Vous êtes sur la page 1sur 150

Dpartement dlectrotechnique

Option : Rseaux Electriques

Thse rdige par Yasmina CHABANE


Grade de Magister (lENP, El Harrach)

Pour lobtention du Diplme de Doctorat en Electrotechnique


Thme :

Etude et Dveloppement dun Progiciel dAnalyse de la Stabilit


aux Petites Perturbations dans les Rseaux Electriques

Devant le jury
M. Ibn Khaldoun Lefkair

Professeur U.A.T.L

Prsident

M. Abdelhafid Hellal

Professeur E.N.P

Rapporteur

M. Mohamed Boudour

Professeur U.S.T.H.B

Examinateur

M. Tarik Bouktir

Professeur U.stif

Examinateur

M. Salem Arif

Matre de Confrences U.A.T.L

Examinateur

08 Novembre 2014

Remerciements
Tout dabord, je tiens remercier mon directeur de thse pour son support et son
soutien aussi bien moral que technique tout au long de ce travail.
Pour avoir accept de prsider le jury, je tiens remercier Monsieur Ibn Khaldoun LAFKAIR,
Professeur luniversit Amar Telidji Laghouat.

Je tiens galement remercier Monsieur Tarik Bouktir Professeur luniversit de stif et


Monsieur Salem Arif matre de confrences luniversit Amar Telidji Laghouat pour
lintrt quils ont port mes travaux en acceptant den tre examinateur
Mes remerciements Monsieur Mohamed Boudour Professeur lUSTHB pour ses
orientations et pour avoir accept dexaminer ce travail.

Je tiens exprimer ma reconnaissance mes collgues de lUSTHB, Monsieur Ahmed Amine


Ladjici, Monsieur Ahmed Tiguercha, Monsieur Slimane Bouazabia et monsieur Ali El Maouhab

Finalement, je tiens remercier toute ma famille ainsi qu mes amis pour le soutien quils
mont apport tout au long de ce parcours.

! #$
'&
+&
,- . . / 0 1 23 45
./ 7 - 8$ #$ /: ; /= +.
? !
# /
/ & + 1A B /C 4 #$ D 2 E 87 G. H
23 45
,
I ' J : 2 7 I+. ! ED. 0 1
Rsum
Dans ce travail, deux techniques adaptatives pour lanalyse de la stabilit aux petites
perturbations des grands rseaux lectriques sont proposs. Les deux mthodes savrent tre
efficaces pour le calcul des valeurs propres relatives aux modes oscillatoires critiques
uniquement en se basant sur les algorithmes dArnoldi projection dans les sous-espaces de
Krylov.
Un progiciel base sur la programmation en orient objet dans le langage python avec le Qt
pour linterface graphique fut galement dvelopp dans le cadre de ce travail. Le progiciel
traite de lanalyse de la stabilit aux petites perturbations des rseaux lectriques tout en
implmentant les algorithmes relatifs aux techniques adaptatives cits auparavant.
Mot-cl : Stabilit aux petites perturbations, grands rseaux lectriques, valeurs propres,
algorithme dArnoldi, programmation orient objet, python, PyQt.
Abstract
In this work, two adaptive techniques for small signal stability analysis for large scale power
systems are proposed. Both methods based on Arnoldi algorithms with Krylov subspaces
projections are efficient for finding few eigenvalues, those related to the critical oscillatory
modes.
A software package based on object-oriented programming in Python language with Qt for
GUI was also developed as part of this work. The software deals with the small signal
stability of power systems, it also implements the adaptive algorithms previously mentioned.
Keywords : small signal stability, large power systems,eigenvalues, Arnoldis algorithm, oriented
object programming, python, PyQt

Table des matires

Introduction gnrale ....................................................................................................... 1

CHAPITRE 1 : LA STABILITE AUX PETITES PERTURBATIONS DES

RESEAUX ELECTRIQUES : ETAT DE LART ................................................................. 4


1.1

Introduction ............................................................................................................... 5

1.2

Classification de la stabilit des systmes de puissance.......................................... 6

1.2.1

1.2.1.1

Stabilit rotorique aux petites perturbations ........................................... 7

1.2.1.2

Stabilit rotorique aux grandes perturbations ou stabilit transitoire .. 7

1.2.2

Stabilit de tension ............................................................................................. 8

1.2.2.1

Stabilit de tension aux grandes perturbations ........................................ 9

1.2.2.2

La stabilit de tension aux petites perturbations ..................................... 9

1.2.3
1.3

Stabilit de langle rotorique ............................................................................. 6

Stabilit de frquence ......................................................................................... 9

Dfinitions mathmatiques de la stabilit dun systme de puissance ................ 10

1.3.1

Stabilit au sens de Lyapunov ......................................................................... 11

1.3.2

Stabilit des systmes linaires ........................................................................ 13

1.4

Stabilit aux petites perturbations des systmes de puissance ............................ 14

1.4.1

1.4.1.1

Mode oscillatoire Local ............................................................................ 14

1.4.1.2

Mode oscillatoire interrgional ................................................................ 15

1.4.1.3

Mode oscillatoire de torsion ..................................................................... 15

1.4.1.4

Mode oscillatoire de contrle ................................................................... 15

1.4.2
1.5

Diffrents modes oscillatoires des systmes de puissance ............................. 14

Critre damortissement .................................................................................. 15

Revue de littrature des mthodes et programmes packages de la stabilit aux

petites perturbations des grands rseaux lectriques ............................................................ 16


1.6

Conclusion ................................................................................................................ 20

CHAPITRE 2 : METHODES NUMERIQUES POUR LE CALCUL DES

VALEURS PROPRES APPLIQUEES AUX SYSTEMES LINEAIRES.......................... 21


2.1

Introduction ............................................................................................................. 22

2.2

Rappels dAlgbre linaire ..................................................................................... 22

2.2.1

Espaces Vectoriels ............................................................................................ 22

2.2.2

Bases .................................................................................................................. 23

2.2.3

Applications linaires ....................................................................................... 23

2.2.4

Matrices ............................................................................................................. 23

2.2.5

Dterminant ...................................................................................................... 24

2.2.6

Trace .................................................................................................................. 24

2.2.7

Valeurs et Vecteurs Propres ............................................................................ 24

2.2.8

Diffrents types de matrices ............................................................................ 25

2.2.9

Normes de vecteur ............................................................................................ 25

2.2.10

Normes de matrice ........................................................................................... 26

2.2.11

Sous-espaces, Col, Row, Nul ............................................................................ 26

2.3

Vecteurs Orthogonaux et Sous-espaces ................................................................. 27

2.4

Formes Canoniques Des matrices .......................................................................... 29

2.4.1

Rduction la forme diagonale....................................................................... 30

2.4.2

Forme canonique de Jordan ............................................................................ 30

2.4.3

Forme canonique de Schur : ........................................................................... 31

2.5

Mthodes de la puissance ........................................................................................ 32

2.5.1

Mthode de la puissance .................................................................................. 32

2.5.2

Mthode de la puissance inverse ..................................................................... 32

2.5.3

Mthode de la puissance inverse avec translation ......................................... 33

2.6

Mthode QR ............................................................................................................. 34

2.6.1

Dcomposition de Schur relle (ou Dcomposition quasi Schur) ................ 35

2.6.2

Algorithme QR de Base ................................................................................... 35


E

2.6.3

2.6.3.1

Algorithme QR de Hassenberg ................................................................ 37

2.6.3.2

Rduction de Householder la forme de Hassenberg ........................... 38

2.6.4

Algorithme QR de Hassenberg ....................................................................... 36

Convergence de lAlgorithme QR ................................................................... 40

2.6.4.1

Algorithme QR avec Shifts (translations) implicites ............................. 41

2.6.4.2

Algorithme QR avec shifts de Rayleigh : ................................................ 42

2.7

Mthode de Jacobi ................................................................................................... 43

2.8

Conclusion ................................................................................................................ 43

CHAPITRE 3 : METHODES NUMERIQUES DANALYSE DES VALEURS

PROPRES DES SYSTEMES A GRANDE ECHELLE : LES SOUS-ESPACES DE


KRYLOV ................................................................................................................................ 45
3.1

Introduction ............................................................................................................. 46

3.2

Sous-espaces de Krylov et mthodes de projection .............................................. 46

3.3

Mthode dArnoldi .................................................................................................. 48

3.3.1

Dcomposition dArnoldi ................................................................................. 48

3.3.2

Algorithme dArnoldi ...................................................................................... 50

3.4

Redmarrage de la mthode dArnoldi ................................................................. 51

3.4.1

Redmarrage explicite ..................................................................................... 52

3.4.2

Redmarrage Implicite .................................................................................... 53

3.5

Techniques dacclration et commutation dynamique....................................... 55

3.5.1

Itration de Chebyshev de Base ...................................................................... 55

3.5.2

Itration dArnoldi- Chebyshev ...................................................................... 59

3.5.3

Commutation dynamique ................................................................................ 60

3.5.3.1
3.6

Approche de la commutation dynamique............................................... 60

Algorithme de Redmarrage Implicite dArnoldi Adapt lEtude de la

Stabilit Dynamique des rseaux Electriques ........................................................................ 64


3.6.1

Acclration de lAlgorithme Redmarrage Implicite Adaptatif de la

Mthode dArnoldi.......................................................................................................... 65
3.6.2

Application des cas test et rsultats ............................................................. 66


F

3.6.2.1

1er cas dtude : New England-New York ............................................... 66

3.6.2.2

2me cas dtude : systme IEEE 50 machines-145 bus .......................... 69

3.6.2.3

3me cas dtude rseau Brsilien interconnect ..................................... 72

3.6.2.4

Comparaison Temps de calcul ................................................................. 74

3.6.3
3.7
4

Discussion et commentaires ............................................................................. 74

Conclusion ................................................................................................................ 75

CHAPITRE 4 : Modlisation des Elments dun Rseau Electrique en vue de la

Programmation Oriente Objet ............................................................................................ 76


4.1

Introduction ............................................................................................................. 77

4.2

Vue densemble de la programmation en orient objet ....................................... 77

4.2.1

Lobjet ............................................................................................................... 77

4.2.2

Les trois fondamentaux de la Programmation Oriente Objet (POO) ....... 78

4.2.2.1

Encapsulation ............................................................................................ 78

4.2.2.2

Hritage...................................................................................................... 78

4.2.2.3

Polymorphisme.......................................................................................... 78

4.2.3

4.3

Diffrents types de mthodes ........................................................................... 78

4.2.3.1

Constructeurs ............................................................................................ 78

4.2.3.2

Destructeurs .............................................................................................. 78

4.2.3.3

Pointeur interne ........................................................................................ 79

Python comme langage de programmation du Progiciel ..................................... 79

4.3.1

Prsentation du langage Python...................................................................... 80

4.3.2

Domaines dapplication de Python ................................................................. 80

4.3.3

Les rfrences de Python ................................................................................. 81

4.4

Modlisation du rseau lectrique en vue de la POO ........................................... 81

4.4.1

Classe Rseau : network .................................................................................. 81

4.4.1.1
4.4.2

Classes parents de la classe network ....................................................... 82

Classes de la machine synchrone : .................................................................. 85

4.4.2.1

Classe machine synchrone :synchronous ................................................ 85

4.4.2.2

Classe machine synchrone classique : em_gen ....................................... 86

4.4.2.3

Classe de la machine synchrone subtransitoire : subsync..................... 86

4.4.3

Classes du systme dexcitation ...................................................................... 92


G

4.4.3.1

Systmes d'excitation courant continu -CC- ....................................... 93

4.4.3.2

Systmes dexcitation courant alternatif -CA- .................................... 96

4.4.3.3

Systmes d'excitation statiques -ST- ..................................................... 103

4.4.4

4.5
5

Classes des turbines/gouverneurs ................................................................. 106

4.4.4.1

Classe systme Turbine/ gouverneur thermique.................................. 106

4.4.4.2

Classe systme Turbine/ gouverneur hydraulique .............................. 108

Conclusion .............................................................................................................. 110

CHAPITRE 5 : Prsentation du progiciel de ltude de la stabilit aux petites

perturbations avec applications .......................................................................................... 111


5.1

Introduction ........................................................................................................... 112

5.2

PyQT comme interface graphique du progiciel .................................................. 112

5.3

PyPS linterface graphique du progiciel .............................................................. 113

5.3.1

Module dcoulement de puissance de PyPS ............................................... 114

5.3.1.1

Importation des donnes ........................................................................ 114

5.3.1.2

Ecoulement de puissance ........................................................................ 116

5.3.2

Module de lanalyse de la stabilit aux petites perturbations .................... 119

5.3.2.1
5.3.2.2
5.3.3

Analyse linaire du systme de puissance ............................................. 119


Module de lanalyse de la stabilit aux petites perturbations de PyPS
120

Conclusion ....................................................................................................... 125

Conclusion gnrale et perspectives ............................................................................ 127

Bibliographie ................................................................................................................. 129

ANNEXES ..................................................................................................................... 135


8.1

Annexe A ................................................................................................................ 135

8.2

Annexe B ................................................................................................................. 137

8.3

Annexe C ................................................................................................................ 138

Liste des Figures


FIGURE 1 CLASSIFICATION DE LA STABILITE DES RESEAUX ELECTRIQUES ............................................................. 6
FIGURE 2 : ILLUSTRATION DE LA DEFINITION DE LA STABILITE AU SENS DE LYAPUNOV ...................................... 12
FIGURE 3 : ILLUSTRATION DE LA DEFINITION DE LA STABILITE ASYMPTOTIQUE AU SENS DE LYAPUNOV. .......... 12
FIGURE 4 : ILLUSTRATION DE LA DEFINITION DE LA STABILITE ASYMPTOTIQUE .................................................. 13
FIGURE 5 : ALGORITHME "BULGE-CHASE" ............................................................................................................ 34
FIGURE 6 : LACTION DE A SUR UK DONNE UKHK PLUS UNE MATRICE DE RANG 1 ................................................ 49
FIGURE 7 : ELLIPSE CONTENANT LE SPECTRE DE A AVEC E PUREMENT REEL ...................................................... 57
FIGURE 8 : ELLIPSE CONTENANT LE SPECTRE DE A AVEC E PUREMENT IMAGINAIRE .......................................... 57
FIGURE 9 : SCHEMA UNIFILAIRE DU RESEAU NEW ENGLAND -NEW YORK ........................................................... 66
FIGURE 10 : SPECTRE DES VALEURS PROPRES DU SYSTEME NEW ENGLAND-NEW YORK .................................... 67
FIGURE 11 : MODES OSCILLATOIRES CRITIQUES DU SYSTEME NEW ENGLAND-NEW YORK PAR LES 02
ALGORITHMES RIAMA ET RIADMA ............................................................................................................. 69
FIGURE 12 : SCHEMA UNIFILAIRE DU RESEAU 50 MACHINES 145 BUS ................................................................ 70
FIGURE 13 : MODES OSCILLATOIRES CRITIQUES DU SYSTEME 50 MACHINES CAS A PAR LES 02 ALGORITHMES
RIAMA ET RIADMA ...................................................................................................................................... 72
FIGURE 14 : MODES OSCILLATOIRES CRITIQUES DU SYSTEME 50 MACHINES CAS B PAR LES 02 ALGORITHMES
RIAMA ET RIADMA ...................................................................................................................................... 72
FIGURE 15 : MODES OSCILLATOIRES CRITIQUES DU SYSTEME BIPS98 PAR LES 02 ALGORITHMES RIAMA ET
RIADMA ....................................................................................................................................................... 73
FIGURE 16 : MODELE GENERALE REPRESENTANT UNE LIGNE DE TRANSMISSION ............................................... 84
FIGURE 17 : CIRCUITS EQUIVALENTS DE LA MACHINE SYNCHRONE SUIVANT LES AXES D ET Q .......................... 88
FIGURE 18 : COURBE DE LA SATURATION MAGNETIQUE DE LA MACHINE SYNCHRONE ..................................... 89
FIGURE 19 MODELE DE LEXCITATRICE EN COURANT CONTINU........................................................................... 94
FIGURE 20 : SYSTEME DEXCITATION DC1A ET DC2A ............................................................................................ 94
FIGURE 21 : LE REGULATEUR DE TENSION (AVR) TYPE DC1A ............................................................................... 95
FIGURE 22 : LE REGULATEUR DE TENSION (AVR) TYPE DC2A ............................................................................... 95
FIGURE 23 : SYSTEME DEXCITATION DC3A .......................................................................................................... 95
FIGURE 24 : REGULATEUR DE TENSION AVR TYPE DC3A ...................................................................................... 96
FIGURE 25 : SYSTEMES DEXCITATION A COURANT ALTERNATIF ......................................................................... 96
FIGURE 26 : MODELE DEXCITATRICE AC1A .......................................................................................................... 97
FIGURE 27 : SCHEMA BLOC DU REGULATEUR DE TENSION AVR TYPE AC1A ........................................................ 97
FIGURE 28 : SYSTEME DEXCITATION TYPE AC2A .................................................................................................. 98
FIGURE 29 : SCHEMA BLOC DU REGULATEUR DE TENSION TYPE AC2A ................................................................ 98
FIGURE 30 : SYSTEME DEXCITATION AC3A .......................................................................................................... 99
FIGURE 31 : SCHEMA BLOC DU REGULATEUR DE TENSION TYPE AC3A ................................................................ 99
FIGURE 32 : SYSTEME DEXCITATION TYPE AC4A ................................................................................................ 100
FIGURE 33 : MODELE DE LEXCITATRICE AC5A .................................................................................................... 100
FIGURE 34 : SCHEMA BLOC DU REGULATEUR TYPE AC5A .................................................................................. 100
FIGURE 35 : MODELE DE LEXCITATRICE TYPE AC6A ........................................................................................... 101
FIGURE 36 : SCHEMA BLOC DU REGULATEUR DE TENSION TYPE AC6A .............................................................. 101
FIGURE 37 : MODELE DE LEXCITATRICE TYPE AC7B ........................................................................................... 102
FIGURE 38 : SCHEMA BLOC DU REGULATEUR DE TENSION TYPE AC7B .............................................................. 102
FIGURE 39 : MODELE DE LEXCITATRICE TYPE AC8B ........................................................................................... 103
FIGURE 40 : SCHEMA BLOC DU REGULATEUR DE TENSION TYPE AC8B .............................................................. 103
FIGURE 41 : SYSTEME DEXCITATION ST1A ......................................................................................................... 104
FIGURE 42 : MODELE DE LEXCITATRICE ST1A .................................................................................................... 104
FIGURE 43 : SCHEMA BLOC DU REGULATEUR DE TENSION TYPE ST1A .............................................................. 104
FIGURE 44 : SYSTEME DEXCITATION ST2A ......................................................................................................... 105
FIGURE 45 : MODELE DE LEXCITATRICE ST2A .................................................................................................... 105
FIGURE 46 : SCHEMA BLOC DU REGULATEUR DE VITESSE TYPE ST2A ................................................................ 106
FIGURE 47 : SCHEMA BLOC DE LA TURBINE A VAPEUR....................................................................................... 107
FIGURE 48 : SCHEMA BLOC DU GOUVERNEUR DE LA TURBINE THERMIQUE ..................................................... 108
FIGURE 49 : SCHEMA BLOC DE LA TURBINE HYDRAULIQUE ............................................................................... 109
FIGURE 50 : SCHEMA BLOC DU GOUVERNEUR HYDRAULIQUE ........................................................................... 110
FIGURE 51 : FENETRE REPRESENTANT QT DESIGNER ......................................................................................... 113

FIGURE 52 : LINTERFACE GRAPHIQUE PYPS ....................................................................................................... 114


FIGURE 53 : FENETRE RECAPITULATIVE DES DONNEES GLOBALES DU RESEAU IMPORTE. ................................ 115
FIGURE 54 : FENETRE CONTENANT LE DETAIL DES JEUX DE BARRE DU RESEAU IMPORTE ................................ 115
FIGURE 55 : FENETRE CONTENANT LE DETAIL DES LIGNES DU RESEAU IMPORTE ............................................. 116
FIGURE 56 : MESSAGE DE LA BONNE EXECUTION DE LECOULEMENT DE PUISSANCE ....................................... 117
FIGURE 57 : AFFICHAGE DES DONNEES BUS APRES ECOULEMENT DE PUISSANCE ............................................ 117
FIGURE 58 : AFFICHAGE DES DONNEES DES LIGNES APRES ECOULEMENT DE PUISSANCE ................................ 118
FIGURE 59 : VISUALISATION DU PROFIL DE TENSION LES NUDS DU RESEAU .................................................. 118
FIGURE 60 : MODULE DE LA STABILITE AUX PETITES PERTURBATIONS DE PYPS ................................................ 121
FIGURE 61 : LA FENETRE "FULL MODAL ANALYSIS" DE PYPS .............................................................................. 121
FIGURE 62 : FENETRE DAFFICHAGE DES DONNEES DES REGULATEURS DE TENSION DU SYSTEME ETUDIE...... 122
FIGURE 63 : ANALYSE MODALE COMPLETE DU SYSTEME ETUDIE ...................................................................... 122
FIGURE 64 : LENSEMBLE DU SPECTRE DES VALEURS PROPRES DU SYSTEME ETUDIE ....................................... 123
FIGURE 65 : VALEURS PROPRES RECHERCHEES PAR LA METHODE RIAMA ........................................................ 124
FIGURE 66 : VALEURS PROPRES RECHERCHEES PAR LA METHODE RIADMA ...................................................... 125

Liste des tableaux


ER

TABLEAU 1:SPECTRE DES VALEURS PROPRES DU 1 CAS DETUDE ...................................................................... 68


TABLEAU 2 : MODES OSCILLATOIRES CRITIQUES DU SYSTEME NEW ENGLAND-NEW YORK ................................ 68
TABLEAU 3 : COMPARAISON DES RESULTATS POUR LE SYSTEME NEW ENGLAND-NEW YORK............................ 69
TABLEAU 4 : PUISSANCES ACTIVES RELATIVES AUX SCENARIOS ETUDIES ............................................................ 70
TABLEAU 5 : MODES OSCILLATOIRES DU SYSTEME IEEE 50 MACHINES CAS DE FONCTIONNEMENT A ............... 71
TABLEAU 6 : MODES OSCILLATOIRES DU SYSTEME IEEE 50 MACHINES CAS DE FONCTIONNEMENT B ............... 71
TABLEAU 7 : TEMPS DE CALCUL DES DIFFERENTES TECHNIQUES DE CALCUL DES VALEURS PROPRES ................ 74
TABLEAU 8 : LES CHAMPS DE LA CLASSE BUS ....................................................................................................... 82
TABLEAU 9 : LES CHAMPS DE LA CLASSE LOAD ..................................................................................................... 83
TABLEAU 10 : LES CHAMPS DE LA CLASSE GENERATOR ........................................................................................ 83
TABLEAU 11 : LES CHAMPS DE LA CLASSE SHUNT ................................................................................................ 84
TABLEAU 12 : LES CHAMPS DE LA CLASSE LIGNE .................................................................................................. 85
TABLEAU 13 : LES CHAMPS DE LA CLASSE SYNCHRONOUS .................................................................................. 86
TABLEAU 14 : LES CHAMPS DE LA CLASSE DE LA MACHINE CLASSIQUE ............................................................... 86
TABLEAU 15 : LES CHAMPS DE LA CLASSE DE LA MACHINE SUBTRANSITOIRE ..................................................... 87
TABLEAU 16 : EQUATIONS REPRESENTANT LA SATURATION DU CIRCUIT MAGNETIQUE .................................... 89
TABLEAU 17 STRUCTURE DES DONNEES DU NUD ........................................................................................... 135
TABLEAU 18 : STRUCTURE DES DONNEES DE LA CHARGE .................................................................................. 135
TABLEAU 19 : STRUCTURE DES DONNEES GENERATEUR .................................................................................... 136
TABLEAU 20 : STRUCTURE DES DONNEES LIGNE ................................................................................................ 136
TABLEAU 21 : STRUCTURE DES DONNEES MACHINE SYNCHRONE ..................................................................... 137
TABLEAU 22 : STRUCTURE DES DONNEES DE DC1A ET DC2A ............................................................................. 138
TABLEAU 23 : STRUCTURE DES DONNEES DE DC3A ............................................................................................ 138

0 Introduction gnrale
Les rseaux lectriques ou systmes de puissance sont de plus en plus amens oprer
dans des conditions de fonctionnement extrmes.
Laugmentation permanente de la dpendance lectrique de la socit moderne implique
un fonctionnement des systmes de puissance 100% de leur capacit avec une sret
maximale.
Afin de satisfaire les exigences des consommateurs sur la qualit de la puissance devenue
actuellement le souci des fournisseurs, des outils de calcul rapides ont t dvelopps pour
faire face aux perturbations qui peuvent surgir.
La complexit des technologies de contrle des diffrents composants des systmes de
puissance, ajout cela les

interconnections de plus en plus importantes, pour un

fonctionnement dans des conditions svres, imposent de nouveaux dfis maintenir la


stabilit des rseaux lectriques.
La stabilit du systme de puissance peut globalement tre dfinie comme tant une
proprit permettant de maintenir un certain quilibre sous des conditions de fonctionnement
donnes, et aussi de retrouver un autre point dquilibre acceptable suite une perturbation
donne. Un tat instable peut conduire des pannes en cascade et une dconnexion dune
grande partie du rseau lectrique.
Une perturbation dans un systme de puissance peut tre un changement soudain ou
une squence de changements dun ou de plusieurs paramtres du systme. Selon limpact de
cette perturbation [1], le phnomne de la stabilit de langle rotorique est gnralement
considr pour caractriser la stabilit transitoire et la stabilit aux petites perturbations.
Les tudes de la stabilit transitoire consiste principalement lanalyse et ltude des
dfauts les plus probables et les plus contraignants au fonctionnement normal du rseau
lectrique [2]
Bon nombre de systmes de puissance fait face aux problmes doscillations
lectromcaniques de faible frquence. Lamortissement des oscillations a toujours t
considr comme un lment important du bon fonctionnement. Une premire solution pour
amortir ces oscillations est lutilisation denroulements amortisseurs dans les gnrateurs. Le
problme des oscillations a ainsi disparu, mais lamortissement global du systme est rest
toujours ignor [3].

Lextension du processus dinterconnexion entre les systmes de puissance et


lutilisation des rgulateurs de tension de plus en plus performants (gain lev et rponse
rapide) pour lamlioration de la stabilit transitoire ont fait resurgir le problme
doscillations faible frquence. Ces oscillations, gnralement faiblement amorties ont un
impact ngatif sur les capacits de transfert de puissance des systmes et principalement dans
les lignes dinterconnexions [4].
Le problme de ces oscillations est ainsi redfini par leur rle important dans la
stabilit de langle de rotor aux petites perturbations (appele stabilit dynamique) pouvant
conduire la perte de synchronisme. Lamlioration de la stabilit aux petites perturbations,
en particulier lamortissement des oscillations interrgionales, devient de plus en plus
importante [5] [6]
Lanalyse de la stabilit aux petites perturbations peut procurer un trs bon outil quant
la comprhension et ltude du comportement dynamique du systme de puissance. En se
basant sur la linarisation du systme autour dun point de fonctionnement, lanalyse de la
stabilit aux petites perturbations peut faire appel aux outils puissants et mthodes de
rsolution de lalgbre linaire. La technique la plus efficace de lanalyse de la stabilit tant
le calcul des valeurs propres [7] [8].
Les outils conventionnels de lalgbre linaire rpondent parfaitement ce besoin pour
le cas de systme de petite et moyenne tailles. Cependant, ce type dalgorithme nexploite pas
la sparsit du systme et requiert un temps de calcul important ainsi quun espace mmoire
volumineux vu que le principe tant le calcul du spectre (toutes les valeurs propres) de la
matrice dtat reprsentant le systme.
Lanalyse de la stabilit des systmes de puissance demeure toujours un sujet
dactualit et notamment pour les rseaux de grande taille ; lobjectif de notre travail est de
contribuer optimiser loutil ou lalgorithme de calcul des valeurs propres (tape primordiale
lanalyse de la stabilit aux petites perturbations) en temps de calcul et en espace mmoire.
Pour ce faire, nous utilisons les mthodes de projection des sous-espaces de Krylov et bien
spcialement lalgorithme dArnoldi redmarrage implicite que nous adaptons notre cas
dtude.
La deuxime contribution de ce travail est llaboration dun progiciel bas sur le principe de
la programmation orient objet, conu pour lanalyse de la stabilit aux petites perturbations
des grands rseaux lectriques en intgrant lalgorithme de calcul auparavant mentionn. Le
progiciel utilise le python comme langage de programmation et le PyQt pour linterface
2

graphique. Cette dernire permet linteractivit entre lutilisateur et les codes sources des
diffrents modules et programmes (introduction des donnes, coulement de puissance,
stabilit aux petites perturbations) tout en incluant des tests cases intgrs.

Le document prsent est scind en cinq chapitres :


Le premier chapitre est consacr un tat de lart sur la stabilit aux petites perturbations o
nous introduisons la stabilit aux petites perturbations travers un rappel sur la stabilit au
sens de Lyapunov ainsi que les diffrentes catgories de classement de la stabilit des
systmes de puissance. Par la suite, nous abordons en dtail la stabilit angulaire aux petites
perturbations, notamment pour les grands systmes ainsi que lvolution de lanalyse de ce
type de stabilit o nous citons les diffrentes mthodes, techniques et algorithmes auparavant
dvelopps dans cette optique.
Le deuxime chapitre prsente, aprs quelques rappels dalgbre linaire, les techniques et
algorithmes de calcul de valeurs propres des matrices. Ltude de la stabilit aux petites
perturbations est particulirement base sur le calcul des valeurs propres
Le but de notre travail tant bas sur les rseaux lectriques de grande taille, nous abordons
dans le troisime chapitre les techniques de calcul des valeurs propres pour les matrices de
grandes dimensions travers les sous espaces de Krylov et nous avons laborons un
algorithme de calcul (bas sur lalgorithme dArnoldi) adapt au problme de la stabilit des
rseaux lectriques aux petites perturbations. Les rsultats de simulation prsents dmontrent
lefficacit de la technique que nous proposons.
Le quatrime chapitre englobe les modles des diffrents composants du rseau lectrique
(ligne, machine et ses diffrents organes de contrle,etc) dans la perspective de les traduire
par des classes et mthodes dans des programmes en orient objet constituant ainsi la
squelettique du progiciel que nous dveloppons.
Le cinquime chapitre illustre linterface graphique du progiciel avec des exemples de
rseaux lectriques.

1 CHAPITRE 1 : LA STABILITE AUX PETITES PERTURBATIONS


DES RESEAUX ELECTRIQUES : ETAT DE LART

1.1 Introduction
La stabilit des rseaux lectriques est reconnue comme tant un problme important
pour un fonctionnement scuris du systme ds les annes 1920 [9]. La rcurrence des
blackouts dus linstabilit des rseaux a illustr limportance du problme de la stabilit.
Historiquement, le phnomne dinstabilit transitoire ft le plus dominant, de ce fait, il
acquit toute limportance et la considration dans les tudes et recherches sur les problmes
lis la stabilit. Cependant, avec le dveloppement de nouvelles technologies de contrle,
les interconnections de plus en plus importantes entre les systmes de puissance oprant de
plus en plus dans des conditions svres, de nouvelles formes dinstabilit se sont
manifestes, telles que linstabilit de la tension et linstabilit de la frquence.
Par dfinition [10], la stabilit dun systme de puissance est sa capacit, pour des
conditions de fonctionnement initiales donnes, regagner un point dquilibre oprationnel
aprs avoir subi une perturbation physique, en gardant la plupart des variables du systme
dans les limites prservant son intgrit.
En pratique, lintgrit est prserv si le systme demeure intact aprs la perturbation sans
dcrochage de machines ni perte de charges.
En gnral, la stabilit dun systme dpend de la nature de la perturbation et des
conditions de fonctionnement initiales. Les systmes de puissance peuvent tre sujets de
nombreuses perturbations petites ou grandes. Les petites perturbations du type changement de
la charge arrivent continuellement et le systme doit atteindre le nouveau point de
fonctionnement afin de satisfaire la demande de la charge. Le systme doit galement tre
capable datteindre un nouvel tat dquilibre face certains dfauts svres tels quun courtcircuit, la perte dune ligne ou dun gnrateur. Laction automatique des contrleurs et/ ou
doprateurs humains experts permet la restauration ventuelle de ltat de fonctionnement
normal. Si par contre le systme est instable, une situation de divergence apparat, langle
interne rotorique des gnrateurs peut augmenter progressivement par exemple ; un tel tat de
dsquilibre va engendrer une cascade de pannes et un arrt de fonctionnement de la majeure
partie du systme de puissance.

1.2 Classification de la stabilit des systmes de puissance


Le systme de puissance est un systme fortement non linaire avec une multitude de
composants dont le comportement et les caractristiques influent directement sur sa rponse
dynamique suite un dfaut.
Vu la complexit des problmes lis ltude de la stabilit, une classification de cette
dernire savre plus que ncessaire.
La classification de la stabilit comme propose dans [9]et [10] sarticule sur les
considrations suivantes :
-

La nature physique de la stabilit rsultante en relation avec le paramtre


principal dominant du systme dans lequel linstabilit est constate.

La taille de la perturbation considre indique la mthode la plus approprie


pour le calcul et la prdiction de la stabilit.

Les dispositifs, processus et lintervalle de temps doivent tre pris en


considration lors de lvaluation de la stabilit.

Les diffrentes catgories et sous catgories de ltude de la stabilit des


rseaux lectriques peuvent se rsumer dans la figure 1

Figure 1 Classification de la stabilit des rseaux lectriques


Les trois grandes familles de la stabilit sont : la stabilit lie langle du rotor, la stabilit de
la frquence et la stabilit de tension [11] [1].
1.2.1 Stabilit de langle rotorique
Ce type de stabilit implique ltude des oscillations lectromcaniques inhrentes
dans le systme de puissance. Il sagit de la capacit des machines synchrones interconnectes
6

maintenir le synchronisme aprs une perturbation, ce qui dpend de la capacit de chaque


machine maintenir ou restaurer lquilibre entre le couple lectromagntique et le couple
mcanique. Linstabilit pouvant surgir dans ce cas et laccroissement de langle rotorique de
certaines machines les amenant perdre le synchronisme.
Le changement du couple lectromagntique de la machine synchrone suite une perturbation
peut tre identifi en deux composantes :
i.

La composante du couple synchrone : en phase avec la dviation de langle


rotorique.

ii.

La composante du couple amortisseur : en phase avec la dviation de la vitesse.

La stabilit du systme dpend de lexistence de ces deux composantes du couple pour chaque
machine synchrone. Labsence du couple synchrone suffisant conduit une instabilit
apriodique ou non oscillatoire, tandis que labsence du couple amortisseur suffisant
impliquerait une instabilit oscillatoire.
Dans le but daboutir des rsultats perspicaces dans lanalyse de la stabilit rotorique, celleci est subdivise en deux catgories :
1.2.1.1 Stabilit rotorique aux petites perturbations
Cest la capacit du systme maintenir le synchronisme suite de petites
perturbations. Ces perturbations sont considres suffisamment petites que les
quations rgissant le systme seront linarises pour ltude de la stabilit.
La stabilit aux petites perturbations dpend essentiellement des conditions initiales, et
de linstabilit pouvant y rsulter peut avoir deux formes :
i.

Laugmentation de langle rotorique travers des modes apriodiques,


consquence du manque du couple synchrone

ii.

Laugmentation de lamplitude des oscillations rotoriques due au


manque du couple amortisseur suffisant.

De nos jours, la stabilit rotorique aux petites perturbations est souvent associe un
amortissement insuffisant des oscillations [12]
Lintervalle de temps considr dans lanalyse de ce type de stabilit est de lordre de
10 20 secondes suivant la perturbation.
1.2.1.2 Stabilit rotorique aux grandes perturbations ou stabilit transitoire
Cest la capacit du systme maintenir le synchronisme aprs tant sujet une
perturbation svre, cest le cas dun court-circuit dans une ligne de transmission par

exemple. La rponse du systme implique une divergence de langle rotorique des


gnrateurs influencs par une relation puissance-angle non linaire.
La stabilit transitoire dpend la fois des conditions dopration initiales et du degr
de svrit du dfaut. Linstabilit en rsultant est souvent de forme apriodique du
linsuffisance du couple synchrone.
Si l'instabilit se manifeste directement suite la perturbation (plus prcisment dans
la premire seconde qui suit l'limination du dfaut), elle est appele instabilit de
premire oscillation (First Swing Instability), et elle s'tend sur 3 5 secondes.
L'instabilit transitoire peut aussi se manifester autrement. Elle peut rsulter de la
superposition des effets de plusieurs modes d'oscillation lents excits par la
perturbation, provoquant ainsi une variation importante de l'angle de rotor au-del de
la premire oscillation (instabilit de multi-oscillations),. Lintervalle de temps associ
va de 10 20 secondes.
Les deux de types de stabilit concernant langle rotorique sont considrs comme tant des
phnomnes court terme (Figure 1)
1.2.2 Stabilit de tension
Ce type de stabilit concerne la capacit du systme ayant subit un dfaut, maintenir
les tensions des nuds autour de niveaux acceptables, et ce pour une condition de
fonctionnement initiale donne. Il sagit donc de la capacit du systme maintenir, voir
restaurer lquilibre entre la demande mise par la charge, et lalimentation en nergie de cette
charge. Une instabilit de tension se manifeste sous la forme dune diminution (ou
augmentation) de la tension au niveau de certains nuds dans le rseau lectrique [13].
Suite un dfaut de tension, une perte de charges dans certaines zones ou le dclenchement
des lignes par leurs relais de protection pourrait engendrer la perte du synchronisme des
gnrateurs [14] C'est le cas des moteurs asynchrones ainsi que les charges dont la tension est
contrle par un rgleur en charge automatique. Ce type de charge aura tendance restaurer la
puissance qui finira par dpasser la puissance maximale tolre dans le systme de puissance
(contrainte physique d la capacit des lignes du rseau du transport et de la capacit des
gnrateurs produire de la puissance), ceci va contraindre le rseau haute tension voir sa
puissance ractive augmenter conduisant ainsi la tension baisser progressivement jusqu'
des valeurs inadmissibles.
Comme pour le cas de la stabilit de langle rotorique, il est ncessaire de classifier la stabilit
de tension en deux sous catgories :
8

1.2.2.1 Stabilit de tension aux grandes perturbations


Cest la capacit du systme maintenir des niveaux de tension acceptables aprs
avoir subit une grande perturbation telle que la perte de gnration. Le systme, les
caractristiques de la charge ainsi que les interactions entre les diffrents dispositifs de
protection et de commande sont dterministes dans ce cas. Ltude ncessite lanalyse de la
rponse non linaire du systme de puissance dans un intervalle de temps suffisant afin
dinclure les performances et les interactions des diffrents dispositifs (moteurs asynchrones,
rgleurs en charge, etc.). La priode peut donc aller de quelques secondes des dizaines de
secondes.
1.2.2.2 La stabilit de tension aux petites perturbations
Le cas de changement incrmental de la charge est un exemple de telles perturbations.
Cette forme de stabilit est sensiblement lie aux caractristiques de la charge et les
dispositifs de contrle.

La gamme de temps de linstabilit de tension stend de quelques secondes


plusieurs minutes. Ainsi, linstabilit de tension peut tre considre comme un phnomne
court terme (de lordre de plusieurs secondes) ou, dans lautre cas limite, comme un
phnomne long terme (de lordre de plusieurs minutes).
Pour linstabilit de tension court terme leffondrement de tension se produit
immdiatement aprs la perturbation. Dans ce type dinstabilit, les charges et les dispositifs,
qui ont des caractristiques spciales de puissance ractive tels les moteurs asynchrones sont
souvent impliqus. Les moteurs asynchrones consomment, juste aprs la perturbation,
beaucoup de puissance ractive pour assurer leur stabilit vis--vis leurs charge. Dautres
lments peuvent aussi participer cette instabilit : les charges commandes
lectroniquement, les convertisseurs HVDC,... . Linstabilit de tension long terme se
manifeste lors dun manque graduel de puissance ractive dun nud ou une partie du
systme [15]. Elle implique, quant elle, des quipements ayant une action plus lente tels les
rgleurs en charge automatique, les charges commandes thermostatiquement.

1.2.3 Stabilit de frquence


Cest la capacit du systme maintenir sa frquence nominale suite une
perturbation svre rsultante dun dsquilibre entre la production et la consommation.
Linstabilit rsultante est loscillation de la frquence conduisant au dclenchement des
9

units de gnration et/ou des charges. Le dsquilibre engendr par un tel type de dfaut peut
tre ventuellement compens par lnergie cintique tournante au niveau des machines
synchrones. Si la perturbation nest pas trs importante, les gnrateurs vont ajuster la
puissance ractive de faon rduire lcart de la frquence.
Durant le dfaut, le facteur temps du processus et des dispositifs impliqus pourrait varier de
quelques secondes (cas de contrle et protection des gnrateurs) quelques minutes (raction
dun gouverneur). Il est donc judicieux de classer la stabilit de frquence en phnomnes
court terme et long terme.
Linstabilit de frquence court terme peut surgir suite un incident svre dans le rseau, la
raction des systmes de protection qui va ouvrir plusieurs lignes de transmission va
engendrer la cration de plusieurs sous rseaux (lots). Les gnrateurs de chaque lot
rsultant essayeront de garder le synchronisme entre eux, mais la rserve tournante est
nettement insuffisante pour faire face la charge connecte au sous-rseau. La consquence
est la diminution trs rapide et directe de la frquence.
Dun autre ct, des situations plus complexes tels quun mauvais contrle ou une mauvaise
rponse des turbines vapeur des centrales de production [16], engendrent des phnomnes
plus longs allant de dizaines de secondes jusqu plusieurs secondes.

Dans cette partie, nous avons prsent la dfinition ainsi que les diffrentes classes de
la stabilit dun systme de puissance. La classification de la stabilit du systme de puissance
permet le dveloppement et la mise en place des mesures correctives adquates aprs avoir
bien identifi les causes de la perturbation et appliquer les techniques danalyses les plus
appropries. Les solutions apportes une forme dinstabilit ne doivent en aucun cas
engendrer ou affecter une autre.

1.3 Dfinitions mathmatiques de la stabilit dun systme


de puissance
Le systme de puissance est un systme qui interagit avec son environnement le rend
non autonome qui dpend du facteur temps (les variations de charge, la topologie du rseau,
les perturbations,, etc.). Le modle mathmatique doit de ce fait tenir compte ces variations
10

en les formulant soit dans lordre du modle mathmatique (lordre des quations
diffrentielles reprsentant le systme), soit dans le nombre des variables (explicites telles que
les variables dtat ou implicites telles que les variables des quations algbriques). Il est aussi
ncessaire dinclure, dans le modle, leffet des diffrents dispositifs de commande et leurs
limites.
Lanalyse de la stabilit des systmes de puissance passe par les tapes suivantes :
1. Etablissement des hypothses pour la formulation du modle
mathmatique appropri pour le cas tudi en tenant compte de son
volution en fonction du temps.
2. Slection du type de stabilit appropri
3. Analyse/ simulation pour la dtermination de la stabilit en se basant
sur une srie de scnarios dvnements.
4. Comparaison des rsultats simuls avec le concret rel, et refaire les
hypothses si ncessaires.

Il existe plusieurs dfinitions analytiques de la stabilit, les plus connues sont : la


stabilit au sens de Lyapunov, la stabilit entre/sortie, la stabilit des systmes linaires et la
stabilit partielle.
Parmi ces types de dfinitions, la stabilit au sens de Lyapunov lie la stabilit et la
stabilit asymptotique demeure la plus utilise dans le cas de lanalyse de la stabilit non
linaire des systmes de puissance suite une grande perturbation. La dfinition de la stabilit
des systmes linaires trouve son application dans lanalyse de la stabilit aux petites
perturbations.

1.3.1 Stabilit au sens de Lyapunov


A.M Lyapunov a pu apporter une importante contribution lanalyse de la stabilit en
1982 en introduisant des concepts et dfinitions de base concernant les systmes reprsents
par des quations diffrentielles linaires ou non linaires.
=

Soit un systme non autonome (dpendant du temps) reprsent par lquation 1

x tant le vecteur dtat,

(1)
sa drive.

Ce systme est dit en quilibre autour du point xe , si en labsence dune influence, son tat
reste inchang en fonction du temps [17]
11

, 0

<

(2)

=>

< ,

Le point dquilibre xe est dit stable, si pour tout >0, il existe = (,t0)>0 tel que :

Dans le cas contraire, xe est dit un point instable.

(3)

Si lon sintresse aux comportements des trajectoires au voisinage du point dquilibre, la


dquilibre xe ,

<

stabilit au sens de Lyapunov signifie que la trajectoire x(t) doit rester proche du point
la rgion dlimite par

< ,

, et pour cela les solutions x(t) doivent rester lintrieur de

comme lillustre la figure 2 [18]

Figure 2 : Illustration de la dfinition de la stabilit au sens de Lyapunov


Le systme peut tre aussi asymptotiquement stable (figure 3), on est aussi en mesure ,
en plus dassurer la stabilit du systme , de dlimiter un domaine proche du point dquilibre
proche du point dquilibre tel que nimporte quelle trajectoire, issue dun tat initial x(t0)
appartenant ce domaine, tende vers xe quand t tend vers [18]

Figure 3 : Illustration de la dfinition de la stabilit asymptotique au sens de Lyapunov.

12

Il est noter que la stabilit asymptotique ne fournit pas assez dinformations sur la
vitesse de convergence de la trajectoire x(t) vers ltat dquilibre , cest pour cela quil serait
plus judicieux de faire appel la stabilit exponentielle pour mieux caractriser cette vitesse.
Il existe >0, >0 et >0 [12], tel que :

<

<

(4)

tant le taux de convergence. La figure 4 illustre la dfinition de la stabilit asymptotique.

Figure 4 : Illustration de la dfinition de la stabilit asymptotique


1.3.2 Stabilit des systmes linaires
Lapproche de cette analyse appel aussi mthode indirecte de Lyapunov se base
sur le fait que si le systme linaris est asymptotiquement ou exponentiellement stable autour
du point dquilibre, alors le systme dorigine est aussi stable autour de ce point.
Soit
=

(5)

La linarisation de lquation (1) autour du point dquilibre lorigine (xe=0). Si le systme


est autonome (A(t)=A), lorigine est asymptotiquement ou exponentiellement stable si et
seulement si toutes les valeurs propres de A sont partie relle ngative.
En dautres terme, lorigine du systme linaris est stable si et seulement si toutes les valeurs
propres de A sont partie relle non positive, et en plus, chaque valeur de A ayant une partie
relle nulle, ne doit tre quun seul zro (pas de multiplicit) du polynme caractristique de
A.

13

1.4 Stabilit aux petites perturbations des systmes de


puissance
De nos jours, les oprateurs des systmes de puissance sont de plus en plus amens
faire fonctionner le systme aux limites de sa stabilit. De ce fait, ltude et lamlioration de
la stabilit de langle du rotor aux petites perturbations sont devenues une proccupation trs
importante.
Les oscillations rsultantes de ce type de perturbations limitent la capacit de transmission de
la puissance et, parfois, peuvent mme causer la perte de synchronisme et un effondrement de
lensemble du systme. Dans la pratique, en plus dassurer la stabilit, le systme doit tre
bien amorti : c.--d. les oscillations doivent tre attnues le plus rapidement possible ds
leurs apparitions.
Dpendamment de la manire dont voluent les oscillations rotoriques (dites aussi oscillations
lectromcaniques), ces dernires peuvent tre identifies de deux faons diffrentes :
i.

Oscillations spontanes qui apparaissent lorsque lamortissement du systme


devient ngatif suite un changement graduel des conditions de
fonctionnement.

ii.

Oscillations suite une perturbation : tel quun dfaut sur une ligne, la
perturbation va engendrer des oscillations induisant la diminution de
lamortissement du systme.

1.4.1 Diffrents modes oscillatoires des systmes de puissance


On peut distinguer quatre diffrents modes oscillatoires selon la frquence
subsynchrone qui sont [19]:
-

Mode oscillatoire local

Mode oscillatoire interrgional

Mode oscillatoire de contrle

Mode oscillatoire de torsion

1.4.1.1 Mode oscillatoire Local


Les oscillations du type local sont les plus rencontres dans les systmes de puissance,
ce mode est associ aux oscillations impliquant un groupe de gnrateurs dune mme unit
de production et le reste du systme. Le mode doit son appellation au fait que les oscillations
14

sont localises dans une partie rduite du systme. De telles oscillations sont principalement
causes par la rponse rapide du systme dexcitation des gnrateurs et par une faible
connexion entre lunit de gnration avec ses charges.
Les frquences de ce mode sont de lordre de 1 2 Hz, il peut tre trs bien matris avec un
amortissement adquat grce

linsertion de stabilisateurs de puissance au niveau des

gnrateurs qui sont lorigine des oscillations.


1.4.1.2 Mode oscillatoire interrgional
Ce mode est associ aux oscillations dun groupe de gnrateurs dune mme rgion
contre un groupe de gnrateurs dune autre rgion. La nature de la frquence de ce mode est
de lordre de 0.1 2 Hz. Gnralement, la frquence naturelle et le facteur damortissement
dun mode interrgional dcroissent lorsque limpdance dune ligne dinterconnexion ou la
puissance transmise augmente. Le systme dexcitation et les caractristiques des charges
affectent galement les oscillations des modes interrgionaux. Ainsi, ces modes prsentent des
caractristiques plus complexes que ceux des modes locaux [20] [21]
1.4.1.3 Mode oscillatoire de torsion
Les oscillations lorigine de ce mode sont associes la relation entre les lments
mcaniques du couple turbine-gnrateur. Il existe aussi pas mal dautres modes de torsion
dont lorigine est due aux interactions entre les contrleurs du systme dexcitation des
gnrateurs et les contrleurs des gouverneurs [9]
1.4.1.4 Mode oscillatoire de contrle
Les oscillations du mode contrle sont associes au contrle des gnrateurs ainsi qu
dautre dispositifs dans le systme de puissance.
Un mauvais rglage du systme dexcitation, des gouverneurs et des SVC peuvent tre
lorigine de ce mode et il est parfois difficile dassurer un amortissement suffisant pour de
telles oscillations [22].
1.4.2 Critre damortissement
Le taux dvolution de lamortissement dun systme de puissance est mieux exprim
avec le facteur damortissement (Damping Ratio)
Soit un mode oscillatoire reprsent par la paire des valeurs propres : j , le facteur
damortissement est exprim par lquation :
=

" #$"

(6)

15

Le facteur damortissement dtermine le taux de dcroissance de lamplitude de


loscillation. La constante de temps du dcroissement est de 1/||. En dautres termes,
secondes en %)&'( cycles de frquences [9].

lamplitude diminue de 37% par rapport lamplitude initiale dans un intervalle de 1/||

Les modes oscillatoires possdent une large plage de frquences, lutilisation du facteur
damortissement au lieu de la constante de temps de dcroissance du systme. Par exemple :
une constante de temps de 5 secondes reprsente le dcroissement de lamplitude de 37% par
rapport sa valeur initiale pendant 110 cycles doscillation dun mode de torsion dune
frquence de22Hz, pendant 5 cycles doscillation dun mode local dune frquence de 1Hz, et
pendant 1 cycle et demi doscillation dun mode interrgional dune frquence de 0.5Hz. On
pourrait reprsenter dune autre manire le mme degr de diminution de lamplitude par
rapport lorigine pendant 5 cycles par un coefficient damortissement de 0.032 pour tous les
modes.
Les oscillations sont dues lexistence de modes existants naturellement dans le
systme de puissance et de ce fait, elles ne peuvent tre limines mais plutt voir leurs
frquences et leurs amortissements samliorer. Etant donn que les systmes de puissance
voluent, de nouveaux modes impliquant de nouvelles frquences et de nouveaux
amortissements peuvent surgir. La source la plus responsable dun amortissement ngatif est
le systme dexcitation du rgulateur de tension (AVR). Les oscillations interrgionales sont
associes de faibles lignes dinterconnexion par rapport un transport dnergie important.
Les stabilisateurs de puissance (PSS) sont la solution la plus sollicite pour amliorer
lamortissement de ce type doscillations. [23] [24]

1.5 Revue de littrature des mthodes et programmes


packages de la stabilit aux petites perturbations des
grands rseaux lectriques
Les mthodes de calcul des valeurs propres (lanalyse modale) ont dmontr leur
efficacit dans le cadre de lanalyse de la stabilit aux petites perturbations [7] Les
programmes conventionnels de calcul des valeurs propres [7] [25] utilisent des techniques
telles que lalgorithme QR pour le calcul de lensemble du spectre des valeurs propres. En
plus de lanalyse de la stabilit aux petites perturbations, ces techniques sont aussi sollicites
16

pour dautres applications relatives ce type d stabilit, cest lexemple du rglage des
paramtres des stabilisateurs de puissance PSS.
De nombreuses mthodes mathmatiques ont t appliques pour lanalyse de la
stabilit aux petites perturbations des systmes de puissance. Ces mthodes peuvent tre
subdivises en 03 catgories :
a) Mthodes de Lanczos [26] [27]
b) Mthodes itratives type Newton-Raphson [28] [29]
c) Mthodes itratives utilisant les proprits des oscillations lectromcaniques
[30] [31] [32] [33]
La mthode de Lanczos de base exploite la transformation propose par Lanczos [34]
qui transforme une matrice symtrique relle en une matrice tri diagonale, cette dernire
possdant les mmes valeurs propres que celle de la matrice originale. Dans le cas de matrices
symtriques, la technique a dmontr des rsultats satisfaisants, le problme avec cette
technique est que pour des matrices gnrales relles, lerreur introduite par le processus de
calcul affecte lorthogonalit et dtruit de ce fait la similarit de la matrice transforme finale
avec celle dorigine [26]. De ce fait, la mthode fut modifie dans [26] afin de former une
matrice symtrique complexe partir dune matrice gnrale relle. Les valeurs propres de la
matrice tri diagonale reprsentent un sous ensemble de celle de la matrice dorigine.
Cependant on pourrait ventuellement retrouver des valeurs propres errones ; une mthode
pour rectifier cet inconvnient fut propose dans [26].
La mthode dite S propose dans [27] est base sur une transformation bilinaire du
plan s vers le plan z, laxe imaginaire dans le plan s est reprsent par un cercle unitaire
lorigine dans le plan z. Les valeurs propres dorigine dans le demi-plan gauche s sont
transformes en valeurs propres avec un module infrieur lunit dans le plan z.
La mthode ditration inverse qui est une mthode itrative type Newton-Raphson,
propose dans [28] ; cette technique est souvent utilise pour dterminer le vecteur propre une
fois la valeur propre dtermine. Avec une estimation initiale de la valeur propre, celle-ci peut
tre utilise pour dterminer la correction apporter lestimation afin que cette dernire soit
la plus proche de la solution relle du systme. Cependant cette mthode savre efficace pour
des systmes de petites dimensions.
Lanalyse modale slective fut dveloppe dans [35] afin de lappliquer pour un calcul
rapide et prcis des valeurs propres pour de grands systmes de puissance contenant jusqu
150 machines. Dans la technique propose dans [35], les quations sont rduites de faon ce
17

que la contribution de toutes les variables dtat de la machine soit conserve. Une technique
itrative base sur lanalyse de lensemble des valeurs propres du modle rduit est par la
suite utilise. La solution converge vers un sous ensemble des valeurs propres du systme
dorigine non-rduit. Dans lapplication de lanalyse modale slective aux systmes de
puissance, les variables dtat relatives la machine sont pr conditionnes de faon
slectionner la vitesse et langle du rotor, ainsi que les flux lectromagntiques afin de
collecter la participation de lensemble des variables dtat de la machine.
Le MASS (Multi Area Small Signal Stability Program) est un programme qui a
prouv son efficacit dans le cadre du projet ddi ltude et lanalyse de la stabilit aux
petites perturbations sous la rfrence EPRI RP2247-1 de lOntario Hydro. Ce programme
faisant partie de package SSSP (Small Signal Stability Analysis) est bas sur une technique
qui utilise la routine QR pour dterminer lensemble complet des valeurs propres de la
matrice dtat dcrivant du systme.
La mthode savre tre rapide et converger rapidement [36], les points les plus forts de
lanalyse tant : la sparation et lidentification de tous les modes du systme pour les valeurs
propres, ainsi que lidentification facile des formes, des modes et de la relation entre elles
grce aux vecteurs propres. MASS convient parfaitement pour lanalyse des systmes de
petite et moyenne dimensions ainsi que pour la conception des dispositifs de commande tels
que des stabilisateurs de puissance (PSS).
Cependant, de tels algorithmes nexploitent pas la sparsit de la matrice dtat et
requiert un temps de calcul important et un espace mmoire volumineux [31]. Le programme
AESOPS (Analysis Of Essentially Spontaneous Oscillations in Power Systems) a t aussi
dvelopp dans le cadre du projet EPRI cit ci-dessus [37]. Le principe de la technique tant
de calculer uniquement les valeurs propres associes aux modes lectromcaniques (rotor et
angle). Des systmes ayant jusqu 2000 nuds et 350 machines peuvent tre analyss en
utilisant ce programme [30] Lalgorithme AESOPS requiert un point initial de la valeur
propre ainsi quun choix du gnrateur pour lequel le couple perturbateur est appliqu. Un
gnrateur appropri perturb est celui qui participe dune faon significative dans le mode
oscillatoire [38]
En des termes mathmatiques AESOPS est un concept spcial de programme de
valeurs propres. Plusieurs aspects de lanalyse des valeurs propres sont mieux adapts aux
besoins de ltude de la stabilit dynamique, savoir :

18

1.

les modes oscillatoires du rotor des machines qui ont tendance osciller avec dautres

machines sont spars et identifis dans lanalyse.


2.

les valeurs propres associes pour chaque mode donnent une indication prcise et

claire sur la frquence doscillation ainsi que lamortissement.


3.

la variation de la vitesse pour chaque mode qui reprsente une partie du vecteur

propre, donne une description de loscillation en terme physique.

Dans lalgorithme basique AESOPS le couple variant avec la frquence complexe


(+j) est appliqu la machine dsigne. Lamplitude du couple est ajuste afin de forcer la
variation de la vitesse de la machine slectionne tre gale (0+j0) avec 0 la frquence
angulaire de base du systme [39]. z la valeur propre du systme associ langle du rotor de
la machine dsigne ; et de ce fait lamplitude du couple appliqu est gale 0. Un algorithme
qui dterminerait les zros du couple est lors requis. Une mthode quasi Newton Raphson a
t propose dans [30].
Pour les faibles frquences associes au mode interrgional impliquant plusieurs
machines, linertie quivalente devra tre beaucoup plus importante que celle pour le mode
local. Il est trs important que la machine choisie ait un effet significatif pour le mode. Dans
le cas contraire, lalgorithme risque de converger vers T=0 trs lentement voir mme jamais
[31].
Les oscillations du mode inter area sont associes de larges systmes interconnects
par de faibles lignes dinterconnexion entre des groupes de machines. Lexistence de telles
oscillations dpend du modle du systme tudi. Lamortissement de ce mode impliquant
plusieurs machines est influenc par les contrles de toutes les machines prenant part dans
loscillation. Do la ncessit de rduire la reprsentation du systme autant que possible.
Aussi les modles des diffrents contrles doivent tre modliss en dtail. Aprs une
rduction du rseau, des admittances dynamiques relatives aux frquences sensibles sont
insres dans la diagonale de la matrice admittance. Le rseau rsultant est rsolu pour les
variations de tensions dues au courant inject dans la machine perturbe. Le traitement peut
tre relativement long pour les trs grands rseaux. La formation des admittances dans
AESOPS peut tre trs efficace mais au dtriment de la flexibilit du systme. Pour son
utilisation dans le cadre dtude de trs grands systmes, lAESOPS se verra dtre modifie
afin de mieux lexploiter [31].

19

Cette adaptation fut intgre dans PEALS [39] et applique sur des rseaux ayant plus
de 1500 modes.
Dans PEALS, une approche diffrente est utilise [40], le rseau est rduit de faon
permettre un calcul rapide des changements de tension. Cependant la rduction doit un
moment sarrter juste avant que le systme perde son sparsit. PEALS possde la capacit de
reprsenter de trs grands rseaux lectriques contrairement MASS. Il na pas besoin dune
formulation de la matrice dtat. Les quations dtat associes aux composants dynamiques
du rseau et les quations dinterconnexion sont arranges de faon exploiter la sparsit du
systme et permettre ainsi dutiliser les techniques spciales pour valuer les valeurs propres
associes la sous-slection des modes du systme.

1.6 Conclusion
Dans ce chapitre, nous avons abord la dfinition ainsi que la classification de la
stabilit des systmes de puissance, ceci va nous permettre de bien apprhender le problme
li la stabilit et de ce fait dappliquer les modles mathmatiques de stabilit les plus
adquats afin de converger vers la solution la plus proche de la ralit.
Lanalyse de la stabilit des systmes de puissance aux petites perturbations a dmontr
lexistence de nombreux modes oscillatoires naturels de lordre de frquence de0.1-2 Hz qui
sont dues principalement une multitude dinteractions entre les diffrents composants et
dispositifs du systme de puissance. La plupart de ces modes oscillatoires engendrent des
oscillations au niveau des rotors des gnrateurs contre dautres.
En pratique, les modes oscillatoires interrgionaux sont dintrt [41], ils sont associs aux
oscillations de groupes de gnrateurs dune rgion par rapport dautres dune autre rgion
travers une faible ligne dinterconnexion. Une solution alternative pour lamortissement de
ces modes oscillatoires serait lemplacement de stabilisateurs de puissance (PSS) ; si ces
derniers demeurent insuffisant on pourrait les renforcer par dautres dispositifs
ventuellement plus couteux tels que les HVDC, SVC,etc.
Le rsultat de lanalyse de la stabilit des systmes de puissance aux petits signaux est
gnralement les valeurs et vecteurs propres. AESOPS et PEALS permettent lidentification
des valeurs propres relatives aux gnrateurs et leurs vitesses. PEALS permet aussi
lidentification de lensemble des facteurs de participation [32]. Nanmoins, le choix de la
valeur propre initiale ainsi que la machine perturbe demeurent des points cruciaux pour le
bon droulement et la convergence de lalgorithme.
20

2 CHAPITRE 2 : METHODES NUMERIQUES POUR LE CALCUL


DES VALEURS PROPRES APPLIQUEES AUX SYSTEMES
LINEAIRES

2.1 Introduction
Dans ce chapitre on va sintresser aux mthodes de rsolution des valeurs propres
dune matrice donne A. les mthodes sont principalement bases sur la dcomposition
itrative QR avec une transformation de la matrice dorigine en une matrice semblable de
forme simplifie afin den dduire les valeurs propres ainsi que les vecteurs propres
directement.

2.2 Rappels dAlgbre linaire


Cette partie du chapitre se consacre rappeler un certain nombre de notions et de
rsultats dalgbre linaire qui seront utiles par la suite. [42] et [43]
2.2.1 Espaces Vectoriels
Soit un vecteur x, celui-ci peut scrire :

%
- &2
= , . 1 Ou encore = /45% 4 4 avec 4 = 647 = % 89 4 = 7, , 89:;:
.
+ /0
Les lments xi tant les composants du vecteur x.
Lensemble de n vecteurs < 4 =/ , 4 = %, /> forme la base canonique de /

Soit E un ensemble abstrait (par exemple n, n ), muni des deux oprations + (addition :
Dfinition 2.1.1.1 : (Espace vectoriel)

dite opration interne) et x (multiplication : dite opration externe), avec un scalaire rel

On dit que (E, +, x) possde une structure despace vectoriel sur (ou ) si les conditions
ou complexe (en fonction de lensemble abstrait de dpart)
suivantes sont vrifies :

x, y E x+y E

x E, (ou ) x E

(E, +) est un groupe commutatif

La multiplication tant distributive et associative.

22

Une base de lespace vectoriel n est une famille de n vecteurs qui est la fois :
2.2.2 Bases

Gnratrice : une famille {x1,x2,,xk} est gnratrice si et seulement si : x, il peut

scrire comme une combinaison linaire des vecteurs xi (i=1,k)

Libre (indpendance linaire) : une famille {x1,x2,,xk} est gnratrice si et seulement


si : Si B45 A4

A4 = , 4 = %, B

Soit V un espace vectoriel

Soit C% , , C/ une famille de vecteurs de V. on appelle span C% , , C/ lensemble de

Dfinition 2.1.2.1 (famille Gnratrice):

toutes les combinaisons linaires des vecteurs C% , , C/ . En franais, on dit que

span C% , , C/ est le sous-espace engendr par la famille C% , , C/ et on crit :

E GHI/ C% , , C/ =< C% , , C/ > KL A% ,, A/ tel que : E = A% C% + + A/ C/


2.2.3 Applications linaires
Soit E un espace vectoriel ;

x, y E, f(x,y)=f(x)+f(y)

Une application linaire f sur E est une application linaire de E dans E telle que :

x E, (ou ),f(x)= f(x)

Soit {e1,e2,,en} une base de n, soit f une application de n dans n, f(ei) ( i=1,n) est un
2.2.4 Matrices

vecteur de n qui peut se dcomposer sur la base {e1,e2,,en}.

i=1,n : V

= /75% A7

= /75% I74

, I74 = A7

Nous avons ainsi la matrice A :


I%% I%/

[ la ime colonne donne les composants du vecteur f(ei)


W=X
I/% I//
-

Transpose de la matrice A : AT=tA= (AT)ij=aji

23

2.2.5 Dterminant
Le dterminant dune matrice peut tre dfini de plusieurs faons, pour des raisons de
simplicit, nous adoptons la dfinition suivante : [44]
/

]^_ W = ` %
75%

7#%

I%7 ]^_ W%7

Le dterminant dune matrice scalaire a de dimension 1x1 est le scalaire a

W%7 est une matrice de dimension (n-1) x (n-1) obtenue en liminant la 1re ligne et la jme

colonne de A.

La matrice A est dite singulire si det(A)=0, non singulire sinon


Nous avons les proprits suivantes :
-

det(AB)=det(BA)

det(AT)=A

det(A)=n det(A)

aaaaaaaaa
det( = ]^_
W

det(I)=1

La trace de la matrice carre dordre n est b W = /45% I44


2.2.6 Trace

Nous avons les proprits suivantes :


-

tr(AB)=tr(BA)

tr(AT)=A

tr(A)= tr(A)

2.2.7 Valeurs et Vecteurs Propres


Dfinition 2.1.7.1 :
nul u de n tel que :

Un scalaire complexe est appel valeur propre de la matrice A, sil existe un vecteur non

Au= u, le vecteur u est appel vecteur propre de droite de la matrice A, sa valeur propre
associe.
Lensemble de toutes les valeurs propres de A est appel le spectre de A, et est dnot (A).

24

Un scalaire est une valeur propre de A, si et seulement si det(A- I)PA()=0, tant la


aaaaaaaaaa
En utilisant det(A*)=]^_
W

racine du polynme caractristique de A PA

On a

aaaaaaaaaaaaaaaaa
= ]^_
W de = ]^_ W de

= ]^_ W de

Donc les valeurs propres de A* sont les conjugues de celles de A. : W g = dg , v tant le


vecteur propre de gauche de la matrice A.

2.2.8 Diffrents types de matrices


Le choix de la mthode pour la rsolution des systmes linaires dpendra trs souvent de la
structure de la matrice A. lune des plus importantes proprits des matrices tant la symtrie,
cependant, il en existe dautres dont on peut citer :
-

A symtrique A= AT

*
aaaa
A hermitienne A=A* (A* )ij=I
hi (complexe conjugue) A matrice adjointe

Une matrice hermitienne coefficients rels est symtrique.

A antisymtrique AT = -A

A anti hermitienne A*=-A

A normale AA*=AA*

Q Matrice unitaire Q*Q=1

Certaines matrices possdent des structures particulires souvent qui peuvent tre pratiques
A diagonale aij=0, ij

pour lanalyse et le calcul numriques


-

A triangulaire suprieure aij=0, i>j

A triangulaire infrieure aij=0, i<j

A matrice Hassenberg suprieure aij=0, pour chaque paire, i,j tel que i>j+1 (la
matrice Hassenberg infrieure peut tre dfinie dune faon similaire)

2.2.9 Normes de vecteur

La norme dun vecteur dans un espace vectoriel est une fonction relle dfinie :
dans qui satisfait les conditions suivantes :
1. ,

^_ =

2. A = |A| ,

^_ A

25

3. + { + {, , {

% = |

%|

+|

&|

++|

/|

Pour les cas pratiques, on retrouve :

& = }|

%|

= I

+|

&|

++|

45%,/ | 4 |

/ |~

%/&

Soit une matrice A dans nxm , on dfinit les formes suivantes :


2.2.10 Normes de matrice
WH = I

/ ,

W H

La norme . H est induite de deux normes . H et . . Ces normes satisfont les proprits

de normes de vecteurs cits ci-dessus.

Et on peut crire les relations suivantes :


W% = I

W = I

75%, `I47
45%

75%,/ `I47
45%

W& = }H W W ~%/&

W = } b W W ~%/&

2.2.11 Sous-espaces, Col, Row, Nul


E est un espace vectoriel rel de dimension p
-

, & , A ,A +

Un sous-ensemble Eq de E est un sous-espace vectoriel de E sil est non vide et stable :

Le q-uple {x1,x2,,xq} de E constitue un systme linairement indpendant si et

Un systme linairement indpendant = <

seulement si : 45% A4 4 =

espace vectoriel = g <

A% = A& = = A =0

%, ,

>

%, ,

>

qui engendre dans E un sous

en constitue une base et dim( =card( =q.

26

Il existe deux sous espace importants pour une matrice A de mxn qui sont son rang et son
noyau.

Dfinition 2.1.11.1 (Nul):


Nul(A)=< / , W = >

On appelle noyau de A (en Anglais nul space ), not Nul(A) lensemble

En franais, le noyau est souvent not Ker(A) (Ker vient de Kernel qui signifie noyau en
anglais)

Soit <% , & , , / > les colonnes de A . On appelle image de A et on note col(A), lensemble :
Dfinition 2.1.11.2 (Col):

W = GHI/ % , & , , /

Col(A) est aussi not Im(A) car si A est la matrice dune transformation linaire T alors
Col(A) est exactement limage de T dans
Dfinition 2.1.11.3 (Rang):
On appelle Dim (Col(A)) le rang de A, not Rank(A)

Soit <e% , e& , , e/ > les lignes de A. On appelle espace des lignes de A, not Row(A),

Dfinition 2.1.11.4 (Row):

lensemble

W = GHI/ e% , e& , , e/

2.3 Vecteurs Orthogonaux et Sous-espaces

Un ensemble de vecteurs = <I% , I& , , Ib > est dit orthogonal si (I4 , I7 )=0 , 4 7.

Il est orthonormal, si en plus, chaque vecteur de possde une 2-norme gale lunit.

Chaque sous-espace admet une base orthonormale obtenue en prenant nimporte quelle base
et lorthonormaliser.
Lorthonormalisation peut tre obtenue par lalgorithme Gram-Schmidt. Soit lensemble de
vecteurs linairement indpendants <

%,

&, ,

b>

; en premier lieu, le vecteur

normalis en le divisant par sa 2-norme afin dobtenir le vecteur% .

orthogonalis face au vecteur % par soustraction


un vecteur rsultant orthogonal %

&

&

27

&

& , %

&

est

est par la suite

un multiple de % de faon former


% .

Le vecteur rsultant est par la suite normalis afin dobtenir le second vecteur & . La ime

tape du processus Gram-Schmidt consiste en lorthogonalisation du vecteur


les 4 prcdents.

ALGORITHME 2. 1

face tous

Gram-Schmidt

1. Dbut : Calculer b%%


Sinon %

%)

b%%

% & .

Si b%% =

; stop

2. Boucle : Pour j=2,,r ; Faire :


2.1- Calculer b47

2.2-

4 , 4

45% b47 4

&
2.3- b77

7 %

pour i=1,2,,j-1

Sinon 7 )b77

2.4- Si rjj=0 alors stop

Soit X=[x1,x2,,xr]

Q=[ q1,q2,,qr]
R reprsente une matrice rxr triangulaire suprieure dont les lments non nuls sont rij dfinis
=

dans lalgorithme 2.1. Et on a la relation :


(7)

La relation (7) est appele la dcomposition QR de la matrice X(nxr)


LAlgorithme 2.1 est la formulation standard du processus Gram-Schmidt. Cependant, il
existe dautres formulations quivalentes mathmatiquement mais avec des amliorations des
proprits numriques. LAlgorithme Gram-Schmidt modifi et lune des formulations les
plus courantes.

ALGORITHME 2. 2

Gram-Schmidt Modifi

1. Dbut : Dfinir b%%


Sinon %

%)

b%%

% & .

Si b%% =

2. Boucle : Pour j=2,,r ; Faire :

2.1- Dfinir

28

; stop

2.2- Pour i=1,2,,j-1 Faire :


, 4
b47

b47 4

&
2.3- Calculer b77

Sinon 7 )b77

2.4- Si rjj=0 alors stop

2.4 Formes Canoniques Des matrices


Les formes canoniques des matrices concernent les rductions des matrices carres en
des matrices dont la forme est simplifie telles que les matrices diagonales, bidiagonales ou
encore les matrices triangulaires.
La rduction tant une transformation qui prserve imprativement les valeurs propres de la
matrice dorigine.

Dfinition 2.3.1 :
Deux matrices a et B sont dites semblables sil existe une matrice non singulire X tel que :
A = XBX 1
La relation W est une transformation telle que A est semblable B. Elle prserve les

valeurs propres des matrices dorigine. Un vecteur propre de B est transform en un

vecteur propre W = de A

Pour la suite, nous avons besoin de dfinir quelques terminologies :


1.

Une valeur propre possde une multiplicit algbrique si elle est racine de
multiplicit du polynme caractristique.

2. Si la multiplicit algbrique dune valeur propre est gale 1, elle est dite simple.
3. Une valeur propre a une multiplicit gomtrique , si le nombre maximum des
vecteurs propres associs indpendants est . La multiplicit gomtrique est la
dimension de lespace Ker (A- I)

29

Les formes dsires possibles des matrices sont nombreuses, mais elles ont toutes le mme
but qui est la simplification du problme de calcul des valeurs propres. Ci-dessous quelques
possibilits de formes simplifies :
-

La forme diagonale : il sagit de la forme la plus simple et le choix le plus dsir


dune matrice ; mais qui nest pas forcment ralisable comme formulation.

La forme de Jordan : il sagit dune matrice bidiagonale suprieure, linconvnient


avec ce type de formulation est quelle nest pas fiable numriquement.

La forme triangulaire suprieure : en pratique, cest la forme la plus utilise et la


plus raisonnable. La transformation de la matrice dorigine la matrice triangulaire est
une squence de transformations lmentaires unitaires qui demeurent stables
numriquement tout au long du processus.

2.4.1 Rduction la forme diagonale


La rduction diagonale nest pas toujours possible, la matrice qui pourrait tre rduite
est appele diagonalisable caractrise selon le thorme 2.3.1.1 suivant :

Thorme 2.3.1.1:
Une matrice de dimension n est diagonalisable si et seulement si elle possde n vecteurs
propres linairement indpendants.

Ceci nous amne dduire que si une matrice A possde n valeurs propres distinctes alors
celle-ci est diagonalisable.

2.4.2 Forme canonique de Jordan


La finalit de la rduction de Jordan est de reprsenter la matrice dorigine A en

respectant la base forme de p bases du sous-espace Mi : 4 = b W 4 e

4 [45]

4 lindex de

La reprsentation J de A dans la nouvelle base telle dcrite ci-dessous possde la structure en


bloc diagonal :

30

%
W = =

&

avec chaque J1 qui correspond au sous-espace engendr par Mi associ la valeur propre4 . Le
4%

bloc J1 la taille mi et possde lui-mme la structure suivante :


4 =

4&

4
avec 4B =

44

%
4

Les 4B correspondent aux vecteurs propres associes 4 .


2.4.3 Forme canonique de Schur :
Le principe de ce type de forme est que chaque matrice peut tre semblable une
matrice triangulaire suprieure [46].

Thorme 2.3.3.1:
Pour nimporte quelle matrice A, il existe une matrice unitaire Q telle que Q*AQ=R (R tant
une matrice triangulaire suprieure).

R est une matrice triangulaire suprieure semblable A , ses lments diagonaux sont gaux
aux valeurs propres de A ordonnes dune certaine manire.
Soit Qk=[ q1,q2,,qk] et Rk la sous-matrice de dimension k de la matrice principale R. la

relation W7 = 45% b47 4 peut tre rcrite A Qk= QkRk (la dcomposition de Schur partielle).
7

Le vecteur qi est gnralement appel le vecteur de Schur. A noter que les vecteurs de Schur

ne sont pas uniques vu quils dpendent de lordre choisi des valeurs propres.

31

2.5 Mthodes de la puissance


2.5.1 Mthode de la puissance

La mthode de la puissance vise approcher la valeur propre du plus grand module


(suppose unique) dune matrice Adxd [47] Elle sappuie sur le constat suivant :
W/ %// W , bG /

Ainsi, la matrice W/ se comporte asymptotiquement comme une matrice scalaire W / . Cette

mthode consiste construire la suite


de rcurrence :

/#%

= W

W /

partir dun vecteur initial

d par la relation

Thorme 2.6.1 :
On suppose que la matrice A admet une unique valeur propre de module maximal 1 ; on
d, la mthode de la puissance

converge, au sens o il existe un vecteur propre xd de A associ la valeur propre tel que
note 2 le second plus grand module. Pour presque tout

||

, bG /

ALGORITHME 2. 3 Mthode de la puissance


1. Soit (A,v0)
g
2. g )g

3. Boucle : j=1,2,, jusqu convergence Rpter :


3.1- Wg
3.2-

g
g g

3.3- 4 4_
3.4- g g)
4

A ltape (3.3), i est lindex de llment w correspondant au module le plus grand


2.5.2 Mthode de la puissance inverse
La mthode de la puissance inverse revient appliquer la mthode de la puissance
linverse de la matrice A. Elle permet donc dobtenir sa valeur propre minimale en module.
32

On ninverse pas la matrice explicitement, mais on rsout chaque tape de lalgorithme le


systme linaire W

/#%

2.5.3 Mthode de la puissance inverse avec translation

Il sagit ici dapprocher la valeur propre ( et le vecteur propre associ) la proche dun
nombre complexe donn. On applique alors la mthode de la puissance la matrice
W e

De ce fait chaque tape ncessite la rsolution du systme linaire : W e

/#%

Une remarque tant commune aux mthodes de la puissance : plus on sapproche de la


valeur propre souhaite, plus le systme linaire est mal conditionn. Ainsi on pourrait croire
quil est nfaste davoir une trs bonne approximation de la valeur propre quon recherche. Il

nen est rien car les erreurs dues au mauvais conditionnement de la matrice W e sont

principalement dans la direction du (ou des) vecteur(s) propre(s) associ(s) la valeur de plus

petit module de W e , direction quon cherche justement approcher. De cette manire,

loin dtre pnalisant, le mauvais conditionnement du systme linaire favorise la


convergence.

ALGORITHME 2. 4 Mthode de la puissance inverse avec shift(translation)


1. Soit (A,v0,)
g
2. g )g

3.1- Rsoudre W e = g

3. Boucle : j=1,2,, jusqu convergence Rpter :


3.2- + g g

3.3- 4 4_
3.4- g g)
4

33

2.6 Mthode QR
Lalgorithme QR est une mthode numrique pour le calcul des valeurs propres en se
basant sur la dcomposition de Schur.il sagit de lune des mthodes de calcul des valeurs
propres la plus utilise [48] Cette mthode fut dveloppe par Francis [49] et Kublanovskaya
[50] au dbut des annes 60. Cependant, son application se limite uniquement aux matrices
denses.
La technique doit son nom la dcomposition QR qui est utilise au cours dune
itration. La plupart des discussions prsentant lalgorithme QR dbutent par lquation :
Ak 1 = Qk Rk ,

(8)

Rk Qk = Ak

En dautres termes, pour passer de litration k-1 litration k, procder une factorisation
QR de Ak-1. Ensuite multiplier les deux facteurs Q et R dans le sens inverse pour obtenir Ak.
Cest le principe de base de lalgorithme QR. Il sagit dun processus attrayant mais il nest
pas pour autant le plus utilis, lAlgorithme QR est plutt utilis pour des techniques appeles
" bulge-chase" : chaque itration commence par une matrice Hassenberg suprieure, cette
dernire subira une premire transformation qui produira un forme de bulle tout en haut de la
matrice (figure 5), cette bulle descendra fur et mesure vers le bas travers la matrice de
Hassenberg jusqu ce que la matrice reprenne la forme de Hassenberg de nouveau et une
itration est complte.

Figure 5 : Algorithme "bulge-chase"

Le second lment de la technique QR est le polynme valeur relle pi appel polynme


shift, ce polynme quon abordera en dtail dans la suite de ce chapitre doit tre choisi avant
chaque itration

34

Les valeurs propres dune matrice A dordre n sont les racines de son polynme
caractristique det (A-I). Un vecteur non nul x est dit vecteur propre de droite sil satisfait la
relation Ax=x. De mme, un vecteur non nul y est dit vecteur propre de gauche sil satisfait
la relation y*A= y*. Lensemble de toutes les valeurs propres de A est appel le spectre de A,
et est dnot (A).
2.6.1 Dcomposition de Schur relle (ou Dcomposition quasi Schur)

Une variation restreinte de la forme canonique de Schur est la dcomposition de Schur relle
[51], la dcomposition consiste insrer des blocs 2x2 dont la partie suprieure de la matrice
triangulaire R afin dviter des complexits arithmtiques lorsque la matrice est relle. Un
bloc 2x2 est alors associ une paire de valeurs propres complexes conjugues.
Soit Anxn, alors il existe une matrice orthogonale Q tel que Q*AQ=R avec R une matrice
Thorme 2.4.1.1: la dcomposition de Schur relle
%%

%&
&&

%
&

triangulaire suprieure ayant la forme de Schur relle :


=

Avec tous les blocs diagonaux de la matrice R sont de lordre de 1 ou 2 dpendamment


de la valeur propre, autrement dit le bloc est un scalaire (dordre 1) si la valeur propre est
relle ; il peut aussi contenir la paire des valeurs propres conjugues (dordre 2x2).

Le but de lalgorithme QR est justement le calcul dune telle dcomposition de Schur


relle. Une fois le calcul fait, les valeurs propres de A sont aisment obtenues directement des
blocs diagonaux de la matrice R. les colonnes de Q spannent un sous-espace invariant de A de
dimension k.
2.6.2 Algorithme QR de Base

En 1958, Rutishauser [52] a expriment un algorithme similaire celui que nous


allons prsenter. Bas sur une factorisation LU avec limination de Gauss sans pivot,
lalgorithme navait pas russi d linstabilit de llimination de Gauss. Francis [49] a
remarqu quavec des itrations QR lalgorithme convergeait beaucoup mieux.
35

On pose :

WB et WB

= =

(9)

tant des matrices unitaires semblables. La squence de la matrice {WB }

convergerait sous certaines hypothses vers une matrice triangulaire suprieure [53]

ALGORITHME 2. 5 Algorithme QR de Base


1. Soit Anxn. Cet algorithme calcule une matrice triangulaire suprieure T et une
matrice unitaire U de faon reprsenter A en dcomposition de Schur W =

2. Poser W W

3. Boucle Pour k=1,2, faire :


3.1- Factorisation QR

3.2- WB B B

WB

B B

3.3- Mise jour de la transformation de la matrice B B % B

4. Poser W et

pourrait les ordonner de la faon suivante :|% | > |& | > > |/ |. Les lments deWB en
Supposons que les valeurs propres sont mutuellement de magnitudes diffrentes, de ce fait on

dessous de la diagonale convergent vers 0 :

= L >

(10)

De lquation (8) on remarque que :

= =

(11)

2.6.3 Algorithme QR de Hassenberg

La convergence de lalgorithme QR de base demeure cependant lente, en effet il peut


tre arbitrairement lent si les valeurs proches sont trs proches les unes des autres. Dune
autre part, lalgorithme en question peut consommer normment en temps de calcul : chaque
tape ditration requiert le calcul de la factorisation QR de toute la matrice de taille nxn avec

une complexit de / pour chaque itration. Dans le but damliorer ces lacunes de

lalgorithme QR de base, il va falloir retrouver une structure prserve de la matrice par


lalgorithme QR tout en optimisant le temps de calcul dune itration ainsi que les proprits
de convergence de lalgorithme lui-mme.
36

2.6.3.1 Algorithme QR de Hassenberg

Dfinition 2.4.3.1 :
Une matrice H est une matrice Hassenberg si ses lments au dessous de la 1ere sousdiagonale sont nuls. 47 = , 4 > + 1
Thorme 2.4.3.1 :
La forme de Hassenberg dune matrice donne reste prserve par transformation QR
Soit le plan rotatif G(i,j,) tel que [54]:
0 0
1 0

K 0
0



0 K 0

0 0 0 1

(12)

avec c=cos() et s= sin() ; G est appele matrice de Givens

Soit H une matrice Hassenberg 4x4 :




%,&,

&,,

%
&

=





,,


=

Plus gnralement, si H est nxn , n-1 rotations de G sont ncessaires pour la transformer en
matrice triangulaire suprieure [55].

ALGORITHME 2. 6 Algorithme QR de Hassenberg


1. Soit Hnxn une matrice Hassenberg suprieure. Cet algorithme remplace H par
= avec = la factorisation QR de H

2. Boucle : Pour k=1,2,,n-1 Faire :

2.1- Gnrer Gk et lappliquer H : = B, B + %, B


2.2- Utiliser [ck,sk] pour dterminer (Hk,k, Hk+1,k) :
B GB
B:B#%,B:/ = G
B B:B#%,B:/
B

3. Boucle : Pour k=1,2,,n-1 Faire :

37

3.1- Appliquer la rotation B partir de la droite :


B
%:B#%,B:#% = %:B#%,B:B#% G
B

GB
B

Par consquent, on gagn un facteur de / en terme doprations vu que la matrice dense

est transforme en forme de Hassenberg. Cependant le problme de lenteur de la convergence


demeure toujours pour le cas o les quotients

4%

sont proches de 0

2.6.3.2 Rduction de Householder la forme de Hassenberg


La rduction en forme de Hassenberg est une bonne alternative pour amliorer
lalgorithme QR au lieu dutiliser la matrice dense.
Les rotations G sont conues de faon rduire 0 un seul lment dun vecteur la fois. Les
rflecteurs de Householder seraient plus efficaces pour rduire 0 plusieurs lments dun
vecteur la fois [56] [57]

Une matrice dont la forme est : = e &EE E = % est dnomme rflecteur de


Dfinition 2.4.3.2 :

Householder.

De cette dfinition on peut dduire que P est une matrice unitaire. Il suffit de stocker le
vecteur de Householder u afin de pouvoir procder la multiplication de P par un vecteur
x = x u 2u x

ou une matrice, cette multiplication ne coterait que 4n flops avec n la longueur des vecteurs.
^%
%
E=
=

^% ^%


&

(13)

avec ayant comme valeur absolue 1 : || = %.

Soit

=|

%|

on pose % =

Dans le cas rel on utilise souvent % = G4/

Le principe de la rduction de Householder est dmontr travers un exemple dune matrice


5x5. Lors de la 1ere tape de la rduction, on introduit des zros dans la 1ere colonne de la
matrice au-dessous du second lment.

38

W =

= % W%

A noter que % = % du moment quil sagit dun rflecteur de Householder. P1 est de la


%

structure suivante :
W =

=
e &E% E%

Le vecteur Householder est dfini de faon ce que :


&%
%

e &E% E% % = avec E% = &


%

La multiplication de P1 par la droite permet linsertion des 0 dans la 1ere colonne. La


multiplication par la droite est ncessaire afin de prserver la similarit par rapport la
matrice dorigine.

& /&


% W% =

/
=& & % W

% &

La rduction continue dune faon similaire pour obtenir la matrice de Hassenberg

Pour une gnralisation nxn lalgorithme 2.5 peut tre utilis.


ALGORITHME 2. 7 Rduction de Householder la forme de Hassenberg
1. Soit Anxn. Cet algorithme rduit A la forme de Hassenberg H par une squence de
transformations de rflecteurs de Householder. H remplace A
2. Boucle Pour k=1 n-2 faire :
2.1- Gnrer le rflecteur de Householder Pk

2.2- Appliquer a gauche de A B = eB e/


39

&E E

WB#%:/,B:/ WB#%:/,B:/ &E E WB#%:/,B:/

2.3- Appliquer a droite de A W WB

W%:/,B#%:/ W%:/,B#%:/ & W%:/,B+%:/ E E

3. Si des vecteurs propres sont dsirs de = % & /& alors :


3.1- e/

3.2.1- Mettre jour U, B

3.2- Boucle pour k=n-2,1 Faire :

3.2.2- B#%:/,B#%:/ B#%:/,B#%:/ &E E WB#%:/,B#%:/

A ltape 2.2 de lalgorithme 2.5, le rflecteur de Householder est gnr de la faon


suivante :
e &EB EB

B#%,B
%

B#&,B
&
= avec E = ^_ || =
/,B
/ B

De ce fait, la complexit de la rduction est rduite


de A et &/ pour lapplication de Pk a droite.

/ pour lapplication de Pk gauche

2.6.4 Convergence de lAlgorithme QR

Nous avons vu prcdemment comment est ce que lalgorithme QR pour calculer la


forme Schur dune matrice donne A peut devenir conomique si la matrice est dabord
transforme en matrice Hassenberg. Dans ce qui va suivre nous allons voir comment acclrer
la convergence de lalgorithme QR Hassenberg en introduisant des shifts dans lalgorithme,
le schma reprsent dans la figure (5) dmontre la formation bulge-chase est souvent appel
lalgorithme QR avec shift (ou translation) implicite
Lemme 2.4.4 :

Soit H une matrice Hassenberg irrductible : 4#%,4 , 4 = %, , / %


|bBB | > 0 < et plus particulirement si H est singulire alors b// =

Soit H=QR la factorisation QR de H, donc pour les lments diagonaux de R nous avons :

En appliquant ce lemme, nous pouvons acclrer la convergence de lalgorithme QR


Soit une valeur propre de la matrice Hassenberg irrductible H
40

On insre les quations suivantes :

I = QR

= + I

(14)

~ = d + d =

(15)

Daprs lquation (13) nous avons :

d =

avec : = X

Et donc : =

= + d =
Et

aaaa%

Ce qui revient dire que si on applique une itration QR avec un shift parfait la matrice
aaaa% de taille rduite.
possible de procder par dflation [58] en procdant sur la matrice

Hassenberg, la valeur propre va se retrouver tout en bas de la matrice, de ce fait, il serait

2.6.4.1 Algorithme QR avec Shifts (translations) implicites

Afin de mieux apprhender cet algorithme, nous allons dcrire les diffrentes tapes lors
dune itration.
Litration commence par le choix de m shifts 1,2,,m. Il existe plusieurs stratgies pour le
choix des valeurs shifts, la manire la plus typique tant de calculer les valeurs propres de la
partie en bas droite constituant la sous matrice dordre m m de A et de les prendre comme
shift pour lalgorithme (m tant petit).
Par la suite un vecteur x est calcul comme suit :

x = ( A 1I )( A 2 I )...( A m I )e1
Avec un facteur scalaire quelconque non nul.

x1 = 1 ( A m I )e1 Est calcul au dbut, ce qui est proportionnel la premire colonne de


A m I . Ensuite, x2 = 2 ( A m1I ) x1 est calcul ; en continuant de cette faon pour m
tapes, on trouve que le vecteur x est une combinaison linaire des m premires colonnes de

41

A 1 I , et que tous ses lments, mis part les m+1 premiers, sont nuls. Le cot de calcul
du vecteur x est de

2 3
m flops.
3

Plus gnralement :

x = p( A)e1
Avec
p( A) = ( A 1 I )( A 2 I )....( A m I )
Une itration implicite QR permet la rduction de la matrice A en matrice Hassenberg via une
transformation dont la premire colonne est proportionnelle au vecteur spcifique x
auparavant dtermin.
Litration QR implicite est beaucoup moins coteuse que la rduction en forme de
Hassenberg gnrale, ceci est du au fait que Qi le bulge-chase agit uniquement sur m+1
lignes ou colonnes.
ALGORITHME 2. 8 Lalgorithme QR avec shifts implicites

1. Soit une matrice Ai-1 nxn avec n2

2. Boucle : i=1,2,, jusqu convergence Rpter :


2.1- calculer les shifts 1,, m les valeurs propre de Ai-1(n-m+1 :n, n-m+1 :n)
2.2- Poser x = ( Ai 1 1 I n )( Ai 1 2 I n )...( Ai 1 m I n )e1
2.3- Actualiser Ai 1 Hi (x).Ai 1.H1 (x)
2.4-Calculer la matrice Q de faon rduire Ai-1 en forme de Hassenberg :
2.4.1- pour j=1,..,n-2
Q Q.H 1 ( Ae j )
Ai 1 H 1 ( Ai 1 e j ). A.H 1 ( A11 e j )

2.5- Poser Qi = H1 (x).Q


T
2.6- Ai = Qi Ai 1Qi

2.6.4.2 Algorithme QR avec shifts de Rayleigh :


Du moment quil nest pas possible de connatre la valeur exacte de la valeur propre de
la matrice, il nest pas possible dutiliser le shift parfait, pour cela il est plus pratique dutiliser
des valeurs estimes des valeurs propres. Une telle mthode heuristique est appele le shift au

42

quotient de Rayleigh (Rayleigh quotient shift), il sagit de poser un shift k la k-ime tape
de lalgorithme QR.
,

(16)

ALGORITHME 2. 9 lAlgorithme QR Hassenberg avec shift au quotient de Rayleigh


3. Soit Hnxn. Une matrice Hassenberg suprieure. Cet algorithme permet le calcul de la
forme de Schur normale =

4. k :=0

5. Boucle : m=n, n-1,,2 Rpter :


3.1- k :=k+1

3.2- B /,/

3.3- B

B %

B e B B

3.4- B B B + B e

3.5- B B % B

6. Jusqu ce que , % soit suffisamment petit


B

7. T :=Hk

2.7 Mthode de Jacobi


Il sagit dune mthode itrative de diagonalisation dune matrice symtrique base sur
matrice symtrique A, on construit une matrice orthogonale n comme produit de matrice de
des changements de base associs des matrices de rotation de Givens [47]. Partant de la

Givens, telle qu / W: e converge lorsque n tend vers linfini vers une matrice diagonale

contenant les valeurs propres de A. les colonnes de n convergent vers une base de vecteurs
propres de A ds que toutes les valeurs propres de A sont distinctes.

2.8 Conclusion
Lalgorithme QR est un algorithme stable et puissant trs souvent utilis pour la
rsolution des systmes surdtermins, le calcul des valeurs et vecteurs propres ainsi que les
moindres carrs.
43

Pendant pas mal dannes, lalgorithme QR fut loutil le plus utilis pour le calcul des valeurs
et vecteurs propres [49] [50] et [53]. Ces dernires annes, dautres algorithmes qui ont pu
dtrner lalgorithme QR ont surgis [59] [60] [61]. Notamment pour le cadre de ltude des
valeurs propres pour les matrices symtriques. Pour le cas des tudes de valeurs propres qui
concerne les systmes non symmtriques, lalgorithme QR demeure la routine cl utilise par
la plupart dalgorithmes pour le calcul des valeurs et vecteurs propres, citons lexemple de la
mthode dArnoldi avec redmarrage implicite [62] [63] ou encore lalgorithme Krylov-Schur
[64]

Lalgorithme consiste en deux tapes principales savoir : la transformation en premier lieu


de la matrice dorigine en matrice Hassenberg suprieure semblable ; ensuite, un ensemble
ditrations QR est appliqu cette matrice Hassenberg.
Loutil dAlgbre Linaire LARPACK Package inclut lensemble de toutes les mthodes QR
existantes et pouvant tre utilises [65]. Cependant, il faut noter que lalgorithme QR est une
mthode conue pour des matrices denses de petite et moyenne tailles avec un calcul de
lensemble du spectre des valeurs propres qui demeure lente ( elle exige une dcomposition
QR pour chaque itration), et non adquate dans le cas de matrices parses vu que la
transformation en matrice de Hassenberg dtruit la sparsit de la structure de la matrice quon
tient tant prserver.

44

3 CHAPITRE 3 : METHODES NUMERIQUES DANALYSE DES


VALEURS PROPRES DES SYSTEMES A GRANDE ECHELLE : LES
SOUS-ESPACES DE KRYLOV

3.1 Introduction
Les techniques et algorithmes pour le calcul des valeurs propres abordes lors du
second chapitre se basent principalement sur des transformations orthogonales de la matrice,
ce qui rend ces transformations plus appropries pour des problmes de petite et moyenne
tailles. Cependant, ces algorithmes jouent un rle majeur dans les mthodes conues pour le
calcul des valeurs propres de grands systmes et de matrices creuses ; citons lexemple des
mthodes dArnoldi, de Lanczos ou encore la mthode de Jacobi-Davidson [66].
La mthode de Lanczos est un algorithme populaire pour la rsolution des problmes de
valeurs propres lis aux grands systmes alors que la mthode dArnoldi est une
gnralisation de la mthode de Lanczos qui consiste retrouver quelques valeurs propres et
leurs vecteurs propres correspondant dans le cadre de grands systmes non symtriques
La possibilit dapproximer numriquement les valeurs propres devient de plus en plus
importante dans une large varit dapplications. Ceci a permis le dveloppement de
mthodes et logiciels pour le calcul numrique de grands problmes de valeurs propres.
La classe des mthodes de projection sur les sous-espaces de Krylov ou encore les mthodes
de Krylov feront lobjet dtaill de ce chapitre, les deux principaux reprsentants de ces
mthodes tant principalement la mthode de Lanczos et la mthode dArnoldi.

3.2 Sous-espaces de Krylov et mthodes de projection


Les mthodes de puissances abordes lors du chapitre prcdent sont capables de
retrouver uniquement une seule valeur propre la fois. Si plus de vecteurs sont recherchs,
alors des stratgies de shift ainsi que des techniques de dflation doivent tre introduites
(telles que lorthogonalisation). Une technique alternative serait dintroduire des formes en
bloc de la mthode de puissance appele souvent les sous-espaces itratifs. Cette importante
classe dalgorithmes fut introduite et dveloppe dans [67], et bon nombre de logiciels ont
utilis ces techniques [68] [69]. Cependant, il existe aussi une autre classe dalgorithmes
appels les mthodes de projection des sous-espaces de Krylov base sur une structure assez
complexe dune squence de vecteurs naturellement produits par la mthode de la puissance.
Cette classe dalgorithme est base sur la rduction de la taille du problme initial en le
projetant sur un sous espace dordre m, gnr par la matrice A et un vecteur u
46

Soit Anxn et un avec u0, alors :


Dfinition 3.2:

B W, = , W, W& , , WB %

Est appele la k-ime matrice associe A et u


Et :

B W, = GHI/ , W, W& , , WB %

Le sous-espace engendr par les vecteurs , W, W& , , WB %

La rsolution du problme de valeur propre revient trouver les meilleures approximations


possibles des valeurs et vecteurs propres rels de lquationW = . Le principe tant de
construire des couples approximatifs de ce sous-espace en imposant la condition de Galerkin :

Un vecteur g B est appel vecteur Ritz (Vecteur propre approch de A) avec valeur

propre Ritz de correspondante si :

, WgB gB B = , B

De ce fait, pour rsoudre le problme de valeur propre il va falloir retrouver les couples :
B4 , B4 B

En 1950 [34], Lanczos proposa la gnration dune base orthogonale pour le sousespace de Krylov et montra que cela pourrait tre fait de faon trs conomique pour A
symtrique. Peu aprs, en 1951 [70], Arnoldi dcrit une procdure pour le calcul dune base
orthonormale pour une matrice non symtrique : la factorisation dArnoldi

La thorie de convergence des matrices non symtriques est complique : ceci est du
au fait de la complexit de la gomtrie des vecteurs propres et des sous espaces quils
engendrent. Cependant, des rsultats existants ont dmontr que, sous certaines conditions
bien adaptes, les sous-espaces de Krylov ont tendance se rapprocher des vecteurs propres
appartenant des valeurs propres la limite de l'enveloppe convexe du spectre des valeurs
propres [71] [72].

47

3.3 Mthode dArnoldi


La mthode dArnoldi est une projection orthogonale dans pour le cas de matrices
de forme gnrale non hermitienne. La procdure fut introduite en 1951 [70] comme tant
un moyen pour la rduction de matrices denses en forme de Hassenberg. Arnoldi introduisait
cette mthode prcisment pour cette raison en faisant allusion que le processus pouvait
aussi donner de bonnes approximations pour quelques valeurs propres. Il a t dcouvert par
la suite, que cette stratgie tait une bonne technique pour lapproximation des valeurs
propres pour les matrices de grande taille et creuses.

3.3.1 Dcomposition dArnoldi


Une base dont la forme explicite est B W, = , W, W& , , WB % t ne convient

pas pour des calculs numriques. Comme k augmente, les vecteurs WB convergent presque

tout le temps vers le vecteur propre appartenant la valeur propre dominante. Ceci implique
que les colonnes de B W, deviennent de plus e plus linairement dpendantes. De ce fait,
un bonne partie de linformation contenue dans B W, va tre perdue cause de larrondi
de lerreur.
Afin dviter ces inconvnients, le choix de la base est trs important, par exemple, choisir
une base orthonormale. Cependant, lorthogonalisation explicite des vecteurs colonnes de
B W,

nest non plus une solution. La solution idale serait donc de construire

implicitement une base orthonormale pour B W, . la mthode dArnoldi procure une telle
technique et le thorme suivant donne son ide de base [46].

Thorme 3.1.1:
Soient les colonnes de :
B#% = [% , & , , B#% ] / B#%

Formant une base orthonormale pourB#% W, % . Alors il existe une matrice irrductible de
Hassenberg suprieure B + % B B de faon que :
= #

(17)

Du thorme 3.1.1 en dcoule la dfinition suivante :


Dfinition 3.1.1.1:
Soient les colonnes de :
48

B#% = [% , & , , B#% ] / B#%

Formant une base orthonormale pourB#% W, % . Alors il existe une matrice irrductible de
Hassenberg suprieur B + % B e B de faon que :

Lquation (16) es appele la dcomposition irrductible dArnoldi et B


Lquation (16) peut tre rcrite comme suit :
= [ ,

# ]

#,

= + #,

(18)

B peut contenir de bonnes approximations des vecteurs propres. Ces approximations ainsi
que les valeurs propres associes peuvent tre obtenues des vecteurs Ritz et des valeurs Ritz
dfinis prcdemment dont le calcul est appel la mthode de Rayleigh-Ritz

Dfinition 3.1.1.2:
Soit Anxn et soit les colonnes orthogonales de B nxk. La matrice B = B WB est
appele le quotient de Rayleigh. Une valeur propre de B est appele valeur Ritz, et si un

vecteur propre w de B appartient la valeur , alorB s est appel le vecteur Ritz de


La dcomposition dArnoldi peut tre reprsente par la figure 6, on pose :

hk +1,k uk +1 = fk

Uk

Uk

+ f k ek
Hk

Figure 6 : laction de A sur Uk donne UkHk plus une matrice de rang 1


Il est noter que toutes les valeurs Ritz ainsi que les vecteurs Ritz sont proches de quelques
valeurs propres et vecteurs propres de la matrice A. Soit wk est le kime lment de w, si langle
entre le vecteur propre x de A et B W, converge vers zro, alors il existe au moins un
vecteur

Ritz

B#%,B B B#% B

de

faon
&

ce

que

lerreur

de

retour

= B#%,B B converge vers zro [46]

49

(backward

error)

3.3.2 Algorithme dArnoldi


La dcomposition dArnoldi reprsente par lquation(16) et permettant la
construction dune base orthonormale pour lespace B W, et la matrice Hk ; induit
directement lalgorithme ci-dessous.

ALGORITHME 3. 1 lalgorithme Arnoldi


1. Soit Anxn. Et soit un vecteur u1n avec % & = % et k un entier tel que k n
2. H 0 [

3. Boucle : j=1,2,, k Rpter :


3.1- 7 7 W7

3.2- g W7 7 7
3.3- h j +1, j v
3.4- u j +1 v

h j +1, j

H
3.5- H j j 1
0

hj

h j +1, j

Quelques remarques concernant limplmentation de cet algorithme simposent :


1. nxn multiplication matrice-vecteur est exige pour chaque itration de calcul. Le
temps de calcul est de ce fait directement affect par cette opration de multiplication.
Tant que k<<n cet algorithme est trs comptitif par rapport la mthode de la
puissance. Par contre, le fait de stocker des matrices B#% de taille n (k+1) rend
lalgorithme plus coteux que la mthode de la puissance en termes de stockage dans
la mmoire.
2. Lalgorithme sarrte ds que7#%,7 = . Dans ce cas les valeurs propres de 7 sont
exactement celles de A. si par contre elles ne sont pas celles dsires, on pourrait
redmarrer litration avec un autre vecteur alatoire unitaire orthogonal7 .
3. Lalgorithme peut tre vu comme tant une implmentation implicite du processus
dorthogonalisation de Gram-Schmidt, et de ce fait, il en hrite les instabilits
numriques. Lorthogonalit de B pourrait tre svrement affecte cause des

50

erreurs darrondi [73] [74]. Ceci pourrait tre vit, soit par r-orthogonalisation du
vecteur, soit par une mthode stable base sur des matrices Housholder [75].
4. Si les vecteurs propres recherches sont proches dune valeur donne , lalgorithme
(3.1) converge rapidement vers ces valeurs propres dsires si la matrice A serait
implicitement remplace par

Soit

(k )
i

, i = 1, 2,..., k

(k )
propres associs , yi

(A-I)-1 cest la mthode shift-and-invert dArnoldi

(k )
les valeurs propres de H k et { yi , i = 1, 2,..., k} des vecteurs

= 1. On dfinit des vecteurs propres approchs de A par

wi( k ) = Uk yi (k )
Proposition 3.3.2.1:
(k )
Soit yi

= 1. Un vecteur propre de H k associ i(k ) et soit wi ( k ) le vecteur dfini

par :

wi( k ) = Uk yi (k ) , alors
( A i ( k ) I ) wi ( k ) = hk +1, k eT k yi ( k ) vk +1 (19)
( A i ( k ) I ) wi ( k )

= hk +1, k | ek T y i ( k ) | (20)

Le rsidu dArnoldi est reprsent par lquation (20)

3.4 Redmarrage de la mthode dArnoldi


Lun des inconvnients majeurs de lalgorithme (3.1) est son besoin de sauvegarder
une matrice U k +1 dordre n (k + 1) . Dpendamment de la vitesse de la convergence, cette
matrice pourra dpasser lespace de stockage en mmoire sans pour autant que les valeurs
propres recherches soient bien approximes par des valeurs Ritz.il est noter aussi que le
calcul des valeurs Ritz de la matrice H k (k k ) croit dune manire cubique avec la valeur de
k.
La technique de redmarrage consiste calculer une nouvelle rduction dArnoldi
partir dun nouveau vecteur, calcul partir dinformations accumules lors des rductions
prcdentes. Deux types de redmarrage existent : Redmarrage implicite et Redmarrage
explicite.

51

Dans le but doptimiser le temps de calcul et lespace de stockage, des polynmes de


redmarrage sont insrs au processus dArnoldi. Le principe des mthodes de de
redmarrage consiste globalement extraire les vecteurs propres approxims des sous-espaces
de Krylov une dimension fixe largement infrieure par rapport celle de la matrice
dorigine. Une analyse prsente dans [76] comparant des approches de redmarrage
dArnoldi a dmontr que la mthode QR implicite de Sorensen [77] peut tre meilleure que
bons nombres dapproches explicites [78].

3.4.1 Redmarrage explicite


Une technique alternative fut propose par Saad base sur lutilisation dun polynme
dacclration et fut dveloppe par Manteuffel [79] en proposant des solutions itratives pour
des systmes linaires. Saad proposa dans [80] de redmarrer litration avec un vecteur
prconditionn le plus proche du sous-espace invariant dintrt. Lide de Saad tant de
choisir un polynme filtre bas sur linformation contenue dans le spectre (Hm), avec une
dcomposition dArnoldi dordre m :

Hm
AU m = [U m , um+1 ]
T
hm+1,m em

(21)

Le redmarrage de la mthode dArnoldi se fait avec un vecteur u%1 = ( A)u1 / ( A)u1

Si les racines de sont des approximations des valeurs propres de A, ceci aura pour
consquences que les composants de u1 qui sont dans la mme direction des vecteurs propres
de ces valeurs propres seraient amortis.
Si (Hm) est dcompos sous : (Hm ) = w u

o les ensembles w et u contenant les

valeurs Ritz approximant des valeurs propres "dsires" et des valeurs propres "non dsires"
respectivement. Un choix judicieux de ce polynme pourrait tre de la forme :

( z) = ( z )
u

Il existe cependant dautres formes de polynmes dont les polynmes de Chebyshev quon
pourrait ventuellement choisir dans [81].
La technique dcrite est couramment appele redmarrage explicite et lalgorithme ci-dessous
rsume ses diffrentes tapes.

52

ALGORITHME 3. 2 Redmarrage Explicite de la Mthode dArnoldi (REMA)

1. Soit (A,v)
2. v1 = v

v2

3. Boucle : j=1,2,, convergence Rpter :


3.1- Calculer la factorisation dArnoldi dordre m :
Hm
AVm = [Vm , vm +1 ]
T
hm +1, m em

3.2- calculer les valeurs Ritz (Hm) STOP si les valeurs propres
recherches sont bien approximes
3.3- Construction du polynme en se basant sur (Hm) afin dattnuer les
valeurs non dsires
3.4- v1 ( A)v1 ; v1 v1

v1

3.4.2 Redmarrage Implicite


Linconvnient avec la technique cite prcdemment est que celle linformation
associe aux valeurs Ritz est exploite, les autres informations pouvant tre contenues dans la
dcomposition dArnoldi sont de ce fait ignores. Sorensen [77] dveloppa la technique du
redmarrage implicite. Lapproche de la technique est de combiner lalgorithme QR shift
implicite avec la factorisation dArnoldi "k- step" afin dobtenir une forme tronque de
litration QR avec shift implicite. De ce fait, les difficults numriques ainsi que les
problmes de stockage associs au processus dArnoldi seront vits.
Une factorisation dArnoldi dordre m=k+p :

AVm = Vm H m + f m emT

(22)

est compresse en une factorisation dordre k, qui conserve linformation sur les valeurs
propres dintrt. Cela est effectu en utilisant p QR shifts implicites. Le rsultat de cette
premire tape est :

AVm+ = Vm+ Hm+ + fm emT Q

(23)

avec :

53

Vm+ = Vm Q, H m+ = QT H m Q et Q = Q1Q2 ...Qp Qj la matrice orthogonale associe la valeur


propre j de Hm.
T
Les premires k-1 valeurs du vecteur em Q sont nulles [77]. On obtient une factorisation

dArnoldi dordre k :

AVk + = Vk + H k + + f k + ek T

(24)

En utilisant ce point comme point de dmarrage, il est possible dtendre la factorisation p


tapes additionnelles afin de retrouver la forme originale dordre m.
Chaque shift rsulte de lapplication implicite dun polynme de degr p au vecteur de
dmarrage :
v1 ( ) =

p
1

( j )

Lalgorithme ci-dessous dcrit la technique de redmarrage implicite :

ALGORITHME 3. 3 Redmarrage Implicite de la Mthode dArnoldi (RIMA)


T
1. Soit (A,V,H,f) avec AVm = Vm H m + f m em une factorisation dArnoldi dordre m

2. Boucle : l=1,2,, convergence Rpter :


2.1 Calculer (Hm) et slectionner lensemble des p=m-k shifts (valeurs non
dsires), selon le critre de choix.
T
T
2.2 q em

2.3 Pour j=1,2,, p Rpter :


Q j , R j = qr ( H m j I )
H m Q j* H m Q j
Vm Vm Q j
q q*Q j

f k vk +1 + f m k
2.4

Vk Vm(1:n,1:k)
H k H m(1:k ,1:k )

2.5 Appliquer p tapes additionnelles la factorisation dArnoldi dordre k

AVk = Vk Hk + fk ek T
Pour obtenir une nouvelle factorisation dordre m
54

AVm = Vm H m + f m emT

En pratique, la technique la plus utilise pour la slection des valeurs shifts est celle appele
"Exact Shift Strategy" ou la stratgie au shift exacte [81] a prouv son efficacit. Il sagit de
calculer le spectre (Hm) et de le trier en deux sous ensembles disjoints qui sont : et .
Dans le premier ensemble de taille k se trouvent les valeurs Ritz considres comme tant
les approximations "dsires" des valeurs propres de A . Quant au second ensemble , on
retrouve les p valeurs Ritz non dsires considres comme valeurs shift j.
Une consquence intressante est quaprs ltape (2.3) de lalgorithme RIMA, le spectre de
Hk est (Hk)= et lactualisation du vecteur de dmarrage v1 est une combinaison linaire
particulire de k vecteurs Ritz associs ces valeurs Ritz. Cette technique peut tre vue
comme tant un moyen permettant dattnuer les composantes non dsires du vecteur de
dmarrage et de le forcer suivre la forme dune combinaison linaire des vecteurs propres
recherchs.

3.5 Techniques dacclration et commutation dynamique


Les techniques dacclration utilises pour amliorer (acclrer) la convergence des
mthodes dextraction de valeurs propres bases sur les projections des sous espaces de
Krylov reprsentent des outils prcieux pour ces mthodes. Ces techniques appeles souvent
techniques dacclration polynomiales, sont bases sur une mixture de la thorie
dapproximation et de lalgbre linaire numrique. Un itration polynomiale prend la forme
de zk=pk(A)z0 o est un polynme dtermin partir de la connaissance des caractristiques
de la distribution des valeurs propres de A. Ainsi, avec une combinaison de la mthode
dArnoldi avec un polynme dacclration on obtient un algorithme efficace pour le calcul
de quelques vecteurs propres dune matrice dune grande taille.

3.5.1 Itration de Chebyshev de Base


Le principe de lacclration de Chebyshev pour les problmes des valeurs propres est
ancien et fut voqu pour la 1ere fois par Flanders et Shortley [82]. Lanczos a aussi labor
un travail intressant dans les techniques dacclration [83], [84]. Afin de contourner les
difficults de lestimation des valeurs propres , Lanczos proposa comme alternative le calcul
dune approximation polynomiale la fonction de Dirac base sur les valeurs propres
55

recherches (dsires). Dautres ides concernant limplmentation de lacclration de


Chebyshev furent introduites plus tard par Wrigley [85] et concrtises par Manteuffel [86] en
1975. Saad dveloppa par la suite des techniques dacclration en se basant sur
limplmentation de Manteuffel des problmes des valeurs propres [87].

Soit A une matrice non symtrique de dimension n et soit le problme de valeurs


propres associes tel que : Au=u.
Soit 1, 2,, n des valeurs propres de A dont la partie relle est trie dans lordre
dcroissant, et supposant que lon sintresse 1 dont la valeur est suppose initialement
relle.
Considrant une itration polynomiale de la forme zk=pk(A)z0 avec z0 le vecteur initial et pk un
polynme dordre k. on voudrait choisir pk de faon ce que le vecteur zk converge
rapidement vers un vecteur propre de A.
Soit :
n

z0 = i ui
i =1

i =1

i =2

zk = i pk (i )ui = 1 pk (1 )u1 + i pk (i )ui (25)


Lquation (25) dmontre que si zk est une bonne approximation du vecteur propre u1, alors le
second terme de lquation doit tre suffisamment petit par rapport au premier et ceci peut
tre ralis si pour chaque pk(j) j1 est petit en comparaison avec pk(1). Ce qui revient
rechercher un polynme qui prend des valeurs petites dans sa reprsentation discrte
R={ 2, 3,, n } tout en satisfaisant la condition
pk(1)=1

(26)

Ce polynme est difficile voir impossible calculer sans la connaissance de lensemble du


spectre de A ce qui cette approche peu applicable. Lalternative serait de remplacer le
polynme min max discret par une reprsentation continue avec un domaine contenant R et
excluant 1. Soit E ce domaine reprsent par une ellipse (figure 7)dans un plan complexe et
dont ce centre est laxe des rels et contenant les valeurs propres non dsires savoir : 2,
3,, n

56

Figure 7 : Ellipse contenant le spectre de A avec e purement rel

Les axes principaux de lellipse E(c, e, a) peuvent tre rels ou imaginaires (figure 8), et de ce
fait les valeurs de a et e peuvent aussi bien tre rels ou imaginaires et on peut avoir aussi la
reprsentation ci-dessous :

Figure 8 : Ellipse contenant le spectre de A avec e purement imaginaire

Si E se trouve dans lellipse E(c, e, a) et en utilisant la thorie de lapproximation, le meilleur


polynme min-max est le polynme :
pk ( ) =

C k [ ( c ) / e ]

(27)

C k [ (1 c ) / e ]

avec Ck le polynme de Chebyshev de degr k du premier genre.


Le calcul de zk=pk(A)z0 est simplifi par une relation de rcurrence en trois termes pour les
polynmes de Chebyshev :
C1()=, C0()=1,

Ck +1 () = 2Ck () Ck 1 (),k = 1,2,...


Posons : k = Ck [ (1 c) / e] , k = 0,1,...
57

On obtient :

c
c
k pk ( )k pk 1 ( )
=2

e
e

k +1 pk +1 ( ) = Ck +1

(28)

On pose k +1 k
lquation (28) sera simplifie comme suit :
k+1

pk +1 ( ) = 2 k+1

pk ( ) k k +1 pk +1 ( )

(29)

La reprsentation du polynme de Chebyshev aura la reprsentation rcurrente suivante :

1 =

e
;
1 c

k =
+1

1
2

, k = 1, 2,...

ALGORITHME 3. 4 lItration de Chebyshev

1. Soit z0 un vecteur initial arbitraire. Calculer

1 =
z1 =

e
1 c
1

(30)

( A cI ) z0

(31)

2. Boucle : k=1,2,, convergence Rpter :

k =
+1

1
2

z k +1 = 2

(32)

1 k

k +1
e

( A cI ) zk k k+1 zk 1

(33)

Par dfinition, lexpression de pk est comme suit :


( c )
Ck i

e
pk (i ) =
( c )
Ck 1

Et qui peut tre rcrite sous la forme :

i k + i k
pk (i ) = k
1 + 1 k

(34)

avec i reprsente la racine du module le plus grand de lquation dans :

c
1
( + 1 ) = i
2
e

(35)

58

Dfinition 3.5.1.1:
Soit i = i
dfini come tant le coefficient damortissement de i relatif aux para
1
mtres c et e. la convergence du ratio (1) de est le coefficient damortissement le plus
grand pour i1
Lalgorithme dfini ci-dessus ne traite pas un certain nombre dissues dordre pratique.
Par exemple, les paramtres c et e ne sont pas gnralement connus au pralable et leur
estimation est requise. Lestimation est typiquement effectue de manire dynamique fur et
mesure, lalgorithme ne peut traiter que le calcul dune seule valeur propre uniquement.
3.5.2 Itration dArnoldi- Chebyshev
Due aux limitations de litration de Chebyshev de base, il se trouve quelle est
rarement utilise seule, en pratique, elle est plutt combine avec une autre technique, la
combinaison avec lalgorithme dArnoldi est lun des type de couplage litration de
Chebyshev.
Un bon choix du vecteur initial v1 dans la mthode dArnoldi serait de prendre un vecteur qui
serait le plus proche davoir une petite dimension dans le sous espace invariant. Litration
polynomiale peut contribuer construire de tels vecteurs. Aprs application de litration de
Chebyshev un vecteur initial v, le vecteur rsultant contiendrait un nombre important de
valeurs propres en dehors de lellipse optimale. Sil existe un petit nombre de telles valeurs
propres en plus de celles dsires (recherches), alors le processus de projection dArnoldi va
effectuer le calcul avec une bonne prcision. Normalement, ces valeurs napparaitront plus
lors de litration suivante ce qui donne un processus adaptatif et efficace dauto correction.

ALGORITHME 3. 5 litration dArnoldi-Chebyshev


1. Choisir v0 un vecteur initial arbitraire, un nombre ditration dArnoldi m et un
nombre ditration de Chebyshev k.
2. Itration :
2.1 Effectuer m tapes de lalgorithme dArnoldi en dmarrant avec v1,
calculer les m valeurs propres de la matrice de Hassenberg rsultante.
Slectionner les r valeurs propres avec les parties relles les plus grandes

%1 , %2 ,..., %r et prendre R% = {%r +1 ,..., %m } ; si satisfait Stop


59

2.2 Utiliser R% , obtenir des nouvelles estimations des paramtres e et c de


lellipse optimale. Calculer ensuite le vecteur z0 de litration de
Chebyshev.
2.3 Effectuer k tapes de litration de Chebyshev pour obtenir zk. Prendre
v1 =

zk
zk

et revenir 1.

3.5.3 Commutation dynamique


Le principe de la slection dynamique des paramtres itratifs pour la rsolution des
problmes de valeurs propres pour des systmes non symtriques a t abord auparavant.
Duff et Scott [88] ont dvelopp un algorithme de sous espace combinant lacclration de
Chebyshev avec leur mthode dans un concept dynamique dont le principe se base sur la
slection de la dimension du sous espace et le degr du polynme de Chebyshev chaque
itration.
Lapproche de la commutation dynamique propose par Moriya et Nodera [89] est
applique fois pour la solution itrative des systmes linaires non symtrique pour les
systmes GMRES (Generalized Minimal Residual) dflation [90].leur mthode est base sur
langle entre le rsidu et les vecteurs recherchs, ce qui aisment calcul lors du droulement
de lalgorithme GMRES [91]. Une mthode de commutation dynamique dont lapproche est
diffrente est propose dans [92], en effet, au lieu d utiliser linformation de langle, la
technique se base sur une relation entre le rsidu de litration en cours avec le rsidu de
litration prcdente. Le principe de litration du sous espace est de calculer la
dcomposition de Schur partielle pour la matrice A, une technique impliquant la relation entre
lalgorithme MIRA et litration du sous-espace fut dveloppe dans [93]. Le redmarrage
dense est une technique qui redmarre lalgorithme dArnoldi avec plus de vecteurs propres
quil est demand. Un redmarrage dynamique dense avec ajustement du nombre de vecteurs
Ritz retenus chaque itration (cycle) de lalgorithme MIRA a t propos dans [94]. Le
redmarrage dense peut tre considr comme tant quivalent au changement de la
dimension (taille) du sous espace
3.5.3.1 Approche de la commutation dynamique
Lapproche de la technique telle que dveloppe dans [92] se base sur laddition dun
terme correctif au vecteur rsiduel de litration prcdente et cette correction est prise dans la
mme direction du vecteur Ritz de faon retrouver la relation pour le nouveau vecteur
rsiduel (celui de litration suivante) de la mme forme que dans lquation (36)
60

ri ( ) = fm( ) emT yi ( )

(36)

ri ( ) tant le vecteur rsiduel correspondant la paire Ritz (i ( ) , yi ( ) ), i = 1,2,..., m savoir


( )
la valeur propre et le vecteur propre de la matrice Hassenberg H m respectivement.
()
Le vecteur Ritz de A associ la ime valeur propre i est dfini par la relation

xi ( ) = Vm() yi ( )
dnote un cycle dans litration dArnoldi, et de ce fait, =2 reprsente le premier
redmarrage.
Lalgorithme de la commutation dynamique dbute avec une factorisation dArnoldi dordre
k.

AVk (0) = Vk (0) H k (0) + f k (0) ek T

(37)

(0)
(0)
(0)
On calcule par la suite la paire Ritz (i , yi ), i = 1,2,..., k de Hk et le ime vecteur rsiduel

satisfait la relation :

ri (0) = f k (0) ek T yi (0)

(38)

Considrons maintenant une extension de litration dArnoldi de lordre k lordre m, on


dfinit les relations suivantes :

xi (1) = xi (0) + i (1)

(39)

Et

i (1) = i(0) + i (1)

(40)

Les vecteurs rsiduels pour la premire itration sont :

ri (1) = ri (0) + i (1)


avec i

(1)

(41)

= ( A i (0) I ) i (1) i (1) xi (1)

Cependant, lutilisation de lquation (41) va augmenter le cot de calcul cause du calcul du


(1)
(1)
produit matrice-vecteur A i ; faire appel aux quations (37) et (39) pour substituer A i

pour rduire le temps de calcul, en posant :

A i (1) = F (1, m) F (0, m)

(42)

(s) (s)
(s) (s) (s)
avec F (s, z) = i xi + f z ez yi en remplaant (42) dans (41), on retrouve la forme usuelle

de vecteur rsiduel savoir :

ri ( ) = ri ( 1) + i ( ) avec i ( ) = ( A i ( 1) I ) i ( ) i ( ) xi ( )
61

(43)

( )
Pour tout >1, on a A i = F (, m) F ( 1, m)
(1)
()
Soit le paramtre i reprsentant le cosinus de langle entre ri
et i tel que dfini dans

(43)

(i( ) )T ri( 1)
i = ( 1) ( )
ri
i
En se basant sur la magnitude de i on discutera de la faon dterminer dune manire
dynamique quand faudrait il commuter la dimension du sous espace de Krylov.
Soit mmin et mmax les valeurs minimale et maximale possible de la dimension de lespace de
Krylov tolres dans la mthode.
On choisi mmin =(k+2) avec k tant le nombre de paires de valeurs propres dsires de faon
sassurer que les valeurs complexes conjugues soient incluses [62]. La valeur mmax prise par
dfaut est gale l valeur : min (max (3k-fix(k/2),19),n) avec fix(P) larrondi de la valeur de P
Le reste de la division de P par Q est dsign par rem (P,Q).
( )
()
Dans la procdure de redmarrage dynamique, le cosinus 1 de langle entre r1 et 1

correspondant la plus grande paire de valeurs propres. La raison de contrler uniquement


cette grandeur est bien explique dans [95] o il a dmontr quen prsence dun vecteur
propre approxim dans un sous espace, le taux de convergence dun autre vecteur propre
approxim est affin. Lalgorithme ci-dessous dcrit la technique de la commutation de sous
espace de Krylov dordre m.
Le scalaire d() reprsente le nombre des vecteurs Rit retenus pour chaque cycle . d(1)=0 et
pour =2,3,4,d() est choisi dune faon dynamique, commencer par d(2)=k, le nombre
des valeurs propres recherches., et augmentant fur et mesure quune valeur propre
converge. Et on arrte le droulement du programme lorsque la norme rsiduelle dfinie par :
res = max i ( ( A i ( ) I ) x i ( ) / A )

(44)

Est infrieure la tolrance tol=10e-6.


ALGORITHME 3. 6 La procdure de la commutation
Soit 1, m, k , mmin, mmax, , d(), tol
Calculer m, mmax
Si (|1|<1.0-tol),
Si (k>7),
Si (rem(,6)0), alors m :=m+1
Si (m mmax), alors m := mmin
Sinon
Si (rem(,6)0), alors m :=m-1
62

Si (m< mmin), alors m := mmax-1


Sinon
Si (=1
Si (k>7), m := mmin, sinon, m := mmax-1
Si (m-1> mmin) et (m-1 d()+2)
Si (k>7), m :=m-1
Sinon
Si (rem((,6)=0), m :=m-1, sinon m :=m-3
Sinon
Si (mmax-1 d()+2), m := mmax-1
Et Si (mmax-1= d()+1), mmax := mmax+1, m := mmax-1
Et Si (mmax-1= d()), mmax := mmax+2, m := mmax-1
Quelques remarques concernant la procdure simposent savoir :
-

Pour le cas =1, 1=1, est la dimension du sous espace de Krylov est choisie gale au
nombre de valeurs propres recherches.

Dans le cas o k>7, on choisi m= mmin =k+2 et pour k7, m= mmax -1

Quand la convergence est obtenue, la valeur de m est commute mmax -1 puisque le


but tant datteindre la convergence avec un nombre rduit de produit vecteur-matrice
ainsi quune rduction dtapes dorthogonalisation

En couplant la procdure de lalgorithme (3.6) avec lalgorithme dArnoldi redmarrage


implicite, on obtient lalgorithme de Redmarrage Implicite Dynamique de la Mthode
dArnoldi (RIDMA)
ALGORITHME 3. 7 Redmarrage Implicite Dynamique de la Mthode dArnoldi (RIDMA)
1. Etape initiale :
1.a/ Effectuer une factorisation dArnoldi dordre k
(0)
(0)
(0)
1.b/ calculer la paire (1 , y1 ) ainsi que le vecteur rsiduel r1 en utilisant

lquation (38)
)
1.c/ Poser 1(0) = 1(0)
2. Boucle : =1,3,convergence
()

2.a/ Si =1, prendre 1=1 ; sinon calculer 1 et 1

( 1)
si 1
ne converge pas

2.b/ Faire appel lalgorithme (3.6) pour commuter dynamiquement la dimension


du sous espace de Krylov.
2.c/ Etendre la factorisation dArnoldi de lordre k lordre m
( )
( )
2.d/ Calculer la paire (i , yi ) de Hm. Stop si les valeurs propres recherches

sont atteintes
63

)
()
()
2.e/ Si 1 ne converge pas, et si 1( 1) est une meilleure approximation que 1
et m+fix(k/3)< mmax, alors :
Appliquer m-k QR itrations implicites et actualiser la factorisation dArnoldi dordre k

Poser m=m+fix(k/3)
Reprendre depuis ltape 2.c
)
2.e/ Sinon prendre 1( 1) = 1( )
2.f / Appliquer Shifts implicites afin dobtenir la factorisation dordre k

3.6 Algorithme de Redmarrage Implicite dArnoldi Adapt lEtude


de la Stabilit Dynamique des rseaux Electriques
Comme il a t abord prcdemment dans la section 2.6, lalgorithme QR est une
technique pertinente dans le calcul des valeurs propres dune matrice A. le principe tant
ltablissement par calcul itratif de lensemble du spectre de la matrice (toutes les valeurs
propres), Cependant lutilisation dune telle dcomposition peut devenir limit avec la
croissance de la taille de la matrice tudier vu le temps de calcul important et la
consommation de lespace mmoire dans la cpu. Dun autre ct, ltude de la stabilit aux
petites perturbations dun rseau lectrique concerne lanalyse de certaines valeurs propres de
la matrice dtat et non pas de lensemble du spectre, les valeurs propres dont les facteurs
damortissement sont considrs critiques. Faire appel aux techniques et algorithmes des sous
espace de Krylov serait un choix judicieux pour ce cas dtude, vu que le principe des
algorithmes dArnoldi avec redmarrage implicite est lapproximation de quelques valeurs
propres recherches (section (3.4)). Les programmes auparavant labors pour cet algorithme
traitent plutt des cas standard de slection de valeurs propres [62] , tel que valeurs propres
avec parties relles les plus grandes ou les plus petites ou encore valeurs propres dont les
modules sont les plus grands ou les plus petits. Dans ce travail nous avons modifi cet
algorithme de faon ladapter notre problmatique savoir ltude de la stabilit aux
petites perturbations des rseaux lectriques [96] en introduisant la notion du facteur
damortissement tel que dfini dans lquation (6) comme critre de slection des valeurs
propres recherches et des valeurs propres Shifts (non dsirs) pour le droulement de
lalgorithme RIMA (algorithme 3.3). Lalgorithme ci-dessous dcrit la mthode
ALGORITHME 3. 8 Redmarrage Implicite Adaptatif de la Mthode dArnoldi (RIAMA)
1. Factorisation : dArnoldi dordre m

T
AVm = Vm H m + f m em

2. Boucle : =1,3,convergence
64

2.a/ Calculer le spectre de Hm


2.b/ Calculer comme dans(6) et partitionner les valeurs propres en deux sous
ensembles
dcroissant:

en se basant sur leurs facteurs damortissement tri dans lordre


les

valeurs

} {

( Hm ) = 1 ,..., m k+1,..., m

dsires

et

les

valeurs

shifts :

2.c/ Effectuer p itration QR shifts implicites


2.d/ Actualiser V,H and f
2.e/ Appliquer une factorisation dArnoldi dordre k
2.f/ Etendre la factorisation lordre m
3.6.1

Acclration de lAlgorithme Redmarrage Implicite Adaptatif de la Mthode


dArnoldi

Nous avons introduit le mme critre de slection afin dacclrer la convergence de


lAlgorithme de Redmarrage Implicite de la Mthode dArnoldi, avec son couplage avec la
commutation dynamique de la dimension du sous espace de Krylov. LAlgorithme (3.8) fut
ainsi adapt ltude de la stabilit aux petites perturbations des rseaux lectriques [97]
ALGORITHME 3. 9 Redmarrage Implicite Adaptatif Dynamique de la Mthode dArnoldi
(RIADMA)

3. Etape initiale :
1.a/ Effectuer une factorisation dArnoldi dordre k
(0)
(0)
(0)
1.b/ calculer la paire (1 , y1 ) ainsi que le vecteur rsiduel r1 en utilisant

lquation (38)
)
1.c/ Poser 1(0) = 1(0)
4. Boucle : =1,3,convergence
()

2.a/ Si =1, prendre 1=1 ; sinon calculer 1 et 1

( 1)
si 1
ne converge pas

2.b/ Faire appel lalgorithme (3.6) pour commuter dynamiquement la dimension


du sous espace de Krylov.
2.c/ Etendre la factorisation dArnoldi de lordre k lordre m
( )
( )
2.d/ Calculer la paire (i , yi ) de Hm. Stop si les valeurs propres recherches

sont atteintes
()
2.e/ Si 1 ne converge pas, et si ( 1 )> ( 11 ), alors :

Appliquer m-k QR itrations implicites et actualiser la factorisation dArnoldi dordre k

65

Poser m=m+fix(k/3)
Reprendre depuis ltape 2.c

)
2.e/ Sinon prendre 1( 1) = 1( )
2.f / Appliquer Shifts implicites afin dobtenir la factorisation dordre k
3.6.2 Application des cas test et rsultats
Afin de dmontrer lefficacit des techniques tel qulabores dans les algorithmes
(3.8), et (3.9), on se propose dtudier lanalyse de la stabilit aux petites perturbations de 03
rseaux lectriques savoir :
1/

Le systme New England- New York 39 bus , 16 machines.

2/

Le systme IEEE 145 bus, 50 machine.

3/

Le systme Brsilien Interconnect avec 2380 buses, et 106 machines.

3.6.2.1 1er cas dtude : New England-New York


Le systme tel que dcrit dans [98], est constitu de 16 machines, 39 bus et 68 nuds.
Le nombre total des tats tant 135. Le rseau est reprsent dans la figure 9 :

Figure 9 : Schma unifilaire du rseau New England -New York

66

Le calcul de lensemble du spectre des valeurs propres fut dabord labor par lalgorithme
QR figure (10).et tableau
10
8
6

Imag part

4
2
0
-2
-4
-6
-8
-10
-20

-18

-16

-14

-12

-10
Real part

-8

-6

-4

-2

Figure 10 : Spectre des valeurs propres du systme New England-New York

Num Valeur Propre


1. 0
2. -0.403
3. -0.746
4. -0.75
5. -0.82
6. -0.988
7. -1.069
8. -1.186
9. -1.243
10. -1.361
11. -1.502
12. -1.567
13. -1.613
14. -1.687
15. -2.027
16. -0.177 j 2.507
17. -0.263 j 3.306
18. -0.117 j 4.067
19. -0.158 j 5.683
20. -0.255 j 6.23
21. -0.306 j 6.8
22. -6.084
23. -6.215
24. -0.063 j 7.078
25. 0.052 j 7.025
26. -0.264 j 7.672
27. -0.25 j 7.679

Frquence
Num Valeur Propre
(Hz)
0
44. -20.201
0
45. -20.643
0
46. -21.115
0
47. -22.028
0
48. -22.248
0
49. -19.998 j 10.023
0
50. -22.619
0
51. -22.781
0
52. -20.515 j 10.78
0
53. -28.937
0
54. -29.023
0
55. -29.098
0
56. -29.534
0
57. -29.761
0
58. -30.068
0.399
59. -30.222
0.526
60. -30.298
0.647
61. -30.509
0.905
62. -30.651
0.99
63. -30.958
1.083
64. -30.992
0
65. -31.095
0
66. -31.187
1.127
67. -31.667
1.118
68. -32.121
1.221
69. -56.111
1.223
70. -80.137
67

Frquence
(Hz)
0
0
0
0
0
1.595
0
0
1.716
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

Frquence
Num
(Hz)
28. -7.879
0
71.
29. -0.365 j 8.467
1.348
72.
30. -8.715
0
73.
31. -0.407 j -8.699
1.385
74.
32. -9.131 j -0.184
0.029
75.
33. -0.538 j -9.876
1.572
76.
34. -0.454 j -9.973
1.587
77.
35. -10.571
0
78.
36. -0.754 j 11.888
1.892
79.
37. -0.112 j 12.086
1.924
80.
38. -13.393
0
81.
39. -14.549 j 3.454
0.55
82.
40. -15.312 j 5.378
0.856
83.
41. -15.944 j 6.774
1.078
84.
42. -17.357
0
85.
43. -16.431 j 8.936
1.422
86.
Tableau 1:Spectre des valeurs propres du 1er cas dtude

Num Valeur Propre

Valeur Propre
-81.491
-89.753
-90.714
-91.366
-92.176
-92.524
-93.358
-94.21
-95.309
-95.438
-95.97
-96.225
-96.411
-97.278
-98.521
-20.201

Frquence
(Hz)
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

Modes Oscillatoires du 1er cas dtude :


En imposant =5% comme valeur critique damortissement du systme, on retrouve 08 modes
oscillatoires critiques dtaills dans le tableau ci-dessous :
Num Mode

Valeurs propres

amortissement Frquence Hz

-0.0633 j 7.0777

0.89%

1.127

-0.1583 j 5.6834

2.78%

0.905

-0.2496 j 7.6788

3.25%

1.223

-0.2546 j 6.2323

4.08%

0.992

-0.264 j 7.672

3.50%

1.221

-0.3649 j 8.4667

4.31%

1.348

-0.3063 j 6.8011

4.50%

1.083

-0.4073 j 8.6986

4.68%

1.385

Tableau 2 : Modes Oscillatoires critiques du systme New England-New York

Application des algorithmes RIAMA & RIADMA


Nous avons par la suite effectu une comparaison en calculant quelques valeurs propres du
systme uniquement ; celles relatives aux modes critiques, en appliquant les 02 algorithmes
que nous avons propos savoir RIAMA et RIADMA.
68

Les deux techniques ont converg vers les mmes valeurs approximes comme le montre la
figure 11 :
Valeurs propres des modes critiques du 1er systme

routine RIAMA
routine RIADMA

p a rtie Im a g in a ire

10

-5

-10
-0.45

-0.4

-0.35

-0.3

-0.25
partie Relle

-0.2

-0.15

-0.1

-0.05

Figure 11 : Modes oscillatoires Critiques du systme New England-New York par les 02
algorithmes RIAMA et RIADMA

Dun autre ct, les valeurs propres obtenues par les 02 mthodes RIAMA et RIADMA ont
t compares celles relatives calcules par la routine QR, les rsultats de comparaison sont
illustrs dans le tableau suivant :
Num Mode

Valeurs propres critiques par QR

Valeurs propres dsires par


RIADMA

-0.0633 j 7.0777

-0.0633 j 7.0773

-0.1583 j 5.6834

-0.1586 j 5.685

-0.2496 j 7.6788

-0.2488 j 7.677

-0.2546 j 6.2323

-0.2541 j 6.2333

-0.264 j 7.672

-0.2645 j 7.6727

-0.3649 j 8.4667

-0.3644 j 8.464

-0.3063 j 6.8011

-0.3060 j 6.8013

-0.4073 j 8.6986

-0.4072 j 8.697

Tableau 3 : Comparaison des rsultats pour le systme New England-New York

3.6.2.2 2me cas dtude : systme IEEE 50 machines-145 bus


Les algorithmes dvelopps sont par ailleurs appliqus au systme IEEE 50 machines 145
bus, les donnes du rseau sont extraites de [99] et [100]. La figure 12 montre le schma
unifilaire reprsentant le rseau en question. Le nombre dtats tant 235.
69

Figure 12 : Schma unifilaire du rseau 50 machines 145 bus

Deux scnarios de conditions de fonctionnement seront tudis :


-

Cas A : Conditions de fonctionnement en dessous du rgime nominal

Cas B : Conditions de fonctionnement en dessous du rgime nominal (svres)

Les deux points de fonctionnement relatifs aux deux scnarios sont rsums dans le tableau
ci-dessous :
Active power generation (MW)
Cas A (low stress)
Cas B (high stress)
93
1080
1080
104
1400
2400
105
620
1620
106
1080
1080
110
980
1080
111
1800
2600
Tableau 4 : Puissances Actives relatives aux scnarios tudis
Bus#

70

Aprs avoir excut la routine QR, et appliqu la slection selon le coefficient


damortissement, on retrouve 10 modes oscillatoires pour les deux conditions de fonctionnent
tel quexposs dans les deux tableaux suivants :
Num Mode

Valeurs propres des

amortissement

modes critiques

Frquence. Hz

-0.010 j 2.524

0.40

0.40

-0.300 j 6.340

4.73

1.01

-0.256 j 7.0741

3.61

1.12

-0.250 j 7.306

3.41

1.16

0.300 j 7.606

3.95

1.21

-0.268 j 7.890

3.39

1.26

-0.253 j 8.200

3.08

1.30

-0.252 j 9.100

2.77

1.45

-0.270 j 9.733

2.69

1.55

10

-0.254 j 10.480

2.42

1.67

Tableau 5 : Modes oscillatoires du systme IEEE 50 machines Cas de fonctionnement A

Num Mode

Valeurs propres des

amortissement

modes critiques

Frquence. Hz

-0.004j1.851

0.20

0.30

-0.244j6.438

3.79

1.03

-0.251j7.151

3.50

1.14

-0.25j7.2

3.40

1.15

-0.254j7.649

3.32

1.22

-0.267j7.91

3.37

1.26

-0.245j8.371

2.93

1.33

-0.244j9.306

2.63

1.48

-0.261j9.734

2.68

1.55

10

-0.254j10.084

2.52

1.60

Tableau 6 : Modes oscillatoires du systme IEEE 50 machines Cas de fonctionnement B


71

Idem que pour le premier cas, on se propose de comparer les quelques valeurs propres
relatives aux modes critiques avec les deux algorithmes auparavant dtaills qui sont RIAMA
et RIADMA. La comparaison des valeurs propres est montre dans les figures 13 et 14 :

Valeurs propres des modes critiques du 2eme systme- Scenario A15

Routine RIAMA
Routine RIADMA

Partie Imaginaire

10

-5

-10
-0.4

-0.35

-0.3

-0.25

-0.2

-0.15

-0.1

-0.05

Partie Relle

Figure 13 : Modes oscillatoires Critiques du systme 50 machines Cas A par les 02


algorithmes RIAMA et RIADMA

Valeurs propres des modes critiques du 2eme systme Scenario B


15

routine RIAMA
routine RIADMA

P a r tie Im a g in a ire

10

-5

-10

-15
-0.35

-0.3

-0.25

-0.2

-0.15

-0.1

-0.05

Partie Relle

Figure 14 : Modes oscillatoires Critiques du systme 50 machines Cas B par les 02


algorithmes RIAMA et RIADMA

3.6.2.3 3me cas dtude rseau Brsilien interconnect


Nous avons utilis ce rseau pour dmontrer lefficacit de notre technique face un
grand rseau lectrique, vu qu lorigine, lide fut dveloppe pour ce type de systme o la
72

routine QR demeure impuissante face un tel volume de calcul vu la taille importante de la


matrice dtat [101].
Ce systme (BIPS98) dont les donnes sont tires de [102], est constitu de 2380 buses, 3450
branches et 106 gnrateurs synchrones. Le calcul des modes oscillatoires critiques calcul
par les 02 algorithmes RIAMA et RIADMA est illustr dans le tableau ci-contre.
Valeurs propres

Num Mode

Amortissement %

-0.095 j 3.797

2.50

-0.111 j 4.876

2.28

-0.152 j 6.163

2.47

-0.078 j 3.025

2.58

-0.158 j 5.065

3.11

-0.269 j 6.670

4.02

-0.225 j 6.037

3.72

-0.276 j 6.710

4.12

Le calcul par les deux mthodes converge vers les mmes valeurs tel que dmontr sur la
figure 15
Valeurs prpores des modes critiqes du 3me systme
-4.5
routine RIAMA
routine RIADMA
-5

P a r ti e I m a g i n a i r e

-5.5

-6

-6.5

-7

-7.5
-0.8

-0.7

-0.6

-0.5

-0.4
Partie Relle

-0.3

-0.2

-0.1

Figure 15 : Modes oscillatoires Critiques du systme BIPS98 par les 02 algorithmes RIAMA
et RIADMA

73

3.6.2.4 Comparaison Temps de calcul


Les calculs ont t effectus par MatLab avec la prcision de 10e-06. Le tableau cidessous rsume les temps de calcul des diffrents algorithmes appliqus aux trois cas tudis.
Cas tudi N

QR

RIAMA

RIADMA

3.4 x 10-2

2.5 x 10-2

9.72 x 10-03

1.80 x 10-01

1.15 x 10-2

7.27 x 10-3

-----------

14.52

6.61

Tableau 7 : Temps de calcul des diffrentes techniques de calcul des valeurs propres
3.6.3 Discussion et commentaires
En analysant les tableaux de 1 5, il est clair que les deux mthodes proposes
aboutissent pratiquement aux mmes rsultats de calcul des valeurs propres et ce pour les
diffrents systmes et cas tudis.
Lanalyse par la routine QR des systmes de puissance permet le calcul du spectre (toutes les
valeurs propres) de la matrice dtat reprsentant le systme ; cependant, dans le cadre de
ltude de la stabilit aux petites perturbations, seules quelques valeurs, celles relatives aux
modes oscillatoires critiques sont dintrt. De ce fait, les deux algorithmes proposs seraient
un choix judicieux pour ce cadre dtudes, dune part pour le gain de lespace mmoire quils
apportent : le principe des techniques tant bases sur les sous espaces de Krylov dont la
finalit est de retrouver quelques valeurs propres uniquement. Dautre part, le gain en temps
de calcul (tableau 6).
La motivation principale nous encourage utiliser la technique de la commutation dynamique
(algorithme RIADMA) tant la rduction du nombre dorthogonalisation en dbutant les
itrations avec une taille modeste m de lespace de Krylov (m=k+2 au dbut des itrations).
Dans nos cas tudis, k=10 pour le 1er systme et k=7 pour le 2me
Les rsultats dmontrent que la stratgie de la commutation dynamique est une technique
efficace pour acclrer la convergence avec un mcanisme inclus pour retenir le nombre de
vecteurs propres estims (approxims) chaque redmarrage.
La rapidit de la convergence de la technique RIADMA pour le calcul des paires de valeurs
propres peut tre justifie par le fait de rduire les tapes dorthogonalisation ainsi que les
oprations de produits matrice-vecteurs.

74

3.7 Conclusion
Suite lanalyse des performances des mthodes des sous espaces de Krylov dans
lestimation de certaines valeurs propres recherches de lensemble du spectre dune matrice,
nous avons pu dvelopper un algorithme bas su la mthode dArnoldi avec redmarrage
implicite coupl une technique de commutation dynamique de la taille de lespace de
Krylov afin dacclrer la convergence ltude de lanalyse de la stabilit aux petites
perturbations des rseaux lectriques en exploitant le facteur damortissement de faon
retrouver uniquement les valeurs propres associes aux modes oscillatoires critiques. Les
rsultats de simulation sur deux rseaux test ont dmontr lefficacit de la technique que se
soit en temps de calcul ou en espace mmoire requis en rduisant systmatiquement le
nombre dorthogonalisation compar lalgorithme QR (vu quon nest pas oblig de calculer
toutes les valeurs propres du systme).

75

4 CHAPITRE 4 : Modlisation des Elments dun Rseau


Electrique en vue de la Programmation Oriente Objet

4.1 Introduction
Nous allons nous intresser partir de ce chapitre au deuxime axe de notre travail. Le
dveloppement du progiciel destin lanalyse de la stabilit aux petites perturbations des
rseaux lectriques, dans ce chapitre, nous allons prsenter les diffrents composants des
rseaux en vue de les programmer en orient objet afin de les exploiter dans le progiciel, il
sagit entre autre de prendre les modles les pus dtaills des gnrateurs sans ngliger leffet
de la saillance ni celui de la saturation ainsi que le maximum de types de systmes
dexcitation avec lensemble des rgulateurs de tension AVR existants selon le standards
IEEE savoir ceux courant continu, courant alternatif excitation statique, sans oublier
les systmes turbine- gouverneur thermique et hydraulique.

4.2 Vue densemble de la programmation en orient objet


Si la programmation dite procdurale est constitue de procdures et fonctions sans
liens particuliers agissant sur des donnes dissocies pouvant mener rapidement des
difficults en cas de modification de la structure des donnes, la programmation objet, pour sa
part, tourne autour d'une unique entit : l'objet, offrant de nouvelles perspectives.
Le concept des technologies en orient-objet est de mettre en uvre des applications
rutilisables et portables. Il sagit de dfinir les objets du systme et de concevoir par la suite
les diffrentes interactions entres ces objets.
4.2.1 Lobjet
Il est impossible de parler de Programmation Oriente Objet sans parler d'objet. Un
objet est avant tout une structure de donnes : il s'agit d'une entit charge de grer des
donnes, de les classer, et de les stocker sous une certaine forme, en les regroupant ces
donnes ainsi que leurs moyens de traitement.
Un objet rassemble de fait deux lments de la programmation procdurale.
Les champs : les champs sont lobjet ce que les variables sont un programme : ce
sont eux qui ont en charge les donnes grer. Un champ peut possder un type dfini
au pralable : nombre, caractre,

Les mthodes : les mthodes sont les lments dun objet qui servent dinterface entre
les donnes et le programme. En dautres termes, il sagit des procdures ou fonctions
destines traiter les donnes.

77

4.2.2 Les trois fondamentaux de la Programmation Oriente Objet (POO)


La POO est dirige par trois fondamentaux qui sont : encapsulation, hritage et
polymorphisme
4.2.2.1 Encapsulation
Il sagit de runir sous la mme entit les donnes et les moyens de les grer, savoir les
champs et les mthodes. Il ne s'agit plus de dclarer des donnes gnrales puis un ensemble
de procdures et fonctions destines les grer de manire spare, mais bien de runir le tout
sous le couvert d'une seule et mme entit.
4.2.2.2 Hritage
Les objets hritent des traits des classes auxquelles elles appartiennent. Ce mcanisme permet
donc de rutiliser la dfinition dune abstraction pour en dfinir une nouvelle. Lhritage peut
tre multiple si la nouvelle abstraction hrite de plusieurs abstractions.
4.2.2.3 Polymorphisme
Le polymorphisme traite de la capacit de l'objet possder plusieurs formes. Cette capacit
drive directement du principe d'hritage vu prcdemment. Un objet va hriter des champs et
mthodes de ses anctres. Mais un objet garde toujours la capacit de pouvoir redfinir une
mthode afin de la rcrire, ou de la complter.
Ainsi, si l'on considre un objet Vhicule et ses descendants Bateau, Avion, Voiture possdant
tous une mthode Avancer, le systme appellera la fonction Avancer spcifique suivant que le
vhicule est un Bateau, un Avion ou bien une Voiture.
4.2.3 Diffrents types de mthodes
Parmi les diffrentes mthodes d'un objet se distinguent deux types de mthodes bien
particulires et remplissant un rle prcis dans sa gestion : les constructeurs, les
destructeurs et les pointeurs internes
4.2.3.1 Constructeurs
Les constructeurs servent construire l'objet en mmoire. Un constructeur va donc se charger
de mettre en place les donnes, d'associer les mthodes avec les champs et de crer le
diagramme d'hritage de l'objet, autrement dit de mettre en place toutes les liaisons entre les
anctres et les descendants.
4.2.3.2 Destructeurs
Le destructeur est le pendant du constructeur : il se charge de dtruire l'instance de l'objet. La
mmoire alloue pour le diagramme d'hritage est libre. Certains compilateurs peuvent
78

galement se servir des destructeurs pour liminer de la mmoire le code correspondant aux
mthodes d'un type d'objet si plus aucune instance de cet objet ne rside en mmoire.
4.2.3.3 Pointeur interne
Trs souvent, les objets sont utiliss de manire dynamique, et ne sont donc crs que lors de
l'excution. Si les mthodes sont toujours communes aux instances d'un mme type objet, il
n'en est pas de mme pour les donnes. Il peut donc se rvler indispensable pour un objet de
pouvoir se rfrencer lui-mme. Pour cela, toute instance dispose d'un pointeur interne vers
elle-mme.
Ce pointeur peut prendre diffrentes appellations. En Pascal, il s'agira du pointeur Self.
D'autres langages pourront le nommer this, comme le C++...

4.3 Python comme langage de programmation du Progiciel


Il existe un trs grand nombre de langages de programmation, chacun avec ses
avantages et ses inconvnients. Mais quel langage allons-nous choisir pour notre progiciel ?
Il fallait opter pour un logiciel open source donc contenant un langage avec interprteurs et
des compilateurs gratuits, et en plus de cela, il doit tre portable c'est--dire utilisable sur
diffrents systmes d'exploitation tels que Windows, Linux, MacOS ...).
Le langage dominant y est sans conteste C/C++. Ce langage s'impose comme une
rfrence absolue. Il est malheureusement trs rbarbatif et compliqu, trop proche de la
machine. Sa syntaxe est peu lisible et fort contraignante. La mise au point d'un gros logiciel
crit en C/C++ est longue et pnible. (Les mmes remarques valent aussi dans une large
mesure pour le langage Java). D'autre part, la pratique moderne de ce langage fait
abondamment appel des gnrateurs d'applications et autres outils d'assistance trs labors
tels C++Builder, Kdevelop, etc. Ces environnements de programmation peuvent certainement
se rvler trs efficaces entre les mains de programmeurs expriments, mais ils proposent
d'emble beaucoup trop d'outils complexes.
Aprs avoir successivement examin et expriment quelque peu les langages Perl et
Tcl/Tk , nous avons finalement dcid d'adopter Python, langage trs moderne la popularit
grandissante.

79

4.3.1 Prsentation du langage Python


Python est un langage portable, dynamique, extensible, gratuit, qui permet (sans
l'imposer) une approche modulaire et oriente objet de la programmation [103]. [104] Python
est dvelopp depuis 1989 par Guido van Rossum et de nombreux contributeurs bnvoles.
Les principales caractristiques de Python peuvent tre rsumes comme suit :

Python est portable [105], non seulement sur les diffrentes variantes d'Unix, mais
aussi sur les OS propritaires: MacOS, BeOS, NeXTStep, MS-DOS et les diffrentes
variantes de Windows. Un nouveau compilateur, baptis JPython, est crit en Java et
gnre du bytecode Java.

Python est gratuit, mais on peut l'utiliser sans restriction dans des projets
commerciaux.

La syntaxe de Python est trs simple et, combine des types de donnes volus
(listes, dictionnaires,...) [106], conduit des programmes la fois trs compacts et trs
lisibles. A fonctionnalits gales, un programme Python (abondamment comment et
prsent selon les canons standards) est souvent de 3 5 fois plus court qu'un
programme C ou C++ (ou mme Java) quivalent,

Python est orient-objet [107]. Il supporte l'hritage multiple et la surcharge des


oprateurs. Dans son modle objets, et en reprenant la terminologie de C++, toutes les
mthodes sont virtuelles.

Python est dynamique [108](l'interprteur peut valuer des chanes de caractres


reprsentant des expressions ou des instructions Python)

La bibliothque standard de Python [109], et les paquetages contribus, donnent accs


une grande varit de services : chanes de caractres et expressions rgulires,
services UNIX standards (fichiers, pipes, signaux, sockets, threads...), protocoles
Internet (Web, News, FTP, CGI, HTML...), persistance et bases de donnes, interfaces
graphiques [110] [111].

Python est un langage qui continue voluer, soutenu par une communaut
d'utilisateurs enthousiastes et responsables, dont la plupart sont des supporters du
logiciel libre [112].

4.3.2 Domaines dapplication de Python


Les domaines d'application naturels de Python incluent entre autres [113]:

L'apprentissage de la programmation objet.


80

Les scripts d'administration systme ou d'analyse de fichiers textuels.

Tous les dveloppements lis l'Internet et en particulier au Web [114]: navigateurs


Web, moteurs de recherche, agents intelligents, objets distribus...

L'accs aux bases de donnes (relationnelles).

La ralisation d'interfaces graphiques utilisateurs.

4.3.3 Les rfrences de Python


Plusieurs entreprises mentionnent sur leur site officiel qu'elles utilisent Python [115] :

Des moteurs de recherche comme Google et Yahoo

Industrial Light & Magic ;

la NASA ;

CCP Games, les crateurs du jeu vido EVE Online.

Zope, un serveur d'application innovant, et CPS, un framework de gestion de contenu et


de travail collaboratif bas sur Zope.

Python est aussi le langage de commande d'un grand nombre de logiciels libres :

FreeCAD, logiciel de CAO 3D

Blender, logiciel de modlisation 3D

Inkscape, logiciel de dessin vectoriel

LibreOffice, une suite bureautique

Portage, le gestionnaire de paquets du systme d'exploitation Gentoo

ParaView, logiciel de visualisation de donnes numriques

Les programmes d'administration systme spcifiques la distribution Red Hat Linux.

4.4 Modlisation du rseau lectrique en vue de la POO


Les diffrents lments constituant le rseau lectrique vont tre modliss sous
formes de classes avec diffrents objets et mthodes propres chaque classe correspondant
au modle mathmatique de llment en question.
Le Python Version 2.6 sera utilis pour la construction de ces classes dans le progiciel.
4.4.1 Classe Rseau : network
Un objet de la classe rseau stocke toutes les donnes et variables requises pou dfinir
ltat du systme de puissance. La classe est dfinie par le constructeur dans la fonction
network.py dans python.
La structure de la classe est comme suit :
81

1. Les classes parents qui sont :


La classe bus (bus.py)
La classe ligne (ligne.py)
La classe transformateur (tran.py)
La classe rgion (area.py)
La classe FACTS (facts.py)
Les champs relatifs aux lignes dinterconnexion
TieLineIndex : lindice des lignes dinterconnexion entre rgions
TieFromIndex : lindice dpart de la ligne
TieToIndex : lindice arrive de la ligne
La structure indice : informations gnrales concernant les diffrents
indices de la structure netindex (mthode propre a classe network)
Le format des donnes de chaque classe est report en annexe.
4.4.1.1 Classes parents de la classe network
4.4.1.1.1 La classe bus "bus.py"
Les donnes du systme de puissance ou du rseau lectrique associes au nud sont
stockes dans lobjet de la classe bus. La classe bus son tour hrite des classes : gnrateur
generator.py,charge load.py et shunt.py.
Champs
Error
BusNum
NumBus
BusName
VoltMag
VoltAngd
VoltAngr
G
B
Type
IsoBusNum
ConBusNum
NumConBus
ConBusIndex
Area
Zone
BaseVolts
BasMva
BasSpd

Description
Si une erreur fatale se produit, le constructeur bus est remis 0
Vecteur contenant les rfrences des nuds
Nombre de nud
Table de caractres contenant les noms de nud
Vecteur contenant les amplitudes des tensions
Vecteur contenant les angles des tensions en degrs
Vecteur contenant les angles des tensions en radians
Vecteur conductance des nuds en systme PU
Vecteur suceptance des nuds en systme PU
Vecteur contenant le type du nud 1 - Slack; 2 - PV; 3 -PQ
Vecteur contenant les rfrences des nuds isols
Vecteur contenant les rfrences des nuds connects
Nombre des nuds connects
Lindice des nuds connects
Vecteur rgion
Vecteur zone
Vecteur des tensions de base
base MVA du systme
base de frquence en radians/s

Tableau 8 : Les champs de la classe bus


La structure de donnes du bus est prsent dans lannexe A.

82

4.4.1.1.2 Les classes parents de la classes bus


Comme il a t auparavant mentionn, la classe bus a comme parents les classes charge,
gnrateur et shunt dont les attributs de chacune sont dtaills ci-dessous.

Les structures de donnes relatives aux donnes de la charge, du gnrateur et du shunt sont
prsentes dans lannexe A
4.4.1.1.2.1 Classe charge
Les donnes associes aux charges du rseau sont stockes dans lobjet de la classe
load.py. Les champs de la classe sont dtaills dans le tableau suivant :
Champs
Error
BusRef
BusIndex
MultLoadId
Status
Area
Zone
ConstP
ConstQ
ConstIP
ConstIQ
ConstZP
ConstZQ

Description
Mettre la valeur 1si une erreur fatale surgit dans les donnes de lobjet load
Table de caractres contenant des rfrences des nuds
Lindice du bus charge dans lobjet nud
Identifie des charges multiple loads au niveau du mme nud
1 si la charge est en service; 0 sinon
Rfrence de la rgion de la charge
Rfrence de la zone de la charge
Composante de la puissance active constante de la charge dans le systme PU
Composante de la puissance ractive constante de la charge dans le systme PU
Courant constant de la puissance active constante de la charge dans le systme PU
Courant constant de la puissance ractive constante de la charge dans le systme PU
Impdance constante de la puissance active constante de la charge dans le systme PU
Impdance constante de la puissance ractive constante de la charge dans le systme PU

Tableau 9 : Les champs de la classe load


4.4.1.1.2.2 Classe gnrateur
De la mme faon on dfinit les attributs de la classe parent du bus : gnrateur generator.py ;
les champs sont exposs dans le tableau ci-dessous, et la structure des donnes relative est
dtaill dans lannexe A.
Champs
Error
BusRef
BusIndex
RegBus
MultGenId
Status
BasMva
PGen
QGen
QMax
QMin
PMax
PMin
VSet

Description
Mettre la valeur 1 si une erreur fatale surgit dans les donnes de lobjet generator
Table de caractres contenant des rfrences des nuds
Lindice du bus gnrateur dans lobjet bus
Table de caractres contenant des rfrences des bus dont les tensions sont contrles par les
gnrateurs
Identifie si plusieurs gnrateurs sont connects au mme nud
1 si le gnrateur est en service; 0 sinon
Base MVA du gnrateur
Puissance active du gnrateur dans le systme de base PU
Puissance ractive du gnrateur dans le systme de base PU
Puissance ractive maximum tolre dans le systme de base PU
Puissance ractive minimum tolre dans le systme de base PU
Puissance active maximum tolre dans le systme de base PU
Puissance active minimum tolre dans le systme de base PU
Voltage set point for control

Tableau 10 : Les champs de la classe generator

83

4.4.1.1.2.3 Classe shunt


Les champs relatifs lobjet de la classe shunt shunt.py ainsi que leurs dfinitions sont
dtaills dans le tableau ci-dessous
Champs
BusRef
Mode

VMax
VMin
ContBusRef
BStart
BusIndex

Description
Table de caractres contenant des rfrences des nuds
0 shunt fixe
1 - shunt contrle discret
2 - shunt contrle continu
Valeur maximale du shunt
Valeur maximale du shunt
Table de caractres contenant des rfrences des bus contrles par les shunt
Valeur initiale de la suceptance shunt
Lindice du bus relatif la connexion shunt

Tableau 11 : Les champs de la classe shunt


4.4.1.1.3 La classe ligne
Lors de lanalyse dynamique des rseaux lectriques, les modles des lignes peuvent
tre classs en trois catgories selon leurs longueurs (petites, moyennes ou longues) [116].
Le modle adopt de la ligne pouvant tre reprsent comme suit [10]:

Figure 16 : modle gnrale reprsentant une ligne de transmission


Les informations reprsentant les lignes de transmission du rseau lectrique sont contenues
dans lobjet de la classe ligne line.py.
Champs
Error
FromBusRef
FromIndex
ToBusRef
ToIndex
MultCctId
Meter

R
X
Bc
Tap
Phase
FromB
FromG

Description
Mettre la valeur 1 si une erreur fatale surgit dans les donnes de lobjet line
Table de caractres contenant dpart nud rfrences (numro ou nom)
Lindice de la ligne dpart bus dans lobjet de la classe bus
Table de caractres contenant arrive nud de rfrence (numro ou nom)
Lindice de la ligne arrive bus dans lobjet de la classe bus
Identifie lexistence de plusieurs lignes entre deux nuds
Indique au niveau de quel bus la puissance est mesure
0 dpart bus
1 arrive bus
Rsistance de la ligne dans le systme de base PU
Ractance de la ligne dans le systme de base PU
Suceptance de la ligne dans le systme de base PU
Le ratio du transformateur (Tap)
La valeur de la phase du transformateur en degrs
Suceptance shunt dpart nud
Conductance shunt dpart nud

84

Champs
ToB
ToG
Status
Length

Description
Suceptance shunt arrive nud
Conductance shunt arrive nud
1 - ligne en service; 0 - ligne hors-service
La longueur de la ligne

Tableau 12 : les champs de la classe ligne


Pour la structure des donnes, se rfrer lannexe A
4.4.2 Classes de la machine synchrone :
Nous allons dans cette partie prsenter deux modles de la machine synchrone :
Le 1er modle concerne la machine classique, obtenu en ngligeant leffet de
lenroulement damortissement avec une f.e.m constante derrire une ractance
transitoire.
Le 2me modle reprsente le modle dtaill de la machine sans ngliger leffet de la
saturation. Aucune hypothse nest mise quant la saillance transitoire ou
subtransitoire.
La modlisation du gnrateur est ralise en trois classes :
-

synchronous: la classe parent contentant les informations communes toutes les


machines synchrone.

em_gen : la classe du gnrateur synchrone classique.

subsync : la classe du gnrateur synchrone sub-transitoire.

Les classes subsync et em_gen hritent de la classe synchronous.


La structure des donnes de la machine synchrone est dtaille dans lannexe B.
4.4.2.1 Classe machine synchrone :synchronous
La classe parent synchronous aura besoin comme informations dentre :
Des donnes dynamiques des gnrateurs du rseau
De lobjet de la classe network avec coulement de puissance rsolu.
Le tableau suivant dcrit les informations contenues dans la classe synchronous
Champs
Error
NumGen
Type
GenNum
GenName
BusNum
bus_idx
TermVolt
PElec

Description
Mettre la valeur 1 si une erreur fatale surgit dans les donnes de lobjet synchronous
Nombre de gnrateurs
Type du gnrateur
1 classique
2 ples saillants subtransitoire
3 ples lisses subtransitoire
Le numro du gnrateur
Table de caractre contenant les noms des gnrateurs
Le numro du nud du gnrateur
Lindice du nud gnrateur dans la matrice bus du rseau
La tension terminale du gnrateur en PU
Puissance active du gnrateur dans la base PU

85

Champs
QElec
TermCur
BasMva
BasSpd

Description
Puissance ractive du gnrateur dans la base PU
Le courant terminal du gnrateur en PU
La base en MVA
La vitesse de rotation en 2*pi*la frquence

Tableau 13 : Les champs de la classe synchronous


4.4.2.2 Classe machine synchrone classique : em_gen
Cest une classe qui hrite de la prcdente : synchronous. Les champs de la classe sont les
suivants :

Champs
generator
Error

Description
Classe parent de la classe em_gen
Mettre la valeur 1 si une erreur fatale surgit dans les donnes de lobjet
em_gen
Lindice des gnrateurs modliss comme tant classiques
Le couple mcanique exprim en PU
Partie relle du champ TermVolt de la classe parent
Partie imaginaire du champ TermVolt de la classe parent
Partie relle du champ TermCur de la classe parent
Partie imaginaire du champ TermCur de la classe parent
Langle rotorique en radians
La tension directe derrire la ractance transitoire en PU
La tension en quadrature derrire la ractance transitoire e PU
La vitesse rotorique en radians/s
La constante dinertie du gnrateur dans le systme de base PU
La ractance transitoire en PU
Lamortissement rotorique
Les variables dtat du gnrateur

em_idx
Pmech
VD
VQ
ID
IQ
Angle
Edprime
Eqprime
speed
H
xdp
damp
x

Tableau 14 : Les champs de la classe de la machine classique


4.4.2.3 Classe de la machine synchrone subtransitoire : subsync
De mme que pour le modle classique, il sagit dune classe qui hrite de la classe
synchronous elle aussi, avec comme donnes dentres :
Les champs ncessaires la classe sont :
Champs
generator
Error
theta
sub_idx
xl
ra
xd
xdp
xdpp
Tdpo
Tdppo
xq
xqp
xqpp

Description
Classe parent de la classe subsync
Mettre la valeur 1 si une erreur fatale surgit dans les donnes de lobjet
subsync
Langle interne de la machine
Lindice des gnrateurs modliss comme tant subtransitoirs
La ractance du gnrateur en PU
La rsistance du gnrateur en PU
La ractance suivant laxe direct en PU
La ractance transitoire suivant laxe direct en PU
La ractance subtransitoire suivant laxe direct en PU
Constante de temps transitoire suivant laxe direct en secondes
Constante de temps subtransitoire suivant laxe direct en secondes
La ractance suivant laxe en quadrature en PU
La ractance transitoire suivant laxe quadrature en PU
La ractance subtransitoire suivant laxe quadrature en PU

86

Champs
Tqpo
Tqppo
xf
xkd
xkq1
xkq2
rf
rkd
rkq1
Rkq2
PMech
psia
S1
S2
sat_type

bsat
asat
xadus
xaqus
xad
xaq
delta
LoadAngle
Vd
Vq
Id
Iq
psid
psiq
speed
H
damp
FieldCur
Efd
x

Description
Constante de temps transitoire suivant laxe en quadrature en secondes
Constante de temps subtransitoire suivant laxe quadrature en secondes
Ractance de fuite des enroulements en PU
La ractance damortissement directe en PU
1re rcatance de fuite des enroulements amortisseurs en quadrature en PU
2me rcatance de fuite des enroulements amortisseurs en quadrature en PU
Rsistance des enroulements en PU
La rsistance des enroulements amortisseurs suivant laxe-d en PU
1re rsistance des enroulements amortisseurs en quadrature en PU
2me rsistance des enroulements amortisseurs en quadrature en PU
Couple mcanique appliqu au niveau de larbre de la machine
Le flux de lentrefer en PU
Coefficient de la saturation magntique 1 PU de la tension
Coefficient de la saturation magntique 1.2 PU de la tension
1 asat*(exp(bsat*(a-0.8))-1)
2 asat*(a-bsat)2 quand a>bsat
3 asat*a bsat
Coefficient de sturation
Coefficient de sturation
Ractance magntique de non saturation directe (xd-xl)
Ractance magntique de non saturation en quadrature (xq-xl)
Ractance magntique de saturation directe
Ractance magntique de saturation en quadrature
Lange rotorique en radians
Langle de la charge en radians
Tension terminale directe dans le modle de Park
Tension terminale en quadrature dans le modle de Park
Courant terminal direct
Courant terminal en quadrature
Flux magntique direct
Flux magntique en quadrature
Vitesse de la machine
Conastante dinertie en secondes
Coefficient damortisement PU
Courant du champ en PU
Tension du champ en PU dans la base de lexcitation
Valeurs initiales des variables dtat de la machine :
delta; speed; psif; psikd; psikq1; psikq2

Tableau 15 : Les champs de la classe de la machine subtransitoire


La dfinition de la saturation est donne par les courbes de la figure (18)
4.4.2.3.1 Modlisation de la machine synchrone subtransitoire
4.4.2.3.1.1 Circuit quivalent
Les schmas quivalents de la machine selon les axes d et q sont reprsents comme suit

87

Figure 17 : Circuits quivalents de la machine synchrone suivant les axes d et q


Les paramtres du circuit quivalent sont obtenus partir des relations dans [10]

rf =

x adus
( x d -x'd )( 0T'd0 )

xf =

x adus
( x'd -x l )( x d -x'd )

( x'd -x l )
rkd =
( x'd -x"d )( 0T"d0 )
2

( x'd -x l )( x"d -x l )
( x'd -x"d )

xk d =

x adus =x d -x l

rkq1 =

x 2aqus

( x -x' )( T' )
q

x kq1 =

x aqus

( x' -x )( x
q

q0

-x'q )

( x' -x )
=
( x' -x" )( T" )
2

rkq2

x kq2 =

q0

( x' -x )( x" -x )
( x' -x" )
q

x aqus =x q -x l

4.4.2.3.1.2 Saturation magntique de la machine synchrone


Le circuit de saturation est modlis par des ractances de magntisation xad et xaq qui
varient en fonction du flux a . la fonction de saturation est alors dfinie par les coefficients
S1 et S2 comme reprsents sur la figure 18.

88

Figure 18 : Courbe de la saturation magntique de la machine synchrone

Le courant dexcitation fait varier a selon la valeur du champ sat_type


Sat_type=1

Sat_type=2

Sat_type=3

i= a +a sat ( a bsat )

a sat =S1e

-0.2*b sat

i= a +a sat e bsat ( a -0.8) -a sat

bsat

a >bsat

a sat =S1

k 2 =2.4 ( S2 -S1 )

1.2S2
log

S1

bsat =
log (1.2 )

k1 = (1.2S2 -S1 )

bsat =5.0log(1.2S2 /S1 )

i= a +a sat ( a )

k 3 = (1.2S2 -1.44S1 )
bsat =

a sat =

k2 -

(k

2
2

-4k1k 3

2k1
1.2S2

(1.2-bsat )

Tableau 16 : Equations reprsentant la saturation du circuit magntique

Les ractances de la saturation sont calcules en utilisant les quations suivantes


K sat = a /i

(45)

x a d =K sa t x a d us
x a q = K sa t x a q u s

89

4.4.2.3.1.3 Equations lectriques de la machine synchrone : Transformation de Park


Un modle idale de la machine synchrone serait reprsent par un stator trois
enroulements dphass chacun par 120, et par un rotor avec des enroulements rpartis sur
deux axes, laxe direct d concidant avec lenroulement de lexcitation et laxe q en quadrature
avec laxe direct [117].
Afin de contourner le problme de la non-linarit entre les grandeurs du stator et celles du
rotor, les enroulements de la machine doivent tre ordonns selon deux axes perpendiculaires,
chaque machine est modlise dans sa rfrence locale (d-q) tournant avec son rotor [118].
Une rfrence tournant la vitesse synchrone sert de rfrence commune. Une telle approche
peut tre ralise par la transformation de Park, toutes les grandeurs de la machine sont alors
exprimes dans ce repre [116]. Pour chaque gnrateur, langle de la tension terminale en
rfrence au repre de Park est exprim par

=tan -1 (VQ /VD )

(46)

La tension aux bornes du gnrateur tant le rsultat du calcul de lcoulement de puissance


VD +j*VQ

Langle relatif la charge est exprim par

-r *q+x q *p
1 =tan -1 2 a
vm +ra *p+x q *q

(47)

avec x d =x l +x et x q =x l +x a q s a t p la puissance active et q la puissance ractive dans la base du


gnrateur.
Lquation de langle interne est donne par la relation :

=+1

(48)

Les tensions et les courants dans le repre de Park sont exprims comme ci-dessous :

Vd sin -cos VD
V =

q cos sin VQ
id sin -cos i D g
i =

q cos sin iQg
p+j*q=(VD +j*VQ )*(i D g -j*i Q g )

Les quations du stator dans le repre de Park


Vd =-ra i d - q
Vq =-ra i q + d

90

avec les relations des flux :

d =-x lid +X a d ( -id +if +i k d )


q =-x l i q +X a q (-i q +i k q1 +i k q 2 )

4.4.2.3.1.4 Equations mcaniques de la machine synchrone


Les proprits mcaniques des machines synchrones se modlisent gnralement laide de
lquation du mouvement base sur le thorme du moment cintique [118]
Lquation mcanique a une importance fondamentale lors de ltude des phnomnes
doscillations lectromcaniques. A ltat dquilibre, toutes les machines synchrones du
rseau lectrique tournent la mme vitesse angulaire lectrique. Le couple mcanique Tm
est de mme sens que le sens de la rotation de laxe du gnrateur. Le couple lectrique Te est
de sens oppos la rotation et ce couple quilibre le couple mcanique [119]. Cet tat
dquilibre peut tre influenc lors dune perturbation, dans ce cas, un ou plusieurs
gnrateurs peuvent tre acclrs ou ralentis et il y a donc risque de perdre le synchronisme.
On dfinit les quations mcaniques de la machine comme suit :
d
=-0
dt

(49)

d 0
=
( ( Tm -Te ) -D(-0 ) )
dt 2H

(50)

avec :
-

0 la vitesse angulaire rotorique du gnrateur de rfrence

la vitesse angulaire rotorique du gnrateur

H la constante dinertie du gnrateur

Tm le couple mcanique fournit par le gouverneur de la turbine en pu

Te couple lectromagntique associe la puissance lectrique p produite du


gnrateur.

D le coefficient damortissement du gnrateur

4.4.2.3.1.5 Reprsentation dtat de la machine synchrone


Les variables dtat dfinies sont :
Variable dtat

f
kd
kq1

Description
Angle rotorique
Vitesse rotorique
Flux des enroulements de fuite
Flux damortissement de laxe direct
Flux damortissement de laxe en quadrature du 1er ordre

91

Variable dtat
kq2

Description
Flux damortissement de laxe en quadrature du 2nd ordre

Reprsentes par les quations suivantes


d
=-0
dt
d 0
=
Tm -D(-0 )- ( d i q - q i d )
dt 2H
1 d f
=Vf -rf i f
0 dt

(51)

1 d kd
=-rkdi kd
0 dt
1 d kq1
=-rkq1 i kq1
0 dt
1 d kq2
=-rkq2 i kq2
0 dt
Les relations des flux sont
d X d
= X
r ad
k d X a d

q X q


kq1 = X a q
k q2 X a q

Xa d
Xf
Xa d

Xa q
X kq1
Xa q

X a d -i d
X a d i f
X k d i k d

X a q -i q

X a q i kq1
X k q2 i k q2

4.4.3 Classes du systme dexcitation


Un quilibre des puissances actives et ractives doit constamment tre assur par les
gnrateurs dans un rseau lectrique, et ce pour divers points de fonctionnement donns

[120].
Afin de pouvoir assurer un quilibre satisfaisant de production dnergie lectrique, le couple
mcanique fournie larbre du rotor ainsi que la tension dexcitation doivent tre rguls
systmatiquement en fonction de la variation des conditions de fonctionnement du systme.
Lexcitation du gnrateur ainsi que sa rgulation automatique (AVR : Automatic Voltage
regulator) cest "le systme dexcitation" et qui a pour rle dassurer le contrle et
lajustement de la tension aux bornes du gnrateur [121].
Le systme dexcitation est un systme auxiliaire qui alimente les enroulements dexcitation
de la machine synchrone afin que cette dernire puisse fournir le niveau de puissance
demand. En rgime permanent, ce systme fournit une tension et un courant continu mais il

92

doit tre capable galement de faire varier rapidement la tension dexcitation en cas de
perturbation sur le rseau [122]
Le rgulateur de tension (AVR) est un moyen trs pratique pour assurer la stabilit transitoire
du systme de puissance du fait de sa capacit faire varier rapidement la tension
dexcitation. Le rgulateur de tension agit sur le courant dexcitation de lalternateur pour
rgler le flux magntique dans la machine et rgler la tension aux bornes de la machine aux
valeurs dsires.
Les classes des diffrents systmes dexcitation cres dans le progiciel suivent les modles
IEEE existants [123] [124] et qui sont rpartis en trois familles savoir [98] :
Les systmes d'excitation courant continu -CC- :
Ils utilisent une gnratrice courant continu avec collecteur comme source de
puissance du systme dexcitation.
Les systmes dexcitation courant alternatif -CA- :
Ils utilisent un alternateur et des redresseurs statiques ou tournants pour produire le
courant continu ncessaire dans lenroulement dexcitation de la machine synchrone.
Les systmes d'excitation statiques -ST-:
Dans ce cas, le courant dexcitation est fourni par un redresseur command. Sa
puissance est fournie soit directement par le gnrateur travers un transformateur
donnant le niveau appropri de tension, soit par des enroulements auxiliaires monts
dans le gnrateur [125].
Le groupe IEEE task forces prsente priodiquement des recommandations pour la
modlisation des lments dun systme de puissance dont les systmes dexcitation.
Plusieurs modles sont suggrs pour chaque type de systme dexcitation [126]
4.4.3.1 Systmes d'excitation courant continu -CCTous les systmes dexcitation courant continu utilisent des gnrateurs courant continu
pour fournir le courant dexcitation la machine synchrone. La mme structure de modle est
utilise pour les deux types de machine abords auparavant (figure 19).

93

Figure 19 Modle de lexcitatrice en courant continu


4.4.3.1.1 Systmes dexcitation DC1a et CD2a
La reprsentation du systme dexcitation des deux types est la suivante (figure 20)

Figure 20 : Systme dexcitation DC1a et DC2a

La structure de donnes relatives aux deux systmes est reporte dans lannexe C
La diffrence entre les deux systmes dexcitation rside dans le rgulateur de tension, pour le
DC2a, le rgulateur est aliment par la tension bus du rseau et de ce fait, les valeurs max du
rgulateur sont imposes par la tension du rseau. Contrairement au DC1a o la valeur de la
tension est fixe. Si une perturbation svre surgit dans le systme, la raction du rgulateur
Dc2a peut tre limite cause de la faible tension du rseau courant le dfaut (figures 21 et
22).
Les deux types peuvent tre quips par des stabilisateur de puissance (PSS power System
Stabilizer) [127] [128] Normalement, ces systmes dexcitation sont tellement longs que le
stabilisateur de puissance ne pourra pas agir efficacement.

94

Figure 21 : le rgulateur de tension (AVR) type DC1a

Figure 22 : le rgulateur de tension (AVR) type DC2a


4.4.3.1.2 Systme dexcitation DC3a
Il sagit dun modle o la rgulation se fait dune faon discontinue (figures 23 et 24):
Pour de petites variations de tension, le contrle se fait par rhostat. Cependant, pour des
grandes variations de tension, le rhostat est contourn pour donner soit le maximum, ou le
minimum disponible de tension immdiatement. Des stabilisateurs de puissance ne peuvent
tre utiliss avec ce type de systmes dexcitation car ils ne sont pas efficaces.

Figure 23 : Systme dexcitation DC3a

95

Figure 24 : Rgulateur de tension AVR type DC3a


La structure de donnes de ce systme dexcitation est dtaille en annexe C

4.4.3.2 Systmes dexcitation courant alternatif -CA-

Figure 25 : systmes dexcitation courant alternatif


4.4.3.2.1 Systme dexcitation AC1a
Le modle du systme dexcitation AC1a reprsente un systme dexcitation partir dun
alternateur contrl par un redresseur. Lnergie ncessaire pour la cration du champs
dexcitation de la machine synchrone est produite par un alternateur tournant avec un pont
redresseur non contrl convertissant le courant alternatif en un courant continu. Cet
alternateur tant son tour excit par une source externe indpendante.
Le modle de lexcitatrice reprsent dans la figure 26 possde une constante de temps qui
reprsente la constante de temps de lalternateur du systme dexcitation. Sa tension
dexcitation Vfe est retourne vers le rgulateur de tension

96

Figure 26 : modle dexcitatrice AC1a


Le schma bloc de rgulation de tension est reprsent dans la figure (27)

Figure 27 : schma bloc du rgulateur de tension AVR type AC1a


La structure de donnes du systme dexcitation AC1a est dtaille dans lannexe C
4.4.3.2.2 Systme dexcitation AC2a
Le modle du systme dexcitation AC2a possde une rponse initiale contrle leve du
couple alternateur-redresseurs. Possdant une limite suprieure dentre variable (figures 28 et
29).

97

Figure 28 : systme dexcitation type AC2a

Figure 29 : Schma bloc du rgulateur de tension type AC2a


Idem que pour AC1a, la structure des donnes de lAC2a est reporte en annexe C
4.4.3.2.3 Systme dexcitation AC3a
Dans ce systme dexcitation les redresseurs ne sont pas contrls et lexcitation est auto
excite.la majeure partie de lnergie ncessaire lexcitation est drive partir de la sortie
de lexcitatrice (figure 30), cet effet est modlis par le produit KrEfd

98

Figure 30 : systme dexcitation AC3a


Dans le modle du rgulateur (figure 31) on notera que la gain varie en fonction de la
tension :
Lorsque Efd<=Efdn le gain est Kf et lorsque Efd>Efdn le gain incrmental est Kn et le gain
effectif est

( K f -K n ) Ef d n
E f d +K n

Figure 31 : Schma bloc du rgulateur de tension type AC3a


La structure des donnes est reporte dans lannexe C.
4.4.3.2.4 Systme dexcitation AC4a
Les modles dexcitation AC4a sont rponse initiale leve compose dun pont redresseur
base de thyristors alimentant lalternateur du systme dexcitation (figure 32).

99

Figure 32 : systme dexcitation type AC4a


Pour la structure des donnes de ce systme dexcitation, se rfrer lannexe C.
4.4.3.2.5 Systme dexcitation AC5a
Les modles dexcitation AC5a sont rponse initiale leve compose dun pont redresseur
base de thyristors alimentant lalternateur du systme dexcitation (figure 33). Le modle de
lexcitatrice est trs proche de celui courant continu avec la diffrence quEfd une limite
infrieure (figure 34).

Figure 33 : modle de lexcitatrice AC5a

Figure 34 : Schma bloc du rgulateur type AC5a


Pour la structure des donnes de ce systme dexcitation, se rfrer lannexe C.
100

4.4.3.2.6 Systme dexcitation AC6a

Figure 35 : Modle de lexcitatrice type AC6a


La limite de la sortie du rgulateur automatique de tension est une fonction de la tension aux
bornes du gnrateur. En outre ce rgulateur comprend une limite de courant au cours de
l'excitation, ce qui est sans effet dans les conditions normales de fonctionnement: la limite
Vfemx est suffisamment leve pour maintenir la sortie sa limite infrieure de zro

Figure 36 : Schma bloc du rgulateur de tension type AC6a


4.4.3.2.7 Systme dexcitation AC7b
Ce type de systme dexcitation est constitu dalternateur-redresseur aliment partir de
rgulateurs de tension numriques.

101

Figure 37 : Modle de lexcitatrice type AC7b


Le rgulateur de tension numrique est quip de deux contrleurs PI et dun retour de tension
et de courant du systme dexcitation. La sortie du rgulateur de tension est multiplie par une
constante de temps qui est multipli son tour par le courant dexcitation du systme
dexcitation.

Figure 38 : Schma bloc du rgulateur de tension type AC7b

102

4.4.3.2.8 Systme dexcitation AC8b

Figure 39 : Modle de lexcitatrice type AC8b


Le rgulateur de tension consiste en un contrleur proportionnel, intgral et drivatif associ
un amplificateur.

Figure 40 : Schma bloc du rgulateur de tension type AC8b


4.4.3.3 Systmes d'excitation statiques -ST4.4.3.3.1 Systme dexcitation ST1a
Le modle de ce type dexcitation reprsente des systmes dans lesquels lnergie ncessaire
lexcitation est obtenue aux bornes du bus du gnrateur travers un transformateur. Ce qui
limite les tensions maximale et minimale de la tension la sortie de lexcitatrice. La limite
max est une fonction de la tension aux bornes de la machine et le courant dexcitation. La
valeur min est fonction de lamplitude de la tension terminale de lalternateur.

103

Figure 41 : systme dexcitation ST1a

Figure 42 : modle de lexcitatrice ST1a

Figure 43 : Schma bloc du rgulateur de tension type ST1a

104

4.4.3.3.2 Systme dexcitation ST2a

Figure 44 : Systme dexcitation ST2a

Le modle de ce type dexcitation possde une puissance dalimentation fonction de la tension


terminale et du courant aux bornes de lalternateur. La source de puissance a pour rle
damplifier le signal la sortie du rgulateur de tension. Les enroulements du systme
dexcitation sont modliss par la constante de temps Te et un gain de retour Ke. La valeur
limite max de sortie Efdmax est gale 2.75xd pour le gnrateur.

Figure 45 : modle de lexcitatrice ST2a

105

Figure 46 : Schma bloc du rgulateur de vitesse type ST2a


4.4.4 Classes des turbines/gouverneurs
La source dnergie primaire associe une turbine quipe dun servomoteur et dun
rgulateur de frquence (le gouverneur) constitue le systme de la force motrice ncessaire
pour lentranement de larbre du rotor du gnrateur [129].
La turbine transforme lnergie potentielle de la source en nergie de rotation de larbre
(rotor) sur lequel est plac lalternateur. Lalternateur convertit la puissance mcanique
fournie par la turbine en puissance lectrique de sortie. La vitesse de larbre de la turbine est
mesure prcisment et compare la vitesse de rfrence. Le rgulateur de frquence
(vitesse) agit ensuite sur le servomoteur pour ouvrir et fermer les vannes de contrle et
modifier par consquent la vitesse du gnrateur. Ainsi, le rle de la turbine est dentraner le
rotor du gnrateur la vitesse synchrone correspondant la frquence du systme de
puissance.
La source dnergie peut tre thermique ou hydraulique. Les sources thermiques peuvent tre
de la vapeur ou du gaz. Le gouverneur permet un contrle de la frquence dun gnrateur
isol, mais une fois connect au rseau, la vitesse des gnrateurs est impose par le rseau de
faon maintenir le synchronisme. Ainsi, laction du gouverneur est de contrler la puissance
la sortie du gnrateur et de dterminer la rpartition de puissance dlivrer par le
gnrateur en cas de variation de la charge.
4.4.4.1 Classe systme Turbine/ gouverneur thermique
La turbine vapeur est reprsente de trois tages (corps), haute pression, pression
intermdiaire et basse pression. Les sorties de chaque tage peuvent tre sommes pour
donner un couple mcanique total appliqu larbre du gnrateur ou bien pris sparment et

106

appliques larbre dun modle de turbine multi-corps. Un surchauffeur est modlis entre
les corps de haute et basse pressions.
Le rgulateur de vitesse est modlis par une soupape de commande de rtroaction du second
degr, avec la possibilit dinclure la commande non linaire de la caractristique de dbit de
la valve-vapeur et du composant linaris associ (qui peut tre aussi bien lentre du servo
ou dans la boucle de retour). Un systme avance-retard est fourni pour des raisons de
commande et un bloc de constante de temps est utilis pour modliser le capteur de vitesse.

Figure 47 : Schma bloc de la turbine vapeur


Les variables du modle sont comme suit :
cv

le contrle de louverture de la vanne (soupape)

iv

linterception de louverture de la vanne

THP

constante de temps de compartiment haute pression de la turbine

TRH constante de temps de la rchauffe


TLP1 constante de temps du compartiment moyenne pression de la turbine
TLP2 constante de temps du compartiment basse pression de la turbine
FHP

fraction du couple de la phase HP dans la sortie couple

FLP1 fraction du couple de la phase MP dans la sortie couple


FLP2 fraction du couple de la phase LP dans la sortie couple
Le modle du gouverneur de la turbine vapeur est reprsent dans la figure (48)

107

Figure 48 : Schma bloc du gouverneur de la turbine Thermique


La structure des donnes du systme turbine/gouverneur thermique est dtaille dans
lannexe D
4.4.4.2 Classe systme Turbine/ gouverneur hydraulique
Le modle de la turbine hydraulique est tabli partir des quations hydro-dynamiques qui
formalisent le comportement de tels types de turbine

U=K1G H

(52)

P=K 2 UH

(53)

Avec :
U : vitesse dcoulement de leau
g : ouverture idale de la grille
H : hauteur de la chute deau
P : puissance la sortie de la turbine
K1 et K2 des constantes
En divisant les quations (52) et (53) par leurs valeurs nominales, K1 et K2 vont tre limins
et on obtient :

U=G H

(54)

P=UH

(55)

En utilisant les variables rduites (systme pu)

108

Figure 49 : Schma bloc de la turbine hydraulique


Le modle reprsent dans la figure (49) est non linaire avec les variables suivantes
G
At
G
U
H
Ho
Tw
Unl
/o
Tm
Prat

La position de la grille
convertit la position relle de la grille g la position efficace G
la position efficace de la grille
vitesse de lcoulement de leau en pu
la chute de leau pu
hauteur initiale du niveau de leau pu
temps initiale de lcoulement de leau
vitesse de leau louverture de la grille sans charge
vitesse du gnrateur en pu
couple du gnrateur en pu
coefficient qui convertit le couple de la turbine en couple du gnrateur correspondant.

Les quations seraient comme suit :


La position efficace de la grille G=A t g
avec A t =

(56)

1
(gfl : louverture de la grille pleine charge et gnl : louverture de la grille charge vide)
g f l -g n l

U
La hauteur dcoulement de leau H=
G

(57)

dU (H-H 0 ) ( H-H 0 )
==dt
UTw
T

(58)

La puissance la sortie de la turbine en pu Pm = ( U-U n l ) H

(59)

La vitesse dcoulement de leau


U
avec T =Tw
H

Le couple la sortie de la turbine Tm =

0 P

Soit G0, H0, U0 et Tm0 les conditions initiales de la turbine,


La variation du couple la sortie sexprime par :

1-T1s G
Tm =Tm0
-
1+T2s G 0

(60)

109

Figure 50 : Schma bloc du gouverneur hydraulique


Le schma de la figure (50) reprsente un modle type dun gouverneur dune turbine
hydraulique, dont les variables sont dfinies comme suit :
rp
rt
Tr
Ks
Tp
grmax
grmin
G

pente permanente
pente transitoire
temps de remise zro
gain du servo de la grille
constante de temps du servo pilote
variation max de la position de la grille
variation max de la position de la grille
position de la grille.

La structure des donnes du systme

turbine/ gouverneur hydraulique est report dans

lannexe D

4.5 Conclusion
Dans ce chapitre nous avons prsent les diffrentes classes reprsentant les modles des
diffrentes parties du rseau lectrique principalement constituant la plateforme du progiciel
que nous avons dvelopp:
-

Les classes relatives aux modles des gnrateurs type classique et subtransitoire avec
leurs variables dtat

La bibliothque des diffrents systmes dexcitation type IEEE

Les systmes turbine/gouverneur thermique trois tages et hydraulique en modle


non linaire

Sans oublier les classes relatives aux modles gnraliss du rseau de transport et des
charges.
110

5 CHAPITRE 5 : Prsentation du progiciel de ltude de la


stabilit aux petites perturbations avec applications

5.1 Introduction
Aprs avoir dvelopp les bibliothques des diffrents composants du rseau
ncessaires au dveloppement du progiciel, nous allons prsenter les diffrents modules
constituant le progiciel travers linterface graphique que nous avons conu spcialement
pour le cadre de cette thse. Linterface permet linteractivit entre lutilisateur et les
programmes en langage python.
Le progiciel contient deux modules essentiels qui sont le calcul de lcoulement de puissance
par la mthode de Newton Raphson et un module de lanalyse de la stabilit aux petites
perturbations englobant principalement les diffrents algorithmes de calcul des valeurs
propres auparavant abord ainsi que les deux algorithmes que nous avons dvelopp dans le
chapitre 3.

5.2 PyQT comme interface graphique du progiciel


Les interfaces graphiques ont subi dnormes volutions depuis les dbuts de
linformatique personnelle. Elles sont toujours plus pratiques utiliser, plus simples, plus
esthtiques. Il existe une multitude de librairies permettant de crer des interfaces, certaines
plus simples prendre en main que dautres, certaines plus compltes. Qt est lune de ces
librairies, mais elle va au del du simple aspect graphique en proposant une multitude de
fonctionnalits en plus de la gestion dinterfaces. En combinant la puissance de cette librairie
avec la puissance du langage Python, Il devient trs ais de dvelopper rapidement des
applications comportant des interfaces graphiques.
PyQt [130] est un module qui permet de lier le langage Python la librairie Qt. Librairie
dveloppe par la socit Trolltech proposant de nombreux tutoriaux ainsi quun manuel de
rfrence sur son site. Qt a t dveloppe en C++, par consquent toute la documentation de
rfrence est en C++. Une extension de QtDesigner (figure 51) (utilitaire graphique de
cration dinterfaces Qt) permet de grer le code python dinterfaces graphiques. PyQt
dispose de tous les avantages li Qt.

112

Figure 51 : fentre reprsentant Qt Designer

5.3 PyPS linterface graphique du progiciel


PyPS (Python Power System) est le nom de notre interface graphique (figure 52) que
nous avons pu concevoir au cours de ce travail. Il sagit dune interface code en PyQt avec
tous les avantages quoffre le Qt comme fonctionnalits et gestion dinterface.
PyPS contient deux modules principaux :
Un module pour le calcul de lcoulement de puissance
Un module pour lanalyse de la stabilit aux petites perturbations

113

Figure 52 : Linterface graphique PyPS


5.3.1 Module dcoulement de puissance de PyPS
Il sagit de la partie qui traite le calcul de lcoulement de puissance par la mthode de
Newton-Raphson avec affichage des donnes relatives aux nuds, lignes et gnrateurs.
5.3.1.1 Importation des donnes
La premire tape est dimporter le fichier contenant les donnes du rseau par laction
file\ import du menu principal, un message de confirmation du bon droulement de
limportation saffiche aprs une vrification de ladquation des donnes contenues dans le
fichier.
Limportation concerne aussi bien un fichier des donnes en format python (.py) ou en format
base de donnes (.db)
Une fentre qui rsume les donnes principales du rseau saffiche alors.
Par exemple, si on importe le rseau data 4 machines dont les donnes sont reportes en
annexe E, on obtiendrait laffichage de la figure 53 :

114

Figure 53 : fentre rcapitulative des donnes globales du rseau import.


Une fois le rseau import, licne "View" de la barre du menu permet dafficher le dtail des
bus, lignes, transformateurs, gnrateur, shunt ,etc
Par exemple, le dtail bus du rseau en question est comme dans la figure 54 :

Figure 54 : Fentre contenant le dtail des jeux de barre du rseau import


Idem pour les donnes ligne, la figure 54 reprsente la fentre qui contient le dtail

115

Figure 55 : Fentre contenant le dtail des lignes du rseau import

5.3.1.2 Ecoulement de puissance


Une fois les donnes importes, le module de lcoulement de puissance reprsent par
licne "Run Load Flow" dans la barre du menu, un objet network est cr aprs excution
de la fonction qui permet deffectuer un coulement de puissance par la mthode de Newton
Raphson. Un message dinformation du bon droulement du calcul saffiche (figure 56) et on
peut par la suite exporter lensemble des grandeurs concernant les nuds, les lignes et les
gnrateurs dans un fichier Excel.

116

Figure 56 : Message de la bonne excution de lcoulement de puissance


Laffichage des rsultats peut galement seffectuer travers le menu View o lon peut
visualiser les nuds, les lignes et les gnrateurs (figures 57 et 58).

Figure 57 : Affichage des donnes bus aprs coulement de puissance

117

Figure 58 : Affichage des donnes des lignes aprs coulement de puissance


Laction " View\Plot\ Voltage Magnitude" permet de visualiser sous forme dhistogramme
le profil de la tension (figure 59)

Figure 59 : Visualisation du profil de tension les nuds du rseau


118

5.3.2 Module de lanalyse de la stabilit aux petites perturbations


Il sagit du module qui va englober principalement les algorithmes de calcul de valeurs
propres prcdemment discuts i.e. : lalgorithme QR, lalgorithme RIAMA et lalgorithme
RIADMA.
5.3.2.1 Analyse linaire du systme de puissance
Pour les petits changements, la dynamique du systme de puissance est
essentiellement linaire. Un modle dynamique du systme de puissance linaris indique si
oui ou non l'tat d'quilibre du systme lectrique est stable ou instable. En outre, un modle
dynamique du systme de puissance linaris peut tre utilis pour concevoir des contrles, ce
qui pourrait tre ncessaire pour maintenir la stabilit du systme suite des petites variations.
5.3.2.1.1 Analyse modale
Lapproche de la modlisation du systme de puissance implique une prsentation de
lensemble des quations de ce systme sous forme dquations dtat gnralises comme
suit :

&
x=f(x,y,t)

(61)

avec x le vecteur dtat dcrivant lensemble de tous les tats du systme, y le vecteur des
variables dentre du systme et t le temps.
Lquation (61) peut tre rcrite comme suit :
dX
=AX+BU
dt

(62)

y=CX+DU

(63)

La matrice A est appele matrice dtat, elle contient la description du comportement


dynamique du systme.

La matrice B est appele matrice de commande ou matrice dentre. Elle exprime le


comportement dynamique du systme en rponse une commande.

La matrice C est appele matrice dobservation. Elle permet de lier la sortie ltat.

La matrice D est appele matrice daction directe car elle relie la commande
directement la sortie. Elle est en gnral nulle dans les systmes physiques [131]

Lorsque le systme de puissance est soumis aux petites perturbations, les variables dtat du
systme restent au voisinage de leurs valeurs initiales et la linarisation du systme peut tre
applique [132].
Lanalyse des valeurs propres et lanalyse modale du systme de puissance linaris sont les
techniques gnralement utilises pour lanalyse des proprits dynamiques du systme.

119

Lvaluation prcise de la frquence des oscillations lectromcaniques et de lamortissement


de ces oscillations peut tre dtermine partir de lanalyse des valeurs propres ; lanalyse
modale permet quant elle dobtenir des informations supplmentaires plus approfondies telle
la nature des modes (dominants ou non ).
La solution de lquation (62) est de la forme
n

X= u i z i

(64)

i=1

avec ui le ime vecteur propre de droite de A


zi le ime mode, chaque mode satisfait la relation :

dzi
= i zi +vi BU
dt

(65)

Avec :

i la ime valeur propre de A


vi le ime vecteur propre de gauche de A
Une valeur propre relle correspond un mode non-oscillatoire. Par contre, si la valeur propre
relle est positive, le mode prsente une instabilit apriodique. En revanche, les valeurs
propres complexes, en paires conjugues, correspondent aux modes oscillatoires. Le mode
oscillatoire peut tre instable, si la partie relle de la valeur propre est positive, il est au
contraire stable, si la partie relle est ngative.
Lanalyse modale quant elle concerne les vecteurs propres, les facteurs de participation et
les rsidus. Il serait utile danalyser les variables dtat lies aux modes dominants, les
lments du systme permettant dagir efficacement pour le stabiliser [133] et les paramtres
des contrleurs ralisant un "meilleur" amortissement [134]

5.3.2.2 Module de lanalyse de la stabilit aux petites perturbations de PyPS


Linvite ce module via linterface PyPs se fait par laction Small Signal Stability du menu
principal, deux sous actions saffichent alors :(full Modal Analysis et Sparse Modal

Analysis) comme le montre la figure 60:

120

Figure 60 : Module de la stabilit aux petites perturbations de PyPS


La 1re sous action traite la stabilit aux petites perturbations par une analyse complte par
lalgorithme QR
La 2me fait appel aux techniques de rduction auparavant mentionnes avec lanalyse de
quelques valeurs et vecteurs propres (ceux relatifs aux modes critiques).
La slection de la sous action "Full Modal Analysis" conduit la fentre suivante de la figure
61.

Figure 61 : la fentre "full Modal Analysis" de PyPS


A titre dexemple, les donnes du rgulateur de tension peuvent safficher travers "Voltage
Regulators data" (figure 62)
121

Figure 62 : fentre daffichage des donnes des rgulateurs de tension du systme tudi
Lexcution de la commande "Full Modal Analysis" permet laffichage des rsultats du
calcul des valeurs propres par la mthode QR (figure 63)

Figure 63 : Analyse modale complte du systme tudi

122

Pour visualiser les modes relatifs au systme dtat sur un graphe, laction "View Modes"
nous permet de le faire en affichant soit lensemble de tous les modes (figure 64) soit les
modes critiques uniquement.

Figure 64 : Lensemble du spectre des valeurs propres du systme tudi


De la mme faon, lexcution de la commande "Sparse Modal Analysis" permet
laffichage des valeurs propres associes aux modes critiques par lalgorithme RIAMA (figure
65) et par lalgorithme RIADMA (figure 66)

123

Figure 65 : Valeurs propres recherches par la mthode RIAMA

124

Figure 66 : Valeurs propres recherches par la mthode RIADMA


5.3.3 Conclusion
Dans ce chapitre, nous avons prsent notre progiciel bas sur la programmation
orient objet en langage python avec le Qt comme interface graphique pour laffichage et la
visualisation.
Le progiciel est constitu principalement de deux modules savoir :
Module de lcoulement de puissance qui permet deffectuer le calcul de lcoulement
de puissance par la mthode de Newton Raphson, laffichage des rsultats des
diffrents composants du rseau aprs calcul (nuds, lignes, gnrateur,etc) ainsi
que llaboration des graphes tel que le profil des tensions par exemple.
Module de lanalyse de la stabilit aux petites perturbations incluant les diffrentes
mthodes de calcul de valeurs propres traites dans le chapitre 3, ainsi que lanalyse
modale du systme permettant de dfinir les modes oscillatoires ainsi que les
composants qui y participent. Un affichage dtaill de lensemble des valeurs propres,
125

des vecteurs propres associs ainsi que des facteurs de participation avec le nom du
composant du rseau participant est ainsi visualis.

126

6 Conclusion gnrale et perspectives


Lextension des rseaux lectriques de plus en plus dvelopps travers des lignes
dinterconnexions les rend trs sensibles aux oscillations lectromcaniques interrgionales.
Ces oscillations de faibles frquences peuvent srieusement restreindre la capacit de
transport en nergie lectrique induisant ainsi des perturbations qui vont stendre travers
tout le rseau et pouvant mme causer des cascades de dfauts au niveau des lignes. Lanalyse
de la stabilit face ce type de perturbations savre plus que ncessaire afin de permettre
loprateur systme de mieux agir pour lamlioration de la stabilit aux petites perturbations
et notamment pour les systmes de grande taille.
Le travail prsent dans ce mmoire est rparti en deux axes principaux, le 1er tant
lanalyse de la stabilit aux petites perturbations des grands rseaux lectriques, le second est
le dveloppement dun progiciel qui permet la mise en application de cette analyse.
Les techniques de rduction (et particulirement celles des projections des sous espaces de
Krylov) des matrices utilises dans lalgbre linaire reprsentent un outil efficace pour
ltablissement des valeurs propres de la matrice reprsentant la dynamique du systme. Dans
cette tude nous avons pu optimiser le calcul des valeurs propres en temps de calcul et en
espace mmoire de stockage en exploitant lalgorithme dArnoldi redmarrage implicite
coupl une technique de commutation dynamique tout en ladaptant au problme spcifique
la stabilit aux petites perturbations. Nous avons par la suite mis en vidence ces rsultats
travers le progiciel que nous avons dvelopp dans ce but.
Ce travail sarticule autour des points suivants :
-

Les mthodes dAlgbre linaire classiques pour le calcul des valeurs propres de la
matrice dtat ainsi que les mthodes bases sur les projections des sous espaces de
Krylov et notamment celles relatives aux mthodes dArnoldi.

Le dveloppement de deux algorithmes de calcul de valeurs propres adapts


lanalyse de la stabilit aux petites perturbations o nous avons utiliser le
coefficient damortissement comme critre de slection des valeurs propres
retenir de lensemble des valeurs estimes.

Le dveloppement dun progiciel de calcul conu pour lanalyse de la stabilit aux


petites perturbations incluant les techniques de calcul des valeurs propres par
diffrentes mthodes ainsi que lanalyse modale.
127

Les perspectives de ce travail peuvent tre formules en deux parties


Les techniques de rsolution : explorer dautres mthodes de calcul de
valeurs propres qui peuvent savrer encore plus efficace surtout pour le cas de
matrices mal conditionnes, les techniques de projection dharmonique
reprsente une alternative intressante
Le progiciel de lanalyse de la stabilit aux petites perturbations : enrichir
le module de lcoulement de puissance en insrant dautres mthodes de
rsolution autre que Newton-Raphson tel que le fast decoupled par exemple.
Nous pouvons aussi envisager lextension de lobjectif du progiciel ltude
de la stabilit transitoire en ajoutant un nouveau module qui traite cette
problmatique. Nous pouvons mme proposer de rajouter un module qui traite
de lOPF (Optimal power Flow) ainsi la mise niveau de la bibliothque des
composants du rseau en impliquant les sources de production nergie
renouvelable tels que le solaire et lolien. Linterprtation de la constitution
du rseau via un schma unifilaire refltant les diffrents composants
connects entre eux pourrait tre un plus pour le progiciel.

128

7 Bibliographie
[1]

[2]

[3]
[4]
[5]

[6]

[7]

[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]

[17]
[18]
[19]
[20]
[21]

[22]

System Dynamic Performance Subcommittee Task Force on Terms & Definitions, "Proposed
terms and definitions for power system stability," IEEE trans on power systems, vol. PAS-7, pp.
1894-1898, Juillet 1982.
M. Boudour, "Analyse de la Scurit des Rseaux Electriques par Rseaux NeuronauxEvaluation de la scurit statique, dynamique et transitoire des rseaux," Editions universitaires
europenne, Thse de doctorat 978-613-1-53866-7, 2010.
R.G. Farmer, Power System Dynamics and Stability, The Electric Power Engineering
Handbook, 2nd ed., LLC Talyor & Francis Group, Ed.: CRC Press, 2006.
"Inter-Area Oscillations In Power Systems," IEEE Publication Catalog, vol. TP 101, no. 95,
1995.
S.M. Sadeghzadeh, "Amlioration de la stabilit transitoire et de lamortissement des
oscillations d'un rseau lectrique laide de SMES et de SSSC," Institut Nationale
polytechnique , Grenoble, Thse de doctorat 1998.
F. Samouhi, "Application de la mthode de Lyapounov ltude de la stabilit dynamique de
rseaux de transport dnergie soumis des perturbations," Institut Nationale polytechnique,
Grenoble, Thse de doctorat 1983.
P.Kundur and P.L.Dandeno, "Practical Applications of Eigenvalue Techniques in the Analysis
of Power Systems Dynamic Stability Problems," in 5th Power System Computation confrence,
Cambridge, 1975.
J.R. Smith, A.M. Parker, and G.J. Rogers, "Dynamic Simulation of Synchronous Machines
Interconnected by Long Compensated Transmission Circuits," in IEE proc, 1976, pp. 223-228.
P.Kundur and al, "Definition and Classification of Power System Stability," IEEE trans on
power systems, vol. 19, no. 2, pp. 1387-1401, Mai 2004.
P.Kundur, Power System Stability and Control. New York: Mc Graw-Hill, 1994.
C. Barbier, L. Carpentier, and F. Saccomanno, "Tentative classification and terminologies
relating to stability problems of power systems," ELECTRA, CIGRE SC32 no. 56, 1978.
P.Kundur and G.K. Morison, "A review of definitions and classification of stability problems in
todays," IEEE trans on power systems, 1997.
C.W. Taylor, Power System Voltage Stability. New York: McGraw-Hill, 1994.
T.Van.Custsem and C.Vournas, Voltage Stability of Electric Power Systems. Norwell. Norwell:
MA. Kluwer, 1998.
D.J.Hill, P. A.Lof, and G.Anderson, "Analysis of long-term voltage stability," in 10th Power
Systems Computation Conf, 1990, pp. 1252-1259.
P. Kundur, D. C. Lee, J. P. Bayne, and P. L. Dandeno, "Impact of turbine generator controls on
unit performance under system disturbance conditions," IEEE Trans. Power Apparatus and
Systems, vol. PAS-104, pp. 12621267, Juin 1985.
M.A.Pai, power system stability Analysis by direct method of Lyapunov. New York: North
Holland Publishing Company, 1981.
A. A.Fouad and V. Vittal, Power System Transient Stability Analysis Using the Transient
Energy Function Method. Englewood Cliffs: NJ:Prentice-Hall, 1991.
CIGRE Task Force 38.01.07 on Power System Oscillations, "Analysis and control of power
system oscillations," CIGRE Technical Brochure No 111, 1996.
G.Rogers, Power System Oscillations. Massachusetts: Kluwer Academic publishers, 2000.
R. Winkelman, J.H. Chow, B.C. Bowler, B. Avramovic, and P.V. Kokotovic, "An Analysis of
Interarea Dynamics of Multi-Machine Systems," IEEE trans on power systems, vol. PAS-100,
pp. 754-761, 1981.
P.Kundur and al, "Power System Stabilizers for thermal units:Analytic techniques on sitevalidation," IEEE trans. power systems, vol. PAS-100, pp. 81-85, 1981.

129

[23] P.Kundur, M.Klein, G.Rogers, and M.S.Zywno, "Application of power system stabilizers for
enhancement of overall system stability," IEEE trans on power systems, vol. 4, no. 2, pp. 614626, Mai 1989.
[24] C.T. TSE and S.K. TSO, "Design optimization of Power System Stabilizers based on model
eigenvalue-sensitivity analysis," IEE proccedings on power Generation, Transmission and
Distribution, vol. 135, no. 5, pp. 406-415, Septembre 1988.
[25] G.Gross, C.F.Imperato, and P.m.Look, "A Tool for the comprehensive Analysis of Power
System Dynamic Stability," IEEE trans, vol. PAS-101, pp. 226-234, 1982.
[26] J.Cullum and R.A. Willoughby, "A Lanczos Procedure for the Modal Analysis of Very Large
Nonsymmetric Matrices," in 23rd IEEE conference on Decision and Control, Dec 1984, pp.
1758-1761.
[27] N.Uchida and T. Nogoa, "A New Eigen-Analysis Method of Steady-State Stability Studies for
Large power Systems: S Martix Method," IEEE trans on power systems, vol. 3, no. 2, pp. 706714, Mai 1988.
[28] N.Martins, "Efficient Eigenvalue and Frequency Response Methods Aplied to Power System
Small-Signal Stability Analysis," in Power Industry Application Conference, May 1985, pp.
102-109.
[29] A.Semlyen and L. Wang, "Sequential Computations of the Complete Eigensystem for the Study
Zone in Small Signal Stability Analysis of Large Power Systems," in Power Industry Computer
Applications, May 1987, pp. 266-272.
[30] R.T.Beyerly, R.J.Bennon, and D.E.Sherman, "Eigenvalue Analysis of synchronous Power Flow
oscillations in Large Power Systems," IEEE trans.on power systems, vol. PAS-101, pp. 235-245,
1982.
[31] D.Y.Wong, G.Rogers, B.Poretta, and P.Kundur, "Eigenvalue Analysis of Very Large power
Systems," IEEE trans. on power systems, vol. 3, no. 2, pp. 472-480, Mai 1988.
[32] I.J.Perez-Arriaga, G.C.Verghese, and F.C.Sheweppe, "Selective Modal Analysis with
Applications to electric Power Systems ," IEEE trans on power system, vol. PAS-101, pp. 31173134, 1982.
[33] E. Zhou, S. Chen, Y. Ni, and B. Zhang, "Modified Selective Analysis Method and its
Application in the Analysis of Power System Dynamics," IEEE trans on power systems, vol. 6,
no. 3, pp. 1189-1195, Aout 1991.
[34] C.Lanczos, "An Iteration Method for the Solution of the Eigenvalue Problem of Linear
Differential and Integral Operators," J.Re.Nat.Bur.Standards, vol. 45, pp. 463-471, 1950.
[35] J.L.Sancha and I.J Perez-Arriaga, "Selecive Modal Analysis of Power System Oscillatory
Behaviour," in IEEE Power Engineering Society, New Orleans, Fevrier 1987, pp. paper87
WM086-2.
[36] P.Kundur, G.Rogers, D.Y.Wong, L.Wang, and M.G.Lauby, "A Comprehensive Compute
Programr Package For Small Signal Stability of Power Systems," IEEE.trans on power systems,
vol. 5, no. 4, pp. 1076-1083, Novembre 1990.
[37] EPRI EL-724 contract 747-1, "Frequency Domain Analysis of Low-Frequency in Large Electric
Power Systems," Final Report Part I 1982.
[38] D.M.Lam, H.Yee, and B.Campbell, "An efficient improvement of the AESOPS algorithm for
power system eigenvalue calculation," IEEE trans on power systems, vol. 9, no. 4, pp. 18801885, Novembre 1994.
[39] G.Rogers, "Methods for small signal analysis of very large power systems," in Proceedings of
the 26th confernce on Decision and Control, Los Angeles, 1987, pp. 393-398.
[40] P.W.Sauer, C.Rajagopalan, and M.A.Pai, "An Expalantion and Generalization of the AEsops
and PEALS Algorithms," IEEE trans on power systems, vol. 6, no. 1, pp. 293-299, Fvrier 1991.
[41] G.Rogers and P.Kundur, "A fundamental study of inter-area oscillations in power systems,"
IEEE trans on power systems, vol. 6, no. 3, pp. 914-921, Aout 1991.

130

[42] F.Livret and D.Martinais, Algbre 1ere anne, 2nd ed. France: Dunond, 2003.
[43] J.Grifone, Algbre linaire, 2nd ed. France: Cpadus Editions, 2002.
[44] Y. Saad, Numerical methods for eigenvalue problems: Theory and Algorithms. New York: John
Wiley, 1992.
[45] Y. Saad, Iterative Methods for Linear Systems, 3rd ed.: Siam, 2000.
[46] G.W.Stewart, Matrix Algorithms- Volume II : Eigensystems. Philadelphia: Siam, 2001.
[47] P. Lascaux and R. Theodor, Analyse numrique matricielle applique lart de l'ingnieur.:
Masson, 1987.
[48] B.N.Parlett, "The QR algorithm," Computing Sci. Eng., vol. 2, pp. 38-42, 2000.
[49] J. G. F.Francis, "The QR transformation, A unitary analogue to ths LR transformation, parts I
and II," Computer Journal, vol. 4, pp. 265271, 332345, 1961,1962.
[50] V. N. Kublanovskaya, "On some algorithms for the solution of the complete," hurnal
Vychislitelnoi Matematiki i Matematicheskoi, vol. 1, pp. 555-570, 1961.
[51] F. D. Murnaghan and A. Wintner, "A canonical form for real matrices under orthogonal
transformations," Proc. Natl. Acad. Sci, vol. 17, pp. 417-420, Mai 1931.
[52] H. Rutishauser, "Solution of eigenvalue problems with the LR-transformation," NBS Appl.
Math. Series, vol. 49, pp. 4781, 1958.
[53] J. H.Wilkinson, The Algebraic Eigenvalue Problem. Oxford: Clarendon Press, 1965.
[54] J.W.Demmel, Applied Numerical Linear Algebra. Philadelphia: Siam.PA, 1997.
[55] P.Arbenz and G.H. Golub, "Matrix shapes invariant under the symmetric QR algorithm,"
Nummer.Linear Algebra, vol. 2, pp. 87-93, 1995.
[56] G. H.Golub and C.F. Van Loan, Matrix Computations, 2nd ed. Baltimore: The Johns Hopkins
University Press, 1989.
[57] D. S. Watkins and L. Elsner, "Chasing algorithms for the eigenvalue problem," SIAM J. Matrix
Anal. Appl, vol. 12, no. 2, pp. 374384, 1991.
[58] G.W.Stewart, "On the eigensystems of graded matrices," Numer. Math., vol. 90, no. 2, pp. 349
370, 2001.
[59] I. S. Dhillon, "A New O(n2) Algorithm for the Symmetric Tridiagonal Eigenvalue/Eigenvector
Problem," University of California, Berkeley, Thse PhD 1997.
[60] B. N. Parlett, "The new qd algorithms," in Acta Numerica, 1995, pp. 459491.
[61] B. N. Parlett and I.S Dhillon, "Relatively robust representations of symmetric tridiagonals,"
Linear Algebra Appl., vol. 309, pp. 121151, 2000.
[62] R. B. Lehoucq, D. C Sorensen, and C Yang, ARPACK Users Guide: Solution of Large-Scale
Eigenvalue Problems with Implicitly Restarted Arnoldi Methods. Philadelphia: Siam, 1980.
[63] D.C. Sorensen, "Numerical methods for large eigenvalue problems," in Acta Numerica, 2002,
pp. 519584.
[64] G. W. Stewart, "A krylov-schur algorithm for large eigenproblems," SIAM J. Matrix Anal.Appl.,
vol. 23, pp. 601614, 2001.
[65] E.
Anderson
and
al.
LAPACKLinear
Algebra
PACKage.
[Online].
http://www.netlib.org/lapack/
[66] Z. Bai and al., Templates for the Solution of Algebraic Eigenvalue Problems.
Software,Environments, and Tools. Philadelphia: Siam, 2000.
[67] G.W.Stewart, Introduction to Matrix Computations. New York: Academic Press, 1973.
[68] W.J.Stewart and A. Jennings, "ALGORITHM 570: LOPSI a simultaneous iteration method fr
real matrices [F2]," ACM Transactions on Mathematical Software, vol. 7, pp. 184-198, 1981.
[69] Z.Bai, D. Day, and Q. Ye, "ABLE: an adaptive Block Lanczos Method for Non Hermitian
Eigenvalue Problems," Dept of computer science, Maryland, Technical Report 2988, 1992.
[70] W.E.Arnoldi, "The principle of minimized iterations in the solution of the matrix," Quart.

131

[71]

[72]

[73]
[74]
[75]
[76]
[77]
[78]
[79]
[80]
[81]
[82]
[83]
[84]
[85]

[86]

[87]
[88]
[89]
[90]
[91]
[92]

Appl.Math, vol. 9, pp. 17-29, 1951.


C. Beattie, M. Embree, and J. Rossi, "Convergence of restarted Krylov subspaces to invariant
subspaces," Oxford University Computing Laboratory Numerical Analysis, Technical Report
01/21, 2001.
C. Beattie, M. Embree, and D.C. Sorensen, "Convergence of polynomial restart Krylov methods
for eigenvalue computation," Rice University, Computational and applied mathematics report
TR03-08, 2001.
B. N. Parlett, The Symmetric Eigenvalue Problem, Siam, Ed. Philadelphia, 1998, vol. 20 of
Classics in Applied Mathematics, Corrected reprint of the 1980 original.
A. Bjorck, Numerical Methods for Least Squares Problems, Siam, Ed. Philadepphia, 1996.
H. F.Walker, "Implementation of the GMRES method using Householder transformations,"
SIAM J. Sci. Stat. Comp., vol. 9, pp. 152163, 1998.
R.B. Morgan, "On restarting the Arnoldi method for large nonsymmetric eigenvalue problems,"
Math. Comput, vol. 65, pp. 12131230, 1996.
D.C. Sorensen, "Implicit application of polynomial filters in a k-step Arnoldi method," SIAM J.
Matrix Anal. Appl, vol. 13, no. 1, pp. 57385, 1992.
Y. Saad, "Variants on Arnoldis method for computing eigenelements of large unsymmetric
matrices," Lin. Alg. Appl, vol. 34, pp. 269295, 1980.
T. A. Manteuffel, "Adaptive procedure for estimating parameters for the nonsymmetric
Tchebychev iteration," Numer. Math., vol. 31, no. 2, pp. 183208, 1978.
Y. Saad, "Chebyshev acceleration techniques for solving nonsymmetric eigenvalue problems,"
Math. Comp., vol. 42, no. 166, pp. 567588, 1984.
D. C. Sorensen, "Implicitly restarted Arnoldi/Lanczos methods for large scale eigenvalue
calculations," ICASE/LaRC Interdiscip. Ser. Sci. Eng., vol. 4, pp. 119165, 1997.
D.A. Flanders and G. Shortley, "Numerical Determination of Fundamental modes," J.Appl.Phy,
vol. 21, pp. 1328-1332, 1950.
C. Lanczos, "Chebyshev polynomials in the solution of large-scale linear systems," Proceedings
of the ACM, pp. 124-133, 1952.
C. Lanczos, "Iterative solution of large scale linear systems," J.Soc.Indust.Appl.Math, vol. 6, pp.
91-109, 1958.
H.E. Wrigley, "Accelerating the jaccobi method for olving simultanous equations by Chebyshev
extrapolation when the eigenvlues of iteration matrix are complex," Computer Journal, vol. 6,
pp. 169-176, 1963.
T.A. Manteuffel, "An iteravtive method for solving nonsymmetric linear systems with dynamic
estimation of parameters," Universit de Illinois, Urbana, PHD Dessertation Technical Report
UIUCDCS-75-758, 1975.
Y. Saad, "Numerical solution of large nonsymmetric eigenvalue problems," Compuetr Physics
Communications, vol. 53, pp. 71-90, 1989.
I.S. Duff and J.A. Scott, "Computing selected eigenvalues of large sparse unsymmetric matrices
using subspace iteration," ACM Trans. Math., vol. 19, pp. 137159, 1993.
K. Moriya and T. Nodera, "The deflated-GMRES (m, k) method with switching the restart
frequency dynamically," Numer. Lin. Alg. Appl, vol. 7, pp. 569584, 2000.
R.B. Morgan, "GMRES with deflated restarting," SIAM J. Sci. Comput, vol. 24, pp. 2037,
2002.
Y. Saad and M.H. Schultz, "GMRES: a generalized minimal residual algorithm for solving
nonsymmetric linear systems," SIAM J. Sci. Statist.Comput, vol. 7, pp. 865869, 1987.
K. Dookhitram, R. Boojhawon, and M. Bhuruth, "A new method for accelerating Arnoldi
Algorithms for Large scale eigenproblems," Elsevier, Mathematics and computers in simulation,
vol. 20, pp. 387-401, July 2009.

132

[93] R.B. Lehoucq, "Implicitly restarted Arnoldi methods and subspace iteration," SIAM J. Matrix.
Anal. Appl, vol. 23, pp. 551562, 2001.
[94] A. Stathopoulos, Y. Saad, and K. Wu, "Dynamic thick restarting of the Davidson, and the
implicitly restarted Arnoldi methods," SIAM J. Sci. Comput, vol. 19, no. 1, pp. 227245, 1998.
[95] R.B. Morgan, "On restarting the Arnoldi method for large nonsymmetric eigenvalue problems,"
Math. Comput, vol. 65, pp. 12131230, 1996.
[96] Y. Chabane and A. Hellal, "Critical eigenvalues tracing for small signal stability analysis using
Krylov subspaces," Proceeding of the IEEE on 3rd conference on Systems and Control ICSC,
pp. TuCA-06, Octobre 2013.
[97] Y. Chabane and A. Hellal, "An Adaptive Dynamic Implicitly Restarted Arnoldi method for the
Small Signal Stability Eigen analysis," Journal of Electric Engineering, vol. 1, pp. 286-291,
Mars 2014.
[98] H. Alkhatib, "Etude de la stabilit aux petites perturbations dans les grands rseaux lectriques :
optimisation de la rgulation par une mthode mtaheuristique," Universit PAUL CEZANNE
DAIX-MARSEILLE, Thse de doctorat 2008.
[99] S. Liu, "Assessing placement of controllers and nonlinear behavior of electrical power system
using normal form information," Iowa State University, Ames, PHD Thesis 2006.
[100] wisc.edu.
[101] Y.Chabane and A.Hellal, "An adaptive dynamic Implicitly Restarted Arnoldi method for the
small signal stability eigen analysis of large power systems," Journal of Electrical Power and
Energy Systems, vol. 63, pp. 331-335, Dcembre 2014.
[102] F. Freitas, J. Rommes, and N. Martins, "Gramian-Based Reduction Method Applied to Large
Sparse Power System Descriptor Models," IEEE Transactions on Power Systems, vol. 23, no. 3,
pp. 1258-1270, Aout 2008.
[103] M. Lutz, Programming Python, 3rd ed.: O'Reilly Media, 2006.
[104] I.V Laningham, L'intro Python. Paris: CampusPress, 2000.
[105] A. Martelli, Python en concentr. Paris: Editions O'Reilly, 2004.
[106] D. Liperi and Wiedermann, Python : How to program. Upper Saddle River: Prentice Hall, 2002.
[107] W.J Chun, Core Python programming.: Prentice Hall, 2001.
[108] A. Gauld, Learn to program using Python.: Addison-Wesley, Reading, MA, 2001.
[109] F. Lundh, Python Standard Library. Paris: Editions O'Reilly, 2001.
[110] A. Martelli and D. Ascher, Python cookbook. Paris: Editions O'Reilly, 2002.
[111] J.E Grayson, Python and Tkinter Programming. Greenwich: Manning publications co., 2000.
[112] http://www.python.org.
[113] linux-center.org. [Online]. http://www.linux-center.org/articles/9812/python.html
[114] A. Watters, G.V. Rossum, and J.C Ahlstrom, Internet Programming with Python (IPwP).: M&T
Books, 1996.
[115] python.org. [Online]. https://www.python.org/about/quotes/
[116] P.W. Sauer and M. pai, Power System Dynamics and Stability. Upper Saddle River, NJ:
Pertinence Hall, 1998.
[117] T.Van Custem, "Systmes lectriques de Puissance II," Dpartement dElectricit, Electronique
et Informatique : Institut Montefiore, Universit de Lige, Cours ELEC 047 2002.
[118] G. Andersson, "Modeling and analysis of Electric Power Systems," EEH Power Systems
Laboratory, ETH, Zurich, Lectures 227-526 2006.
[119] M.J. Basler and R.C. Schaefer, "Understanding power system stability," in Proceedings of the
58th Annual Conference for Protective Relay Engineers, 2005, pp. 46-67.
[120] D.C. Lee and P. Kundur, "Advanced Excitation Controls for Power System Stability
Enhancement," CIGRE, vol. 38, no. 01, Septembre 1986.

133

[121] T.V. Custem, "Systmes lectriques de Puissance I," Dpartement dElectricit,Electronique et


Informatique,Institut Montefiore, Universit de Lige, Cours ELEC 029 2002.
[122] P.M. Anderson and A.A. Fouad, "Power System Control and Stability," IEEE. Press, 2003.
[123] IEEE, "IEEE recommended practice for excitation system models for power system stability
studies," Institute of Electrical and Electronics Engineers, Inc. USA, Std.421.5, 2005.
[124] Digital Excitation Task Force, "Computer Models for Representation of Digital-Based
Excitation Systems," IEEE Transactions on Energy Conversion, vol. 11, no. 3, pp. 607-615,
Septrmbre 1996.
[125] W. Watson and M.E. Coultes, "Static Exciter Stabilizing Signals on Large Generators
Mechanical Problems," IEEE trans on power systems, vol. PAS-92, pp. 205-212, 1973.
[126] IEEE Task Force on Power System Stabilizers, "Overview of Power System Stability
Concepts," IEEE Trans. On Power Systems, pp. 1762-1768, 2003.
[127] Y. Chabane, "Commande Hybride Logique Floue- Algorithmes Gntiques Pour
lamortissement de perturbations dans les Rseaux Electriques," Ecole Nationale Polytechnique ,
Alger, Mmoire de Magister 2005.
[128] E.V. Larsen and D.A. Swann, "Applying Power System Stabilizers, Part I: General Concepts,"
IEEE trans on power systems, vol. PAS-100, pp. 3017-3022, 1981.
[129] J. Arrillaga and C.P. Arnold, computer analysis of power systems, John Wiley & Sons, Ed.
Christchurch, New Zealand, 1994.
[130] M. Summerfield, Rapid GUI Programming with Python and Qt- The Definitive Guide to PyQt
Programming. Upper Saddle River, NJ: Prentice Hall, 2008.
[131] J.M. Allenbach and A. Rotzetta, "Systmes Asservis, Volume 3, Asservissements par variables
d'tat," Ecole dIngnieurs, Genve, 2005.
[132] CIGRE Task Force 38.02.17, "Advanced Angle Stability Controls," A Technical Brochure for
International Conference on Large High Voltage Electric Systems (CIGRE) 1999.
[133] Y.Y. Hsu and C.L. Chen, "Identification of Optimum Location for Stabilizer Applications Using
Participation Factors," IEEE Proc., Pt. C, vol. 134, no. 3, pp. 238-244, Mai 1987.
[134] I.J. Prez-Arriaga, "Selective Modal Analysis with Applications to Electric Power Systems,"
Massachusetts Institute of Technology, Ph.D Thesis 1982.

134

8 ANNEXES
Annexe A
Structure des donnes du nud
Champs
BusNum
NumBus
BusName
BaseVolts
Type

G
B
Area
Zone
VoltMag
VoltAngd
VoltAngr

Description
Les numros des bus du rseau
Nombre des nuds
Les noms des nuds
La base de tension des nuds (Kv)
Type du nud
1 nud de rfrence
2- nud PV
3 nud PQ
4 nud isol
La conductance
La suceptance
Numro de la rgion du nud
Numro de la zone du nud
Lamplitude de la tension en PU
Langle de la tension en degrs
Langle de la tension en radians

Tableau 17 Structure des donnes du nud

Structure des donnes charge


Champs
BusNum
BusName
MultiLoadId
Status
Area
Zone
ConstP
ConstQ
ConstIP
ConstIQ
ConstZP
ConstZQ
Index

Description
Les numros des nuds du rseau
Nombre des nuds
Identifiant de lexistence de plusieurs charges dans le mme nud
1 si la charge est en service, 0 sinon
Numro de la rgion du nud
Numro de la zone du nud
Composante de la puissance active constante de la charge dans le systme PU
Composante de la puissance ractive constante de la charge dans le systme PU
Courant constant de la puissance active constante de la charge dans le systme PU
Courant constant de la puissance ractive constante de la charge dans le systme PU
Impdance constante de la puissance active constante de la charge dans le systme PU
Impdance constante de la puissance ractive constante de la charge dans le systme PU
Lindice du nud charge dans la table des nuds

Tableau 18 : Structure des donnes de la charge

Structure des donnes gnrateur


Champs
BusNum
BusName
MultGenId
PGen
QGen
QMax
QMin
PMax

Description
Numro du noeud
Nom du noeud
Identifiant demplacement de plusieurs gnrateurs au mme noeud
Puissance active du gnrateur dans le systme de base PU
Puissance ractive du gnrateur dans le systme de base PU
Puissance ractive gnre max (MVA)
Puissance ractive gnre min (MVA)
Puissance active gnre max (MVA)

135

Champs
PMin
VSet
Status
ContProp
BasMva
BusIndex

Description
Puissance active gnre min (MVA)
Tension tablie aux bornes du gnrateur PU
1 gnrateur en service, 0_ sinon
Contribution de la production ractive du gnrateur, lorsque plusieurs sont
connects au mme nud
La puissance MVA dans la base du gnrateur
Lindice du nud gnrateur dans lobjet bus

Tableau 19 : Structure des donnes gnrateur

Structure des donnes ligne


Champs
FromBusNum
FromBusName
ToBusNum
ToBusName
MultCctId
R
X
Bc
Tap
Phase
FromG
FromB
ToG
ToB
FromIndex
ToIndex
Meter

Description
Numro nud dpart
Nom nud dpart
Numro nud arrive
Nom nud arrive
Identifiant si plusieurs lignes existent entre 2 nuds
Rsistance de la ligne en PU
Ractance de la ligne en PU
Suceptance de la ligne en PU
la position tap de la ligne
La phase de la ligne en degrs
Suceptance shunt de la ligne dpart
Conductance shunt de la ligne dpart
Suceptance shunt de la ligne arrive
Conductance shunt de la ligne arrive
Lindice de la ligne dpart nud dans la table nud
Lindice de la ligne arrive nud dans la table nud
Indique au niveau de quel nud la puissance est mesure
0 nud dpart
1 nud arrive

Tableau 20 : structure des donnes ligne

136

Annexe B
Structure des donnes machine synchrone
Champs
Num

Description
Numro de la machine

BusNum
BasMva
xl
ra
xd
xdp
xdpp
Tdpo
Tdppo
xq
xqp
xqpp
Tqpo
Tqppo
H
damp
Type

Numro du noeud
base MVA
La rluctance xl
La rsistance ra
La ractance suivant laxe-d xd
La ractance transitoire suivant laxe-d xd '
La ractance subtransitoire suivant laxe-d xd "
La constante de temps directe Tdo '
La constante de temps subtransitoire directe Tdo "
La ractance suivant laxe-q xq
La ractance transitoire suivant laxe-q xq '
La ractance subtransitoire suivant laxe-q xq "
La constante de temps en quadrature Tqo '
La constante de temps subtransitoire en quadrature Tqo "
La constante dinertie H
Le coefficient damortissement local do
Type de la machine
1 classique
2 _ subtransitoire ples saillants
3 subtransitoire ples lisses
Facteur de saturation S(1.0)=S1
Facteur de saturation S(1.2)=S2

S1
S2

Unit

Tableau 21 : structure des donnes machine synchrone

137

MVA
pu
pu
pu
pu
pu
sec
sec
pu
pu
pu
sec
sec
sec
pu

Annexe C
Structure des donnes systmes dexcitation DC1a et DC2a
type

Champs

Description
Type dexcitation

Unit
1 pour DC1a,
2 pour DC2a

num
Rc

Numro de la machine
Rsistance de compensation

Xc

Ractance de compensation

Tr
Ka
Ta
Tb
Tc
Kf
Tf
Vrmx
Vrmn
Ke
Te
SE1

Constante de temps du filtre dentre


Le gain de lAVR
La constante de temps de lAVR

SE2
VE1
VE1

Coefficient de saturation Ve=VE2

Le gain de la boucle de retour


Constante de temps de retour
Tension dentre max
Tension dentre max

Pu (base du
gnrateur)
Pu (base du
gnrateur)
sec
sec
sec
sec

Compartiment

Capteur (transducer)

Le rgulateur
tension (AVR)

de

sec
pu
pu
sec

Coefficient de saturation Ve=VE1


Lexcitatrice
pu
pu

Tableau 22 : Structure des donnes de DC1a et DC2a


Structure des donnes systmes dexcitation DC3a
type
num
Rc

Champs

Description
Type dexcitation
Numro de la machine
Rsistance de compensation

Unit
3 pour DC3a

Xc

Ractance de compensation

Tr
Kv
TRH
Vrmax
Vrmin
Ke
Te
SE1

Constante de temps du filtre dentre


Limite du rhostat
La constante de temps du rhostat
Tension dentre max
Tension dentre min

Pu (base du
gnrateur)
Pu (base du
gnrateur)
sec
sec
pu
pu

Compartiment

Capteur (transducer)

Le rgulateur
tension (AVR)

sec
Coefficient de saturation Ve=VE1
Lexcitatrice

SE2
VE1
VE1

Coefficient de saturation Ve=VE2


pu
pu

Tableau 23 : Structure des donnes de DC3a

138

de

Structure des donnes systmes dexcitation AC1a


type
num
Rc

Champs

Description
Type dexcitation
Numro de la machine
Rsistance de compensation

Unit
4 pour AC1a

Xc

Ractance de compensation

Tr
Kv
TRH
Vrmax
Vrmin
Ke
Te
SE1

Constante de temps du filtre dentre


Limite du rhostat
La constante de temps du rhostat
Tension dentre max
Tension dentre min

SE2
VE1
VE1

Coefficient de saturation Ve=VE2

Pu (base du
gnrateur)
Pu (base du
gnrateur)
sec
sec
pu
pu

Compartiment

Capteur (transducer)

Le rgulateur
tension (AVR)

sec
Coefficient de saturation Ve=VE1
Lexcitatrice
pu
pu

139

de