Académique Documents
Professionnel Documents
Culture Documents
= (II.2)
Il suffit de convertir lentier g en binaire pour trouver la valeur binaire du paramtre x .
Pour revenir la reprsentation relle, il faut dabord convertir la reprsentation binaire en
dcimale (obtenir lentier g ) puis calculer x par la formule suivante :
max
min max min
) (
g
g
x x x x + = (II.3)
Tous les paramtres du problme sont cods de la mme manire puis associs pour former un
chromosome comme le montre la figure II.3. Il est noter que les paramtres nont pas,
obligatoirement le mme nombre de gnes.
Une fois les fonctions de codage et dcodage tablies, on initialise la population de dpart de
lalgorithme. Cette population est forme par un nombre fixe dindividus (chromosomes). Le
choix de ces individus se fait sur la base dune connaissance priori, sinon ils sont gnrs
alatoirement [Bli 95].
II.4.1.2 Evaluation
Lvaluation consiste mesurer la performance de chaque individu de la population. On
utilise pour cela une fonction directement lie la fonction objective (fonction optimiser)
appele fonction fitness. Cest une fonction relle positive qui reflte la force de lindividu.
Un individu ayant une grande valeur fitness reprsente une bonne solution au problme, alors
quun individu ayant une faible valeur fitness reprsente une solution mdiocre. Dans le cas
dun problme de minimisation, la fonction fitness peut tre obtenue en utilisant une des
formulations suivantes :
- ) ( ) ( x F N x Fit
obj
= si N F
obj
> , (II. 4)
sinon 0 ) ( = x Fit ( N est une constante positive).
-
) (
1
) (
x F
x Fit
obj
= (II. 5)
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
19
- ) ( ) ( x F x Fit
obj
= (II. 6)
Contrairement aux mthodes classiques doptimisation, aucune condition lie la
drivabilit, la continuit, la convexit ou concavit nest requise pour la fonction objective.
Il suffit juste quelle fournisse une valeur numrique finie pour chaque individu. Cela donne
aux algorithmes gntiques un caractre trs attrayant pour la rsolution dont les formulations
mathmatiques sont mconnues ou trs difficiles dterminer.
II.4.1.3 Slection
Cet oprateur est peut-tre le plus important puisqu'il permet aux individus d'une
population de survivre, de se reproduire ou de mourir. En rgle gnrale, la probabilit de
survie d'un individu sera directement lie son efficacit relative au sein de la population.
Une population dite intermdiaire est alors forme par les individus slectionns.
Il existe plusieurs mthodes de slection [Coe 96] [Gen 97]. Nous ne citerons que deux des
plus connues :
- Mthode de la roulette de loterie o chaque chromosome sera dupliqu dans une
nouvelle population proportionnellement sa valeur d'adaptation. Son principe est
dassocier chaque individu une portion dune roue dont la surface dpend
uniquement de sa valeur fitness [Dar 59] [Gen 97].
- Mthode du tournoi, Le principe de cette mthode est de tirer alatoirement un
groupe de k individus parmi la population, et de slectionner le meilleur dentre eux.
Ce processus est rpt jusqu' ce que le nombre dindividus de la population
intermdiaire soit gal au nombre total dindividus formant la population initiale.
Nous avons trouv dans la littrature deux versions diffrentes de cette mthode, notamment,
au niveau de la faon dont les groupes sont forms. Selon la rfrence [Has 02], la population
est divise en groupes de k individus. Ensuite, on slectionne le meilleur de chaque groupe. Il
faut k itrations pour remplir la population intermdiaire parce qua chaque fois m individus
sont slectionnes ou m est dfini par :
k
population la de taille
m = (II.7)
Selon la rfrence [Coe 96]. La procdure est la suivante : on tire k fois un individu avec
remplacement (chaque tirage inclut tous les individus y compris ceux dj slectionnes).
Ensuite, on slectionne celui qui prsente la plus grande valeur fitness pour le placer dans la
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
20
population intermdiaire. Si N est le nombre totale dindividus formant la population, alors il
faut N itrations pour complter la population intermdiaire.
La seule diffrence que nous avons pu constater, cest que la deuxime version ne fait pas
obligatoirement participer tous les individus, et par consquent, elle nassure pas que le
meilleur individu soit prsent dans la population intermdiaire.
II.4.1.4 Recombinaison
La recombinaison agit directement sur la structure des chromosomes en modifiant
leurs gnes pour obtenir les nouveaux chromosomes dune nouvelle population. Il existe deux
catgories doprateurs de recombinaison : loprateur de croisement et loprateur de
mutation.
L'oprateur de croisement permet la cration de nouveaux individus selon un processus
fort simple. Il permet donc l'change d'information entre les chromosomes (individus). Tout
d'abord, deux individus, qui forment alors un couple, sont tirs au sein de la nouvelle
population issue de la reproduction. Puis un (potentiellement plusieurs) site de croisement
P est tir alatoirement. Enfin, selon une probabilit
c
P que le croisement s'effectue.
- Si
c
P P > , le croisement naura pas lieu et les parents sont recopis dans la nouvelle
gnration.
- Si
c
P P s , le croisement se produit et les chromosomes des parents sont croiss pour
donner deux enfants qui remplaceront leurs parents dans la nouvelle gnration.
Il existe diffrents types de croisement. Les plus connus sont le croisement multipoints et le
croisement uniforme de la fig. II.5.
Pour le croisement multipoints, p positions de croisement, avec | | 1 ,..., 2 , 1 e l p o
l reprsente la taille du chromosome, sont choisies alatoirement pour chaque couple.
Ensuite, les gnes entre deux points de croisement successifs sont changs entre deux parents
produisant deux nouveaux individus appels enfants. Les valeurs typiques de p sont : 1
(croisement 1 point) et 2 (croisement 2 points).
Le croisement uniforme est une gnralisation du croisement multipoints. Ici, chaque
gne du chromosome peut constituer un point de croisement. Un chromosome nomm
masque, de taille identique celle des parents, est cre alatoirement et la valeur des gnes du
masque indique de quel parent lenfant recevra-t-il son gne.
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
21
Fig. II.5 (a) Croisement multipoints ( 2 = p ), (b) Croisement uniforme
Loprateur de mutation permet dexplorer de nouveaux points dans lespace de
recherche et dviter de converger vers les optima locaux. La mutation sapplique sur chaque
gne de chaque individu avec une probabilit de mutation
m
P en suivant le mme principe
que pour le croisement.
- Si P >P
m
la mutation naura pas lieu et le gne reste tel quil est.
- Si P P
m
la mutation se produit, et le gne sera remplac par un autre gne tir
alatoirement parmi les diffrentes valeurs possibles. Dans le cas dun codage binaire,
cela revient tout simplement remplacer un 0 par 1 et vice versa, comme le montre la
figure II.7.
Figure II.6 Mutation dans le cas dun codage binaire.
Contrairement loprateur de croisement, la mutation est souvent considre comme
secondaire ayant pour rle de restaurer des informations gntiques perdues [Sri 94] [Ler 95].
II.4.1.5 Critre darrt
Comme dans tout algorithme itratif, il faut dfinir un critre darrt. Celui-ci peut tre
formul de diffrentes faons parmi les quelles nous pouvons citer :
- Arrt de lalgorithme lorsque le rsultat atteint une solution satisfaisante.
- Arrt sil ny a pas damlioration pendant un certain nombre de gnrations.
- Arrt si un certain nombre de gnrations est dpass.
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
22
II. 4. 1. 6 REGLAGE DES PARAMETRES DUN AG
Llaboration dun algorithme gntique ncessite le rglage de certains paramtres.
Ce rglage a une influence sur la convergence de lalgorithme gntique et les rsultats
obtenus. Cependant, il nexiste pas de rgle spcifique pour ajuster les paramtres dun AG, et
ils sont souvent choisis de manire empirique. Quelques remarques sont alors soulever :
- Probabilit de croisement : la probabilit de croisement a une influence
considrable sur la vitesse de convergence dun algorithme gntique. Plus elle est
grande et plus elle favorise la recombinaison des individus tout en favorisant de
tomber dans un optimum local. Les valeurs usuels pour ce paramtre varient entre
0.6 0.95.
- Probabilit de mutation: elle doit tre assez faible par rapport celle du
croisement de manire ne pas perturber lvolution de lalgorithme. Une valeur
leve transformera lalgorithme en une recherche alatoire, alors quune valeur
trs faible rendra impossible lextraction des optima locaux. Les valeurs usuels
pour ce paramtre varient de 0.001 0.2.
- Tailledela population: augmenter la taille de la population permet daugmenter
sa diversit et rduit la probabilit dune convergence prmature vers un
optimum local, mais en mme temps elle augmente le temps ncessaire pour
converger vers les rgions optimales de lespace de recherche [Sri 94].
II. 4. 2 Optimisation par essaim de particules
Etant donn un espace de recherche et une fonction sur cet espace dont on cherche
loptimum, le principe de base consiste dfinir un ensemble de particules (l'essaim) par des
positions et vitesses initiales. Lessaim va ensuite voluer selon un processus raisonnement-
dcision chaque pas de temps, qui, informellement, est le suivant, du point de vue de la
particule :
1. mmoriser sa meilleure position jamais trouve (meilleure position atteinte)
2. demander chacun de ses voisins leurs meilleures positions
3. considrer la meilleure d'entre elles
4. combiner les trois tendances : sa propension suivre son propre chemin (attitude
"volontariste"), sa tendance "conservatrice" (revenir vers sa meilleure position) et sa
tendance "suiviste" (aller vers son meilleur voisin) pour dfinir sa nouvelle
vitesse/direction de dplacement
5. effectuer ce dplacement
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
23
La formulation mathmatique de ce comportement est la suivante :
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) t x t p
g
t x t p
i
t v t v + + = +
3 2 1
1 (II. 8)
( ) ( ) ( ) 1 1 + + = + t v t x t x (II. 9)
o t est le temps, x la position (multidimensionnelle) de la particule, v sa vitesse, p
i
sa
meilleure position atteinte, p
g
la meilleure des meilleures positions atteintes dans son
voisinage et
1
,
2
,
3
les coefficients de confiance pondrant les trois directions possibles
(volontariste, conservatrice, suiviste).
Dans presque toutes les applications, les coefficients
2
et
3
sont choisis chaque pas
de temps au hasard dans un intervalle donn. On voit tout de suite que d'innombrables
variantes sont possibles, y compris la possibilit de jouer sur la taille et la dfinition des
voisinages, ou la taille de l'essaim. L'analyse mathmatique que M.Clerc a ralise en 1999, et
en fonction de laquelle Jim Kennedy a sensiblement amlior ses propres versions [Cle 01], a
permit dtablir les relations que doivent respecter les coefficients pour assurer la
convergence (ou, plus prcisment la non divergence).
Les quations du mouvement sont valables quel que soit l'espace de recherche, pour
peu que l'on sache dfinir les oprateurs ncessaires :
- diffrence de deux positions (dplacement assimilable une vitesse, le temps
tant discrtis)
- combinaison linaire de deux vitesses
- addition d'une position et d'une vitesse
Concernant la fonction optimiser, la seule contrainte est que l'on puisse comparer les
valeurs qu'elle prend en deux points quelconques de l'espace de recherche, conformment la
structure algbrique de treillis, qui garantit certaines proprits de convergence [Lat 00].
II. 4. 2.1 Concept de base de lOEP
Le principe de lOEP dvelopp par Kennedy et Eberhart [Ken 95-2] se base sur le
comportement des nues doiseaux. Ainsi, lOEP a t fondamentalement dvelopp travers
la simulation du comportement des nues doiseaux dans l'espace bidimensionnel. La position
de chaque agent est reprsente par ses coordonnes suivant les deux axes XY auxquels on
associe les vitesses exprime par v
x
(vitesse suivant laxe X) et v
y
(vitesse suivant l'axe Y). La
modification du comportement de chaque agent se base sur les informations de position et de
vitesse.
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
24
A chaque itration lagent procde via une fonction objective lvaluation de sa meilleure
valeur jusque l (pbest) et sa position suivant les deux axes XY. .
Cette information est obtenue partir de lanalyse des expriences personnelles de chaque
agent. En plus, chaque agent connat la meilleure valeur globale du groupe (gbest) parmi les
pbests. Cette information reprsente la valeur autour de laquelle dautres agents sont
performants. Ainsi, chaque agent essaye de modifier sa position en se basant sur les
informations suivantes :
position courante (x, y),
vitesse courante (v
x
, v
y
),
distance entre la position courante et pbest
distance entre la position courante et gbest
Cette modification peut tre reprsente par le concept de vitesse. La vitesse modifie de
chaque agent scrira de la manire suivante [Nak 03]:
) ( ) (
2 2 1 1
1
s
gbest
rand c s
pbest
rand c v w v
k
i i
k
i i
k
i
k
i
+ + =
+
(II. 10)
O :
v
k
i
: Vitesse de lagent i litration k.
e : Fonction de pondration.
c
j
: Facteur de pondration.
rand : Nombre alatoire entre 0 et 1.
s
k
i
: Position courante de lagent i litration k.
pbest
i
: pbest de lagent i.
gbest : gbest du groupe.
La fonction de pondration habituellement utilise dans lquation (II.10) est la suivante :
iter
iter
w w
w w
=
max
min max
max
(II.11)
O :
w
max
: Poids initial,
w
min
: Poids final,
iter
max
: Nombre maximum ditration,
iter : Nombre courant ditration.
La partie de droite de lquation (II.10) comprend trois termes (vecteurs). Le premier
terme reprsente la vitesse prcdente de lagent. Le second terme ainsi que le troisime sont
utiliss pour modifier la vitesse de lagent [Nak 03].
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
25
Le modle utilis dans lquation (II.11) est appel approche poids inertie Inertia
Weights Approch (IWA) [Kau 01]. La position courante (cherchant le point dans lespace de
solution) est modifie suivant lquation ci-dessous :
v s s
k
i
k
i
k
i
1 1 + +
+ = (II.12)
La Fig. II. 7 montre le concept de modification dun point de recherche par lOEP [Nak 03]
alors que la Fig.II.8 illustre un concept de recherche avec des agents dans un espace de
solution. Chaque agent change sa position courante en moyennant lintgration des vecteurs
comme prsents dans la Fig. II. 8 [Ken 01-1].
Fig. II. 7 Concept de modification dun point de recherche par lOEP.
O :
s
k
i
: Position courante de lagent.
s
k
i
1 +
: Position modifie de lagent.
v
k
i
: Vitesse courante de lagent.
v
k
i
1 +
: Vitesse modifie de lagent.
v
pbest
: Vitesse de lagent base sur la position pbest.
v
pbest
:Vitesse de lagent base sur la position gbest choisi parmi toutes les meilleures
positions des agents de la population.
Fig.II. 8 Concept de recherche avec des agents dans lespace de solution de lOEP.
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
26
II. 4. 2. 2 Algorithme gnral de lOEP
Les concepts de lOEP prsents dans les sections prcdentes nous permettent de
construire lalgorithme suivant fig. II. 9 [Fuk 00] [Ken 01-2] [Nak 03] :
Fig. II. 9 Organigramme gnral dm lOEP.
Etape1 : Gnration dtat initial de chaque agent
Les points de recherche initiaux, position
( )
s
i
0
et vitesse
( )
v
i
0
de chaque agent sont
produits alatoirement Pour chaque agent le point de recherche courant est plac pbest.
| |
s s S
m j
j
j
0
,
0
1 ,
0
+ =
pour s s
k k
max min
,
(II. 13)
| |
v v V
m j
j
j
0
,
0
1 ,
0
+ = pour
v v
k k
max max
,
(II. 14)
n j ,..., 1 =
N
s s
v
k k
k
min max
max
+
= (II. 15)
O:
n : nombre de positions et de vitesses gnres alatoirement .
N: nombre choisi dintervalles dans la k
ime
dimension.
m: nombre de variables.
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
27
Etape2 : Evaluation du point de recherche de chaque agent
Les points de recherche courants sont valus au moyen de la fonction objective
relative au systme dtude. Si la valeur dun agent est meilleure que son pbest courant, pbest
prend cette nouvelle valeur. Si la meilleure valeur de pbest est meilleure que gbest courant,
gbest est remplac par cette meilleure valeur et lagent qui correspond cette meilleure valeur
est ainsi stock.
Etape3 : Modification du point de recherche.
La modification du point de recherche se fait en moyennant les quations (II.10),
(II.11) et (II.12).
Etape4 : Critre darrt.
La procdure de recherche est arrte lorsque le nombre courant ditration devient
gal la valeur maximale ditrations pralablement dtermine. Dans ce cas de figure, la
dernire valeur gbest peut tre considre comme solution. Dans lautre cas, la recherche
continue en revenant ltape 2.
Loptimisation par Essaims de particules peut tre prsente par les points suivants :
- La mthode OEP peut essentiellement manipuler le problme d'optimisation continu.
- LOEP utilise plusieurs points de recherche comme le fait l'algorithme gntique (GA)
qui convergent graduellement vers le point optimal en utilisant les valeurs pbest et
gbest.
- La mthode OEP utilise La diversification et lintensification pour une recherche
efficace.
- LOEP sapplique facilement aux problmes de k dimensions et a donn de bons
rsultats pour la fonction Schaffer f6 et la fameuse fonction benchmark [Ken 95-2].
- LOEP prsente un avantage certain sur les mthodes classiques dans le sens o elle
permet une exploration alatoire de lespace des solutions. De plus, elle est simple
mettre en oeuvre et son excution conduit lobtention de trs bons rsultats,
rapidement et efficacement avec peu de paramtres ajuster.
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
28
II. 5 CONCLUSION
Dans ce chapitre, nous avons prsent les diffrentes applications des FACTS en
particulier le SVC ainsi que les bases ncessaires la comprhension des mthodes
doptimisation base dAlgorithme Gntique et dessaim de particules.
De nombreuses possibilits dutilisation de ces techniques intelligentes sont
envisageables. Dans le cadre de cette tude, nous avons cibl lamlioration de la stabilit
dynamique du rseau via loptimisation des paramtres du dispositif SVC.
Chapitre III Modlisation du rseau lectrique en rgime dynamique
29
CHAPITRE III
MODELISATION DU RESEAU ELECTRIQUE
EN REGIME DYNAMIQUE
III.1 INTRODUCTION
La taille, la complexit et le nombre de sous-systmes dun systme multimachine,
rendent la modlisation de celui-ci pratiquement impossible. Bien que thoriquement
possible, un modle qui dcrit tous les phnomnes apparaissant dans un systme lectrique
noffre pas plus davantages quun modle simplifi. Premirement, un tel modle
ncessiterait une trs grande base de donnes et de paramtres. Deuximement, les rsultats
obtenus seront difficiles analyser et interprter vu le nombre de phnomnes entrant en jeu.
Dans ce chapitre, Nous prsentons au dbut un modle permettant de reprsenter le
fonctionnement du systme multimachine en rgime de faible perturbation ainsi que le
modle du SVC qui sera utilis pour lamlioration de la stabilit .
III.2 MODELISATION DU RESEAU MULTIMACHINE
III.2.1 Diagramme de Phase
Le diagramme de phase dun rseau multimachines peut tre dcrit dans la figure III.1.
Les variables de la i
me
machine dfinies par rapport aux axes d
i
et d
q
peuvent tre exprimer
pour toutes machines suivant un systme unique daxes D et Q.
Chapitre III Modlisation du rseau lectrique en rgime dynamique
30
Figure III.1 Diagramme de phase pour la i
me
machine.
Le modle utilis dans cette tude et reprsent sur la Figure III.2 est similaire celui
adopt dans la rfrence [YU 83]. Chaque machine est modlise avec trois variables dtat
plus une pour lexcitation, ce qui donne un systme dordre 4n (n : nombre de machines).
Leffet des enroulements amortisseurs est nglig, ce qui conduit une estimation optimiste
de la stabilit des petits signaux [Fle 90] [Yu 83] [Ele 96].
La tension terminale V
i
de la i
me
machine du systme lectrique est donne par
lquation suivante :
qi di qi i d qi i
I x x j I x j E V ). .( . .
'
' = (III.1)
) 90 .(
.
i
j
qi qi
e E E
o
' = (III.2)
Avec :
i
j
qi qi
e I j I
o
=
.
. . (III.3)
Pour n machines, on a la formulation suivante :
| | | || | | | | | | || || |
q
j
d q i d q
j
I e X X j I X j E e V
i i
o o
' ' ' =
. ) 90 .(
. (III.4)
III.2.2 Composantes des Courants
Pour trouver les composantes K
1
, , K
6
, on doit passer par le calcul des composantes
des courants qui sera suivi par ltude dcoulement de puissance (load flow) du systme pour
la dtermination des conditions initiales. Les nuds de charge peuvent tre limins en
utilisant la rduction de Kron . On notera que la somme algbrique des courants des nuds
de charge est nulle.
Chapitre III Modlisation du rseau lectrique en rgime dynamique
31
(
=
(
L
G
L LG
GL G
L
G
V
V
Y Y
Y Y
I
I
(III.5)
Lindice G dsigne les nuds gnrateurs.
Lindice L dsigne les nuds de charge.
Figure III.2 Schma fonctionnel de la i
me
machine du rseau multimachine.
Aprs limination des nuds de charge, on obtient :
| | I = | || | V Y
t
(III.6)
Avec :
] [ ] [
G
I I = (III.7)
| | V =| |
G
V (III.8)
En substituant lquation (III-4) dans (III-6), on obtient:
| | | | | || | | || || | | |
I e
j
E e
Y I
q
i j
d q q
i j o o
X
X
+ =
' ' 90 (
(III.9)
Avec :
Chapitre III Modlisation du rseau lectrique en rgime dynamique
32
| | Y = [ | | j Y
t
+
1
| |
'
d
X ]
-1
(III.10)
Si lon pose :
ij
e Y Y
ij ij
|
= (III.11)
j i ij
o o o = (III.12)
j i ij
| | | = (III.13)
On obtient pour la i
me
machine dans le systme D-Q :
i
j
i
i e I i
o
= (III.14)
Do les expressions :
| |
qj ij di qi qj ij
n
ij i di
I C X X E S Y i i ) ( ) Re(
' '
1
+ = =
(III.15)
| |
qj ij di qi qj ij
n
ij i qi
I S X X E C Y i i ) ( ) Im(
' '
1
+ = =
(III.16)
Avec:
) cos(
ij ij ij
C o | + = (III.17)
) sin(
ij ij ij
S o | + = (III.18)
La diffrentiation de lexpression du courant donne :
qi di qi di
I j I ji i A + A = + A ) ( (III.19)
De lquation (III.17), on obtient :
| | | |
d
P I
d
= A | | | | d Q + Ao | | | |
d q
M E + A
'
| | q I A (III.20a)
| | q L | | q I A = | | q P | | o A +| | q Q | |
'
q
E A (III.20b)
Avec:
ij Y Pdij = | |
j ij dj qj qj ij
Iq S X X E C ) (
' '
+ (III.21)
ij Y Pqij = | |
j ij dj qj qj ij
Iq C X X E S ) (
' '
+ (III.22)
=
n
ij
d
dii
P P
1
i = j (III.23)
=
n
ij
q
qii
P P
1
i = j (III.24)
Chapitre III Modlisation du rseau lectrique en rgime dynamique
33
ij ij dij
S Y Q = (III.25)
ij ij qij
C Y Q = (III.26)
ij dj qj ij qij
S X X Y L ) (
'
= (III.27)
ii di qi ii qii
S X X Y L ) ( 1
'
= (III.28)
M
dij
= Y
ij
(X
qj
-X
qj
) C
ij
(III.29)
Pour le calcul des matrices P, Q, L et M du systme dquations (III.20), les valeurs
initiales de E
qj
, I
qj,
et
j
doivent tre connues, la solution du systme devient :
| |
d
I A = | |
d
Y | |
'
q
E A +| | d F | | o A (III.30)
| |
q
I A
= | |
q
Y | |
'
q
E A +| | q F | | o A (III.31)
Avec :
| |
d
Y = | |
d
Q +| |
d
M | |
d
Y (III.32)
| |
q
Y = | |
1
q
L | |
q
Q (III.33)
| |
d
F = | |
d
P +| |
d
M | |
q
F (III.34)
| |
q
F = | |
1
q
L | |
q
P (III.35)
II.2.3 Equation de Puissance
Le couple lectrique est gal la puissance lectrique en units relatives pour la i
me
machine:
di di qi qi qi qi i i ei
I X X I E I V I T ) ( ) Re(
' '
+ = =
-
(III.36)
Pour n machines, la linarisation donne :
| | ] ]][ [ ] [ ] [[ ] ][ [ ] [ ] [ ] [
'
0
' ' '
0
0
q d q
T
d q d d q
T
q
T
q e
I X X I E I X X I E I T
q
A + + A + A = A (III.37)
Daprs le schma bloc de la figure II.2, le couple lectromagntique est aussi donn par :
Chapitre III Modlisation du rseau lectrique en rgime dynamique
34
] ][ [ ] ][ [ ] [
'
2 1 q e
E K K T A + A = A o (III.38)
Avec :
qii t dii ii
F Q F D K
t
+ =
1
(III.39)
qij t dij ij
F Q F D K
t
+ =
1
(III.40)
0 2 qi qii t dii ii
I Y Q Y D K
t
+ + = (III.41)
qij t dij ij
Y Q Y D K
t
+ =
2
(III.42)
qio di qi t
I X X D ) (
'
= (III.43)
'
0
'
) (
qi dio di qi t
E I X X Q + = (III.44)
III.2.4 Equation des Tensions Internes
Lquation donnant les tensions internes est :
] ][ [ ] [ ] ]][ [ ] 1 [[
' ' '
d d d FD q do
I X X E E T S A A = A + (III.45)
On substitue lquation (III.30) dans lquation (III.45), pour obtenir pour la i
me
machine
lexpression suivante :
]
n
1
ij
ij 4
K
'
qj
E
n
1
ij 3
K
1
FDi
[
ii 3
K ]
'
q
]][]
ii 3
K
'
do
S[T [[1] = + (III.46)
Avec:
1 '
3
] ] [ 1 [
+ =
dii di di ii
Y X X K (III.47)
1 '
3
] ] [[
=
dji di di ij
Y X X K (III.48)
] ][ [
'
4 di di di ii
F X X K = (III.49)
] ][ [
'
4 dij di di ij
F X X K = (III.50)
III.2.5 Equation des Tensions Terminales
On a lquation matricielle des tensions aux bornes des diffrentes machines du rseau :
Chapitre III Modlisation du rseau lectrique en rgime dynamique
35
] ][ [ ] [ ] ][ [ ] [ ] [
0
1
0
1
V
V V V V V V
q q t d d t t
A
+ A = A
(III.51)
Dautre part, on a :
] ][ [ ] ][ [ ] [
'
6 5 q t
E K K V A + A = A o (III.52)
Do lon tire :
] ][ ][ [ ] ][ ][ [ ] [
'
5 q d v q q v
F X Q F X D K = (III.53)
] [ ] ][ ][ [ ] ][ ][ [ ] [
'
6 v d d v q q v
Q Y X Q Y X D K + = (III.54)
Avec :
] [ ] [ ] [
0
1
d t v
V V D
= (III.55)
] [ ] [ ] [
0
1
q t v
V V Q
= (III.56)
III.2.6 Reprsentation dtat
La synthse des quations lectriques et mcaniques donne:
| || || || | | |
E E FD q
T
A A
A A = AX
'
e o (III.57)
| |
T
ref m
V T U A A = A (III.58)
| || || || | | |
T V
Y
e t
T
A A
A A = A e o (III.59)
| | | | | | | |
| |
| |
| |
(
(
(
(
(
(
(
(
(
(
(
=
T T
K K
T
K K
T T K T
K
M
K
M
D
M
K
A
a a
a
a
a
do do do
B
1
0
'
1
'
1
0
'
0
0 0 0
6 5
3
4
2 1
e
(III.60)
Chapitre III Modlisation du rseau lectrique en rgime dynamique
36
| | | | | |
| | | | | |
(
(
(
(
=
T
K
M
B
a
a
0 0 0
0 0
1
0
(III.61)
| | | | | | | |
| | | | | | | |
| | | | | | | |
| | | | | | | |
(
(
(
(
=
0 0
0 0
0 0 1 0
0 0 0 1
2 1
6 5
K K
K K
A (III.62)
Les lments des matrices [A], [B], [C] sont des sous matrices, on a par exemple :
(
(
(
(
=
(
M
K
M
K
M
K
M
K
M
K
n
nn
n
n
n
n
1 1 1
11
1
111
1
(III.63)
La forme gnrale de lquation dtat du systme :
BU X A X
+ =
.
(III.64)
III.3 ANALYSE DE STABILITE
La stabilit dynamique correspondant aux perturbations de faibles amplitudes peut tre
analyse en utilisant lune des mthodes applicables aux systmes linaires dont la plus
courante reste celle des valeurs propres.
Une fois lquation dtat du systme lectrique crite sous la forme gnrale (III.64), la
stabilit du systme peut tre tudie. Lanalyse de la stabilit est base sur des valeurs
propres et des vecteurs propres du systme.
III.3.1 Valeurs propres
Une valeur propre = j (ou pole du systme) est un nombre complexe qui vrifie
lgalit (III.65) appele quation caractristique de la matrice dtat A. le nombre de valeurs
propres dun systme est toujours gal la dimension de sa matrice dtat.
( ) 0 det = I A (I : matrice identit) (III.65)
Chapitre III Modlisation du rseau lectrique en rgime dynamique
37
Chaque valeur propre
i
contribue la rponse transitoire du systme travers des
fonctions lmentaires du temps :
- Chaque valeur propre relle
i
de multiplicit m
i
donne une rponse transitoire :
( )
t
m
j
j
j i
i
i
e t c t y
=
1
1
(III.66)
- Chaque paire de valeurs propres complexes conjugues (
i
,
i
*
) de multiplicit m
i
donne une rponse transitoire :
( ) ( ) ) sin( ) cos(
2 1
1
1
t c t c e t t y
i j i j
t
m
j
j
i
i
i
| |
o
+ =
=
(III.67)
O c
j
, c
1j
et c
2j
sont des coefficients dpendant des conditions initiales.
La rponse transitoire globale du systme est constitue par la combinaison linaire de
ces fonctions lmentaires. Dans cette combinaison linaire, chaque fonction lmentaire du
temps est appele mode du systme. On constate que les modes sont foncions
dexponentielles ; la convergence de la rponse peut tre dtermine en tudiant les exposants
des exponentielles qui ne sont rien dautre que les valeurs propres du systme. On distingue
alors deux types de modes :
Les valeurs propres relles correspondent des modes apriodiques.
Les valeurs propres complexes conjugues correspondent des modes oscillants.
La caractristique temporelle dun mode correspondant tant donne par e
t
, la
stabilit du systme est donc lie lemplacement des valeurs propres dans le plan complexe
[Sin 02] :
1.
Si toutes les valeurs propres ont une partie relle ngative, tous les modes
dcroissent dans le temps et le systme est dit globalement stable.
2. Si une des valeurs propres est partie relle positive, le mode correspondant
croit exponentiellement dans le temps et ventuellement domine le
comportement du systme. Un tel systme est dit instable.
3. Si une des valeurs propres est partie relle nulle, le mode correspondant aura
une rponse non amortie.
Pour les modes oscillatoires [Sny 97], les oscillations sont caractrises par la frquence
oscillatoire en Hertz donne par :
Chapitre III Modlisation du rseau lectrique en rgime dynamique
38
t
|
2
= f (III.68)
et le facteur damortissement donn par :
2 2
| o
o
= (III.69)
III.4. Modlisation du systme avec incorporation des SVC
Dans ce qui suit, nous procderons lintgration des dispositifs FACTS dans le rseau
lectrique afin damliorer la stabilit dynamique, en amortissent les oscillations
lectromcaniques du systme et pour obtenir un rglage convenable de la tension.
Nous prsenterons un modle dynamique complet du systme avec linsertion des FACTS
propos dans [Ele 96]. Le choix du site dimplantation de ces dispositifs sera ensuite dfinit
par la technique des vecteurs propres et des facteurs de contribution.
Au cours de la dcennie dernire, le SVC est devenu un moyen populaire trs rpandu
permettant de fournir un apport ractif rapide dans des systmes de puissance. Ces dispositifs
sont utiliss pour le contrle de la tension, la compensation de lnergie ractif et des pertes
de systme ainsi que pour amliorer les limites de stabilit. Lutilisation du SVC est surtout
destine lamlioration de l'amortissement du systme et le contrle de la tension [OBR
85] [WU 91].
III.4.1 Description du Systme
III.4.1.1 ModleduSystme
Pour examiner les possibilits de la mthode propose, on considre le modle du
systme dans la figure III.3. Il se compose d'un alternateur reli un noeud de puissance
infinie par une ligne de transport, et un dispositif de compensation de lnergie ractive SVC
localis entre ses bornes [Ele 96].
Figure III.3 Modle du systme avec SVC.
Chapitre III Modlisation du rseau lectrique en rgime dynamique
39
Etant donn le modle de la machine synchrone reli un nud de puissance infinie par
une ligne de transport avec le rgulateur primaire de tension, schmatis dans la fig. III.4.
La linarisation de ce systme donne les six paramtres K
1
K
6
que caractrisent les
gnrateurs et qui sont des fonctions des paramtres des machines, des impdances du rseau
dinterconnexion ainsi que des conditions de fonctionnement [YU 83].
Fig. III.4 Modle du SVC.
III.2.2.2 Compensateur Statique
Dans cette partie, le thyristor ractif command avec le condensateur fixe (TCR + FC)
est utilis dans le SVC de la fig. III.4. Une phase du SVC triphas et son schma fonctionnel
de commande [OBR 87] [Che 90]. L'unit de SVC est relie la borne de gnrateur comme
montr dans figure III.3. La fonction primaire du SVC est commander la puissance ractive et
de stabiliser la tension de systme. Le signal stabilisant auxiliaire U est ajout l'entre du
contrleur du SVC et est inject dans le systme d'excitation pour attnuer les oscillations
rotoriques de la machine. Le point de fonctionnement en rgime permanent du SVC est
donn par [Das 87]:
BV I
t s
= (III.70)
La linarisation au tour du point de fonctionnement donne :
B V V B I
t t s
A
+
A
=
A
0 0
(III.71)
Pour dvelopper une relation gnrale correspondant aux systmes multimachines, on suppose
que le SVC est situ au nud terminal du gnrateur synchrone. Dautre part, le signal
dentre V
i
du circuit de commande principal du SVC [Das 87] est donn par:
U I G V V
s I t i
+
A
A
=
A
(III.72)
Chapitre III Modlisation du rseau lectrique en rgime dynamique
40
III.4.2.3 MthodePropose
Dans cette section, une formulation mathmatique de la mthode propose applique au
systme dnergie multimachine a t dveloppe. Le modle du systme est dvelopp en
utilisant la matrice A
0
tenant compte de leffet des dispositifs SVCs incorpors dans le rseau
lectrique. Le rarrangement des quations (III.70) et (III.71) sous forme matricielle donne :
| || || | | || || | | | B
A V A V A B I
T
t t s
A
A
+
A
=
A
0 0 0 0 0
(III.73)
| || | | || || | | | | || | | | U
A A I A G A V A V
T
s
T
I t i 0 0 0 0 0
+
A
A
=
A
(III.74)
A partir de la figure III.4, les variations autour dun point de fonctionnement de la tension et
du couple lectromagntique sont donnes par [YU 83] :
| | | || | | || |
E K K V
q t
A
+ A =
A
'
6 5
o
(III.75)
| | | || | | || |
E K K T
q e
A
+ A =
A
'
2 1
o
(III.76)
De mme, les tensions E
fd
et E'
q
sont donnes par:
| | | || | | || | | | | || |
V K
U
A K V K E
ref a
T
a t a fd
A
+ +
A
=
A
0
(III.77)
| | | || | | || || | o A
A
=
A K K E K E
fd q 4 3 3
'
(III.78)
En substituant lquation (III.78) dans lquation (III.75), donne :
| | | || | | || || |
E K K K K K K V
fd t
A
+ A =
A
3 6 4 3 6 5
o
(III.79)
Si on suppose que V
ref
= 0, les quations (III.73), (III.74), (II.77) et (III.79) donnent:
| | | | | || | | | | || | | | U
A K K K K V
T
c c d c t 0
1
1
1 1
+ + A + =
A
o (III.80)
O:
| | | || | | || | U
H H V
D Q t
+ A =
A
o (III.81)
et
| | | || || | | || || | | || || | | |
( ) | || | U
H A B A G A A A A
B
A V A A G A H A B A G A A V
D
T
I
T
T
t
T
I Q
T
I i
0 0
0
0 0
0
0
0 0 0 0 0 0 0
0
0 0
+
+ A A + =
A
o
(III.82)
Le changement quilibr du susceptance de SVC est donn par :
Chapitre III Modlisation du rseau lectrique en rgime dynamique
41
| | | || |
V K
B
i r
A
= A (III.83)
partir des quations (III.82), (III.83) et (III.84), nous obtenons :
| | | || | | || | U
K K
B
9 8
+ A = A o (III.84)
Le rarrangement de lquation (III.84) donne :
| | | | | | | | | || | o A + A =
K K
B
K
U
8
1
9
1
9
(III.85)
Les quations (III.77), (III.78) et (III.85) donne :
| | | || | | || | B
K K E
q
A + A =
A
11 10
'
o (III.86)
Aussi, les quations (III.86), (III.76), (III.85) et (III.81) donnent :
| | | || | | || || | B
K K K K K T
e
A + A + =
A
11 2 10 2 1
o (III.87)
| | | || | | || | | | B
K H K K H H V
D D Q t
A + A + =
A
1
9 8
1
9
o (III.88)
O :
| | | || | | || | B
K K T
e
A + A =
A
13 12
o (III.89)
| | | || | | || | B W C
V
t
A + A =
A
o (III.90)
Avec :
| | | | | || || |
K K K K K
d 4 3 6 5
= , | | | || || |
K K K K
a c 3 6
= (III.91)
| | | | | || |
H K A V A A G A K
I
K
Q h
T
t
T
I r
1
0
0 0
0
0 8
+ = (III.92)
| | | | | |
H K A A K A V A A G A K
I
K
D h
T
r
T
t
T
I r
+ =
0
0
1
0
0 0
0
0 9
(III.93)
| | ( ) ( ) | |
K K H K K K K H A K K K
Q a D
T
a 4 3 3 8
1
9 0
3 10
+ =
(III.94)
| | | || |
A B A G A A K K
T
I r h 0 0
0
0 0
+ =
(III.95)
| | | || |
1
9
=
K H
W
D
(III.96)
| | ( ) | || |
1
9
0
3 11
=
K H A K K K
D
T
a
(III.97)
Chapitre III Modlisation du rseau lectrique en rgime dynamique
42
| | | || |
K K K
11 2 13
= , | | | |
K K K K
10 2 1 12
+ = (III.98)
| | | |
K K H H
C
D Q 8
1
9
+ =
(III.99)
| | | | | |
H K
I
H
d c Q
1
+ =
et | | | | | || |
T
c c D
A K K
I
H
0
1
+ = (III.100)
Les paramtres, les K
1
K
6
, le K
d
, le K
c
, et K
10
, K
a
, C, K
12
, G
I
, et le H
Q
sont des
matrices carres chacun de l'ordre (ng ng) et le H
D
, W, K
11
, K
13
sont des matrices d'ordre
(ng nsvc).aussi K
8
et A
0
sont des matrices de l'ordre(nsvc ng) et K
r
, B
0
et K
9
des matrices
carres chacun d'ordre (nsvc nsvc), o T est la transpos de la matrice, et A
0
donn par:
ng nsvc 1
(
(
(
(
=
0 0 1 0 0 0
0 0 1 0 0
0 0 1 0
0 0 1 1
0
nsvc
A (III.101)
Si le nsvc = ng (c..d le SVC est situ dans tous les nuds gnrateurs), donc la matrice
A
0
est une matrice diagonale gale l'unit, et si A
0
= 0 donc il ny a pas de SVC incorpor
dans les nud gnrateur.
Fig. III.5 Modle de la machine avec les nouveaux paramtres de contrle.
Chapitre III Modlisation du rseau lectrique en rgime dynamique
43
Lquation (III.89) reprsente une nouvelle formule du couple lectromagntique
dvelopp. Le premier terme reprsente le coefficient de synchronisation de couple, qui doit
tre positif pour assurer la stabilit de systme, le deuxime terme reprsente le degr auquel
une variation de la susceptance de SVC peut causer une acclration relative des machines.
Cette limite peut tre dfinie comme facteur d'efficacit du SVC. Augmenter ce facteur donne
plus de stabilit au systme. La Fig. III.5 montre le modle final de la machine contenant
l'effet de la compensation de SVC. Dans les tudes suivantes, les signaux de sortie V
t
, U sont
injects l'entre correspondante au gain du contrleur du SVC [Gib 82], et incorpors dans
chaque machine (Fig. III.5). Le systme complet ainsi dfinie peut tre rgie par l'quation
dtat exprime comme suit:
B F X A X A + =
(III.102)
III.5 INCORPORATION DES FACTS
Le nombre de FACTS installer nest pas toujours gal au nombre de gnrateurs. Par
consquent, il faut prendre en considration le choix de lemplacement optimal des FACTS
qui offre un meilleur rendement. Ce problme est rgl grce la matrice des facteurs de
contribution qui permettra didentifier lemplacement idal des SVC.
III.5.1 Vecteur Propre
Pour chaque valeur propre
i
(i = 1,, n), le vecteur colonne i de dimension n, qui
satisfait lquation (III.103), est appel vecteur propre de droite de A associ a
i
.
A
i
=
i
i
(III.103)
De mme, le vecteur ligne
i
de dimension n, qui satisfait lquation (III.104), est appel
vecteur propre de gauche de A associe a
i
.
i
A =
i
i
(III.104)
Les vecteurs propres de droite montrent la distribution des modes travers les variables
dtat, alors que les vecteurs propres de gauche, avec les conditions initiales du vecteur dtat
du systme, dterminent lamplitude des modes [Sin 02]. Les vecteurs propres peuvent tre
normaliss tel que leur produit donne :
i
i
=1 (III.105)
Chapitre III Modlisation du rseau lectrique en rgime dynamique
44
Il reste noter que le produit dun vecteur propre de droite et un vecteur propre de
gauche associs deux valeurs propres diffrentes vaut 0, c--d :
j
i
=0 (III.105)
III.5.2 FacteursdeContribution
Une matrice appele matrice de contribution, note P, donne une mesure sur la
relation entre les variables dtat et les modes du systme [YU 83]. Elle est dfinie par :
| |
n
P P P P ... ...
2 1
= (III.107)
Avec :
(
(
(
(
(
(
+ u
+ u
+ u
=
(
(
(
(
(
(
=
in ni
i i
i i
ni
i
i
P
P
P
P
2 2
1 1
2
1
1
(III.108)
Llment P
ki
=
ki
ki
est appel facteur de contribution, et mesure la contribution de la k
me
variable dtat dans le i
me
mode. Les facteurs de contribution sont trs utiles dans
lidentification des variables dtat ayant une grande influence sur un mode donn. La matrice
suivante explique ce raisonnement :
(
(
(
(
(
(
=
44 43 42 41 4
34 33 32 31 3
24 23 22 21 2
14 13 12 11 1
4 3 2 1
P P P P
P P P P
P P P P
P P P P
P
_
_
_
_
(III.109)
Pour chaque
1
,
2
,
3
,
4
, la matrice de contribution montre le degr dimplication de chaque
variable dtat x
1
, x
2
, x
3
, x
4
. Les facteurs de contribution sont sans unit, ils ne dpendent donc
pas des untes des variables dtat. Aussi, la somme des lments de chaque ligne de P et la
somme des lments de chaque Colonne de P vaut 1 :
1
1 1
= =
= =
n
i
ji
n
j
ji
P P (III.110)
Une autre proprit intressante est la contribution des sous-systmes [Rou 98]. Elle est
donne par la valeur absolue de la somme des facteurs de contribution des variables dtat qui
dcrivent un sous-systme dans un mode :
Chapitre III Modlisation du rseau lectrique en rgime dynamique
45
e
=
S j
ji Si
p P (III.111)
III.6 CONCLUSION
Dans ce chapitre, nous avons tabli un modle linaire du systme lectrique sous la
forme de reprsentation dtat. Cette reprsentation est la plus adapte dans le cas de lanalyse
de la stabilit en petit mouvement.
Les quations dynamiques du modle du SVC ont t prsentes, montrant leffet de la
susceptance des dispositifs SVC. Ils permettent aussi via la matrice A
0
de tenir compte de
leffet des dispositifs SVCs incorpors dans le rseau lectrique.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
46
CHAPITRE IV
O OP PT TI IM MI IS SA AT TI IO ON N D DE ES S S SV VC Cs s P PA AR R L LE ES S A AG G
IV.1. Introduction
Dans ce chapitre, nous allons procder limplantation des dispositifs SVC dans un
rseau lectrique. Le nombre de SVC installer nest pas forcement celui des gnrateurs.
Par consquent, nous devons prendre en considration le choix de lemplacement optimal
offrant le meilleur rendement. La solution ce problme sera donc donne par la matrice des
facteurs de contribution.
Il sera aussi question doptimiser les paramtres des SVCs au moyen des AG.
Lobjectif consiste trouver les valeurs optimales qui permettent aux SVCs dassurer un
amortissement satisfaisant des oscillations rotoriques, tout en garantissant la stabilit globale
du systme.
IV. 2 Rseau dapplication
Le systme de puissance tudi dans cette section est un rseau deux rgions
interconnectes dont le schma unifilaire est reprsent par la figure IV.1. Ce systme,
introduit par [Kle 91], a t adopt dans le but dtudier le phnomne des oscillations
lectromcaniques entre diffrentes rgions de production. Il est constitu de deux rgions
symtriques, comportant chacune deux gnrateurs identiques, relies travers une ligne de
220 km. Les donnes du systme sont reports en annexe A [Has 01].
Fig. IV.1 Diagramme unifilaire du rseau 2 Rgions-4 machines.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
47
IV. 3 Implantation des SVCs
Cette partie consiste simuler des petites perturbations de charge permettant lanalyse
de la stabilit dynamique dans le domaine temporel sans aucune commande et avec
incorporation du SVC.
IV. 3. 1 Emplacement optimal des SVCs
Etant donn la configuration du rseau dapplication, le nombre de SVC choisi dans
cette tude sera gal deux et leur emplacement sera dtermin en utilisant la matrice des
facteurs de contribution dtaille prcdemment dans le chapitre III.
Le tableau IV.1 prsente les modes dominants ainsi que les frquences et les facteurs
damortissement correspondants, obtenus pour une perturbation de 5% du couple
lectromcanique au niveau du gnrateur G2.
Tableau IV.1 Modes dominants du systme sans SVC.
Le tableau IV.2 montre les facteurs de contribution des gnrateurs pour les modes
oscillatoires lectromcaniques. Nous pouvons faire les remarques suivantes :
le mode (-0.0322 4.0327i) est domin par les gnrateurs G1 et G2, alors que le
mode (-0.0322 5.2166i) est domin par les gnrateurs G3 et G4. Ces deux modes
correspondent des modes locaux et caractrisent linteraction entre les gnrateurs
dune mme rgion.
Le mode (-0.0322 6.4630i) correspond un mode inter-rgional et caractrise
linteraction entre les gnrateurs dune rgion par rapport aux gnrateurs dune autre
rgion.
Modes Amortissement
(%)
Frquence
(Hz)
-0.0322 6.4630i
-0.0322 4.0327i
-0.0322 5.2166i
4.99e-003
7.99e-003
6.18e-003
1.0281
0.6414
0.8308
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
48
Daprs les rsultats de ce tableau, lemplacement optimal des SVCs est obtenu par la
disposition suivante :
- Un SVC sera plac sur le gnrateur 2 et un autre sur le gnrateur 4.
Tableau IV.2 Contribution des gnrateurs dans les modes lectromcaniques.
Les paramtres des SVCs utiliss sont reprsents dans le tableau IV.3. La suceptance Bsvc
des SVCs est prise gale a 0.6 p.u [Ele 96].
Tableau IV.3 Paramtres des SVC non optimiss.
Paramtres des SVC
s
K
ri
T
ri
G
Ii
SVC
1
5.1
0.8
10
SVC
2
0.1 0.5 10
La figure IV.2, compare la dviation de la vitesse pour une perturbation de 5 % du couple
lectromcanique, pour chaque gnrateur sans et avec SVCs et ce pour une charge nominale.
Nous constatons que le systme devient plus stable quand les SVCs sont implants dans les
nuds gnrateurs dfinis par la mthode des facteurs de contribution.
IV.4 APPLICATION DES AGs
Dans cette partie, nous avons tent doptimiser les paramtres des SVC
s
au moyen des
AGs. Lemplacement de ces dispositifs de compensation sera donc, comme dfini
prcdemment, au niveau des gnrateurs G2 et G4. Lobjectif est de trouver les valeurs
optimales des paramtres des SVCs qui leur permettent dobtenir un amortissement
satisfaisant des oscillations lectromcaniques.
Modes G1 G2 G3 G4
-0.0322 6.4630i
-0.0322 4.0327i
-0.0322 5.2166i
0.1593
0.7505
0.0005
0.5579
0.2436
0.0210
0.0189
0.0052
0.7636
0.2635
0.0006
0.2146
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
49
Fig. IV.2 Rponses temporelles de la vitesse des gnrateurs avec et sans SVC.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
50
IV. 4. 1 Formulation de la fonction objective
On considre quun systme de puissance est bien amorti si lamortissement de toutes
les valeurs propres dpasse les 5% [Gra 00].
Notre objectif est darriver, via la procdure doptimisation par les AGs, un amortissement
de plus de 5% pour tous les modes, et ce, en explorant les valeurs admissibles des paramtres
des SVCs constituant lespace de recherche.
La fonction de transfert qui correspond au SVC est la suivante :
( )
|
|
.
|
\
|
+
+
|
|
.
|
\
|
=
sT
K
sT
sT
k K
ri
ri
s
i
i
i i
1
1
2
e
e
(IV.1)
Du point de vue de la stabilit en petit mouvement, la valeur de la de la constante de
temps T
e
du filtre nest pas critique. Le rle de ce filtre est dattnuer les frquences
indsirables (infrieures 0.1 Hz) du signal dentre [Gra 00].
Le gain k
i
du contrleur PI est fixe pendant la procdure doptimisation et est gale lunit.
Les paramtres optimiser sont donc : K
ri
, T
ri
et G
Ii
(dfini dans le chapitre III) avec i = 1,..,n
avec n reprsentant le nombre des SVCs placs dans notre systme au moyen de la matrice
A
0
.
Soit
j
la j
me
valeur propre du systme avec SVC et
j
le facteur damortissement associ
dfini par :
+
=
+ =
|
o
o
|
o
2
2
j j
j
j
j
j j
j =1,,m (IV. 2)
m reprsente lordre du systme.
On regroupe tous les facteurs damortissement
j
relatif un point de fonctionnement p
donn, dans le vecteur Ip.
Pour tre rsolu par les AGs, le problme doptimisation peut scrire sous la forme suivante :
max F = min (min (Ip) ) p = 1,, r. (IV. 3)
Sujet :
K
ri min
K
ri
K
ri
max
G
Ii
min G
Ii
G
Ii
max
T
ri min
T
ri
T
ri
max
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
51
O : r est le nombre total des points de fonctionnement pris en considration.
K
ri
; G
Ii
et T
ri
reprsentent les paramtres du i
me
contrleur.
Ce problme est gnralement trs complexe rsoudre avec les mthodes
conventionnelles car la fonction objective dpend des valeurs propres dune matrice de
dimension importante [Bom 00]. Nous prsentons dans la section suivante, la solution de ce
problme par les Algorithmes Gntiques.
IV. 4. 2 Rsultats doptimisation
Nous avons procd quelques modifications par rapport aux algorithmes gntiques
dcrits dans le chapitre II :
- Pour mieux exploiter lespace de recherche, nous avons diversifi les individus ds le
dpart, ce qui nous a conduit manipuler une population initiale assez importante.
- Une stratgie litiste (ou base sur llitisme) qui assure la prsence du meilleur
individu dans la gnration future est utilise. Pour cela, nous avons utilis une autre
mthode de slection dite de classement. Son principe est trs simple, les individus
sont classs en fonction de leur fonction fitness en deux parties. Ceux figurant dans la
partie infrieure seront limins. La partie suprieure sera dabord directement copie
dans la gnration suivante, laquelle une autre partie, issue des oprateurs de
croisement et de mutation, sera ajoute.
- La mthode de croisement utilise est celle dite mthode multipoints.
Les paramtres doptimisation par les algorithmes gntiques ainsi que la dfinition de
lespace de recherche, sont donns par le tableau IV.4.
Tableau IV. 4 Paramtres doptimisation.
Paramtres de lAG Espace de recherche
Type de codage Binaire
0.1 K
r
100
0.1 G
Ii
10
0.01 T
r
1
Taille de la population 40
Taille du chromosome 96
Probabilit de croisement 0.1
Points de croisement 2
Probabilit de mutation 0.01
Nombre de gnration 30
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
52
Pour diversifier lespace de recherche, les 4 points de fonctionnement suivants ont t
considrs :
- Une configuration du rseau avec une seule ligne entre les nuds (6-11) et (8-11).
- Une forte charge gale 1.8 de la charge nominale.
- Une faible charge gale 0.3 de la charge nominale.
- Une charge nominale avec une perturbation de 5% du couple mcanique.
Le tableau IV. 5 prsente les paramtres des SVCs obtenus par le biais de loptimisation par
les AGs.
Tableau IV.5 Paramtres des SVCs obtenus aprs optimisation
Paramtres des SVC
s
K
ri
T
ri
G
Ii
SVC
1
85.6206
0.4581
2.0481
SVC
2
90.4620
0.0693 4.1414
Afin de tester la robustesse du dispositif SVC optimis par lAlgorithme Gntique, nous
avons propos trois cas de figures :
- Une forte charge gale 1.5 de la charge nominale.
- Une faible charge gale 0.5 de la charge nominale.
- Un changement de topologie (ligne 6 -11 ouverte).
Le trac des valeurs propres dans le plan complexe, prsent par les figures IV.3, IV.4 et IV.5,
traduit le comportement du rseau (sans SVC ; avec SVCs non optimiss au niveau des
gnrateurs G2 et G4 et avec SVCs optimiss par AG) vis--vis des diffrentes perturbations
simules.
Nous constatons que dans le cas du rseau sans SVCs, une partie des valeurs propres est
localise la droite du secteur dfini par des facteurs damortissement infrieurs 5%. Les
cas des SVCs non optimiss et optimiss par AG voient la totalit de leurs valeurs propres
repousses vers la partie ngative du plan complexe avec un amortissement nettement
suprieure 5%. Nous obtenons donc, grce linsertion des SVCs, une amlioration de la
stabilit du systme, qui est dautant plus perceptible avec les SVCs optimiss par les
algorithmes gntiques.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
53
.
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-10
-8
-6
-4
-2
0
2
4
6
8
10
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
changement de topologie
forte charge
faible charge
5%
Fig. IV.3 Trac des valeurs propres sans SVC.
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
changement de topologie
forte charge
faible charge
5%
Fig. IV.4 Trac des valeurs propres avec SVCs non optimiss.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
54
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
changement de topologie
f orte charge
f aible charge
5%
Fig. IV.5 Trac des valeurs propres avec SVCs optimiss par AG.
Les figures IV.6, IV.7 et IV.8 comparent les diffrentes dviations de la vitesse pour les
mmes cas de perturbations cites plus haut. Ces rsultats indiquent que lamortissement est
plus important lorsque les paramtres du SVC sont optimiss. La stabilit du systme est
nettement amliore.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
55
Fig. IV. 6 Dviation de la vitesse des gnrateurs pour une forte charge avec SVC non
optimis et optimis par AG.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
56
Fig. IV. 7 Dviation de la vitesse des gnrateurs pour une faible charge avec SVC
optimis par AG et SVC non optimis.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
57
Fig. IV. 8 Dviation de la vitesse des gnrateurs pour un changement de topologie
(suppression de ligne 6-11) avec SVC optimis par AG et SVC non optimis.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
58
IV.5 CONCLUSION
Lapplication des SVCs a rendu le systme stable et cela sans rglage prcis des
paramtres. Cette stabilit sera considrablement amliore par le biais de loptimisation des
paramtres du SVC par les algorithmes gntiques. Le problme de linstabilit dans les
systmes lectriques pouvait tre traduit sous la forme dun simple problme doptimisation,
avec une fonction objective base sur le facteur damortissement des modes doscillations.
Lalgorithme propos permet de dterminer les paramtres des SVCs de manire augmenter
lamortissement du systme, quelles que soient les conditions de son fonctionnement ou de sa
topologie.
Les rsultats de simulation montrent que grce cette technique la stabilit dynamique
du rseau dnergie lectrique est amliore. Les algorithmes gntiques ont facilit la
procdure doptimisation parce quils utilisent directement la fonction objective et non une de
ses drives ou autres connaissances relatives. Lavantage est que lon peut aisment modifier
la fonction objective en y ajoutant dautres contraintes.
Comme lOptimisation par Essaims de Particules appartient la famille des
Algorithmes Evolutionnaires, nous lui avons consacr lensemble du chapitre suivant dans le
but de faire une tude comparative des deux techniques. Il sera aussi question de vrifier
limpact dune pareille optimisation sur la stabilit du rseau.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
59
CHAPITRE V
O OP PT TI IM MI IS SA AT TI IO ON N D DE ES S S SV VC Cs s P PA AR R L L O OE EP P
V.1. Introduction
Dans ce chapitre, nous allons procder loptimisation par essaims de particules des
paramtres des SVCs placs dans un rseau similaire celui utilis dans le chapitre IV et sous
les mmes conditions de fonctionnement, savoir : le nombre de SVCs, les niveaux de charge
appliqus ainsi que le changement de topologie. Cette similitude nous permettra deffectuer
une tude comparative de lOEP et de lAG.
Une tude paramtrique nous permettra dajuster les paramtres de lOEP de manire
obtenir de meilleurs rsultats doptimisation, dans le but damliorer la stabilit dynamique
du rseau.
V. 2 Formulation de la fonction objective
Notre objectif est darriver, via la procdure doptimisation par lOEP, un
amortissement de plus de 5% pour tous les modes, et ce, en explorant les valeurs admissibles
des paramtres des contrleurs existant dans lespace de recherche. La procdure
doptimisation se portera sur les paramtres du SVC dfinis dans le chapitre III.
De manire identique celle prsente au chapitre prcdent, la fonction objective est
similaire celle de lquation IV.3. Nous prsentons dans la section suivante, la solution de ce
problme par loptimisation des paramtres des SVC par essaims de particules.
V. 3 Choix des paramtres de lOEP
Lalgorithme de lOEP utilis dans cette section a t dtaill dans le chapitre II. Nous
pouvons modifier la position de chaque agent par le concept de vitesse. La vitesse modifie
de chaque agent scrira de la manire suivante [Nak 03]:
) ( ) (
2 2 1 1
1
s
gbest
rand c s
pbest
rand c v w v
k
i
i
k
i
i
k
i
k
i
(V.1)
Le choix des paramtres reste en grande partie empirique mais suit une certaine
logique. Aprs un grand nombre dessais, nous avons constat que la variation du facteur de
pondration C
j
ninfluait pas sur le rsultat, ce qui nous a permis de le maintenir fixe une
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
60
valeur choisie gale 2,4. Nous avons aussi fix la population et le nombre ditrations 10
puis nous avons fait varier w
max
et w
min
.
Pour diversifier lespace de recherche, les 4 points de fonctionnement suivants ont t
considrs (mmes conditions que dans le chapitre IV) :
Une configuration du rseau avec une seule ligne entre le nud 8 et 11.
Une forte charge gale 1.8 de la charge nominale.
Une faible charge gale 0.3 de la charge nominale.
Une charge nominale avec une perturbation de 5% du couple mcanique.
Le tableau V.1 prsente les paramtres des SVCs obtenus par le biais de loptimisation par
lOEP.
Tableau V.1 Paramtres des SVCs obtenus aprs optimisation.
Paramtres de
lOEP
w
max
et w
min
Paramtres des SVCs optimiss par lOEP
G
I1
- G
I2
K
r1
-K
r2
T
r1
-T
r2
1 0.9
0.2
5.1569
8.1346
70.6537
79.5675
0.2016
0.4448
2 0.9
0.3
5.8976
8.8753
78.1276
87.0414
0.2757
0.5189
3 0.9
0.4
6.2987
9.2764
82.1748
91.0887
0.3158
0.5590
4 0.9
0.5
6.2049
9.1826
81.2287
90.1425
0.3064
0.5496
5 0.9
0.6
5.6266
8.6043
75.3928
84.3067
0.2486
0.4918
6 0.9
0.7
4.7065
7.6842
66.1080
75.0218
0.1566
0.3998
7 0.9
0.8
3.6836
6.6613
55.7862
64.7000
0.0543
0.2975
8 0.8
0.1
4.3636
7.3413
62.6485
71.5623
0.1223
0.3655
9 0.7
0.1
4.3157
7.2934
62.1651
71.0790
0.1175
0.3607
10 0.6
0.1
4.2880
7.2657
61.8851
70.7989
0.1147
0.3580
11 0.5
0.1
4.2816
7.2593
61.8207
70.7346
0.1141
0.3573
12 0.4
0.1
4.2936
7.2713
61.9418
70.8557
0.1153
0.3585
13 0.3
0.1
4.3175
7.2952
62.1826
71.0964
0.1177
0.3609
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
61
La figure V.1 reprsente les valeurs propres du systme obtenus pour chaque cas de
variation des paramtres de lOEP cit plus haut et ce pour une charge nominale. Nous
constatons que le cas OEP7 prsente des valeurs propres qui sloignent le plus de laxe
imaginaire. Cette constatation nous permet daffirmer que les paramtres dfinis dans le cas
OEP7 donnent les meilleurs rsultats doptimisation et seront utiliss pour tester la robustesse
de la mthode OEP. Nous procderons aussi dans la section suivante une comparaison des
rsultats doptimisation par AG avec ceux obtenus par lOEP.
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
OEP1
OEP2
OEP3
OEP4
OEP5
OEP6
OEP7
OEP8
OEP9
OEP10
OEP11
OEP12
OEP13
Fig. V.1 Trac des valeurs propres sur le plan complexe sans SVC.
V.4 Test de robustesse de lOEP
Les rsultats doptimisation par OEP ainsi que ceux obtenus par AG nous permettent
de faire une tude comparative des deux mthodes de manire dterminer la mthode qui
produit la meilleure optimisation des paramtres des SVCs.
Le tableau V.2 prsente les paramtres des SVCs optimiss par les deux mthodes tudies.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
62
Tableau V.2 Paramtres des SVCs obtenus par AG et OEP.
Paramtres
des SVC
s
Mthode
doptimisation
Nombre
Population
Nombre
ditration
K
ri
T
ri
G
Ii
SVC
1
AG 40 30
85.6206
0.4581
2.0481
SVC
2
90.4620 0.0693
4.1414
SVC
1
OEP 10 10
55.7862 0.0543 3.6836
SVC
2
64.7000
0.2975 6.6613
Afin de tester la robustesse du dispositif SVC optimis par lOEP, nous avons propos
trois cas de figures (identiques ceux pris dans le chapitre IV):
Une forte charge gale 1.5 de la charge nominale.
Une faible charge gale 0.5 de la charge nominale.
Un changement de topologie (ligne 6-11 ouverte).
Le trac des valeurs propres dans le plan complexe, prsent par les figures V.2, V.3 et
V.4, traduit le comportement du rseau face aux diffrentes perturbations simules et ce,
avec SVCs non optimiss , SVCs optimiss par AG et finalement SVCs optimiss par OEP.
Nous constatons que par la seule implantation du SVC dans le rseau, les valeurs propres
sont repousses vers la partie ngative du plan complexe avec un facteur damortissement
suprieur 5%. Lapplication de lOEP permet damliorer cet amortissement en repoussant
les valeurs davantage vers la gauche. Ces rsultats montrent aussi une similitude entre
loptimisation des SVCs par AG et OEP lors de lanalyse des valeurs propres obtenues pour
diffrents points de fonctionnement.
Nous constatons aussi que pour une forte charge ainsi que pour la perte de la ligne,
loptimisation par algorithme gntique donne de meilleurs rsultats que ceux obtenus par
lessaim de particules. Par contre, pour les faibles niveaux de la charge, lOEP fournit un
meilleur amortissement du systme de puissance que celui de lAG.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
63
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
SVC non optimis
SVC par AG
SVC par OEP
5%
Fig. V.2 Trac des valeurs propres sur le plan complexe pour une forte charge.
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
SVC non optimis
SVC par AG
SVC par OEP
5%
Fig. V.3 Trac des valeurs propres sur le plan complexe pour une faible charge.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
64
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
SVC non optimis
SVC par AG
SVC par OEP
5%
Fig. V.4 Trac des valeurs propres sur le plan complexe pour un changement de topologie.
Les fig. V.5, V.6 et V.7 prsentent les diffrentes dviations de la vitesse pour les
mmes cas de perturbation cits plus haut. Ces rsultats indiquent que lamortissement est
amlior lorsque les paramtres du SVC sont optimiss par lOEP. Le systme tend vers son
tat initial.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
65
Fig. V. 5 Dviation de la vitesse des gnrateurs pour une forte charge avec SVC non
optimis et optimis par AG et OEP.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
66
Fig. V.6 Dviation de la vitesse des gnrateurs pour une faible charge avec SVC non
optimis et optimis par AG et OEP.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
67
Fig. V. 7 Dviation de la vitesse des gnrateurs pour un changement de topologie
(suppression de ligne 6 -11) avec SVC non optimis et optimis par AG et OEP.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
68
Il apparat clairement que loptimisation par essaims de particules prsente une
parfaite robustesse, bien que les conditions de fonctionnement donnant ces rsultats nont pas
t pris en considration dans la procdure doptimisation utilise par lOEP.
Loptimisation par AG prsente une meilleure robustesse que lOEP dans lamlioration
de la stabilit dynamique vis--vis des variations de niveaux de charge et de la topologie du
rseau dapplication. Toutefois, lOEP prsente les avantages suivants :
Convergence plus rapide
Population plus rduite
Nombre ditrations plus petit
V.5 Conclusion
Dans ce chapitre, une tude paramtrique a t labore pour dterminer les paramtres
de lalgorithme OEP qui donnent les meilleurs rsultats doptimisation. Ainsi, chaque
problme doptimisation peut avoir ses propres paramtres et ses propres choix.
Lapplication de loptimisation par essaims de particules a rendu le systme plus
stable et cela pour un nombre de population et ditrations rduit. Les rsultats de simulation
montrent que, grce cette technique, la stabilit dynamique du rseau dnergie lectrique
est amliore et la commande propose prsente une bonne robustesse vis--vis des
conditions de fonctionnement du rseau.
Conclusion gnrale
69
CONCLUSION GENERALE
Ltude prsente dans ce mmoire porte sur, lapplication des algorithmes gntiques et
de lessaim de particules dans la synthse et loptimisation des paramtres des dispositifs
SVCs. Le rle de ces derniers est dapporter lamortissement ncessaire aux oscillations
lectromcaniques des gnrateurs, lorsque le systme subit de petites perturbations autour de
son point de fonctionnement.
Afin datteindre cet objectif, nous sommes passs par plusieurs tapes :
Dabord, comme dans toute tude des systmes dynamiques rels, une modlisation du
systme lectrique est dveloppe en vue dtudier sa stabilit en petit mouvement. Dans cette
partie du travail, nous avons effectu une linarisation des quations du systme autour dun
point de fonctionnement afin dobtenir la reprsentation dtat du systmes. La mthode
danalyse de la stabilit est base sur la rpartition des valeurs propres du systme dans le
plan complexe. Nous avons considr quune bonne stabilit est assure pour tous les modes
doscillation ayant un amortissement suprieur 5%.
Nous avons montr laction des SVCs, dont les paramtres taient non optimiss, sur un
rseau dapplication compos de 2 rgions interconnectes. Ce dernier constitue un exemple
typique de problmes doscillations inter-rgionales entre deux groupes de gnrateurs. Nous
avons constat, que les rsultats prsentent une amlioration certaine de la stabilit dynamique
par rapport au cas du systme sans SVC, qui demeure toutefois mal amorti.
Dans une seconde tape, nous avons abord la synthse des paramtres des SVCs en
utilisant les algorithmes gntiques. Lobjectif principal dans la procdure doptimisation est
dobtenir des SVCs suffisamment robustes vis--vis dventuels changements dans les
conditions de fonctionnement du systme lectrique. Lalgorithme gntique propos, permet
de considrer diffrents points de fonctionnement ou topologies, afin dassurer, tout
moment, une stabilit satisfaisante de lensemble du systme.
La dernire tape consiste appliquer loptimisation par essaims de particules pour la
synthse des paramtres des SVCs, avec les mmes fonctions objectives et sous les mmes
conditions de fonctionnement dcrites pour lAG. Les rsultats obtenus montrent que pour les
Conclusion gnrale
70
deux techniques doptimisation, le systme prsente de bonnes performances dynamiques
avec un meilleur amortissement observ dans le cas de loptimisation par AG.
Nous avons test la robustesse des SVCs dimensionns moyennant les deux techniques
doptimisation, en considrant diffrents points de fonctionnement et changements de
topologie. Nous avons obtenu les mmes performances dynamiques pour les deux mthodes
comme latteste lanalyse des valeurs propres et les rponses temporelles obtenues. Il reste
toutefois souligner que lOEP possde des avantages certains sur lAG qui se rsument
comme suite :
Convergence plus rapide.
population infrieure celle exige par lAG.
nombre rduit ditrations, infrieur celui de lAG.
Perspectives
Cette tude, nous a permis de concevoir une procdure doptimisation des paramtres
des SVCs, base les algorithmes gntiques et les essaims de particules. Nous avons pu
atteindre les objectifs tracs en obtenant des SVCs performants et robustes. Il reste encore
beaucoup de voies explorer mais il nous semble prioritaire de poursuivre une tude plus
approfondie sur les trois thmatiques suivantes :
Tester la mthode propose pour la synthse des paramtres dautres dispositifs de
stabilisation tels que le TCSC, UPFC,
Vrifier la robustesse des contrleurs pour les grandes perturbations qui font appel aux
modles non linaires
Nous avons utilis loptimisation par essaims de particules comme mthode de base
pour notre travail, il serait intressent de la comparer dautres variantes de lOEP
telle que lOEP hybride et cooprative [ ] en les appliquant sur le mme systme de
puissance.
Appliquer ces techniques pour loptimisation multi-objective simultane des FACTS
et de leurs localisations en considrant les critres tels la minimisation du temps de
rponse et du cot de linstallation des FACTS.
B BI IB BL LI IO OG GR RA AP PH HI IE E
71
BIBLIOGRAPHIE
[Abd 99] Abdel-Madjid Y. L., Abido M. A., Al-Baiyat S. and Mantawy A. H.,
Simultaneous Stabiliszation of multi-machine power system via genetic
algorithms., IEEE-Transactions-on-Power-Systems., vol. 14, pp. 1428-39,
Nov. 1999.
[Abi 01] Abido. M. A, Particle Swarm Optimization for Multimachine Power System
Stabilizer Design, Proc. of IEEE Power Engineering Society Summer
Meeting, July 2001.
[Alh 04] Al-Hinai. A, A. Feliachi. A, Control of microturbines in a power
distributionsystem using particle swarm optimization, West Virginia
University, 2004.
[And 82] Anderson. P. M, and A. A. Fouad. A. A, Power System Control and Stability,
The IOWA state university Press, 3
me
edition, 1982.
[Bag 99] Baghli. L, Contribution la commande de la machine asynchrone, utilisation
de la logique floue, rseaux de neurones et des algorithmes gntiques, PhD
Thesis, Nancy, Janvier 1999.
[ Bar 84] Barret J. P., Stabilit transitoire., Sminaire sur le fonctionnement des
rseaux SONELGAZ-EDF 10-13 Novembre 1984.
[Bar 97] Barret. J. P, Bornard. P, Meyer. B, Simulation des rseaux lectriques,
Edition Eyrolles, 1997.
[Bel 00] Belacheheb K., Contribution l'tude des systmes de compensation FACTS
en gnral, UPFC en particulier, pour le contrle du transit de puissance dans
un rseau de transport , Thse de Doctorat de l'universit de HENRI
POINCARE NANCY I, 21 Juin 2001.
[Ber 97] Berkan. R. C, and Trubatch. S. L., Fuzzy systems Design Principles. New
York : IEEE Press, 1997.
[Bli 95] Blickle. T and Thiele. L, A Comparison of Selection Schemes used in Genetic
Algorithms, TIK-Report Nr. 11 (Version 2), December 1995, Switzzeland.
[Bom 00] do Bomfim. A. L. B., G.N. Taranto and D. M. Falco, Simultaneous Tuning
of Power System Damping Controllers Using Genetic Algorithms, IEEE Trans.
Power system, Vol. 15, N. 1, February 2000, pp. 163-169.
B BI IB BL LI IO OG GR RA AP PH HI IE E
72
[Bor 98] Borne. P, Rozinoer. J, Deinlot. J. Y, Dubois. L, Introduction la commande
floue, Edition Technip 1998.
[Che 90] Cheng, C.H., and HSO, Y.Y.: Application of a power system stabilizer and a
static VAr controller to a multimachine power system, IEE Proc. C, 1990, 137,
(l), pp. 8-12.
[Cho 00] Chow J. H., Sanchez-Gasca J. J.,Ren H. and Wang S., Power System
Damping Controller Design Using Multiple Input Signals,, IEEE Control
Systems Magazine, August 2000, pp 82-90.
[Cle 01] Clerc. M, Kennedy.J, The particle swarm: explosion stability and convergence
in a multi-dimensional complex space. IEEE Journal of Evolutionary
Computation, vol. In press, No. ,2001.
[Cle 02] Clerc. M, Kennedy. J, The particle swarm: explosion stability and convergence
in a multi-dimensional complex space. IEEE Transactions on Evolutionary
Computation 6(1), 2002, pp. 58-73.
[Coe 96] Coello. C.A, An Empirical Study of Evolutionary Techniques for Multiobjective
Optimization in Engineering Design, PHD. Dissertation, Department of
Computer Science, Tulane University, 1996.
[Das 87] Dash, P.K., Panda, D.C., Sharad, A.M., and Hill, E.F.: Adaptive controller for
static reactive power compensators in power systems, IEE Proc. C, 1987, 134,
(3), pp. 256-264.
[Ele 96] El-Emary. A. A, Static VAr compensator, Synchronising torque coefficient, IEE
Proceedings online no. 19960544, Paper first received 13
th
Decmber 1994 and in
revised form 12
th
April1996.
[Far 98] Farag W. A., Quintana V. H. and Lambert-Torres G., Enhacing the
transient stability of multi-machine power systems using intelligent
techniques., Bulk-Power-Systems-Dynamics-and-Control-IV-Restructuring-
Symposium-Proceedings, Nat. Tech. Univ. Athens. Athens, Greece, pp. 117-
25,1998.
[Fle 90] Fleming. R. J. and Sun. J, An Optimal Multivariable Stabilizer For a
Multi-Machine Plant, IEEE Transactions on Energy Conversion, Vol.5,
No.1,March 1990.
[Fuk 00] Fukuyama. Y, et al. , A particle swarm optimization for reactive power and
voltage control concidering voltage security assessement , IEEE Trans. Power
Syst. , Vol. 15, pp. 1232-11239, Nov. 2000.
B BI IB BL LI IO OG GR RA AP PH HI IE E
73
[Gen 97] Gen. M. and Cheng. R., Genetic Algorithms and Engineering Design: John
Wiley & Sons, 1997.
[Gib 82] Gibbard, M.J.: Co-ordination of multimachine stabilizer gain settings for a
specified level of system damping performance, IEE Proc. C, 1982, 129, (2),
pp. 4548
[Gol 89] D.E. Goldeberg. D.E, Genetic Algorithms in search, Optimization and
Machine learing, Addison-Wesley, 1989.
[Gra 00] Graham. R, Power System Oscillation, M. A. Pai, Ed., Norwell: Kluwer
Academic Publishers, 2000.
[Gyu 88] Gyugyi. L, Power electronics in electric utilities: Static Var Compensator,
IEEE Trans. on Power Systems, Vol. 76, April 1988.
[Gyu 90] Gyugyi. L et al., Advanced Static Var Compensator Using Gate Turn-off
Thyristors for Utility Application, CIGRE, pp.23-203,1990.
[Ham 86] Hammad. A. E., Analysis of power system stability enhancement by Static
Var Compensator, IEEE transactions in power systems, Vol. PWRS-1, No.
4, pp. 222-227, November 1986.
[Has 01] Hasanovi. A., A Simulation and Analysis Toolbox for Power Systems and
Genetic Alghorithm Based Damping Controller Design, Master thesis,
Morgantown, West Virginia 2001.
[Has 02] Hasanovic. A and Felialchi. A, Genetic Algorithm Based Inter-Area Oscillation
Damping Controller Design MATLAB, Proc. IEEE Power Eng. Society 2002
Summer Meeting, Chicago, IL, July 2002.
[Her 98] Herrera. F., Lozano. M., and Verdegay. J. L., Tacking real-coded Genetic
Algorithm: Operators and tools for Behavioral Analysis, Artificial Intell.Rev,
vol. 12,pp. 265-319, 1998.
[Hin 00] N.G. Hingorani and L. Gyugyi, "Understanding FACTS", IEEE Press., New
York ,2000.
[Jod 94] Jodouin. J. F., les rseaux de neurones ; principes et dfinition, Hermes,
1994, 124 p.
[Kar 06-1] Kartobi L., Boudour M. and Mekhaldi A., Comparison study between GA
and PSO applied to robust FACTS controllers., Submitted to International
Multi-conference on systems, Signals and Damps, SSD, 2007.
[Kar 06-2] Kartobi L., Boudour M. and Mekhaldi A., Optimal Locations and tuning of
Robust FACTS using Genetic Algorithm and Particle Swarm Optimization ,
Submitted to International Power System Transacts. ISPT, 2007.
B BI IB BL LI IO OG GR RA AP PH HI IE E
74
[Kau 01] -------, Swarm Intelligence. San Mateo, CA: Morgan Kaufmann, 2001.
[Ken 95-1] Kennedy. J. and Eberhart. R. C., Particle swarm optimization. Proceedings
of the IEEE conference on Neural Networks, IV, 1995, pp. 1942-1948,
Piscataway, NJ.
[Ken 95-2] Kennedy. J., Eberhart. R., Particle swarm optimization. Proceedings of
IEEE international conference on Neural Networks(ICNN95), Vol.IV, pp.
1942-1948, Perth, Australia,1995.
[Ken 01-1] Kennedy. J , Eberhart. R. C. and Y. Shi. Swarm intelligence. 2001, Morgan
Kaufmann Publishers, San Fransisco.
[Ken 01-2] Kennedy. J., Eberhart. R., Particle Swarm optimization in Morgan
Kaufmann Publishers, 2001
[Kle 91] Klein. M, Rogers. G.J. and Kundur, P., A Fundamental Study of Inter-Area
Oscillations in Power System, IEEE Trans. On Power System, Vol. 6, No.3, August
1991.
[Kun 90] Kundur P., Rogers G. J. , Wong D. Y., Wang L. et Lauby M. G., A
Comprehensive Computer Program Package for Small Signal Stability
Analysis of Power systems, IEEE Trans. On PWRS, Vol. 5, No. 4, November
1990, pp. 1076-1083.
[Lar 81] Larsen E. V. and Swann D. A., Applying Power System Stabilizers Part I, II
and III, IEEE Trans. Power Apparatus and Systems, Vol. PAS-100, No. 6,
June 1981, pp. 3017-3046.
[Lat 00] Latapy. M., Duong Phan. H., The lattice structure of Chip Firing Games,
LIAFA, Universit Denis Diderot, Paris 22, 2000.
[Ler 91] Lerch. D. P. E., Xu. L., Advanced SVC control for damping power system
oscillations, IEEE transactions on power systems, VOL. 6.pp. 524-535, 1991.
[Ler 95] Lerman. I et Ngouenet. F., Algorithmes Gntiques Squentiels et parallles
pour une reprsentation Affine des Proximits , Projet REPCO, Rapport de
recherche n 2570, INRIA Rennes, 1995.
[Lut 96] Lutaud-Brunet. M, Identification et Contrle de processus par rseaux neuro-
flous, Thse de doctorat, Universit dEvry Val dEssonne, 1996.
[Mam 75] Mamdani. E. H., Application of fuzzy Algorithms for control of simple
dynamic plant., Proc. IEE, Vol. 121, pp.1585, 1975.
[Nak 03] Naka. S, Genji. T., Yura. T., Fukuyama. Y., A Hybrid Particle Swarm
Optimization for Distribution State Estimation, IEEE Transactions on power
systems, VOL.18, NO. 1, February 2003.
B BI IB BL LI IO OG GR RA AP PH HI IE E
75
[Nar 00] Nara K., States of the Arts of the Modern Heuristics Applications to Power
systems, IEEE PES Winter Meeting, January 2000, vol. 2, pp. 1279-1283.
[OBR 85] OBRIEN, M., et LEDWICH, G., Placement of static compensators for
stability improvement IEE Proc. C, 1985, 132, (l), pp.30-35.
[OBR 87] OBRIEN, M., et LEDWICH, G., Static reactive power compensator controls
for improved system stability, IEE Proc. C, 1987, 134, (l), pp. 3842.
[Pas 98] J.C. Passelergue, Interaction des dispositifs FACTS dans les grands rseaux
lectriques, Thse de doctorat de lINPG 26 Novembre 1998.
[Pet 97] P. Petitclair, Modlisation et Commande de structures FACTS: Application
au STATCOM, Thse de doctorat de lINPG 16 Juillet 1997.
[Pic 94] Picton.P., Introduction to neural networks, Ed. Macmillan, 1994, 168p.
[Pov 00] Povh. D., Use of HVDC and FACTS, Proc. of the IEEE, vol. 88, pp. 235-
45, February. 2000.
[Ren 95] Renders. J. M., Algorithmes Gntiques et rseaux de neurones, Ed. Herms,
1995, 349p.
[Rou 98] Rouco. L., Eigenvalue-based Methods for Analysis and Control of Power
Systeme Oscillations, IEE Colloquium on Power Dynamics Stabilization,
University of Warwick, Coventry, England, February 1998.
[Sad 98] S.M. Sadeghzadeh, "Amlioration de la stabilit transitoire et de l'amortissement
des oscillations d'un rseau lectrique l'aide de SMES et de SSSC", Thse de
doctorat de lINPG 13 Mars 1998.
[Sad 03] Sadegh. M. O., Control of power electronic devices (FACTS) to enhance
power system stability, PhD Thesis, Glasgow, March 2003.
[Sam 83] F. Samouhi, "Application de la mthode de Lyapunov a l'aide de la stabilit
dynamique de rseaux de transport d'nergie soumis des perturbations",
Thse de doctorat de lINPG, 21 Avril 1983.
[Sin 02] Singhvi. V., Small Signal Stability of an Unregulated Power System, Masters
Thesis, Department of Electrical and Computer Engineering, Mississippi,
December 2002.
[Sny 97] Snyder. A. F., Inter-Area Oscillation Damping with Power System Stabilizers
and Synchronized Phasor Measurements, Masters Thesis, Virginia
Polytechnic Institute and State University, 1997.
[Son 99] A. Sonnenmoser and P.W. Lehn, "Line current balancing with a Unified
Power Flow Controller", IEEE Trans. On Power Delivery , vol. 14,No. 3 , pp.
1151-1157, July 1999.
B BI IB BL LI IO OG GR RA AP PH HI IE E
76
[Sri 94] M. Srinivas and L. M. Patnaik, Genetic Algorithms: A Survey, IEEE Compter,
Vol. 24, No. 6, pp. 17-26, June 1994.
[Tar 98] Taranto G. N. and Falco D.M., Robust decentralised control design using
genetic algorithms in power system damping control., IEE Proc.-Gener.
Transm. Distrib., Vol. 145, No. 1, January 1998.
[Tre 03] Trelea. I. C. , Lessaim de particules vu comme un systme dynamique:
Convergence et choix des paramtres. Sminaire Loptimisation par essaim
de particules , Paris, Carr des sciences, 2 Octobre 2003.
[Ves 02] J. Vesterstrm and J. Riget, Particle Swarms, Extensions for improved local,
multi-modal, and dynamic search in numerical optimization. , Master's
Thesis , May 2002.
[Wu 91] WU, C.J., et LEE, Y.S.: Damping of synchronous generator by static reactive
power compensator with digital controlle, IEE Proc., 1991, 138, (5), pp. 427-
432.
[Yos 99] H. Yoshida, K. Kawata, Y. Fukuyama et Y. Nakanishi, A particle swarm
optimization for reactive power and voltage control considering voltage
stability., IEEE International Conference on Intelligent System Applications
to Power Systems (ISAP99), Rio de Janeiro, April 4-8, 1999.
[Yu 83] YU Y. N., Electric power system dynamics (Academic Press Inc., India, 1983).
[Zad 65] L.A.Zadeh , Fuzzy sets, Information and control, Vol.8,pp.338, 353, 1965.
[Zha 00] Zhang P. and Coonick A. H., Coordinated Synthesis of PSS Parameters in
multi-machine Power Systems Using the method of inequalities Applied to
Genetic Algorithms. IEEE Transactions on Power Systems, Vol. 15, No. 2,
May 2000, pp. 811-816.