Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux.

Reçu : 18 avril 2018 Révisé : 3 septembre 2018 Accepté :27 décembre 2018
Visitez www.DeepL.com/pro pour en savoir plus.
DOI : 10.1002/2050-7038.2828

ARTICLE DE RECHERCHE

Examen critique des schémas de pointe pour le délestage

sous tension

Raja Masood Larik 1,2 | Mohd Wazir Mustafa2 | Muhammad Naveed Aman3

1Département d'ingénierie électrique,

NED University of Engineering and
Technology, Karachi, Pakistan
2École d'ingénierie électrique, Universiti
Teknologi Malaysia, Skudai, Malaisie
3Département d'informatique, Université
nationale de Singapour, Singapour,
Singapour
Correspondance
Raja Masood Larik, Département
d'ingénierie électrique, Université NED
d'ingénierie et de technologie, Karachi,
Pakistan.
Courriel : rmlarik@gmail.com
Informations sur le financement
NED University of Engineering and
Technology, Numéro de
subvention/attribution : Universiti
Teknologi Malaysia pour
l'accomplissement de la mission.
Résumé
Une panne d'électricité est généralement le résultat d'une augmentation de
la charge au-delà de la capacité de transmission du système électrique. L'une
des principales raisons des pannes d'électricité est l'effondrement de la
tension. Pour éviter ce problème, il est nécessaire de prendre des mesures
correctives appropriées, appelées "délestage". Dans les situations d'urgence
critiques et extrêmes, le délestage sous tension (UVLS) est utilisé comme
solution finale pour éviter un effondrement de la tension à plus grande
échelle. Par conséquent, l'UVLS est considéré comme l'état de l'art pour
atteindre la stabilité de la tension. Cette étude résume et met à jour les
aspects importants de l'UVLS ; elle fournit également une compréhension de
principe de l'UVLS, qui est essentielle pour planifier de tels schémas de
défense. En outre, cet article présente une discussion sur les schémas UVLS
récents appliqués dans diverses industries de l'énergie. En outre, les
avantages et les inconvénients des techniques d'intelligence conventionnelle
et informatique sont discutés. Ce travail devrait servir de source
d'information unique pour les ingénieurs, les concepteurs et les chercheurs
du secteur de l'énergie.

MOTS CLÉS

1 | I N T R O D U C T I Opannes,
N réseau électrique, délestage sous tension, effondrement de la tension, stabilité de la tension

La panne d'électricité désigne l'interruption d'un système électrique entraînant l'absence d'alimentation électrique dans
une zone donnée pendant une période de temps déterminée.1,2 Les pannes d'électricité peuvent entraîner de multiples
problèmes tels qu'une forte baisse de la productivité humaine, des litiges de masse, une panne d'internet, une perte de
contrôle du trafic routier et ferroviaire, une perturbation des services de transport aérien, un effondrement du réseau
téléphonique, une panne générale des transactions en ligne, des restrictions sur les services médicaux et une faible
production des entreprises touchées en raison du ralentissement ou de l'arrêt du processus de fabrication.
Les causes des pannes d'électricité peuvent être classées comme techniques ou naturelles. Les catastrophes naturelles
comprennent les inondations, les tremblements de terre (comme dans le cas de la centrale électrique de Fukushima au
Japon),3 les glissements de terrain, les accidents de véhicules ou les chutes d'arbres sur les lignes électriques, et les
inondations.

Liste des symboles et abréviations : P-V, puissance active vs tension ; ANFIS, système d'interférence neuro-flou adaptatif ; ANN, réseau neuronal
artificiel ; BBBC, big bang big crunch ; CIT, techniques d'intelligence informatique ; FVSI, indice rapide de stabilité de la tension ; FA, algorithme
firefly ; FACTS, système de transmission flexible à courant alternatif ; FLC, contrôleur à logique floue ; GAMs, système général de modélisation
algébrique ; GA, algorithme génétique ; HGAPSO, algorithme génétique hybride et optimisation par essaims de particules ; HPSO-SA, optimisation
hybride par essaims de particules et recuit simulé ; LP, programmation linéaire ; LSI, indice de stabilité de ligne ; NN, réseaux neuronaux ; NVSI,
nouvel indice de stabilité de tension ; OLTC, changeur de prises en charge ; PSO, optimisation par essaims de particules ; PMU, unité de mesure de
phase ; PTSI, indice de stabilité de transfert de puissance ; QIEP, programmation évolutionnaire d'inspiration quantique ; Q-V, puissance réactive en
fonction de la tension ; SA, recuit simulé ; SI, indice de stabilité ; SCADA, système traditionnel de contrôle et d'acquisition de données ; UFLS,
délestage sous fréquence ; ULTC, changeur de prise sous charge ; UVLS, délestage sous tension ; VCPI, indice de prévision de l'effondrement de la
tension.

Int Trans Electr Energ Syst. 2019;e2828. wileyonlinelibrary.com/journal/etep 2019 John Wiley & Sons, Ltd. 1 de 26
https://doi.org/10.1002/2050-7038.2828
2 de 44 LARIK ET AL.

etc. Les causes techniques comprennent les défauts de ligne, les problèmes de stabilité, les erreurs humaines, les
équipements défectueux et les lignes surchargées. Les pannes d'électricité ont touché des millions de personnes dans le
monde au cours des deux dernières décennies, ce qui a porté un coup sévère au développement économique et social des
sociétés. Les infrastructures critiques telles que les établissements de soins de santé, les systèmes de contrôle du trafic, les
installations Internet et autres systèmes de communication sont des exemples de l'impact social d'une panne d'électricité.4-
7 En outre, l'augmentation constante de la demande sans tenir compte de l'expansion du système de transmission nécessite

un délestage de la charge pour éviter un effondrement du système.

La transition des systèmes électriques traditionnels basés sur le contrôle et l'acquisition de données (SCADA) vers des
réseaux intelligents plus intelligents s'est accélérée dans de nombreux pays développés et en voie de développement. Le
réseau électrique fonctionne près de ses limites de stabilité, en raison d'un manque de capacité de production ou de
transmission.8 Dans ces circonstances, un système électrique bien contrôlé et sécurisé dont l'intégrité est menacée doit
délester la charge des clients pour se remettre d' u n e situation d'urgence extrême résultant d'un dysfonctionnement
incontrôlé des composants ou de l'interconnexion. En outre, les problèmes de contingence tels que les pannes, entre
autres, peuvent également conduire à des défaillances en cascade. Ces défaillances peuvent persister pendant différentes
périodes, comme le montre la figure 1.
L'instabilité de la tension est une autre cause des grandes pannes d'électricité dans le monde.2,10-13 Le principal
coupable, dans ce cas, est la surcharge des systèmes de transmission. Pour résoudre ce problème, il est important
d'effectuer un délestage efficace sur un réseau électrique déjà sollicité. Il semblerait qu'un délestage inadéquat puisse
encore entraîner une panne d'électricité. D'autre part, un délestage excessif peut créer un problème de sur-fréquence et
une interruption inutile de la clientèle. Toutefois, la plupart des pannes d'électricité survenues au cours des deux dernières
décennies étaient dues à l'instabilité de la tension plutôt qu'à la fréquence ; par conséquent, le délestage sous tension
(UVLS) est considéré comme une meilleure solution contre les pannes d'électricité.
L'apparition de défauts ou même un effet mineur sur les caractéristiques de fonctionnement peut déclencher une série
d'incidents de défaillance du système. Le tableau 1 présente quelques-unes des principales défaillances de systèmes dans le
monde.9
La demande et la production dépendent toutes deux de la fréquence et de la tension.14,17-22 La baisse de la fréquence et
de la tension du système est due à des déficits de puissance réelle et réactive, respectivement.23 La fréquence et la tension
doivent être maintenues dans des limites satisfaisantes pour assurer la sécurité et la cohérence des opérations du système
électrique.24 Le délestage en sous-fréquence (UFLS)25-29 et le délestage en sous-tension (UVLS)30-35 sont généralement deux
méthodologies bien connues, employées lorsque la fréquence ou la tension diminue en dessous d'un seuil spécifié.
En cas de défauts graves, tels qu'une baisse soudaine de la fréquence due à la perte d'un générateur ou à une
perte de synchronisation dans les grands systèmes électriques interconnectés, l'UFLS est utilisé. L'application de
l'UFLS permet d'arrêter la baisse de la fréquence du système en réduisant la charge connectée pour faire
correspondre la capacité de production à la demande.25 En fait, l'UFLS est plus efficace en cas d'îlotage électrique,
c'est-à-dire qu'en réduisant la charge, la fréquence est stabilisée à l'intérieur de l'îlot. Cependant, les techniques UFLS
peuvent être employées pour prévenir les pannes de courant.36
Les techniques UVLS sont utilisées pour éviter l'effondrement de la tension.9 En outre, des actions correctives
peuvent être nécessaires pour rétablir le fonctionnement du système dans ses marges de sécurité.37 L'UVLS est
intrinsèquement un "processus à plusieurs étapes" par rapport à l'UFLS qui est un "processus à une étape". Il convient
de noter que la fréquence reste constante dans l'ensemble du système électrique, alors que la tension à chaque bus
peut changer en fonction de la nature de la charge particulière. Par conséquent, il convient de mentionner que si une
chute de tension se produit en moins d'une seconde, ou si des surcharges apparaissent sans chute de tension
suffisante, l'UVLS devient inadapté à ces systèmes. L'UVLS devient inadapté à ces systèmes ou à ces situations
d'urgence.38
LARIK ET AL. 3 de 44

FIGURE 1 Coupures d'électricité dues à des pannes dans différentes régions du globe9
4 de 44 LARIK ET AL.

TABLEAU 1 Pannes d'électricité massives survenues au cours des deux dernières décennies dans le monde entier

Heure de Personnes
Référence Pays et année la panne, touchées, en Raisons
h millions
El-Sadek4 Égypte, 1990 6 50 Effondrement de la tension
B. Rapports14 Brésil, 1999 5 97 Coup de foudre
B. Rapports14 Inde, 2001 12 226 Coupure de la ligne de
transmission
B. Reports ; Chang et Wu ; et Zhao, Canada et nord-est des 96 55 Erreur humaine
Zhang et He14-16 États-Unis
Zhao, Zhang et He16 Italie, 2003 18 56 Déclenchement des lignes
électriques
B. Rapports14 Indonésie, 2005 7 100 Défaillance d'une ligne de
transmission
B. Rapports14 Brésil et Paraguay, 2009 7 87 Court-circuit des
transformateurs
B. Rapports14 Brésil, 2011 16 53 Défaut de la ligne de
transmission
B. Rapports14 Inde, 2012 15 670 Surcharge
Andersson et al et Makarov, Reshetov, Europe, 2006 2 15 Congestion
Stroev et Voropai3,10

Les techniques UVLS utilisant des techniques d'intelligence informatique ont gagné en popularité en raison de leur
temps de convergence rapide et de leur robustesse dans les systèmes électriques complexes et de grande taille. Cette
étude présente une vue d'ensemble des capacités, des avantages et des inconvénients des différents schémas UVLS utilisés
pour protéger les réseaux électriques contre les pannes.
La plupart des documents existants sur l'examen des techniques UVLS sont les suivants. Les concepts de base de
l'UVLS, ainsi que les comportements des charges statiques et dynamiques, sont abordés dans une étude précédente.18
Dans une autre étude, les caractéristiques des charges et les principes de l'UVLS sont discutés.35 Les auteurs d'une
étude existante9 ont discuté des raisons de la panne, des techniques conventionnelles et informatiques avec leurs
avantages et leurs inconvénients. Cependant, cette étude était limitée aux techniques UFLS. Les principes et les
pratiques industrielles de l'UVLS sont examinés dans une autre étude.39 Les avantages et les inconvénients des
techniques méta-heuristiques pour résoudre les problèmes d'UVLS sont présentés dans une étude précédente.40 Une
autre étude s'est concentrée sur l'application et la classification des schémas UVLS, y compris les caractéristiques de
la charge.41
Il ressort clairement de la discussion ci-dessus que la plupart des études publiées se limitent à un domaine particulier.
D'après les connaissances de l'auteur, il n'y a pas d'étude qui couvre tous les aspects de l'UVLS en un seul endroit. En outre,
l'étude précédente ne couvrait pas les modèles mathématiques de délestage et les différents types d'indices de stabilité de
la tension. La principale contribution de ce document est qu'il fournit une discussion complète et détaillée des techniques
UVLS dans u n plus grand nombre de domaines. En particulier, ce document d'analyse prend en compte les points suivants
:

• Principes fondamentaux de l'UVLS, de ses applications et des pratiques industrielles.

• Les caractéristiques de la charge ainsi que les différentes approches pour résoudre le problème de l'UVLS et les tendances
futures.
• Discussions sur les courbes PV et QV en fonction des conditions de contingence.
• Discussion des techniques conventionnelles et informatiques pour résoudre les problèmes de délestage, avec leurs
avantages et leurs inconvénients.
• Modèles de délestage basés sur des équations mathématiques.
• Différents types d'indices de tension et de ligne pour prévoir l'effondrement de la tension.
• Analyse critique des schémas UVLS basés sur un algorithme génétique et une optimisation par essaims de particules.

Le reste de ce document est organisé comme suit : Les sections 2 et 3 traitent respectivement de l'effondrement
LARIK ET AL. 5 de 44

et de la stabilité de la tension. La section 4 résume les pratiques et applications industrielles. Les sections 5 et 6
présentent respectivement la classification et les principes de l'UVLS. La section 6 décrit les différents types d'indices
utilisés pour prédire l'effondrement de la tension. La section 7 aborde les différentes approches utilisées pour le
délestage. La section 8 présente une comparaison des techniques conventionnelles et informatiques, et enfin, nous
concluons le document à la section 9.
La section suivante explique les phénomènes d'effondrement et de stabilité de la tension, ainsi que leurs différentes
catégories, qui aident à trouver le point d'effondrement.
6 de 44 LARIK ET AL.

2 | EFFONDREMENT DE LA TENSION

L'effondrement de la tension est une forme grave d'instabilité du système, qui peut affecter de nombreux composants des
systèmes électriques ; en fait, il peut s'agir d'un effondrement de la tension de l'ensemble du système électrique qui se
produit généralement lorsque la demande de puissance réactive est supérieure à l'offre, en raison du manque de sources
de puissance réactive. Lorsque l'amplitude de la tension diminue très rapidement par rapport au temps, un effondrement
de la tension peut se produire, et l'amplitude de la tension devient alors incontrôlable. Les incidents liés à l'effondrement
de la tension dépendent principalement des limites du système de transmission, et c'est un signe d'instabilité de la tension
dans le système. En outre, l'instabilité de la tension est également attribuée à des augmentations inattendues de la charge
ou à une panne de composant, avec l'augmentation soudaine de la demande d'électricité. Il convient de noter q u e la
plupart des réseaux électriques existants atteignent l'efficacité maximale de la capacité de transmission en raison d'une
complexité et d'une charge accrues.42,43
L'effondrement de la tension est un défi majeur pour les opérateurs de réseaux électriques.44-47 Des facteurs tels que
l'évolution des charges naturelles, la dépendance à l'égard d'une production éloignée des centres de charge et la croissance
naturelle de la charge augmentent le risque d'effondrement de la tension.41,48 Le risque d'instabilité de la tension augmente
encore en raison des réseaux électriques fortement surchargés et des embouteillages lors des pannes et des coupures. Un
effondrement de la tension conduit à son tour à un état de black-out.9,41 Les points de vue techniques et économiques sur
les systèmes UVLS sont examinés dans une autre étude.18 Si l'effondrement de la tension est prévu, l'UVLS est la contre-
mesure la plus appropriée pour l'éviter.49-51

3 | STABILITÉ DE LA TENSION

La charge est généralement le facteur déterminant de l'instabilité de la tension. La stabilité de la tension décrit la capacité
d'un réseau électrique à fonctionner avec des tensions équilibrées sur tous les bus du réseau lorsqu'il est soumis à une
perturbation importante par rapport aux conditions d'exploitation spécifiées.17 La surcharge ou l'arrêt involontaire d'une
ligne ou d'un générateur provoque généralement une instabilité de la tension, ce qui peut entraîner une augmentation de
la demande de puissance réactive et, en fin de compte, un black-out.9 La figure 2 montre les zones de fonctionnement
stables et instables en termes de tension dans un système électrique.
La figure 3 montre la courbe P-V utilisée par les planificateurs de réseaux de services publics à des fins d'analyse pour
obtenir la capacité de transfert d'énergie réelle à travers une interface de transmission afin d'alimenter la charge locale.
Une fois qu'une ligne se déclenche, la tension décroît plus rapidement, ce qui est instructif pour les planificateurs de
systèmes de services publics et est appelé courbe de nez.36 La nature de la charge détermine la forme de la courbe de nez
au centre de charge. Dans le cas de base, la puissance et la tension sont transférées en douceur jusqu'à ce que les transferts
de puissance atteignent un niveau élevé (A3), puis le système s'effondre en raison de la chute rapide de la tension, ce qui
entraîne un décalage des systèmes interconnectés, d'où une augmentation de l'angle entre eux. L'analyse de la courbe P-V
montre que lorsqu'un système électrique fonctionne sans aléas (c'est-à-dire sans coupure de circuit), on observe un nez
prolongé (nez de la courbe A). D'autre part, si la condition de contingence (N-1) survient, son point de nez se déplace
(courbe B ) et le système électrique risque de s'effondrer. Cependant, si les défaillances du générateur et de la ligne de
transmission se produisent en même t e m p s , c ' e s t - à - d i r e dans la pire éventualité N-2, un effondrement très rapide
peut se produire car son nez apparaît très tôt (courbe C) par rapport aux conditions normales de fonctionnement du
système électrique.
Il existe plusieurs types d'instabilités de tension. Le premier type est à court terme et se produit en quelques
secondes ; le deuxième type peut durer quelques minutes et est qualifié de moyen ; et enfin, le troisième type est une
instabilité de tension à long terme dont les périodes de temps vont de quelques minutes à plusieurs minutes. Chaque
type de stabilité de la tension est décrit plus en détail ci-dessous :
LARIK ET AL. 7 de 44

FIGURE 2 Marges de stabilité de tension42

8 de 44 LARIK ET AL.

FIGURE 3 Marges de stabilité de la tension dans des conditions de contingence52

3.1.1 | Stabilité de la tension à court terme

La stabilité de la tension à court terme fait référence à la nature dynamique des charges telles que les moteurs à induction
et autres charges électroniques. La nature variable dans le temps des caractéristiques de fonctionnement de la charge
entraîne un problème de stabilité de la tension à court terme dans le réseau. La stabilité de la tension à court terme peut
être étudiée en modélisant la dynamique des charges. La période d'étude intéressante pour la stabilité de la tension à court
terme est la seconde.

3.1.2 | Stabilité de la tension à moyen terme

Le problème de stabilité de la tension à moyen terme survient lorsque la période à court terme passe à quelques minutes,
c ' e s t - à - d i r e 2 minutes ou plus. Il se produit généralement en raison de l'activation des changeurs de prises sous charge
avant l'engagement des limiteurs d'excitation.

3.1.3 | Stabilité de la tension à long terme

La stabilité de la tension à long terme se réfère à une durée de plusieurs minutes. L'arrêt d'un équipement entraîne une
instabilité d e la tension due à la perte de l'équilibre à long terme. Parfois, les équipements à action lente, tels que les
transformateurs à changement de prise, causent des problèmes de stabilité de la tension à long terme. Le délestage est la
solution la plus appropriée en cas de perte d'un équipement du réseau pendant une longue période.
La section suivante développe les règles et réglementations relatives à la conception des schémas UVLS, qui sont utiles
aux opérateurs de réseaux électriques, aux planificateurs et aux concepteurs pour concevoir un réseau électrique fiable et
efficace.

4 | APPLICATIONS DES SYSTEMES UVLS

Le groupe de travail sur le délestage sous tension (UVLSTF) du Western Systems Coordinating Council (WSCC) a établi un
certain nombre de règles qui doivent être respectées lors de la conception d'un système de délestage sous tension.
Ces règles sont présentées ci-dessous.38,53

1. Des dispositifs de protection et des systèmes de contrôle sont généralement incorporés dans le programme de
délestage pour éviter les chutes de tension temporaires, c ' e s t - à - d i r e les basses tensions qui peuvent être
produites par les climatiseurs installés, les pannes prolongées, etc.
2. Le délai typique nécessaire pour déclencher la chute de charge varie entre 3 et 10 secondes.
LARIK ET AL. 9 de 44

3. Les TP connectées au-dessus du jeu de LTC automatiques doivent être équipées de relais UVLS.
4. Le signal de déclenchement pour les points de captage de tension doit être plus élevé que le "point de nez" de la
courbe P-V ou Q-V critique.
10 de LARIK ET AL.
44

5. Il est nécessaire de bien vérifier et coordonner les délais des systèmes adjacents, ainsi que les points de captage
de la tension, afin que l'UVLS ne se déclenche pas plus tôt.
6. Afin d'éviter les déclenchements intempestifs et d'accroître la fiabilité des opérations, le système doit comporter
suffisamment d'intelligence et de redondance.
7. Pour réguler les tensions à des niveaux de fonctionnement minimum, les charges doivent être contrôlées en proportion
directe tout en maintenant les limites VAR comme spécifié par les normes de stabilité de la tension de la WSCC.

Les phases typiques choisies pour le relais décentralisé sont les suivantes :

1. Une fois le contrôle effectué, si la tension des bus chute à 90 % ou moins de la norme, le système déclenche 5 % de la
charge pendant au moins 3,5 secondes.
2. Lorsque les tensions de bus chutent à 92 % ou moins, déclencher 5 % de charge supplémentaire pendant 5,0 secondes.
3. Lorsque les tensions de bus chutent à 92 % ou moins, déclencher une charge supplémentaire de 5 % pendant 8,0
secondes.

5 | PRATIQUES INDUSTRIELLES ET CLASSIFICATION DES SYSTÈMES UVLS

Selon les différents systèmes de protection, les informations relatives à la transmission du signal de déclenchement dans
une zone donnée peuvent être classées comme suit :

5.1 | Centralisé ou décentralisé

Dans le dispositif centralisé de délestage55 , l'information du signal de déclenchement est transmise en de nombreux points
aux relais de délestage sous tension connectés aux bus principaux du système dans la partie critique. Ces dispositifs sont
appelés Special Protection Scheme56 (SPS) et Wide Area Protection Scheme (WAPS).57-61 Avec les développements récents
de l'informatique et de la technologie des réseaux, l'UVLS centralisé est devenu possible. D'autre p a r t , les schémas
décentralisés36 suivent un principe similaire à celui de l'UFLS, le relais fonctionnant à l'endroit sélectionné lorsque la
fréquence ou la tension tombe en dessous d'une valeur seuil.

5.2 | Statique et dynamique

Dans l'approche statique, une quantité fixe de délestage se produit à chaque étape. Cependant, l'approche dynamique
dépend d u type de perturbation et de la performance fluctuante du système à chaque étape et peut changer avec le
temps.

5.3 | Boucle fermée vs boucle ouverte

L'UVLS en boucle fermée est destiné à fonctionner pendant de nombreuses périodes, et chaque action dépend de la
solution calculée d'une action antérieure, ou peut également envisager de travailler sur le retour d'information du système.
Alors que l'action de contrôle d'urgence en boucle ouverte est basée sur des simulations hors ligne de scénarios
hypothétiques et ne réajuste pas son action pour s'assurer de la progression du système.

5.4 | Basé sur la réponse ou sur l'événement

Le schéma basé sur la réponse dépend du type de perturbation et de l'ampleur du niveau de tension. L'ampleur de la
tension à faible niveau affecte le fonctionnement du système électrique. Des mesures correctives peuvent être prises en
conséquence. De même, un programme de délestage basé sur les événements fonctionne sur la base de l'identification
d'occasions précises.62

5.5 | Algorithmes basés sur des décisions ou sur des règles

Un schéma algorithmique basé sur la décision est utile pour l'instabilité de la tension à long terme tout en tenant compte
LARIK ET AL. 11 de
44
des applications en temps réel. D'autre p a r t , une approche basée sur des règles dépend des conditions initiales, telles que
le délestage de charge, les critères de transfert de blocage et les événements probables.
12 de LARIK ET AL.
44

6 | PRINCIPES DE L'UVLS

Comme l'ont débattu divers chercheurs, trois préoccupations majeures concernant l'UVLS ont été déclarées comme devant
ê t r e prises en compte : la quantité, le moment et l'emplacement approprié du délestage.

6.1 | Quantité de charge délestée

Le volume de délestage doit être optimisé lors du déclenchement d'un événement de délestage. Un délestage
excessif crée un problème de sur-fréquence et une interruption inutile pour les clients. D'autre part, le délestage
d'une quantité de charge inférieure à celle requise ne permet pas d'arrêter l'instabilité de la tension et peut provoquer
un effondrement de la tension. Les caractéristiques de la charge jouent un rôle important dans la détermination de
l'aptitude d'un système électrique instable. Les charges typiques comprennent les moteurs à induction, les charges
thermostatées (climatiseur ou chauffage), les lampes à décharge et les changeurs de prise sous charge (ULTC), qui
sont dynamiques et variables dans le temps par nature. Les charges hautement réactives sont délestées en priorité
parce qu'elles peuvent créer un déficit de puissance réactive jusqu'à un niveau dangereux conduisant à un
effondrement de la tension. En général, les moteurs à induction représentent 20 % de la charge, comme le
recommande le Western Electricity Coordinating Council (WECC),63 . L'incertitude de la tension dépend donc de la
fraction de la charge du moteur et de la charge non motorisée.
La quantité de charge délestée est optimisée et peut continuer à changer tout au long de l'occurrence d'un
effondrement de tension. L'objectif des techniques UVLS est d'amener un système vers la stabilité tout en délestant le
moins de charge possible. Une approche concrète dans une étude précédente64 offre la quantité la plus faible et
l'emplacement le plus fin de la charge à délester. Dans cette méthode, la question de l'optimisation non linéaire est résolue
au moyen d'une approche en plusieurs étapes, et la quantité de charge délestée est minimisée à chaque étape. De même,
pour estimer la quantité de charge délestée, une technique basée sur un a l g o r i t h m e génétique (AG) a été utilisée et
mise en œuvre dans le système d'Hydro-Québec65,66 ; cependant, l'approche n'est pas en mesure de prendre en compte une
gamme plus large de comportements de charge et un certain nombre de scénarios, et n'est pas adaptée aux problèmes
d'instabilité de la tension à court terme. Un modèle permettant de minimiser la quantité de charge délestée à l'aide d'une
recherche incrémentale pour vérifier le comportement du système afin de restaurer les simulations dans le domaine
temporel est présenté dans l'étude précédente.65 Le temps de calcul est fortement réduit en ce qui concerne l a stabilité de
la tension à long terme en utilisant la technique de simulation Quasi-steady-state en reconnaissant les bus les plus faibles.
La méthode de Newton-Raphson amortie a été proposée dans une étude existante,51 , qui utilise des équations de flux de
puissance modifiées pour estimer et minimiser la quantité de charge délestée en identifiant le bus le plus faible du système.
Dans une étude antérieure,67 , des algorithmes méta-heuristiques ont été proposés pour obtenir la quantité
minimale, l'emplacement correct et le moment approprié de délestage, notamment l'optimisation par essaims de
particules,68 l'algorithme de la luciole,69 la programmation évolutionnaire,70 l'optimisation par colonies de fourmis,71 le
réseau neuronal artificiel,72 l'algorithme génétique,73 et la programmation évolutionnaire inspirée par les quanta.74
Pour obtenir des solutions réalisables tout en tenant compte des contraintes du problème, l'utilisation d'algorithmes
évolutionnaires permet d'obtenir une meilleure précision et une plus grande rapidité.

6.2 | Emplacement pour le d é l e s t a g e de charge

Les bus qui ont une grande influence sur les marges de stabilité de la tension sont appelés bus faibles. En outre, les bus
faibles sont généralement situés loin de la production et aucune source réactive n'est connectée à ces bus. Dans un système
électrique, dans la planification à long terme et dans les études d'exploitation, il est obligatoire de reconnaître ces bus. Ainsi,
les actions correctives doivent être mises en œuvre à un tel endroit. Le bus le plus approprié pour le délestage de la charge
est celui qui a la p u i s s a n c e l a p l u s é l e v é e .
valeur de dV/dQ (décroissance très rapide de la tension), qui indique une plus grande vulnérabilité à l'effondrement de la
tension.39 Le meilleur emplacement de délestage, caractérisé par la disposition du bus le plus faible, tel que présenté dans
une étude précédente.66 Les auteurs d'une autre étude75 classent les bus du système et déclenchent l'UVLS sur les bus les
plus faibles. Toutefois, cette approche a abouti à un délestage sous-optimal.
En utilisant la méthodologie de programmation non linéaire en plusieurs étapes, un nouveau réseau multiport est
suggéré pour réduire au minimum la quantité de charge à l'endroit approprié dans le cadre d'une recherche
LARIK ET AL. 13 de
44
existante.64 Les résultats obtenus ont été comparés et confirmés par l'approche de l'analyse modale. Cependant,
l'analyse modale ne peut pas évaluer le point de charge maximum et ne peut pas identifier les zones critiques, et par
conséquent, les zones ont été examinées sur la base du cas de base.
La section suivante explique les différents types d'indices populaires utilisés dans la littérature ainsi que leurs
expressions mathématiques. Ces indices sont très utiles pour décider de l'emplacement du délestage au moment
opportun.
14 de LARIK ET AL.
44

6.3 | Types d'indices

Dans la littérature, différents types d'indices sont utilisés pour optimiser le fonctionnement et le contrôle du système
électrique. Ces indices sont utiles pour identifier les bus faibles et le meilleur emplacement pour le délestage. Les
différents types d'indices sont utilisés dans la littérature ; certains d'entre eux sont présentés avec leur formulation
mathématique comme suit.

6.3.1 | Indices de tension et de stabilité des lignes

La plupart des indices de stabilité des lignes sont exprimés en termes de concept de transmission de puissance d'un modèle
de ligne unique. L'effondrement de la tension peut être prédit sur la base des indices de stabilité des lignes. L'objectif de
l'utilisation de l'indice de stabilité de la tension/ligne est d'identifier le point d'effondrement dans le système électrique
complexe interconnecté.76 Ces indices sont utilisés pour accéder à la stabilité tension/ligne des réseaux électriques. La
stabilité tension/ligne peut être analysée à l'aide de différents indices énumérés ci-dessous ; ces indices dérivés pour
l'analyse de la stabilité de la tension se réfèrent soit à un bus, soit à une ligne. L'indice de stabilité de la ligne indique
également la stabilité du bus connecté (bus récepteur) sur cette ligne. En revanche, l'indice de stabilité du bus indique la
stabilité d'un bus particulier. Les opérateurs de réseaux électriques peuvent utiliser ces indices pour déterminer à quel
point le système est proche d'un effondrement de tension de manière spontanée et réagir en conséquence. Il est à noter
qu'une ligne peut être connectée à plusieurs bus ; cependant, le délestage est effectué sur le bus qui a une valeur d'indice
élevée. Le système électrique reste stable lorsque toutes les valeurs d'indice sont inférieures à un. Cependant, une valeur
d'indice de un ou plus indique un système instable. Voici quelques-uns des indices de stabilité les plus courants :

6.3.2 | Indice de stabilité de la tension rapide

L'indice rapide de stabilité de la tension (FVSI) permet d'identifier le point d'effondrement de la tension, les zones critiques
et la charge maximale admissible dans un grand réseau électrique. En outre, il est également utile pour déterminer la
capacité de charge maximale du système électrique, les bus faibles et la ligne la plus critique dans un système
interconnecté, ce qui est utile pour l'évaluation en ligne de la stabilité de la tension. La reconnaissance des bus critiques au
moyen d'indices de proximité est considérée comme un développement substantiel. Les FVSI peuvent être utilisés pour
alerter un opérateur de système avant que le système électrique n'atteigne son point de bifurcation.77 Un FVSI issu de
l'équation du réseau à deux bus de la figure 4.

Si , Sj = Puissance apparente sur les bus d'émission et de réception.

Vi ,Vj = Tension sur les bus d'émission et de réception.
Pi , Pj = Puissance active sur les bus d'émission et de réception.
Qi , Qj = Puissance réactive sur les bus d'émission et de réception.

L'ISFL est formulé comme suit

4 Zij2
FV SIij ¼ Q ; (1)
j
V2 X
i ij

où Xij , est la réactance entre les lignes i et j, Zij est l'impédance entre les lignes i et j, Qj est le flux de puissance réactive à
l'extrémité réceptrice, et Vi est la tension à l'extrémité émettrice.
FIGURE
LARIK ET AL4
. Modèle de système électrique à deux bus 15 de
44
16 de LARIK ET AL.
44

6.3.3 | Indice de stabilité de la ligne

L'indice de stabilité de ligne (LSI) est basé sur le concept de transmission d'énergie dans une ligne unique. La figure 5 illustre
une ligne unique d'un réseau interconnecté.
Lmn appelle l'indice de stabilité de cette ligne ; il est utilisé pour trouver l'indice de stabilité de chaque ligne
connectée entre deux bus.44 L'indice de stabilité de la ligne pour ce modèle peut être exprimé comme suit

L = 4XQj . (2)
mn
[V i sin(θ-δ)]2

Angle d'impédance θline

δa différence d'angle entre la tension d'alimentation et la tension de l'extrémité réceptrice
X réactance de ligne
Qj flux de puissance réactive au niveau du
bus de réception Vi tension au niveau du bus
d'émission
R + jX Impédance de la ligne de transmission
P + jQ Puissance apparente à l'extrémité
réceptrice

6.3.4 | Facteur de stabilité de la ligne (LQP)

le facteur de stabilité de ligne LQP tel que présenté dans.78 Le LQP s'exprime comme suit
2
X X
LQP = 4 Qr +P
S 2S
. (3)
VS V

Les paramètres de l'équation 3 sont

expliqués comme suit
X Réactance de la ligne de
transmission VS Tension de
l'extrémité émettrice
Qr Puissance réactive à
l'extrémité réceptrice PS
Puissance active à l'extrémité
émettrice

6.3.5 | Indice de stabilité de la tension de ligne

L'indice de stabilité de la tension de ligne (LVSI) a été proposé dans une étude précédente79 et prend en compte la
relation entre la tension du bus à l'extrémité d'envoi des lignes de puissance réactive.80 Il peut être exprimé comme suit

4rPr
LVSI = ≤ 1. (4)
[VS cos(θ-δ)]2

6.3.6 | Indice de stabilité

Cet indice se réfère à la stabilité de la tension pour les réseaux de distribution radiaux, comme cela a été présenté dans une
autre étude.81 La figure 6 illustre un système de distribution à deux bus et peut être exprimée comme suit
LARIK ET AL. 17 de
44

FIGURE 5 Modèle de transmission à ligne unique

18 de LARIK ET AL.
44

FIGURE 6 Modèle de système à deux bus

SI(r) = 2VSV22
r -V
r -2V
4
r
2 (PR + QX)-|Z|2 P2 + Q2 . (5)

VS ∠ 0 Angle de tension de l'extrémité émettrice 0

Vr ∠ θ Angle thêta de la tension à
l'extrémité réceptrice Z = R + jX
Impédance de la ligne de
transmission
P + jQ Puissance apparente à l'extrémité réceptrice

6.3.7 | Indice de prédiction de l'effondrement de la tension

Une autre étude propose un indice de stabilité de la tension basé sur les informations de phase de tension des bus
participants au système et le réseau d'admittance du réseau, appelé indice de prédiction de l'effondrement de la
tension (VCPI).82 Le VCPI est calculé en utilisant la matrice d'admittance du réseau et le phasage de tension mesuré à
chaque bus. La technique peut être mise en œuvre sur n'importe quel système de bus. Un modèle mathématique du
VCPI est dérivé des équations de flux de puissance résolues par la méthode de Newton Raphson ; par conséquent, en
mettant le déterminant de la matrice à zéro, l'indice au bus j peut être exprimé comme suit :

N
∑ Vm
*
m=1, m ≠ k
VCPI k = 1 − , (6)
Vk

Ykm
où, Vm* = N
. (7)
∑ Ykj
j=1. j ≠ k

Vk Est le phaseur de tension au

Vm bus k Est le phaseur de tension
Ykm
Ykj
au bus m
K Est l'admittance entre le bus k et m Est
l'admittance entre le bus k et j Est le
bus de surveillance
M L'autre bus est-il connecté au bus k
N Est l'ensemble de bus du système

Le VCPI est calculé uniquement à partir de la tension de phasage des bus participants et de l'impédance des lignes
correspondantes. Cette technique est suffisamment rapide pour surveiller le système électrique en ligne.

6.3.8 | Indice de stabilité du transfert de puissance

Kessel et al83 ont dérivé l'indice de stabilité du transfert de puissance (PTSI) en considérant le système équivalent de
Thevenin
LARIK ET AL. à deux bus, avec le bus d'inertie connecté à un bus de charge par une seule branche, comme le montre19lade
44
figure 7.
20 de LARIK ET AL.
44

FIGURE 7 Modèle de l'équivalent de Thevenin

La puissance apparente SL peut être calculée comme indiqué dans l'équation 8.

SL = 2
E2Thev ZL . (8)
2
ZThev + ZL + 2Z ZThevL cos(β-α)

ZL Impédance de
charge ZThev Impédance
de Thévenin EThev
Tension de Thévenin
αAngle de phase de l'impédance de charge
βAngle de phase de l'impédance de Thevenin

,
En outre, la puissance apparente maximale de la charge SLmax est alors déterminée en différenciant S∂L ∂ZL = 0,
ce qui se produit lorsque ZL = ZThev . La puissance apparente maximale de la charge est donnée par l'équation 9.

E2Lev
SLmax = . (9)
2ZThev [1 + 2 cos(β-α)]
L ,
L'indice de stabilité du transfert de puissance est alors défini par le rapportS
SLmax
, ce qui donne

2S ZLThev [1 + cos(β-α)]
PTSI = 2
. (10)
EThev

En utilisant l'équation 10, le PTSI est mesuré à chaque bus. Les paramètres de Thevenin peuvent être suivis en ligne
sur la base de l'unité de mesure de phase (PMU) par l'algorithme récursif des moindres carrés.84,85

6.3.9 | Nouvel indice de stabilité de la tension

Un nouvel indice de stabilité de la tension (NVSI) proposé par d'autres études86,87 provient du réseau à deux bus,
comme le montre la figure 8. Il donne des informations sur la charge active et réactive et néglige la résistance de la
ligne de transmission (figure 8).
En général, la formulation NVSI peut être exprimée en termes de bus m et n comme indiqué dans l'équation 11.
ffiffiffiPffiffi2ffiffiffiffi+ffiffiffiffiQffiffiffiffi2ffiffiffiffi
2qX
n n
NVSImn = 2Q X-V2 . (11)
n m

Les variables utilisées dans l'équation 11

sont les suivantes Qn Puissance réactive à
l'extrémité réceptrice
Pn Puissance réelle à l'extrémité réceptrice
Pm Puissance réelle au niveau de l'émetteur
Vm Tension à l'extrémité émettrice ∠0
LARIK ET AL. 21 de
44

FIGURE 8 Modèle de ligne à deux bus

Vn Tension à l'extrémité réceptrice ∠θ

X Réactance de la ligne de transmission
θAngle d'impédance de la ligne
δ Différence d'angle entre l'extrémité émettrice et l'extrémité
réceptrice tension Rmn + jXmn Impédance de la ligne de transmission

En élargissant encore ces indices,88 les méthodes supplémentaires utilisées pour reconnaître les parties faibles du
réseau électrique. Les techniques antérieures comprennent la limite de stabilité de la tension,89 l'approche basée sur le
réseau neuronal de Kohonen,90 la décompo- sition des valeurs singulières présentée dans une autre recherche,91 et l'indice
de marge de stabilité de la tension utilisé dans une étude précédente.92

6.4 | Calendrier du délestage

Le moment choisi pour mettre en œuvre un plan de délestage est essentiel pour le bon fonctionnement d'un réseau
électrique. Une mise en œuvre trop précoce d'un plan de délestage peut entraîner des perturbations inutiles ou
modifier les conditions de fonctionnement initiales, tandis qu'une mise en œuvre trop tardive peut ne pas empêcher
l'effondrement de la tension. L'UVLS fonctionne lorsque toutes les sources réactives, le contrôle et le système de
protection sont épuisés. En outre, le délai maximum autorisé avant l'activation du système UVLS est le temps
nécessaire pour que tous les composants principaux du système tentent de le rétablir.39 Les résultats des simulations
dynamiques visant à estimer le délai maximum qu'un système peut tolérer pour le délestage sont présentés dans des
études antérieures.63,93

7 | DIFFÉRENTES APPROCHES DE DÉLESTAGE

Les techniques de délestage peuvent être qualifiées de statiques ou de dynamiques94 en fonction de la manière dont elles
délestent la charge. Une quantité fixe de charge est délestée par les schémas statiques à chaque phase.95 Les approches
dynamiques délestent une quantité variable de charge en fonction du niveau de perturbation et de la réponse dynamique
du système à chaque phase41,96 en modélisant les éléments du réseau à l'aide d'équations algébriques et différentielles.97 Le
comportement d'un système sous délestage statique ou dynamique est généralement étudié par des simulations dans le
domaine temporel.98 Cela peut refléter avec précision la dynamique du système de l'instabilité de la tension, mais
l'approche consomme beaucoup de temps de calcul. En outre, cette approche ne fournit pas d'informations approfondies
sur la sensibilité ou le degré d'instabilité de la tension.94
En fonction de la vitesse de variation de la tension, la charge peut être délestée automatiquement ou manuellement. Si
la chute de tension se produit en quelques minutes, le délestage manuel peut être appliqué pour stabiliser le système, et si
la chute de tension est plus rapide, par exemple en quelques secondes, le délestage automatique est le choix le plus
approprié.94 Trois approches principales du délestage ont été proposées jusqu'à p r é s e n t .31,99-101 La première approche
est similaire au délestage en sous-fréquence, la quantité de charge délestée est considérée comme fixe en tenant compte
des caractéristiques dynamiques des systèmes électriques et est déterminée à l'aide d'une analyse de simulation
temporelle présentée dans les études précédentes.18,32,75 Ces techniques sont adaptées à l'instabilité transitoire de la
tension. Cependant, elles prennent du temps en raison des simulations dynamiques. La deuxième approche est fondée sur
l'évaluation des contraintes de charge dynamique et de ses défauts ; le résultat est influencé par les paramètres du modèle
de charge dynamique. La troisième méthodologie utilise les équations de flux de puissance optimal (OPF) du modèle
statique d'un système électrique dans l'évaluation de la quantité minimale de délestage de charge. Par ailleurs, la
dynamique de la stabilité de la tension est souvent lente ; une méthode statique suggérerait une bonne approximation de
la stabilité de la tension du système.
22 de LARIK ET AL.
44
En outre, le fonctionnement du système électrique dépend des conditions initiales de fonctionnement, c'est-à-dire
avant l'apparition d'un aléa et après un aléa. Pour un fonctionnement sûr et fiable du système électrique, les modèles
mathématiques expliquent brièvement les paramètres qui affectent le fonctionnement du système électrique. Par
conséquent, le délestage peut être effectué sur la base des équations mathématiques ci-dessous.31
LARIK ET AL. 23 de
ΔPDi 44
NK
M dans Ci (12)
∑ ,
i=1 ∂λ/∂Pi

N
0 0
P Gi -P Di + ΔPDi = ∑ |Vi| V j Yij cos δij + δj − δi , (13)
j=1

N
0 0
Q Gi -Q Di + ΔQDi = − ∑ |Vi| V j Yij sin δij + δj − δi , (14)
j=1

N
(1 + λmin ) PGi
0 - PDi0+ ΔPDi = ∑ cos V cij V Yij cos δij + δj -ccδi , (15)
j=1 c

Q0 - (1 + λmin) Q0 - ΔQ N cos V c V c Y
=-∑ ij sin δ ij + δc - δc , (16)
Gi Di Di ij j i
j=1

Vmin ≤ V i ≤ Vmax , iε ∈ NL , (17)

i i

V cmin ≤ Vc ≤ V cmax , iε ∈ NL , (18)

i i i

max
Pij ≤ Pij , ∀ij ∈ Lignes de transmission, (19)

Pcij ≤ P cmax
ij
, ∀ij ∈ Lignes de transmission, (20)

Qmin ≤ QGi , Qc ≤ Qmax , i ∈ NG , (21)

Gi Gi Gi

ΔPmin ≤ ΔPDi ≤ ΔPmax , i ∈ ND , (22)

Di Di

ΔPDi ΔQDi Facteur de puissance fixe, (23)

= 0
P 0Di Q Di

N
P
Gi - PDi + ΔPDi = ∑ V i V j Y ij cos δij + δj - δi ,
C C C C C C (24)
j=1

N
QGiC - QDi
C
+ ΔQDi = - ∑ V i C V j C Y ij sin δij + δjC - δiC . (25)
j=1

Ces équations forment le flux d'énergie de Newton-Raphson (N-R). La caractéristique la plus importante de la
méthode N-R est qu'elle est plus pratique et plus efficace. De plus, le nombre d'itérations nécessaires pour obtenir
une solution est indépendant de la taille du système. En outre, le flux de charge N-R converge rapidement par rapport
aux autres méthodes de flux de charge. L'équation 12 montre le coût d'interruption en incorporant le terme de
sensibilité (∂λ/∂P), qui est généralement l'objectif du délestage. Les équations 13 et 14 révèlent les conditions
initiales de fonctionnement d'un système électrique ayant l'indice "0", où Gi et Di représentent respectivement la
production et la demande au niveau du bus i, tandis que P et Q sont liés à la puissance active et réactive. En outre,
ΔPDi et ΔQDi sont des variables de contrôle, qui montrent un changement dans les demandes actives et réactives qui
aide à obtenir une solution optimale, Yij montre l'admittance de la ligne i et j ; δ , δij montre l'angle de tension aux bus
i et j, respectivement ; et δij montre la différence de l'angle de tension aux bus i et j. L'indice "c" dans les équations 15
et 16 montre le système électrique en condition de contingence ou de contrainte avec la marge de charge minimale ;
c24' edes t - à - d i r e q u e l e s équations 17 et 18 montrent la tension minimale et maximale. LARIK ET AL.
44
LARIK ET AL. 25 de
44

Les limites des lignes de transmission entre les bus i et j en conditions normales et en conditions de stress, respectivement,
où NL représente un ensemble de bus de charge. Les limites des lignes de transmission entre les bus i et j dans des
conditions normales et stressées se rapportent aux équations 19 et 20. Les équations 21 et 22 i n d i q u e n t l e s limites
de puissance réactive et de changement de puissance active ; NG représente un ensemble de nœuds commandés en
tension, et ND représente un ensemble de bus de demande/charge. L'équation 23 montre le rapport des variables de
contrôle à un facteur de puissance fixe. Enfin, les équations 24 et 25 se rapportent aux contraintes de stabilité dynamique,
qui représentent la variable après le délestage de charge en cas d'aléas.
Le tableau A1 de l'annexe décrit les notations utilisées dans les équations 12 à 25.
La section suivante présente l'AG, l'OPS, l'optimisation hybride et les approches récentes utilisées pour résoudre le
problème de l'UVLS.

7.1 | Algorithme génétique appliqué à l'UVLS

Il s'agit d'un algorithme d'optimisation globale utilisé pour résoudre des problèmes non linéaires et multiobjectifs ; l'AG a
fait l'objet d'une attention particulière en tant q u 'algorithme de recherche stochastique robuste. L'AG représente le
symbole de l'évolution naturelle biologique et applique le principe de la "survie du plus apte" pour produire en permanence
des estimations supérieures à une solution. Par conséquent, l'AG contribue à l'émergence de nouvelles populations
d'individus bien assortis et de meilleure qualité.102 Trois types d'opérateurs sont inclus dans la forme de base de l'AG, à
s a v o i r la sélection, le croisement et la mutation.
GA et PSO ont été utilisés pour résoudre le problème du délestage optimal dans le système d'essai IEEE à 30 bus
présenté dans une étude précédente.37 En utilisant le processus de hiérarchie analytique (AHP), la minimisation de
l'interruption de service et les facteurs de pondération ont été considérés comme une fonction d'aptitude. Les
résultats ont montré que la quantité minimale de charge a été délestée en utilisant l'AG, tandis que le temps de
convergence plus rapide a été atteint avec l'OPS.
L'approche GA a été utilisée pour étudier le rétablissement optimal de l'approvisionnement dans les réseaux de
distribution.103 Cette technique a été appliquée et vérifiée sur un système réaliste du Royaume-Uni et s'est avérée
être une approche optimisée de rétablissement de l'approvisionnement après défaillance. Cependant, la technique
proposée était limitée aux seuls réseaux de distribution.
Une version de l'optimisation GA a été proposée dans une autre étude104 pour résoudre les problèmes de
délestage en régime permanent. Dans cette méthode, la fonction objective consiste à minimiser la somme des carrés de
la différence entre la charge active et la charge réactive connectées. Lorsqu'elle est examinée sur des systèmes d'essai
IEEE à 14 et 30 bus, évaluée avec l'approche conventionnelle,105,106 la technique GA produit moins de charges à délester
en cas d'événements étranges, et les résultats sont en outre parfaits dans toutes les situations. Cependant, elle souffre
d'un long temps de convergence qui ne convient pas aux applications en ligne. Un algorithme centralisé amélioré basé
sur l'AG a été proposé dans une étude précédente107 où l'objectif de stabilisation de la tension du système d'un
modèle d'optimisation a été présenté en utilisant. Les taux de croisement et de mutation ont été améliorés et, par
conséquent, le temps de convergence de l'algorithme. Dans le système d'essai IEEE 39-bus de la Nouvelle-Angleterre,
l'efficacité de l'algorithme était significative. De même, un outil GA basé sur l'optimisation a été appliqué pour estimer
et effectuer un délestage automatique.108 Cependant, toutes ces techniques sont précises mais souffrent d'un long
temps de convergence dû à l'utilisation de l'AG.

7.2 | L'optimisation par essaim particulaire appliquée à l'UVLS

Kennedy et Eberhart ont présenté PSO109 en 1995. Inspirée par le comportement social d'organismes tels que les bancs de
poissons et les volées d'oiseaux, cette technique d'intelligence en essaim s'est avérée rapide et robuste pour résoudre des
problèmes d'optimisation multiobjectifs non linéaires à grande échelle. La PSO est restée largement employée dans de
nombreux problèmes d'ingénierie, y compris l'UVLS.
Dans une recherche précédente,100 , les auteurs ont obtenu un délestage optimal en fonction du marché et une
stabilité statique de la tension sur des systèmes IEEE à 30 bus modi- fiés en utilisant PSO et ont comparé leur
technique avec le prix marginal local (LMP). Cependant, la méthode proposée n'est adaptable qu'aux petits systèmes
électriques. Une autre étude a proposé une méthode pour minimiser le coût de l'interruption de service en fonction
26 de LARIK ET AL.
44
de sa sensibilité et des valeurs de la marge de stabilité statique au point de charge maximale.101 Cependant, la
méthode proposée a souffert d'un délestage sous-optimal. Le système de modélisation algébrique générale (GAM)
combiné à l'atmosphère de développement, à l'optimisation non linéaire et aux approches évolutionnaires GA et PSO
; cependant, les résultats de PSO sont restés meilleurs que ceux des méthodes GAM et GA.99 La méthode a été testée
sur le système IEEE à 14 bus. L'OSP peut effectivement identifier une solution optimale globale en moins de temps
que les méthodes mentionnées ci-dessus. La méthode GA a permis de réduire la charge au minimum. Cependant, la
méthode n'a pas été en mesure de réduire la charge optimale.
LARIK ET AL. 27 de
44

7.3 | Approches hybrides d'optimisation pour l'UVLS

D'autres études présentent des algorithmes méta-heuristiques hybrides avec leurs avantages et leurs
inconvénients.110,111 Une autre étude présente l'application de techniques méta-heuristiques hybrides pour la
planification et l'exploitation optimales du délestage de charge dans un réseau de distribution insulaire intégré avec
une production distribuée.112 Pour résoudre le problème de l'UVLS, une méthode hybride PSO et recuit simulé (SA) a
été présentée dans une étude précédente.113 Une méthode plus efficace de délestage est obtenue en utilisant le point
fort du recuit simulé dans la méthode PSO. Pour la stabilité de la tension à long terme, la technique proposée a
permis un délestage optimal en cas de sous-tension. Sur la base de la priorité technique et économique des charges,
un schéma UVLS optimal est généré, capable de maintenir une stabilité de tension prédéfinie. La technique proposée
fonctionne de manière satisfaisante sur les systèmes d'essai IEEE à 14 et 118 bus. Chaque test montre la supériorité
de la méthode hybride pour trouver la quantité de charge délestée et la reconnaissance d'une solution optimale
globale en un minimum d'exécutions et a donc une convergence globale élevée. Cependant, la technique proposée
était limitée à la stabilité de la tension à long terme. Un UVLS prenant en compte la sécurité dynamique par
l'utilisation de PSO a été rapporté dans une étude précédente114 . Il a développé un modèle destiné à stipuler les
circonstances post-contingence et a atteint une marge de stabilité de tension appropriée en interrompant une
fraction des charges au moindre coût. Cependant, la quantité de charge délestée n'était pas optimale.
Une technique hybride combinant la programmation linéaire (LP) et PSO a été développée.115 La méthode proposée
élimine les surcharges d'une ligne de transmission dans des conditions d'urgence et résout les problèmes liés aux faibles
vitesses de convergence. La technique hybride proposée a été employée avec succès sur le système IEEE à 14 bus en
considérant deux contingences critiques. Enfin, l'algorithme hybride proposé est rapide et précis. Cependant, il a été
observé que LP n'était pas en mesure de résoudre les problèmes non linéaires et que la méthode n'était adaptable qu'aux
petits systèmes électriques.
Un délestage optimal et une meilleure stabilité de la tension ont été obtenus par la combinaison de l'analyse modale et
de la technique PSO.116 Le meilleur réglage de la prise du transformateur dans la phase initiale du contrôle de prévention
est utilisé avec l'aide de l'optimisation PSO et permet d'obtenir la meilleure marge possible de stabilité de la tension. Pour la
charge de pointe annuelle de l'année 2009, la technique hybride proposée a été déployée avec succès dans les zones du
réseau de transmission iranien. La technique proposée a suivi la faible quantité de délestage de charge avec une
amélioration substantielle du profil de tension moyen et de la marge de stabilité de la tension du système. Cependant, la
technique proposée n'était applicable qu'à un réseau de transmission particulier et avait également un long temps de
convergence.
Une optimisation par essaim particulaire à apprentissage complet (CLPSO) a été proposée dans une étude
précédente117 ; l'équilibre de puissance est atteint avec l'aide du délestage de charge dans chaque île. L'approche
proposée a été testée sur deux systèmes d'essai, un réseau maillé de 66 kV, un système égyptien à 45 bus et un
système à 33 bus radiaux. Cependant, la méthode proposée est limitée aux systèmes de distribution. Une technique
hybride dans laquelle firefly et PSO sont combinés pour obtenir un délestage minimum et un emplacement correct
pour le délestage a été proposée et testée sur le système d'essai IEEE à 30 bus.118 Cependant, la technique a souffert
d'un délestage sous-optimal. Dans une autre étude, une nouvelle modélisation à valeur entière du délestage optimal
pour prévenir l'instabilité de la tension a été réalisée par le biais d'une optimisation par essaim particulaire discrète
hybride en tenant compte d'objectifs multiples.119 La méthodologie proposée a été mise en œuvre sur les systèmes de
test IEEE 14 et 30 bus. Bien que le délestage de la charge par la technique proposée ne soit pas optimal et ne puisse
pas être étendu aux grands systèmes électriques. Un schéma UVLS robuste visant à améliorer les performances des
lignes de transmission en tenant compte de la perte minimale de puissance active, de la stabilité maximale de la
tension et du coût minimal d'interruption pour le client a été modélisé comme une fonction quadratique en
combinant GA et PSO dans une étude précédente.120 Cependant, la technique proposée n'a pas été en mesure de
délester la charge optimale.

7.4 | Approches récentes pour l'UVLS

Le délestage probabiliste à minimum de tension à l'aide de la méthode d'estimation ponctuelle a été présenté dans
une étude précédente.121 L'inconvénient est que les simulations sont longues et ne conviennent donc pas aux
applications en temps réel. Les impacts technico-économiques du délestage automatique à minimum de tension dans
des conditions d'urgence ont montré que l'UVLS automatique est supérieur à l'UVLS manuel.122 Cependant, la
technique proposée n'est applicable qu'au réseau autrichien et le temps de simulation est très long, ce qui ne
28 de LARIK ET AL.
44
convient qu'aux applications hors ligne. Une nouvelle méthode de délestage à sous-tension pour réduire la réduction
de la puissance active a été présentée dans une étude précédente.123
D'autres approches comprennent le délestage minimal à l'aide de l'équation d'oscillation,124 un schéma de
délestage amélioré en tenant compte des générations distribuées,125 un délestage intelligent basé sur la participation
active des appareils intelligents,126 et un schéma de délestage analytique adaptatif contre les perturbations
combinées sévères proposé par une étude existante.127 Une technique d'optimisation en essaim pour un délestage
optimal en présence de dispositifs FACTS en faisant de l'optimisation en essaim un outil de gestion de l'énergie.
LARIK ET AL. 29 de
44

TABLEAU 2 Résumé des contributions passées

Technique/ Autres techniques de Réalisations/

S.NO Système Référence comparaison contributions Limites
d'essai
1 Algorithme génétique Luan et al103 (2002) Aucun Une technique Applicable à la
(AG)/ d'approvisionnement
système pratique du restauration en particulier
Royaume-Uni
réseaux de distribution système de distribution
le délestage optimal seulement.
2 Système d'essai Al-Hasawi et El Les équations de flux de Délestage optimal en cas Temps de convergence
GA/IEEE 14-bus et Naggar104 charge de conditions anormales long
système d'essai
IEEE 30-
système de test de bus
3 Essaim de particules Amraee et al101 GA Identification de Dynamique nature
l'effondrement charges
(PSO)/ point n'ont pas été prises en
compte.
Bus IEEE 14 et 118 Service minimum
systèmes d'essai coût d'interruption
Prise en compte des
aspects techniques et
économiques de
chaque charge
statique
4 GA et PSO appliqués Rad et Abedi130 PSO Minimise la quantité de N'est pas adaptable aux
individuellement/sys charge délestée à systèmes électriques
tème d'essai à 30 l'aide de l'algorithme complexes et de
bus de l'EEI GA grande taille. Tension
Temps de convergence plus la stabilité n'est pas
rapide atteinte.
par le biais de l'OSP
5 HPSO-SA/IEEE 14 et Sadati, et al99 Recuit simulé basé sur Délestage optimal de la Taux de convergence
118 systèmes d'essai de PSO (PSO-SA) charge à l'aide de lent, ne convient pas
bus PSO-SA pour
Stabilité de la tension conditions transitoires
statique
marge et sa
sensibilité au point
de charge maximale
6 Analyse modale hybride Jalilzadeh, et al116 PSO et analyse modale Obtient les meilleurs Conçu pour un
résultats
et PSO/Gharb et réglage de la prise du particulier
transformateur
Zones de Bakhtar de et la stabilité de la réseau de transmission
tension
Transmission iranienne marge et incapable de
réseau La quantité optimale de identifier les domaines
critiques
le délestage au mieux ou la charge maximale
localisation point
7 HPSO-LP linéaire Hagh et Galvani115 programmation linéaire Convergence rapide Non extensible à de
programmation/IEEE (LP) et PSO Élimination des grandes puissances et
14 complexe
système de test de bus ligne de transmission des systèmes
d'alimentation en eau.
surcharge
8 GA/500 kV puissance Guichon et al108 Aucun Obtenir une charge Limité à l'action directe
optimale
système Uruguay par l'intermédiaire d'un courant (DC) charge
processus automatique uniquement.
30 de LARIK ET AL.
44
Test 9PSO/IEEE à trois bus et Hosseini-Bioki et al100 Prix marginal local Augmentation de la marge Pour les systèmes
30 bus modifiés (PML) de stabilité de la tension complexes et de
grande puissance, la
systèmes par le biais de l'aide technique proposée
sociale
n'était pas extensible
10 Hybride discret PSO/ Ahmadi Alinejad119 PSO Une nouvelle méthode Délestage sous-optimal
pour
IEEE 14 et 30 bus stabilité de la tension à
l'aide de
systèmes d'essai valeur entière
modélisation
11 HGAPSO/IEEE 57-bus M. Ojaghi129 PSO Client minimum Incapable de se défaire
système de test coût d'interruption charge optimale,

(Suite)
LARIK ET AL. 31 de
44

TABLEAU 2 ( suite)

Technique/ Autres techniques pour réalisations/

S.NO Système Référence Comparaiso Contributions Limites
d'essai n
Perte de puissance la stabilité de la
active minimale tension n'est pas
Élimination des atteinte
ligne de transmission
en cas de surcharge
12 Algorithme de Firefly et Sonar et Mehta118 Firefly et PSO Firefly a convergé plus Montant du délestage
rapidement
Test PSO/IEEE 30-bus que PSO n'était pas optimale
système
13 Techno-économique Estebsari et al122 Manuel et automatique Comparaison des Tension à court terme
impacts/européens sous tension automatique et manuel stabilité ignorée
les systèmes de transmission mue (UVLS) Régimes UVLS alors qu'il est lent
a montré que l'utilisation la convergence.
automatique des
L'UVLS est supérieur Conçu et testé
sur un
Grille autrichienne.
14 Méthode probabiliste Kaffashan et Amraee121 Simulations de Monte Un schéma UVLS Temps de convergence
d'estimation Carlo précis utilisant le long, ne convient pas
ponctuelle de pour les applications
l'UVLS/IEEE réelles.
Test des 14 et 118 bus méthode d'estimation les applications
ponctuelle temporelles.
systèmes avec un taux de
calculatoire
complexité
15 Hybride GA et neurones Tamilselvan et GA et NN Délestage minimum Taux de convergence lent
réseau/IEEE à six et Jayabarathi149 avec moins de et non extensible
déviations
Systèmes d'essai à 14 en tension vaste et complexe
bus
systèmes
d'alimentation

TABLEAU 3 Techniques conventionnelles et informatiques

Non Caractéristiques Technique conventionnelle Techniques informatiques

1 Délestage optimal Incapable d'offrir un délestage optimal
2 Système d'alimentation complexe et de grande taille Incapable de
s'emparer efficacement d'un grand système électrique
et des systèmes d'alimentation
complexes
Capable d'effectuer des délestages optimaux
Traite puissamment les systèmes
d'alimentation de toutes tailles et de tous
types.

une comparaison basée sur le calcul.128 L'application de schémas de délestage pour le réseau de distribution connecté
à la production distribuée a été présentée dans une autre étude.129 Cependant, toutes ces techniques souffrent d'un
délestage sous-optimal ou d'un long temps de convergence. Chaque technique d'optimisation a ses propres limites,
comme le montre le tableau 4. On peut donc conclure que les techniques d'optimisation hybrides peuvent surmonter
ces limites en combinant leurs forces, ce qui permet d'obtenir des solutions plus précises et optimales aux problèmes
pratiques d'ingénierie. C'est pourquoi les chercheurs adoptent des techniques hybrides pour résoudre les problèmes
d'optimisation non linéaires et multiobjectifs. En outre, un algorithme amélioré pour le délestage optimal avec la
stabilité de la tension comme contrainte a été présenté dans une étude précédente.147
Contrairement aux systèmes électriques traditionnels, les systèmes électriques contemporains ne peuvent plus
dépendre
32 de uniquement des combustibles fossiles pour la production d'électricité en raison des contraintes économiques
LARIK ET et
AL.
44
environnementales. C'est pourquoi la pénétration des sources d'énergie renouvelables pour la production d'électricité a
augmenté rapidement. En outre, les générations distribuées ont également été utilisées pour améliorer la fiabilité des
systèmes électriques existants en les intégrant les uns aux autres. Toutefois, cela a entraîné une complexité accrue des
réseaux électriques et des problèmes de stabilité de la tension liés à l' îlotage. Ces problèmes imposent la nécessité de
concevoir de nouvelles techniques pour l'UVLS, qui soient suffisamment rapides pour faire fonctionner et rétablir l e
système électrique en cas d'aléas en temps réel.
LARIK ET AL. 33 de
44

Plusieurs techniques méta-heuristiques visant à optimiser le délestage en un minimum de temps tout en satisfaisant à
toutes les contraintes du système électrique ont été proposées dans la littérature.148 Une autre étude propose un nouvel
indice de stabilité de la tension pour la surveillance en ligne et le délestage.87 De même, les auteurs des recherches
précédentes76 proposent une technique pour identifier les lignes critiques dans un système électrique pour un délestage
optimal. Une nouvelle stratégie de délestage optimal intégrant l'indice de traçage de la puissance est proposée dans une
recherche existante.88 Dans un autre travail,80 , une technique basée sur l'apprentissage supervisé pour prédire l'indice de
stabilité de la tension de ligne est proposée.
Le tableau 2 résume les contributions passées.

FIGURE 9 Organigramme des techniques de délestage conventionnelles98,151

34 de LARIK ET AL.
44

TABLEAU 4 Avantages et inconvénients des techniques de calcul

Référence Technique Avantages Inconvénients

73,103,130-133
Algorithme L'utilisation de l'AG permet de réduire au minimum la La réponse de GA est lente, ce qui ne
génétique (AG) quantité de délestage ; elle est également utile pour convient pas aux applications en ligne.
résoudre des problèmes multiobjectifs non linéaires.
L'AG est considéré comme un outil d'optimisation
globale
avec un haut degré de précision.
68,99-
Optimisation Le PSO est le mieux adapté pour trouver la valeur PSO est facilement arrêté par une
101,130,134
par essaim optimale et il prend un minimum de temps pour optimisation partielle.
de atteindre la solution optimale.
particules
(PSO)
72,135
Contrôle par logique Le FLC peut être utilisé sur les grands systèmes Les FLC exigent des informations préalables
floue (FLC) électriques. pour les paramètres d'adhésion.
136,137
Big bang big crunch BB-BC a la capacité de résoudre des problèmes qui Il s'agit d'un algorithme inspiré de la nature.
(BB-BC) dépendent d'u n grand nombre de variables.
71
Optimisation par L'ACO peut être utilisé dans des applications Le temps de convergence est incertain, le
colonies de dynamiques et sa convergence est codage est très compliqué.
fourmis (ACO) garantie.
70,138,139
Réseau de neurones Le système ANN est le mieux adapté pour assurer un Des résultats satisfaisants peuvent être
artificiels (ANN) délestage optimal. obtenus par ANN pour des cas connus mais
ne peuvent pas fournir des résultats précis
pour des cas inconnus.
74,140
Programmation QIEP gère au mieux les problèmes multi-objectifs et Comme son fonctionnement dépend du bit
évolutive s'adapte très bien à de multiples scénarios. par bit, il peut ne pas convenir à une
d'inspiration application en ligne en raison de sa
quantique lenteur.
(QIEP)
72,141,142 Neuromécanisme adaptatif Combine les caractéristiques de l'ANN et du FLC et donne les meilleurs résultats
optimisés. résultats optimisés.
(ANFIS)
143-146 Algorithme de la Avantages de l'AF par rapport aux autres algorithmes : Il a une vitesse de convergence lente,
luciole (FA) subdivision automatique et capacité à traiter la se retrouve piégé dans des optima
multimodalité. En outre, l'AF permet une mise en locaux et n'a pas de capacité de
œuvre plus précise, plus robuste, plus facile et plus mémorisation.
parallèle.

8 | TECHNIQUES DE DÉLESTAGE CONVENTIONNELLES ET

COMPUTATIONNELLES

Les méthodes conventionnelles ne permettent pas de résoudre avec la précision et la rapidité voulues les problèmes non
linéaires et multiobjectifs qui se posent dans les réseaux électriques vastes et complexes. Ces techniques entraînent une
augmentation des pannes d'électricité en raison d'un délestage insuffisant ou excessif.150 Par conséquent, les techniques
d'intelligence informatique restent le meilleur choix pour estimer le délestage optimal. La figure 9 montre l'évolution des
techniques de sous-fréquence et d'UVLS. L'augmentation de la complexité des systèmes électriques actuels a rendu
nécessaire l'utilisation de techniques d'intelligence informatique (CIT) en raison de leur évolutivité, de leur précision et de
leur robustesse dans la gestion de systèmes complexes.39,150
Différents CIT ont été proposés. Le tableau 3 compare les principales caractéristiques des techniques conventionnelles
et informatiques, tandis que le tableau 4 résume les avantages et les inconvénients des techniques informatiques.

9 |CONCLUSION

Cet article passe en revue de manière critique les différents schémas d'UVLS en se concentrant sur les différends clés
tels
LARIKque
ET AL.la quantité, le temps et le lieu de délestage de la charge. Il fournit également un aperçu des techniques et des
35 de
44
politiques pour l'UVLS. Les techniques conventionnelles d'UVLS ne sont plus adaptées aux systèmes électriques
modernes et complexes. L'introduction de techniques d'intelligence informatique dans les schémas UVLS permet
d'améliorer la fiabilité et la robustesse des réseaux électriques en réduisant le nombre de pannes. En outre, les
indices de stabilité de la tension et de la ligne, ainsi que leurs modèles mathématiques et différents modèles
industriels de stabilité de la tension et de la ligne, ont été étudiés.
36 de LARIK ET AL.
44

Les pratiques de délestage mises en œuvre par les industries électriques sont également passées en revue. Les
techniques d'intelligence informatique dans le domaine du délestage sont examinées avec leurs avantages et leurs
inconvénients. Les approches hybrides se sont révélées prometteuses en termes d'obtention de solutions optimales à
des problèmes pratiques. Cependant, de nouvelles techniques peuvent être développées par le biais d'analyses et de
simulations avancées des techniques existantes afin de les adapter aux applications réelles des systèmes électriques
modernes.

REMERCIEMENTS
Les auteurs souhaitent remercier l'Universiti Teknologi Malaysia pour les facilités mises à leur disposition pour la
réalisation de ce travail et le ministère de l'éducation de Malaisie pour son soutien financier sous le numéro de crédit
GUP UTM 17H10. RML remercie également l'Université d'ingénierie et de technologie NED de Sindh, au Pakistan, pour
l'aide financière apportée par le développement des ressources humaines dans le cadre du programme
"Renforcement de l'Université d'ingénierie et de technologie NED, Mega-M3" de la Commission de l'enseignement
supérieur (HEC), au Pakistan.

ORCID
Raja Masood Larik https://orcid.org/0000-0001-7835-6830

RÉFÉRENCES
1. Ahsan MQ, Chowdhury AH, Ahmed SS, Bhuyan IH, Haque MA, Rahman H. Technique to develop auto load shedding and islanding
scheme to prevent power system blackout. IEEE Trans Power Syst. 2012;27(1):198-205.
2. Atputharajah A, Saha TK. Power system blackouts-literature review. In : Industrial and Information Systems (ICIIS), 2009 International
Conference on. Kandy, Sri Lanka : IEEE ; 2009:460-465.
3. Andersson G, Donalek P, Farmer R, et al. Causes of the 2003 major grid blackouts in North America and Europe, and recommended
means to improve system dynamic performance. IEEE Trans Power Syst. 2005;20(4):1922-1928.
4. El-Sadek M. Preventive measures for voltage collapses and voltage failures in the Egyptian power system. Electr Pow Syst Res.
1998;44(3):203-211.
5. El-Sadek M. Voltage instabilities subsequent to short-circuit recoveries. Electr Pow Syst Res. 1991;21(1):9-16.
6. Dobson I, Carreras BA, Lynch VE, Newman DE. Complex systems analysis of series of blackouts : cascading failure, critical points, and
self-organization. Chaos : Interdiscip J Nonlinear Sci. 2007;17(2):026103.
7. Carreras BA, Lynch VE, Dobson I, Newman DE. Points critiques et transitions dans un modèle de transmission d'énergie électrique
pour les pannes en cascade. Chaos : Interdiscip J Nonlinear Sci. 2002;12(4):985-994.
8. Machowski J, Bialek J, Bumby J. Power System Dynamics : Stability and Control. Pologne, Janus : John Wiley & Sons ; 2011.
9. Laghari J, Mokhlis H, Bakar A, Mohamad H. Application of computational intelligence techniques for load shedding in power systems :
a review. Energ Conver Manage. 2013;75:130-140.
10. Makarov YV, Reshetov VI, Stroev A, Voropai I. Blackout prevention in the United States, Europe, and Russia. Proc IEEE. Nevada, USA,
2005;93(11):1942-1955.
11. Baldick R, Chowdhury B, Dobson I, et al. Initial review of methods for cascading failure analysis in electric power transmission systems
IEEE PES CAMS task force on understanding, prediction, mitigation and restoration of cascading failures. In : Power and Energy Society
General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century, 2008 IEEE. IEEE ; 2008:1-8.
12. Saffarian A, Sanaye-Pasand M. Enhancement of power system stability using adaptive combinational load shedding methods. IEEE
Trans Power Syst. 2011;26(3):1010-1020.
13. Taylor CW, Erickson DC, Martin KE, Wilson RE, Venkatasubramanian V. WACS - système de contrôle de la stabilité et de la tension à
l'échelle de la zone : R&D et démonstration en ligne. Proc IEEE. 2005;93(5):892-906.
14. B. Rapports. "https://www.allianz.com/v_1339677769000/media/responsibility/documents/position_paper_power_blackout_risks.pdf, 2012
15. Chang L, Wu Z. Performance and reliability of electrical power grids under cascading failures. Int J Electr Power Energ Syst.
2011;33(8):1410-1419.
16. Zhao X, Zhang X, He B. Study on self organized criticality of China power grid blackouts. Energ Conver Manage. 2009;50(3):658-661.
17. Kundur P, I. C. J. T. F. o. S. Terms, and Definitions. "Définition et classification de la stabilité des systèmes électriques", 2003 :
Conférence internationale sur les grands systèmes électriques à haute tension.
18. Taylor CW. Concepts de délestage à minimum de tension pour la stabilité de la tension. IEEE Trans Power Deliv. 1992;7(2):480-488.
LARIK ET AL. 37 de
44

19. Escobar A, Romero R, Gallego R. Transmission network expansion planning considering uncertainty in generation and demand. In :
Transmission and Distribution Conference and Exposition : Latin America, 2008 IEEE/PES. Bagota, Colombie : IEEE ; 2008:1-6.
20. de Fátima Araújo T, Uturbey W. Performance assessment of PSO, DE and hybrid PSO-DE algorithms when applied to the dispatch of
generation and demand. Int J Electr Power Energ Syst. 2013;47:205-217.
21. Affonso CM, Da Silva LC, Lima FG, Soares S. MW and MVar management on supply and demand side for meeting voltage stability
margin criteria. IEEE Trans Power Syst. 2004;19(3):1538-1545.
22. Asif M, Muneer T. Energy supply, its demand and security issues for developed and emerging economies. Renew Sustain Energy Rev.
2007;11(7):1388-1413.
23. Clanents K, Krutnpholz G, Davis P. Power system state estimation with measurement deficiency : an observability/measurement
placement algorithm. IEEE Trans Power Apparatus Syst. 1983;PAS-102(7):2012-2020.
24. Tinney W, Bright J, Demaree K, Hughes B. Some deficiencies in optimal power flow. IEEE Trans Power Syst. 1988;3(2):676-683.
25. Delfino B, Massucco S, Morini A, Scalera P, Silvestro F. Implementation and comparison of different under frequency load-shedding
schemes. In : Power Engineering Society Summer Meeting, 2001. Vol.1 Vancouver, BC, Canada : IEEE ; 2001:307-312.
26. Terzija VV. Délestage adaptatif en sous-fréquence basé sur l'estimation de la magnitude de la perturbation. IEEE Trans Power Syst.
2006;21(3):1260-1266.
27. Mollah KUZ, Bahadornejad M, Nair NK. Automatic under-frequency load shedding in New Zealand power system-a systematic review.
In : Universities Power Engineering Conference (AUPEC), 2011 21st Australasian. Brisbane, Queenland Australie : IEEE ; 2011:1-7.
28. Rudez U, Mihalic R. Monitoring the first frequency derivative to improve adaptive underfrequency load-shedding schemes. IEEE Trans
Power Syst. 2011;26(2):839-846.
29. Laghari J, Mokhlis H, Karimi M, Bakar A, Hassan A, Mohamad H. "A new under-frequency load shedding technique based on combi-
nation of fixed and random priority of loads for smart grid applications".
30. Mechenbier J, Ellis A, Curtner R, Ranade S. Design of an under voltage load shedding scheme. In : Power Engineering Society General
Meeting, 2004. IEEE. Denver, CO, USA : IEEE ; 2004:1611-1618.
31. Amraee T, Ranjbar A, Mozafari B, Sadati N. An enhanced under-voltage load-shedding scheme to provide voltage stability. Electr Pow Syst
Res. 2007;77(8):1038-1046.
32. Arnborg S, Andersson G, Hill DJ, Hiskens IA. On undervoltage load shedding in power systems. Int J Electr Power Energ Syst.
1997;19(2):141-149.
33. Sarmiento H, Castellanos R, Pampin G, Villa G, Mirabal M. "Revisiting undervoltage load shedding schemes : a step by step approach,"
in 2008 IEEE/PES Transmission and Distribution Conference and Exposition, 2008.
34. Balanathan R, Pahalawaththa NC, Annakkage UD. A strategy for undervoltage load shedding in power systems. In : Power System
Technology, 1998. Proceedings. POWERCON'98.1998 International Conference on. Vol.2 Bejing, Chine : IEEE ; 1998:1494-1498.
35. Ladhani SS, Rosehart W. Under voltage load shedding for voltage stability overview of concepts and principles. In : Power Engineering Society
General Meeting, 2004. IEEE. Denver, CO, USA : IEEE ; 2004:1597-1602.
36. Mozina C. Undervoltage load shedding. In : Power Systems Conference : Advanced Metering, Protection, Control, Communication, and
Distributed Resources, 2007. PSC 2007. Clemson, Caroline du Sud : IEEE ; 2007:39-54.
37. Hosseini-Bioki MM, Rashidinejad M, Abdollahi A. "An implementation of particle swarm optimization to evaluate optimal under-
voltage load shedding in competitive electricity markets," (en anglais). J Power Sources. Nov 15 2013;242:122-131.
38. Shah N, Abed A, Thomas C, et al. Undervoltage load shedding guidelines. In : Undervoltage Load Shedding Task Force (UVLSTF)
Technical Studies Subcommittee. Long Beach California : Carson W. Taylor ; 1999:1-76.
39. Verayiah R, Mohamed A, Shareef H, Abidin IZ. Review of under-voltage load shedding schemes in power system operation. Przegląd
Elektrotechniczny. 2014;90(7):99-103.
40. Verayiah R, Mohamed A, Shareef H, Abidin IZ. Schéma de délestage sous tension utilisant des méthodes d'optimisation méta-
heuristiques.
Przegląd Elektrotechniczny. 2014;90(11):162-168.
41. Mollah K, Bahadornejad M, Nair N, Ancell G. Automatic under-voltage load shedding : a systematic review. In : Power and Energy
Society General Meeting, 2012 IEEE. Denver, CO, USA : IEEE ; 2012:1-7.
42. Kundur P, Balu NJ, Lauby MG. Power System Stability And Control. New York : McGraw-hill ; 1994.
43. Anderson PM, Fouad AA. Power System Control And Stability. Californie, États-Unis : John Wiley & Sons ; 2008.
44. Moghavvemi M, Omar F. Technique for contingency monitoring and voltage collapse prediction. IEE Proc Generat Transm Distrib.
1998;145(6):634-640.
45. Zhang J, Ding M, Li S. Research on under-voltage load-shedding to prevent voltage collapse of electric power system. In : Power and Energy
Engineering Conference, 2009. APPEEC 2009. Asia-Pacific. Wuhan, Chine : IEEE ; 2009:1-4.
38 de LARIK ET AL.
44

46. Klaric M, Kuzle I, Tomisa T. Simulation of undervoltage load shedding to prevent voltage collapse. In : Power Tech, 2005 IEEE Russia.
Saint-Pétersbourg, Russie : IEEE ; 2005:1-6.
47. Mageshvaran R, Jayabarathi T. Steady state load shedding to prevent blackout in the power system using artificial bee colony algorithm.
Jurnal Teknologi. 2015;74(1):113-124.
48. Ajjarapu QWV. Examen critique du contrôle préventif et correctif de l'effondrement de la tension. Electr Power Compon Syst.
2001;29(12):1133-1144.
49. Xu Y, Dong ZY, Luo F, Zhang R, Wong KP. Parallel-differential evolution approach for optimal event-driven load shedding against
voltage collapse in power systems. Generat Transm Distrib, IET. 2014;8(4):651-660.
50. Feng Z, Ajjarapu V, Maratukulam DJ. A practical minimum load shedding strategy to mitigate voltage collapse. IEEE Trans Power Syst.
1998;13(4):1285-1290.
51. Ma P, Qiang B. A practical corrective control strategy to mitigate voltage collapse. In : Electric Utility Deregulation and Restructuring and
Power Technologies (DRPT), 2011 4th International Conference on. Bejing, Chine : IEEE ; 2011:1039-1043.
52. Mozina CJ. Power system instability-what relay engineers need to know. In : Protective Relay Engineers, 2011 64th Annual Conference
for. College Station Texas, USA : IEEE ; 2011:103-112.
53. Abed AM. WSCC voltage stability criteria, undervoltage load shedding strategy, and reactive power reserve monitoring methodology. In :
Réunion d'été de la Power Engineering Society, 1999. IEEE. Vol.1 Edmonton Alta, Canada : IEEE ; 1999:191-197.
54. W. E. C. Council. Guide to WECC/NERC planning standards ID : voltage support and reactive power. In : Reactive Reserve Working
Group (RRWG) under the auspices of Technical Studies Subcommittee (TSS) ; 2006.
55. Deng J, Liu J. A study on a centralized under-voltage load shedding scheme considering the load characteristics. Phys Procedia.
2012;24:481-489.
56. Crossley P, Ilar F, Karlsson D. System protection schemes in power networks : existing installations and ideas for future development. In
:
Developments in Power System Protection, 2001, Seventh International Conference on (IEE). California, USA : IET ; 2001:450-453.
57. Ingelsson B, Lindstrom P, Karlsson D, Runvik G, Sjodin J. Special protection scheme against voltage collapse in the south part of the
Swedish grid. Proc CIGRE Conf. 1996;38-103.
58. Derafshian M, Amjady N, Dehghan S. Special protection scheme against voltage collapse. IET Gener Transm Distrib. 2016;10(2):341-351.
59. Begovic M, Novosel D, Karlsson D, Henville C, Michel G. Wide-area protection and emergency control. Proc IEEE. 2005;93(5):876-891.
60. Terzija V, Valverde G, Deyu Cai, et al. Wide-area monitoring, protection, and control of future electric power networks. Proc IEEE.
2011;99(1):80-93.
61. Milosevic B, Begovic M. Voltage-stability protection and control using a wide-area network of phasor measurements. IEEE Trans
Power Syst. 2003;18(1):121-127.
62. Maram MD, Amjady N. Event-based remedial action scheme against super-component contingencies to avert frequency and voltage
instabilities. IET Gener Transm Distrib. 2014;8(9):1591-1603.
63. W. E. C. Council. Conseil de coordination de l'électricité de l'Ouest. Cellule. 2011;801:558-0301.
64. Wang Y, Pordanjani I, Li W, Xu W, Vaahedi E. Strategy to minimise the load shedding amount for voltage collapse prevention. Generat
Transm Distrib, IET. 2011;5(3):307-313.
65. Van Cutsem T, Moors C, Lefebvre D. Design of load shedding schemes against voltage instability using combinatorial optimization. In :
Réunion d'hiver de la Power Engineering Society, 2002. IEEE. Vol.2 Newyork City, USA : IEEE ; 2002:848-853.
66. Moors C, Lefebvre D, Van Cutsem T. Design of load shedding schemes against voltage instability. In : Power Engineering Society Winter
Meeting, 2000. IEEE. Vol.2 Singapore, Singapore : IEEE ; 2000:1495-1500.
67. Ng K, Lee C, Chan FT, Lv Y. Review on meta-heuristics approaches for airside operation research. Appl Soft Comput. 2018;66:104-133.
68. He F, Wang Y, Chan KW, Zhang Y, Mei S. Optimal load shedding strategy based on particle swarm optimization. In : Advances in Power
System Control, Operation and Management (APSCOM 2009), 8th International Conference on. Stevenage, Angleterre : IET ; 2009:1-6.
69. Yang X-S. Algorithmes Firefly pour l'optimisation multimodale. In : International Symposium on Stochastic Algorithms. Sapporo, Japon
: Springer ; 2009:169-178.
70. Hashiesh F, Mostafa HE, Mansour MM, Khatib A-R, Helal I. Wide area transient stability prediction using on-line artificial neural
networks. In : Electric Power Conference, 2008. EPEC 2008. IEEE Canada. Toronto, Canada : IEEE ; 2008:1-7.
71. Church C, Morsi WG, El-Hawary M, Diduch C, Chang L. Voltage collapse detection using ant colony optimization for smart grid
applications. Electr Pow Syst Res. 2011;81(8):1723-1730.
72. Haidar AM, Mohamed A, Hussain A. Vulnerability control of large scale interconnected power system using neuro-fuzzy load shedding
approach. Expert Syst Appl. 2010;37(4):3171-3176.
73. Gatta F, Geri A, Lauria S, Maccioni M, Masato P. Power system adequacy : an efficient procedure based on genetic algorithms. In :
PowerTech, 2009 IEEE Bucharest. Bucarest, Roumanie : IEEE ; 2009:1-6.
LARIK ET AL. 39 de
44

74. Yasin ZM, Rahman TKA, Zakaria Z. Quantum-inspired evolutionary programming-artificial neural network for prediction of
undervoltage load shedding (programmation évolutionnaire inspirée des quanta - réseau neuronal artificiel pour la prédiction du
délestage à sous-tension). In : 2013 IEEE 8th Conference on Industrial Electronics and Applications (ICIEA). Melbourne, Australie : IEEE ;
2013:583-588.
75. Balanathan R, Pahalawaththa N, Annakkage U, Sharp P. Undervoltage load shedding to avoid voltage instability. IEE Proc Generat
Transm Distrib. 1998;145(2):175-181.
76. Liu M, Zhao L, Huang L, Zhang X, Deng C, Long Z. Identification of critical lines in power system based on optimal load shedding.
Energ Power Eng. 2017;9(04):261.
77. Musirin I, Rahman TA. Estimating maximum loadability for weak bus identification using FVSI. IEEE Power Eng Rev. 2002;22(11):50-52.
78. Mohamed A, Jasmon G. Voltage contingency selection technique for security assessment. In : IEE Proceedings C-Generation, Transmis-
sion and Distribution. Vol.136, no. 1 IET ; 1989:24-28.
79. Hang N-S, Xu T, Liao Q-H, Lu Z-Q. The analysis of abundance index of voltage stability based circuit theory (Analyse de l'indice
d'abondance de la stabilité de la tension basée sur la théorie des circuits). Guangxi Electric Power. 2006;2:002.
80. Sharma AK, Saxena A. Prediction of line voltage stability index using supervised learning. J Electr Syst. 2017;13(4):696-708.
81. Eminoglu U, Hocaoglu M. A voltage stability index for radial distribution networks. In : Universities Power Engineering Conference,
2007. UPEC 2007. 42nd International. Glasgow, Écosse : IEEE ; 2007:408-413.
82. Balamourougan V, Sidhu T, Sachdev M. Technique for online prediction of voltage collapse. IEE Proc Generat Transm Distrib.
2004;151(4):453-460.
83. Kessel P, Glavitsch H. Estimating the voltage stability of a power system. IEEE Trans Power Deliv. 1986;1(3):346-354.
84. An T, Zhou S, Yu J, Lu W, Zhang Y. Research on illed-conditioned equations in tracking thevenin equivalent parameters with local mea-
surements. In : Power System Technology, 2006. PowerCon 2006. International Conference on. Chongqing, China : IEEE ; 2006:1-4.
85. Vu K, Begovic MM, Novosel D, Saha MM. Use of local measurements to estimate voltage-stability margin. IEEE Trans Power Syst.
1999;14(3):1029-1035.
86. Van Cutsem T, Vournas C. Voltage stability of electric power systems. New York, USA : Springer Science & Business Media ; 2007.
87. Kamel M, Karrar AA, Eltom AH. Développement et application d'un nouvel indice de stabilité de la tension pour la surveillance et le
délestage en ligne.
IEEE Trans Power Syst. 2018;33(2):1231-1241.
88. Verayiah R, Mohamed A, Shareef H. Nouvelle stratégie de délestage optimal intégrant l'indice de traçage de la puissance. J Fund Appl
Sci. 2018;10(5S):372-387.
89. He T, Kolluri S, Mandal S, Galvan F, Rasigoufard P. Identification of weak locations in bulk transmission systems using voltage stability
margin index. In : Power Engineering Society General Meeting, 2004. IEEE. Colorado, USA : IEEE ; 2004:1814-1819.
90. Song Y, Wan H, Johns A. Kohonen neural network based approach to voltage weak buses/areas identification. IEE Proc Generat
Transm Distrib. 1997;144(3):340-344.
91. Li H, Song Y. Identification of weak busbars in large scale power system. In : Power System Technology, 2002. Proceedings. PowerCon 2002.
International Conference on. Vol.3 Kunming, China : IEEE ; 2002:1700-1704.
92. Acharjee P. Identification of maximum loadability limit and weak buses using security constraint genetic algorithm. Int J Electr Power
Energ Syst. 2012;36(1):40-50.
93. U. L. S. T. Force, "Undervoltage load shedding guidelines," Technical Studies Subcommittee of the WECC, 1999.
94. Morison G, Gao B, Kundur P. Voltage stability analysis using static and dynamic approaches. IEEE Trans Power Syst. 1993;8(3):1159-
1171.
95. Stoenescu E, Corcau JI, Grigorie TL. "Static voltage stability analysis of a power system", dans Proceedings of the 4th IASME/WSEAS
International Conference on Energy & Environment (EE'09), 2009.
96. Huang GM, Nair N-KC. Détection de l'effondrement dynamique de la tension. In : Power Engineering Society Summer Meeting, 2002
IEEE. Vol.3 Chi- cago, IL, USA : IEEE ; 2002:1284-1289.
97. Ellis A, Kosterev D, Meklin A. Dynamic load models : where are we ? In : Transmission and Distribution Conference and Exhibition,
2005/2006 IEEE PES. Brightun, Angleterre : IEEE ; 2006:1320-1324.
98. Zin AM, Hafiz HM, Wong W. Static and dynamic under-frequency load shedding : a comparison. In : Power System Technology, 2004.
PowerCon 2004.2004 International Conference on. Vol.1 Singapore, Singapore : IEEE ; 2004:941-945.
99. Sadati N, Amraee T, Ranjbar A. A global particle swarm-based-simulated annealing optimization technique for under-voltage load
s h e d i n g problem. Appl Soft Comput. 2009;9(2):652-657.
100. Hosseini-Bioki M, Rashidinejad M, Abdollahi A. An implementation of particle swarm optimization to evaluate optimal under-voltage
load shedding in competitive electricity markets. J Power Sources. 2013;242:122-131.
101. Amraee T, Mozafari B, Ranjbar A. An improved model for optimal under voltage load shedding : particle swarm approach. In : Power
India Conference, 2006 IEEE. New Delhi, Inde : IEEE ; 2006:6.
40 de LARIK ET AL.
44

102. Goldberg DE, Holland JH. Algorithmes génétiques et apprentissage automatique. Mach Learn. 1988;3(2):95-99.
103. Luan W, Irving MR, Daniel JS. Genetic algorithm for supply restoration and optimal load shedding in power system distribution
networks. IEE Proc Generat Transm Distrib. 2002;149(2):145-151.
104. Al-Hasawi WM, El Naggar KM. Optimum steady-state load-shedding scheme using genetic based algorithm. In : Conférence
électrotechnique, 2002. MELECON 2002. 11e conférence méditerranéenne. Le Caire, Égypte : IEEE ; 2002:605-609.
105. Palaniswamy K. "Generation scheduling under emergency mode of operation", 1981.
106. Mostafa M, El-Hawary M, Mbamalu G, Mansour M, El-Nagar K, El-Arabaty A. A computational comparison of steady state load
shedding approaches in electric power systems. IEEE Trans Power Syst. 1997;12(1):30-37.
107. Tuncer A, Yildirim M. Dynamic path planning of mobile robots with improved genetic algorithm. Comput Electr Eng. 2012;38(6):1564-1572.
108. Guichon M, Melo M, Nieto AC, Vignolo M, Yedrzejewski N. Automatic load shedding calculated with genetic algorithms-DAC-CMAG. In
: Transmission and Distribution : Latin America Conference and Exposition (T&D-LA), 2012 Sixth IEEE/PES. Montevideo, Uruguay : IEEE ;
2012:1-7.
109. Eberhart R, Kennedy J. A new optimizer using particle swarm theory. In : Micro Machine and Human Science, 1995. MHS'95., compte
rendu du sixième symposium international. Nagoya, Japon : IEEE ; 1995:39-43.
110. Rahman I, Vasant PM, Singh BSM, Abdullah-Al-Wadud M, Adnan N. Review of recent trends in optimization techniques for plug-in
hybrid, and electric vehicle charging infrastructures. Renew Sustain Energy Rev. 2016;58:1039-1047.
111. Rahman I, Vasant PM, Singh BSM, Abdullah-Al-Wadud M. Novel metaheuristic optimization strategies for plug-in hybrid electric
vehicles : a holistic review. Intell Decis Tech. 2016;10(2):149-163.
112. Jallad J, Mekhilef S, Mokhlis H, Laghari J, Badran O. Application of hybrid meta-heuristic techniques for optimal load shedding planning
and operation in an islanded distribution network integrated with distributed generation. Energies. 2018;11(5):1-25.
113. Sadati N, Zamani M, Mahdavian HRF. Hybrid particle swarm-based-simulated annealing optimization techniques. In : IEEE Industrial
Electronics, IECON 2006-32nd Annual Conference on. Paris, France : IEEE ; 2006:644-648.
114. Mozafari B, Amraee T, Ranjbar A. An approach for under voltage load shedding using particle swarm optimization. In : Industrial
Electronics, 2006 IEEE International Symposium on. Vol.3 Montréal, Québec, Canada : IEEE ; 2006:2019-2024.
115. Hagh MT, Galvani S. Minimization of load shedding by sequential use of linear programming and particle swarm optimization. Turk J
Electr Eng Comput Sci. 2011;19(4):551-563.
116. Jalilzadeh S, Hadi Hosseini S, Derafshian-Maram M. Optimal load shedding to prevent voltage instability based on multi-objective
optimization using modal analysis and PSO. In : Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT), 2010
International Congress on. Mascow, Russie : IEEE ; 2010:371-376.
117. El-Zonkoly A, Saad M, Khalil R. New algorithm based on CLPSO for controlled islanding of distribution systems. Int J Electr Power Energ
Syst. 2013;45(1):391-403.
118. Sonar VV, Mehta H. Load shedding optimization in power system using swarm intelligence-based optimization techniques. Optimiza- tion.
2015;2(5):120-127.
119. Ahmadi A, Alinejad-Beromi Y. A new integer-value modeling of optimal load shedding to prevent voltage instability. Int J Electr Power
Energ Syst. 2015;65:210-219.
120. Ojaghi M, Azari M, Valujerdi AC. Robust UVLS scheme to improve transmission line performance considering interruption cost and
voltage stability index. In : Industrial Technology (ICIT), 2014 IEEE International Conference on. Busan, South Korea : IEEE ; 2014:541-
546.
121. Kaffashan I, Amraee T. Probabilistic undervoltage load shedding using point estimate method. IET Gener Transm Distrib.
2015;9(15):2234-2244.
122. Estebsari A, Pons E, Huang T, Bompard E. Techno-economic impacts of automatic undervoltage load shedding under emergency.
Electr Pow Syst Res. 2016;131:168-177.
123. Modarresi J, Gholipour E, Khodabakhshian A. A new undervoltage load shedding method to reduce active power curtailment. Int Trans
Electr Energ Syst. 2017;27(4):e2291.
124. Tofis Y, Timotheou S, Kyriakides E. Minimal load shedding using the swing equation. IEEE Trans Power Syst. 2016;32(3):2466-2467.
125. Das K, Nitsas A, Altin M, Hansen AD, Sørensen PE. Improved load-shedding scheme considering distributed generation. IEEE Trans
Power Deliv. 2017;32(1):515-524.
126. Wang J, Zhang H, Zhou Y. Méthode intelligente de délestage en cas de sous-fréquence et de sous-tension basée sur la participation
active des appareils intelligents. IEEE Trans Smart Grid. 2017;8(1):353-361.
127. Shekari T, Aminifar F, Sanaye-Pasand M. An analytical adaptive load shedding scheme against severe combinational disturbances. IEEE
Trans Power Syst. 2016;31(5):4135-4143.
LARIK ET AL. 41 de
44

128. Kumar GN, Rao BV, Chowdary DD, Sobhan PV. A computational comparison of swarm optimization techniques for optimal load shed-
ding under the presence of FACTS devices to avoid voltage instability. In : Critical Developments and Applications of Swarm
Intelligence. Botswana, Afrique du Sud : IGI Global ; 2018:182-214.
129. Sapari N, Mokhlis H, Laghari JA, Bakar A, Dahalan M. Application of load shedding schemes for distribution network connected with
distributed generation : a review. Renew Sustain Energy Rev. 2018;82:858-867.
130. Rad BF, Abedi M. An optimal load-shedding scheme during contingency situations using meta-heuristics algorithms with application of AHP
method. In : Optimisation des équipements électriques et électroniques, 2008. OPTIM 2008. 11th International Conference on. IEEE ;
2008:167-173.
131. Lopes JP, Wa WC, Proença L. Genetic algorithms in the definition of optimal load shedding strategies. In : Electric Power Engineering,
1999. PowerTech Budapest 99, International Conference on. IEEE ; 1999:154.
132. Sanaye-Pasand M, Davarpanah M. A new adaptive multidimensioanal load shedding scheme using genetic algorithm. In : Canadian
Conference on Electrical and Computer Engineering, 2005. Brasov, Roumanie : IEEE ; 2005:1974-1977.
133. Arroyo JM, Fernández FJ. Application d'un algorithme génétique à l'évaluation de la sécurité du système électrique n-K. Int J Electr
Power Energ Syst. 2013;49:114-121.
134. Moradi M, Abedini M. A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in
distribution systems. Int J Electr Power Energ Syst. 2012;34(1):66-74.
135. Sasikala J, Ramaswamy M. Fuzzy based load shedding strategies for avoiding voltage collapse. Appl Soft Comput. Kuala Lumpur, Malaisie :
2011;11(3):3179-3185.
136. Erol OK, Eksin I. Une nouvelle méthode d'optimisation : big bang-big crunch. Adv Eng Softw. Budapest, Hongrie : 2006;37(2):106-111.
137. Sakthivel S, Mary D. Big bang-big crunch algorithm for voltage stability limits improvement by coordinated control of svc settings. Res J
Appl Sci Eng Technol. Vancouver, Canada : 2013;6(7):1209-1217.
138. Rahi O, Yadav AK, Malik H, Azeem A, Kr B. Power system voltage stability assessment through artificial neural network. Procedia Eng.
2012;30:53-60.
139. Moazzami M, Khodabakhshian A, Hooshmand R-A. A new optimal under-frequency load-shedding method using hybrid culture-
particle swarm optimization-co-evolutionary algorithm and artificial neural networks. Electr Power Compon Syst. 2015;43(1):69-82.
140. Yasin Z, Rahman T, Zakaria Z. Optimal undervoltage load shedding using quantum-inspired evolutionary programming. In : TENCON
Spring Conference, 2013 IEEE. IEEE ; 2013:337-341.
141. Haidar AM, Mohamed A, Al-Dabbagh M, Hussain A. Vulnerability assessment and control of large scale interconnected power systems
using neural networks and neuro-fuzzy techniques. In : Power Engineering Conference, 2008. AUPEC'08. Australasian Universities. IEEE
; 2008:1-6.
142. Haidar AM, Mohamed A, Hussain A, Jaalam N. Artificial intelligence application to Malaysian electrical powersystem. Expert Syst Appl.
2010;37(7):5023-5031.
143. Yang X-S, He X. Firefly algorithm : recent advances and applications. Int J Swarm Intell. 2013;1(1):36-50.
144. Hashmi A, Goel N, Goel S, Gupta D. Firefly algorithm for unconstrained optimization. IOSR J Comput Eng. 2013;11(1):75-78.
145. Fister I, Yang X-S, Brest J. A comprehensive review of firefly algorithms. Swarm Evol Comput. Sydney, Australie : 2013;13:34-46.
146. Sahu RK, Panda S, Padhan S. A hybrid firefly algorithm and pattern search technique for automatic generation control of multi area
power systems. Int J Electr Power Energ Syst. Melburne, Australie : 2015;64:9-23.
147. Larik RM, Mustafa MW, Aman MN, Jumani TA, Sajid S, Panjwani MK. An improved algorithm for optimal load shedding in power
systems (Un algorithme amélioré pour un délestage optimal dans les systèmes électriques). Energies. 2018;11(7):1-16.
148. Dreidy M, Mokhlis H, Mekhilef S. Application of meta-heuristic techniques for optimal load shedding in islanded distribution network
with high penetration of solar PV generation. Energies. 2017;10(2):150.
149. Tamilselvan V, Jayabarathi T. A hybrid method for optimal load shedding and improving voltage stability. Ain Shams Eng J.
2016;7(1):223-232.
150. Larik RM, Mustafa MW. "Méthodes d'optimisation méta-heuristiques pour le schéma de délestage sous tension (IEEC 2016).
151. Zin AM, Hafiz HM, Aziz M. A review of under-frequency load shedding scheme on TNB system. In : Power and Energy Conference,
2004. PECon 2004. Proceedings. National. IEEE ; 2004:170-174.

Comment citer cet article : Larik RM, Mustafa MW, Aman MN. A critical review of the state-of-art schemes for
under voltage load shedding. Int Trans Electr Energ Syst. 2019;e2828. https://doi.org/10.1002/2050-7038.2828
42 de LARIK ET AL.
44

ANNEXE A

TABLEAU A1 Notations utilisées dans les équations mathématiques

P 0Gi Production de puissance active au bus i dans les conditions initiales de

fonctionnement (MW)
P0
Di Puissance active demandée au bus i dans les conditions initiales
de fonctionnement (MW)
P cGi Production de puissance active au bus i en état de contingence (MW)
Pc
Di Puissance active demandée au bus i en état de
contingence (MW)
ΔPDi Variation de la puissance active appelée (MW) à l'état de fonctionnement initial
Q0
Gi Production de puissance réactive au bus i dans les conditions initiales de
fonctionnement (MVAr)
Q0Di Demande de puissance réactive au bus i dans les conditions initiales de
ΔQDi Variation de la demande de puissance réactive (MVAr) à l'état de
fonctionnement initial
fonctionnement (MVAr)
Yij Admittance de la ligne ij (1/Ω) à l'état de fonctionnement initial
θij Angle d'admittance de la ligne ij dans les conditions initiales de fonctionnement
δi Angle de tension au bus i dans les conditions initiales de fonctionnement
δc
i Angle de tension au bus i dans un état de
contingence
δj Angle de tension au bus j dans les conditions initiales de fonctionnement
δc
j Angle de tension au bus j dans un état de
contingence
δij Angle de tension sur la ligne ij dans les conditions initiales de fonctionnement
λmin Marge de chargement minimale
Vi Tension du bus dans les conditions initiales d'exploitation au bus i (V)
Vc
i Tension du bus dans l'état de contingence
au bus i (V)
Vj Tension du bus dans les conditions initiales d'exploitation au bus j (V)
Vc
j Tension du bus dans l'état de contingence
au bus j (V)
V min
i
Limite inférieure de la tension à l'état de fonctionnement initial du bus i (V)
V imax Limite supérieure de la tension à l'état de fonctionnement initial du
bus i (V)
V ci min Limite inférieure de la tension au bus i dans l'état de contingence (V)
Vc max
i Limite supérieure de la tension au bus i dans l'état de
contingence (V)
Pij Flux de puissance active de la ligne ij à l'état de fonctionnement initial (MW)
Pmax
ij Limite supérieure du flux de puissance active de la ligne ij dans les conditions
initiales de fonctionnement (MW)
P cij
Flux de puissance active de la ligne ij dans l'état de contingence (MW)
Pc max
ij Limite supérieure du flux de puissance active de la ligne ij à l'état de
contingence (MW)
ND Ensemble de bus de charge/demande
NG Ensemble de bus de génération
NL Nombre de lignes