Comment l’algorithme PSO transforme la fiabilité des réseaux électriques intelligents ?

La fiabilité des réseaux électriques intelligents est cruciale pour l’avenir énergétique. Cette recherche innovante révèle comment l’algorithme PSO optimise leur performance, réduisant les pertes d’énergie et améliorant la stabilité, offrant ainsi des solutions prometteuses pour les distributeurs d’énergie.

Université de Douala

École Normale Supérieure d’Enseignement Technique

Division des techniques industrielles

Département de génie électrique

Option : Electrotechnique / Niveau : DIPET 2 / Master

Thème/Topic

Mémoire de fin d’études du 2nd cycle présenté en complément pour l’obtention du Diplôme de Professeur d’Enseignement Technique deuxième grade (DIPETII)

Contribution à l’optimisation de la fiabilité d’un smartgrid à l’aide de l’algorithme PSO

Rédigé et soutenu par : Foba Kakeu Vinny Junior 16N78656

Sous la direction de :

Devant le Jury composé de :

Année académique 2020-2021

Résumé

Ce travail est une contribution à l’optimisation de la fiabilité des réseaux électriques intelligents à l’aide de l’algorithme d’optimisation par essaim de particule (PSO). Dans la littérature, plusieurs techniques sont proposées pour améliorer la fiabilité et la stabilité des réseaux électriques par un placement optimal des productions décentralisées. Cependant aucun de ces travaux ne s’applique sur les réseaux intelligents.

En ce qui concerne notre travail nous proposons l’algorithme PSO que nous appliquons aux réseaux électriques intelligents. Cet algorithme d’optimisation est l’une des méthodes méta-heuristiques les plus utilisées pour l’étude des réseaux électriques. Il permet d’optimiser les paramètres des réseaux par la recherche de la position optimale dans un large espace de candidats et de nœuds.

Dans notre travail, il permet d’améliorer la fiabilité du smartgrid par un placement optimal des productions décentralisées dans les nœuds du réseau. Nous proposons une co-simulation OpenDSS-OMNet++ pour le réseau électrique et le réseau de communication afin de bâtir un réseau intelligent. Par la suite nous implémentons la co-simulation OpenDSS-Matlab pour l’algorithme d’optimisation par essaim de particule afin de déterminer au mieux la position optimale et la taille des productions décentralisées de panneaux solaires pour optimiser la fiabilité du smartgrid pour une meilleure disponibilité d’énergie et une amélioration du profil de tension.

Nous avons implémenté notre méthode d’abord dans un réseau test IEEE 13 nœuds, en cas de surcharge de 80 %, la chute de tension est de 45 % avec un SAIFI de 40 et avec un placement optimal des PV, la chute de tension passe à 2.3 % avec un SAIFI de 0.55.

Les pertes d’énergie passent de 15352671.8824 KWh/an à 211076.6836 KWh/an soit une différence de près de 15141395.2 KWh/an. Ensuite nous avons appliqué notre méthode sur le corridor Bassa-Malangue, en cas de surcharge de 50 %, la chute de tension est de 55 % avec un SAIFI de 53 et avec un placement optimal des PV, la chute de tension passe à 2.5 % avec un SAIFI de 4.

Les pertes d’énergie passent de 22680931.4019 KWh/an à 5010869.8858 KWh/an, soit une différence de 17669861.12 KWh/an. Ces résultats nous montrent l’efficacité de notre méthode et la possibilité qu’elle offre aux distributeurs d’énergie pour la vulgarisation des productions décentralisées dans l’implémentation des réseaux intelligents.

Mots clés : Co-simulation, fiabilité, smartgrid, algorithme PSO, production décentralisée.

Abstract

This work is a contribution to optimizing the reliability of smartgrids using the Particle Swarm Optimization (PSO) algorithm. In the literature, several techniques are proposed to improve the reliability and stability of electrical networks by an optimal allocation of distributed generation. However, none of these works applied to smart power grid.

Regarding our work, we propose the PSO algorithm that we apply to smart power grids. This optimization algorithm is one of the most widely used meta-heuristic methods for the study of electrical networks. It makes it possible to optimize the parameters of smartgrids by finding the optimal position in a large space of candidates and nodes.

In our work, it improves the reliability of the smartgrid by optimal allocation of distributed generation. We propose OpenDSS-OMNet ++ co-simulation for power grid and communication network to achieve smartgrid. Subsequently, we implement the OpenDSS-Matlab co-simulation for the particle swarm optimization algorithm in order to best determine the optimal allocation and size of the distributed generation of solar panels to optimize the reliability of the smartgrid for better availability of energy and improvement of voltage profile.

We implemented our method first in an IEEE 13-bus test system, in case of overload fault of 80 %, the voltage drop is 45%, the SAIFI is 40 and with optimal allocation of PV, the voltage drop moves to 2.3%, the SAIFI is 0.55. The energy losses go from 15352671.8824 KWh/year to 211076.6836 KWh/year, i.e. a difference of nearly 5021609.99 KWh /year. We then apply our method on the Bassa-Malangue corridor in the city of Douala, in the event of an overload fault of 50%, the voltage drop is 55%, the SAIFI is 53 and with PV it drops to 2.5%, the SAIFI is 4. The energy losses go from 22680931.4019 kWh/year to 5010869.8858 KWh/year, i.e. a difference of 17669861.12 KWh/year. These results show us the efficiency of our method and the possibility which is offered to energy distributors for the progression of distributed generations in smart power grids.

Keywords: Co-simulation, reliability, smartgrid, PSO algorithm, distributed generation.

Introduction générale

Contexte

Les réseaux électriques font face actuellement à des défis majeurs tels que les coupures intempestives et les chutes de tension. De ce fait, le concept de fiabilité est utilisé par les ingénieurs dans le monde, pour évaluer l’impact de ces interruptions dans le réseau électrique [1, 2]. Les distributeurs d’électricité y voient une opportunité pour moderniser grandement leurs installations afin de minimiser les coûts de maintenance de leur réseau, tout en augmentant leur fiabilité, leur efficacité et leur sécurité [2].

Ces distributeurs d’électricité souhaitent optimiser leurs installations et ajouter sur l’intégralité de leurs réseaux des points de mesures, de contrôle et de télécommunication dans le but d’accroitre la performance par une gestion dynamique de l’information recueillie à distance faisant ainsi naitre les réseaux électriques intelligents [3]. Ainsi, le développement progressif d’un réseau électrique intelligent assurant une meilleure fiabilité du système en termes de disponibilité de l’énergie et de réduction des pertes suite à l’évolution des charges dans l’espace et le temps tout en prenant en compte l’intégration de la production décentralisée exige l’utilisation des méthodes de simulation prévisionnelle dans les réseaux électriques intelligents grâce à de nouveaux outils de simulation à série temporelle tels que OpenDSS, OMNet++ et Matlab.

Problématique

Comment localiser la position et la puissance optimale des productions décentralisées à injecter dans le réseau électrique en vue d’optimiser la fiabilité et assurer une bonne disponibilité de l’énergie en cas de surcharge dans le réseau.

Objectifs

• Proposer une nouvelle approche pour réaliser des analyses paramétriques afin de planifier l’évolution des réseaux électriques dans le temps;
• Répondre à la nécessité d’avoir accès facilement aux données afin de programmer avec un minimum d’efforts et d’opérations les modifications à appliquer automatiquement sur la topologie des réseaux réels;
• Mettre sur pied un co-simulateur de réseau intelligent grâce à la plateforme OpenDSS-OMNet++;
• Implémenter l’algorithme PSO grâce à la co-simulation OpenDSS-Matlab ;
• Optimiser la fiabilité du réseau électrique intelligent suivant divers scénarios sur la production et la consommation en utilisant un algorithme d’optimisation par essaim de particules sur Matlab pour le placement optimal des productions décentralisées dans le but d’améliorer la fiabilité et le profil de tension.

Plan de l’étude

Notre étude est organisée autour de trois chapitres :

• Un premier chapitre présentant une revue de la littérature dans laquelle nous montrons les éléments d’un réseau électrique partant de la production jusqu’à la consommation. Nous donnerons également le nouveau paradigme des réseaux électrique avec l’inclusion de la production décentralisée. Nous montrerons également l’impact des énergies renouvelables sur le réseau électrique. Nous présenterons la synthèse des simulateurs des réseaux de puissance et de communication. Nous étudierons aussi les principales techniques d’optimisation des smartgrids. Nous donnerons la théorie entourant l’étude de la fiabilité des smartgrids notamment la méthode analytique et la méthode Monte Carlo. L’intention est de faire ressortir les limitations et contraintes des techniques analytiques employées jusqu’à l’heure pour faire l’analyse de la fiabilité des réseaux électriques intelligents.
• Un deuxième chapitre qui ressort les matériels et méthodes; nous présenterons le réseau IEEE 13 Nœuds et le réseau Bassa-Malangue. Nous présenterons ensuite les outils d’analyse des réseaux électriques OpenDSS, et des réseaux de communication OMNet++ pour la mise en œuvre du réseau intelligent. Nous ferons une étude approfondie de la plateforme de Co-simulation OpenDSS-Matlab pour l’algorithme PSO.
• Un troisième chapitre présentant les résultats de simulation et la discussion; ici nous présenterons le réseau intelligent IEEE 13 nœuds et le réseau intelligent Bassa-Malangue obtenus par une co-simulation OpenDSS-OMNet++. Nous présenterons aussi les résultats de l’optimisation de la fiabilité par une co-simulation OpenDSS-Matlab pour chacun de ces réseaux. La fiabilité du système électrique sera évaluée sur une période d’un an (8760 heures) pour les différents cas d’étude.

Questions Fréquemment Posées

Comment l’algorithme PSO améliore-t-il la fiabilité des réseaux électriques intelligents ?

L’algorithme PSO améliore la fiabilité des réseaux électriques intelligents par un placement optimal des productions décentralisées dans les nœuds du réseau.

Quels résultats ont été obtenus en utilisant l’algorithme PSO sur un réseau test IEEE 13 nœuds ?

Sur le réseau test IEEE 13 nœuds, la chute de tension est passée de 45 % à 2.3 % avec un placement optimal des panneaux solaires, et les pertes d’énergie ont été réduites de près de 15,141,395.2 KWh/an.

Quelles sont les perspectives offertes par l’algorithme PSO pour les distributeurs d’énergie ?

L’algorithme PSO offre des perspectives intéressantes pour les distributeurs d’énergie dans la vulgarisation des productions décentralisées dans l’implémentation des réseaux intelligents.