Académique Documents
Professionnel Documents
Culture Documents
Encadrants :
Nicolas Retière
Nouredine Hadjsaid ENSIEG, le 2 avril 2004
© Copyright EDF
Problématique du raccordement :
Tendance à l’insertion de moins en moins marginale des producteurs,
Études existantes concernant les impacts HTA/HTA et BT/BT,
Contraintes de raccordement importantes et limitatives.
Objectifs :
Etudier la transmission des impacts de la BT vers la HTA,
Trouver des solutions innovantes pour la gestion des réseaux de distribution
en présence de Génération d’Energie Dispersée (GED),
Augmenter la capacité d’accueil.
Découpage :
Études d’impacts,
Remèdes aux impacts les plus critiques,
II – Études d’impacts
IV – Validation
V – Conclusions et perspectives
II – Études d’impacts
IV – Validation
V – Conclusions et perspectives
Idée
Quantifier et évaluer la criticité d’un impact en fonction des valeurs
usuelles des paramètres du réseau
Démarche
La plus générale possible
Bonus
Trouver des solutions pour la gestion du réseau de distribution en
présence de GED
Approche
Type paramétrique
Outil
Outil analytique
informatique
Simulation et exploitation
Quantification de
l’impact
Déséquilibres,
Stabilité,
Matériels de réseau :
Vieillissement des matériels accéléré entre autres.
Le plan de protection
Bon fonctionnement assuré : pas d’aveuglement ni de
déclenchement intempestifs
La stabilité
petits signaux : pas de modes instables
grands signaux : valeurs de TEC acceptables
Outil
Outil analytique
informatique
Simulation et exploitation
Quantification de
l’impact
urbain
Xcc N1 R1, X 1 N2 R 2, X 2 N3
HTA école
Choix de l ’impact
Choix des réseaux
étudié
Outil
Outil analytique
informatique
Simulation et exploitation
Quantification de
l’impact
RPe XQe
U
Ue
Choix de l ’impact
Choix des réseaux
étudié
Outil
Outil analytique
informatique
Simulation et exploitation
Quantification de
l’impact
Choix de l ’impact
Choix des réseaux
étudié
Outil
Outil analytique
informatique
Simulation et exploitation
Quantification de
l’impact
0.2% 0.15%
250kW N29
0kW
0.1%
N1 250kW N55 250kW N1
0.15%
0.05% 250kW N29
0.1% 0 250kW N55
N1 0 2000 4000 6000 8000 10000 12000
0 javan t javan t
Pg . Rk Qg . X k
0 2000 4000 6000 8000 10000 k 112000 k 1
Variation de l’indice : relatif ( Njavant )
n k javan t
n
k javan t
U source Rl .Pk X l .Qk
2
Longueur (m)
k 1 l 1 k 1 l 1
javant javant
Rk et X k Avant le point d’insertion : augmente
N1 k 1 k 1
N29
Après le point d’insertion : constant relatif ( N 2) relatif ( N 3)
21 21 kV
uniformément répartis
20.8
20.6
20.4
Tension (kV)
19.4
19.2
19 principalement localisés 19 kV
0 2000 4000 6000 8000 10000
en bout d’artère
12000
Longueur (m )
20.6
20.4
Référence
20.2
23 GED
20 23 GED artère 1
19.6
19 19 kV
0 1000 2000 3000 4000 5000 6000 7000 8000
II – Études d’impacts
IV – Validation
V – Conclusions et perspectives
Minimiser F ( x, u )
avec g (u, x) 0
h(u, x) 0
F(x,u) est la fonction objectif,
x sont les variables électriques (tensions, courants, phases, puissances),
u sont les grandeurs commandables (consignes producteurs / FACTS, régleurs en
charge, condensateurs entre autres),
g(u,x) la (ou les) équation(s) qui se réfère(nt) à des conditions d’égalité (exemple :
calcul de répartition, égalité puissance consommée et puissance produite aux pertes
près),
h(u,x) la (ou les) inégalité(s) qui tradui(sen)t les contraintes sur les vecteurs x et u
(tensions maximales, puissances transmissibles).
Problème contraint :
Limites sur les injections de puissance des moyens de réglage
Limites sur les tensions du réseau
Limites sur les courants
compte
Représentations linéaires,
compte
Représentations en escaliers,
en compte
1.1
1.1
1.1
Tableaux de valeurs.
prispris
en en
Problème contraint :
pris
1.05
1.05
1.05
Ratio
U consigne U noeuds
1 H U noeuds
H2
2
0.9
0.9
0.9
0.9
0.90 2 0.95
0.95 4 6 11 8 1.05
101.05 12 1.114max16U consigne
1.1 1.151.15
18
N noeuds
Valeur
Plotdedeconsigne
Valeur consigne
de consigne
Méthodes déterministes :
Exemple : Programmation Séquentielle Quadratique (SQP) appliquée à
des problèmes continus ou rendus continus.
Inadaptées aux problèmes discrets (programmation d’entier Branch &
Bound),
Inadaptées aux fortes non-linéarités.
Méthodes heuristiques :
Exemple : Algorithmes Génétiques dans le cas de problèmes fortement
non-linéaires,
Nombreux réglages,
Critères d’arrêts non déterministes.
Transformateur 20 MVA
Départs Adjacents
modélisés par une charge de
13 MVA
1.1
Heuristique
1.05
2.05
2.05 REPRESENTATION Avant Déterministe
Algorithme
LINEAIRE contraintesoptimisation SQP
1
norme11 avec
norme avec contraintes
Génétique
0.95
0.9
0.9 0.95 1 1.05 1.1
2.04
2.04 1.15
F(x,u)
2.03
2.03
Tension (V)
reference
reference
1
F ( x, u) U2.02consigne U i ( x, u) SQP SQP
Nombre / AG AG 2422 2500
N i noeuds
2.02 d’itérations AG avec SQP
U U i ( x, u )
1
F ( x, u )
2
consigne Nombre / 2425 2500
N i noeuds d’itérations
2 2
U1.99
F ( x, u) max1.99
0consigne
0 U
10
i noeuds
, u)20
10 i ( x20 30 Nombre
30 40 40 50 50 / 60 60 70 702421
80 80 2500
d’itérations
Noeuds
Noeudsdépart
départ rural
rural
1.15
1.1
0.95
1
F ( x, u) U consigne U i ( x, u)
N i noeuds
Nombre
d’itérations
/ 4 26
U U i ( x, u )
1
F ( x, u )
2
consigne Nombre / 4 43
N i noeuds d’itérations
1.15
1.1
0.95
1
F ( x, u) U consigne U i ( x, u)
N i noeuds
Nombre
d’itérations
/ 2404 2500
U U i ( x, u )
1
F ( x, u )
2
consigne Nombre / 2415 2500
N i noeuds d’itérations
1.15
1.15
1.05
1.05
linéarisé
1
1
0.95
0.95
0.9
0.9 0.95 1 1.05 1.1 1.15
Valeur de consigne
0.9
0 2 4 6 8 10 12
discret
14 16 18
Plot de consigne
u1u2u3u4u5u6u7……………..
Continus Discrets
Sélection de type :
Tournoi :
I1 : u1u2u3u4u5u6u7 F(I1) si F(I4) < F(I6) alors I4 est sélectionné
I2 : u1u2u3u4u5u6u7 F(I2) puis on répète une seconde fois
I3 : u1u2u3u4u5u6u7 F(I3)
I4 : u1u2u3u4u5u6u7 F(I4) Elitisme : parmi les x% meilleurs
(F(Ii) faible), sélection de deux
I5 : u1u2u3u4u5u6u7 F(I5) individus aléatoirement
I6 : u1u2u3u4u5u6u7 F(I6)
I7 : u1u2u3u4u5u6u7 F(I7) Roue biaisée :
I1(p1) I2(p2) I3(p3) I4(p4)
p1 > p2 > p3> p4
… …
… …
I4
I1
I2
Croisement de type :
Uniforme :
Parents : Le même nombre de gènes est échangé
entre les parents 1 et 2
I4 : u1u2u3u4u5u6u7 F(I4)
Non uniforme :
I6 : u1u2u3u4u5u6u7 F(I6) Nombre de gènes différents
A plusieurs coupures
Enfants :
Combinaison linéaire :
Ia’ : F(Ia’) u1’ = t.u1+(1-t).u1 0≤t≤1
Ib’ : F(Ib’)
u1u2u3u4u5u6u7 u1u2u3u4u5u6u7
regroupement
u1u2u3u4u5u6u7 discrètes/continues u1u5|u2u3u4u6u7
optimisées localement
F(x,u)
Population initiale
Enfants possibles
F(x,u)
Population initiale
Enfant muté
F(x,u)
Population initiale
Enfant muté
F(u)
u0
ui
* uj
u
ux
FN1= 4.96e-3
2.1
2.08
2.06
Tension (V)
reference
SQP
AG avec SQP
2.04
2.02
FN1= 1.85e-3
Tension de 2
6.3
pertes dans les deux départs (pu)
6.25
6.2
6.15
6.1
6.05
5.95
0 100 200 300 400 500 600 700
génération de l algorithme génétique
2.09
2.08
Heuristique Heuristique
AVEC REGLAGE DES
2.07 Avant Déterministe avec sans
44 PRODUCTEURS
optimisation SQP convergence convergence
+ REGLEUR EN CHARGE2.06
+ BANC DE CAPACITE
Tension (V)
2.02
2.01
2
0 20 40 60 80 100 120 140
Noeuds départ rural puis urbain
Au final
Vi
Min F (q1...qn ) a j ; p
Q
i noeuds j
Ni
p 1 (if q j , 0, else 1) Qj QN50
j moyende réglage Pj
2500
réglage réglage
2000
1500
efficacité dede
- Efficacité
1000
500
0
0 5 10 15 20 25
Nombre de producteurs
nombre de producteur(s)
2.007
2.007
2.006
2.006
2.005
2.005
(V)
Tension (V)
2.004
2.004
2.003
2.003
référence
référence
3 moyens
23
12 moyensréglage
réglage
2.002
2.002
2.001
2.001
22
1.999
1.999
00 10
10 20
20 30
30
30 40
4040 50
50
50 60
60
60 70
70
70 80
80
80
Noeuds du
Noeudsdu
Noeuds réseau
duréseau rural
réseaurural
rural
Tous Douze
les moyens
Trois de de
moyens
moyens réglage sont
de réglage
réglage coordonnés
seulement
seulement FN1F(x,u)=2.02
N1(x,u)=0.574
F(x,u)=2.74
II – Études d’impacts
IV – Validation
V – Conclusions et perspectives
BTA
Arène ®
HTB HTA
PC contrôleur
8 analogiques
E/S A ou D A/N
ARENE Rack
temps VME
réel
PC1 PC2 producteur
superviseur PC producteur
Communication
média et protocole N/A
communication
Banc expérimental :
II – Études d’impacts
IV – Validation
V – Conclusions et perspectives
Centrale virtuelle
Réseau
distribution
Centre de controle