk X l .Qk Longueur (m) k 1 l 1 k 1 l 1 Variation de l’indice : javant javant Rk et X k N1 k 1 k 1 Avant le point d’insertion : augmente N29 Après le point d’insertion : constant relatif ( N 2) relatif ( N 3) Raphaël Caire, le 2 avril 2004 18 Etude quantitative sur le réseau urbain Application au plan de tension Cas d’insertion massive a priori et distribution des générateurs 19 GED de 250 kW sur des réseaux BT 21 kV uniformément répartis 21 20.8 20.6 Tension (kV) 20.4 Référence Cmin 20.2 19 GED Cmin 20 19 GED_fin Cmin 19.8 19.6 19.4 19.2 19 0 2000 principalement localisés 19 kV 4000 6000 8000 10000 12000 en bout d’artère Longueur (m ) Raphaël Caire, le 2 avril 2004 19 Etude quantitative sur le réseau rural Application au plan de tension Cas d’insertion massive a priori et distribution des générateurs 23 21 GED de 100 kW sur des réseaux BT 21 kV 20.8 20.6 20.4 Référence 20.2 23 GED 20 23 GED artère 1 19.8 23 GED artère 6 19.6 tout le réseau artère 6 19.4 artère 1 19.2 19 kV 19 0 Raphaël Caire, le 2 avril 2004 1000 2000 3000 4000 5000 6000 7000 8000 20 Résultats sur le plan de tension Application à différents départs (ruraux, urbains) et étude de sensibilité paramétrique (paramètres des conducteurs, puissance produite, localisation des producteurs, Pcc entre autres) Exemple de résultats pour le plan de tension Premiers impacts apparaissent pour 100% de la consommation totale du départ Impacts renforcés par : une consommation minimale une localisation concentrée en bout de départ des producteurs la contrainte initiale du réseau Dans certains cas, changement de prise du régleur conséquences sur les départs adjacents Raphaël Caire, le 2 avril 2004 21 Conclusion sur les impacts Conclusions pour les autres impacts : peu problématiques sauf cas particuliers identifiés GED réseau BT BT BT HTA HTA HTA HTA HTB Plan de tension +++ ++ +++ ++ Courants de +++ ++ ++ - Déséquilibres ++ + Stabilité +* +* ++ ++ court-circuits Choix du problème principal à traiter : plan de tension Conclusions valables sur réseaux d’étude et renforcées par d’autres études nationales et internationales. Raphaël Caire, le 2 avril 2004 22 Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives Raphaël Caire, le 2 avril 2004 23 Recensement des moyens de réglage Moyens de réglage de la tension dits « traditionnels » : Régleurs en charge au poste source, Bancs de condensateurs. Coordination de ces moyens avec d’autres : Distribution-Flexible AC Transmission Systems (D-FACTS), Certains producteurs indépendants, Autres types. Raphaël Caire, le 2 avril 2004 24 Coordination des moyens de réglage Méthodes de gestion optimale des moyens de réglage : le meilleur choix des consignes des éléments réglants (parallèles et séries) le placement optimal des moyens de réglages supplémentaires, le choix/limitation du nombre des moyens de réglage. Coordination des services réseau de chaque producteur par un opérateur réseau Réflexion pour la coordination de groupes de producteurs vision verticalement intégrée intelligence répartie vision horizontale (décentralisée) moyens télécoms locaux / globaux Raphaël Caire, le 2 avril 2004 25 Coordination en utilisant un algorithme d’optimisation Minimisation d’une fonction objectif : Minimiser F ( x, u ) avec g (u, x) 0 h(u, x) 0 F(x,u) est la fonction objectif, x sont les variables électriques (tensions, courants, phases, puissances), u sont les grandeurs commandables (consignes producteurs / FACTS, régleurs en charge, condensateurs entre autres), g(u,x) la (ou les) équation(s) qui se réfère(nt) à des conditions d’égalité (exemple : calcul de répartition, égalité puissance consommée et puissance produite aux pertes près), h(u,x) la (ou les) inégalité(s) qui tradui(sen)t les contraintes sur les vecteurs x et u (tensions maximales, puissances transmissibles). Raphaël Caire, le 2 avril 2004 26 Problématique de l’optimisation dans les réseaux Problème mixte (continu et/ou discret) : Valeurs de l’injection de puissance réactive des D-FACTS et des producteurs sont continues Valeurs du régleur en charge et du banc de capacité sont discrètes, ou rendues continues par des fonctions d’extrapolation Le choix des moyens de réglage est un problème purement discret Problème fortement non linéaire Problème contraint : Raphaël Caire, le 2 avril 2004 Limites sur les injections de puissance des moyens de réglage Limites sur les tensions du réseau Limites sur les courants 27 L’arbre d’optimisation (vu sur [NEOS]) Réglage des consignes Raphaël Caire, le 2 avril 2004 28 Problématique de l’optimisation des grandeurs de commande dans les réseaux (réglage des consignes) Ratio pris en Ratio prispris en compte compte Ratio en compte Représentation mathématique des grandeurs de réglage 1.15 1.15 1.15 discrètes : Représentations linéaires, Représentations en escaliers, 1.1 1.1 1.1 Tableaux de valeurs. Problème contraint : 1.05 1.05 1.05 Limites sur les injections de puissance réactive des moyens de réglage, Limites sur les tensions du réseau. linéarisé 1 111 Fonctions objectifs : 0.95 0.95 0.95 Pertes H1 U noeuds Raphaël Caire, le 2 avril 2004 0.95 0.95 4 2 consigne U noeuds 0.9 0.9 0.9 0.9 0.90 consigne U noeuds noeuds * Re U . I ligne en escalier discret» « sigmoïdes lignes 1 H2 N N U 2 6 11 8 1.05 1.05 10 H max16U consigne U noeuds 1.114 1.151.15 1.1 18 12 Valeur dedeconsigne Valeur de consigne Plot consigne 29 Méthodes d’optimisation des consignes Méthodes classiques Méthodes déterministes : Exemple : Programmation Séquentielle Quadratique (SQP) appliquée à des problèmes continus ou rendus continus. Inadaptées aux problèmes discrets (programmation d’entier Branch & Bound), Inadaptées aux fortes non-linéarités. Méthodes heuristiques : Raphaël Caire, le 2 avril 2004 Exemple : Algorithmes Génétiques dans le cas de problèmes fortement non-linéaires, Nombreux réglages, Critères d’arrêts non déterministes. 30 Cas d’étude Réseau de distribution 20 kV avec 5 départs Pcc réseau Amont 250 MVA (purement inductif) Transformateur 20 MVA Deux départs modélisés finement : - départ semi urbain (77 nœuds et 22 points de production possibles) - départ urbain (55 nœuds et 22 points de production possibles) Départs Adjacents modélisés par une charge de 13 MVA Raphaël Caire, le 2 avril 2004 31 Méthodes d’optimisation des consignes Résultats sur le départ rural régleur en charge + 23 points d’injection de puissance réactive 4 4 x 10 x 10 2.06 2.06 1.15 1.1 2.05 2.05 1.05 REPRESENTATION Déterministe LINEAIRE norme11 avec avec contraintes norme contraintesoptimisation 1 0.95 0.9 0.9 Avant 0.95 1 1.05 SQP 2.04 2.04 1.1 Algorithme Génétique 1.15 Norme 1 2.03 2.03 F(x,u) Tension (V) Tension (V) Heuristique 428 0.574 reference reference SQP SQP AG AG 2422 17.2 1 F ( x, u) U2.02consigne U i ( x, u) N i noeuds 2.02 Nombre d’itérations / Norme 2 2.01 2.01 F(x,u) 49.7 0.098 1.85 Nombre d’itérations / 2425 2500 F(x,u) 495 2.32 33.2 F ( x, u ) 1 N U i noeuds 2 U i ( x, u ) 2 consigne 2 Norme infinie U1.99 F ( x, u) max1.99 U , u)20 0 10 i ( x20 0consigne 10 i noeuds Raphaël Caire, le 2 avril 2004 30 30 Nombre 40 40 50 50 / 60 Noeuds départ rural Noeuds départ rural d’itérations AG avec SQP 60 70 702421 80 80 2500 2500 32 Méthodes d’optimisation des consignes Résultats sur le départ rural régleur en charge seul 1.15 SANS REGLAGE 1.1 Déterministe optimisation SQP F(x,u) 428 428 12.18 Nombre d’itérations / 4 26 F(x,u) 49.7 49.7 1.604 Nombre d’itérations / 4 43 F(x,u) 495 495 31.33 Nombre d’itérations / 4 43 DES PRODUCTEURS 1 REGLEUR EN CHARGE SEUL 0.95 0.9 0.9 0.95 1 1.05 1.1 1 U consigne U i ( x, u) N i noeuds Norme 2 F ( x, u ) 1 N U U i ( x, u ) 2 consigne i noeuds Norme infinie F ( x, u) max U consigne U i ( x, u) i noeuds Raphaël Caire, le 2 avril 2004 Algorithme Génétique 1.15 Norme 1 F ( x, u) Heuristique Avant 1.05 33 Méthodes d’optimisation des consignes Résultats sur le départ rural régleur en charge + 23 points d’injection de puissance réactive 1.15 AVEC REGLAGE DES 1.1 Déterministe optimisation SQP F(x,u) 428 3.697 9.454 Nombre d’itérations / 2404 2500 F(x,u) 49.7 1.186 1.707 Nombre d’itérations / 2415 2500 F(x,u) 495 51.61 32.18 Nombre d’itérations / 2406 2500 23 PRODUCTEURS 1 + REGLEUR EN CHARGE 0.95 0.9 0.9 0.95 1 1.05 1.1 1 U consigne U i ( x, u) N i noeuds Norme 2 F ( x, u ) 1 N U U i ( x, u ) 2 consigne i noeuds Norme infinie F ( x, u) max U consigne U i ( x, u) i noeuds Raphaël Caire, le 2 avril 2004 Algorithme Génétique 1.15 Norme 1 F ( x, u) Heuristique Avant 1.05 34 Méthodes d’optimisation des consignes (développées) Hybridation de méthodes heuristiques et déterministes : Accélération de la convergence Raphaël Caire, le 2 avril 2004 35 Population initiale Tirage aléatoire d’une population initiale 1.15 Ratio pris en compte Ratio pris en compte 1.15 1.1 1.05 linéarisé 1 1.1 1.05 1 0.95 0.95 0.9 0.9 0.95 1 1.05 1.1 1.15 Valeur de consigne 0.9 0 2 4 6 8 10 12 discret 14 16 18 Plot de consigne u1u2u3u4u5u6u7…………….. Continus Discrets Opération répétée pour les n individus qui forment la population Raphaël Caire, le 2 avril 2004 36 Sélections classiques A partir d’une population, sélection de deux individus I1 : u1u2u3u4u5u6u7 I2 : u1u2u3u4u5u6u7 I3 : u1u2u3u4u5u6u7 I4 : u1u2u3u4u5u6u7 I5 : u1u2u3u4u5u6u7 I6 : u1u2u3u4u5u6u7 I7 : u1u2u3u4u5u6u7 … … In : u1u2u3u4u5u6u7 F(I1) F(I2) F(I3) F(I4) F(I5) F(I6) F(I7) … … F(In) Sélection de type : Tournoi : si F(I4) < F(I6) alors I4 est sélectionné puis on répète une seconde fois Elitisme : parmi les x% meilleurs (F(Ii) faible), sélection de deux individus aléatoirement Roue biaisée : I1(p1) I2(p2) I3(p3) I4(p4) p1 > p2 > p3> p4 I4 I1 I3 CURSEUR I2 Choix aléatoire d’une position du curseur permettant de pointer sur l’individu à sélectionner (I1) Raphaël Caire, le 2 avril 2004 37 Croisements classiques A partir de deux parents, création de deux nouveaux enfants Croisement de type : Uniforme : Le même nombre de gènes est échangé entre les parents 1 et 2 Parents : I4 : u1u2u3u4u5u6u7 F(I4) I6 : u1u2u3u4u5u6u7 F(I6) A plusieurs coupures Enfants : Ia’ : F(Ia’) Ib’ : F(Ib’) Raphaël Caire, le 2 avril 2004 Non uniforme : Nombre de gènes différents Combinaison linéaire : u1’ = t.u1+(1-t).u1 0≤t≤1 38 Mutation Mutation classique : u1u2u3u4u5u6u7 u1u2u3u4u5u6u7 Mutation avec convergence locale : u1u2u3u4u5u6u7 séparation variables discrètes/continues u1u5|u2u3u4u6u7 Algorithme déterministe de type Non-Linéaire Contraint avec comme point de départ y0 = [u2u3u4u6u7] utilisant F(x,[u1u5y]) sur quelques itérations (a priori) u1u2u3u4u5u6u7 Raphaël Caire, le 2 avril 2004 regroupement discrètes/continues optimisées localement u1u5|u2u3u4u6u7 39 Algorithme génétique (croisements seuls) F(x,u) Population initiale Enfants possibles Raphaël Caire, le 2 avril 2004 40 Algorithme génétique (mutation classique) F(x,u) Population initiale Enfant muté Sélection de l’individu qui mute Raphaël Caire, le 2 avril 2004 41 Algorithme génétique (mutation déterministe) F(x,u) Population initiale Enfant muté Trois pas d’algorithme déterministe (de descente) Raphaël Caire, le 2 avril 2004 42 Illustration de l’optimum global Présence d’optima locaux Algorithme déteministe Algorithme Génétique classique Algorithme hybride F(u) u0 ui u * uj ux Raphaël Caire, le 2 avril 2004 43 Méthodes d’optimisation des consignes Résultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif 4 2.12 x 10 FN1= 4.96e-3 2.1 Tension (V) 2.08 2.06 reference SQP AG avec SQP 2.04 2.02 Tension de consigne FN1= 1.85e-3 2 1.98 Raphaël Caire, le 2 avril 2004 FN1= 1.49e-3 0 20 40 100 80 60 Noeuds départ rural puis départ urbain 120 140 44 Pertes et variations du taux de convergence déterministe Résultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif -4 6.45 x 10 taux taux taux taux 6.4 SQP SQP SQP SQP = = = = 0% 1% 2% 3% pertes dans les deux départs (pu) 6.35 6.3 6.25 6.2 6.15 6.1 6.05 6 5.95 0 Raphaël Caire, le 2 avril 2004 100 200 300 400 génération de l algorithme génétique 500 600 700 45 Méthodes d’optimisation des consignes pour les pertes Résultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif 4 2.1 x 10 2.09 2.08 AVEC REGLAGE DES 2.07 44 PRODUCTEURS Pertes f ( x, u) Tension (V) + REGLEUR EN CHARGE2.06 + BANC DE CAPACITE 2.05 Réel V2.04 I * i i i ligness 2.03 F(x,u) kW Nombre d’itérations Heuristique Heuristique Avant Déterministe avec sans optimisation SQP convergence convergence locale locale 57.62 57.47 57.82 2996 3367 2974 reference SQP AG 63.33 AG avec SQP / 2.02 2.01 2 Raphaël Caire, le 2 avril 2004 0 20 40 60 80 Noeuds départ rural puis urbain 100 120 140 46 L’arbre d’optimisation (vu sur [NEOS]) Placement et choix des moyens de réglage Raphaël Caire, le 2 avril 2004 47 Optimisation maître-esclave Afin de trouver les localisations optimales des moyens de réglage et les consignes associées : découplage Problème multi-objectifs classique pour la localisation des moyens de réglage optimaux : Fonction traduisant l’efficacité de réglage, Fonction traduisant le nombre de moyens de réglage. Optimisation des consignes par les méthodes précédemment présentées Raphaël Caire, le 2 avril 2004 48 Optimisation muti-objectifs et frontière de Pareto Problème multi-objectifs classique : Définition : Minimiser avec y F ( x) f1 ( x), f 2 ( x), f 3 ( x),..., f k ( x) e( x) e1 ( x), e2 ( x), e3 ( x),..., ek ( x) 0 x X y Y pondération : Résolution par variation des contraintes : Minimiser x1).f1 (fxj)(x)w2 . f 2 ( x) Minimiser F ( x)F(w avecavec r’ domaine d’étude domaine d’étude y/w2 D e( x) ei (ex1)( x),fei 2((xx)) 0i x Xx X f22 C r B A pente = –w1/w2 Raphaël Caire, le 2 avril 2004 f1 49 Placement et choix des moyens de réglage par optimisation muti-objectifs Pour des problèmes de vitesse de calcul : Vi Evaluation Pj et / oudel’Qj« efficacité » du réglage en fonction du point d’injection : Vd Vi F j ( x, u ) aj i noeuds Q j N50 Pénalisation suivant le nombre de producteurs : F ( x, u ) ui 0 i Au final Raphaël Caire, le 2 avril 2004 Vi Min F (q1...qn ) a j ; p Q i noeuds j Ni p 1 (if q j , 0, else 1) Qj QN50 Pj j moyende réglage 50 Application à la minimisation des moyens de réglage Réseau d’étude, réseau rural de 77 noeuds : Insertion possible de sources de puissance aux 77 nœuds mais 23 nœuds producteurs choisis au hasard - Efficacité efficacité dede réglage réglage 2500 2000 1500 1000 500 0 0 5 10 15 nombre de producteur(s) Nombre de producteurs Raphaël Caire, le 2 avril 2004 20 25 51 Placement et choix des moyens de réglage par optimisation multi-objectifs puis optimisation des moyens de réglage choisis Problème multi-objectifs puis coordination des consignes 44 2.008 2.008 10 xx 10 2.007 2.007 2.006 2.006 Tension (V) (V) 2.005 2.005 2.004 2.004 2.003 2.003 référence référence 3 moyens 23 moyensréglage réglage 12 2.002 2.002 2.001 2.001 22 1.999 1.999 00 10 10 20 20 30 40 50 30 40 50 30 40 50 Noeuds du réseau rural Noeudsdu duréseau réseaurural rural Noeuds 60 60 60 70 70 70 80 80 80 Tous Douze les moyens de de réglage sont coordonnés Trois moyens seulement F(x,u)=2.74 moyens de réglage réglage seulement FN1F(x,u)=2.02 N1(x,u)=0.574 Raphaël Caire, le 2 avril 2004 52 Commentaires sur les résultats de l’optimisation Plusieurs résultats sont remarquables : En relatif, performances différentes en terme d’optimisation : la modélisation/représentation retenue, la méthode utilisée, la fonction objectif envisagée. Dans l’absolu, différences entre les méthodes déterministes et heuristiques, si optima locaux : SQP plus rapide mais 1er optimum local, AG long mais optimum meilleur. Pour le placement, optimisation maître-esclave donne de bons résultats : Maître de type multi-objectifs simplifié, Esclave de type optimisation des consignes des moyens de réglage. Raphaël Caire, le 2 avril 2004 53 Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives Raphaël Caire, le 2 avril 2004 54 Validation des stratégies de coordination avec ARENE Arène HTB BTA ® HTA PC contrôleur 8 analogiques E/S A ou D ARENE temps réel A/N Rack VME PC1 PC2 producteur PC producteur superviseur Communication média et protocole N/A communication Raphaël Caire, le 2 avril 2004 55 Validation des stratégies de coordination avec ARENE Banc expérimental : Raphaël Caire, le 2 avril 2004 56 Validation des stratégies de coordination avec ARENE NOEUD TENSION (V) N3 20397 N4 20028 N5 19655 N6 20000 N7 19848 N8 20156 N9 19926 N10 20000 N11 20717 Raphaël Caire, le 2 avril 2004 2.08 x 10 4 N10 N9 2.06 2.04 Tension (V) NOEUD TENSION (V) N3 20471 N4 20114 N5 19731 N6 20064 N7 19956 N8 20285 N9 20034 N10 20108 N11 20752 N8 N7 0 à + O.22 MVar 2.02 2 N3 N4 N1 N5 N6 0 à – O.85 MVar N2 1.98 N11 1.96 3 4 5 reference SQP 6 7 8 Noeuds départ simplifié 9 10 11 57 Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives Raphaël Caire, le 2 avril 2004 58 Conclusions Études de transmission des impacts Criticité du plan de tension, Modification des courants de court-circuit en régime permanent. Bibliothèques de méthodes et de modèles Calcul de répartition des charges de type Newton-Raphson et Backward & Forward Sweep, Modèles de compensateur et de moyens de réglage, Bibliothèque d’outils d’optimisation pour les problèmes mixtes. Solutions pour le plan de tension Outils d’optimisation classiques sur réseaux de distribution, Hybridation d’un algorithme génétique et d’un algorithme déterministe, Algorithmes maîtres-esclaves pour le choix et la localisation des moyens de réglage, Réflexion sur des stratégies de gestion décentralisées (répartition de l’intelligence et des prises de décision). Raphaël Caire, le 2 avril 2004 59 Perspectives Estimation d’état qui tienne compte du caractère incertain et de l’étendue du réseau de distribution, Prise en compte des aspects économiques, Évaluation et comparaison entre des infrastructures de coordination décentralisées et centralisées (aspects stratégiques, logiciels et matériels) avec ARENE temps réel, Moyens de télécommunication nécessaires Centrale virtuelle Raphaël Caire, le 2 avril 2004 60 Marché Concept de centrale virtuelle (Constantin et Olivier) Réseau distribution Centre de controle Raphaël Caire, le 2 avril 2004 61 Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée Fin Raphaël Caire, le 2 avril 2004 ENSIEG, le 2 avril 2004 62