MAS2013ELT30

‫الجمـهوريــة الجزائريــة الديمقراطيــة الشعبيــة‬
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET ‫وزارة التعليــم العالــي و البحــث العلمـي‬

DE LA RECHERCHE SCIENTIFIQUE
UNIVERSITE CONSTANTINE I 1 ‫جامعـــــــة قسنطينـــــــــة‬
Faculté des Sciences de la Technologie ‫كلـيــة علوم التكنولوجية‬

Département : Electrotechnique ‫الكهروتقني‬: ‫قسم‬
N° d’ordre : ….
Série : ….
Mémoire
Présenté en vue de l’obtention du
Diplôme de Master en électrotechnique
Option
GESTION & TRANSFORMATION DE L’ENERGIE ELECTRIQUE
Thème
ETUDE DE L’ECOULEMENT DE PUISSANCE OPTIMAL

UTILISANT LA METHODE DES ESSAIM DE PARTICULES
Présenté par:
Bahri Said
Encadreur:
Dr- Bouchekara Houssem
Promotion 2012/2013
Remerciements
Je remercie Allah, le tout puissant, le miséricordieux, de m’avoir appris ce

que j’ignorais, de m’avoir donné la santé et tout dont je nécessitais pour
l’accomplissement de cette thèse.
En premier lieu, je tiens à remercier Mr : Dr- Bouchekara Houssem,

mon directeur de mémoire et je lui exprime toute ma reconnaissance pour
sa confiance en mon travail, sa patience et les nombreux conseils qu'il m'a
prodigués.
Pour finir, j’adresse mes remerciements aux membres du jury et

l’Université, et à tous ceux qui ont contribué de près ou de loin à la
réalisation de ce travail.
B. Said
06/2013
DEDICACE
Je tiens à dédier ce travail à :
Ma Mère.
A mon Père Lamri.
Mes frères et sœurs.
Toute ma grande famille.
Tous mes amis.
Mes enseignants.
Et en fin tous ceux qui m’ont aidé et soutenu de prés ou de loin durant
l’élaboration de ce travail.
B. Said
06/2013
SOMMAIRE
SOMMAIRE
Dédicace
Remerciements
Table Des Matières
Liste Des Figures
Liste Des Tableaux
Résumé
1 INTRODUCTION GENERALE..................................................................................................................... 4
2 CHAPITRE 1 : ÉCOULEMENT DE PUISSANCE DANS LES RESEAUX ELECTRIQUE .................. 6
2.1 INTRODUCTION .............................................................................................................................................. 6

2.2 DESCRIPTION ET MODELISATION DES ELEMENTS DE PUISSANCES DU RESEAU ............................................................ 6
2.2.1 Modèle De L’alternateur ................................................................................................................... 6
2.2.2 Modèle De La Ligne De Transport ..................................................................................................... 6
2.2.3 Les Jeux De Barres (bus) .................................................................................................................... 7
2.2.4 Les Charges ........................................................................................................................................ 7
2.2.5 Les Compensateurs Synchrones......................................................................................................... 7
2.2.6 Les Compensateurs Statiques ............................................................................................................ 8
2.2.7 Les Transformateurs .......................................................................................................................... 8
2.3 LES EQUATIONS MODELISANT L’ECOULEMENT DE PUISSANCE ................................................................................. 8
2.4 RESOLUTION DES EQUATIONS D’ECOULEMENT DE PUISSANCES ............................................................................. 10
2.4.1 Technique De Newton-Raphson (TNR): ........................................................................................... 10
2.4.2 Méthode Découplée Rapide (FDLF) ................................................................................................. 12
2.5 EXEMPLE DE CALCUL DE L’ECOULEMENT DE PUISSANCE SUR LE SYSTEM IEEE 30 JEUX DE BARRES ............................. 13
2.6 ÉCOULEMENT DE PUISSANCE OPTIMAL ............................................................................................................. 20
2.6.1 Introduction ..................................................................................................................................... 20
2.6.2 Formulation Du Problème De L'écoulement De Puissance Optimal ................................................ 21
2.6.3 Contraintes: ..................................................................................................................................... 22
2.7 CONCLUSION ............................................................................................................................................... 23
3 CHAPITRE 2 : PRESENTATION DE LA METHODE DES PSO ........................................................... 24
3.1 INTRODUCTION ............................................................................................................................................ 24

3.2 PRESENTATION DE LA METHODE PSO .............................................................................................................. 24
3.2.1 Définitions ....................................................................................................................................... 24
3.2.2 L’algorithme PSO ............................................................................................................................. 25
3.3 CONCLUSION ............................................................................................................................................... 28
1
SOMMAIRE
4 CHAPITRE 3 : APPLICATION DES PSO AU PROBLEME DE L’ECOULEMENT DE PUISSANCE

OPTIMAL .......................................................................................................................... 29
4.1 INTRODUCTION ............................................................................................................................................ 29

4.2 APPLICATION ............................................................................................................................................... 29
4.2.1 Cas 1 : Minimisation Des Coûts De Carburant De La Génération : .................................................. 29
4.2.2 Cas 2: Amélioration Du Profil De Tension ........................................................................................ 32
4.2.3 Cas 3: Amélioration De La Stabilité De Tension ............................................................................... 34
4.2.4 Cas 4: Réduction Des Pertes Et De Transmission De Puissance Active ............................................ 36
4.2.5 Case 5: Minimisation Des Pertes De Puissance Réactive ................................................................ 38
4.2.6 Case 6: Courbe Des Coûts De Carburant Quadratique Par Morceaux ............................................. 39
4.3 CONCLUSION ............................................................................................................................................... 43
5 CONCLUSION GENERAL .......................................................................................................................... 44
6 BIBLIOGRAPHIE ......................................................................................................................................... 45
2
LISTE DES FIGURES
LISTE DES FIGURES
Figure 1. 1: Symbole d’un generateur. .........................................................................................................5

Figure 1. 2: Modele en π d’une ligne electrique et le symbole. ...................................................................6
Figure 1. 3: Symbole d’une charge. .............................................................................................................6
Figure 1. 4: Symbole d’un compensateur synchrone. ..................................................................................7
Figure 1. 5: Symbole d’un compensateur statique. ......................................................................................7
Figure 1. 6: Symbol d’un transformateur. ....................................................................................................7
Figure 1. 7: Schema unifilaire du systeme ieee-30 bus. .............................................................................13
Figure 2. 1: Schema de principe du deplacement d’une particule.............................................................24
Figure 3. 1: La variation du cout total en fonction du nombre d’iterations (cas 1). ..................................29
Figure 3. 2: La variation du cout total en fonction du nombre d’iterations (cas2) ....................................31
Figure 3. 3: Ecarts de tension (voltage deviations) en fonction du nombre iteration(cas2). ......................32
Figure 3. 4: L'amelioration du profil de tension du systeme. .....................................................................32
Figure 3. 5: La variation du cout total en fonction de nombre l'iterations (cas3). ....................................34
Figure 3. 6: La stabilite de tension(lkmax) en fonction de nombre iteration. ...............................................34
Figure 3. 7: La minimisation des pertes de transmission de la puissance active........................................36
Figure 3. 8: La minimisation des pertes de transmission de la puissance reactive(mvar)..........................37
Figure 3. 9: La variation de cout de cas 6 ..................................................................................................39
3
LISTE DES TABLEAUX
LISTE DES TABLEAUX
Tableau 1. 1: Les donnees pour les bus commandes en tension ...............................................................15

Tableau 1. 2: Les donnees des transformateurs .........................................................................................15
Tableau 1. 3: Les donnees de l’injection q en raison de condensateurs shunt ..........................................15
Tableau 1. 4: L’amplitude de la tension de chaque jeu de barres et la puissance active et reactive des
charges et generateurs du systeme d’ieee 30 bus). ......................................................................17
Tableau 1. 5: Les donnees des lignes du systeme ieee 30-bus. ..................................................................18
Tableau 1. 6: L’amplitude de la tension de chaque nœud et la puissance active et reactive des charges et
generateurs (systeme d’ieee 30 bus) apres simulation. ................................................................19
Tableau 1. 7: Les parametres de la puissance de transmission depuis ligne a autre ligne .........................20
Tableau 3. 1: Les coefficients de couts de chaque generateur. ..................................................................32
Tableau 3. 2: Fonctions objectifs individuels considerant la minimisation du cout de production pour le
systeme ieee 30-bus (Cas1)..........................................................................................................33
Tableau 3. 3: Comparaisons des resultats obtenus entre les pso et d’autres methodes d’optimisation
reportees dans la litterature pour le Cas 1. ...................................................................................33
Tableau 3. 4: Fonctions objectifs individuels considerant l’amelioration du profile de tension pour le
reportees dans la litterature pour le cas 2. ....................................................................................36
Tableau 3. 6: Objectifs individuels considerant l’amelioration de la stabilite de tension pour le systeme
ieee 30-bus (Cas3). ......................................................................................................................38
Tableau 3. 8: Fonctions objectifs individuels considerant la minimisation des pertes actives pour le
Tableau 3. 10: Fonctions objectifs individuels considerant la minimisation des pertes reactives pour le
Tableau 3. 12: Tableau represente les coefficients de couts de chaque generateur ...................................42
Tableau 3. 13: Fonctions objectifs individuels considerant la minimisation du cout de production pour le
Tableau 3. 15: Les parametres optimaux des variables de controle obtenues pour les six cas d’etudes
consideres dans ce travail. ...........................................................................................................44
4
INTRODUCTION GENERALE
INTRODUCTION GENERALE
1 INTRODUCTION GENERALE
Le développement technologique a contribué à une augmentation de la consommation d’énergie qui a
eu pour conséquence un accroissement des puissances à générer et à transporter. Pour résoudre le
problème de l’acheminement de la puissance disponible sur les lieux de consommation, il est nécessaire
de déterminer le niveau de production de chaque groupe et les transits de puissance dans le réseau. Il faut
faire face à la demande, en respectant les contraintes technico-économiques d’exploitation afin de
minimiser les coûts de production.
Le système électrique alimente un très grand nombre de clients à partir d’un petit nombre de centrales
de production. L’énergie produite par les centrales transite sur les lignes de haute et très haute tensions
du réseau de transport maillé sur une zone couvrant un ou plusieurs états, puis est acheminée sur des
réseaux de distribution de moyennes et basses tensions dont l’arborescence permet d’atteindre les clients.
L’énergie électrique est produite en même temps qu’elle est consommée. Donc, en permanence, la
production doit s’adapter à la consommation. Il faut, donc, ajuster les puissances active et réactive des
générateurs interconnectés dans un réseau électrique dans leurs limites admissibles afin de satisfaire la
charge électrique fluctuante avec un coût minimal. Cela est appelé l’écoulement de puissance optimal
(Optimal Power Flow OPF) [BOUKTIR 2004], [SLIMANI 2009].
La contribution principale de ce mémoire est l'application de l’Optimisation par Essaims de Particules

(Particle Swarm Optimization PSO) pour optimiser l’écoulement de puissance dans le réseau électrique
afin de minimiser le coût de production d’énergie électrique, en satisfaisant les contraintes prédéfinies.
Ce mémoire est organisé en trois chapitres:
Dans le premier chapitre, une notions générales sur écoulement de puissance dans les réseaux
électriques avec la présentation des éléments de puissances du réseau, la résolution des équations
d’écoulement de puissances, et un exemple de calcul de l’écoulement de puissance sur le système ‘ieee-
30 bus’. nous allons aussi présenter la problématique de l’écoulement de puissance optimal.
Dans le second chapitre, nous allons présenter en détail la méthode d’optimisation par essaims de
particules.
Le troisième chapitre est dédié à l’application et la simulation des modèles développés sur le réseau
test IEEE 30 jeux de barres.
Enfin, nous clôturerons ce présent mémoire par une conclusion générale concernant l’apport général
de notre travail. Nous présenterons aussi les perspectives qui pourront faire suite à ce travail.
5
CHAPITRE 1 :
ÉCOULEMENT DE PUISSANCE DANS LES RESEAUX ELECTRIQUE
CHAPITRE 1 : ÉCOULEMENT DE PUISSANCE DANS LES RESEAUX ELECTRIQUES
2 CHAPITRE 1 : ÉCOULEMENT DE PUISSANCE DANS LES RESEAUX

ELECTRIQUES
2.1 INTRODUCTION
L'étude de l'écoulement de puissance permet d'avoir la solution des grandeurs d'un réseau électrique
en fonctionnement normal équilibré en régime permanent. Ces grandeurs sont les tensions aux nœuds, les
puissances injectées aux nœuds et celles qui transitent dans les lignes. Les pertes et les courants s'en
déduisent. Les études de l'écoulement de puissance permettent de planifier la construction et l'extension
des réseaux électriques ainsi que la conduite et le contrôle de ces réseaux [BAGHLI 1994].
Dans cette partie, nous allons présenter les déférentes composantes d’un réseau, introduire les notions
principales concernant l'écoulement de puissance et présenter le problème de l’écoulement de puissance
optimale.
2.2 DESCRIPTION ET MODELISATION DES ELEMENTS DE PUISSANCES DU

RESEAU
Dans cette partie nous allons présenter les différents composants du réseau électrique à savoir: les
générateurs d’énergie électriques, les lignes, les équipements de compensation d’énergie réactive, les
transformateurs et les charges électriques.
2.2.1 MODELE DE L’ALTERNATEUR
Le groupe turbo-alternateur, représenté dans Figure 1. 1, est considéré comme le cœur du réseau
électrique, il assure la production de l’énergie électrique demandée par le consommateur. Dans notre cas,
le groupe turbo-alternateur est modélisé par une source de tension constante qui injecte, au niveau du
nœud auquel il est connecté, une puissance active Pg et réactive Qg. [BENABID 2007].
Figure 1. 1: Symbole d’un générateur.
2.2.2 MODELE DE LA LIGNE DE TRANSPORT
La ligne de transport a été modélisée par un schéma équivalent en qui est composé d’une impédance
série (résistance R en série avec une réactance inductive X), et une admittance shunt qui consiste en une
susceptance capacitive B (due à l’effet capacitif de la ligne avec la terre) en parallèle avec une
conductance d’isolation G [BENABID 2007]. Voire la Figure 1. 2.
6
Figure 1. 2: Modèle en π d’une ligne électrique et le symbole.
2.2.3 LES JEUX DE BARRES (BUS)
Dans un réseau électrique, les jeux de barres jouent un rôle très important. On trouve trois types de
jeux de barres:
1. Jeux de barres de contrôle PV: Pour ce type de jeux de barre, on associe les centrales de
production. On spécifie la puissance active et le module de la tension. Les variables à déterminer
sont la phase de la tension et la puissance réactive.
2. Jeux de barres PQ: Pour ce type de jeux de barre, on associe généralement les charges. Ces
dernières sont caractérisées par la consommation des puissances active et réactive. On peut aussi
associer des générateurs avec des puissances active et réactive fixées. Les variables à déterminer
sont le module et la phase de la tension.
3. Slack bus: Pour ce type de jeux de barre, on associe la centrale de production la plus puissante.
Dans un jeu de barre k (jeux de barre, de référence ou slack bus), on spécifie la phase et le
module de la tension. Les valeurs à déterminer sont les puissances active et réactive.
2.2.4 LES CHARGES
Une charge est modélisée par une impédance qui consomme une puissance active constante P L et
une puissance réactive constante QL voir la Figure 1. 3[BAGHLI 1994].
Figure 1. 3: Symbole d’une charge.
2.2.5 LES COMPENSATEURS SYNCHRONES
Un compensateur synchrone est un générateur de puissance réactive, il est représenté par un

générateur avec Pg=0 voir la Figure 1. 4[BAGHLI 1994].
7
Figure 1. 4: Symbole d’un compensateur synchrone.
2.2.6 LES COMPENSATEURS STATIQUES
Le compensateur statique simple est modélisé par un condensateur shunt dont l’admittance est égale à
jBc=jCω voir la Figure 1. 5[BAGHLI 1994].
Figure 1. 5: Symbole d’un compensateur statique.
2.2.7 LES TRANSFORMATEURS
Les transformateurs sont représentés par leur matrice admittance.
Les grandeurs associées sont [BAGHLI 1994] :
- Le rapport de transformation qui peut être complexe ou réel.

- L'impédance de fuite Z=R+jX.
- La puissance maximale de transit.
Figure 1. 6: Symbol d’un transformateur.
2.3 LES EQUATIONS MODELISANT L’ECOULEMENT DE PUISSANCE

Le calcul de l’écoulement de puissance dit aussi calcul de la répartition des charges permet de
déterminer [BELHACHEM 2012]:
1. Les tensions complexes aux niveaux des différents nœuds.
2. Les puissances transitées d’un nœud à l’autre.

8
3. Les puissances injectées à un nœud.

4. Les pertes actives et réactives dans le réseau électrique.
Pour un réseau à n nœuds, les équations reliant les tensions nodales et les courants injecte sont :
(1. 1)
∑ (1. 2)
∑ (1. 3)
∑ (1. 4)
Les tensions en forme cartésienne
∑ ∑ (1. 5)
∑ ∑ (1. 6)
(1. 7)
∑ (1. 8)
∑ (1. 9)
J : Le coût total de production.
Fi(Pi): La fonction de coût de la central (i).
I : le courant de nodaux injectée dans le réseau.
Y : la matrice de l’admittance.
V : la tension nodale.
Vi : le module de tension au nœud.
θi : la phase de la tension au nœud.
Pi, Qi et Si : sont les puissance active, réactive et apparent injectées au nœud (i) .
9
θij= θi - θj : la différence de phases entre les nœud i et j.
ei et fj : les parties réelle et imaginaire de la tension au nœud i.
Les caractéristiques de ces équations sont :
- les équations sont algébriques (en régime permanant).

- l’équation dit non linéaires.
2.4 RESOLUTION DES EQUATIONS D’ECOULEMENT DE PUISSANCES
2.4.1 TECHNIQUE DE NEWTON-RAPHSON (TNR):
Cette méthode se base sur le développement en série de Taylor voir l’équation suivant [HAIMOUR
2009], [KHIAT 2003].
(1. 10)
Cette dernière s’obtient successivement à partir des approximations du premier ordre :
(1. 11)
Où est le Jacobien de f(x). A partir d’une valeur initiale x0o, n’obtient les corrections Δxk en
résolvant le système linéaire :
(1. 12)
Le processus itératif s’arrête jusqu’à la satisfaction du critère d’arrêt suivant :
(1. 13)
Dans le réseau, on corrige l’angle et le module de la tension qui sont donnés par les deux équations
suivant :
∑ (1. 14)
∑ (1. 15)
Avec cette notation et en divisons le Jacobien en sous matrices, l’expression (2.15) appliquée au
problème de la répartition des charges, se convertit, en un système matriciel suivant :
[ ] [ ] [ ] (1. 16)
La variable peut être divisée par V
10
[ ] [ ] [ ] (1. 17)
Et l’expression de l’équation Vi est :
[ ∑ ] (1. 18)
En système matriciel est :
[ ] [ ] [ ] (1. 19)
(1. 20)
[ ] [ ] [ ]
Avec :
, , , .
La matrice Jacobienne a comme éléments :
Pour i=j
(1. 21)
(1. 22)
(1. 23)
(1. 24)
Pour i j
(1. 25)
(1. 26)
( ) (1. 27)
( ) (1. 28)
Pour chaque itération, on calcule [ ] en résolvant le système (2. 17). Le processus s’arrêtera pour
| | .
11
2.4.2 METHODE DECOUPLEE RAPIDE (FDLF)
La méthode découplée rapide est une simplification de la méthode découplée. Cette dernière
méthode est basée sur l’équation suivant [KHIAT 2003]. :
(1. 29)
( ) (1. 30)
Les éléments des Jacobiens sont obtenus après certaines approximations successives :
(1. 31)
(1. 32)
(1. 33)
(1. 34)
A partir des approximations précédentes, les Jacobiens H et L s’écrivent comme suit :
= (1. 35)
= (1. 36)
Comme conséquence des simplifications antérieures, les équations (1. 29), (1. 30), en les divisant par
V, et en posant peuvent être de la forme suivante :
(1. 37)
( )
(1. 38)
( )
(1. 39)
(1. 40)
∑
(1. 41)
12
2.5 EXEMPLE DE CALCUL DE L’ECOULEMENT DE PUISSANCE SUR LE

SYSTEM IEEE 30 JEUX DE BARRES
Le system test IEEE 30 jeux de barres (figure 2.7) représente une partie du réseau électrique américain
(dans le Midwest des États-Unis) datant de décembre 1961. Ce système est mis à la disposition de la
communauté scientifique travaillant sur les réseaux électriques pour tester différentes méthodes
analytiques ou programmes numériques pour la résolution des problèmes liés au réseau électriques
[SAADAT 1999].
Les données des jeux de barres de type PV sont représentée dans le :
Tableau 1. 1: Les données pour les bus commandés en tension [SAADAT 1999].
Max. Mvar
Bus (nœud) No. (Magnitude de tension)(p.u) Min. Mvar (capacité)
(capacité)
2 1.043 -40 50
5 1.010 -40 40
8 1.010 -10 40
11 1.082 -6 24
13 1.071 -6 24
Le réglage de prise de transformateur est indiqué dans le Tableau 1. 2:
Tableau 1. 2: Les données des transformateurs [SAADAT 1999].
Désignation des transformateurs Angle de phase du transformateur

4 – 12 0.932
6–9 0.978
6 – 10 0.969
28 – 27 0.989
Les données pour injection Q en raison de condensateurs shunt dans le Tableau 1. 3 [SAADAT 1999] :
Tableau 1. 3: Les données de l’injection Q en raison de condensateurs shunt [SAADAT 1999].
Bus No. Mvar

10 19
24 4.3
13
29
27 28
25
30
23
24
15 18 19
17 20
21
14 16 22
13 12 10
11
9
1 3 4 6 8
1
7
2 5
Figure 1. 7: Schéma unifilaire du système IEEE-30 bus.
Nous avons utilisé l'environnement MATLAB pour obtenir la solution de l’écoulement de puissance
en utilisant la méthode de Newton-Raphson.
Les Tableau 1. 4 et Tableau 1. 5 représentent les paramètres de la ligne, la charge et les générateurs
qui sont utilisé dans cet exemple. Le premier tableau représente l’amplitude de la tension de chaque nœud
et la puissance active et réactive des charges et générateurs du système d’IEEE 30-bus. Pour les types de
jeux de barre 1 représente le slack bus, 2 représente les PV bus et 3 représente les PQ bus.
14
Tableau 1. 4: L’amplitude de la tension de chaque jeu de barres et la puissance active et réactive des
charges et générateurs du système d’IEEE 30 bus).
Charge Générateur
Type du
Bus Voltage Angle Mvar
jeu de MW Mvar MW Mvar Qmin Qmax
No [V] [°] Injectée
barre
1 1 1.06 0.0 0.0 0.0 0.0 0.0 0 0 0
2 2 1.043 0.0 21.70 12.7 40.0 0.0 -40 50 0
3 0 1.0 0.0 2.4 1.2 0.0 0.0 0 0 0
4 0 1.06 0.0 7.6 1.6 0.0 0.0 0 0 0
5 2 1.01 0.0 94.2 19.0 0.0 0.0 -40 40 0
6 0 1.0 0.0 0.0 0.0 0.0 0.0 0 0 0
7 0 1.0 0.0 22.8 10.9 0.0 0.0 0 0 0
8 2 1.01 0.0 30.0 30.0 0.0 0.0 -10 60 0
9 0 1.0 0.0 0.0 0.0 0.0 0.0 0 0 0
10 0 1.0 0.0 5.8 2.0 0.0 0.0 -6 24 19
11 2 1.082 0.0 0.0 0.0 0.0 0.0 0 0 0
12 0 1.0 0 11.2 7.5 0 0 0 0 0
13 2 1.071 0 0 0.0 0 0 -6 24 0
14 0 1 0 6.2 1.6 0 0 0 0 0
15 0 1 0 8.2 2.5 0 0 0 0 0
16 0 1 0 3.5 1.8 0 0 0 0 0
17 0 1 0 9.0 5.8 0 0 0 0 0
18 0 1 0 3.2 0.9 0 0 0 0 0
19 0 1 0 9.5 3.4 0 0 0 0 0
20 0 1 0 2.2 0.7 0 0 0 0 0
21 0 1 0 17.5 11.2 0 0 0 0 0
22 0 1 0 0 0.0 0 0 0 0 0
23 0 1 0 3.2 1.6 0 0 0 0 0
24 0 1 0 8.7 6.7 0 0 0 0 4.3
25 0 1 0 0 0.0 0 0 0 0 0
26 0 1 0 3.5 2.3 0 0 0 0 0
27 0 1 0 0 0.0 0 0 0 0 0
28 0 1 0 0 0.0 0 0 0 0 0
29 0 1 0 2.4 0.9 0 0 0 0 0
30 0 1 0 10.6 1.9 0 0 0 0 0
15
Le deuxième tableau représente les données des lignes du système IEEE30-bus.
Tableau 1. 5: les données des lignes du système IEEE 30-bus.
Bus Bus Angle de

R X ½ B
(nœud) (nœud) phase du
p.u. p.u p.u.
nl nr transformateur
1 2 0.0192 0.0575 0.02640 1
1 3 0.0452 0.1852 0.02040 1
2 4 0.0570 0.1737 0.01840 1
3 4 0.0132 0.0379 0.00420 1
2 5 0.0472 0.1983 0.02090 1
2 6 0.0581 0.1763 0.01870 1
4 6 0.0119 0.0414 0.00450 1
5 7 0.0460 0.1160 0.01020 1
6 7 0.0267 0.0820 0.00850 1
6 8 0.0120 0.0420 0.00450 1
6 9 0.0 0.2080 0.0 0.978
6 10 0 0.5560 0 0.969
9 11 0 0.2080 0 1
9 10 0 0.1100 0 1
4 12 0 0.2560 0 0.932
12 13 0 0.1400 0 1
12 14 0.1231 0.2559 0 1
12 15 0.0662 0.1304 0 1
12 16 0.0945 0.1987 0 1
14 15 0.2210 0.1997 0 1
16 17 0.0824 0.1923 0 1
15 18 0.1073 0.2185 0 1
18 19 0.0639 0.1292 0 1
19 20 0.0340 0.0680 0 1
10 20 0.0936 0.2090 0 1
10 17 0.0324 0.0845 0 1
10 21 0.0348 0.0749 0 1
10 22 0.0727 0.1499 0 1
21 22 0.0116 0.0236 0 1
15 23 0.1000 0.2020 0 1
22 24 0.1150 0.1790 0 1
23 24 0.1320 0.2700 0 1
24 25 0.1885 0.3292 0 1
25 26 0.2544 0.3800 0 1
25 27 0.1093 0.2087 0 1
28 27 0 0.3960 0 0.968
27 29 0.2198 0.4153 0 1
27 30 0.3202 0.6027 0 1
29 30 0.2399 0.4533 0 1
8 28 0.0636 0.2000 0.0214 1
6 28 0.0169 0.0599 0.065 1
16
Le Tableau 1. 6 représente la solution de l’écoulement de puissance par la méthode de Newton-

Raphson représentée par l’amplitude du voltage de chaque nœud et la puissance active et réactive des
charges et générateurs du système IEEE 30-bus.
Tableau 1. 6: L’amplitude de la tension de chaque nœud et la puissance active et réactive des charges et
générateurs (système d’IEEE 30 bus) âpres simulation.
charge Générateur
Bus Tension Angle
MW Mvar MW Mvar Injecté (Mvar)
No. (p.u) [0]
1 1.060 0.000 0.000 0.000 260.998 -17.021 0.000
2 1.043 -5.497 21.700 12.700 40.000 48.822 0.000
3 1.022 -8.004 2.400 1.200 0.000 0.000 0.000
4 1.013 -9.661 7.600 1.600 0.000 0.000 0.000
5 1.010 -14.381 94.200 19.000 0.000 35.975 0.000
6 1.012 -11.398 0.000 0.000 0.000 0.000 0.000
7 1.003 -13.150 22.800 10.900 0.000 0.000 0.000
8 1.010 -12.115 30.000 30.000 0.000 30.826 0.000
9 1.051 -14.434 0.000 0.000 0.000 0.000 0.000
10 1.044 -16.024 5.800 2.000 0.000 0.000 19.000
11 1.082 -14.434 0.000 0.000 0.000 16.119 0.000
12 1.057 -15.302 11.200 7.500 0.000 0.000 0.000
13 1.071 -15.302 0.000 0.000 0.000 10.423 0.000
14 1.042 -16.191 6.200 1.600 0.000 0.000 0.000
15 1.038 -16.278 8.200 2.500 0.000 0.000 0.000
16 1.045 -15.880 3.500 1.800 0.000 0.000 0.000
17 1.039 -16.188 9.000 5.800 0.000 0.000 0.000
18 1.028 -16.884 3.200 0.900 0.000 0.000 0.000
19 1.025 -17.052 9.500 3.400 0.000 0.000 0.000
20 1.029 -16.852 2.200 0.700 0.000 0.000 0.000
21 1.032 -16.468 17.500 11.200 0.000 0.000 0.000
22 1.033 -16.455 0.000 0.000 0.000 0.000 0.000
23 1.027 -16.662 3.200 1.600 0.000 0.000 0.000
24 1.022 -16.830 8.700 6.700 0.000 0.000 4.300
25 1.019 -16.424 0.000 0.000 0.000 0.000 0.000
26 1.001 -16.842 3.500 2.300 0.000 0.000 0.000
27 1.026 -15.912 0.000 0.000 0.000 0.000 0.000
28 1.011 -12.057 0.000 0.000 0.000 0.000 0.000
29 1.006 -17.136 2.400 0.900 0.000 0.000 0.000
30 0.995 -18.015 10.600 1.900 0.000 0.000 0.000
Total 283.400 126.200 300.998 125.144 23.300
17
Le Tableau 1. 7 représente les puissances qui transitent entre les différents jeux de barres.
Tableau 1. 7: Les paramètres de la puissance de transmission depuis ligne à autre ligne
Ligne Puissance au bus et ligne d'écoulement pertes en ligne Transformateur

Angle de phase
de à MW Mvar MVA MW Mvar du
transformateur
1 260.998 -17.021 261.553 1
1 2 177.778 -22.148 179.152 5.464 10.524 1
3 83.221 5.127 83.378 2.808 7.085 1
2 18.300 36.122 40.493 1
1 -172.314 32.671 175.384 5.464 10.524 1
2 4 45.712 2.705 45.792 1.106 -0.517 1
5 82.990 1.703 83.008 2.995 8.178 1
6 61.912 -0.958 61.920 2.048 2.264 1
3 -2.400 -1.200 2.683 1
3 1 -80.412 1.958 80.436 2.808 7.085 1
4 78.012 -3.158 78.076 0.771 1.344 1
4 -7.600 -1.600 7.767 1
2 -44.605 -3.222 44.722 1.106 -0.517 1
4 3 -77.242 4.503 77.373 0.771 1.344 1
6 70.126 -17.526 72.282 0.604 1.179 1
12 44.121 14.646 46.489 0.000 4.685 0.932
5 -94.200 16.975 95.717 1
5 2 -79.995 6.475 80.257 2.995 8.178 1
7 -14.205 10.500 17.664 0.151 -1.687 1
6 0.000 0.000 0.000 1
2 -59.864 3.222 59.951 2.048 2.264 1
4 -69.521 18.705 71.994 0.604 1.179 1
7 37.523 -1.885 37.570 0.367 -0.598 1
6
8 29.528 -3.754 29.766 0.103 -0.558 1
9 27.693 -7.322 28.644 0.000 1.594 0.978
10 15.823 0.653 15.836 0.000 1.278 0.969
28 18.819 -9.618 21.134 0.060 -13.086 1
7 -22.800 -10.900 25.272 1
7 5 14.356 -12.187 18.831 0.151 -1.687 1
6 -37.156 1.287 37.178 0.367 -0.598 1
8 -30.000 0.826 30.011 1
8 6 -29.425 3.196 29.598 0.103 -0.558 1
28 -0.575 -2.370 2.438 0.000 -4.368 1
9 0.000 0.000 0.000 1
9
6 -27.693 8.916 29.093 0.000 1.594 1
18
11 0.000 -15.657 15.657 0.000 0.462 1

10 27.693 6.741 28.501 0.000 0.809 1
10 -5.800 17.000 17.962 1
6 -15.823 0.626 15.835 0.000 1.278 1
10 9 -27.693 -5.932 28.321 0.000 0.809 1
20 9.027 3.560 9.704 0.081 0.180 1
17 5.372 4.414 6.953 0.014 0.037 1
21 15.733 9.842 18.558 0.110 0.237 1
22 7.583 4.490 8.813 0.052 0.107 1
11 0.000 16.119 16.119 1
11
9 -0.000 16.119 16.119 0.000 0.462 1
12 -11.200 -7.500 13.479 1
4 -44.121 -9.961 45.232 0.000 4.685 1
13 0.000 -10.291 10.291 0.000 0.133 1
12
14 7.856 2.442 8.227 0.075 0.155 1
15 17.857 6.947 19.161 0.217 0.428 1
16 7.208 3.363 7.954 0.053 0.112 1
13 0.000 10.423 10.423 1
13
12 -0.000 10.424 10.424 0.000 0.133 1
14 -6.200 -1.600 6.403 1
14 12 -7.782 -2.287 8.111 0.075 0.155 1
15 1.582 0.687 1.724 0.006 0.005 1
15 -8.200 -2.500 8.573 1
12 -17.640 -6.519 18.806 0.217 0.428 1
15 14 -1.576 -0.681 1.717 0.006 0.005 1
18 6.014 1.744 6.262 0.039 0.080 1
23 5.001 2.956 5.810 0.031 0.063 1
16 -3.500 -1.800 3.936 1
16 12 -7.154 -3.251 7.858 0.053 0.112 1
17 3.654 1.451 3.932 0.012 0.027 1
17 -9.000 -5.800 10.707 1
17 16 -3.643 -1.424 3.911 0.012 0.027 1
10 -5.357 -4.376 6.918 0.014 0.037 1
18 -3.200 -0.900 3.324 1
18 15 -5.975 -1.665 6.203 0.039 0.080 1
19 2.775 0.765 2.879 0.005 0.010 1
19 -9.500 -3.400 10.090 1
19 18 -2.770 -0.755 2.871 0.005 0.010 1
20 -6.730 -2.645 7.231 0.017 0.034 1
20 -2.200 -0.700 2.309 1
20 19 6.747 2.679 7.259 0.017 0.034 1
10 -8.947 -3.379 9.564 0.081 0.180 1
21 -17.500 -11.200 20.777 1
21 10 -15.623 -9.606 18.340 0.110 0.237 1
22 -1.877 -1.594 2.462 0.001 0.001 1
22 22 0.000 0.000 0.000 1
19
10 -7.531 -4.384 8.714 0.052 0.107 1

21 1.877 1.596 2.464 0.001 0.001 1
24 5.654 2.788 6.304 0.043 0.067 1
23 -3.200 -1.600 3.578 1
23 15 -4.970 -2.893 5.751 0.031 0.063 1
24 1.770 1.293 2.192 0.006 0.012 1
24 -8.700 -2.400 9.025 1
22 -5.611 -2.721 6.236 0.043 0.067 1
24
23 -1.764 -1.280 2.180 0.006 0.012 1
25 -1.325 1.602 2.079 0.008 0.014 1
25 0.000 0.000 0.000 1
24 1.333 -1.588 2.073 0.008 0.014 1
25
26 3.545 2.366 4.262 0.045 0.066 1
27 -4.877 -0.778 4.939 0.026 0.049 1
26 -3.500 -2.300 4.188 1
26
25 -3.500 -2.300 4.188 0.045 0.066 1
27 0.000 0.000 0.000 1
25 4.903 0.827 4.972 0.026 0.049 1
27 28 -18.184 -4.157 18.653 0.000 1.309 1
29 6.189 1.668 6.410 0.086 0.162 1
30 7.091 1.661 7.283 0.161 0.304 1
28 0.000 0.000 0.000 1
27 18.184 5.466 18.987 0.000 1.309 0.968
28
8 0.575 -1.999 2.080 0.000 -4.368 1
6 -18.759 -3.467 19.077 0.060 -13.086 1
29 -2.400 -0.900 2.563 1
29 27 -6.104 -1.506 6.286 0.086 0.162 1
30 3.704 0.606 3.753 0.033 0.063 1
30 -10.600 -1.900 10.769 1
30 27 -6.930 -1.358 7.062 0.161 0.304 1
29 -3.670 -0.542 3.710 0.033 0.063 1
la somme des pertes 17.599 22.244
2.6 ÉCOULEMENT DE PUISSANCE OPTIMAL
2.6.1 INTRODUCTION
L’optimisation d’écoulement des puissances (Optimal Power Flow ou OPF en anglais), est un
problème de programmation non linéaire. L’optimisation de l’écoulement de puissance consiste à répartir
les puissances actives et réactives demandées entre les différentes centrales interconnectées dans un
réseau électrique pour minimiser le coût total. Cette distribution doit évidemment respecter les limites de
production des centrales et les capacités de transport des lignes électriques et les transformateurs. La
fonction objectif à optimiser est donc le coût de production [BAGHLI 1994].
20
2.6.2 FORMULATION DU PROBLEME DE L'ECOULEMENT DE PUISSANCE OPTIMAL
Le problème d’écoulement des puissances optimal (OPF) est d'optimiser les performances en régime
permanent d'un système d'alimentation en termes d'une fonction objectif tout en respectant les contraintes
d'égalité et d'inégalité. Mathématiquement, le problème d’écoulement des puissances optimal (OPF) peut
être formulé comme suit. [ABIDO 2002]
(1. 42)
(1. 43)
(1. 44)
Où :
- u: vecteur des variables indépendantes ou des variables de contrôle.

- x: vecteur des variables dépendantes ou variables d'état.
- : la fonction objectif à minimiser.
- : ensemble des contraintes d'égalité.
- ensemble des contraintes d'inégalité.
Par conséquent, x peut être exprimé comme : [ABIDO 2002]
(1. 45)
Où :
- PG1: puissance active sur le slack bus.

- VL: amplitude de la tension au bus PQ, les bus de charge.
- QG: puissance réactive des générateurs.
- Sl: puissance apparente qui transite dans les lignes de transmission.
- NL : nombre des bus de charge.
- NG : nombre des générateurs.
- nl : nombre de lignes de transmission.
- T : Angle de phase du transformateur.
Et u peut être exprimé comme suit [HAIMOUR 2009]:
(1. 46)
Où
- NT : nombre de transformateurs de réglage de dérivation.

- NC : nombre de compensateurs
21
2.6.3 CONTRAINTES:
Les contraintes imposées sur la fonction objective à optimiser peuvent être classés en contraintes
d'égalité et en contraintes d'inégalité, comme détaillé dans les sections suivantes.
2.6.3.1 CONTRAINTES D’EGALITE
Les contraintes d'égalité de l'OPF reflètent la physique du système d'alimentation. La physique du

système d'alimentation électrique est représentée par les équations de l'écoulement de puissance typiques.
Ces contraintes d'égalité sont les suivantes.
a) Contraintes De Puissance Active:
∑ [ ( ) ( )] (1. 47)
b) Contraintes Puissance Reactive:
∑ [ ( ) ( )] (1. 48)
Où
- NB : Le nombre de bus.
- : La génération de la puissance active.
- : La production d'énergie réactive.
- : La demande de charge active.
- et : sont des éléments de la matrice d'admittance représentant la
conductance et susceptance entre le bus (i) et le bus (j), respectivement.
2.6.3.2 CONTRAINTES D'INEGALITE :
Les contraintes d'inégalité de l'OPF reflètent les limites des dispositifs physiques présents dans le
système d'alimentation ainsi que les limites créées pour garantir la sécurité du système. Ces contraintes
d'inégalité sont les suivantes [ABIDO 2002].
a) Contraintes De Génération:
Pour tous les générateurs, y compris le slack bus: la tension, les puissances active et réactive devrait
être restreintes par les limites inférieures et supérieures comme suit [ABIDO 2002]:
(1. 49)
22
(1. 50)
(1. 51)
b) Contraintes sur les Transformateurs:
Les angles de phase des transformateurs sont délimités comme suit:
(1. 52)
c) Contraintes Compensations Shunt:
VAR shunt sont restreints par les limites de la manière suivante:
(1. 53)
d) Contraintes de sécurité:
Cela inclut les contraintes de tensions aux bus de charge et les charges de lignes de transmission
comme suit:
(1. 54)
(1. 55)
Il est à noter que les variables de contrôle sont autocontraintes. Les inégalités dures de PG1, VL, QG,
et Sl peuvent être incorporés dans la fonction objective comme des termes quadratiques de pénalité. Par
conséquent, la fonction objective peut être augmentée comme suit[HAIMOUR 2009] :
( )
(1. 56)
∑ ∑ ∑
Où , et et sont des facteurs de pénalité et est la valeur limite de la variable dépendante

x. Donc on peut écrire: [ABIDO 2002]
2.7 CONCLUSION
Dans ce chapitre, nous avons en premier lieu présenté les différents éléments de puissance du réseau.
Par la suite nous avons introduit les notions essentielles de l’écoulement de puissance. Enfin, nous avons
présenté le problème de l’écoulement de puissance optimal.
23
CHAPITRE 2 :
PRESENTATION DE LA METHODE DES PSO
CHAPITRE 2 : PRESENTATION DE LA METHODE DES PSO
3 CHAPITRE 2 : PRESENTATION DE LA METHODE DES PSO
3.1 INTRODUCTION
L'optimisation par Essaim de particules (OEP) est relativement récente, en anglais, (PSO Particle
swarm optimization). Cette méthode a été réalisée par Russel Eberhart (ingénieur en électricité) et James
Kennedy (socio-psychologue) en 1995 [POLI 2007], [Russell 2001].
L’origine de cette méthode vient des observations faites lors des simulations informatiques de vols
groupés d’oiseaux et de bancs de poissons de R EYNOLD, H EPPNER et G RENANDER. Ces
simulations ont mis en valeur la capacité des individus d’un groupe en mouvement à conserver une
distance optimale entre eux et à suivre un mouvement global par rapport aux mouvements locaux de leur
voisinage [HEPPNER 1990], [CALAS 2009].
Au départ J. Kennedy et R. Eberhart cherchaient à simuler la capacité des oiseaux à voler de façon
synchrone et leur aptitude à changer brusquement de direction tout en restant en une formation optimale.
[RIOLAND 2007].
3.2 PRESENTATION DE LA METHODE PSO
3.2.1 DEFINITIONS
PSO est une technique utilisée pour explorer l'espace de recherche d'un problème quelconque pour
trouver l'ensemble des paramètres qui maximise/minimise un objectif particulier [SITE INTERNET].
Une particule est caractérisée par plusieurs attributs [MAURICE 2002] :
1. sa position actuelle: c'est-à-dire ses coordonnées dans l'ensemble de définition et la valeur de

la fonction objective luire correspondant.
2. sa meilleure position : c’est la valeur obtenue par la particule et ses coordonnées.
3. sa vitesse: cette donnée, recalculée à chaque itération de l'algorithme permet de déduire la
position suivante de la particule. Elle est fonction de la meilleure position de la particule depuis le
début de la recherche, du voisin le mieux positionné à l'instant actuel et de la vitesse précédente
de la particule.
4. ses voisins: c'est un ensemble de particule qui influe sur ses déplacements, en particulier celui qui
est le mieux positionné.
24
Figure 2. 1: Schéma de principe du déplacement d’une particule.
3.2.2 L’ALGORITHME PSO
Chaque particule représente une solution potentielle dans l’espace de recherche. La nouvelle
position d’une particule est déterminée en fonction de sa propre valeur et celle de ses voisines. Soit ⃗⃗⃗
la position de la particule Pi au temps t, sa position est modifiée en ajoutant une vitesse ⃗⃗⃗ à sa position
courante [DUTOT] :
⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗ (2. 1)
vi(t) est la vitesse de particule i à l'instant t.
xi(t) est la position de particule i à l'instant t.
L’algorithme PSO décrit ci-dessous est celui qui considère le voisinage d’une particule comme étendu
à toute la population :
1. Création d’une population P de N particules réparties uniformément sur l’espace de recherche E.

2. Chaque particule P est évaluée à l’aide d’une fonction de ﬁtness f mesurant l’adéquation de
cette solution potentielle avec le problème. On rappelle qu’on cherche f (x).
3. Si la position xi de la particule i est meilleure au sens de la fonction de ﬁtness que sa meilleure
position jamais rencontrée , mettre à jour .
4. D´déterminer la meilleure particule parmi la population courante, c’est-à-dire :
(2. 2)
25
5. Mettre à jour la vitesse vi de chaque particule i selon la règle suivante :
( ( )) ( ) (2. 3)
Où:
: est la nouvelle vitesse pour la particule de ;
, : sont les coefficients de pondération pour les meilleures globales et les meilleures positions
personnelles respectivement;
: est la position des particules de au temps t;
: est la position la plus connue des particules de ;
: est la meilleure position connue de l'essaim;
La fonction produisent uniformément un variable aléatoire [0, 1]. Les variantes sur cette
équation de mise à jour considèrent les meilleures positions dans un voisinage local de particules au
temps t.
6. D´déplacer les particules à leurs positions x(t+1), La nouvelle position des particules donner par:
(2. 4)
7. Reboucler sur la seconde étape (itération t + 1) jusqu’`à ce qu’un critère de fin soit vérifié.
3.2.2.1 ALGORITHME SIMPLISTE : ALGORITHME 1 VERSION SIMPLISTE
Les paramètres et variables de l’algorithme
⃗⃗⃗ Position dans l’espace de recherche

⃗⃗⃗ vitesse de la particule
⃗ Position de la particule de la meilleure solution par laquelle elle est passée
⃗ Position de la particule de la meilleure solution connue de son voisinage
La valeur de fitness de la meilleure solution
La valeur de fitness de la meilleure solution connu du voisinage
26
L’algorithme [ABIDO 2001] :
Initialisations :
Initialiser aléatoirement la population.
Traitement :
Entrées :
Répéter
Pour i de 1 à N faire
Si ⃗⃗⃗ alors
⃗⃗⃗
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗
Fin si
⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗
⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗
Fin pour
Jusqu’à (un critère de convergence est atteint)
3.2.2.2 ALGORITHME DE SYNTHESE : ALGORITHME 2 VERSION SIMPLISTE
Les paramètres et variables de l’algorithme [ABIDO 2001] :
N nombre de particules
⃗⃗⃗ Position de la particule
⃗⃗⃗ vitesse de la particule
Meilleure fitness obtenue pour la particule
⃗ Position de la particule pour la meilleure fitness
⃗ Position de la particule ayant la meilleure fitness de toutes
Valeurs aléatoires positives
27
L’Algorithme :
Initialisations :
Initialiser aléatoirement la population.
Traitement :
Répéter
Si ⃗⃗⃗ ) Alors
⃗⃗⃗
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗
Fin Si
Si ⃗⃗⃗ ) Alors
⃗⃗⃗
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗
Fin Si
Fin Pour
⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗
⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗
Fin Pour
Jusqu’à ce que (le processus converge)
3.3 CONCLUSION
Dans ce chapitre, nous avons étudié les principes de la méthode d'essaim de particules. L'application
de cette méthode sur le problème de l’écoulement de puissance optimale est l’objet du prochain chapitre.
28
CHAPITRE 3 :
APPLICATION DES PSO AU PROBLEME DE L’ECOULEMENT DE
PUISSANCE OPTIMAL
CHAPITRE 3 : APPLICATION DES PSO AU PROBLEME DE L’ECOULEMENT DE PUISSANCE OPTIMAL
4 CHAPITRE 3 : APPLICATION DES PSO AU PROBLEME DE L’ECOULEMENT

DE PUISSANCE OPTIMAL
4.1 INTRODUCTION
Nous avons assisté ces dernières années à une croissance très rapide des travaux utilisant les
techniques métas heuristiques dans les systèmes électriques. Cela est dû à la simplicité de leurs
mécanismes, la facilité de leur mise en application et leur efficacité même pour les problèmes complexes
[GACEM 2010]
Dans Ce chapitre, nous allons utiliser les PSO pour résoudre le problème de l’écoulement de puissance
optimal.
4.2 APPLICATION
Afin d'illustrer l'efficacité de la technique des PSO proposée dans ce travail, elle a été testée sur le
système standard de test IEEE 30 bus IEEE voir la figure 2.7. Le système choisi dans cet article présente
les caractéristiques suivantes [BOUCHEKARA], [ABIDO 2001] :
1) six générateurs au bus 1, 2, 5, 8, 11 et 13,

2) quatre transformateurs avec robinet hors nominal rapport aux lignes 6-9, 6-10, 4-12, et 28-27,
3) neuf bus de compensation de l’énergie réactive au bus 10, 12, 15, 17, 20, 21, 23, 24 et 29.
4) Les données de ce système sont données dans le chapitre 2.
La technique proposée a été appliquée pour résoudre le problème OPF pour plusieurs cas et avec
différentes fonctions objectives.
Les paramètres de l’algorithme PSO sont :
- Le nombre d’itérations est 500.

- le nombre des particules est 95.
- w=-0.6031, c1=-0.6485, c2=2.6475
4.2.1 CAS 1 : MINIMISATION DES COUTS DE CARBURANT DE LA GENERATION :
Dans ce premier cas, la réduction du coût de combustible de génération est considérée. Par
conséquent, la fonction objectif J représente le coût total du carburant de tous les générateurs est exprimée
comme suit [BOUCHEKARA 2013] :
∑ ⁄ (3. 1)
29
Où
: est le coût du carburant du i ème générateur.
Les courbes de coût du générateur sont représentées par la fonction quadratique suivante:
⁄ (3. 2)
Où : Le coefficient de coût de base du ième générateur.

: Le coefficient de coût linéaire du i ème générateur.
: Le coefficient de coût quadratique du i ème générateur.
Les valeurs de ces coefficients sont données dans Tableau 3. 1.
Tableau 3. 1: Les coefficients de coûts de chaque générateur.
a b c
Générateur 1 (G1) 0.00 2.00 0.00375
Générateur 2 (G2) 0.00 1.75 0.01750
Générateur 5 (G5) 0.00 1.00 0.06250
Générateur 8 (G8) 0.00 3.25 0.00834
Générateur 11 (G11) 0.00 3.00 0.02500
Générateur 13 (G13) 0.00 3.00 0.02500
La variation du coût total du carburant (qui représente les caractéristiques de convergence de la

technique proposée) est représentée dans la Figure 3. 1. Cette figure montre l'excellente performance de
convergence de la technique proposée. Le coût était dans la situation initiale de 901,88($ / h) et après
optimisation il a diminué à 799.079172 ($ / h).
le cout(cost)($/h) en fonction du nombre d"itérations

840
le cout($/h)
835
830
825
le cout(cost)($/h)
820
815
810
805
800
795
0 50 100 150 200 250 300 350 400 450 500
Iterations
Figure 3. 1: La variation du coût total en fonction du nombre d’iterations (Cas 1).

30
Le Tableau 3. 2 représente les fonctions objectifs individuels considérant la minimisation du coût de

production pour le système IEEE 30-bus (Cas1). Les paramètres optimaux de variables de contrôle sont
donnés dans le Tableau 3. 15.
Tableau 3. 2: Fonctions objectifs individuels considérant la minimisation du coût de production pour le

système IEEE 30-bus (Cas1).
Cas Initiale Cas 1

Le coût du combustible ($ / h) 901.9516 799.079172
Perte de puissance active (MW) 5.8219 8.6339
Perte de puissance réactive (MVar) -4.6066 4.56105
Ecarts de tension 1.1496 1.88202
Lmax 0.1723 0.1160
Le Tableau 3. 3 représente une comparaison entre les valeurs obtenues par d’autres méthodes
d’optimisation reportées dans la littérature et la méthode des PSO. Nous pouvons remarquer que les PSO
donnent de meilleurs résultats.
Tableau 3. 3: Comparaisons des résultats obtenus entre les PSO et d’autres méthodes d’optimisation
reportées dans la littérature pour le Cas 1.
Méthode Coût Description de la méthode Réf.

Essaim de Particules.
PSO 799.0791
(Particle Swarm Optimization)
Optimisation basée sur la biogéographie
BBO 799.1116 [BHATTACHARYA 2011]
(Biogeography-Based Optimization)
Differential Evolution
DE 799.2891 [Abou 2010]
(Differential Evolution)
recruit simulé
SA 799.45 [Roa 2003]
(Simulated Annealing)
Electromagnétisme Like Mécanisme
EM 800.078 [BOUCHEKARA]
(Electromagnetism-Like Mechanism)
L'évolution génétique et la direction
EADHDE 800.1579 [VAISAKH 2011-]
(Genetic Evolving And Direction HDE)
L'évolution Ant Direction différentiel Evolution
EADDE 800.2041 [VAISAKH 2011]
(Evolving Ant Direction Differential Evolution)
L'amélioration des algorithmes génétiques
IGA 800.805 [Lai 1997]
(Improved Genetic Algorithms)
Algorithme génétique amélioré
EGA 802.06 [BAKIRTZIS 2002]
(Enhanced Genetic Algorithm)
Modification différentielle Evolution Algorithm
MDE 802.376 [SAYAH 2008]
(Modified Differential Evolution Algorithm)
Amélioration de la programmation évolutive
IEP 802.465 [ONGSAKUL 2006]
(Improved Evolutionary Programming)
Programmation évolutive
EP 802.62 [YURYEVICH 1999]
(Evolutionary Programming)
Méthode du gradient
GM 804.853 [BELHADJ 1999]
(Gradient Method)
31
4.2.2 CAS 2: AMELIORATION DU PROFIL DE TENSION
La tension aux jeux de barres est l'un des indices de qualité, de service et de sécurité les plus important
et les plus significatif. Minimiser que le coût total pour le problème OPF comme dans Cas 1 peut résulter
en une solution réalisable, mais le profil de tension peut ne pas être acceptable. Par conséquent, dans ce
second cas, une fonction de double objectif est considérée. L'objectif ici est de minimiser le coût du
carburant et d'améliorer le profil de tension en même temps, en minimisant l'écart de tension de bus PQ
de l'unité 1.0. Ainsi, la fonction objective peut être exprimée comme suit [ABIDO 2001] :
∑ (3. 3)
∑| | (3. 4)
(3. 5)
Où
w : est un facteur de pondération sélectionné par l’utilisateur pour donner un poids (une importance)
pour chacun des deux termes de la fonction objectif.
La variation du coût de production est représentée sur la Figure 3. 2. Par rapport au premier cas ici
la valeur de la production est de 803.751786 ($/h) tandis que la déviation de tension a diminué à 0.115776
p.u voir la Figure 3. 3.

835
le cout($/h)
830
825
le cout(cost)($/h)
820
815
810
805
800
0 50 100 150 200 250 300 350 400 450 500
Iterations
Figure 3. 2: La variation du coût total en fonction du nombre d’iterations (Cas2)
32
écarts de tension(Voltage deviations) en fonction du nombre d"itérations

0.45
écarts de tension(Voltage deviations)
0.4
écarts de tension(Voltage deviations) 0.35
0.3
0.25
0.2
0.15
0.1
0 50 100 150 200 250 300 350 400 450 500
Iterations
Figure 3. 3: Ecarts de tension (Voltage deviations) en fonction du nombre Iteration(cas2).
La Figure 3. 4 représente le profil de tension en fonction du nombre de Bus de chaque cas (1 et 2),
l’utilisation de la méthode PSO à optimiser le profil de tension car avant l’amélioration la valeur était
presque de 1.06 (p.u) est après l’optimisation la valeur diminue jusqu'à 1(p.u).
le Profil de tension en fonction du nombre de Bus (PQ)

1.12
Cas1
1.1 Cas2
1.08
le Profil de tension(p.u)
1.06
1.04
1.02
0.98
0.96
0.94
0.92
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
le Nombre de Bus (PQ )
Figure 3. 4: L'amélioration du profil de tension du système.

33
Tableau 3. 4: Fonctions objectifs individuels considérant l’amélioration du profile de tension pour le

Cas Initiale Case 2

écarts de tension 1.1496 0.115776
Lmax 0.1723 0.138036
La Méthode Coût Profile de tension

PSO 803.751786 0.115776
EM 804.26 0.127
BBO 804.9982 0.102
DE 805.2619 0.1357
4.2.3 CAS 3: AMELIORATION DE LA STABILITE DE TENSION
Dans le troisième cas, La capacité du système d'alimentation pour maintenir la tension du bus en
permanence acceptable au niveau de chaque bus dans des conditions normales de fonctionnement, après
augmentation de la charge, suite à des changements de configuration du système, ou lorsque le système
est soumis à une perturbation est une caractéristique très importante du système. Les variables de contrôle
non optimisés peuvent entraîner progressive et la chute de tension in contrôlable entraînant une chute de
tension généralisée éventuelle [BOUCHEKARA 2013].
Dans ce cas, une fonction de double objectif est proposé afin de minimiser les coûts de carburant et
d'améliorer le profil de stabilité de la tension à travers l'ensemble du réseau d'alimentation. Afin
d'améliorer la stabilité de la tension et de déplacer le système loin d'être le point de chute de tension, la
fonction de l'objectif suivant est proposée :
∑ (3. 6)
Où
w : est un facteur de pondération.
: est la valeur maximale de la L-index défini comme : { }
34
La variation du coût total de combustible est représentée sur la Figure 3. 5, et par rapport au l’état
initial ici la valeur coût de combustible à diminuer jusqu'à 800.191989 ($/h).et la stabilité de tension est
diminué jusqu’à la valeur 0.114249 Comme dans la Figure 3. 6 .Donc la méthode de PSO est acceptable.

870
le cout($/h)
860
850
le cout(cost)($/h)
840
830
820
810
800
790
0 50 100 150 200 250 300 350 400 450 500
Iterations
Figure 3. 5: La variation du coût total en fonction de nombre l'iterations (cas3).
la stabilité de tension(Lkmax) en fonction du nombre d"itérations

0.15
la stabilité de tension(Lkmax)
0.145
0.14
la stabilité de tension(Lkmax)
0.135
0.13
0.125
0.12
0.115
0.11
0 50 100 150 200 250 300 350 400 450 500
Iterations
Figure 3. 6: la stabilité de tension(Lkmax) en fonction de nombre Itération.
35

Tableau 3. 6: objectifs individuels considérant l’amélioration de la stabilité de tension pour le système

IEEE 30-bus (Cas3).
Cas Initiale Case 3

Lmax 0.1723 0.114249
La Méthode coût Stabite de tension (Lmax)

PSO 800.191989 0.114249
EM 805.058 0.1167
BBO 805.7252 0.1104
DE 807.5272 0.1219
4.2.4 CAS 4: REDUCTION DES PERTES ET DE TRANSMISSION DE PUISSANCE ACTIVE
Dans ce cas, l'objectif de problème OPF est de minimiser les pertes de puissance active, qui
peut être énoncé comme suit [BOUCHEKARA]:
∑ ∑ ∑ (3. 7)
La variation des pertes de transmission de la puissance active est représentée dans la Figure
3.7 Cette figure montre l'excellente performance de convergence de la technique proposée.
Comme des pertes de transmission de la puissance active étaient dans la situation globale de la
valeur de 5.8219 (MW) et après l’optimisation a diminué la valeur de la perte jusqu'à 2.89903
36
(MW). Mais autres fonctions objectifs du système dans ce cas est devenu pire, comme le coût
par exemple la valeur est augmenté jusqu'à 967.185139 ($/h).
Perte de puissance active(MW) en fonction du nombre d"itérations

9
PLosses(MW)
Perte de puissance active (MW) 8
2
0 50 100 150 200 250 300 350 400 450 500
Iterations
Figure 3. 7: La minimisation des pertes de transmission de la puissance active.
Le Tableau 3. 8 représente les fonctions objectifs individuels considérant la minimisation des pertes
actives pour le système IEEE 30-bus (Cas4). Les paramètres optimaux de variables de contrôle sont
Tableau 3. 8: Fonctions objectifs individuels considérant la minimisation des pertes actives pour le
Cas Initiale Case 4

Perte de puissance réactive (MVar) -4.6066 -20.6026
Lmax 0.1723 0.118672
37
La Méthode Pertes et de Transmission de Puissance Active(MW)

PSO 2.89903
EM 3.1775
4.2.5 CASE 5: MINIMISATION DES PERTES DE PUISSANCE REACTIVE
Dans ce cas, l'objectif de problème OPF est de minimiser les pertes de puissance réactive, qui peut
être énoncé comme l'équation suivante:
∑ ∑ ∑ (3. 8)
La figure suivante représente l’améliorer des pertes de transmission de la puissance réactive, Où il

était dans le cas général a la valeur-4,6066(Mvar) et après amélioration, la valeur a diminué à jusqu'à -
24,0862 (Mvar), Mais autres fonctions objectifs du système dans ce cas est devenu pire, comme le coût
par exemple la valeur est augmenté jusqu'à 967.687397 ($/h).
La perte de puissance reactive (MW) en fonction du nombre d"itérations

-8
QLosses(MVar)
-10
Perts de puissance reactive(QLosses)(MVar)
-12
-14
-16
-18
-20
-22
-24
-26
0 50 100 150 200 250 300 350 400 450 500
Iterations
Figure 3. 8: La minimisation des pertes de transmission de la puissance réactive(MVar).
Le Tableau 3. 10 représente les fonctions objectifs individuels considérant la minimisation des pertes
réactives pour le système IEEE 30-bus (Cas5). Les paramètres optimaux de variables de contrôle sont
38
Tableau 3. 10: Fonctions objectifs individuels considérant la minimisation des pertes réactives pour le
Cas Initiale Case 5

Perte de puissance réactive (MVar) -4.6066 -24.0862
Lmax 0.1723 0.127492
La Méthode Pertes et de Transmission de Puissance Active (MVar)

PSO -24.0862
EM -22.0196
4.2.6 CASE 6: COURBE DES COUTS DE CARbURANT QUADRATIQUE PAR MORCEAUX
Dans la pratique, de nombreuses unités de production thermiques peuvent être fournis avec de
multiples sources de carburant comme bobine, du gaz naturel et du pétrole. Par conséquent, les fonctions
de coût de carburant (courbes) peuvent être divisées en fonctions de coût quadratique par morceaux pour
différents types de combustibles. Le problème dans ce cas devient un problème d'optimisation non
convexe avec des valeurs discontinues à chaque frontière. Il est évident que ce problème a plusieurs
solutions optimales locales et donc, méthodes de résolution traditionnelles si elles sont utilisées sont
susceptibles d'être piégés sur ces solutions optimales locales.
Dans ce cas, la fonction de coût du carburant est donnée comme suit:
∑ ⁄ (3. 9)
: Peut être exprimée comme suit:
(3. 10)
Où k : est la possibilité de carburant.
39
Les coefficients de coûts de combustible de ces générateurs sont donnés dans Tableau 3. 12 :
Tableau 3. 12: Tableau représente les Coefficients de coûts de chaque générateur
à partir à Coefficients de coût

le générateur
MW MW a b c
50 140 55.00 0.70 0.0050
Gen1
140 200 82.50 1.05 0.0075
20 55 40.00 0.30 0.0100
Gen2
55 80 80.00 0.60 0.0200
La figure suivant montre que la variation de coût de carburant ($/h) en fonction de nombre
d’itération, Comme le coût total dans la situation total dans la valeur 901.9516 ($/h), et après
l’amélioration la valeur et diminué jusqu’a 648.7563 ($/h), donc la méthode de essaims de particule PSO
est acceptable.

820
le cout($/h)
800
780
760
le cout(cost)($/h)
740
720
700
680
660
640
0 100 200 300 400 500 600 700 800 900 1000
Iterations
Figure 3. 9: la variation de coût de cas 6

donnés dans le Tableau 3. 15 .
40
Tableau 3. 13: Fonctions objectifs individuels considérant la minimisation du coût de production pour le
Cas Initiale Case 6

Lmax 0.1723 0.13294
La Méthode Le coût
PSO 648.7563
DE 650.8224
EM 650.9371
41
Le Tableau 3. 15 représente les paramètres optimaux de variables de contrôle.
Tableau 3. 15: Les paramètres optimaux des variables de contrôle obtenues pour les six cas d’études
considérés dans ce travail.
Paramètres Min Max Initial Case 1 Case 2 Case 3 Case 4 Case 5 Case 6
P1 50 200 99.2230 177.1090 174.2659 178.6985 51.2999 51.5105 139.999
P2 20 80 80 48.7814 51.6745 48.6856 80 80 54.9997
P5 15 50 50 21.2894 21.3830 18.4779 50 50 23.8388
P8 10 35 20 20.9833 21.7609 24.4501 35 35 34.9780
P11 10 30 20 11.8713 12.0959 10.0000 30 30 18.4945
P13 12 40 20 12.0000 12.0000 12.0000 40 40 18.4177
V1 0.95 1.1 1.05 1.1000 1.0458 1.1000 1.1000 1.1000 1.0471
V2 0.95 1.1 1.04 1.0876 1.0287 1.0873 1.1000 1.1000 1.0285
V5 0.95 1.1 1.01 1.0612 1.0150 1.0618 1.0827 1.0928 1.0064
V8 0.95 1.1 1.01 1.0691 1.0102 1.0821 1.0898 1.1000 1.0107
V11 0.95 1.1 1.05 1.1000 0.9789 1.1000 1.1000 1.0371 1.0464
V13 0.95 1.1 1.05 1.1000 1.0079 1.1000 1.1000 1.0640 1.0812
T11 0.9 1.1 1.078 1.0409 0.9962 0.9818 1.1000 1.0615 0.9502
T12 0.9 1.1 1.069 0.9000 0.9000 0.9000 0.9000 1.1000 0.9804
T15 0.9 1.1 1.032 0.9822 0.9817 1.0029 1.0001 1.0202 0.9899
T36 0.9 1.1 1.068 0.9640 0.9507 0.9702 0.9855 1.0461 0.9791
QC10 0 5 0 5.0000 5.0000 0.0000 5.0000 5.0000 1
QC12 0 5 0 5.0000 1.6635 3.0580 4.9995 5.0000 1
QC15 0 5 0 3.6626 5.0000 5.0000 0 5.0000 1
QC17 0 5 0 5.0000 3.4107 5.0000 5.0000 5.0000 1
QC20 0 5 0 5.0000 4.9987 5.0000 0 5.0000 1
QC21 0 5 0 5.0000 1.6849 5.0000 5.0000 4.9999 1
QC23 0 5 0 5.0000 4.4968 5.0000 5.0000 5.0000 1
QC24 0 5 0 5.0000 5.0000 5.0000 5.0000 5.0000 1
QC29 0 5 0 2.8268 0.1539 5.0000 2.4266 3.1959 1
Le coût du
- - 901.9516 799.07917 803.75179 800.191989 967.18514 967.68739 648.7563
combustible ($ / h)
Perte de puissance
- - 5.8219 8.6339 9.77826 8.91337 2.89903 3.10981 7.32949
active (MW)
Perte de puissance
- - -4.6066 4.56105 10.1653 6.43882 -20.6026 -24.0862 6.13609
réactive (MVar)
écarts de tension - - 1.1496 1.88202 0.115776 2.05847 1.77798 0.996217 0.58442
Lmax - - 0.1723 0.115988 0.138036 0.114249 0.118672 0.127492 0.13294
42
4.3 CONCLUSION
Dans ce chapitre, la méthode d’essaim de particules a été appliquée avec succès pour résoudre le
problème de l’écoulement de puissance optimal. Différents cas ont été considérés : minimisation du cout
total de production, amélioration du profile de tension, amélioration de la stabilité de tension, réduction
des pertes et de transmission de puissance active, minimisation des pertes de puissance réactive et
minimisation du coût de carburant quadratique par morceaux.
De plus, nous avons comparé les résultats obtenus par cette technique avec ceux obtenus par d'autres
techniques rapportées dans la littérature. Cela confirme l'efficacité et la supériorité de la technique
proposée par rapport à de nombreuses autres techniques utilisées pour résoudre le problème de l'OPF en
termes de la qualité des résultats obtenus.
43
CONCLUSION GENERAL
CONCLUSION GENERALE
5 CONCLUSION GENERAL
Dans ce travail, nous avons introduit et présenté une nouvelle technique pour résoudre le problème de
l’écoulement de puissances optimal, qui est la méthode des essaims de particules. Le résultat de cette
étude permet non seulement de déterminer le coût optimal de production dans les systèmes électriques,
mais contribue également à considérer certaines contraintes pratiques comme des courbes de coûts de
combustible quadratique par morceaux.
La Méthode des essaims de particules a été correctement et efficacement mise en œuvre et appliquée
au système test IEEE 30-bus où plusieurs cas ont été considérés :
 Minimisation des coûts de production pour des fonctions convexes.

 L'amélioration du profil de tension.
 L'amélioration de la stabilité de la tension.
 Minimisation des pertes actives.
 Minimisation des pertes réactives.
 Minimisation des coûts de production pour des fonctions non-convexes (quadratique par
morceaux).
Ce travail est important pour les raisons suivantes, parmi tant d’autres:
- L'efficacité de la méthode des essaims de particules qui s’est traduit dans les résultats
obtenus.
- La supériorité de la méthode proposée par rapport à d’autres méthodes rapportées dans

la littérature.
44
BIBLIOGRAPHIE
BIBLIOGRAPHIE
6 BIBLIOGRAPHIE
[ABIDO 2001]: M.A. Abido « Optimal power flow using particle swarm optimization» University Saudi
Arabia. Received 14 August 2000, revised 24 November 2000; accepted 5 July 2001.
[ABIDO 2002]: Abido «Optimal power flow using particle swarm optimization» International Journal of
Electrical Power & Energy Systems 2002.
[ABOU 2010]: Abou El Ela, A.A., Abido, M.A: « optimal power flow using differential evolution
algorithm» Electr Power Syst. Res., 2010, 80, (7), pp. 878–885.
[BAGHLI 1994]: Lotfi BAGHLI: « Réalisation d'un Environnement Graphique avec Base de Données
pour l'Analyse et la Simulation de Réseaux Électriques» Projet de fin d'Etudes, Juin 1994.
[BAKIRTZIS 2002]: A.G. Bakirtzis, P.N. Biskas, C.E. Zoumas, V. Petridis: « Optimal power flow by
enhanced genetic algorithm» IEEE Transactions on Power Systems 17 (2) (2002) 229–236.
[BELHACHEM 2012]: R. Belhachem, F. Benhamida, A. Bendaoued et Y.Ramdani : « résolution de
dispatching optimal en combinant l’écoulement de puissance pour le calcul des pertes » Media mira
science Publisher .all right reserved 2012
[BELHADJ 1999]: Belhadj, C.A.; Abido, M.A: « An optimized fast voltage stability indicator» Electric
Power International Conference on Engineering, 1999.
[BENABID 2007]: Rabah BENABID: «Optimisation Multi objectif de la Synthèse des FACTS par les
Particules en Essaim pour le Contrôle de la Stabilité de Tension des Réseaux Électriques» Thèse de
Magister. Université Amar Telidji, Laghouat. 04/09/2007.
[Bhattacharya 2011] Bhattacharya, A. Chattopadhyay, P.K: « Application of biogeography-based
optimisation to solve different optimal power flow problems » Generation, Transmission & Distribution,
IET, vol.5, no.1, pp.70-80, Jan. 2011.
[BOUCHEKARA 2013]: H.R.E.H. BOUCHEKARA: «Optimal Power Flow Using Electromagnetism-
Like Mechanism » soumis à Electric Power System Research, 2013.
[CALAS 2009]:Guillaume CALAS: «Optimisation par essaim particulaire» 14-16 rue Voltaire, 94270 Le
Kremlin- Bicêtre, France.
[CLERC 2002]: Maurice Clercet Patrick Siarry: «Une nouveau méta heuristique pour l’optimisation
difficile: la méthode des essaims particulaires » Université de Paris
[COOREN 2008]: Yann COOREN: « Perfectionnement d'un algorithme adaptatif d'Optimisation par
Essaim Particulaire. Applications en génie médical et en électronique» DOCTEUR EN SCIENCES
.Spécialité : SCIENCES DE L'INGÉNIEUR, soutenue le 27 novembre 2008.
[DUTOT]: Antoine Dutot et Damien Olivier : « Optimisation par essaim de particules Application au
problème des n-Reines» Laboratoire Informatique du Havre. Université du Havre, 25 rue Philippe Lebon,
76600 Le Havre
[GACEM 2010]: GACEM Abdelmalek: «Utilisation des Méthodes d'Optimisations Méta heuristiques
Pour La Résolution Du Problème De Répartition Optimale De La Puissance Dans les Réseaux Électriques
» Thèse Magister en Electrotechnique 2010.
[HAIMOUR 2009]: HAIMOUR Rachida: « Contrôle des Puissances Réactives et des Tensions par les
Dispositifs FACTS dans un Réseau Électrique» Thèse Magister En Electrotechnique. Année Universitaire
2008-2009.
[HEPPNER 1990]: F. Heppner and U. Grenander. A stochastic nonlinearodel for coordinated bird flocks.
AAAS Publication, Washington, DC, 1990.
[KHIAT 2003]: Khiat Mounir « Répartition optimale des puissances réactives dans un réseau d’énergie
électrique sous certaines contraintes de sécurité » Thèse de doctorat d’état Oran 2003.
45
BIBLIOGRAPHIE
[LAI 1997]: L.L. Lai, J.T. Ma, R. Yokoyama, M. Zhao: « Improved genetic algorithms for optimal
power flow under both normal and contingent operation states» International Journal of Electrical Power
& Energy Systems 19 (June (5)) (1997) 287–292.
[LAOUFI]: LAOUFI Abdellah, ALLAOUA Boumediene : «répartition optimale des puissances actives
d’un réseau électrique utilisant l’algorithme de colonie de fourmis» Université de BÉCHAR, BP. 417,
BÉCHAR (08000), ALGÉRIE.
[LEE 1985]: Lee, K., Park, Y., Ortiz, J: « A united approach to optimal real and reactive power dispatch»
IEEE Trans Power Appar Syst 104(5), 1147–53 (1985).
[ONGSAKUL 2006]: W. Ongsakul, T. Tantimaporn: « Optimal power flow by improved evolutionary
programming » Electric Power Components & Systems 34 (January (1) (2006) 79–95.
[POLI 2007]: Riccardo Poli, James Kennedy, and Tim Blackwell: « Particle swarm optimization
Swarm» Intelligence, 1(1) 33–57, 2007.
[RIOLAND 2007]: Arnaud et Alexandre Eudes: « Optimisation par essaim particulaire pour un problème
d’ordonnancement et d’affectation de ressources » Rapport de Projet 3ème année .2007.
[ROA 2003]: C.A. Roa-Sepulveda, B.J. Pavez-Lazo: « A solution to the optimal power flow using
simulated annealing» International Journal of Electrical Power & Energy Systems 25 (January (1) (2003)
47–57.
[RUSSELL 2001]: Russell C. Eberhart, Yuhui Shi, and James Kennedy. Swarm Intelligence. The
Morgan Kaufmann Series in Artificial Intelligence Morgan Kaufmann, San Francisco, CA, USA, 2001.
[SAADAT 1999]: Hadi Saadat «Power system Analysis », 1999.
[SAYAH 2005]: S. Sayah: « Application des ensembles flous a la répartition optimale de la puissance
dans les réseaux électriques » Mémoire de Magister, Université de Sétif, 2005
[SAYAH 2008] .Samir Sayah, Khaled Zehar: « Modified differential evolution algorithm for optimal
power flow with non-smooth cost functions» Energy Conversion and Management, Volume 49, Issue 11,
November 2008, Pages 3036-3042.
[SITE INTERNET]: http : reussirlem 2info.files. wordpress.com/…/optimisation par essaims de perti-
culaire.Doc.
[SLIMANI 2009]: L. SLIMANI : «Contribution à l’application de l’optimisation par des méthodes méta
heuristiques à l’écoulement de puissance optimal dans un environnement de l’électricité dérégulé » Thèse
de Magister. U-Batna 12/2009.
[VAISAKH 2011]: Vaisakh K, Srinivas LR. : « Evolving ant direction differential evolution for OPF
with non-smooth cost functions» Eng Appl Artif Intell 2011; 24:426–36.
[VAISAKH 2011-]. Vaisakh K, SrinivasLR: « Genetic evolving ant direction HDE for OPF with no
smooth cost functions and statistical analysis» Expert Syst Appl 2011; 38:2046–62.
[YURYEVICH 1999]: J. Yuryevich, K.P.Wong: « Evolutionary programming based optimal power flow
algorithm» IEEE Transactions on Power Systems 14 (4) (1999) 1245–1250.
46

Langue

MAS2013ELT30

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

MAS2013ELT30

Transféré par

Droits d'auteur :

Formats disponibles

‫الجمـهوريــة الجزائريــة الديمقراطيــة الشعبيــة‬

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET ‫وزارة التعليــم العالــي و البحــث العلمـي‬

UNIVERSITE CONSTANTINE I 1 ‫جامعـــــــة قسنطينـــــــــة‬

Faculté des Sciences de la Technologie ‫كلـيــة علوم التكنولوجية‬

ETUDE DE L’ECOULEMENT DE PUISSANCE OPTIMAL

Je remercie Allah, le tout puissant, le miséricordieux, de m’avoir appris ce

En premier lieu, je tiens à remercier Mr : Dr- Bouchekara Houssem,

Pour finir, j’adresse mes remerciements aux membres du jury et

Je tiens à dédier ce travail à :

A mon Père Lamri.

Mes frères et sœurs.

Toute ma grande famille.

Tous mes amis.

2 CHAPITRE 1 : ÉCOULEMENT DE PUISSANCE DANS LES RESEAUX ELECTRIQUE .................. 6

2.1 INTRODUCTION .............................................................................................................................................. 6

3 CHAPITRE 2 : PRESENTATION DE LA METHODE DES PSO ........................................................... 24

3.1 INTRODUCTION ............................................................................................................................................ 24

4 CHAPITRE 3 : APPLICATION DES PSO AU PROBLEME DE L’ECOULEMENT DE PUISSANCE

4.1 INTRODUCTION ............................................................................................................................................ 29

5 CONCLUSION GENERAL .......................................................................................................................... 44

LISTE DES FIGURES

Figure 1. 1: Symbole d’un generateur. .........................................................................................................5

LISTE DES TABLEAUX

Tableau 1. 1: Les donnees pour les bus commandes en tension ...............................................................15

La contribution principale de ce mémoire est l'application de l’Optimisation par Essaims de Particules

Ce mémoire est organisé en trois chapitres:

2 CHAPITRE 1 : ÉCOULEMENT DE PUISSANCE DANS LES RESEAUX

2.2 DESCRIPTION ET MODELISATION DES ELEMENTS DE PUISSANCES DU

2.2.1 MODELE DE L’ALTERNATEUR

Figure 1. 1: Symbole d’un générateur.

2.2.2 MODELE DE LA LIGNE DE TRANSPORT

Figure 1. 2: Modèle en π d’une ligne électrique et le symbole.

2.2.3 LES JEUX DE BARRES (BUS)

2.2.4 LES CHARGES

Figure 1. 3: Symbole d’une charge.

2.2.5 LES COMPENSATEURS SYNCHRONES

Un compensateur synchrone est un générateur de puissance réactive, il est représenté par un

Figure 1. 4: Symbole d’un compensateur synchrone.

2.2.6 LES COMPENSATEURS STATIQUES

Figure 1. 5: Symbole d’un compensateur statique.

2.2.7 LES TRANSFORMATEURS

Les transformateurs sont représentés par leur matrice admittance.

Les grandeurs associées sont [BAGHLI 1994] :

- Le rapport de transformation qui peut être complexe ou réel.

Figure 1. 6: Symbol d’un transformateur.

2.3 LES EQUATIONS MODELISANT L’ECOULEMENT DE PUISSANCE

1. Les tensions complexes aux niveaux des différents nœuds.

2. Les puissances transitées d’un nœud à l’autre.

3. Les puissances injectées à un nœud.

Les tensions en forme cartésienne

J : Le coût total de production.

Fi(Pi): La fonction de coût de la central (i).

I : le courant de nodaux injectée dans le réseau.

Vi : le module de tension au nœud.

θi : la phase de la tension au nœud.

θij= θi - θj : la différence de phases entre les nœud i et j.

ei et fj : les parties réelle et imaginaire de la tension au nœud i.

Les caractéristiques de ces équations sont :

- les équations sont algébriques (en régime permanant).

2.4 RESOLUTION DES EQUATIONS D’ECOULEMENT DE PUISSANCES

2.4.1 TECHNIQUE DE NEWTON-RAPHSON (TNR):

Cette dernière s’obtient successivement à partir des approximations du premier ordre :