Contribution à l’étude de la stabilité des grands réseaux électriques dans un marché de l’électricité dérégulé en présence des sources d’énergie renouvelable par la logique floue

Abstract

Au cours de ces dernières années, la demande en énergie électrique a continué de croître, amenant les réseaux électriques modernes à fonctionner au-delà de leur limite de stabilité, ce qui augmente le niveau probable de risque d'instabilité de la tension. Dans une telle situation, une évaluation rapide et précise de la stabilité de tension est nécessaire pour éviter les pannes d'électricité à grande échelle. En raison de sa capacité à apprendre hors ligne et à produire des résultats précis en ligne, les techniques d’apprentissage automatique (telles que les réseaux de neurones artificiels (ANN) et le système d’inférence neuro-fuzzy adaptatif (ANFIS)) sont largement utilisées pour la surveillance en ligne de la stabilité de la tension. Dans cette thèse, un nouveau modèle ANFIS avec sélection optimisée des paramètres via l'algorithme MFO (Moth-Flame Optimization) est proposé pour estimer l'indice de ligne de stabilité de la tension (Lmn) du réseau électrique. Les entrées du modèle hybride ANFIS-MFO sont fournies sous la forme d’amplitude et d'angles de phase de tension qui sont supposés être collectés à partir de jeux de barres critiques du réseau. La deuxième partie de cette thèse porte sur l’application de l’algorithme MFO pour améliorer la stabilité de la tension du réseau électrique en se basant sur la résolution du problème d’écoulement de puissance optimal (Optimal Power Flow (OPF)) intégrant des générateurs éoliens. Afin de prouver l'efficacité des méthodes proposées, le réseau IEEE-30 jeux de barres et le réseau Algérien 114 jeux de barres sont utilisés. Les résultats obtenus confirment la performance des méthodes proposées par rapport aux autres méthodes existantes dans la littérature.