Soutenance mémoire
DIVISION D’UN RÉSEAU ÉLECTRIQUE
« Fuzzy C-Means » :
Durant les simulations, il a été noté que la classification par la logique floue (« Fuzzy Logic ») avec le « Fuzzy C-Means » permet aussi d’obtenir des bonnes divisions pour le réseau électrique. En fait, le « Fuzzy C-Means » est capable de donner exactement les mêmes divisions que celles trouvées par le SOM en utilisant pratiquement les mêmes données. La seule différence est que dans la méthodologie employant le SOM, les données se retrouvent à être normalisées alors que pour la méthode avec le « Fuzzy C Means », les données des angles sont en radians. D’ailleurs, il a été observé que le « Fuzzy C-Means » peut diviser plus rapidement un réseau électrique comparativement qu’avec un SOM.
Théorie générale :
La logique floue a vu son utilisation et la variété de ses applications augmenter depuis les dernières années. De nos jours, les applications, parmi d’autres, peuvent aller des produits de consommation jusqu’aux procédés industriels comme relevées par Langari et John (1995). En fait, la logique floue est souvent utilisée dans les applications pour compenser le fossé qu’il y a entre le traitement symbolique et le calcul numérique. La théorie de la logique floue implique que les classes d’objets ont des frontières non définies où l’adhésion à la classe est une simple question de degré d’appartenance. Peu importe la définition donnée à la logique floue, elle diffère toujours en concept et en substance de la définition des systèmes logiques à valeurs multiples. Aussi, la logique floue, qui est basée sur le langage naturel, est conceptuellement facile à comprendre, flexible et est souvent utilisé lorsqu’un problème logique complexe peut être résolu de façon simple selon le guide du « Fuzzy Logic Toolbox » de Mathworks (2011). À cet égard, le « Fuzzy C-Means » est une technique de classification de données qui utilise la logique floue. Dans ce type de classification, chaque élément appartient à une classe avec un degré d’appartenance. Ce qui suit permet de comprendre le fonctionnement du « Fuzzy C-Means » généré avec le « Fuzzy Logic Toolbox » du logiciel « Matlab ».
Division en zones d’un réseau à l’aide d’un « Fuzzy C-Means »:
La division d’un réseau électrique avec le « Fuzzy C-Means » suit les mêmes principes que celle avec le SOM. La seule différence entre les deux méthodologies est le fait que la méthode avec le SOM utilise les données des angles de phase normalisées alors que la méthode avec le « Fuzzy C-Means » utilise les valeurs des angles non-normalisées à la place.
Études de cas:
Les méthodologies proposées sont tout d’abord mises à l’essai sur le réseau d’IEEE de 39 nœuds et sur une version modifiée du réseau d’IEEE de 118 nœuds. Le SOM est réalisé avec le « Neural Neuron Toolbox » du logiciel « Matlab » et le « Fuzzy C-Means » est programmé avec le « Fuzzy Logic Toolbox » du même logiciel. La description de ces outils peut être retrouvée dans les guides d’utilisateurs de Beale, Hagan et Demuth (2010) et de Mathworks (2011). Les données des barres de chaque réseau électrique ont été fournies à l’auteur de ce mémoire par l’IREQ et elles ont été relevées à l’aide du logiciel « ST600 » d’Hydro-Québec, qui est un programme de stabilité transitoire comme décrit dans le manuel d’utilisation de Valette, Loud et Huang (2000). Par ailleurs, le programme de stabilité transitoire prend ses valeurs initiales d’un réseau électrique déjà résolu produit par le logiciel « RP600 ». Le logiciel RP600 est décrit dans le manuel d’utilisation d’Audette et al. (2001). Il est à noter que les données fournies à l’auteur du mémoire pour le réseau d’IEEE de 118 nœuds ont été générées à partir d’une version du réseau dans laquelle certaines barres de génération ont été converties en barres de charge lorsque le logiciel ST600 a été utilisé, d’où la version modifiée du réseau d’IEEE de 118 nœuds. Les changements apportés sont indiqués dans l’Annexe I du présent mémoire. Ce qui suit décrit comment les données ont été générées et comment la division a été effectuée sur chaque réseau électrique à partir du SOM ou du « Fuzzy C-Means ».
SÉLECTION DES NŒUDS PILOTES:
Une méthode de sélection de nœuds pilotes intéressante a été trouvée dans la littérature. La méthode est celle présentée dans les articles de Conejo, de la Fuente et Göransson (1994) et de Sancha et al. (1996). Cette méthode se distingue par le fait qu’elle emploie une méthodologie mathématique et théorique dans la recherche de nœuds pilotes comparativement à d’autres méthodes qui requièrent l’intervention du concepteur durant le processus de recherche.
Le présent chapitre commence par expliquer l’algorithme génétique utilisé pour la minimisation de la fonction objectif de l’algorithme de recherche de nœuds pilotes. Par la suite, la méthode de recherche globale des nœuds pilotes telle que décrite dans les articles de Conejo, de la Fuente et Göransson (1994) et de Sancha et al. (1996) est présentée. L’application de la méthode à l’aide d’un algorithme génétique et des études de cas sont ensuite détaillées. Enfin, le chapitre se termine avec une discussion sur la méthode de recherche de nœuds pilotes.
L’algorithme génétique :
L’algorithme génétique (AG) est essentiellement un algorithme d’optimisation. Son utilité principale est de minimiser une fonction objectif en générant des valeurs aléatoires pour une variable désignée qui éventuellement tendra à minimiser la valeur de la fonction objectif. L’algorithme utilise le concept « d’évolution » pour trouver la bonne valeur pour la variable désignée. Il y a au moins cinq concepts impliqués dans l’algorithme génétique : « la représentation individuelle », « la population initiale », « l’évaluation de la condition physique », « la reproduction » et « le croisement et la mutation » comme le mentionnent Richardot et al. (2009). Le concept de la représentation individuelle consiste à décider comment un individu sera représenté dans l’AG. L’individu est en réalité une variable désignée qui devrait minimiser la valeur de la fonction objectif. Dans l’article de Richardot et al. (2009), il a été décidé par exemple qu’un individu est simplement un vecteur pour lequel ses valeurs sont des numéros de barres du réseau électrique étudié. Plus spécifiquement, le vecteur contient des valeurs entières allant de 1 à nB, où nB est le nombre de barres dans le réseau électrique. Dans d’autres types de problèmes, l’individu est habituellement représenté par des valeurs binaires ou par des valeurs réelles. La représentation de l’individu dépend habituellement du problème d’optimisation.
Le concept de la population initiale est relié à l’ensemble initial de solutions possibles qui est généré par l’AG ou qui est donné à ce dernier. Cet ensemble initial est en fait un ensemble de valeurs pour la variable désignée qui permettent de minimiser la fonction objectif. Durant l’exécution de l’AG, ces solutions proposées sont mises à l’essai pour voir si l’une d’entre elles peut minimiser encore davantage la fonction objectif. Si une de ces solutions y parvient, celle-ci est conservée. Sinon, la solution proposée est mise de côté à moins qu’elle soit gardée comme une élite. Il est à noter que le fait de garder des valeurs comme élites correspond en fait à faire usage « d’élitisme », qui est un autre concept des algorithmes génétiques. L’évaluation de la fonction objectif est faite à l’aide de la fonction d’évaluation de la « condition physique », d’où le concept de cette dernière. En général, le problème traité est de type sans contraintes ou adapté de sorte à le rendre ainsi. Dans le cas d’un problème sans contraintes, la « condition physique » coïncide avec la fonction objectif. Dans le cas de la méthode de sélection de nœuds pilotes présentée dans l’article de Richardot et al. (2009), la fonction objectif est la valeur de « condition physique » pour leur algorithme génétique.
Discussion sur la méthode:
La méthode de sélection de nœuds pilotes utilisée par Conejo, de la Fuente et Göransson (1994) et par Sancha et al. (1996) a donné de bons résultats. En effet, avec cette méthode, les nœuds pilotes trouvés ne peuvent pas être des barres de génération et sont généralement logiques lorsque plusieurs nœuds sont cherchés. Comme mentionné dans le chapitre 1, les barres de génération peuvent difficilement servir comme nœuds pilotes. En effet, les perturbations au niveau des charges sur les barres de charge n’influencent que peu les tensions sur les barres PV. Également, les résultats obtenus dans les simulations diffèrent de ceux obtenus dans les différents travaux où M. Conejo a été co auteur. Ces différents résultats sont dus en bonne partie au fait que les mêmes barres de génération n’ont pas été considérées comme barres de charge entre le présent travail et ces articles, et par le fait que le présent travail utilise un AG comme algorithme d’optimisation contrairement à ces articles.
Avec la méthode utilisée par Conejo, de la Fuente et Göransson (1994) et par Sancha et al. (1996), il est intéressant de noter qu’avec un seul nœud pilote dans chaque zone, des nœuds pilotes situés près des frontières de presque chaque zone ont été choisis. De plus, ceci est survenu pour les deux réseaux électriques de test d’IEEE. Une autre observation intéressante possible à faire est que les nœuds pilotes trouvés se situent généralement proches de barres de génération. Ce phénomène, également observable dans le cas où trois nœuds pilotes ou moins sont cherchés par zone, est dû au fait que le critère de contrôlabilité prend probablement plus de poids que le critère d’observabilité dans la méthode utilisée par Conejo, de la Fuente et Göransson (1994) et par Sancha et al. (1996). En effet, dans cette méthode, il n’y a aucune façon de spécifier un poids au critère d’observabilité et de contrôlabilité. En fait, les deux critères se retrouvent à être tenus compte ensemble et en même temps dans la méthode de Conejo, de la Fuente et Göransson (1994) et de Sancha et al. (1996). Il est donc probable que la fonction objectif utilisée dans cette méthode ait été construite de sorte à donner plus d’importance au critère de contrôlabilité qu’au critère d’observabilité.
Enfin, une autre observation intéressante est le fait que plus le nombre de nœuds pilotes cherchés par zone est grand, meilleure est la répartition géographique de ces barres. D’ailleurs, il est possible de conclure également que la recherche de nœuds pilotes par zone permet de garantir l’obtention de barres pilotes dans chaque zone comparativement à chercher des nœuds pilotes dans tout le réseau à la fois.
RÉGLAGE SECONDAIRE COORDONNÉ DE TENSION :
Le contrôle secondaire coordonné de tension dans les réseaux électriques comporte au moins trois étapes : la division du réseau électrique en plusieurs zones, la détermination des nœuds pilotes représentatifs pour chaque zone et l’implémentation du RSCT en tant que telle. Les deux chapitres précédents détaillent comment effectuer la division d’un réseau électrique et comment choisir des nœuds pilotes représentatifs pour chaque zone obtenue. Le présent chapitre traite de la commande en tant que telle et de son implémentation. Le chapitre commence par faire une vue d’ensemble d’un RSCT typique. Par la suite, le RSCT développé dans la présente recherche est détaillé une fois que la théorie entourant l’écoulement de puissance optimal est expliquée. En effet, le RSCT développé fait usage de ce concept. Enfin, des études de cas et une méthode de validation sont présentées suivies d’une discussion sur les résultats obtenus.
DISCUSSION SUR LE CONTRÔLE PROPOSÉ:
Le sixième chapitre présente une discussion sur le contrôle proposé. En fait, une analyse sur le contrôle proposé et sur les différentes méthodologies pour chaque aspect de son implémentation est exposée dans ce chapitre. En effet, chaque méthodologie analysée dans ce mémoire a présenté des points positifs et négatifs qui sont importants à souligner si une implémentation concrète est considérée avec ces méthodes.
Analyse du contrôle proposé et des méthodologies:
Dans l’ensemble des RSCT comprenant des contrôles locaux, il a pu être observé qu’il était un peu plus difficile de réguler les tensions aux valeurs désirées sur les nœuds pilotes. En effet, même en considérant les puissances actives et réactives sur les branches, les OPF n’arrivent pas à trouver les valeurs qui permettent de corriger complètement les déviations de tensions. Il est à noter qu’en ne tenant pas compte de ces puissances, les tensions étaient empirées sur les nœuds pilotes. En théorie, les zones créées à l’aide du « Fuzzy C-Means » ou du SOM devaient être isolées et indépendantes entre elles au niveau des interactions. Or, le fait qu’il faut malgré tout tenir compte des puissances pour améliorer la tension sur les barres pilotes démontre que les zones trouvées ne sont pas complètement isolées. Malgré tout, il faut noter qu’en pratique, il est très difficile de trouver des zones complètement isolées au niveau des interactions. Il est à souligner que lors des simulations effectuées pour le contrôle, seul le réseau modifié d’IEEE de 118 nœuds a obtenu des zones nonsuffisamment indépendantes. En fait, les interactions entre les zones ont causé plus de problèmes pour ce réseau que pour le réseau d’IEEE de 39 nœuds lorsque des contrôles locaux ont été mis à l’essai. Enfin, malgré tout, les techniques de division d’un réseau électrique à l’aide du « Fuzzy C Means » et du SOM se sont relevées simples et suffisamment satisfaisantes. En effet, les divisions obtenues possèdent toutes des barres connectées entre elles; les divisions trouvées sont cohérentes. De plus, la division avec un SOM a été démontrée comme étant robuste au niveau des calculs avec sa bonne répétabilité des résultats.
CONCLUSION:
L’objectif principal de la recherche consistait à trouver une façon d’automatiser la régulation de la tension au niveau secondaire dans les réseaux électriques d’Hydro Québec. Dans ce but, il a été décidé d’utiliser un RSCT pour y parvenir. Il existe au moins trois étapes à suivre pour implémenter un RSCT : la division d’un réseau électrique en zones, la sélection des nœuds pilotes représentatifs pour chaque zone et l’implémentation du contrôle en tant que telle. Le premier chapitre a fait un survol des différentes méthodologies existant pour chaque étape de l’implémentation d’un RSCT. Les trois chapitres suivants ont traité des méthodologies mises à l’essai durant la recherche pour chacune de ces étapes. Le cinquième chapitre a mis à l’essai ces méthodologies pour le RSCT développé pour le réseau d’HydroQuébec alors que le sixième chapitre a permis de discuter sur l’ensemble de la recherche.
|
Table des matières
INTRODUCTION
CHAPITRE 1 LE CONTRÔLE SECONDAIRE COORDONNÉ DE TENSION DES RÉSEAUX ÉLECTRIQUES
Introduction
Principe de base du RST/RSCT
Méthodologies existantes pour chaque aspect du contrôle secondaire coordonné
La division en zones d’un réseau électrique
La recherche de nœuds pilotes
Le contrôle de la tension dans un réseau électrique
Type de contrôle recherché pour le réseau d’Hydro-Québec
Conclusion
CHAPITRE 2 DIVISION D’UN RÉSEAU ÉLECTRIQUE
Introduction
Carte auto-adaptative (SOM)
Théorie générale
Division en zones d’un réseau électrique à l’aide d’un SOM « Fuzzy C-Means »
Théorie générale
Division en zones d’un réseau à l’aide d’un « Fuzzy C-Means »
Discussion sur les méthodologies proposées
Conclusion
CHAPITRE 3 SÉLECTION DES NŒUDS PILOTES
Introduction
L’algorithme génétique
Méthode de recherche globale des nœuds pilotes
Méthode de recherche globale des nœuds pilotes mis à l’essai avec un AG
Études de cas
Discussion sur la méthode
Conclusion
CHAPITRE 4 RÉGLAGE SECONDAIRE COORDONNÉ DE TENSION
Introduction
Vue d’ensemble d’un RSCT typique
RSCT développés
Écoulement de puissance optimal
Architecture développée
Difficultés et limitations des OPF non-linéarisés utilisés
Utilisation des OPF non-linéarisés dans le contrôle
Études de cas
Réglages mis à l’essai dans les simulations
Résultats obtenus avec le réseau d’IEEE de 39 nœuds
Résultats obtenus avec le réseau modifié d’IEEE de 118 nœuds
Méthode de validation du contrôle fait avec les OPF
Discussion
Conclusion
CHAPITRE 5 RSCT APPLIQUÉ SUR LE RÉSEAU D’HQ
Introduction
Division du réseau d’Hydro-Québec
Nœuds pilotes choisis pour le réseau d’Hydro-Québec
Contrôle obtenu sur le réseau d’Hydro-Québec
Validation des résultats
Discussion
Conclusion
CHAPITRE 6 DISCUSSION SUR LE CONTRÔLE PROPOSÉ
Introduction
Analyse du contrôle proposé et des méthodologies
Conclusion
CONCLUSION
Télécharger le rapport complet
