TCSC tuning via Ant Colony Optimization for power
system stability improvement
Karim Sebaa, Abdelhalim Tlemcani
Lab. de Recherche en Electrotechnique et Automatique
Université de Médéa
26000, Algeria
karim.sebaa@gmail.com
Abstract— This paper presents the problem of analysis and
improvement of transient stability of power systems by the Ant
Colony Optimization.
Our work has focused on the design of a TCSC (Thyristor
Controlled Series Compensator) installed in SMIB (single
Machine Infinit Bus).
The nonlinear analysis is performed to confirm the robustness
of the TCSC tuned by such technique.
Keywords— TCSC, PSS, ACO and Stability.
I. INTRODUCTION
La consommation de l'énergie électrique est en hausse
progressive et cette tendance augmente avec l'industrialisation
et la croissance de la population. De plus, en vie aujourd'hui
dans l'ère de l'électronique et de l'informatique où toute les
charges sont très sensible aux perturbations qui surviennent
sur leurs alimentations: une perte d'alimentation peut causer
l'interruption des différents processus de production, et devant
des consommateurs qui deviennent de plus en plus exigeants
en voulant plus d'énergie et à une meilleur qualité, les
entreprises de production de l'énergie électrique doivent donc
assurer l'approvisionnement régulier de cette demande, et sans
interruption. Cependant, ces réseaux deviennent plus grands et
plus complexes, ce qui implique que leur étude et analyse
deviennent plus difficiles, particulièrement les études de
stabilité transitoire.
Les réseaux électriques jusqu'à ces dernières années sont
contrôlés mécaniquement: malgré l'utilisation de la
microélectronique, des ordinateurs et des moyens rapides de
télécommunication dans le contrôle des réseaux, la dernière
action dans ces systèmes de commande est prise avec des
dispositifs mécaniques ayant un temps de réponse plus au
moins long et avec lesquels l'action d'amorçage et de
réamorçage ne peut être répétitivement exécuté à une
fréquence élevée par rapport aux dispositifs à base
d'interrupteurs statiques (semi-conducteurs).
La solution de ces problèmes passe par l’amélioration du
contrôle des systèmes électriques déjà en place. Il est
nécessaire de doter ces systèmes d'une certaine flexibilité leur
permettant de mieux s'adapter aux nouvelles exigences.
Les éléments proposés qui permettent ce contrôle amélioré
des systèmes sont les dispositifs FACTS « Flexible Alternative
978-1-4799-7300-2/14/$31.00 ©2014 IEEE
Takidine Abbadi et Cherif mokdad
Département GEI
Université de Médéa
26000, Algeria
Current Transmission Systems ». Les dispositifs FACTS font
en général appel à de l'électronique de puissance, des
microprocesseurs, de l'automatique, des télécommunications et
des logiciels pour parvenir à contrôler les systèmes de
puissance. Ce sont des éléments de réponse rapide. Ils donnent
en principe un contrôle plus souple de l'écoulement de
puissance. Ils donnent aussi la possibilité de charger les lignes
de transit à des valeurs près de leur limite thermique, et
augmentent la capacité de transférer de la puissance d'une
région à une autre. Ils Limitent aussi les effets des défauts et
des défaillances de l'équipement, et stabilisent le
comportement du réseau [1].
Les algorithmes des Colonies de fourmis, basée sur une
observation naturelle le comportement des fourmis dans leur
cohabitation en colonies. En 1983, des chercheurs découvrent
que les fourmis ont la capacité de toujours trouver le chemin le
plus court entre leur nid et une source de nourriture[2]. Ces
algorithmes sont de plus en plus utilisés dans l’industrie car ils
sont particulièrement adaptés aux problèmes d’optimisation
comportant de nombreux paramètres.
Ce travail présente une étude de la stabilité transitoire, et
les dispositifs de contrôle de cette dernière, en utilisant les
algorithmes des Colonies de fourmis pour optimiser leurs
paramètres..
Afin d’étudier la stabilité du système, nous la modélisation
des composants du système La machine synchrone, les lignes
de transmissions, le FACTS utilisé (TCSC) « Thyristor-
Controlled Series Compensator».
Pour ce qui concerne, nous nous intéresserons à une
description brève des algorithmes des Colonies de fourmis,
ainsi que leurs avantages et inconvénients.
Nous représenterons les résultats de simulations après
optimisations des paramètres de stabilisateur(TCSC) par les
algorithmes des Colonies de fourmis, dans des graphes qui
démontrent l’efficacité des contrôleurs et le meilleur
fonctionnement après optimisation.
II. NOTION DE LA STABILITÉ
La stabilité est définie comme la propriété d’un système à
retrouver son point de fonctionnement (ou point d’équilibre)
après avoir subi plusieurs perturbations.
La stabilité est également la tenue d’un réseau face à
d’éventuelles perturbations de toute nature. Le comportement
d’un réseau face aux problèmes de stabilité dépend du lieu, de
la nature et de l’intensité de la perturbation.
III. TYPE DE STABILITÉ
Le problème de la stabilité est fonction de la nature et de
l’amplitude des réponses enregistrées suite à des perturbations.
On distingue 3 types de stabilité:
A. Stabilité statique
Le réseau a un comportement stable, c’est-à -dire que
soumis à de faibles perturbations, il revient à son point de
fonctionnement initial, avec d’éventuelles oscillations
amorties jusqu’au retour à l’équilibre. Elle concerne les
phénomènes lents engendrés par des baisses ou montées de
charges journalières, ainsi que des variations de tension et/ou
de fréquence [3 ,4].
B. Stabilité transitoire
On la définit suite à des perturbations rapides et de grandes
amplitudes. Ces perturbations déplacent l’état du système en
dehors du domaine de stabilité, suite à l’ouverture d’une ligne
(fortement chargée), court-circuit polyphasé, rupture d’une
interconnexion, déclenchement accidentel d’une machine ou
d’un transformateur [4,5].
C. Stabilité dynamique
On la définit suite à des perturbations lentes de faibles
amplitudes causées par l’ouverture de lignes (faiblement
chargés) créant un système à haute impédance, manque
d’excitation, déclenchement d’un générateur à faible
puissance, etc.
Elle peut aussi être causée par le système de commande [3].
IV. AMELIORATION DE LA STABILITE PAR LES FACTS
A. Capacité Série Commandées par Thyristor (TCSC)
Les condensateurs en série commandés par thyristor TCSC
fournissent une technologie prouvée qui adresse des
problèmes dynamiques spécifiques dans des systèmes de
transmission. Le gradin du TCSC est composé de capacités
fixes en parallèle avec des thyristors, en série avec une bobine.
Chaque gradin est en parallèle avec une varistance (MOV) en
métal oxyde, qui protège le gradin contre les surtensions.
Séparés et disposés en série, les gradins forment ainsi un
système complet de compensation. La capacité principale de
valeur fixe est disposée en séries avec les gradins.
Il est possible de varier l’impédance totale de
compensateur en modifiant l’angle d’amorçage du thyristor.
La compensation série de la ligne de transmission, commandé
par thyristor permet d’amortir les fluctuations de puissance car
le TCSC est essentiellement utilisé afin de contrôler
l’écoulement de puissance [6].
Fig. 1. Le TCSC (a) modèle détaillé (b) modèle réduit.
Le TCSC placé en série dans une ligne de transport permet
de contrôler le flux de puissance et d'élever la capacité de
transfert des lignes en agissant sur la réactance qui varie selon
l'angle de retard à l'amorçage des thyristors donné par la
formule :
XTCSC ( α ) = j ⋅ Lω (1)
2
π−α+
sin ( 2α )
− LC ω
π 2
Et la puissance peut s’écrire :
P = Vs Vr sin ( θs − θr ) (2)
sr
X
TCSC
V. LES ALGORITHMES DE COLONIES DE FOURMIS
Les fourmis naturelles ont inspiré les algorithmes «
colonies de fourmis » introduits par la Marco Dorigo [7].
L’idée générale est d’imiter le comportement coopératif d’une
colonie de fourmis pour résoudre des problèmes complexes
d’optimisation. Le principe est le suivant : les fourmis
cherchent de la nourriture et se déplacent de façon quasi
aléatoire. Tout au long de leur d´emplacement, elles laissent
derrière elles une substance chimique appelée phéromone.
Cette substance à la propriété de s’évaporer au cours du temps
et a pour but de guider les fourmis vers leur objectif. Une fois
cet objectif atteint (dans notre cas, la nourriture trouvée), les
fourmis rentrent au nid en empruntant le même chemin qu’à
l’aller, grâce à leur trace de phéromone. Celle-ci s’en trouve
renforcée. Plus une trace de phéromone est concentrée, plus
elle va attirer les fourmis. Au fil du temps, on va donc
constater l’émergence du plus court chemin vers la nourriture
grâce au renforcement de la trace de phéromone. Ce modèle
de communication a été utilisé comme base de travail pour la
résolution de problèmes d’optimisation.
D’après la référence [7] L’algorithme de colonie de
fourmis ont les avantages et les inconvénients suivants:
A. Avantages des ACS
• Potentiellement, les ACS explorent tout l’espace des
points des recherches, ce qui limite les risques de
tomber dans des optimums locaux.
• ACS présentent une grande robustesse c'est-à-dire
une grande capacité à trouver les optimums globaux
des problèmes d’optimisation.
 • Très grande adaptabilité
• Parfait pour les problèmes bases sur des
graphes B. Inconvénients des ACS
• Temps d'exécution parfois long
• En pratique, l’efficacité d’un ACS dépend souvent de
la nature du problème d’optimisation. Selon les cas de
choix des opérateurs et des paramètres seront souvent
critiques, mais aucune théorie générale ne permet de
Fig. 2. Organigramme de l’ACS.
VI. FORMULATION DE LA FONCTION OBJECTIF
Avant d’entamer la formulation de la fonction objectif on
décrira brièvement les paramètres des TCSC et PSS qui
doivent stabiliser le système.
Les fonctions de transferts qui correspondent au TCSC et PSS
sont respectivement les suivantes :
sT 1 + sT 1 + sT
G ( s ) = KT
ω 1T 3T
(3)
1 1
1 + sTω + sT2T + sT4T
Dans notre étude, La constante du temps du filtre Tω
est fixe pendant la procédure d’optimisation. Les paramètres à
optimiser sont donc les gains KT et KP et les constantes de
connaître avec certitude la bonne paramétrisation, il
faudra faire plusieurs expériences pour s’en approcher.
• ne s'applique pas à tous type de problèmes
L’algorithme de colonie de fourmis est organisé en
plusieurs étapes et fonctionne de manière itérative. La Figure
2 représente l’organigramme de l’algorithme de colonie de
fourmi que nous avons utilisé :
temps des blocs de compensation de phase T1T , T2T , T3T et
T4T pour le TCSC
le TCSC, la variation de l’angle de conduction σ et
l’angle initial σ0 sont constant pendant les conditions initiales.
Pendant les conditions dynamiques l’angle σ et par conséquent
la réactance XTCSC sont modulés pour améliorer
la stabilité du système énergétique. La valeur de compensation
souhaitée est obtenue en changeant l’angle σ suivant la
variation ω [8].
Il ressort de ce qui précède que la fonction objectif doit
être fonction de la variation de vitesse ω , en minimisant la
somme du produit élément par élément du vecteur d’état, cette
fonction peut s’écrire comme suit :
F = min ∑
n
ω
2 (4)
i =0 i
 VII. RESEAU TEST
La technique ACS est appliquée pour le dimensionnement du Les paramètres issus de l’optimisation sont regroupés dans le
system (machine-nœud infini SMIB) en présence d’un TCSC Tableau II.
voire Fig. 3. La machine synchrone délivre une puissance au
nœud infinie à travers deux lignes et un TCSC. et Eb sont les TABLE II. RESULTATS DU CAS TCSC SEUL
tensions terminales du jeu de barre générateur et jeu de barre
nœud infini. , et sont les réactances du Procédures T T T T
KT
transformateur, lignes et l’impédance Thevenin du nœud infini 1T 2T 3T 4T

respectivement.
TCSC seul 29.116 0.829 0.292 0.588 0.587

Afin de valider ces résultats deux types de contingences, a

savoir, court-circuit franc et déclanchement d’une ligne.

Fig. 3. Single-machine infinite-bus power system with TCSC

D’après les résultats dans les figures 4 et 5, nous constatant
Le générateur est représenté par le modele 1.1, i.e. avec une que les les vitesses des générateurs retrouvent rapidement
circuit du champs et un circuit amortisseur sur l’axe q. leurs valeurs régime établi.
Le système en présence d’un AVR (Automatic Voltage
Regulator) est décrit comme suit : VIII. CONCLUSION
Le travail présenté dans cet article concerne l'analyse et
l'amélioration de la stabilité transitoire des réseaux électriques.
Notre travail s’est porté sur l’implantation de un stabilisateur
le TCSC et l’application des algorithmes de Colonie de
fourmis dans la synthèse et l’optimisation de leurs paramètres
(gains et constantes de temps). Le rôle de ces stabilisateurs est
d’apporter l’amortissement nécessaire aux oscillations
La puissance électrique est exprimée en function de électromécaniques du générateur, lorsque le système électrique
et : est sujet à différent défauts.
.
Nous avons montré l’action du TCSC, dont les paramètres
Les paramètres du ACS sont: étaient non optimisés, sur un système mono-machine. Ce
dernier constitue un exemple typique de problèmes qui
peuvent survenir dans une machine synchrone connectée à un
TABLE I. PARAMÈTRES D’OPTIMISATION
large réseau. Nous avons constaté, que les résultats présentent
Paramètre de l’ACS Espace de Recherche
une amélioration certaine de la stabilité transitoire par rapport
au cas du système non contrôlé, qui demeure toutefois mal
Nombre de fourmis 40 amorti.
1 ≤, KT ≤ 100
Nombre de cycle 100 Ensuite, nous avons exposé brièvement les principes de la
méthode d’optimisation par les algorithmes des Colonies de
Paramètre de l'intensité de piste 0.1 fourmis qui représentent un outil à la fois simple, puissant et
efficace dans la résolution des problèmes d’optimisation
0.1 ≤ TiT ≤ 1 quelconques.
Paramètre de visibilité 0.225

Facteur d'évaporation 0.5

Distribution intiale Uniforme

 90 La réponse de l angle interne delta 0.06 La réponse de variation de vitesse
tcsc non optimise tcsc non optimse
80 tcsc optimise 0.04 tcsc optimse
70
delta(deg)

Dw(pu)
60 0.02

50 -0.02

0
40
30

20 -0.04

10

0 -0.06

-10 -0.08

0 1 2 3 4 5 6
0 1 2 3 4 5 6

temps(s) temps(s)
2.5 La réponse de puissance électrique pe La réponse de tension de sorte vt

tcsc non optimse 1.02

tcsc non optimse
tcsc optimse tcsc optimse
2 1.01
1.5 1
pr(pu)

vt(pu)
0.99

1
0.98
0.5 0.97

0 0.96

1 2 3 4 5 6 1 2 3 4 5 6
-0.50 0.950

temps(s) temps(s)

Fig. 4. Réponses temporelles à un court-circuit franc de δ, ω, Pe et Vt avec TCSC

75 La réponse de l angle interne delta La réponse de variation de vitesse

0.02
tcsc non optimse tcsc non optimse
70 tcsc optimse tcsc optimse
0.015
65 0.01
Dw(pu)

60 0.005

delta(deg) 55 0

50 -0.005

45 -0.01

40 1 2 3 4 5 6 -0.015 1 2 3 4 5 6

0 0
temps(s) temps(s)

La réponse de puissance électrique pe 1.025 La réponse de la tension de sorte vt

1
tcsc non optimse tcsc non optimse
1.02 tscs optmse
tcscoptimse
0.9
1.015

0.8 1.01

1.005
0.7
vt(pu)

pe(pu) 1

0.6
0.995

0.5 0.99

0.985
0.4
0.98

0.975
0 1 2 3 4 5 6 0 1 2 3 4 5 6
temps(s) temps(s)

Fig. 5. Réponses temporelles à un déclenchement d’une ligne de δ, ω, Pe et Vt avec TCSC

 [5] P.M. Anderson, A. A. Fouad, Power system control and stability, the
REFERENCES IOWA state university Press, 3éme edition, 1982.
[6] R. Urbanek et al. ‘‘Thyristor-controlled series Compensation-Prototype
Installation at the slat 500 kV substation’’, IEE transaction on power
[1] R.Haimour, Contrôle des Puissances Réactives et des Tensions par les
delivery, Vol 8, 1993.
Dispositifs FACTS Dans un Réseau Electrique, Thèse de Magister,
Ecole Normale Supérieure de l’Enseignement Technologique d’Oran, [7] Dorigo, 1996 M., Maniezzo V., Colorni A. : The ant system :
2008. Optimization by a colony of cooperating agents. IEEE Transactions on
Systems, Mans, and Cybernetics, p. 29-41 (1996).
[2] JL. Deneubourg, JM. Pasteels, and Verhaeghe JC. Probabilistic
behaviour in ants : a strategy of errors ? Journal of Theoretical Biology, [8] K.R.Padiyar. Power system Dynamics Stability and Control, B.S.
105 :259.271, 1983.. publications, Second Edn., 2002.
[3] M.Boudour, Evolution de la stabilité dynamique par les couples
synchronisant et amortisseurs, Thèse de Magister, Ecole Nationale
Polytechnique, 1994.
[4] H.Benkaci, Evolution de la stabilité statique en temps réel, thèse de
Magister, Ecole Nationale Polytechnique, 1998.