Contribution à l‟étude de la stabilité des réseaux électriques intelligents (smart grids)

Abstract

Au cours de dernières années et à cause des problèmes économiques et environnementaux, les systèmes de puissance modernes fonctionnent souvent à proximité des contraintes techniques, augmentant le niveau probable des risques d'instabilité de tension. Par conséquent, des méthodes rapides et efficaces pour évaluer et améliorer la stabilité de tension sont d'une grande importance pour les experts et les industriels, et ce, afin d'éviter les blackouts. Dans cette thèse, de nouveaux modèles hybrides basés sur la combinaison de la régression à vecteurs de support (Support Vector Regression : SVR) avec des algorithmes modernes d'optimisation ont été développés et implémentés pour prédire la marge de stabilité de tension du système de puissance. Comme les performances du modèle SVR dépendent fortement d'une sélection précise de ses paramètres, les algorithmes AntLion Optimizer (ALO), Dragonfly Optimizer (DA) et Whale Optimizer (WOA) sont utilisés pour l‟optimisation des paramètres du SVR ; ce qui améliore considérablement leurs performances. Afin de garantir l‟adéquation de l'approche proposée pour les applications en ligne, les vecteurs d'entrée des modèles hybrides sont fournis sous forme d'amplitudes de tension et d'angles de phase de tension, qui sont supposés être obtenus à partir des unités de mesure de phaseur. De plus, les algorithmes mentionnés ci-dessus, à savoir ALO, DA et WOA, sont utilisés pour identifier les jeux de barres les plus faibles dans un système de puissance. Enfin, une méthode de réponse à une demande d'urgence basée sur la marge de stabilité de tension est proposée pour améliorer cette dernière. L'objectif principal de l'approche proposée est de maintenir la marge de stabilité de tension dans une plage acceptable en cas d'urgence. Afin de démontrer la validité et l'efficacité des méthodes proposées, le réseau IEEE 14 jeux de barres et le réseau algérien 114 jeux de barres sont utilisés comme des réseaux test pour effectuer les simulations et les comparaisons correspondantes.