Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée par Raphaël Caire Encadrants : Nicolas Retière Nouredine Hadjsaid ENSIEG, le 2 avril 2004

Contraintes écologiques Contexte Ouverture à la concurrence du marché de l’énergie Développement nouvelles technologies de petites productions et moyens de stockage Saturation des réseaux de transport Directives Européennes Accords de Kyoto Contraintes écologiques Multiplication attendue des générateurs au sein des réseaux de distribution qui ne sont pas prévus pour d’où impacts plus ou moins critiques Remise en question possible des systèmes électriques de distribution notamment français

Contexte © Copyright EDF

Objectifs généraux Problématique du raccordement : Objectifs : 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, Validation avec un banc à échelle réduite (ARENE temps réel).

Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives

Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives

Méthodologie d’étude d’impact 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

Méthodologie proposée Choix de l’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact

Impacts envisagés Séparation en plusieurs grandes catégories : Grandeurs électriques : Plan de tension, Courants de court-circuit, Déséquilibres, Stabilité, Qualité de l’énergie (Harmoniques, Flicker, Creux de tension, …). Conception, planification et exploitation : Plan de protection, TCFM (Télécommande centralisée à fréquence musicale), Gestion entre autres. Matériels de réseau : Vieillissement des matériels accéléré entre autres. Il faut donc trouver lesquels sont prioritaires

Impacts étudiés au cours de l’étude Études quantitatives sur : Le plan de tension Respect des limites réglementaires Les courants de court-circuit en régime permanent Conformes au dimensionnement et aux réglages des matériels 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 Les déséquilibres en tension inverse Respect des valeurs réglementaires

Méthodologie proposée et illustration sur le plan de tension Choix de l’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact

Choix des réseaux BT générique rural urbain HTA école Mise en place des réseaux Réseau de référence de type urbain Réseau de référence de type rural Réseau Basse Tension générique Réseau école pour études analytiques rural BT générique urbain HTA école

Méthodologie proposée et outils associés Choix de l ’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact

Outil analytique Chute de tension pour une impédance RL : Si on considère que l’hypothèse de Kapp est valide, la chute de tension entre Ue et Us est : Généralisation pour un réseau radial : Pe,Qe P 1 ,Q R ,X 2 3 j n U source N

Méthodologie proposée et indice de quantification Choix de l ’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact

Indice d’impact et paramètres Afin de quantifier l’impact de la génération d’énergie dispersée et des paramètres du réseau, on a défini l’écart relatif : L’écart relatif traduit donc la modification de la tension due à un transit de puissance donné. Les paramètres sont : dépendants des impédances R et X du réseau : Position du producteur, Puissance de court-circuit du réseau amont, Types de lignes et câbles entre autres. dépendants des puissances P et Q : Puissance de la GED connectée en BT, Puissance des charges connectées au réseau, Insertion massive de GED sur des réseaux BT différents.

Méthodologie proposée et simulation Choix de l ’impact étudié Choix des réseaux Outil informatique Outil analytique Choix d’un indice Choix des paramètres Simulation et exploitation Quantification de l’impact

Exemple de résultats : influence de la position du producteur sur le plan de tension Ecart relatif en fonction de la position du producteur Variation de l’indice : Avant le point d’insertion : augmente Après le point d’insertion : constant

Etude quantitative sur le réseau urbain Application au plan de tension Cas d’insertion massive a priori et distribution des générateurs 19 GED de 250 kW sur des réseaux BT uniformément répartis principalement localisés en bout d’artère 21 kV 19 kV

Etude quantitative sur le réseau rural Application au plan de tension Cas d’insertion massive a priori et distribution des générateurs 23 GED de 100 kW sur des réseaux BT 19 kV 21 kV tout le réseau artère 6 artère 1

Résultats sur le plan de tension Application à différents départs (ruraux, urbains) et étude de sensibilité paramétrique (paramètres des conducteurs, puissance produite, localisation des producteurs, Pcc entre autres) Exemple de résultats pour le plan de tension Premiers impacts apparaissent pour 100% de la consommation totale du départ Impacts renforcés par : une consommation minimale une localisation concentrée en bout de départ des producteurs la contrainte initiale du réseau Dans certains cas, changement de prise du régleur conséquences sur les départs adjacents

Conclusion sur les impacts Conclusions pour les autres impacts : peu problématiques sauf cas particuliers identifiés Choix du problème principal à traiter : plan de tension Conclusions valables sur réseaux d’étude et renforcées par d’autres études nationales et internationales.

Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives

Recensement des moyens de réglage Moyens de réglage de la tension dits « traditionnels » : Régleurs en charge au poste source, Bancs de condensateurs. Coordination de ces moyens avec d’autres : Distribution-Flexible AC Transmission Systems (D-FACTS), Certains producteurs indépendants, Autres types.

Coordination des moyens de réglage Méthodes de gestion optimale des moyens de réglage : le meilleur choix des consignes des éléments réglants (parallèles et séries) le placement optimal des moyens de réglages supplémentaires, le choix/limitation du nombre des moyens de réglage. Coordination des services réseau de chaque producteur par un opérateur réseau vision verticalement intégrée Réflexion pour la coordination de groupes de producteurs vision horizontale (décentralisée) intelligence répartie moyens télécoms locaux / globaux

Coordination en utilisant un algorithme d’optimisation Minimisation d’une fonction objectif : 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).

Problématique de l’optimisation dans les réseaux Problème mixte (continu et/ou discret) : Valeurs de l’injection de puissance réactive des D-FACTS et des producteurs sont continues Valeurs du régleur en charge et du banc de capacité sont discrètes, ou rendues continues par des fonctions d’extrapolation Le choix des moyens de réglage est un problème purement discret Problème fortement non linéaire Problème contraint : Limites sur les injections de puissance des moyens de réglage Limites sur les tensions du réseau Limites sur les courants

L’arbre d’optimisation (vu sur [NEOS]) Réglage des consignes

Problématique de l’optimisation des grandeurs de commande dans les réseaux (réglage des consignes) Représentation mathématique des grandeurs de réglage discrètes : Représentations linéaires, Représentations en escaliers, Tableaux de valeurs. Problème contraint : Limites sur les injections de puissance réactive des moyens de réglage, Limites sur les tensions du réseau. Fonctions objectifs : en escalier « sigmoïdes » linéarisé discret

Méthodes d’optimisation des consignes Méthodes classiques 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.

Cas d’étude Pcc réseau Amont 250 MVA (purement inductif) Réseau de distribution 20 kV avec 5 départs Pcc réseau Amont 250 MVA (purement inductif) Transformateur 20 MVA Deux départs modélisés finement : - départ semi urbain (77 nœuds et 22 points de production possibles) - départ urbain (55 nœuds et 22 points de production possibles) Départs Adjacents modélisés par une charge de 13 MVA

Méthodes d’optimisation des consignes Résultats sur le départ rural régleur en charge + 23 points d’injection de puissance réactive 10 20 30 40 50 60 70 80 1.99 2 2.01 2.02 2.03 2.04 2.05 2.06 x 10 4 Noeuds départ rural Tension (V) reference SQP AG norme 1 avec contraintes

Méthodes d’optimisation des consignes Résultats sur le départ rural régleur en charge seul

Méthodes d’optimisation des consignes Résultats sur le départ rural régleur en charge + 23 points d’injection de puissance réactive

Méthodes d’optimisation des consignes (développées) Hybridation de méthodes heuristiques et déterministes : Accélération de la convergence

Population initiale linéarisé discret u1 u2u3u4u5u6 u7…………….. Continus Tirage aléatoire d’une population initiale linéarisé discret u1 u2u3u4u5u6 u7…………….. Continus Discrets Opération répétée pour les n individus qui forment la population

Sélections classiques A partir d’une population, sélection de deux individus Sélection de type : Tournoi : si F(I4) < F(I6) alors I4 est sélectionné puis on répète une seconde fois Elitisme : parmi les x% meilleurs (F(Ii) faible), sélection de deux individus aléatoirement Roue biaisée : I1 : I2 : I3 : I4 : I5 : I6 : I7 : … In : F(I1) F(I2) F(I3) F(I4) F(I5) F(I6) F(I7) … F(In) u1 u2u3u4u5u6 u7 u1 u2u3u4u5u6 u7 u1 u2u3u4u5u6 u7 u1 u2u3u4u5u6 u7 u1 u2u3u4u5u6 u7 u1 u2u3u4u5u6 u7 u1 u2u3u4u5u6 u7 u1 u2u3u4u5u6 u7

Croisements classiques A partir de deux parents, création de deux nouveaux enfants Croisement de type : Uniforme : Le même nombre de gènes est échangé entre les parents 1 et 2 Non uniforme : Nombre de gènes différents A plusieurs coupures Combinaison linéaire : u1’ = t.u1+(1-t).u1 0≤t≤1 Parents : I4 : I6 : u1u2u3 u1u2u3 u4u5u6u7 u4u5u6u7 F(I4) F(I6) u1u2u3 u1u2u3 u4u5u6u7 u4u5u6u7 Enfants : Ia’ : Ib’ : F(Ia’) F(Ib’)

Mutation Mutation classique : Mutation avec convergence locale :

Algorithme génétique (croisements seuls) F(x,u) Population initiale Enfants possibles

Algorithme génétique (mutation classique) F(x,u) Population initiale Enfant muté Sélection de l’individu qui mute

Algorithme génétique (mutation déterministe) F(x,u) Population initiale Enfant muté Trois pas d’algorithme déterministe (de descente)

Illustration de l’optimum global Présence d’optima locaux Algorithme déteministe Algorithme Génétique classique Algorithme hybride F(u) u

Méthodes d’optimisation des consignes Résultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif FN1= 4.96e-3 FN1= 1.85e-3 Tension de consigne FN1= 1.49e-3

Pertes et variations du taux de convergence déterministe Résultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif

Méthodes d’optimisation des consignes pour les pertes Résultats sur les départs rural et urbain régleur en charge/banc de capacités + 44 points d’injection de réactif

L’arbre d’optimisation (vu sur [NEOS]) Placement et choix des moyens de réglage

Optimisation maître-esclave Afin de trouver les localisations optimales des moyens de réglage et les consignes associées : découplage Problème multi-objectifs classique pour la localisation des moyens de réglage optimaux : Fonction traduisant l’efficacité de réglage, Fonction traduisant le nombre de moyens de réglage. Optimisation des consignes par les méthodes précédemment présentées

Optimisation muti-objectifs et frontière de Pareto Problème multi-objectifs classique : Définition : Résolution par variation des contraintes : Résolution par pondération :

Placement et choix des moyens de réglage par optimisation muti-objectifs Pour des problèmes de vitesse de calcul : Evaluation de l’ « efficacité » du réglage en fonction du point d’injection : Pénalisation suivant le nombre de producteurs : Au final

Application à la minimisation des moyens de réglage Réseau d’étude, réseau rural de 77 noeuds : Insertion possible de sources de puissance aux 77 nœuds mais 23 nœuds producteurs choisis au hasard - Efficacité de réglage Nombre de producteurs

Tous les moyens de réglage sont coordonnés FN1(x,u)=0.574 Placement et choix des moyens de réglage par optimisation multi-objectifs puis optimisation des moyens de réglage choisis Problème multi-objectifs puis coordination des consignes Tous les moyens de réglage sont coordonnés FN1(x,u)=0.574 Douze moyens de réglage seulement FN1(x,u)=2.02 Trois moyens de réglage seulement F(x,u)=2.74

Commentaires sur les résultats de l’optimisation Plusieurs résultats sont remarquables : En relatif, performances différentes en terme d’optimisation : la modélisation/représentation retenue, la méthode utilisée, la fonction objectif envisagée. Dans l’absolu, différences entre les méthodes déterministes et heuristiques, si optima locaux : SQP plus rapide mais 1er optimum local, AG long mais optimum meilleur. Pour le placement, optimisation maître-esclave donne de bons résultats : Maître de type multi-objectifs simplifié, Esclave de type optimisation des consignes des moyens de réglage.

Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives

Validation des stratégies de coordination avec ARENE Arène ® HTB HTA BTA PC2 producteur PC1 superviseur Communication média et protocole PC contrôleur PC producteur communication 8 analogiques E/S A ou D A/N N/A ARENE temps réel Rack VME

Validation des stratégies de coordination avec ARENE Banc expérimental :

Validation des stratégies de coordination avec ARENE 0 à + O.22 MVar 0 à – O.85 MVar

Plan de la présentation I – Contexte et objectifs généraux II – Études d’impacts III – Coordination des moyens de réglage IV – Validation V – Conclusions et perspectives

Conclusions Études de transmission des impacts Criticité du plan de tension, Modification des courants de court-circuit en régime permanent. Bibliothèques de méthodes et de modèles Calcul de répartition des charges de type Newton-Raphson et Backward & Forward Sweep, Modèles de compensateur et de moyens de réglage, Bibliothèque d’outils d’optimisation pour les problèmes mixtes. Solutions pour le plan de tension Outils d’optimisation classiques sur réseaux de distribution, Hybridation d’un algorithme génétique et d’un algorithme déterministe, Algorithmes maîtres-esclaves pour le choix et la localisation des moyens de réglage, Réflexion sur des stratégies de gestion décentralisées (répartition de l’intelligence et des prises de décision).

Perspectives Estimation d’état qui tienne compte du caractère incertain et de l’étendue du réseau de distribution, Prise en compte des aspects économiques, Évaluation et comparaison entre des infrastructures de coordination décentralisées et centralisées (aspects stratégiques, logiciels et matériels) avec ARENE temps réel, Moyens de télécommunication nécessaires Centrale virtuelle Estimation d’état qui tienne compte du caractère incertain et de l’étendue du réseau de distribution, « gestion d’info élevées dans un futur + ou – proche » Prise en compte des aspects économiques ajouter des modèles de coût Évaluation et comparaison entre des infrastructures de coordination décentralisées et décentralisées (aspects stratégiques, logiciels et matériels) avec ARENE temps réel les moyens de télécoms nécessaires

Concept de centrale virtuelle (Constantin et Olivier) Marché Réseau distribution Centre de controle

Gestion des réseaux de distribution en présence de Génération d’Énergie Dispersée Fin ENSIEG, le 2 avril 2004