CONTRIBUTION À L’OPTIMISATION DE LA FIABILITÉ D’UN SMARTGRID À L’AIDE DE L’ALGORITHME PSO
Cette recherche explore l’optimisation de la fiabilité des réseaux électriques intelligents à l’aide de l’algorithme PSO. L’étude démontre comment cet algorithme peut améliorer la stabilité des réseaux par un placement optimal des productions décentralisées. Les résultats montrent une réduction significative des pertes d’énergie et une amélioration du profil de tension. Ce travail offre des perspectives intéressantes pour les distributeurs d’énergie dans l’implémentation des réseaux intelligents.
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 : Pr BOUM Alexandre TeplairaDirecteurDr MBEY Camille FranklinEncadreur
Devant le Jury composé de : Pr BOUM Alexandre TeplairaPrésidentDr MBEY Camille FranklinRapporteurM. NDJEPENDA PatrickMembre 1M.
Dédicaces
• A ma chère maman
• A mon cher papa
• A mes frères et sœurs
Remerciements
Durant tout notre cycle de formation, nous avons reçu l’aide de plusieurs personnes sans lesquelles les travaux de ce mémoire ainsi que sa rédaction n’auraient eu lieu. Nous tenons ainsi à remercier humblement :
• Le président du jury et les membres du jury qui ont bien voulu apporter un jugement de valeur à ce travail ;
• Dr MBEY Camille Franklin qui a bien consenti de son temps pour l’encadrement de ce travail et qui nous a fait profiter de ses larges connaissances et précieux conseils au cours de l’élaboration et de la rédaction de notre mémoire de fin d’étude ;
• Pr BOUM Alexandre Teplaira qui, malgré ses multiples occupations à bien assurer la supervision de ce travail;
• Pr. NNEME NNEME Léandre Directeur de l’ENSET, la direction, ainsi que tout le personnel administratif de l’ENSET pour leur contribution à notre formation ;
• M. YEM SOUHE Felix pour sa franche collaboration dans le laboratoire ;
• Nos camarades de l’ENSET, avec qui nous avons constitué une véritable famille dans laquelle la volonté de travailler en équipe nous a permis de surmonter les obstacles rencontrés durant notre formation ;
• Nos familles et amis pour tout le soutien moral et financier qu’ils nous ont apporté ;
Que tous ceux qui n’ont pas été cités, trouvent également ici l’expression de notre profonde gratitude.
Avant-propos
L’Ecole Normale Supérieure d’Enseignement Technique (ENSET) est une institution de l’université de Douala créée par arrêté présidentiel N° 260/CAB/PR du 10 Aout 1979. Elle assure la formation et l’encadrement des élèves professeurs de l’enseignement technique de la sous-région de l’Afrique centrale, en particulier au Cameroun et est constituée de deux cycles de formation à savoir :
• Un premier cycle d’une durée de trois ans sanctionné par l’obtention du Diplôme de Professeur d’Enseignement Technique premier grade (DIPET I)
• Un second cycle d’une durée de deux ans couronné par l’obtention du Diplôme de Professeur d’Enseignement Technique deuxième grade (DIPET II).
La fin de chaque cycle est marquée par la présentation d’un mémoire de fin d’étude que l’élève professeur doit défendre devant un jury conformément à l’arrêté N° 03/BU du 26 novembre 1985, en vue de l’obtention d’un diplôme de fin de cycle. Ce travail doit être en conformité avec la filière d’étude de l’étudiant, être d’actualité ou alors relever d’un intérêt pédagogique. L’objectif ici vise à développer chez les futurs enseignants, un esprit d’analyse, de recherche, de créativité, de conception et de réalisation ainsi que des capacités de synthèse.
La poursuite de ces objectifs nous a permis de porter notre choix sur le thème :
«Contribution à l’optimisation de la fiabilité d’un smartgrid à l’aide de l’algorithme PSO». Ce travail s’inscrit dans l’élan consistant à évaluer et à optimiser la fiabilité des réseaux électriques intelligents par l’utilisation des outils d’analyse et de traitement de données paramétriques des réseaux électriques afin de prédire un éventuel changement à long terme et réaliser un placement optimal des productions décentralisées. De plus, cette recherche nous permettra dans la mesure du possible de donner le meilleur de nous-même afin de se conformer aux exigences académiques de fin de formation. Nous saluons très chaleureusement tous ceux qui ont gracieusement contribué au succès de ce travail.
Table des matières
Dédicaces i
Remerciements ii
Avant-propos iii
Résumé iv
Abstract v
Table des matières vi
Liste des abréviations ix
Liste des figures xi
Liste des Tableaux xiii
Introduction générale 1
Chapitre 1 : Revue de la littérature 3
• Introduction 3Généralités sur les systèmes de distribution d’énergie électrique 3Schéma classique d’un système électrique 3Production 5Transport 7Distribution 9Consommation 10Nouveau paradigme du réseau électrique 11Généralités sur les productions décentralisées 11Impacts de l’intégration d’une production décentralisée 13Etat de l’art sur les techniques d’optimisation des smartgrids 15Définition du smartgrid 15Outils de co-simulation des smartgrids 17Techniques d’optimisation 21Fiabilité des smartgrids 23Notion de fiabilité 23Méthodes d’évaluation de la fiabilité 24Méthode analytique 24Méthode de Monte Carlo 25Les limites des travaux précédents et notre contribution 28Conclusion 29
• Introduction 3
• Généralités sur les systèmes de distribution d’énergie électrique 3Schéma classique d’un système électrique 3Production 5Transport 7Distribution 9Consommation 10Nouveau paradigme du réseau électrique 11Généralités sur les productions décentralisées 11Impacts de l’intégration d’une production décentralisée 13
• Schéma classique d’un système électrique 3Production 5Transport 7Distribution 9Consommation 10
• Production 5
• Transport 7
• Distribution 9
• Consommation 10
• Nouveau paradigme du réseau électrique 11Généralités sur les productions décentralisées 11Impacts de l’intégration d’une production décentralisée 13
• Généralités sur les productions décentralisées 11
• Impacts de l’intégration d’une production décentralisée 13
• Etat de l’art sur les techniques d’optimisation des smartgrids 15Définition du smartgrid 15Outils de co-simulation des smartgrids 17Techniques d’optimisation 21Fiabilité des smartgrids 23Notion de fiabilité 23Méthodes d’évaluation de la fiabilité 24Méthode analytique 24Méthode de Monte Carlo 25
• Définition du smartgrid 15
• Outils de co-simulation des smartgrids 17
• Techniques d’optimisation 21
• Fiabilité des smartgrids 23Notion de fiabilité 23Méthodes d’évaluation de la fiabilité 24Méthode analytique 24Méthode de Monte Carlo 25
• Notion de fiabilité 23
• Méthodes d’évaluation de la fiabilité 24Méthode analytique 24Méthode de Monte Carlo 25
• Méthode analytique 24
• Méthode de Monte Carlo 25
• Les limites des travaux précédents et notre contribution 28
• Conclusion 29
Chapitre 2 : Matériels et méthodes 30
• Introduction 30Matériels 30Réseau IEEE 13 nœuds 30Le corridor Bassa-Malangue 31Présentation 31Manquements du corridor Bassa-Malangue 32OpenDSS 32Présentation d’OpenDSS 32Développement du réseau électrique sur OpenDSS 35OMNet++ 40Présentation d’OMNet++ 40Réseau de communication sur OMNet++ 42Matlab 44Ordinateur 44Méthodes 44Co-simulation OpenDSS-OMNet++ 45Optimisation par essaim de particules 45Analyse OpenDSS-Matlab 48Procédure de calcul des indices de fiabilité 49Organigramme général du système 50Conclusion 51
• Introduction 30
• Matériels 30Réseau IEEE 13 nœuds 30Le corridor Bassa-Malangue 31Présentation 31Manquements du corridor Bassa-Malangue 32OpenDSS 32Présentation d’OpenDSS 32Développement du réseau électrique sur OpenDSS 35OMNet++ 40Présentation d’OMNet++ 40Réseau de communication sur OMNet++ 42Matlab 44Ordinateur 44
• Réseau IEEE 13 nœuds 30
• Le corridor Bassa-Malangue 31Présentation 31Manquements du corridor Bassa-Malangue 32
• Présentation 31
• Manquements du corridor Bassa-Malangue 32
• OpenDSS 32Présentation d’OpenDSS 32Développement du réseau électrique sur OpenDSS 35
• Présentation d’OpenDSS 32
• Développement du réseau électrique sur OpenDSS 35
• OMNet++ 40Présentation d’OMNet++ 40Réseau de communication sur OMNet++ 42
• Présentation d’OMNet++ 40
• Réseau de communication sur OMNet++ 42
• Matlab 44
• Ordinateur 44
• Méthodes 44Co-simulation OpenDSS-OMNet++ 45Optimisation par essaim de particules 45Analyse OpenDSS-Matlab 48Procédure de calcul des indices de fiabilité 49Organigramme général du système 50
• Co-simulation OpenDSS-OMNet++ 45
• Optimisation par essaim de particules 45
• Analyse OpenDSS-Matlab 48
• Procédure de calcul des indices de fiabilité 49
• Organigramme général du système 50
• Conclusion 51
Chapitre 3 : Résultats et discussion 52
• Introduction 52Présentation de la co-simulation des smartgrids 52Réseau IEEE 13 nœuds 52Corridor Bassa-Malangue 53Résultats du réseau IEEE 13 nœuds 54Conditions de simulation 54Régime permanent annuel 54Régime permanent avec placement aléatoire de PV 56Régime permanent avec placement optimal des PV 59Régime dynamique de surcharge 61Surcharge de 20% 61Surcharge à 40% 63Surcharge de 80% 65Surcharge à 100 % 67Régime de surcharge avec des productions décentralisées 68Synthèse des résultats du réseau IEEE 13 nœuds 70Résultats du corridor Bassa-Malangue 70Conditions de simulation 70Régime permanent annuel 71Régime permanent avec placement aléatoire des PV 72Régime permanent avec placement optimal des PV 73Régime de surcharge 74Surcharge à 20% 74Surcharge à 50 % 75Régime de surcharge avec placement optimal des PV 76Synthèse des résultats du corridor Bassa-Malangue 77Etude comparative 77Réseau IEEE 13 nœuds 77Corridor Bassa-Malangue 78Conclusion 80
• Introduction 52
• Présentation de la co-simulation des smartgrids 52Réseau IEEE 13 nœuds 52Corridor Bassa-Malangue 53
• Réseau IEEE 13 nœuds 52
• Corridor Bassa-Malangue 53
• Résultats du réseau IEEE 13 nœuds 54Conditions de simulation 54Régime permanent annuel 54Régime permanent avec placement aléatoire de PV 56Régime permanent avec placement optimal des PV 59Régime dynamique de surcharge 61Surcharge de 20% 61Surcharge à 40% 63Surcharge de 80% 65Surcharge à 100 % 67Régime de surcharge avec des productions décentralisées 68Synthèse des résultats du réseau IEEE 13 nœuds 70
• Conditions de simulation 54
• Régime permanent annuel 54
• Régime permanent avec placement aléatoire de PV 56
• Régime permanent avec placement optimal des PV 59
• Régime dynamique de surcharge 61Surcharge de 20% 61Surcharge à 40% 63Surcharge de 80% 65Surcharge à 100 % 67
• Surcharge de 20% 61
• Surcharge à 40% 63
• Surcharge de 80% 65
• Surcharge à 100 % 67
• Régime de surcharge avec des productions décentralisées 68
• Synthèse des résultats du réseau IEEE 13 nœuds 70
• Résultats du corridor Bassa-Malangue 70Conditions de simulation 70Régime permanent annuel 71Régime permanent avec placement aléatoire des PV 72Régime permanent avec placement optimal des PV 73Régime de surcharge 74Surcharge à 20% 74Surcharge à 50 % 75Régime de surcharge avec placement optimal des PV 76Synthèse des résultats du corridor Bassa-Malangue 77
• Conditions de simulation 70
• Régime permanent annuel 71
• Régime permanent avec placement aléatoire des PV 72
• Régime permanent avec placement optimal des PV 73
• Régime de surcharge 74Surcharge à 20% 74Surcharge à 50 % 75
• Surcharge à 20% 74
• Surcharge à 50 % 75
• Régime de surcharge avec placement optimal des PV 76
• Synthèse des résultats du corridor Bassa-Malangue 77
• Etude comparative 77Réseau IEEE 13 nœuds 77Corridor Bassa-Malangue 78
• Réseau IEEE 13 nœuds 77
• Corridor Bassa-Malangue 78
• Conclusion 80
Conclusion générale 81
Bibliographie 83
Annexes 89
Annexe 1 : Données du réseau IEEE 13 Nœuds 89
Annexe 2 : Code OpenDSS du réseau IEEE 13 nœuds 91
Annexe 3 : Code OpenDSS du corridor Bassa-Malangue 93
Annexe 4 : Code de simulation Monte Carlo annuelle 95
Annexe 5 : Code NED du réseau IEEE 13 nœuds 96
Annexe 6 : Code NED du corridor Bassa-Malangue 99
Annexe 7 : Algorithme PSO 102
Liste des abréviations
ABC: Artificial Bee Colony ACO: Ant Colony Optimization
AENS: Average Energy Not Supplied AIE: Agence Internationale de l’Energie
APREM: Analyse Paramétrique des Réseaux Electriques sur Matlab BAT: Bat Algorithm
BCO: Bee Colony Optimization
BFAO: Bacterial Foraging Optimization Algorithm BTA: Basse Tension catégorie A
CAT: Cat Swarm Optimization
CEI: Commission Electrotechnique Internationale CSA: Cuckoo Search Algorithm
CSV: Comma Separated Value DG: Distributed Generation DLL: Dynamic Link Library DOS: Disk Operating System
DSS: Distribution System Simulator ENEO: Energy of Cameroon
EPRI: Electric Power Research Institute FA: Firefly Algorithm
GPS: Global Positioning System GWO: Gray Wolf Optimization HTA : Haute Tension catégorie A HTB : Haute Tension catégorie B
IDE: Integrated Development Environment
IEEE: Institute of Electrical and Electronics Engineers JSIM: Java-Based Simulation
KVA: Kilo Volt Ampère
KVAr: Kilo Volt Ampère-métrique KW: Kilo Watt
KWc: Kilo Watt crête LAN: Local Area Network
LOEE: Loss of Energy Expectation MAN: Metropolitan Area Network Matlab: Matrix Laboratory
MC: Monte Carlo MO: Multi Objectif MW: Méga Watt
NED: Network Description NS2: Network Simulator 2 NS3: Network Simulator 3
OMNET++: Objective Modular Network in C++ OpenDSS: Open source Distribution System Simulator OPNET: Optimum Network performance
OTCL: Oriented Tool Command Language PMU: Phase Measurement Unit
PNNL: Pacific Northwest National Laboratory
PSCAD/EMTDC: Power System Computer Aid Design ElectroMagnetic Transient DC PSO: Particle Swarm Optimization
pu: Per Unit
PV: Panneau photovoltaïque RBTS : Roy Billinton Test System RIS : Réseau Interconnecté Sud RNA : Réseau de neurone artificiel
RTE : Réseau de transport d’électricité TBT: Très Basse Tension
TMY: Typical Meteorological Year WOA: Whale Optimization Algorithm WSA: Wolf Search Algorithm
Liste des figures
Figure 1.1: Schéma classique d’un système électrique [3] 4
Figure 1.2: Production mondiale 2019 5
Figure 1.3: Structure maillée d’un réseau de transport 8
Figure 1.4: Exemple d’un réseau de distribution à structure radiale 10
Figure 1.5: La consommation et la prévision en « J-1 » en France le 03/11/2020 [10] 11
Figure 1.6: Nouvelle organisation du réseau électrique avec des productions décentralisées [1] 12
Figure 1.7: Profil de tension le long d’une ligne classique [2] 14
Figure 1.8: Profil de tension avec l’installation d’une production décentralisée [2] 14
Figure 1.9: Architecture générale d’un smartgrid selon la NIST [26] 16
Figure 2.1: Schéma du réseau IEEE 13 nœuds [27] 30
Figure 2.2: Corridor Bassa-Malangue [76, 77] 31
Figure 2.3: Structure de la simulation dans OpenDSS [15] 34
Figure 2.4: Interface d’accueil d’OpenDSS 34
Figure 2.5: Scripts des pertes, des tensions et des courants 38
Figure 2.6: Visualisation de courant dans un transformateur du réseau IEEE 123 nœuds 38
Figure 2.7: Visualisation de la tension d’une charge du réseau IEEE 123 nœuds 39
Figure 2.8: Répartition de la puissance dans le réseau IEEE 123 Nœuds 39
Figure 2.9: Page de démarrage d’OMNet++ 41
Figure 2.10: Environnement de travail d’OMNet++ IDE 41
Figure 2.11: Création d’un nouveau réseau 42
Figure 2.12: Explorateur de projet 43
Figure 2.13: Début d’assemblage des modules du réseau 43
Figure 2.14: Code de fonctionnement du réseau de communication 44
Figure 2.15: Plateforme de co-simulation du smartgrid 44
Figure 2.16: Co-simulation OpenDSS-OMNet++ 45
Figure 2.17: Mouvement d’une particule 46
Figure 2.18: Analyse OpenDSS-Matlab 48
Figure 2.19: Scripts de Co-simulation dans Matlab 49
Figure 2.20: Organigramme général du système 50
Figure 3.1: Co-simulation OpenDSS-OMNet++ du réseau 13 nœuds intelligent 52
Figure 3.2: Co-simulation OpenDSS-OMNet++ du corridor Bassa-Malangue intelligent 53
Figure 3.3: Répartition de la puissance dans le réseau IEEE 13 nœuds 54
Figure 3.4: Profil de la tension du réseau IEEE 13 nœuds 55
Figure 3.5: Profil de tension au cours de l’année 55
Figure 3.6: Profil de puissance au cours de l’année 56
Figure 3.7: Répartition de la puissance dans le réseau IEEE 13 nœuds 57
Figure 3.8: Profil de tension par un placement aléatoire 57
Figure 3.9: Profil de tension au cours de l’année 58
Figure 3.10: Profil de puissance au cours de l’année 58
Figure 3.11: Répartition de la puissance avec placement optimal des PV 59
Figure 3.12: Profil de tension le long de la ligne 60
Figure 3.13: Profil de la tension au cours de l’année 60
Figure 3.14: Profil de la puissance au cours de l’année 61
Figure 3.15: Répartition de la puissance dans le réseau 61
Figure 3.16: Profil de tension le long de la ligne 62
Figure 3.17: Profil de tension pour une surcharge de 20% 62
Figure 3.18: Profil de puissance pour une surcharge de 20% 63
Figure 3.19: Répartition de puissance 63
Figure 3.20: Profil de tension le long de la ligne 64
Figure 3.21: Profil de tension pour une surcharge de 40% 64
Figure 3.22: Profil de puissance pour une surcharge de 40% 65
Figure 3.23: Répartition de la puissance pour une surcharge à 80% 65
Figure 3.24: Profil de tension le long de la ligne pour une surcharge à 80% 66
Figure 3.25: Profil de tension pour une surcharge de 80% 66
Figure 3.26: Répartition de la puissance pour une surcharge à 100% 67
Figure 3.27: Profil de tension avec une surcharge de 100 % 67
Figure 3.28: Profil de tension au cours de l’année pour une surcharge à 100% 68
Figure 3.29: Répartition de la puissance avec surcharge et PV 69
Figure 3.30: Profil de tension le long de la ligne 69
Figure 3.31: Profil de tension au cours de l’année 70
Figure 3.32: Répartition de la puissance dans le corridor Bassa-Malangue 71
Figure 3.33: Profil de tension le long de la ligne 71
Figure 3.34: Profil de tension au cours de l’année 72
Figure 3.35: Profil de tension avec placement aléatoire des PV 73
Figure 3.36: Profil de tension avec placement optimal 73
Figure 3.37: Profil de tension au cours de l’année 74
Figure 3.38: Profil de tension le long de la ligne 74
Figure 3.39: Profil de tension au cours de l’année 75
Figure 3.40: Profil de tension le long de la ligne 75
Figure 3.41: Profil de tension au cours de l’année 76
Figure 3.42: Profil de tension le long de la ligne 76
Figure 3.43: Profil de tension au cours de l’année 77
Figure 3.44: Comparaison des énergies consommées durant une journée 78
Figure 3.45: Comparaison des pertes d’énergies durant une journée 78
Figure 3.46: Comparaison des énergies consommées durant une journée 79
Figure 3.47: Comparaison des pertes d’énergie durant une journée 79
Liste des Tableaux
Tableau 1.1: Ordre de grandeur des puissances des unités de production 6
Tableau 1.2: Moyen de production d’électricité du Cameroun 7
Tableau 1.3: Puissance transmissible en fonction de la tension et de la distance [1] 9
Tableau 1.4: Niveaux de tension [6] 10
Tableau 1.5: Synthèse des simulateurs des réseaux électriques de puissance 18
Tableau 1.6: Synthèse des simulateurs des réseaux de communication 20
Tableau 2.1: Caractéristiques du réseau IEEE 13 nœuds 31
Tableau 3.1: Synthèse des résultats du réseau IEEE 13 nœuds 70
Tableau 3.2: Synthèse des résultats du corridor Bassa-Malangue 77
Bibliographie
[1]F. Diop, «Analyses probabilistes pour l’étude des réseaux électriques de distribution», Thèse de doctorat, Université Paris-Saclay, 2018.[2]D. M. Thang, « Approche probabiliste pour l’évaluation de la fiabilité du système électrique intégrant des énergies renouvelables peu prévisibles», Thèse de doctorat, Université Lille 1-sciences et technologies, 2012.[3]H. Bayem, « Apport des méthodes probabilistes aux études d’intégration des énergies renouvelables aux systèmes électriques », Thèse de doctorat, Université de Paris-SUD11, 2006.[4]https://www.iea.org consulté le 10 septembre 2020 à 18 h 23.[5]Rapport sur la production et le transport de l’énergie électrique au Cameroun, ENEO, 2019.[6]N. Hadjsaid, « La distribution d’énergie électrique en présence de production décentralisée. », Edition Lavoisier, 2010.[7]N. Hadjsaïd, J. C. Sabonnadière, «Power Systems and Restructuring», Edition Wiley, 2009.[8]P. Chen, Z. Chen, B. B. Jensen, R. Villafáfila, « Study of Power Fluctuation from Dispersed Generations and loads and its impact on a Distribution Network through a probabilistic approach », 9th International Conference on Electrical Power Quality and Utilisation, Barcelona, Spain, pp. 1-5, 2007.[9]L. Min, S. T. Lee, P. V. Zhang, V. Rose, J. Cole, « Short-Term Probabilistic Transmission Congestion Forecasting’, Electric Utility Deregulation and Restructuring and Power Technologies», Third International Conference on Electric Utility Deregulation and Restructuring and Power Technologies, pp. 764-770, 2008.[10]RTE, 2020 Réseau de transport d’électricité, [Online], Available: http://www.rte- france.com/ consulté le 04 novembre 2020 à 16 h 15.[11]Distributed Generation in Liberalized Electricity Markets, Paris: OECD Publishing, pp. 1-112, 2002.[12]Distributed Energy Resources. In Electric Power Research Institute web page. [Online], Available:http://www.epri.com/Our-Work/Pages/Distributed-Electricity-Resources.aspx Consulté le 02 octobre 2020 à 17 h 10.[13]T. Ackermann, G. Andersson, L. Söder, « Distributed generation: A definition». Electric Power Systems Research, Vol. 57, No. 3, pp. 195-204, 2001.[14]G. Koeppel, « Distributed Generation – Literature Review and Outline of the Swiss Situation», Technical Report November. Zurich: Swiss Federal Institute of Technology Zurich, pp. 1-19, 2003.[15]T. C. Calvas, « Emplacement optimal et contrôle de tension coordonné pour la production décentralisée dans les réseaux électriques », Thèse de doctorat, Ecole de technologie supérieure université du Québec, 2016.
[16]B. Guinot, « Evaluation multicritère des technologies de stockage couplées aux énergies renouvelables : conception et réalisation de la plateforme de simulation ODYSSEY pour l’optimisation du dimensionnement et de la gestion énergétique », Thèse de doctorat, Université de Grenoble, 2014.[17]A. Roy, F. Auger, S. Bourguet, F. Dupriez-Robin, Q. Tuan Tran. « Intégration d’énergies marines renouvelables dans un système multi-sources », Symposium de Génie Electrique à Nancy en France, 2018.[18]R. Caire, « Gestion de la production décentralisée dans les réseaux de distribution », Thèse de doctorat, Institut National Polytechnique de Grenoble, 2004.[19]N. Mohandas, R. Balamurugan, L. Lakshminarasimman. « Optimal location and sizing of real power DG units to improve the voltage stability in the distribution system using ABC algorithm united with chaos », International Journal of Electrical Power & Energy Systems, Vol. 66, pp. 41-52, 2015.[20]A. Singhal, V. Ajjarapu. « Impact Assessment and Sensitivity Analysis of Distribution Systems with DG », IEEE North American Power Symposium (NAPS), pp. 1-6, 2015.[21]H. Zhang, « Smart Grid Technologies and Implementations », Thesis, University of London, 2014.[22]http://smartgrid.ieee.org/ieee-smart-grid consulted on 20 December 2020 à 18 h 30.[23]A. Harris, « Smart Grid Thinking », Engineering & Technology Magazine, Vol. 4, Issue 9, pp. 46-49, 2009.[24]K. C. Chen et al, « Communication infrastructure of smart grid », 4th International Symposium on Communications, Control and Signal Processing (ISCCSP), 2010.[25]N. Hadjsaïd, J. C. Sabonnadière, « Des réseaux électriques aux smartgrids », Encyclopédie de l’énergie, 2015.[26]DRAFT NIST Framework and Roadmap for Smart Grid Interoperability Standards, Release 4.0, [Online] www.nist.gov Consulté le 10 mars 2021 à 19 h 30.[27]Caramanis, « Load Participation in Electricity Markets: Day-ahead and Hour-Ahead Market Coupling with Wholesale/Transmission and Retail Distribution Cost and Congestion Modeling », First IEEE International Conference on SmartGrid Communications (SmartGrid Comm), pp. 513-518, 2010.[28]G. Dileep « A survey on smart grid technologies and applications », Renewable Energy, Vol. 146, pp. 2589-2625, 2020.[29]M. E. El-hawary, « The Smart Grid—State-of-the-art and Future Trends », Electric Power Components and Systems, Vol. 42, No. 3, pp. 239-250, 2014[30]Y. Yan, Y. Qian, H. Sharif, D. Tipper, « A Survey on Cyber Security for Smart Grid Communications », IEEE Communications Surveys & Tutorials, Vol. 14, No. 4, pp. 998- 1010, 2012.[31]W. Wang, Z. Lu, « Cyber security in the Smart Grid: Survey and challenges », Computer Networks, Vol. 57, pp. 1344-1371, 2013.
[32]M. Shrestha, C. Johansen, J. Noll, D. Roverso, « A Methodology for Security Classification applied to Smart Grid Infrastructures », International Journal of Critical Infrastructure Protection, Vol. 28, pp. 1-19, 2020.[33]A. R. Metke, R. L. Ekl, « Security Technology for Smart Grid Networks », IEEE Transactions on Smart Grid, Vol. 1, No. 1, pp. 99-107, 2010.[34]K. Moslehi, R. Kumar, « A Reliability Perspective of the Smart Grid », Texas A&M University, Cyber Security of Smart Grid, pp. 1-27, 2012.[35]A. Bari, J. Jiang, W. Saad, A. Jaekel, « Challenges in the Smart Grid Applications: An Overview », International Journal of Distributed Sensor Networks, pp. 1-11, 2014.[36]C. Mbey, A. Boum, L. Nneme Nneme, « Roadmap for the Transformation of the South Cameroon Interconnected Network (RIS) into Smart-Grid », American Journal of Energy Engineering. Vol. 8, No.1, pp. 1-8, 2020.[37]G. O. Troiano, H. S. Ferreira, F. C. L. Trindade, L. F. Ochoa, « Co-Simulator of Power and Communication Networks Using OpenDSS and OMNet++», IEEE Innovative Smart Grid Technologies – Asia (ISGT-Asia), pp. 1094-1099, 2016.[38]A. Awad, P. Bazan, R. German, « SGsim: a Simulation Framework for Smart Grid Applications », Computer Networks and Communication Systems, pp. 730-736, 2014.[39]C. Shum, W.H. Lau, K. L. Lam, Y. He, Henry Chung, Norman C.F. Tse, K.F. Tsang,L.L. Lai, « The Development of a Smart Grid Co-Simulation Platform and Case Study on Vehicle-To-Grid Voltage Support Application », IEEE SmartGrid Comm symposium-SmartGrid standard co-simulation, Test-beds and field trials, pp. 594-599, 2013.[40]D. Bian, M. Kuzlu, Y. Wu, « Real-time Co-simulation Platform using OPAL-RT and OPNET for Analyzing Smart Grid Performance », IEEE communication, pp. 1-5, 2015.[41]X. Sun, Y. Chen, J. Liu, S. Huang, « A Co-simulation Platform for Smart Grid Considering Interaction between Information and Power Systems », Department of Electrical Engineering, State Key Laboratory of Control and Simulation, pp. 1-6, 2014.[42]A. Razaq, B. Pranggono, H. Tianfield, H. Yue, « Simulating Smart Grid: Co-Simulation of Power and Communication Network », School of Engineering and Built Environment, Glasgow Caledonian University, pp. 1-6, 2015.[43]www.mhi.ca consulté le 04 mars 2021 à 19 h 00.[44]www.pscad.com consulté le 04 mars 2021 à 20 h 15.[45]M. A. Moffet, F. Sirois, D. Beauvais, « Rapport technique : Étude des outils de simulation de réseaux électriques à code source ouvert pour des simulations paramétriques de longue durée », Rapport technique, CanmetÉNERGIE Centre de recherche de Varennes, pp. 1- 47, 2011.[46]T. Arvind, « A Comparative Study of Various Network Simulation Tools », International Journal of Computer Science & Engineering Technology (IJCSET), Vol. 7, No. 08, pp. 374-378, 2016.
[47]C. Blum, A. Roli, « Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison », ACM Computing Survey, Vol. 35, 2003.[48]S. K. Pal , « Comparative Study of Firefly Algorithm and Particle Swarm Optimization for Noisy Non-Linear Optimization Problems », I.J. Intelligent Systems and Applications, 2012.[49]E. Karunarathne, J. Pasupuleti, J. Ekanayake, D. Almeida, « Optimal Placement and Sizing of DGs in Distribution Networks Using MLPSO Algorithm », energies, Vol. 13,pp. 1-25, 2020.[50]L. F. Ochoa, A. Padilha-Feltrin, G. P. Harrison, « Evaluating distributed generation impacts with a multiobjective index ». IEEE Transactions on Power Delivery, Vol. 21, No. 3, pp. 1452-1458, 2006.[51]J. H. Teng, T. S. Luor, Y. H. Liu, « Strategic Distributed Generator Placements For Service Reliability Improvements », IEEE Power Engineering Society Summer Meeting, Vol. 2, pp. 719–724, 2002[52]E. Haesen, M. Espinoza, B. Pluymers, I. Goethals, V. Thong, J. Driesen, R. Bel-mans, B. De Moor, « Optimal placement and sizing of distributed generator units using genetic optimization algorithms ». Electrical Power Quality and Utilisation Journal, Vol. 11, No. 1, pp. 97–104, 2005.[53]G. Celli, E. Ghiani, S. Mocci, F. Pilo, «A Multi-Objective Approach to Maximize the Penetration of Distributed Generation in Distribution Networks», International Conference on Probabilistic Methods Applied to Power Systems, pp. 1-6, 2006.[54]S. Bhullar, S. Ghosh, « Optimal Integration of Multi Distributed Generation Sources in Radial Distribution Networks Using a Hybrid Algorithm », Energies, pp. 1-15, 2018.[55]A. Anwar, H. R. Pota, « Loss Reduction of Power Distribution Network Using Optimum Size and Location of Distributed Generation », Australasian Universities Power Engineering Conference-IEEE, pp. 1-7, 2013.[56]CEI: Livre vert, Commission Européenne, 2006.[57]J. Batut, « Fiabilité du réseau électrique », Conférence Internationale des Grand réseaux Electriques à Haute Tension, No. 9, pp. 33-42, 1987.[58]K. Moslehi, R. Kumar, « A Reliability Perspective of the SmartGrid », IEEE Trans. Smart Grid, Vol. 1, pp. 57-64, 2010.[59]K. Mets, T. Verschueren, W. Haerick, C. Develder, F. De Turck, « Optimizing smart energy control strategies for plug-in hybrid electric vehicle charging » IEEE/IFIP Network Operations and Management Symposium Workshops (NOMS Wksps), pp. 293- 299, 2010.[60]K. Moslehi, R. Kumar, « Smart Grid – a reliability perspective, », Innovative Smart Grid Technologies (ISGT), pp. 1-8, 2010.
[61]Markets Committee of the ISO/RTO Council: Harnessing the Power of Demand – How ISOs and RTOs Are Integrating Demand Response into Wholesale Electricity Markets, 2007.[62]M. C. A. Herault, « architectures des réseaux de distribution du futur en présence de production décentralisée », thèse de doctorat, Grenoble INP, 2009.[63]P. Schmid, E. Bucher, R. Cettou, U. Huber, D. Keller, C. Kobel, A. Kolp, F. Kühne, S. Meyer, J-P. Pauchard, R. Storf, « Outil de gestion de la disponibilité », Association des entreprises électriques suisses AES Hintere Bahnhofstrasse 10 CH-5001 Aarau, pp. 1-22, 2012.[64]P. J. Ossoucah, « Analyse paramétrique des réseaux électriques sur Matlab », mémoire de maîtrise des sciences appliquées, école polytechnique de Montréal, 2010.[65]I. Kyoni Nkulu, P-E. Labeau, R. Ngenda Banka, « Contribution à l’amélioration de la fiabilité du réseau électrique de la province du Katanga RD/Congo », 20ème congrès de maitrise des risques et de sureté de fonctionnement, pp. 1-10, 2016.[66]D. F. Frame, G. W Ault, and S. Huang, « The uncertainties of probabilistic lv network analysis », Power and Energy Society General Meeting, pp. 1-8, 2012.[67]J. M. Morales, L. Baringo, A. J. Conejo, R. Mínguez, « Probabilistic power flow with correlated wind sources », IET generation, transmission & distribution, Vol. 4, No. 5, pp. 641-651, 2010.[68]J. A. Martinez-Velasco, G. Guerra, «Reliability Analysis of Distribution Systems with Photovoltaic Generation Using a Power Flow Simulator and a Parallel Monte Carlo Approach», Energies, Vol. 9, No. 7, pp. 1-21, 2016.[69]S. S. Duttagupta, « A reliability assessment methodology for distribution systems with distributed generation», Thesis, Office of Graduate Studies of Texas A&M University, 2006.[70]X. Zhang, Z. Bie, G. Li, «Reliability Assessment of Distribution Networks with Distributed Generations Using Monte Carlo Method», Energy Procedia, Vol. 12, pp. 278- 286, 2011.[71]S. Babu, « Reliability Evaluation of Distribution Systems Considering Failure Modes and Network Configuration », Thesis, Royal Institute of Technology, 2017.[72]P. Gautam, «Reliability studies of distribution systems integrated with energy storage», Thesis, University of Saskatchewan, 2018.[73]A. B. Attya, Y. G. Hegazy, M. A. Mostafa, «Impact of Distributed Generation Technology & Operation Techniques on Distribution System Reliability», Open Electrical and Electronic Engineering Journal, Vol. 3, pp. 9-16, 2009.[74]L. P. Manohar, «Reliability Assessment of a Power Grid with Customer Operated Chp Systems Using Monte Carlo Simulation», Thesis, University of Massachusetts Amherst, 2014.
[75]S. Ahmad, A. U. Asar, S. Sardar, B. Noor, «Impact of Distributed Generation on the Reliability of Local Distribution System», International Journal of Advanced Computer Science and Applications (IJACSA), Vol. 8, No. 6, pp. 375-382, 2017.[76]C. Mbey, « Etude, Analyse et Simulation d’un Réseau Electrique Intelligent : Cas du Réseau Interconnecté Sud (RIS) du Cameroun », Thèse de doctorat, Université de Douala, 2021.[77]C. Mbey, A. Boum, L. Nneme Nneme, « Contribution to the Transformation of the Distribution Network of the City of Douala into a Smart Grid using OpenDSS and OMNet++: Reduction of Technical Losses and Improvement of Voltage Profile », International Journal of Engineering Research & Technology (IJERT), Vol. 9, Issue 11, 2020.[78]www.SourceForge.net consulté le 10 septembre 2020 à 18 h 45.[79]R. Dugan, D. Montenegro, « Reference Guide: The Open Distribution System Simulator (OpenDSS) », OpenDSS manual EPRI, 2018.[80]J. Sexauer, « New User Primer: The Open Distribution System Simulator (OpenDSS) », EPRI manual, 2012.[81]F. Bu, Z. Wang, « OpenDSS Tutorial and Cases », OpenDSS tutorial, IOWA State University, 2013.[82]C. Timmerer, M. Lux. « An Introduction to OMNet++ », Klagenfurt University, Dept. of Information Technology (ITEC), 2007.[83]R. Abhishek, « Tutorial on OMNet++ (Part-1) », System Design Lab 2, Telecom Systems (Network) Division Senior Manager Samsung Electronics, South Korea, 2007.[84]L. Chang-Gun, « OMNet++ Tutorial », The School of Computer Science and Engineering Seoul National University, 2015.[85]T. Chamberlain. « Learning OMNet++ », University of Birmingham, 2013.[86]http://www.omnetpp.org/omnetpp consulté le 06 septembre 2020 à 13 h 20.
Annexes
Annexe 1 : Données du réseau IEEE 13 Nœuds
Source : 115 kV ; 1.0001 pu ; 20000 MVA ; phi=30TransformateursTransformateur 1 : 115 kV/4.16 kV ; triangle/étoile ; S=5000 kVA ;%r = 0.5 ; X=4mΩTransformateur 2 : 4.16 kV/0.48 kV ; étoile/étoile ; S=500 kVA ; %r= 0.55 ; X=1mΩLignesLigne 1-3 (3 phases) :2 kftPhase 1 : r= 0.0674673 mΩ/kft ; x=0.195204 mΩ/kft ; c= 3.32591 mΩ/kftPhase 2 : r= 0.0654777 mΩ/kft ; x= 0.201861 mΩ/kft ; c= 3.04217 mΩ/kftPhase 3 : r= 0.0662392 mΩ/kft ; x= 0.199298 mΩ/kft ; c= 3.03116 mΩ/kftLigne 3-8 (3 phases) :0.667 kftPhase 1 : r= 0.0674673 mΩ/kft ; x=0.195204 mΩ/kft ; c= 3.32591 mΩ/kftPhase 2 : r= 0.0654777 mΩ/kft ; x= 0.201861 mΩ/kft ; c= 3.04217 mΩ/kftPhase 3 : r= 0.0662392 mΩ/kft ; x= 0.199298 mΩ/kft ; c= 3.03116 mΩ/kftLigne 8-9 (3 phases) :1.333 kftPhase 1 : r= 0.0674673 mΩ/kft ; x=0.195204 mΩ/kft ; c= 3.32591 mΩ/kftPhase 2 : r= 0.0654777 mΩ/kft ; x= 0.201861 mΩ/kft ; c= 3.04217 mΩ/kftPhase 3 : r= 0.0662392 mΩ/kft ; x= 0.199298 mΩ/kft ; c= 3.03116 mΩ/kftLigne 9-11 (3phases) :1 kftPhase 1 : r= 0.0674673 mΩ/kft ; x=0.195204 mΩ/kft ; c= 3.32591 mΩ/kftPhase 2 : r= 0.0654777 mΩ/kft ; x= 0.201861 mΩ/kft ; c= 3.04217 mΩ/kftPhase 3 : r= 0.0662392 mΩ/kft ; x= 0.199298 mΩ/kft ; c= 3.03116 mΩ/kftLigne 3-4 (3 phases) :0.5 kftPhase 1 : r= 0.144361 mΩ/kft ; x=0.226028 mΩ/kft ; c= 3.01091 mΩ/kftPhase 2 : r= 0.143133 mΩ/kft ; x= 0.230122 mΩ/kft ; c= 2.77543 mΩ/kftPhase 3 : r= 0.142372 mΩ/kft ; x= 0.232686 mΩ/kft ; c= 2.77847 mΩ/kft
Ligne 3-5 (2 phases) :0.5 kftPhase 1 : r= 0.254472 mΩ/kft ; x=0.259467 mΩ/kft ; c= 2.54676 mΩ/kftPhase 2 : r= 0.253371 mΩ/kft ; x= 0.261431 mΩ/kft ; c= 2.49502 mΩ/kftLigne 5-6 (2 phases) :0.3 kftPhase 1 : r= 0.254472 mΩ/kft ; x=0.259467 mΩ/kft ; c= 2.54676 mΩ/kftPhase 2 : r= 0.253371 mΩ/kft ; x= 0.261431 mΩ/kft ; c= 2.49502 mΩ/kftLigne 13-10 (3 phases) : 0.5 kftPhase 1 : r= 0.152193 mΩ/kft ; x=0.0825685 mΩ/kft ; c= 72.7203 mΩ/kftPhase 2 : r= 0.15035 mΩ/kft ; x= 0.0745027 mΩ/kft ; c= 72.7203 mΩ/kftPhase 3 : r= 0.152193 mΩ/kft ; x= 0.0825685 mΩ/kft ; c= 72.7203 mΩ/kftLigne 9-12 (2 phases) : 0.3 kftPhase 1 : r= 0.253371 mΩ/kft ; x=0.261431 mΩ/kft ; c= 2.49502 mΩ/kftPhase 2 : r= 0.254472 mΩ/kft ; x= 0.259467 mΩ/kft ; c= 2.54676 mΩ/kftLigne 12-2 (1 phase) :0.3 kftPhase : r= 0.254428 mΩ/kft ; x= 0.259546 mΩ/kft ; c= 2.50575 mΩ/kftLigne 12-7 (1 phase) :0.8 kftPhase : r= 0.255799 mΩ/kft ; x= 0.092284 mΩ/kft ; c= 50.7067 mΩ/kftChargesCharge 1 (nœud 9): 3 phases U=4.16 kV; P=1155 kW; Q=660 kVArCharge 2 (nœud 4): 1 phase U=0.277 kV; P=160 kW; Q=110 kVArCharge 3 (nœud 4): 1 phase U=0.277 kV; P=120 kW; Q=90 kVArCharge 4 (nœud 4): 1 phase U=0.277 kV; P=120 kW; Q=90 kVArCharge 5 (nœud 5): 1 phase U=2.4 kV; P=170 kW; Q=125 kVArCharge 6 (nœud 6): 2 phases U=4.16 kV; P=230 kW; Q=132 kVArCharge 7 (nœud 13): 2 phases U=4.16 kV; P=170 kW; Q=151 kVArCharge 8 (nœud 10): 1 phase U=2.4 kV; P=485 kW; Q=190 kVArCharge 9 (nœud 10): 1 phase U=2.4 kV; P=68 kW; Q=60 kVArCharge 10 (nœud 10): 1 phase U=2.4 kV; P=290 kW; Q=212 kVArCharge 11 (nœud 2): 1 phase U=2.4 kV; P=170 kW; Q=80 kVArCharge 12 (nœud 7): 1 phase U=2.4 kV; P=128 kW; Q=86 kVArCharge 13 (nœud 8): 1 phase U=2.4 kV; P=17 kW; Q=10 kVArCharge 14 (nœud 8): 1 phase U=2.4 kV; P=66 kW; Q=38 kVAr Charge 15 (nœud 8): 1 phase U=2.4 kV; P=117 kW; Q=68 kVAr
Annexe 2 : Code OpenDSS du réseau IEEE 13 nœuds
Clear
!
! This script is based on a script developed by Tennessee Tech Univ students
! Tyler Patton, Jon Wood, and David Woods, April 2009
!
new circuit.IEEE13Nodeckt
• basekv=115 pu=1.0001 phases=3 bus1=SourceBus
• Angle=30 ! advance angle 30 deg so result agree with published angle
• MVAsc3=20000 MVASC1=21000 ! stiffen the source to approximate inf source Set Defaultbasefrequency=50
!SUB TRANSFORMER DEFINITION
! Although this data was given, it does not appear to be used in the test case results
! The published test case starts at 1.0 per unit at Bus 650. To make this happen, we will change the impedance
! on the transformer to something tiny by dividing by 1000 using the DSS in-line RPN math New Transformer.Sub Phases=3 Windings=2 XHL=(8 1000 /)
• wdg=1 bus=SourceBus conn=delta kv=115 kva=5000 %r=(.5 1000 /) XHT=4
• wdg=2 bus=650 conn=wye kv=4.16 kva=5000 %r=(.5 1000 /) XLT=4
! FEEDER 1-PHASE VOLTAGE REGULATORS
! Define low-impedance 2-wdg transformer
New Transformer.Reg1 phases=1 XHL=0.01 kVAs=[1666 1666]
• Buses=[650.1 RG60.1] kVs=[2.4 2.4] %LoadLoss=0.01
new regcontrol.Reg1 transformer=Reg1 winding=2 vreg=122 band=2 ptratio=20 ctprim=700 R=3 X=9
New Transformer.Reg2 phases=1 XHL=0.01 kVAs=[1666 1666]
• Buses=[650.2 RG60.2] kVs=[2.4 2.4] %LoadLoss=0.01
new regcontrol.Reg2 transformer=Reg2 winding=2 vreg=122 band=2 ptratio=20 ctprim=700 R=3 X=9
New Transformer.Reg3 phases=1 XHL=0.01 kVAs=[1666 1666]
• Buses=[650.3 RG60.3] kVs=[2.4 2.4] %LoadLoss=0.01
new regcontrol.Reg3 transformer=Reg3 winding=2 vreg=122 band=2 ptratio=20 ctprim=700 R=3 X=9
!Set Controlmode=OFF
!TRANSFORMER DEFINITION
New Transformer.XFM1 Phases=3 Windings=2 XHL=2
• wdg=1 bus=633 conn=Wye kv=4.16 kva=500 %r=.55 XHT=1
• wdg=2 bus=634 conn=Wye kv=0.480 kva=500 %r=.55 XLT=1
!LINE CODES
redirect IEEELineCodes.dss
// these are local matrix line codes
// corrected 9-14-2011
New linecode.mtx601 nphases=3 BaseFreq=60
• rmatrix = (0.3465 | 0.1560 0.3375 | 0.1580 0.1535 0.3414 )
• xmatrix = (1.0179 | 0.5017 1.0478 | 0.4236 0.3849 1.0348 )
• units=mi
New linecode.mtx602 nphases=3 BaseFreq=60
• rmatrix = (0.7526 | 0.1580 0.7475 | 0.1560 0.1535 0.7436 )
• xmatrix = (1.1814 | 0.4236 1.1983 | 0.5017 0.3849 1.2112 )
• units=mi
New linecode.mtx603 nphases=2 BaseFreq=60
• rmatrix = (1.3238 | 0.2066 1.3294 )
• xmatrix = (1.3569 | 0.4591 1.3471 )
• units=mi
New linecode.mtx604 nphases=2 BaseFreq=60
• rmatrix = (1.3238 | 0.2066 1.3294 )
• xmatrix = (1.3569 | 0.4591 1.3471 )
• units=mi
New linecode.mtx605 nphases=1 BaseFreq=60
• rmatrix = (1.3292 )
• xmatrix = (1.3475 )
• units=mi
New linecode.mtx606 nphases=3 BaseFreq=60
• rmatrix = (0.7982 | 0.3192 0.7891 | 0.2849 0.3192 0.7982 )
• xmatrix = (0.4463 | 0.0328 0.4041 | -0.0143 0.0328 0.4463 )
• Cmatrix = [25 7 | 0257 | 00257]
• units=mi
New linecode.mtx607 nphases=1 BaseFreq=60
• rmatrix = (1.3425 )
• xmatrix = (0.5124 )
• cmatrix = [236]
• units=mi
/*********** Original 606 Linecode ********************* You have to use this to match Kersting’s results:
New linecode.mtx606 nphases=3 BaseFreq=60
• rmatrix = (0.7982 | 0.3192 0.7891 | 0.2849 0.3192 0.7982 )
• xmatrix = (0.4463 | 0.0328 0.4041 | -0.0143 0.0328 0.4463 )
• Cmatrix = [257 | 0 257 | 0 0 257] ! <— This is too low by 1.5
• units=mi
Corrected mtx606 Feb 3 2016 by RDugan
The new LineCode.606 is computed using the following CN cable definition and LineGeometry definition:
New CNDATA.250_1/3 k=13 DiaStrand=0.064 Rstrand=2.816666667 epsR=2.3
• InsLayer=0.220 DiaIns=1.06 DiaCable=1.16 Rac=0.076705 GMRac=0.20568 diam=0.573
• Runits=kft Radunits=in GMRunits=in
New LineGeometry.606 nconds=3 nphases=3 units=ft
• cond=1 cncable=250_1/3 x=-0.5 h= -4
• cond=2 cncable=250_1/3 x=0 h= -4
• cond=3 cncable=250_1/3 x=0.5 h= -4
New Linecode.mtx606 nphases=3 Units=mi
• Rmatrix=[0.791721 |0.318476 0.781649 |0.28345 0.318476 0.791721 ]
• Xmatrix=[0.438352 |0.0276838 0.396697 |-0.0184204 0.0276838 0.438352 ]
• Cmatrix=[383.948 |0 383.948 |0 0 383.948 ]
New linecode.mtx607 nphases=1 BaseFreq=60
• rmatrix = (1.3425 )
• xmatrix = (0.5124 )
• cmatrix = [236]
• units=mi
!LOAD DEFINITIONS
New Load.671 Bus1=671.1.2.3 Phases=3 Conn=Delta Model=1 kV=4.16 kW=1155 kvar=660 New Load.634a Bus1=634.1 Phases=1 Conn=Wye Model=1 kV=0.277 kW=160 kvar=110 New Load.634b Bus1=634.2 Phases=1 Conn=Wye Model=1 kV=0.277 kW=120 kvar=90 New Load.634c Bus1=634.3 Phases=1 Conn=Wye Model=1 kV=0.277 kW=120 kvar=90 New Load.645 Bus1=645.2 Phases=1 Conn=Wye Model=1 kV=2.4 kW=170 kvar=125 New Load.646 Bus1=646.2.3 Phases=1 Conn=Delta Model=2 kV=4.16 kW=230 kvar=132 New Load.692 Bus1=692.3.1 Phases=1 Conn=Delta Model=5 kV=4.16 kW=170 kvar=151 New Load.675a Bus1=675.1 Phases=1 Conn=Wye Model=1 kV=2.4 kW=485 kvar=190 New Load.675b Bus1=675.2 Phases=1 Conn=Wye Model=1 kV=2.4 kW=68 kvar=60
New Load.675c Bus1=675.3 Phases=1 Conn=Wye Model=1 kV=2.4 kW=290 kvar=212 New Load.611 Bus1=611.3 Phases=1 Conn=Wye Model=5 kV=2.4 kW=170 kvar=80 New Load.652 Bus1=652.1 Phases=1 Conn=Wye Model=2 kV=2.4 kW=128 kvar=86 New Load.670a Bus1=670.1 Phases=1 Conn=Wye Model=1 kV=2.4 kW=17 kvar=10 New Load.670b Bus1=670.2 Phases=1 Conn=Wye Model=1 kV=2.4 kW=66 kvar=38 New Load.670c Bus1=670.3 Phases=1 Conn=Wye Model=1 kV=2.4 kW=117 kvar=68
!CAPACITOR DEFINITIONS
New Capacitor.Cap1 Bus1=675 phases=3 kVAR=600 kV=4.16 New Capacitor.Cap2 Bus1=611.3 phases=1 kVAR=100 kV=2.4
!Bus 670 is the concentrated point load of the distributed load on line 632 to 671 located at 1/3 the distance from node 632
!LINE DEFINITIONS
New Line.650632 Phases=3 Bus1=RG60.1.2.3 Bus2=632.1.2.3 LineCode=mtx601 Length=2000 units=ft New Line.632670 Phases=3 Bus1=632.1.2.3 Bus2=670.1.2.3 LineCode=mtx601 Length=667 units=ft New Line.670671 Phases=3 Bus1=670.1.2.3 Bus2=671.1.2.3 LineCode=mtx601 Length=1333 units=ft New Line.671680 Phases=3 Bus1=671.1.2.3 Bus2=680.1.2.3 LineCode=mtx601 Length=1000 units=ft New Line.632633 Phases=3 Bus1=632.1.2.3 Bus2=633.1.2.3 LineCode=mtx602 Length=500 units=ft New Line.632645 Phases=2 Bus1=632.3.2 Bus2=645.3.2 LineCode=mtx603 Length=500 units=ft New Line.645646 Phases=2 Bus1=645.3.2 Bus2=646.3.2 LineCode=mtx603 Length=300 units=ft New Line.692675 Phases=3 Bus1=692.1.2.3 Bus2=675.1.2.3 LineCode=mtx606 Length=500 units=ft New Line.671684 Phases=2 Bus1=671.1.3 Bus2=684.1.3 LineCode=mtx604 Length=300 units=ft New Line.684611 Phases=1 Bus1=684.3 Bus2=611.3 LineCode=mtx605 Length=300 units=ft New Line.684652 Phases=1 Bus1=684.1 Bus2=652.1 LineCode=mtx607 Length=800 units=ft
!SWITCH DEFINITIONS
New Line.671692 Phases=3 Bus1=671 Bus2=692 Switch=y r1=1e-4 r0=1e-4 x1=0.000 x0=0.000 c1=0.000 c0=0.000
Set Voltagebases=[115, 4.16, .48] calcv
Annexe 3 : Code OpenDSS du corridor Bassa-Malangue
clear
new object=circuit.Bassa
• basekv=90 1.00 0.0 60.0 3 20000 21000 4.0 3.0 !edit the voltage source
New loadshape.day 11 2.0
• mult=(.3 .36 .48 .62 .87 .95 .94 .60 .07 0.8 0.99)
! define a linecode for the lines – unbalanced 336 MCM ACSR connection new linecode.336matrix nphases=3 units = km ! horizontal flat construction
• rmatrix=(1.068455 | 0.0298305 1.087966 | 0.288883 0.298305 1.008455)
• xmatrix=(0.2025449 | 0.0847210 0.1961452 | 0.0719161 0.0847210 0.2025449)
• cmatrix=(2.74 | -0.70 2.96| -0.34 -0.71 2.74)
• Normamps = 400 Emergamps=600
! Substation transformer
new transformer.Bassa Phases=3 Windings=2 Xhl=7 ppm=0 //buses=(sourcebus BassaBus) XfmrCode=Station
• wdg=1 bus=sourcebus conn=Delta kv=90 kva=20000 %r=0.0005 ! Set the %r very low
• wdg=2 bus=BassaBus conn=wye kv=15 kva=20000 %r=0.0005
New XfmrCode.TransformateurTerminal phases=3 windings=2
• conns=[delta wye ]
• kVs=[15 0.4]
• kVAs=[5000 5000]
• XHL=6
New XfmrCode.Station phases=3 windings=2
• conns=[delta delta]
• kVs=[90 15]
• kVAs=[20000 20000]
• XHL=7
! define the lines (Make sure they have unique names!)
new line.line1 BassaBus GuinnessBus 336matrix Length=2.25 new line.line2 GuinnessBus SotucBus 336matrix Length=0.25 new line.line3 SotucBus CiteCicamBus 336matrix Length=0.25
new line.line31 CiteCicamBus BaseElfBus 336matrix Length=0.25 new line.line4 CiteCicamBus CADIABus 336matrix Length=0.25 new line.line5 CADIABus Ndogbong1Bus 336matrix Length=0.25 new line.line6 Ndogbong1Bus LaborexBus 336matrix Length=0.25 new line.line7 LaborexBus Ndogbong2Bus 336matrix Length=0.25 new line.line9 Ndogbong2Bus Ndogbong6Bus 336matrix Length=0.25
new line.line91 Ndogbong6Bus Ndogbong4Bus 336matrix Length=0.25 new line.line92 Ndogbong4Bus Ndogbong5Bus 336matrix Length=0.25 new line.line10 Ndogbong2Bus CrfZachmannBus 336matrix Length=0.25 new line.line101 CrfZachmannBus ZukoBus 336matrix Length=1.25
new line.line8 ZukoBus PlastIndBus 336matrix Length=0.25
new line.line81 PlastIndBus Ndogbong3Bus 336matrix Length=0.25 new line.line82 Ndogbong3Bus ExEgpaBus 336matrix Length=0.25
new line.line11 CrfZachmannBus OrangeNdogbongBus 336matrix Length=0.25 new line.line12 OrangeNdogbongBus SnecNdogbongBus 336matrix Length=0.25 new line.line13 SnecNdogbongBus AzurCtnBus 336matrix Length=0.25
new line.line131 AzurCtnBus Ndogbong11Bus 336matrix Length=0.55 new line.line132 Ndogbong11Bus Ndogbong12Bus 336matrix Length=0.25 new transformer.Sotuc XfmrCode=TransformateurTerminal
• buses=(SotucBus SotucBus0)
new transformer.CiteCicam XfmrCode=TransformateurTerminal
• buses=(CiteCicamBus CiteCicamBusO)
new transformer.BaseElf XfmrCode=TransformateurTerminal
• buses=(BaseElfBus BaseElfBusO)
new transformer.CADIAB XfmrCode=TransformateurTerminal
• buses=(CADIABus CADIABusO)
new transformer.Ndogbong1 XfmrCode=TransformateurTerminal
• buses=(Ndogbong1Bus Ndogbong1BusO)
new transformer.Laborex XfmrCode=TransformateurTerminal
• buses=(LaborexBus LaborexBus0)
new transformer.Ndogbong2 XfmrCode=TransformateurTerminal
• buses=(Ndogbong2Bus Ndogbong2BusO)
new transformer.PlastIndBus XfmrCode=TransformateurTerminal
• buses=(PlastIndBus PlastIndBusO)
new transformer.Ndogbong3 XfmrCode=TransformateurTerminal
• buses=(Ndogbong3Bus Ndogbong3BusO)
new transformer.Zuko XfmrCode=TransformateurTerminal
• buses=(ZukoBus ZukoBus0)
new transformer.ExEgpa XfmrCode=TransformateurTerminal
• buses=(ExEgpaBus ExEgpaBus0)
new transformer.Ndogbong7 XfmrCode=TransformateurTerminal
• buses=(Ndogbong7Bus Ndogbong7BusO)
new transformer.NdognonAfrMedia XfmrCode=TransformateurTerminal
• buses=(NdognonAfrMediaBus NdognonAfrMediaBusO)
new transformer.DepotGui XfmrCode=TransformateurTerminal
• buses=(DepotGuiBus DepotGuiBusO)
new transformer.RtHopitalGle XfmrCode=TransformateurTerminal
• buses=(RtHopitalGleBus RtHopitalGleBus0)
new transformer.NdogbongSug XfmrCode=TransformateurTerminal
• buses=(NdogbongSugBus NdogbongSugBusO)
! put some loads on the transformers
new load.load01 bus1=GuinnessBus0 phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load02 bus1=SotucBus0 phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load1 bus1=CiteCicamBusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load2 bus1=BaseElfBusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load3 bus1=CADIABusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day
new load.load4 bus1=Ndogbong1BusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load5 bus1=LaborexBus0 phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load6 bus1=Ndogbong2BusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load7 bus1=PlastIndBusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load8 bus1=Ndogbong3BusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load9 bus1=Ndogbong5BusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day
new load.load10 bus1=Ndogbong6BusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load11 bus1=Ndogbong4BusO phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load110 bus1=CrfZachmannBus0 phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load111 bus1=ZukoBus0 phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day
new load.load112 bus1=ExEgpaBus0 phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day
new load.load113 bus1=OrangeNdogbongBus0 phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day new load.load114 bus1=SnecNdogbongBus0 phases=3 kv=0.4 kw=350.0 pf=0.88 model=1 class=1 duty=day
! Define voltage bases so voltage reports come out in per unit Set voltagebases= »90 15 .4″
Calcv
BusCoords IEEE37_BusXY.csv
Annexe 4 : Code de simulation Monte Carlo annuelle
Compile « IEEE13Nodeckt.dss »
Solve
BusCoords IEEE13Node_BusXY.csv
Redirect « D:\BONNES SIMULATIONS\IEEE 13 yearly\LoadShape1.DSS »
batchedit load..* yearly=loadshape1 ! changes all loads
New Energymeter.M1 Line.650632 1
solve
New Monitor.voltage.profile.670 element=Line.632670 terminal=1 mode=0 New Monitor.voltage.profile.611 element=Load.611 terminal=1 mode=0
New Monitor.power.670 element=Line.632670 terminal=1 mode=1 ppolar=no
// —————–YEARLY SIMULATION WITH DEMAND INTERVAL METERING —————————————–
Set CaseName=22march2021 set mode=yearly
Set MarkTransformers=yes Set TransMarkerSize=3
Set overloadreport=true ! TURN OVERLOAD REPORT ON Set voltexcept=true
set demand=true set DIVerbose=true
Set Year=1 Number= 8760
solve
closedi ! don’t forget to close the meter file !!
// ————————-END YEARLY SIMULATION —————————————–
// Demand interval file for the energy meter
// This file will be created under the active data folder using
// the name of the circuit (or CaseName) and DI_YR_n where n=year
Fileedit « .\22march2021\DI_yr_1\feeder.CSV » !! Opens the file in the default editor
show voltages LL Nodes
show currents residual=y elements show powers kva elements
show taps
plot profile phases=all
plot circuit power max=2000 y y C1=$00FF0000 Plot monitor object= taps channels=(1 )
Plot type=zone object=feeder quantity=power max=2000
Annexe 5 : Code NED du réseau IEEE 13 nœuds
package SGsim.simulations.example; import inet.nodes.ethernet.Eth100M; import inet.nodes.ethernet.EtherSwitch; import inet.nodes.inet.Router;
import inet.nodes.inet.WirelessHost;
import inet.nodes.internetcloud.InternetCloud;
import inet.nodes.wireless.AccessPoint; import inet.world.radio.ChannelControl; import SGsim.nodes.SmartPMU;
import inet.nodes.inet.StandardHost;
import ned.IdealChannel;
import ned.DatarateChannel;
import inet.networklayer.autorouting.ipv4.IPv4NetworkConfigurator;
import SGsim.nodes.SmartHouse; import SGsim.apps.Mainsolver; import SGsim.nodes.SmartPDC;
import SGsim.nodes.SmartController;
import SGsim.nodes.SmartDER; import SGsim.nodes.SmartBAT; network Smartgridnet
{
@display(« bgb=808,522;bgl=6 »); types:
channel ethernet extends DatarateChannel
{
delay = normal(0.00015s, 0.00005s); datarate = 10Mbps;
}
channel fiberrouterline extends DatarateChannel
{
ber = 0.0;
delay = normal(0.000001s, 0.0000001s); datarate = 512Mbps;
}
channel Unnamed
{
}
channel Unnamed1
{
}
channel Unnamed2
{
}
channel Unnamed3
{
}
channel Unnamed4
{
}
channel Unnamed5
{
}
submodules:
solver: Mainsolver {
parameters:
// assignDisjunctSubnetAddresses = false;
@display(« p=206,21 »);
}
configurator: IPv4NetworkConfigurator {
parameters:
// assignDisjunctSubnetAddresses = false;
@display(« p=144,21 »);
}
PDC: SmartPDC {
parameters:
@display(« p=83,109;i=block/app2_l;is=s »); gates:
ethg[1];
}
router: Router {
@display(« p=194,220 »);
}
PMU1: SmartPMU {
@display(« p=441,31;i=misc/square;is=s »);
}
CVRController: SmartController {
@display(« p=89,260;i=misc/controller »);
}
router1: Router {
@display(« p=368,69 »);
}
router3: Router {
@display(« p=152,113 »);
}
router5: Router {
@display(« p=425,212 »);
}
internet: InternetCloud {
@display(« p=299,156;is=vl »);
}
RPMU2: SmartPMU {
@display(« p=464,82;i=misc/square;is=s »);
}
b9: SmartBAT {
@display(« p=740,344 »);
}
b8: SmartBAT {
@display(« p=730,398 »);
}
b6: SmartBAT {
@display(« p=567,464 »);
}
b5: SmartBAT {
@display(« p=464,471 »);
}
b4: SmartBAT {
@display(« p=368,471 »);
}
b3: SmartBAT {
@display(« p=282,478 »);
}
b2: SmartBAT {
@display(« p=194,454 »);
}
b1: SmartBAT {
@display(« p=129,409 »);
}
Sub: SmartBAT {
@display(« p=90,344 »);
}
b7: SmartBAT {
@display(« p=648,425 »);
}
b10: SmartBAT {
@display(« p=740,278 »);
}
b11: SmartBAT {
@display(« p=740,212 »);
}
b12: SmartBAT {
@display(« p=711,157 »);
}
PV1: SmartDER {
@display(« p=548,69 »);
}
BAT1: SmartBAT {
@display(« p=603,89 »);
}
connections:
router.pppg++ fiberrouterline CVRController.pppg++; router1.pppg++ ethernet RPMU2.pppg++;
router1.pppg++ ethernet PMU1.pppg++; internet.pppg++ fiberrouterline router3.pppg++; PDC.ethg[0] ethernet router3.ethg++;
Sub.pppg++ ethernet router5.pppg++; b1.pppg++ ethernet router5.pppg++; b2.pppg++ ethernet router5.pppg++; b3.pppg++ ethernet router5.pppg++; b4.pppg++ ethernet router5.pppg++; b5.pppg++ ethernet router5.pppg++; b6.pppg++ ethernet router5.pppg++; b7.pppg++ ethernet router5.pppg++; b8.pppg++ ethernet router5.pppg++; b9.pppg++ ethernet router5.pppg++; b10.pppg++ ethernet router5.pppg++; b11.pppg++ ethernet router5.pppg++; b12.pppg++ ethernet router5.pppg++;
router5.pppg++ fiberrouterline internet.pppg++; router1.pppg++ fiberrouterline internet.pppg++; internet.pppg++ fiberrouterline router.pppg++;
// Bus4.pppg++ ethernet router5.pppg++;
// Bus3.pppg++ router5.pppg++;
PV1.pppg++ ethernet router5.pppg++; BAT1.pppg++ ethernet router5.pppg++;
}
Annexe 6 : Code NED du corridor Bassa-Malangue
package SGsim.simulations.simplenetwork1;
import inet.nodes.inet.Router;
import inet.nodes.internetcloud.InternetCloud; import inet.world.radio.ChannelControl; import SGsim.nodes.SmartPMU;
import inet.nodes.inet.StandardHost;
import ned.DatarateChannel;
import inet.networklayer.autorouting.ipv4.IPv4NetworkConfigurator;
import SGsim.nodes.SmartHouse; import SGsim.apps.Mainsolver; import SGsim.nodes.SmartPDC; import SGsim.nodes.SmartController; import SGsim.nodes.SmartDER; import SGsim.nodes.SmartBAT; network Smartgridnet
{
@display(« bgb=1742,522;bgl=6 »); types:
}
channel Unnamed3
{
}
channelinterface Unnamed4
{
}
submodules:
solver: Mainsolver {
parameters:
// assignDisjunctSubnetAddresses = false;
@display(« p=200,17 »);
}
configurator: IPv4NetworkConfigurator {
parameters:
// assignDisjunctSubnetAddresses = false;
@display(« p=131,17 »);
}
PDC: SmartPDC {
parameters:
@display(« p=46,54;i=block/app2_l;is=s »); gates:
ethg[1];
}
PMU1: SmartPMU {
@display(« p=941,31;i=misc/square;is=s »);
}
CVRController: SmartController {
@display(« p=130,183;i=misc/controller »);
}
PV1: SmartDER {
@display(« p=72,358;i=misc/wsi »);
}
internet: InternetCloud {
@display(« p=603,122;is=vl »);
}
BAT1: SmartBAT {
@display(« p=46,303;i=misc/wsi »);
}
router3: Router {
@display(« p=150,69 »);
}
BaseElf: SmartHouse {
@display(« p=154,392;i=misc/trsf;is=l »);
}
load2: SmartHouse {
@display(« p=250,396;i=misc/trsf;is=l »);
}
load3: SmartHouse {
@display(« p=337,411;i=misc/trsf;is=l »);
}
load4: SmartHouse {
@display(« p=427,411;i=misc/trsf;is=l »);
}
load5: SmartHouse {
@display(« p=530,418;i=misc/trsf;is=l »);
}
load6: SmartHouse {
@display(« p=629,411;i=misc/trsf;is=l »);
}
load7: SmartHouse {
@display(« p=704,411;i=misc/trsf;is=l »);
}
load8: SmartHouse {
@display(« p=775,403;i=misc/trsf;is=l »);
}
load9: SmartHouse {
@display(« p=837,403;i=misc/trsf;is=l »);
}
load10: SmartHouse {
@display(« p=894,396;i=misc/trsf;is=l »);
}
load11: SmartHouse {
@display(« p=953,396;i=misc/trsf;is=l »);
}
load12: SmartHouse {
@display(« p=1024,403;i=misc/trsf;is=l »);
}
load13: SmartHouse {
@display(« p=1104,418;i=misc/trsf;is=l »);
}
load14: SmartHouse {
@display(« p=1175,411;i=misc/trsf;is=l »);
}
load15: SmartHouse {
@display(« p=1234,403;i=misc/trsf;is=l »);
}
load16: SmartHouse {
@display(« p=1292,396;i=misc/trsf;is=l »);
}
load17: SmartHouse {
@display(« p=1355,392;i=misc/trsf;is=l »);
}
load18: SmartHouse {
@display(« p=1420,379;i=misc/trsf;is=l »);
}
load19: SmartHouse {
@display(« p=1394,313;i=misc/trsf;is=l »);
}
load20: SmartHouse {
@display(« p=1355,271;i=misc/trsf;is=l »);
}
load21: SmartHouse {
@display(« p=1308,207;i=misc/trsf;is=l »);
}
load22: SmartHouse {
@display(« p=1255,153;i=misc/trsf;is=l »);
}
connections:
internet.pppg++ connection2 CVRController.pppg++; internet.pppg++ connection1 PMU1.pppg++;
PDC.ethg[0] connection1 router3.ethg++; internet.pppg++ connection2 router3.pppg++; BAT1.pppg++ connection1 internet.pppg++; PV1.pppg++ connection1 internet.pppg++; BaseElf.pppg++ connection1 internet.pppg++; load2.pppg++ connection1 internet.pppg++; load3.pppg++ connection1 internet.pppg++; load4.pppg++ connection1 internet.pppg++; load5.pppg++ connection1 internet.pppg++; load6.pppg++ connection1 internet.pppg++; load7.pppg++ connection1 internet.pppg++; load8.pppg++ connection1 internet.pppg++; load9.pppg++ connection1 internet.pppg++; load10.pppg++ connection1 internet.pppg++; load11.pppg++ connection1 internet.pppg++; load12.pppg++ connection1 internet.pppg++; load13.pppg++ connection1 internet.pppg++;
load14.pppg++ connection1 internet.pppg++; load15.pppg++ connection1 internet.pppg++; load16.pppg++ connection1 internet.pppg++; load17.pppg++ connection1 internet.pppg++; load18.pppg++ connection1 internet.pppg++; load19.pppg++ connection1 internet.pppg++; load20.pppg++ connection1 internet.pppg++; load21.pppg++ connection1 internet.pppg++; load22.pppg++ connection1 internet.pppg++;
}
Annexe 7 : Algorithme PSO
clear clc clear all close all
DSSObj = actxserver( ‘OpenDSSEngine.DSS’); if ~DSSObj.Start(0),
disp(‘Unable to start the OpenDSS Engine’)
end
return
DSSText.Command=’New EnergyMeter.Main Line.670671 ‘;
DSSText.Command=’New Monitor.FeederEnd Line.670671 terminal=2’ ; DSSText = DSSObj.Text;
DSSCircuit = DSSObj.ActiveCircuit; DSSSolution = DSSCircuit.Solution;
DSSText.Command = ‘Compile « D:\BONNES SIMULATIONS\IEEE 13\IEEE13Nodeckt.dss »‘ ;
Filename = DSSText.Result; disp([‘File saved to: ‘ Filename]) iterations = 1000;
inertia = 1.0;
correction_factor = 2.0;
swarms = 5000; swarm=zeros(5000,7); step = 1;
for i = 1 : 5000 swarm(step, 1:7) = i; step = step + 1;
end
swarm(:, 7) = 1000;
swarm(:, 5) = 0;
swarm(:, 6) = 0;
for iter = 1 : iterations for i = 1 : swarms
swarm(i, 1) = swarm(i, 1) + swarm(i, 5)/1.2 ; swarm(i, 2) = swarm(i, 2) + swarm(i, 6)/1.2 ; u = swarm(i, 1);
v = swarm(i, 2);
value = (u – 20)^2 + (v – 10)^2; if value < swarm(i, 7)
swarm(i, 3) = swarm(i, 1);
swarm(i, 4) = swarm(i, 2); swarm(i, 7) = value;
end
end
[temp, gbest] = min(swarm(:, 7)); for i = 1 : swarms
swarm(i, 5) = rand*inertia*swarm(i, 5) +
correction_factor*rand*(swarm(i, 3)…
• swarm(i, 1)) + correction_factor*rand*(swarm(gbest, 3) – swarm(i, 1));
swarm(i, 6) = rand*inertia*swarm(i, 6) +
correction_factor*rand*(swarm(i, 4)…
• swarm(i, 2)) + correction_factor*rand*(swarm(gbest, 4) – swarm(i, 2));
end clf
plot(swarm(:, 1), swarm(:, 2), ‘x’)
axis([-1000 5000 -1000 5000])
pause(.1) ; end