Méthodes de sécurité prédicitives et préventives pour la stabilité transitoire des réseaux électriques

点击翻译按钮获取中文摘要

La complexité des réseaux électriques va en s’accroissant et bien qu’ils soient gérés par des opérateurs expérimentés munis de dispositifs de commande modernes, il se produit régulièrement de larges pannes. Aussi, les grandes compagnies d’électricité tentent-elles de développer des réseaux électriques plus performants et plus verts. Ces nouveaux réseaux électriques appelés « intelligents » font appel aux récentes avancées technologiques dans les domaines de la détection, de la commande, de l’informatique et des communications. C’est dans ce cadre que se situe notre projet qui consiste à concevoir des outils d’aide à la décision destinés à la conduite des réseaux électriques intelligents. Plus précisément, ces outils visent à assurer la stabilité transitoire, laquelle fait appel à des phénomènes très rapides pouvant se produire en moins d’une seconde. Pour se prémunir contre l’instabilité transitoire, notre approche propose des actions prédictives, préventives et correctives. Les actions préventives débutent avec une analyse de contingences qui consiste à déterminer puis à classifier par ordre de sévérité les contingences qui menacent la stabilité transitoire du réseau dans son état actuel. Les contingences les plus dangereuses servent de point de départ à l’étape suivante qui consiste à redistribuer la production (c’est-à-dire les puissances des alternateurs) de façon à minimiser une fonction-objectif telle que le coût de production ou encore les pertes de transport, etc. À ce problème d’écoulement de puissance optimal (OPF, Optimal Power Flow), on ajoute une contrainte de stabilité transitoire de sorte que l’on obtient un TSC OPF (Transient Stability Constraint – OPF). Beaucoup de chercheurs travaillent sur la façon d’inclure les contraintes de stabilité transitoire dans un OPF. Nous désirons utiliser un réseau neuronique pour fournir la contrainte de stabilité transitoire à partir de la distribution de puissance. Le réseau neuronique associé à notre TSC-OPF aurait une distribution de la production en entrée et un indice de stabilité transitoire tel que le CCT en sortie. Cette approche pourrait permettre éventuellement de déduire une fonction analytique dérivable qui servirait directement de contrainte dans la formulation de notre TSC OPF. Cette fonction dérivable permettrait d’inclure les termes de gradient dans la formulation de l’OPF basé sur une méthode d’optimisation déterministe. Nous pensons que la méthode mise de l’avant permettrait de réaliser un TSC-OPF valable pour plusieurs contingences (MC-TSC-OPF) plutôt qu’une seule contingence comme s’est fait actuellement dans la littérature. Par ailleurs, nos actions prédictives basées sur les synchrophaseurs permettront de développer une nouvelle méthode de prédiction en ligne de la stabilité transitoire en combinant un modèle SIME avec des techniques intelligentes d’apprentissage telles que la classification floue et le séparateur à vaste marge (SVM). Enfin, un défi important de notre projet sera d’établir si nos actions correctives basées sur les actions préventives préétablies pourront être appliquées à temps pour éviter une instabilité suite à une contingence grave et ce, en tenant compte des divers délais de communication, de mesure et de prédiction.