Memoire Kort Obi

Ministre de lEnseignement Suprieur et de la Recherche Scientifique
Ecole Nationale Polytechnique

LRE
Laboratoire de Recherche
en
Electrothechnique
Mmoire prpar au sein du Laboratoire de Recherche en Electrotechnique de lENP
10, avenue Hassan Badi BP 182 El-Harrach Alger
Mmoire de Magister
Prsent au Laboratoire de Recherche en Electrothechnique
en vue de lobtention du titre de
Magister
En
Rseaux Electriques et Haute Tension
Par
Lamia KARTOBI
Ingnieur dEtat en Electrotechnique lUSTHB
Thme
Optimisation de la Synthse des FACTS par les Algorithmes
Gntiques et les Essaims Particulaires pour le contrle des
Rseaux Electriques
Soutenue le 29 Novembre 2006 devant le Jury dexamination :
Prsident : Dr. A. Boubakeur, Pr. lENP Alger
Rapporteurs : Dr. M. Boudour, MC lUSTHB
Dr. A. Mekhaldi, Pr. lENP Alger
Examinateurs: Dr. M. Teguar, MC lENP Alger
Dr. L. Nezli, MC lENP Alger
Dr. N. Amorouayache, Dr. Sonelgaz
Invit: Dr. M. Ghezaili, Dr. Sonelgaz
Je ddie ce mmoire mes parents et mes
Surs que jaime beaucoup Rosa, Ghania et Sabiha ainsi
qu tous mes amis.
Lamia
Remerciements
Je tiens avant tout remercier tous ceux qui mont soutenu et encourag suivre mes
tudes : mes parents et surs, mes amis et proches
Je tiens galement remercier mes directeurs de mmoire le Professeur Abdelouaheb
Mekhaldi et le Docteur Mohamed Boudour, sous la direction desquels le travail t ralis
et auprs desquels jai beaucoup appris, pour la confiance, la patience et la comprhension
quils mont toujours manifest.
Jadresse mes remerciements aux prsident et membres du Jury qui ont accept dexaminer
ce mmoire en lui apportant de lintrt
Je veux aussi exprimer ma vive reconnaissance envers tous les enseignants de lE.N.P.
L Li is st te e d de es s f fi ig gu ur re es s
iv
Liste des Figures
Page
II. 1 Diagramme schmatique des applications des FACTS dans les rseaux....................... 14
II. 2. Schma type du SVC en connexion shunt................................................16
II. 3 Organigramme dun algorithme gntique simple..........................................17
II. 5 (a) Croisement multipoints ( 2 p ) en codage binaire. (b)Croisement uniforme en
codage binaire....................................... ......................................................21
II. 6 Mutation dans le cas dun codage binaire.......................................................................21
II. 7 Concept de modification dun point de recherche par lOEP.........................................25
II. 8 Concept de recherche avec des agents dans lespace de solution de lOEP. .................26
II. 9 Organigramme gnral dm lOEP. ...........................................................................26
III. 1 Diagramme de phase pour la i
me
machine.................................................................30
III. 2 Schma fonctionnel de la i
me
machine du rseau multimachine....................................31
III. 3 Modle du systme avec SVC..........39
III.4 Modle du SVC...............................................................................................................39
III. 5 Modle de la machine avec les nouveaux paramtres de contrle................................43
IV. 1 Diagramme unifilaire du rseau 2 Rgions-4 machines......47
IV. 2 Rponses temporelles de la vitesse des gnrateurs avec et sans SVC..50
IV. 3 Trac des valeurs propres sans SVC.........................................................54
IV. 4 Trac des valeurs propres avec SVCs non optimiss.....................................................54
IV. 5 Trac des valeurs propres avec SVCs optimiss par AG.............................................55
IV. 6 Dviation de la vitesse des gnrateurs pour une forte charge avec SVC non optimis
et optimis par AG..........................................56
IV. 7 Dviation de la vitesse des gnrateurs pour une faible charge avec SVC optimis
par AG et SVC non optimis..............................................................57
IV. 8 Dviation de la vitesse des gnrateurs pour un changement de topologie (suppression
de ligne 6-11) avec SVC optimis par AG et SVC non optimis.......58
V. 1 Trac des valeurs propres sur le plan complexe sans SVC.............................................62
V. 2 Trac des valeurs propres sur le plan complexe pour une forte charge.64
V. 3 Trac des valeurs propres sur le plan complexe pour une faible charge...64
V. 4 Trac des valeurs propres sur le plan complexe pour un changement de topologie...65
v
V. 5 Dviation de la vitesse des gnrateurs pour une forte charge avec SVC non optimis
et optimis par AG et OEP66.
V. 6 Dviation de la vitesse des gnrateurs pour une faible charge avec SVC non optimis
et optimis par AG et OEP67
V. 7 Dviation de la vitesse des gnrateurs pour un changement de topologie (suppression
de ligne 6 -11) avec SVC non optimis et optimis par AG et OEP68
vi
Liste des Tableaux
Page
II. 1 Application des FACTS a la rsolution des problmes dans le rseau....................... 15
IV.1 Modes dominants du systme sans SVC......................................................48
IV.2 Contribution des gnrateurs dans les modes lectromcaniques...................................49
IV.3 Paramtres des SVC non optimiss..........49
IV. 4 Paramtres doptimisation..............................................................................................52
IV.5 Paramtres des SVC obtenus aprs optimisation..........................................53
V.1 Paramtres des SVCs obtenus aprs optimisation.................61
V.2 Paramtres des SVCs obtenus par AG et OEP..........................................................63
S So om mm ma ai ir re e
i
SOMMAIRE
Rsum
Ddicaces
Remerciements
Sommaire.......................................................................................................................i
Liste des Figures............................................................................................................iv
Liste des Tableaux.........................................................................................................vi
Introduction gnrale............................................................................1
CHAPITRE I : Etat de lArt des techniques damlioration de la stabilit.
I.1 Introduction.4
I. 2 Stabilit des rseaux.4
I. 2. 1 Types de stabilit.5
I. 2. 1. 1 Stabilit statique..5
I. 2. 1. 2 Stabilit dynamique.5
I. 2. 1. 3 Stabilit transitoire ...5
I. 3 Amlioration de la stabilit ..6
I. 3. 1 Amlioration de la stabilit par les PSS 6.
I. 3. 2 Amlioration de la stabilit par les FACTS ..6
I. 3. 2. 1 Compensateurs parallles.6
I. 3. 2. 1. 1 Compensateurs parallles base de thyristors..7
I. 3. 2. 1. 2 Compensateurs parallles base de thyristors GTO7
I. 3. 2. 2 Compensateurs sries8
I. 3. 2. 2. 1 Compensateurs sries base de thyristor..8
I. 3. 2. 2. 2 Compensateurs sries base de thyristors GTO9
I. 3. 2. 3 Compensateurs hybrides srie parallle.9
I. 3. 2. 3. 1 Compensateurs hybrides base de thyristors...9
I. 3. 2. 3. 2 Compensateurs hybrides base de thyristors GTO. 9
I. 3. 3 Commandes intelligentes .10
I. 3. 3. 1 Algorithmes Gntiques ..
I. 3. 3. 2 Optimisation par essaims de particules...11
ii
I. 4 Conclusion .12
CHAPITRE II FACTS et mthodes volutionnaires
II.1 Introduction.13
II. 2. Application des FACTS..13
II. 3 Compensateur statique dnergie ractive (SVC) ....15
II. 4 Algorithmes gntiques....................................................................................16
II.4.1 Description des Algorithmes Gntiques...18
II.4.1.1 Codage initiale...18
II.4.1.2 Evaluation ..19
II.4.1.3 Slection 19
II.4.1.4 Recombinais..20
II.4.1.5 Critre darrt ..22
II. 4. 1. 6 Rglage des paramtres dun AG...22
II. 4. 2 Optimisation par essaim de particules...22
II. 4. 2.1 Concept de base de lOEP..24
II. 4. 2. 2 Algorithme gnral de lOEP..26
II. 5 Conclusion28
CHAPITRE III MODELISATION DU RESEAU ELECTRIQUE EN
REGIME DYNAMIQUE
III.1 Introduction .29
III.2 MODELISATION DU RESEAU MULTIMACHINE29
III.2.1 Diagramme de Phase 29
III.2.2 Composantes des Courants30
III.2.3 Equation de Puissance33
III.2.4 Equation des Tensions Internes..34
III.2.5 Equation des Tensions Terminales.35
III.2.6 Reprsentation dtat..35
III.3 ANALYSE DE STABILITE 36
III.3.1 Valeurs propres
III.4. Modlisation du systme avec incorporation des SVC 38
iii
III.4.1 Description du Systme..38
III.4.1.1 Modle du Systme .38
III.2.2.2 Compensateur Statique ....39
III.4.2.3 Mthode Propos..40
III.5 INCORPORATION DES FACTS...44
III.5.1 Vecteur Propre.44
III.5.2 Facteurs de Contribution .45
III.6 Conclusion...46
CHAPITRE IV O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
IV.1. Introduction .47
IV. 2 Rseau dapplication ...47
IV. 3 Implantation des SVCs 48
IV. 3. 1 Emplacement optimum des SVCs.48
IV.4 APPLICATION DES AG
s
..49
IV. 4. 1 Formulation de la fonction objective.51
IV. 4. 2 Rsultats doptimisation 52
IV.5 CONCLUSION...59
CHAPITRE V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
V.1. Introduction 60
V. 2 Formulation de la fonction objective..60
V. 3 Choix des paramtres de lOEP.60
V.4 Test de robustesse de lOEP62
V.5 Conclusion...69
Conclusion gnrale ....70
Bibliographie ..72
Annexe A Donnes du systme tudi ..78
I In nt tr ro od du uc ct ti io on n G G n n r ra al le e
1
Introduction Gnrale
L'industrialisation et la croissance de la population sont les premiers facteurs pour
lesquels la consommation de l'nergie lectrique augmente rgulirement. Ainsi, pour avoir
un quilibre entre la production et la consommation, il est ncessaire d'augmenter le nombre
de centrales lectriques, de lignes, de transformateurs etc., ce qui implique une augmentation
de cot et une dgradation du milieu naturel. En consquence, il est aujourd'hui important
d'avoir des rseaux maills et de travailler proche des limites de stabilit afin de satisfaire ces
nouvelles exigences.
Les rseaux maills, soumis des boucles de puissance indsirables entre zones
interconnectes, subissent des surcharges de lignes, des problmes de stabilit et de toute
manire un accroissement des pertes. Les moyens classiques de contrle des rseaux
(transformateur prises rglables en charge, transformateurs dphaseurs, compensateurs
srie ou parallle commuts par disjoncteurs, modification des consignes de production,
changement de topologie du rseau et action sur l'excitation des gnrateurs) pourraient dans
l'avenir s'avrer trop lents et insuffisants pour rpondre efficacement aux perturbations du
rseau, compte tenu notamment des nouvelles contraintes. Il faudra donc complter leur
action en mettant en oeuvre des dispositifs lectroniques de puissance ayant des temps de
rponse courts, connus sous l'appellation FACTS (Flexible Alternative Curent Transmission
Systems) pour le contrle des rseaux [Hin 00]. Le dveloppement des dispositifs FACTS a
ouvert de nouvelles perspectives pour une exploitation plus efficace des rseaux par action
continue et rapide sur les diffrents paramtres (dphasage, tension, impdance). Ainsi, les
transits de puissance seront mieux contrls et les tensions mieux rgules, ce qui permettra
d'augmenter les marges de stabilit ou de tendre vers les limites thermiques des lignes. Le
maintien de lquilibre entre la production et la consommation ncessite alors une
surveillance permanente du systme afin dassurer la qualit du service (problme de
conduite), garantir sa scurit (problme de protection) et sa stabilit (problme de rglage).
La stabilit fut reconnue comme lment important du bon fonctionnement dun
systme lectrique partir des annes vingt (1920) [Kun 90]. Depuis, les chercheurs ont eu
recours des approches dites traditionnelles ou classiques lies la thorie de la commande,
pour rgler les problmes de stabilit. partir des annes soixante (1960) sont apparues des
2
approches dites intelligentes afin de rgler ces problmes devenus trs complexes et difficiles
rsoudre. Ce nest quau dbut des annes quatre vingt dix (1990) que ces mthodes,
encourages par le dveloppement des calculateurs et micro-ordinateurs, ont vu rellement
leur applications prendre de lampleur. Ces approches simulent des phnomnes physiques,
tel le comportement humain ou lvolution des tre vivants et sont appeles mthodes
heuristiques modernes [Nar 00]. Parmi ces mthodes, nous citons titre dexemple la
Recherche Tabou, le Recuit Simul, les Algorithmes Gntiques et finalement lAlgorithme
Essaim de Particules.
Lassociation des dispositifs FACTS avec les techniques heuristiques permettra
damliorer la stabilit sans pour autant affecter la scurit et la fiabilit du systme de
puissance. Les tudes de stabilit dynamique concernent les petites perturbations tel quun
changement dans la structure du rseau, dans les conditions dexploitation, dans les systmes
dexcitation ou au niveau des charges. Ces oscillations peuvent causer une instabilit
affectant aussi bien un alternateur, une partie ou tout le rseau.
Ce travail s'articule autour de lamlioration de la stabilit dynamique d'un rseau
dnergie lectrique constitu de deux zones interconnectes, en utilisant le plus populaire des
dispositifs FACTS, le SVC ( Static Var Compensator) raison dun dispositif plac par zone.
Loptimisation des paramtres des SVCs est effectue dans un premier temps par le biais des
Algorithmes Gntiques puis par la methode des Particules en Essaim.
Un rappel sur la stabilit des rseaux lectriques est abord au premier chapitre. Les
diffrentes mthodes damlioration de la stabilit sont prsentes ainsi que les diffrentes
structures des FACTS (parallle, srie et hybride). Un aperu sur loptimisation par les
Algorithmes Gntiques et lEssaim de Particules est donn en fin de chapitre.
Dans le deuxime chapitre, nous traitons de l'application des FACTS, en particulier le
SVC, et leurs principes de fonctionnement. Nous prsentons dune manire dtaille les
techniques doptimisation bases sur les Algorithmes Gntiques et les Particules en Essaim.
Afin d'tudier le comportement du rseau global en rgime dynamique, le chapitre III
prsente un modle de connaissance du rseau lectrique avec les dispositifs SVC [Ele 96].
3
En se basant sur les travaux effectus par [Ele 96] et [Has 02], nous prsentons dans le
chapitre IV les rsultats de lapplication de lAG loptimisation des paramtres des SVCs
installs dans le systme dtude.
Le chapitre V contiendra les rsultats de lapplication de lOEP la dtermination des
paramtres optimaux des SVCs ainsi quune tude comparative des rsultats obtenus par les
deux mthodes doptimisation.
Enfin, nous terminons cette rdaction par une conclusion et des perspectives mme de
complter ce travail.
C Ch ha ap pi it tr re e I I E Et ta at t d de e l l A Ar rt t
4
CHAPITRE I
ETAT DE LART SUR LES TECHNIQUES
DAMELIORATION DE LA STABILITE
I.1 Introduction
Lnergie lectrique tant trs difficilement stockable, il doit y avoir en permanence

quilibre entre la production et la consommation. Les gnrateurs, les rcepteurs et les
rseaux lectriques qui les relient ont des inerties mcaniques et/ou lectriques qui rendent
difficile le maintien dun quilibre garantissant une frquence et une tension relativement
constantes.
Face une variation de puissance, le systme lectrique doit normalement retrouver un
tat stable. Dans certains cas, le rgime oscillatoire peut diverger. Des tudes sont ncessaires
pour pouvoir viter ce phnomne et garantir la stabilit du rseau lectrique. Elles le sont
particulirement dans le cas des rseaux industriels qui comportent un ou plusieurs groupes
gnrateurs ainsi que des moteurs.
Nous allons prsent dans ce chapitre, des notions sur la stabilit des rseaux et ses
diffrents types ainsi que la technique damlioration de la stabilit par les PSS (Power
System Stabilizers) et par FACTS, en particulier le SVC qui fera lobjet de notre tude. Les
techniques de commande intelligente telles que lAG (Algorithme Gntique) et lOEP
(Optimisation par Essaims de Particules) seront galement prsentes dans cette partie
I. 2 Stabilit des rseaux
La stabilit est dfinie comme la proprit dun systme retrouver son point de
fonctionnement (ou point dquilibre) aprs avoir subi une ou plusieurs perturbations.
Elle est caractrise par les fluctuations de puissances transites dans le rseau et se mesure
par les variations dans le temps des tensions et frquences associes.
5
I. 2. 1 Types de stabilit
Il existe trois types de stabilit : statique, dynamique et transitoire.
I. 2. 1. 1 Stabilit statique
En gnral, la fin d'un rgime transitoire provoqu par une perturbation, le systme
atteint son rgime permanent. Dans ce cas, ltude de la stabilit du systme, porte sur
l'valuation de l'tat statique du rseau. Le systme nest pas en tat de stabilit statique si les
contraintes de fonctionnement ne sont pas respectes. Cet tat est appel : tat instable ou tat
durgence. Dans un rseau qui est dans un tat d'urgence, les oprateurs du centre de contrle
ont suffisamment de temps pour ramener le systme ltat stable ou au rgime normal en
apportant des modifications supplmentaires.
Si certaines contraintes dexploitation ne sont pas respectes, l'une des parties du rseau se
spare du systme, le reste contine son fonctionnement normal [SAD 98].
Une autre dfinition peut tre donne la stabilit statique qui consiste dire quun rseau
dnergie lectrique est dit stable en rgime statique si suite une perturbation quelconque
infiniment petite, il retrouve un tat de marche synchrone, identique ou infiniment voisin de
l'tat dorigine [SAM 83].
I. 2. 1. 2 Stabilit dynamique
Il arrive que de petites oscillations apparaissent sur les signaux, cause dun
changement dans la structure du rseau, dans les conditions dexploitation, dans les systmes
dexcitation ou au niveau des charges. Ces oscillations peuvent aboutir dstabiliser un
alternateur, une partie ou tout le rseau. Dans ce cas nous pouvons utiliser des modles
linaires afin de simuler le rseau. Les principaux lments tels que les machines synchrones,
les excitatrices, les systmes de rgulation de vitesse, les PSS ou bien les FACTS dont les
dynamiques ne sont pas ngligeables, seront pris en compte dans ces modles [SAM 83].
I. 2. 1. 3 Stabilit transitoire
La stabilit transitoire dun rseau de transport dnergie lectrique est son aptitude
retrouver une position dquilibre stable aprs une perturbation brusque et de forte
amplitude. Cette perturbation peut carter notablement le rseau de sa position initiale. Le
phnomne de stabilit transitoire concerne les grandes perturbations. Nous pouvons citer :
Les courts-circuits affectant un lment du rseau, notamment aux bornes des machines,
La Perte douvrages
6
La Perte des groupes de production, etc.
Les consquences de ses dfauts peuvent tre trs graves, pouvant mme conduire
leffondrement complet du rseau. La stabilit transitoire dpend :
du type de perturbation
de la dure de perturbation
du lieu de perturbation
de la performance des systmes de protection (relais, renclenchement)
du point de fonctionnement avant dfaut (niveau de puissance active, topologie du
rseau et degr dexcitation des machines)
des caractristiques dynamiques (des gnrateurs, des charges et des rgulateurs mis
en place dans les stations ainsi que des stabilisateurs comme le PSS).
Ce qui importe dans une mthode danalyse de la stabilit transitoire, c'est la rapidit et
lexactitude des rponses obtenues [Bar 84] [SAD 98].
I. 3 Amlioration de la stabilit
I. 3. 1 Amlioration de la stabilit par les PSS
La structure du stabilisateur de puissance est une structure classique qui consiste en un
gain, un filtre passe-haut et un ou plusieurs blocs de compensation de phase [Cho 00] [Lar
81]. Ces Stabilisateurs de puissance sont un moyen efficace et conomique damlioration de
la stabilit dynamique dun systme lectrique [Zha 00].
Un choix adquat des paramtres des PSS engendre un bon amortissement des oscillations
induites par les perturbations et amliore la stabilit de lensemble du systme.
I. 3. 2 Amlioration de la stabilit par les FACTS
Devant les problmes de transit de puissance, la compagnie amricaine EPRI (Electric
Power Research Institute) a lanc, en 1988, un projet dtude des systmes FACTS afin de
mieux matriser le transit de puissance dans les lignes lectriques [BEL00].
Les systmes FACTS sont appliqus lamlioration de la stabilit des rseaux lectriques. A
cet gard, les composants FACTS peuvent tre classs en trois catgories : compensateurs
parallle, compensateurs srie et compensateurs hybrides "srie parallle" [HIN00].
7
I. 3. 2. 1 Compensateurs parallle
Vers la fin des annes 60, plusieurs quipements utilisant llectronique de puissance
ont fait leurs apparitions. Ces derniers avaient lavantage dliminer les parties mcaniques et
d'avoir un temps de rponse trs court. Ces quipements taient constitus essentiellement
dune inductance en srie avec un gradateur. Le retard lamorage des thyristors permettait
de rgler lnergie ractive absorbe par le dispositif.
En effet, tous les compensateurs parallles injectent du courant au rseau via le point de
raccordement. Quand une impdance variable est connecte en parallle sur un rseau, elle
consomme (ou injecte) un courant variable. Cette injection de courant modifie les puissances
active et ractive qui transitent dans la ligne [Bel 00] [Son 99] [Hin 00].
Les compensateurs parallles les plus utiliss sont :
I. 3. 2. 1. 1 Compensateurs parallle base de thyristors
Il sagit de :
TCR (Thyristor Controlled Reactor )
Dans le TCR (ou RCT : Ractances Commandes par Thyristors), la valeur de linductance
est continuellement change par l'amorage des thyristors [Hin 00].
TSC (Thyristor Switched Capacitor)
Dans le TSC (ou CCT : Condensateurs Commands par Thyristor), les thyristors fonctionnent
en pleine conduction [Hin 00].
SVC (Static Var Compensator)
Lassociation des dispositifs TCR, TSC, bancs de capacits fixes et filtres dharmoniques
constitue le compensateur hybride, plus connu sous le nom de SVC (compensateur statique
dnergie ractive) dont le premier exemple a t install en 1979 en Afrique du Sud
[Pas 98] [Ler 91].
TCBR (Thyristor Control Breaking Resistor)
Ce type de compensateur connect en parallle est utilis pour amliorer la stabilit du rseau
pendant la prsence des perturbations [Pas 98].
I. 3. 2. 1. 2 Compensateurs parallle base de thyristors GTO
Il s'agit du STATCOM (STATic COMpensator) qui a connu jusqu prsent diffrentes
appellations:
ASVC (Advanced Static Var Compensator)
STATCON (STATic CONdenser)
8
SVG (Static Var Generator)
SVClight
SVCplus
Le principe de ce type de compensateur est connu depuis la fin des annes 70, mais ce nest
que dans les annes 90 que ce type de compensateur a connu un essor important grce aux
dveloppements des interrupteurs GTO de forte puissance [Bel 00].
Le STATCOM prsente plusieurs avantages :
1. bonne rponse faible tension : le STATCOM est capable de fournir son courant
nominal, mme lorsque la tension est presque nulle.
2. bonne rponse dynamique : Le systme rpond instantanment.
Cependant, le STATCOM de base engendre de nombreux harmoniques. Il faut donc utiliser,
pour rsoudre ce problme, des compensateurs multi-niveaux commande MLI ou encore
installer des filtres [Pet 97].
I. 3. 2. 2 Compensateurs srie
Ces compensateurs sont connects en srie avec le rseau et peuvent tre utiliss
comme une impdance variable (inductive, capacitive) ou une source de tension variable. En
gnral, ces compensateurs modifient limpdance des lignes de transport en insrant des
lments en srie avec celles-ci.
I. 3. 2. 2. 1 Compensateurs srie base de thyristor
Parmi ces Compensateurs, on trouve :
TCSC (Thyristor Controlled Series Capacitor)
Le TCSC (Compensateur Srie Contrl par Thyristors) est compos dune inductance en
srie avec un gradateur thyristors, le tout en parallle avec un condensateur [Pas 98].
TSSC (Thyristor Switched Series Capacitor)
La diffrence entre ce systme et le TCSC est que langle damorage est soit de 90 soit de
180.
TCSR(Thyristor Controlled Series Reactor)
TCSR est un compensateur inductif qui se compose d'une inductance en parallle avec une
autre inductance commande par thyristor afin de fournir une ractance inductive srie
variable.
TSSR( Thyristor Switched Series Reactor)
9
La diffrence entre ce systme et le TCSR est que langle damorage est soit de 90 soit de
180 [Pas 98].
I. 3. 2. 2. 2 Compensateurs srie base de thyristors GTO
SSSC (Static Synchronous Series Compensator)
Ce type de compensateur srie (Compensateur Synchrone Statique Srie) est le plus important
dispositif de cette famille.
I. 3. 2. 3 Compensateurs hybrides srie - parallle
I. 3. 2. 3. 1 Compensateurs hybrides base de thyristors
TCPAR ( Thyristor Controlled Phase Angle Regulator)
TCPAR (dphaseur statique) est un transformateur dphaseur base de thyristors. Ce
dispositif a t cr pour remplacer les dphaseurs transformateurs ou rgleurs en charge
(LTC ; Load Tap Changer) qui sont commands mcaniquement. Il est constitu de deux
transformateurs, lun est branch en srie avec la ligne et lautre en parallle. Ce type de
compensateur nest pas couramment utilis, seule une tude est actuellement mene afin
dintroduire un dphaseur thyristors dans linterconnexion des rseaux du nord ouest du
Minnesota et du nord de lOntario [Pet 97].
I. 3. 2. 3. 2 Compensateurs hybrides base de thyristors GTO
IPFC (Interline Power Flow Controller)
L'IPFC a t propos par Gyugyi, Sen et Schuder en 1998 afin de compenser un certain
nombre de lignes de transort d'une sous-station. Sous sa forme gnrale, l'IPFC utilise des
convertisseurs DC-DC placs en srie avec la ligne compenser. En d'autres termes, l'IPFC
comporte un certain nombre de SSSC [Hin 00].
Nous pouvons lutiliser afin de contrler les changements de puissances entre les lignes du
rseau.
UPFC (Unified Power Flow Controller)
Gyugyi a prsent le concept de lUPFC en 1990. En principe, l'UPFC est capable
daccomplir les fonctions des autres dispositifs FACTS savoir le rglage de la tension, la
rpartition de flux dnergie, lamlioration de la stabilit et lattnuation des oscillations de
puissance [Pas 98]
.
10
I. 3. 3 Techniques de Commande intelligente
Il existe une grande varit de techniques de commande intelligente. Notre intrt se
portera sur les Algorithmes Gntiques et les Essaims de Particules.
I. 3. 3. 1 Algorithmes Gntiques
Les algorithmes gntiques (AG) sont des techniques de recherche et doptimisation
stochastique drives de la gntique et des mcanismes de la slection naturelle et de
lvolution. Leurs champs dapplication sont trs vastes : conomie, finance, optimisation de
fonctions, planification, et bien dautres domaines.
Les premiers travaux sur les algorithmes gntiques ont t initialement dvelopps par John
Holland (1975) [Gol 89] qui, sur la base de travaux prcdents, a dvelopp les principes
fondamentaux des algorithmes gntiques dans le cadre de loptimisation mathmatique.
A cette poque, linformatique navait pas encore connu de dveloppement et ses travaux
nont pas pu tre appliqu sur des problmes rels de grande taille. La parution en 1989 de
louvrage de rfrence crit par D.E Goldberg , qui dcrit lutilisation de ces algorithmes dans
le cadre de rsolution de problme concrets, a permis de mieux faire connatre ces derniers
dans la communaut scientifique et a marqu le dbut dun nouvel intrt pour cette technique
doptimisation.
Les algorithmes gntiques, comme les rseaux de neurones, font partie des Rseaux
Adaptatifs Non-linaires (RAN) [Gol 89]. Ils sont composs dun grand nombre dunits
lmentaires ou agents, qui sont dans notre cas des chromosomes. Ces agents traitent
linformation le plus souvent de faon parallle et distribue. Ils interagissent entre eux dune
manire non linaire et sans contrle central. Si lenvironnement extrieur dans lequel ils
baignent est capable de leur fournir une rtroaction, alors les agents et leurs interactions sont
modifis par des oprateurs de telle sorte que le systme global sadapte progressivement
son environnement et amliore sa rponse. Dvelopps pour des fins doptimisation, les
algorithmes gntiques permettent la recherche dun extremum global [Bag 99].
LApplication des AG la conception des contrleurs pour lamlioration de la
stabilit des systmes de puissance a t lobjet de plusieurs travaux [Abd 99] [Far 98].
Les premires tentatives consistaient
Dans [Tar 98], lAG t utilis pour lamortissement dun systme de puissance possdant
une structure de contrleur dcentralis. Linstallation de plusieurs PSSs ou SVCs dans un
rseau revient effectuer une coordination de leurs paramtres donc une optimisation via les
11
AGs [Has 01] [Has 02]. Des rsultats prometteurs ont t obtenus pour un rseau
dapplication comprenant 16 machines.
I. 3. 3. 2 Optimisation par essaims de particules
Loptimisation par essaim de particules (OEP) est une technique doptimisation
parallle dveloppe par Kennedy et Eberhart [Ken 95-1], et inspire du comportement social
des individus qui ont tendance imiter les comportements russis quils observent dans leur
entourage, tout en y apportant leurs variations personnelles. A la diffrence des algorithmes
gntiques, qui miment les mcanismes gntiques de lvolution, lOEP sinspire plutt de la
formation dune culture. Dans louvrage [Ken 01-1], se trouve les racines sociales de lOEP
ainsi que les techniques mathmatiques mises en uvre pour la modlisation.
Lalgorithme OEP est initialis par une population de solutions potentielles alatoires,
interprtes comme des particules se dplaant dans lespace de recherche. Chaque particule
est attire vers sa meilleure position dcouverte par le pass ainsi que vers la meilleure
position dcouverte par les particules de son voisinage (ou de tout lessaim, dans la version
globale de lalgorithme).
Lalgorithme OEP comprend plusieurs paramtres de rglage qui permettent dagir sur le
compromis exploration exploitation. Lexploration est la capacit de tester diffrentes
rgions de lespace la recherche de bonnes solutions candidates. Lexploitation est la
capacit de concentrer la recherche autour des solutions prometteuses afin de sapprocher le
plus possible de loptimum. Le choix des paramtres reste en grande partie empirique. Une
analyse complte de lalgorithme a t faite par Clerc et Kennedy [Cle 02] [Tre 03].
En plus des avantages issus des mthodes traditionnelles doptimisation, lOEP possde
les qualits suivantes [Abi 01] :
Contrairement aux (AGs) et dautres Algorithmes heuristiques, lOEP possde
une grande flexibilit de contrle qui permet de balancer entre lexploration
globale et locale de lespace de recherche.
LOEP utilise des rgles de transition probabilistiques, et non pas dterministes.
Cela permet dobtenir une recherche dans des domaines considrs compliqus et
incertains. Cet avantage confre lOEP une grande robustesse et une flexibilit
qui dpassent celles des mthodes conventionnelles doptimisation.
Diffrents modles de lalgorithme OEP ont t prsents dans [Ves 02] pour loptimisation
numrique.
12
De plus en plus, lOEP voit son importance grandir dans le domaine des systmes de
puissance. Nous retrouvons cette technique doptimisation dans le contrle de la tension et de
la puissance ractive [Yos 99].
Dans [Alh 04], loptimisation des paramtres du SVC par le biais de lOEP donne de trs
bons rsultats quant la stabilit dun systme de Microturbines raccordes un rseau de
distribution Electrique.
Rfrences de lapplication des PSO dans le contrle des FACTS et/ou Stabilisateurs PSS
I. 4 CONCLUSION
Nous avons prsent dans ce chapitre un aperu sur la stabilit des rseaux dnergie
lectrique, ses diffrents types ainsi que les procds permettant son amlioration.
Lutilisation des dispositifs PSS et en particulier les FACTS a t galement discute. Nous
avons galement introduit les deux techniques de commande intelligente que sont
lAlgorithme Gntique et les Particules en Essaim en vue de leur application dans
loptimisation des paramtres des FACTS et la coordination entre eux.
C Ch ha ap pi it tr re eI I I I F FA AC CT TS S e et t m m t th ho od de es s v vo ol lu ut ti io on nn na ai ir re es s
13
CHAPITRE II
F FA AC CT TS S E ET T M ME ET TH HO OD DE ES S E EV VO OL LU UT TI IO ON NN NA AI IR RE ES S
II.1 Introduction
Le dveloppement des algorithmes gntiques et loptimisation par essaims de
particules se fait travers les mthodes par les lesquelles lhomme tente de copier la nature et
de reproduire des modes de raisonnement et de comportement qui lui sont propres. Bien que
ces approches paraissent naturelles , et si elles se sont imposes dans des domaines allant
du traitement de limage la gestion financire, elles commencent peine tre utilises dans
les domaines de llectrotechnique et de lindustrie afin de rsoudre les problmes
didentification, de rgulation de processus, doptimisation, de classification, de dtection de
dfauts ou de prise de dcision.
Nous donnerons dans ce chapitre un aperu sur les applications des FACTS, en
particulier le SVC, ainsi que sur les mthodes doptimisation par les algorithmes gntiques et
les essaims de particules.
II. 2. Application des FACTS
Les FACTS permettent de contrler dynamiquement lcoulement de puissance
moyennant lutilisation des divers composants de llectronique de puissance [Gyu 88].
L'ide principale des FACTS peut tre explique par l'quation de base (II.1) de la puissance
transite travers une ligne de transport courant alternatif.
( ) o o
2 1
2 1
= Sin
X
V V
P (II.1)
La Fig. II.1 reprsente la puissance transite entre deux noeuds du systme. Elle dpend des
tensions aux deux extrmits de l'interconnexion, de l'impdance de la ligne et de du
dphasage entre les deux systmes. Les diffrents dispositifs FACTS peuvent activement
influencer un ou plusieurs de ces paramtres pour la commande du flux de puissance et
l'amlioration de la stabilit de tension aux noeuds de l'interconnexion.
Selon la configuration du systme, les tches des FACTS peuvent tre rsumes comme suit:
- Systmes maills: Commande du transit de puissance.
14
- Systmes radiaux et lignes parallles: commande de l'impdance.
- Systmes faiblement connects: commande de la tension.
Fig. II.1 Diagramme schmatique des applications des FACTS dans les rseaux.
Le tableau II.1 rsume d'une manire simple l'impact de l'utilisation de chaque FACTS,
la rsolution des diffrents problmes qui entravent le bon fonctionnement du rseau
lectrique [Pov 00].
Tableau II.1 Application des FACTS la rsolution des problmes dans le rseau.
Influence:
Petite . Moyenne . Forte .
Contrle de
Charge
Contrle de
Tension
Stabilit
Transitoire
Amplitude des
Oscillations
SVC
STATCOM

TCSC
SSSC
TCPAR
UPFC
15
Les lignes de transport constituent une composante importante du rseau. Elles sont
constitues d'impdances srie et shunt. L'impdance srie peut affecter le maximum de
puissance transite travers la ligne et l'impdance shunt est prdominance capacitive, et
possde une influence sur la tension le long de la ligne de transport. L'impdance srie de la
ligne, les tensions de dpart et d'arrive ainsi que le dphasage entre les tensions, dterminent
la puissance transite. Les FACTS sont utiliss afin de changer les paramtres srie et shunt
ainsi que le dphasage des tensions d'arrive des lignes de transport dans le but de contrler
l'coulement de puissance.
Dans cette tude; le choix sest port sur le dispositif SVC, que nous dtaillons dans le
paragraphe suivant.
II. 3 Compensateur statique dnergie ractive (SVC)
Appartenant la famille des Compensateurs parallles base de thyristors [Pas 98]
[Ler 91], le dispositif SVC est un moyen shunt de compensation ractive. Il est utilis pour
sa grande influence sur la tension. Le terme statique indique que le SVC ne contient pas
de parties tournantes ou mcaniques [Has 01].
La fig.II.2 reporte le diagramme unifilaire de la connexion parallle du SVC (Static
Var Compensator). Le SVC est compos de thyristors commands par des capacits (TSCs) et
dautres par des ractances (TCRs). Ce dispositif est reli la ligne de transport via un
transformateur de couplage. La gnration de la puissance ractive varie constamment entre
des valeurs capacitives et inductives mises en jeu dans le circuit. Le SVC est utilis afin de
rguler la tension des systmes de transport, la valeur de rfrence. L'installation d'un SVC
un ou plusieurs points appropris dans le rseau peut augmenter la capacit de transfert et
rduire les pertes tout en maintenant le profile de la tension pendant le rgime perturb
[Ler 91].
Loptimisation des paramtres du SVC est ncessaire pour obtenir de bonnes performances
sans pour autant dpasser les valeurs admissibles par ce dispositif. Dans ce mmoire, deux
mthodes doptimisation seront exploites : lalgorithme gntique (AG) et loptimisation par
essaims de particules (OEP).
16
Fig. II. 2. Schma type du SVC en connexion shunt.
II. 4 Algorithmes gntiques
Lalgorithme gntique est organis en plusieurs tapes et fonctionne de manire itrative.
La Fig. II.3 reprsente lalgorithme gntique le plus simple introduit par Holland [Gol 89].
Celui-ci met en uvre diffrents oprateurs qui seront dcrits dans la section suivante. Mais
avant, il est ncessaire de dfinir quelque termes de base rencontrs dans la littrature :
- I ndividu : solution potentielle du problme.
- Chromosome: solution potentielle du problme sous une forme code (forme de
chane de caractres).
- Population : ensemble fini dindividus (de solution).
- Gne: partie lmentaire (caractre) non divisible dun chromosome.
- Fitness: terme anglo-saxon qui dsigne la fonction dvaluation dun individu. Cette
fonction est lie la fonction optimiser et permet de dfinir le degr de performance
dun individu (donc dune solution).
Dune manire gnrale, un algorithme gntique manipule les solutions potentielles
dun problme donn afin datteindre la solution optimale ou une solution juge satisfaisante.
Un algorithme gntique fait voluer une population de gnes en utilisant les mcanismes de
slection naturelle et de la gntique de lvolution. Il utilise une fonction cot base sur un
critre de performance pour calculer une qualit dadquation (fitness). Les individus les
17
plus forts seront mme de se reproduire et auront plus de descendants que les autres.
Chaque chromosome est constitu dun ensemble dlments appels caractristiques ou
gnes. Le but est de trouver la combinaison optimale de ces lments qui donne une
fitness maximale. A chaque itration (gnration de population), une nouvelle population
est cre partir de la population prcdente.
Fig. II. 3 Organigramme dun algorithme gntique simple.
Il existe de nombreuses faons de procder. Chaque utilisateur conoit, en fait, sa variante
quil juge sadapter le mieux son problme [Bag 99].
II.4.1 Description des Algorithmes Gntiques
Dans ce qui suit, nous allons dcrire plus en dtail les diffrentes tapes du simple
algorithme gntique de la figure II.3.
II.4.1.1 Codage initiale
Le codage des paramtres du problme est ncessaire afin de constituer les
chromosomes. Le type de codage le plus utilis est le codage binaire, mais dautre types
peuvent tre utiliss, par exemple le codage Gray, Rel, etc [Her 98]. Aussi, nous pouvons
facilement passer d'un codage lautre.
18
Par exemple, dans le cas dun codage binaire dune variable relle x dfinie dans un
intervalle [
max min
, x x ], on discrtise lespace de recherche 1 2
max
=
n
g valeurs discrtes o
n reprsente le nombre de bits sur lequel la variable est code. Ensuite, on associe la
variable x lentier g dfini par :
max
min max
min
g
x x
x x
g
= (II.2)
Il suffit de convertir lentier g en binaire pour trouver la valeur binaire du paramtre x .
Pour revenir la reprsentation relle, il faut dabord convertir la reprsentation binaire en
dcimale (obtenir lentier g ) puis calculer x par la formule suivante :
max
min max min
) (
g
g
x x x x + = (II.3)
Tous les paramtres du problme sont cods de la mme manire puis associs pour former un
chromosome comme le montre la figure II.3. Il est noter que les paramtres nont pas,
obligatoirement le mme nombre de gnes.
Une fois les fonctions de codage et dcodage tablies, on initialise la population de dpart de
lalgorithme. Cette population est forme par un nombre fixe dindividus (chromosomes). Le
choix de ces individus se fait sur la base dune connaissance priori, sinon ils sont gnrs
alatoirement [Bli 95].
II.4.1.2 Evaluation
Lvaluation consiste mesurer la performance de chaque individu de la population. On
utilise pour cela une fonction directement lie la fonction objective (fonction optimiser)
appele fonction fitness. Cest une fonction relle positive qui reflte la force de lindividu.
Un individu ayant une grande valeur fitness reprsente une bonne solution au problme, alors
quun individu ayant une faible valeur fitness reprsente une solution mdiocre. Dans le cas
dun problme de minimisation, la fonction fitness peut tre obtenue en utilisant une des
formulations suivantes :
- ) ( ) ( x F N x Fit
obj
= si N F
obj
> , (II. 4)
sinon 0 ) ( = x Fit ( N est une constante positive).
-
) (
1
) (
x F
x Fit
obj
= (II. 5)
19
- ) ( ) ( x F x Fit
obj
= (II. 6)
Contrairement aux mthodes classiques doptimisation, aucune condition lie la
drivabilit, la continuit, la convexit ou concavit nest requise pour la fonction objective.
Il suffit juste quelle fournisse une valeur numrique finie pour chaque individu. Cela donne
aux algorithmes gntiques un caractre trs attrayant pour la rsolution dont les formulations
mathmatiques sont mconnues ou trs difficiles dterminer.
II.4.1.3 Slection
Cet oprateur est peut-tre le plus important puisqu'il permet aux individus d'une
population de survivre, de se reproduire ou de mourir. En rgle gnrale, la probabilit de
survie d'un individu sera directement lie son efficacit relative au sein de la population.
Une population dite intermdiaire est alors forme par les individus slectionns.
Il existe plusieurs mthodes de slection [Coe 96] [Gen 97]. Nous ne citerons que deux des
plus connues :
- Mthode de la roulette de loterie o chaque chromosome sera dupliqu dans une
nouvelle population proportionnellement sa valeur d'adaptation. Son principe est
dassocier chaque individu une portion dune roue dont la surface dpend
uniquement de sa valeur fitness [Dar 59] [Gen 97].
- Mthode du tournoi, Le principe de cette mthode est de tirer alatoirement un
groupe de k individus parmi la population, et de slectionner le meilleur dentre eux.
Ce processus est rpt jusqu' ce que le nombre dindividus de la population
intermdiaire soit gal au nombre total dindividus formant la population initiale.
Nous avons trouv dans la littrature deux versions diffrentes de cette mthode, notamment,
au niveau de la faon dont les groupes sont forms. Selon la rfrence [Has 02], la population
est divise en groupes de k individus. Ensuite, on slectionne le meilleur de chaque groupe. Il
faut k itrations pour remplir la population intermdiaire parce qua chaque fois m individus
sont slectionnes ou m est dfini par :
k
population la de taille
m = (II.7)
Selon la rfrence [Coe 96]. La procdure est la suivante : on tire k fois un individu avec
remplacement (chaque tirage inclut tous les individus y compris ceux dj slectionnes).
Ensuite, on slectionne celui qui prsente la plus grande valeur fitness pour le placer dans la
20
population intermdiaire. Si N est le nombre totale dindividus formant la population, alors il
faut N itrations pour complter la population intermdiaire.
La seule diffrence que nous avons pu constater, cest que la deuxime version ne fait pas
obligatoirement participer tous les individus, et par consquent, elle nassure pas que le
meilleur individu soit prsent dans la population intermdiaire.
II.4.1.4 Recombinaison
La recombinaison agit directement sur la structure des chromosomes en modifiant
leurs gnes pour obtenir les nouveaux chromosomes dune nouvelle population. Il existe deux
catgories doprateurs de recombinaison : loprateur de croisement et loprateur de
mutation.
L'oprateur de croisement permet la cration de nouveaux individus selon un processus
fort simple. Il permet donc l'change d'information entre les chromosomes (individus). Tout
d'abord, deux individus, qui forment alors un couple, sont tirs au sein de la nouvelle
population issue de la reproduction. Puis un (potentiellement plusieurs) site de croisement
P est tir alatoirement. Enfin, selon une probabilit
c
P que le croisement s'effectue.
- Si
c
P P > , le croisement naura pas lieu et les parents sont recopis dans la nouvelle
gnration.
- Si
c
P P s , le croisement se produit et les chromosomes des parents sont croiss pour
donner deux enfants qui remplaceront leurs parents dans la nouvelle gnration.
Il existe diffrents types de croisement. Les plus connus sont le croisement multipoints et le
croisement uniforme de la fig. II.5.
Pour le croisement multipoints, p positions de croisement, avec | | 1 ,..., 2 , 1 e l p o
l reprsente la taille du chromosome, sont choisies alatoirement pour chaque couple.
Ensuite, les gnes entre deux points de croisement successifs sont changs entre deux parents
produisant deux nouveaux individus appels enfants. Les valeurs typiques de p sont : 1
(croisement 1 point) et 2 (croisement 2 points).
Le croisement uniforme est une gnralisation du croisement multipoints. Ici, chaque
gne du chromosome peut constituer un point de croisement. Un chromosome nomm
masque, de taille identique celle des parents, est cre alatoirement et la valeur des gnes du
masque indique de quel parent lenfant recevra-t-il son gne.
21
Fig. II.5 (a) Croisement multipoints ( 2 = p ), (b) Croisement uniforme
Loprateur de mutation permet dexplorer de nouveaux points dans lespace de
recherche et dviter de converger vers les optima locaux. La mutation sapplique sur chaque
gne de chaque individu avec une probabilit de mutation
m
P en suivant le mme principe
que pour le croisement.
- Si P >P
m
la mutation naura pas lieu et le gne reste tel quil est.
- Si P P
m
la mutation se produit, et le gne sera remplac par un autre gne tir
alatoirement parmi les diffrentes valeurs possibles. Dans le cas dun codage binaire,
cela revient tout simplement remplacer un 0 par 1 et vice versa, comme le montre la
figure II.7.
Figure II.6 Mutation dans le cas dun codage binaire.
Contrairement loprateur de croisement, la mutation est souvent considre comme
secondaire ayant pour rle de restaurer des informations gntiques perdues [Sri 94] [Ler 95].
II.4.1.5 Critre darrt
Comme dans tout algorithme itratif, il faut dfinir un critre darrt. Celui-ci peut tre
formul de diffrentes faons parmi les quelles nous pouvons citer :
- Arrt de lalgorithme lorsque le rsultat atteint une solution satisfaisante.
- Arrt sil ny a pas damlioration pendant un certain nombre de gnrations.
- Arrt si un certain nombre de gnrations est dpass.
22
II. 4. 1. 6 REGLAGE DES PARAMETRES DUN AG
Llaboration dun algorithme gntique ncessite le rglage de certains paramtres.
Ce rglage a une influence sur la convergence de lalgorithme gntique et les rsultats
obtenus. Cependant, il nexiste pas de rgle spcifique pour ajuster les paramtres dun AG, et
ils sont souvent choisis de manire empirique. Quelques remarques sont alors soulever :
- Probabilit de croisement : la probabilit de croisement a une influence
considrable sur la vitesse de convergence dun algorithme gntique. Plus elle est
grande et plus elle favorise la recombinaison des individus tout en favorisant de
tomber dans un optimum local. Les valeurs usuels pour ce paramtre varient entre
0.6 0.95.
- Probabilit de mutation: elle doit tre assez faible par rapport celle du
croisement de manire ne pas perturber lvolution de lalgorithme. Une valeur
leve transformera lalgorithme en une recherche alatoire, alors quune valeur
trs faible rendra impossible lextraction des optima locaux. Les valeurs usuels
pour ce paramtre varient de 0.001 0.2.
- Tailledela population: augmenter la taille de la population permet daugmenter
sa diversit et rduit la probabilit dune convergence prmature vers un
optimum local, mais en mme temps elle augmente le temps ncessaire pour
converger vers les rgions optimales de lespace de recherche [Sri 94].
II. 4. 2 Optimisation par essaim de particules
Etant donn un espace de recherche et une fonction sur cet espace dont on cherche
loptimum, le principe de base consiste dfinir un ensemble de particules (l'essaim) par des
positions et vitesses initiales. Lessaim va ensuite voluer selon un processus raisonnement-
dcision chaque pas de temps, qui, informellement, est le suivant, du point de vue de la
particule :
1. mmoriser sa meilleure position jamais trouve (meilleure position atteinte)
2. demander chacun de ses voisins leurs meilleures positions
3. considrer la meilleure d'entre elles
4. combiner les trois tendances : sa propension suivre son propre chemin (attitude
"volontariste"), sa tendance "conservatrice" (revenir vers sa meilleure position) et sa
tendance "suiviste" (aller vers son meilleur voisin) pour dfinir sa nouvelle
vitesse/direction de dplacement
5. effectuer ce dplacement
23
La formulation mathmatique de ce comportement est la suivante :
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) t x t p
g
t x t p
i
t v t v + + = +

3 2 1
1 (II. 8)
( ) ( ) ( ) 1 1 + + = + t v t x t x (II. 9)
o t est le temps, x la position (multidimensionnelle) de la particule, v sa vitesse, p
i
sa
meilleure position atteinte, p
g
la meilleure des meilleures positions atteintes dans son
voisinage et
1
,
2
,
3
les coefficients de confiance pondrant les trois directions possibles
(volontariste, conservatrice, suiviste).
Dans presque toutes les applications, les coefficients
2
et
3
sont choisis chaque pas
de temps au hasard dans un intervalle donn. On voit tout de suite que d'innombrables
variantes sont possibles, y compris la possibilit de jouer sur la taille et la dfinition des
voisinages, ou la taille de l'essaim. L'analyse mathmatique que M.Clerc a ralise en 1999, et
en fonction de laquelle Jim Kennedy a sensiblement amlior ses propres versions [Cle 01], a
permit dtablir les relations que doivent respecter les coefficients pour assurer la
convergence (ou, plus prcisment la non divergence).
Les quations du mouvement sont valables quel que soit l'espace de recherche, pour
peu que l'on sache dfinir les oprateurs ncessaires :
- diffrence de deux positions (dplacement assimilable une vitesse, le temps
tant discrtis)
- combinaison linaire de deux vitesses
- addition d'une position et d'une vitesse
Concernant la fonction optimiser, la seule contrainte est que l'on puisse comparer les
valeurs qu'elle prend en deux points quelconques de l'espace de recherche, conformment la
structure algbrique de treillis, qui garantit certaines proprits de convergence [Lat 00].
II. 4. 2.1 Concept de base de lOEP
Le principe de lOEP dvelopp par Kennedy et Eberhart [Ken 95-2] se base sur le
comportement des nues doiseaux. Ainsi, lOEP a t fondamentalement dvelopp travers
la simulation du comportement des nues doiseaux dans l'espace bidimensionnel. La position
de chaque agent est reprsente par ses coordonnes suivant les deux axes XY auxquels on
associe les vitesses exprime par v
x
(vitesse suivant laxe X) et v
y
(vitesse suivant l'axe Y). La
modification du comportement de chaque agent se base sur les informations de position et de
vitesse.
24
A chaque itration lagent procde via une fonction objective lvaluation de sa meilleure
valeur jusque l (pbest) et sa position suivant les deux axes XY. .
Cette information est obtenue partir de lanalyse des expriences personnelles de chaque
agent. En plus, chaque agent connat la meilleure valeur globale du groupe (gbest) parmi les
pbests. Cette information reprsente la valeur autour de laquelle dautres agents sont
performants. Ainsi, chaque agent essaye de modifier sa position en se basant sur les
informations suivantes :
position courante (x, y),
vitesse courante (v
x
, v
y
),
distance entre la position courante et pbest
distance entre la position courante et gbest
Cette modification peut tre reprsente par le concept de vitesse. La vitesse modifie de
chaque agent scrira de la manire suivante [Nak 03]:
) ( ) (
2 2 1 1
1
s
gbest
rand c s
pbest
rand c v w v
k
i i
k
i i
k
i
k
i
+ + =
+
(II. 10)
O :
v
k
i
: Vitesse de lagent i litration k.
e : Fonction de pondration.
c
j
: Facteur de pondration.
rand : Nombre alatoire entre 0 et 1.
s
k
i
: Position courante de lagent i litration k.
pbest
i
: pbest de lagent i.
gbest : gbest du groupe.
La fonction de pondration habituellement utilise dans lquation (II.10) est la suivante :
iter
iter
w w
w w

=
max
min max
max
(II.11)
O :
w
max
: Poids initial,
w
min
: Poids final,
iter
max
: Nombre maximum ditration,
iter : Nombre courant ditration.
La partie de droite de lquation (II.10) comprend trois termes (vecteurs). Le premier
terme reprsente la vitesse prcdente de lagent. Le second terme ainsi que le troisime sont
utiliss pour modifier la vitesse de lagent [Nak 03].
25
Le modle utilis dans lquation (II.11) est appel approche poids inertie Inertia
Weights Approch (IWA) [Kau 01]. La position courante (cherchant le point dans lespace de
solution) est modifie suivant lquation ci-dessous :
v s s
k
i
k
i
k
i
1 1 + +
+ = (II.12)
La Fig. II. 7 montre le concept de modification dun point de recherche par lOEP [Nak 03]
alors que la Fig.II.8 illustre un concept de recherche avec des agents dans un espace de
solution. Chaque agent change sa position courante en moyennant lintgration des vecteurs
comme prsents dans la Fig. II. 8 [Ken 01-1].
Fig. II. 7 Concept de modification dun point de recherche par lOEP.
O :
s
k
i
: Position courante de lagent.
s
k
i
1 +
: Position modifie de lagent.
v
k
i
: Vitesse courante de lagent.
v
k
i
1 +
: Vitesse modifie de lagent.
v
pbest
: Vitesse de lagent base sur la position pbest.
v
pbest
:Vitesse de lagent base sur la position gbest choisi parmi toutes les meilleures
positions des agents de la population.
Fig.II. 8 Concept de recherche avec des agents dans lespace de solution de lOEP.
26
II. 4. 2. 2 Algorithme gnral de lOEP
Les concepts de lOEP prsents dans les sections prcdentes nous permettent de
construire lalgorithme suivant fig. II. 9 [Fuk 00] [Ken 01-2] [Nak 03] :
Fig. II. 9 Organigramme gnral dm lOEP.
Etape1 : Gnration dtat initial de chaque agent
Les points de recherche initiaux, position
( )
s
i
0
et vitesse
( )
v
i
0
de chaque agent sont
produits alatoirement Pour chaque agent le point de recherche courant est plac pbest.
| |
s s S
m j
j
j
0
,
0
1 ,
0
+ =
pour s s
k k
max min
,
(II. 13)
| |
v v V
m j
j
j
0
,
0
1 ,
0
+ = pour
v v
k k
max max
,
(II. 14)
n j ,..., 1 =
N
s s
v
k k
k
min max
max
+
= (II. 15)
O:
n : nombre de positions et de vitesses gnres alatoirement .
N: nombre choisi dintervalles dans la k
ime
dimension.
m: nombre de variables.
27
Etape2 : Evaluation du point de recherche de chaque agent
Les points de recherche courants sont valus au moyen de la fonction objective
relative au systme dtude. Si la valeur dun agent est meilleure que son pbest courant, pbest
prend cette nouvelle valeur. Si la meilleure valeur de pbest est meilleure que gbest courant,
gbest est remplac par cette meilleure valeur et lagent qui correspond cette meilleure valeur
est ainsi stock.
Etape3 : Modification du point de recherche.
La modification du point de recherche se fait en moyennant les quations (II.10),
(II.11) et (II.12).
Etape4 : Critre darrt.
La procdure de recherche est arrte lorsque le nombre courant ditration devient
gal la valeur maximale ditrations pralablement dtermine. Dans ce cas de figure, la
dernire valeur gbest peut tre considre comme solution. Dans lautre cas, la recherche
continue en revenant ltape 2.
Loptimisation par Essaims de particules peut tre prsente par les points suivants :
- La mthode OEP peut essentiellement manipuler le problme d'optimisation continu.
- LOEP utilise plusieurs points de recherche comme le fait l'algorithme gntique (GA)
qui convergent graduellement vers le point optimal en utilisant les valeurs pbest et
gbest.
- La mthode OEP utilise La diversification et lintensification pour une recherche
efficace.
- LOEP sapplique facilement aux problmes de k dimensions et a donn de bons
rsultats pour la fonction Schaffer f6 et la fameuse fonction benchmark [Ken 95-2].
- LOEP prsente un avantage certain sur les mthodes classiques dans le sens o elle
permet une exploration alatoire de lespace des solutions. De plus, elle est simple
mettre en oeuvre et son excution conduit lobtention de trs bons rsultats,
rapidement et efficacement avec peu de paramtres ajuster.
28
II. 5 CONCLUSION
Dans ce chapitre, nous avons prsent les diffrentes applications des FACTS en
particulier le SVC ainsi que les bases ncessaires la comprhension des mthodes
doptimisation base dAlgorithme Gntique et dessaim de particules.
De nombreuses possibilits dutilisation de ces techniques intelligentes sont
envisageables. Dans le cadre de cette tude, nous avons cibl lamlioration de la stabilit
dynamique du rseau via loptimisation des paramtres du dispositif SVC.
Chapitre III Modlisation du rseau lectrique en rgime dynamique
29
CHAPITRE III
MODELISATION DU RESEAU ELECTRIQUE
EN REGIME DYNAMIQUE
III.1 INTRODUCTION
La taille, la complexit et le nombre de sous-systmes dun systme multimachine,
rendent la modlisation de celui-ci pratiquement impossible. Bien que thoriquement
possible, un modle qui dcrit tous les phnomnes apparaissant dans un systme lectrique
noffre pas plus davantages quun modle simplifi. Premirement, un tel modle
ncessiterait une trs grande base de donnes et de paramtres. Deuximement, les rsultats
obtenus seront difficiles analyser et interprter vu le nombre de phnomnes entrant en jeu.
Dans ce chapitre, Nous prsentons au dbut un modle permettant de reprsenter le
fonctionnement du systme multimachine en rgime de faible perturbation ainsi que le
modle du SVC qui sera utilis pour lamlioration de la stabilit .
III.2 MODELISATION DU RESEAU MULTIMACHINE
III.2.1 Diagramme de Phase
Le diagramme de phase dun rseau multimachines peut tre dcrit dans la figure III.1.
Les variables de la i
me
machine dfinies par rapport aux axes d
i
et d
q
peuvent tre exprimer
pour toutes machines suivant un systme unique daxes D et Q.
30
Figure III.1 Diagramme de phase pour la i
me
machine.
Le modle utilis dans cette tude et reprsent sur la Figure III.2 est similaire celui
adopt dans la rfrence [YU 83]. Chaque machine est modlise avec trois variables dtat
plus une pour lexcitation, ce qui donne un systme dordre 4n (n : nombre de machines).
Leffet des enroulements amortisseurs est nglig, ce qui conduit une estimation optimiste
de la stabilit des petits signaux [Fle 90] [Yu 83] [Ele 96].
La tension terminale V
i
de la i
me
machine du systme lectrique est donne par
lquation suivante :
qi di qi i d qi i
I x x j I x j E V ). .( . .
'
' = (III.1)
) 90 .(
.
i
j
qi qi
e E E
o
' = (III.2)
Avec :
i
j
qi qi
e I j I
o
=
.
. . (III.3)
Pour n machines, on a la formulation suivante :
| | | || | | | | | | || || |
q
j
d q i d q
j
I e X X j I X j E e V
i i
o o
' ' ' =
. ) 90 .(
. (III.4)
III.2.2 Composantes des Courants
Pour trouver les composantes K
1
, , K
6
, on doit passer par le calcul des composantes
des courants qui sera suivi par ltude dcoulement de puissance (load flow) du systme pour
la dtermination des conditions initiales. Les nuds de charge peuvent tre limins en
utilisant la rduction de Kron . On notera que la somme algbrique des courants des nuds
de charge est nulle.
31
(
=
(
L
G
L LG
GL G
L
G
V
V
Y Y
Y Y
I
I
(III.5)
Lindice G dsigne les nuds gnrateurs.
Lindice L dsigne les nuds de charge.
Figure III.2 Schma fonctionnel de la i
me
machine du rseau multimachine.
Aprs limination des nuds de charge, on obtient :
| | I = | || | V Y
t
(III.6)
Avec :
] [ ] [
G
I I = (III.7)
| | V =| |
G
V (III.8)
En substituant lquation (III-4) dans (III-6), on obtient:
| | | | | || | | || || | | |
I e
j
E e
Y I
q
i j
d q q
i j o o
X
X
+ =
' ' 90 (
(III.9)
Avec :
32
| | Y = [ | | j Y
t
+
1
| |
'
d
X ]
-1
(III.10)
Si lon pose :
ij
e Y Y
ij ij
|
= (III.11)
j i ij
o o o = (III.12)
j i ij
| | | = (III.13)
On obtient pour la i
me
machine dans le systme D-Q :
i
j
i
i e I i
o
= (III.14)
Do les expressions :
| |
qj ij di qi qj ij
n
ij i di
I C X X E S Y i i ) ( ) Re(
' '
1
+ = =

(III.15)
| |
qj ij di qi qj ij
n
ij i qi
I S X X E C Y i i ) ( ) Im(
' '
1
+ = =

(III.16)
Avec:
) cos(
ij ij ij
C o | + = (III.17)
) sin(
ij ij ij
S o | + = (III.18)
La diffrentiation de lexpression du courant donne :
qi di qi di
I j I ji i A + A = + A ) ( (III.19)
De lquation (III.17), on obtient :
| | | |
d
P I
d
= A | | | | d Q + Ao | | | |
d q
M E + A
'
| | q I A (III.20a)
| | q L | | q I A = | | q P | | o A +| | q Q | |
'
q
E A (III.20b)
Avec:
ij Y Pdij = | |
j ij dj qj qj ij
Iq S X X E C ) (
' '
+ (III.21)
ij Y Pqij = | |
j ij dj qj qj ij
Iq C X X E S ) (
' '
+ (III.22)
=
n
ij
d
dii
P P
1
i = j (III.23)
=
n
ij
q
qii
P P
1
i = j (III.24)
33
ij ij dij
S Y Q = (III.25)
ij ij qij
C Y Q = (III.26)
ij dj qj ij qij
S X X Y L ) (
'
= (III.27)
ii di qi ii qii
S X X Y L ) ( 1
'
= (III.28)
M
dij
= Y
ij
(X
qj
-X
qj
) C
ij
(III.29)
Pour le calcul des matrices P, Q, L et M du systme dquations (III.20), les valeurs
initiales de E
qj
, I
qj,
et
j
doivent tre connues, la solution du systme devient :
| |
d
I A = | |
d
Y | |
'
q
E A +| | d F | | o A (III.30)
| |
q
I A
= | |
q
Y | |
'
q
E A +| | q F | | o A (III.31)
Avec :
| |
d
Y = | |
d
Q +| |
d
M | |
d
Y (III.32)
| |
q
Y = | |
1
q
L | |
q
Q (III.33)
| |
d
F = | |
d
P +| |
d
M | |
q
F (III.34)
| |
q
F = | |
1
q
L | |
q
P (III.35)
II.2.3 Equation de Puissance
Le couple lectrique est gal la puissance lectrique en units relatives pour la i
me
machine:
di di qi qi qi qi i i ei
I X X I E I V I T ) ( ) Re(
' '
+ = =
-
(III.36)
Pour n machines, la linarisation donne :
| | ] ]][ [ ] [ ] [[ ] ][ [ ] [ ] [ ] [
'
0
' ' '
0
0
q d q
T
d q d d q
T
q
T
q e
I X X I E I X X I E I T
q
A + + A + A = A (III.37)
Daprs le schma bloc de la figure II.2, le couple lectromagntique est aussi donn par :
34
] ][ [ ] ][ [ ] [
'
2 1 q e
E K K T A + A = A o (III.38)
Avec :
qii t dii ii
F Q F D K
t
+ =
1
(III.39)
qij t dij ij
F Q F D K
t
+ =
1
(III.40)
0 2 qi qii t dii ii
I Y Q Y D K
t
+ + = (III.41)
qij t dij ij
Y Q Y D K
t
+ =
2
(III.42)
qio di qi t
I X X D ) (
'
= (III.43)
'
0
'
) (
qi dio di qi t
E I X X Q + = (III.44)
III.2.4 Equation des Tensions Internes
Lquation donnant les tensions internes est :
] ][ [ ] [ ] ]][ [ ] 1 [[
' ' '
d d d FD q do
I X X E E T S A A = A + (III.45)
On substitue lquation (III.30) dans lquation (III.45), pour obtenir pour la i
me
machine
lexpression suivante :
]
n
1
ij
ij 4
K
'
qj
E
n
1
ij 3
K
1
FDi
[
ii 3
K ]
'
q
]][]
ii 3
K
'
do
S[T [[1] = + (III.46)
Avec:
1 '
3
] ] [ 1 [

+ =
dii di di ii
Y X X K (III.47)
1 '
3
] ] [[

=
dji di di ij
Y X X K (III.48)
] ][ [
'
4 di di di ii
F X X K = (III.49)
] ][ [
'
4 dij di di ij
F X X K = (III.50)
III.2.5 Equation des Tensions Terminales
On a lquation matricielle des tensions aux bornes des diffrentes machines du rseau :
35
] ][ [ ] [ ] ][ [ ] [ ] [
0
1
0
1
V
V V V V V V
q q t d d t t
A
+ A = A

(III.51)
Dautre part, on a :
] ][ [ ] ][ [ ] [
'
6 5 q t
E K K V A + A = A o (III.52)
Do lon tire :
] ][ ][ [ ] ][ ][ [ ] [
'
5 q d v q q v
F X Q F X D K = (III.53)
] [ ] ][ ][ [ ] ][ ][ [ ] [
'
6 v d d v q q v
Q Y X Q Y X D K + = (III.54)
Avec :
] [ ] [ ] [
0
1
d t v
V V D

= (III.55)
] [ ] [ ] [
0
1
q t v
V V Q

= (III.56)
III.2.6 Reprsentation dtat
La synthse des quations lectriques et mcaniques donne:
| || || || | | |
E E FD q
T
A A
A A = AX
'
e o (III.57)
| |
T
ref m
V T U A A = A (III.58)
| || || || | | |
T V
Y
e t
T
A A
A A = A e o (III.59)
| | | | | | | |
| |
| |
| |
(
(
(
(
(
(
(
(
(
(
(
=
T T
K K
T
K K
T T K T
K
M
K
M
D
M
K
A
a a
a
a
a
do do do
B
1
0
'
1
'
1
0
'
0
0 0 0
6 5
3
4
2 1
e
(III.60)
36
| | | | | |
| | | | | |
(
(
(
(
=
T
K
M
B
a
a
0 0 0
0 0
1
0
(III.61)
| | | | | | | |
| | | | | | | |
| | | | | | | |
| | | | | | | |
(
(
(
(
=
0 0
0 0
0 0 1 0
0 0 0 1
2 1
6 5
K K
K K
A (III.62)
Les lments des matrices [A], [B], [C] sont des sous matrices, on a par exemple :
(
(
(
(

=
(
M
K
M
K
M
K
M
K
M
K
n
nn
n
n
n
n
1 1 1
11
1
111
1

(III.63)
La forme gnrale de lquation dtat du systme :
BU X A X
+ =
.
(III.64)
III.3 ANALYSE DE STABILITE
La stabilit dynamique correspondant aux perturbations de faibles amplitudes peut tre
analyse en utilisant lune des mthodes applicables aux systmes linaires dont la plus
courante reste celle des valeurs propres.
Une fois lquation dtat du systme lectrique crite sous la forme gnrale (III.64), la
stabilit du systme peut tre tudie. Lanalyse de la stabilit est base sur des valeurs
propres et des vecteurs propres du systme.
III.3.1 Valeurs propres
Une valeur propre = j (ou pole du systme) est un nombre complexe qui vrifie
lgalit (III.65) appele quation caractristique de la matrice dtat A. le nombre de valeurs
propres dun systme est toujours gal la dimension de sa matrice dtat.
( ) 0 det = I A (I : matrice identit) (III.65)
37
Chaque valeur propre
i
contribue la rponse transitoire du systme travers des
fonctions lmentaires du temps :
- Chaque valeur propre relle
i
de multiplicit m
i
donne une rponse transitoire :
( )
t
m
j
j
j i
i
i
e t c t y

=
1
1
(III.66)
- Chaque paire de valeurs propres complexes conjugues (
i
,
i
*
) de multiplicit m
i
donne une rponse transitoire :
( ) ( ) ) sin( ) cos(
2 1
1
1
t c t c e t t y
i j i j
t
m
j
j
i
i
i
| |
o
+ =

=
(III.67)
O c
j
, c
1j
et c
2j
sont des coefficients dpendant des conditions initiales.
La rponse transitoire globale du systme est constitue par la combinaison linaire de
ces fonctions lmentaires. Dans cette combinaison linaire, chaque fonction lmentaire du
temps est appele mode du systme. On constate que les modes sont foncions
dexponentielles ; la convergence de la rponse peut tre dtermine en tudiant les exposants
des exponentielles qui ne sont rien dautre que les valeurs propres du systme. On distingue
alors deux types de modes :
Les valeurs propres relles correspondent des modes apriodiques.
Les valeurs propres complexes conjugues correspondent des modes oscillants.
La caractristique temporelle dun mode correspondant tant donne par e
t
, la
stabilit du systme est donc lie lemplacement des valeurs propres dans le plan complexe
[Sin 02] :
1.
Si toutes les valeurs propres ont une partie relle ngative, tous les modes
dcroissent dans le temps et le systme est dit globalement stable.
2. Si une des valeurs propres est partie relle positive, le mode correspondant
croit exponentiellement dans le temps et ventuellement domine le
comportement du systme. Un tel systme est dit instable.
3. Si une des valeurs propres est partie relle nulle, le mode correspondant aura
une rponse non amortie.
Pour les modes oscillatoires [Sny 97], les oscillations sont caractrises par la frquence
oscillatoire en Hertz donne par :
38
t
|
2
= f (III.68)
et le facteur damortissement donn par :
2 2
| o
o
= (III.69)
III.4. Modlisation du systme avec incorporation des SVC
Dans ce qui suit, nous procderons lintgration des dispositifs FACTS dans le rseau
lectrique afin damliorer la stabilit dynamique, en amortissent les oscillations
lectromcaniques du systme et pour obtenir un rglage convenable de la tension.
Nous prsenterons un modle dynamique complet du systme avec linsertion des FACTS
propos dans [Ele 96]. Le choix du site dimplantation de ces dispositifs sera ensuite dfinit
par la technique des vecteurs propres et des facteurs de contribution.
Au cours de la dcennie dernire, le SVC est devenu un moyen populaire trs rpandu
permettant de fournir un apport ractif rapide dans des systmes de puissance. Ces dispositifs
sont utiliss pour le contrle de la tension, la compensation de lnergie ractif et des pertes
de systme ainsi que pour amliorer les limites de stabilit. Lutilisation du SVC est surtout
destine lamlioration de l'amortissement du systme et le contrle de la tension [OBR
85] [WU 91].
III.4.1 Description du Systme
III.4.1.1 ModleduSystme
Pour examiner les possibilits de la mthode propose, on considre le modle du
systme dans la figure III.3. Il se compose d'un alternateur reli un noeud de puissance
infinie par une ligne de transport, et un dispositif de compensation de lnergie ractive SVC
localis entre ses bornes [Ele 96].
Figure III.3 Modle du systme avec SVC.
39
Etant donn le modle de la machine synchrone reli un nud de puissance infinie par
une ligne de transport avec le rgulateur primaire de tension, schmatis dans la fig. III.4.
La linarisation de ce systme donne les six paramtres K
1
K
6
que caractrisent les
gnrateurs et qui sont des fonctions des paramtres des machines, des impdances du rseau
dinterconnexion ainsi que des conditions de fonctionnement [YU 83].
Fig. III.4 Modle du SVC.
III.2.2.2 Compensateur Statique
Dans cette partie, le thyristor ractif command avec le condensateur fixe (TCR + FC)
est utilis dans le SVC de la fig. III.4. Une phase du SVC triphas et son schma fonctionnel
de commande [OBR 87] [Che 90]. L'unit de SVC est relie la borne de gnrateur comme
montr dans figure III.3. La fonction primaire du SVC est commander la puissance ractive et
de stabiliser la tension de systme. Le signal stabilisant auxiliaire U est ajout l'entre du
contrleur du SVC et est inject dans le systme d'excitation pour attnuer les oscillations
rotoriques de la machine. Le point de fonctionnement en rgime permanent du SVC est
donn par [Das 87]:
BV I
t s
= (III.70)
La linarisation au tour du point de fonctionnement donne :
B V V B I
t t s
A
+
A
=
A
0 0
(III.71)
Pour dvelopper une relation gnrale correspondant aux systmes multimachines, on suppose
que le SVC est situ au nud terminal du gnrateur synchrone. Dautre part, le signal
dentre V
i
du circuit de commande principal du SVC [Das 87] est donn par:
U I G V V
s I t i
+
A
A
=
A
(III.72)
40
III.4.2.3 MthodePropose
Dans cette section, une formulation mathmatique de la mthode propose applique au
systme dnergie multimachine a t dveloppe. Le modle du systme est dvelopp en
utilisant la matrice A
0
tenant compte de leffet des dispositifs SVCs incorpors dans le rseau
lectrique. Le rarrangement des quations (III.70) et (III.71) sous forme matricielle donne :
| || || | | || || | | | B
A V A V A B I
T
t t s
A
A
+
A
=
A
0 0 0 0 0
(III.73)
| || | | || || | | | | || | | | U
A A I A G A V A V
T
s
T
I t i 0 0 0 0 0
+
A
A
=
A
(III.74)
A partir de la figure III.4, les variations autour dun point de fonctionnement de la tension et
du couple lectromagntique sont donnes par [YU 83] :
| | | || | | || |
E K K V
q t
A
+ A =
A
'
6 5
o
(III.75)
| | | || | | || |
E K K T
q e
A
+ A =
A
'
2 1
o
(III.76)
De mme, les tensions E
fd
et E'
q
sont donnes par:
| | | || | | || | | | | || |
V K
U
A K V K E
ref a
T
a t a fd
A
+ +
A
=
A
0
(III.77)
| | | || | | || || | o A
A
=
A K K E K E
fd q 4 3 3
'
(III.78)
En substituant lquation (III.78) dans lquation (III.75), donne :
| | | || | | || || |
E K K K K K K V
fd t
A
+ A =
A
3 6 4 3 6 5
o
(III.79)
Si on suppose que V
ref
= 0, les quations (III.73), (III.74), (II.77) et (III.79) donnent:
| | | | | || | | | | || | | | U
A K K K K V
T
c c d c t 0
1
1
1 1

+ + A + =
A
o (III.80)
O:
| | | || | | || | U
H H V
D Q t
+ A =
A
o (III.81)
et
| | | || || | | || || | | || || | | |
( ) | || | U
H A B A G A A A A
B
A V A A G A H A B A G A A V
D
T
I
T
T
t
T
I Q
T
I i
0 0
0
0 0
0
0
0 0 0 0 0 0 0
0
0 0
+
+ A A + =
A
o
(III.82)
Le changement quilibr du susceptance de SVC est donn par :
41
| | | || |
V K
B
i r
A
= A (III.83)
partir des quations (III.82), (III.83) et (III.84), nous obtenons :
| | | || | | || | U
K K
B
9 8
+ A = A o (III.84)
Le rarrangement de lquation (III.84) donne :
| | | | | | | | | || | o A + A =

K K
B
K
U
8
1
9
1
9
(III.85)
Les quations (III.77), (III.78) et (III.85) donne :
| | | || | | || | B
K K E
q
A + A =
A
11 10
'
o (III.86)
Aussi, les quations (III.86), (III.76), (III.85) et (III.81) donnent :
| | | || | | || || | B
K K K K K T
e
A + A + =
A
11 2 10 2 1
o (III.87)
| | | || | | || | | | B
K H K K H H V
D D Q t
A + A + =
A

1
9 8
1
9
o (III.88)
O :
| | | || | | || | B
K K T
e
A + A =
A
13 12
o (III.89)
| | | || | | || | B W C
V
t
A + A =
A
o (III.90)
Avec :
| | | | | || || |
K K K K K
d 4 3 6 5
= , | | | || || |
K K K K
a c 3 6
= (III.91)
| | | | | || |
H K A V A A G A K
I
K
Q h
T
t
T
I r
1
0
0 0
0
0 8

+ = (III.92)
| | | | | |
H K A A K A V A A G A K
I
K
D h
T
r
T
t
T
I r
+ =

0
0
1
0
0 0
0
0 9
(III.93)
| | ( ) ( ) | |
K K H K K K K H A K K K
Q a D
T
a 4 3 3 8
1
9 0
3 10
+ =

(III.94)
| | | || |
A B A G A A K K
T
I r h 0 0
0
0 0
+ =
(III.95)
| | | || |
1
9

=
K H
W
D
(III.96)
| | ( ) | || |
1
9
0
3 11

=
K H A K K K
D
T
a
(III.97)
42
| | | || |
K K K
11 2 13
= , | | | |
K K K K
10 2 1 12
+ = (III.98)
| | | |
K K H H
C
D Q 8
1
9
+ =
(III.99)
| | | | | |
H K
I
H
d c Q
1
+ =
et | | | | | || |
T
c c D
A K K
I
H
0
1
+ = (III.100)
Les paramtres, les K
1
K
6
, le K
d
, le K
c
, et K
10
, K
a
, C, K
12
, G
I
, et le H
Q
sont des
matrices carres chacun de l'ordre (ng ng) et le H
D
, W, K
11
, K
13
sont des matrices d'ordre
(ng nsvc).aussi K
8
et A
0
sont des matrices de l'ordre(nsvc ng) et K
r
, B
0
et K
9
des matrices
carres chacun d'ordre (nsvc nsvc), o T est la transpos de la matrice, et A
0
donn par:
ng nsvc 1
(
(
(
(
=
0 0 1 0 0 0
0 0 1 0 0
0 0 1 0
0 0 1 1
0
nsvc
A (III.101)
Si le nsvc = ng (c..d le SVC est situ dans tous les nuds gnrateurs), donc la matrice
A
0
est une matrice diagonale gale l'unit, et si A
0
= 0 donc il ny a pas de SVC incorpor
dans les nud gnrateur.
Fig. III.5 Modle de la machine avec les nouveaux paramtres de contrle.
43
Lquation (III.89) reprsente une nouvelle formule du couple lectromagntique
dvelopp. Le premier terme reprsente le coefficient de synchronisation de couple, qui doit
tre positif pour assurer la stabilit de systme, le deuxime terme reprsente le degr auquel
une variation de la susceptance de SVC peut causer une acclration relative des machines.
Cette limite peut tre dfinie comme facteur d'efficacit du SVC. Augmenter ce facteur donne
plus de stabilit au systme. La Fig. III.5 montre le modle final de la machine contenant
l'effet de la compensation de SVC. Dans les tudes suivantes, les signaux de sortie V
t
, U sont
injects l'entre correspondante au gain du contrleur du SVC [Gib 82], et incorpors dans
chaque machine (Fig. III.5). Le systme complet ainsi dfinie peut tre rgie par l'quation
dtat exprime comme suit:
B F X A X A + =
(III.102)
III.5 INCORPORATION DES FACTS
Le nombre de FACTS installer nest pas toujours gal au nombre de gnrateurs. Par
consquent, il faut prendre en considration le choix de lemplacement optimal des FACTS
qui offre un meilleur rendement. Ce problme est rgl grce la matrice des facteurs de
contribution qui permettra didentifier lemplacement idal des SVC.
III.5.1 Vecteur Propre
Pour chaque valeur propre
i
(i = 1,, n), le vecteur colonne i de dimension n, qui
satisfait lquation (III.103), est appel vecteur propre de droite de A associ a
i
.
A
i
=
i

i
(III.103)
De mme, le vecteur ligne
i
de dimension n, qui satisfait lquation (III.104), est appel
vecteur propre de gauche de A associe a
i
.
i
A =
i
i
(III.104)
Les vecteurs propres de droite montrent la distribution des modes travers les variables
dtat, alors que les vecteurs propres de gauche, avec les conditions initiales du vecteur dtat
du systme, dterminent lamplitude des modes [Sin 02]. Les vecteurs propres peuvent tre
normaliss tel que leur produit donne :
i

i
=1 (III.105)
44
Il reste noter que le produit dun vecteur propre de droite et un vecteur propre de
gauche associs deux valeurs propres diffrentes vaut 0, c--d :
j

i
=0 (III.105)
III.5.2 FacteursdeContribution
Une matrice appele matrice de contribution, note P, donne une mesure sur la
relation entre les variables dtat et les modes du systme [YU 83]. Elle est dfinie par :
| |
n
P P P P ... ...
2 1
= (III.107)
Avec :
(
(
(
(
(
(
+ u
+ u
+ u
=
(
(
(
(
(
(
=
in ni
i i
i i
ni
i
i
P
P
P
P
2 2
1 1
2
1
1
(III.108)
Llment P
ki
=
ki
ki
est appel facteur de contribution, et mesure la contribution de la k
me
variable dtat dans le i
me
mode. Les facteurs de contribution sont trs utiles dans
lidentification des variables dtat ayant une grande influence sur un mode donn. La matrice
suivante explique ce raisonnement :
(
(
(
(
(
(
=
44 43 42 41 4
34 33 32 31 3
24 23 22 21 2
14 13 12 11 1
4 3 2 1
P P P P
P P P P
P P P P
P P P P
P
_
_
_
_

(III.109)
Pour chaque
1
,
2
,
3
,
4
, la matrice de contribution montre le degr dimplication de chaque
variable dtat x
1
, x
2
, x
3
, x
4
. Les facteurs de contribution sont sans unit, ils ne dpendent donc
pas des untes des variables dtat. Aussi, la somme des lments de chaque ligne de P et la
somme des lments de chaque Colonne de P vaut 1 :
1
1 1
= =

= =
n
i
ji
n
j
ji
P P (III.110)
Une autre proprit intressante est la contribution des sous-systmes [Rou 98]. Elle est
donne par la valeur absolue de la somme des facteurs de contribution des variables dtat qui
dcrivent un sous-systme dans un mode :
45
e
=
S j
ji Si
p P (III.111)
III.6 CONCLUSION
Dans ce chapitre, nous avons tabli un modle linaire du systme lectrique sous la
forme de reprsentation dtat. Cette reprsentation est la plus adapte dans le cas de lanalyse
de la stabilit en petit mouvement.
Les quations dynamiques du modle du SVC ont t prsentes, montrant leffet de la
susceptance des dispositifs SVC. Ils permettent aussi via la matrice A
0
de tenir compte de
leffet des dispositifs SVCs incorpors dans le rseau lectrique.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l le es s A AG G
46
CHAPITRE IV
O OP PT TI IM MI IS SA AT TI IO ON N D DE ES S S SV VC Cs s P PA AR R L LE ES S A AG G
IV.1. Introduction
Dans ce chapitre, nous allons procder limplantation des dispositifs SVC dans un
rseau lectrique. Le nombre de SVC installer nest pas forcement celui des gnrateurs.
Par consquent, nous devons prendre en considration le choix de lemplacement optimal
offrant le meilleur rendement. La solution ce problme sera donc donne par la matrice des
facteurs de contribution.
Il sera aussi question doptimiser les paramtres des SVCs au moyen des AG.
Lobjectif consiste trouver les valeurs optimales qui permettent aux SVCs dassurer un
amortissement satisfaisant des oscillations rotoriques, tout en garantissant la stabilit globale
du systme.
IV. 2 Rseau dapplication
Le systme de puissance tudi dans cette section est un rseau deux rgions
interconnectes dont le schma unifilaire est reprsent par la figure IV.1. Ce systme,
introduit par [Kle 91], a t adopt dans le but dtudier le phnomne des oscillations
lectromcaniques entre diffrentes rgions de production. Il est constitu de deux rgions
symtriques, comportant chacune deux gnrateurs identiques, relies travers une ligne de
220 km. Les donnes du systme sont reports en annexe A [Has 01].
Fig. IV.1 Diagramme unifilaire du rseau 2 Rgions-4 machines.
47
IV. 3 Implantation des SVCs
Cette partie consiste simuler des petites perturbations de charge permettant lanalyse
de la stabilit dynamique dans le domaine temporel sans aucune commande et avec
incorporation du SVC.
IV. 3. 1 Emplacement optimal des SVCs
Etant donn la configuration du rseau dapplication, le nombre de SVC choisi dans
cette tude sera gal deux et leur emplacement sera dtermin en utilisant la matrice des
facteurs de contribution dtaille prcdemment dans le chapitre III.
Le tableau IV.1 prsente les modes dominants ainsi que les frquences et les facteurs
damortissement correspondants, obtenus pour une perturbation de 5% du couple
lectromcanique au niveau du gnrateur G2.
Tableau IV.1 Modes dominants du systme sans SVC.
Le tableau IV.2 montre les facteurs de contribution des gnrateurs pour les modes
oscillatoires lectromcaniques. Nous pouvons faire les remarques suivantes :
le mode (-0.0322 4.0327i) est domin par les gnrateurs G1 et G2, alors que le
mode (-0.0322 5.2166i) est domin par les gnrateurs G3 et G4. Ces deux modes
correspondent des modes locaux et caractrisent linteraction entre les gnrateurs
dune mme rgion.
Le mode (-0.0322 6.4630i) correspond un mode inter-rgional et caractrise
linteraction entre les gnrateurs dune rgion par rapport aux gnrateurs dune autre
rgion.
Modes Amortissement
(%)
Frquence
(Hz)
-0.0322 6.4630i
-0.0322 4.0327i
-0.0322 5.2166i
4.99e-003
7.99e-003
6.18e-003
1.0281
0.6414
0.8308
48
Daprs les rsultats de ce tableau, lemplacement optimal des SVCs est obtenu par la
disposition suivante :
- Un SVC sera plac sur le gnrateur 2 et un autre sur le gnrateur 4.
Tableau IV.2 Contribution des gnrateurs dans les modes lectromcaniques.
Les paramtres des SVCs utiliss sont reprsents dans le tableau IV.3. La suceptance Bsvc
des SVCs est prise gale a 0.6 p.u [Ele 96].
Tableau IV.3 Paramtres des SVC non optimiss.
Paramtres des SVC
s
K
ri
T
ri
G
Ii
SVC
1
5.1
0.8
10
SVC
2
0.1 0.5 10
La figure IV.2, compare la dviation de la vitesse pour une perturbation de 5 % du couple
lectromcanique, pour chaque gnrateur sans et avec SVCs et ce pour une charge nominale.
Nous constatons que le systme devient plus stable quand les SVCs sont implants dans les
nuds gnrateurs dfinis par la mthode des facteurs de contribution.
IV.4 APPLICATION DES AGs
Dans cette partie, nous avons tent doptimiser les paramtres des SVC
s
au moyen des
AGs. Lemplacement de ces dispositifs de compensation sera donc, comme dfini
prcdemment, au niveau des gnrateurs G2 et G4. Lobjectif est de trouver les valeurs
optimales des paramtres des SVCs qui leur permettent dobtenir un amortissement
satisfaisant des oscillations lectromcaniques.
Modes G1 G2 G3 G4
-0.0322 6.4630i
-0.0322 4.0327i
-0.0322 5.2166i
0.1593
0.7505
0.0005
0.5579
0.2436
0.0210
0.0189
0.0052
0.7636
0.2635
0.0006
0.2146
49
Fig. IV.2 Rponses temporelles de la vitesse des gnrateurs avec et sans SVC.
50
IV. 4. 1 Formulation de la fonction objective
On considre quun systme de puissance est bien amorti si lamortissement de toutes
les valeurs propres dpasse les 5% [Gra 00].
Notre objectif est darriver, via la procdure doptimisation par les AGs, un amortissement
de plus de 5% pour tous les modes, et ce, en explorant les valeurs admissibles des paramtres
des SVCs constituant lespace de recherche.
La fonction de transfert qui correspond au SVC est la suivante :
( )
|
|
.
|
\
|
+
+
|
|
.
|
\
|
=
sT
K
sT
sT
k K
ri
ri
s
i
i
i i
1
1
2
e
e
(IV.1)
Du point de vue de la stabilit en petit mouvement, la valeur de la de la constante de
temps T
e
du filtre nest pas critique. Le rle de ce filtre est dattnuer les frquences
indsirables (infrieures 0.1 Hz) du signal dentre [Gra 00].
Le gain k
i
du contrleur PI est fixe pendant la procdure doptimisation et est gale lunit.
Les paramtres optimiser sont donc : K
ri
, T
ri
et G
Ii
(dfini dans le chapitre III) avec i = 1,..,n
avec n reprsentant le nombre des SVCs placs dans notre systme au moyen de la matrice
A
0
.
Soit
j
la j
me
valeur propre du systme avec SVC et
j
le facteur damortissement associ
dfini par :
+
=
+ =
|
o
o
|
o
2
2
j j
j
j
j
j j
j =1,,m (IV. 2)
m reprsente lordre du systme.
On regroupe tous les facteurs damortissement
j
relatif un point de fonctionnement p
donn, dans le vecteur Ip.
Pour tre rsolu par les AGs, le problme doptimisation peut scrire sous la forme suivante :
max F = min (min (Ip) ) p = 1,, r. (IV. 3)
Sujet :
K
ri min
K
ri
K
ri
max
G
Ii
min G
Ii
G
Ii
max
T
ri min
T
ri
T
ri
max
51
O : r est le nombre total des points de fonctionnement pris en considration.
K
ri
; G
Ii
et T
ri
reprsentent les paramtres du i
me
contrleur.
Ce problme est gnralement trs complexe rsoudre avec les mthodes
conventionnelles car la fonction objective dpend des valeurs propres dune matrice de
dimension importante [Bom 00]. Nous prsentons dans la section suivante, la solution de ce
problme par les Algorithmes Gntiques.
IV. 4. 2 Rsultats doptimisation
Nous avons procd quelques modifications par rapport aux algorithmes gntiques
dcrits dans le chapitre II :
- Pour mieux exploiter lespace de recherche, nous avons diversifi les individus ds le
dpart, ce qui nous a conduit manipuler une population initiale assez importante.
- Une stratgie litiste (ou base sur llitisme) qui assure la prsence du meilleur
individu dans la gnration future est utilise. Pour cela, nous avons utilis une autre
mthode de slection dite de classement. Son principe est trs simple, les individus
sont classs en fonction de leur fonction fitness en deux parties. Ceux figurant dans la
partie infrieure seront limins. La partie suprieure sera dabord directement copie
dans la gnration suivante, laquelle une autre partie, issue des oprateurs de
croisement et de mutation, sera ajoute.
- La mthode de croisement utilise est celle dite mthode multipoints.
Les paramtres doptimisation par les algorithmes gntiques ainsi que la dfinition de
lespace de recherche, sont donns par le tableau IV.4.
Tableau IV. 4 Paramtres doptimisation.
Paramtres de lAG Espace de recherche
Type de codage Binaire
0.1 K
r
100
0.1 G
Ii
10
0.01 T
r
1
Taille de la population 40
Taille du chromosome 96
Probabilit de croisement 0.1
Points de croisement 2
Probabilit de mutation 0.01
Nombre de gnration 30
52
Pour diversifier lespace de recherche, les 4 points de fonctionnement suivants ont t
considrs :
- Une configuration du rseau avec une seule ligne entre les nuds (6-11) et (8-11).
- Une forte charge gale 1.8 de la charge nominale.
- Une faible charge gale 0.3 de la charge nominale.
- Une charge nominale avec une perturbation de 5% du couple mcanique.
Le tableau IV. 5 prsente les paramtres des SVCs obtenus par le biais de loptimisation par
les AGs.
Tableau IV.5 Paramtres des SVCs obtenus aprs optimisation
Paramtres des SVC
s
K
ri
T
ri
G
Ii
SVC
1
85.6206
0.4581
2.0481
SVC
2
90.4620
0.0693 4.1414
Afin de tester la robustesse du dispositif SVC optimis par lAlgorithme Gntique, nous
avons propos trois cas de figures :
- Une forte charge gale 1.5 de la charge nominale.
- Une faible charge gale 0.5 de la charge nominale.
- Un changement de topologie (ligne 6 -11 ouverte).
Le trac des valeurs propres dans le plan complexe, prsent par les figures IV.3, IV.4 et IV.5,
traduit le comportement du rseau (sans SVC ; avec SVCs non optimiss au niveau des
gnrateurs G2 et G4 et avec SVCs optimiss par AG) vis--vis des diffrentes perturbations
simules.
Nous constatons que dans le cas du rseau sans SVCs, une partie des valeurs propres est
localise la droite du secteur dfini par des facteurs damortissement infrieurs 5%. Les
cas des SVCs non optimiss et optimiss par AG voient la totalit de leurs valeurs propres
repousses vers la partie ngative du plan complexe avec un amortissement nettement
suprieure 5%. Nous obtenons donc, grce linsertion des SVCs, une amlioration de la
stabilit du systme, qui est dautant plus perceptible avec les SVCs optimiss par les
algorithmes gntiques.
53
.
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-10
-8
-6
-4
-2
0
2
4
6
8
10
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
changement de topologie
forte charge
faible charge
5%
Fig. IV.3 Trac des valeurs propres sans SVC.
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
forte charge
faible charge
5%
Fig. IV.4 Trac des valeurs propres avec SVCs non optimiss.
54
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
f orte charge
f aible charge
5%
Fig. IV.5 Trac des valeurs propres avec SVCs optimiss par AG.
Les figures IV.6, IV.7 et IV.8 comparent les diffrentes dviations de la vitesse pour les
mmes cas de perturbations cites plus haut. Ces rsultats indiquent que lamortissement est
plus important lorsque les paramtres du SVC sont optimiss. La stabilit du systme est
nettement amliore.
55
Fig. IV. 6 Dviation de la vitesse des gnrateurs pour une forte charge avec SVC non
optimis et optimis par AG.
56
Fig. IV. 7 Dviation de la vitesse des gnrateurs pour une faible charge avec SVC
optimis par AG et SVC non optimis.
57
Fig. IV. 8 Dviation de la vitesse des gnrateurs pour un changement de topologie
(suppression de ligne 6-11) avec SVC optimis par AG et SVC non optimis.
58
IV.5 CONCLUSION
Lapplication des SVCs a rendu le systme stable et cela sans rglage prcis des
paramtres. Cette stabilit sera considrablement amliore par le biais de loptimisation des
paramtres du SVC par les algorithmes gntiques. Le problme de linstabilit dans les
systmes lectriques pouvait tre traduit sous la forme dun simple problme doptimisation,
avec une fonction objective base sur le facteur damortissement des modes doscillations.
Lalgorithme propos permet de dterminer les paramtres des SVCs de manire augmenter
lamortissement du systme, quelles que soient les conditions de son fonctionnement ou de sa
topologie.
Les rsultats de simulation montrent que grce cette technique la stabilit dynamique
du rseau dnergie lectrique est amliore. Les algorithmes gntiques ont facilit la
procdure doptimisation parce quils utilisent directement la fonction objective et non une de
ses drives ou autres connaissances relatives. Lavantage est que lon peut aisment modifier
la fonction objective en y ajoutant dautres contraintes.
Comme lOptimisation par Essaims de Particules appartient la famille des
Algorithmes Evolutionnaires, nous lui avons consacr lensemble du chapitre suivant dans le
but de faire une tude comparative des deux techniques. Il sera aussi question de vrifier
limpact dune pareille optimisation sur la stabilit du rseau.
C Ch ha ap pi it tr re e I IV V O Op pt ti im mi is sa at ti io on n d de es s S SV VC Cs s p pa ar r l l O OE EP P
59
CHAPITRE V
O OP PT TI IM MI IS SA AT TI IO ON N D DE ES S S SV VC Cs s P PA AR R L L O OE EP P
V.1. Introduction
Dans ce chapitre, nous allons procder loptimisation par essaims de particules des
paramtres des SVCs placs dans un rseau similaire celui utilis dans le chapitre IV et sous
les mmes conditions de fonctionnement, savoir : le nombre de SVCs, les niveaux de charge
appliqus ainsi que le changement de topologie. Cette similitude nous permettra deffectuer
une tude comparative de lOEP et de lAG.
Une tude paramtrique nous permettra dajuster les paramtres de lOEP de manire
obtenir de meilleurs rsultats doptimisation, dans le but damliorer la stabilit dynamique
du rseau.
V. 2 Formulation de la fonction objective
Notre objectif est darriver, via la procdure doptimisation par lOEP, un
amortissement de plus de 5% pour tous les modes, et ce, en explorant les valeurs admissibles
des paramtres des contrleurs existant dans lespace de recherche. La procdure
doptimisation se portera sur les paramtres du SVC dfinis dans le chapitre III.
De manire identique celle prsente au chapitre prcdent, la fonction objective est
similaire celle de lquation IV.3. Nous prsentons dans la section suivante, la solution de ce
problme par loptimisation des paramtres des SVC par essaims de particules.
V. 3 Choix des paramtres de lOEP
Lalgorithme de lOEP utilis dans cette section a t dtaill dans le chapitre II. Nous
pouvons modifier la position de chaque agent par le concept de vitesse. La vitesse modifie
de chaque agent scrira de la manire suivante [Nak 03]:
) ( ) (
2 2 1 1
1
s
gbest
rand c s
pbest
rand c v w v
k
i
i
k
i
i
k
i
k
i

(V.1)
Le choix des paramtres reste en grande partie empirique mais suit une certaine
logique. Aprs un grand nombre dessais, nous avons constat que la variation du facteur de
pondration C
j
ninfluait pas sur le rsultat, ce qui nous a permis de le maintenir fixe une
60
valeur choisie gale 2,4. Nous avons aussi fix la population et le nombre ditrations 10
puis nous avons fait varier w
max
et w
min
.
Pour diversifier lespace de recherche, les 4 points de fonctionnement suivants ont t
considrs (mmes conditions que dans le chapitre IV) :
Une configuration du rseau avec une seule ligne entre le nud 8 et 11.
Une forte charge gale 1.8 de la charge nominale.
Une faible charge gale 0.3 de la charge nominale.
Une charge nominale avec une perturbation de 5% du couple mcanique.
Le tableau V.1 prsente les paramtres des SVCs obtenus par le biais de loptimisation par
lOEP.
Tableau V.1 Paramtres des SVCs obtenus aprs optimisation.
Paramtres de
lOEP
w
max
et w
min
Paramtres des SVCs optimiss par lOEP
G
I1
- G
I2
K
r1
-K
r2
T
r1
-T
r2
1 0.9
0.2
5.1569
8.1346
70.6537
79.5675
0.2016
0.4448
2 0.9
0.3
5.8976
8.8753
78.1276
87.0414
0.2757
0.5189
3 0.9
0.4
6.2987
9.2764
82.1748
91.0887
0.3158
0.5590
4 0.9
0.5
6.2049
9.1826
81.2287
90.1425
0.3064
0.5496
5 0.9
0.6
5.6266
8.6043
75.3928
84.3067
0.2486
0.4918
6 0.9
0.7
4.7065
7.6842
66.1080
75.0218
0.1566
0.3998
7 0.9
0.8
3.6836
6.6613
55.7862
64.7000
0.0543
0.2975
8 0.8
0.1
4.3636
7.3413
62.6485
71.5623
0.1223
0.3655
9 0.7
0.1
4.3157
7.2934
62.1651
71.0790
0.1175
0.3607
10 0.6
0.1
4.2880
7.2657
61.8851
70.7989
0.1147
0.3580
11 0.5
0.1
4.2816
7.2593
61.8207
70.7346
0.1141
0.3573
12 0.4
0.1
4.2936
7.2713
61.9418
70.8557
0.1153
0.3585
13 0.3
0.1
4.3175
7.2952
62.1826
71.0964
0.1177
0.3609
61
La figure V.1 reprsente les valeurs propres du systme obtenus pour chaque cas de
variation des paramtres de lOEP cit plus haut et ce pour une charge nominale. Nous
constatons que le cas OEP7 prsente des valeurs propres qui sloignent le plus de laxe
imaginaire. Cette constatation nous permet daffirmer que les paramtres dfinis dans le cas
OEP7 donnent les meilleurs rsultats doptimisation et seront utiliss pour tester la robustesse
de la mthode OEP. Nous procderons aussi dans la section suivante une comparaison des
rsultats doptimisation par AG avec ceux obtenus par lOEP.
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
OEP1
OEP2
OEP3
OEP4
OEP5
OEP6
OEP7
OEP8
OEP9
OEP10
OEP11
OEP12
OEP13
Fig. V.1 Trac des valeurs propres sur le plan complexe sans SVC.
V.4 Test de robustesse de lOEP
Les rsultats doptimisation par OEP ainsi que ceux obtenus par AG nous permettent
de faire une tude comparative des deux mthodes de manire dterminer la mthode qui
produit la meilleure optimisation des paramtres des SVCs.
Le tableau V.2 prsente les paramtres des SVCs optimiss par les deux mthodes tudies.
62
Tableau V.2 Paramtres des SVCs obtenus par AG et OEP.
Paramtres
des SVC
s
Mthode
doptimisation
Nombre
Population
Nombre
ditration
K
ri
T
ri
G
Ii
SVC
1
AG 40 30
85.6206
0.4581
2.0481
SVC
2
90.4620 0.0693
4.1414
SVC
1
OEP 10 10
55.7862 0.0543 3.6836
SVC
2
64.7000
0.2975 6.6613
Afin de tester la robustesse du dispositif SVC optimis par lOEP, nous avons propos
trois cas de figures (identiques ceux pris dans le chapitre IV):
Une forte charge gale 1.5 de la charge nominale.
Une faible charge gale 0.5 de la charge nominale.
Un changement de topologie (ligne 6-11 ouverte).
Le trac des valeurs propres dans le plan complexe, prsent par les figures V.2, V.3 et
V.4, traduit le comportement du rseau face aux diffrentes perturbations simules et ce,
avec SVCs non optimiss , SVCs optimiss par AG et finalement SVCs optimiss par OEP.
Nous constatons que par la seule implantation du SVC dans le rseau, les valeurs propres
sont repousses vers la partie ngative du plan complexe avec un facteur damortissement
suprieur 5%. Lapplication de lOEP permet damliorer cet amortissement en repoussant
les valeurs davantage vers la gauche. Ces rsultats montrent aussi une similitude entre
loptimisation des SVCs par AG et OEP lors de lanalyse des valeurs propres obtenues pour
diffrents points de fonctionnement.
Nous constatons aussi que pour une forte charge ainsi que pour la perte de la ligne,
loptimisation par algorithme gntique donne de meilleurs rsultats que ceux obtenus par
lessaim de particules. Par contre, pour les faibles niveaux de la charge, lOEP fournit un
meilleur amortissement du systme de puissance que celui de lAG.
63
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
SVC non optimis
SVC par AG
SVC par OEP
5%
Fig. V.2 Trac des valeurs propres sur le plan complexe pour une forte charge.
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
SVC non optimis
SVC par AG
SVC par OEP
5%
Fig. V.3 Trac des valeurs propres sur le plan complexe pour une faible charge.
64
-18 -16 -14 -12 -10 -8 -6 -4 -2 0
-15
-10
-5
0
5
10
15
Axe rel
A
x
e
i
m
a
g
i
n
a
i
r
e
SVC non optimis
SVC par AG
SVC par OEP
5%
Fig. V.4 Trac des valeurs propres sur le plan complexe pour un changement de topologie.
Les fig. V.5, V.6 et V.7 prsentent les diffrentes dviations de la vitesse pour les
mmes cas de perturbation cits plus haut. Ces rsultats indiquent que lamortissement est
amlior lorsque les paramtres du SVC sont optimiss par lOEP. Le systme tend vers son
tat initial.
65
Fig. V. 5 Dviation de la vitesse des gnrateurs pour une forte charge avec SVC non
optimis et optimis par AG et OEP.
66
Fig. V.6 Dviation de la vitesse des gnrateurs pour une faible charge avec SVC non
optimis et optimis par AG et OEP.
67
Fig. V. 7 Dviation de la vitesse des gnrateurs pour un changement de topologie
(suppression de ligne 6 -11) avec SVC non optimis et optimis par AG et OEP.
68
Il apparat clairement que loptimisation par essaims de particules prsente une
parfaite robustesse, bien que les conditions de fonctionnement donnant ces rsultats nont pas
t pris en considration dans la procdure doptimisation utilise par lOEP.
Loptimisation par AG prsente une meilleure robustesse que lOEP dans lamlioration
de la stabilit dynamique vis--vis des variations de niveaux de charge et de la topologie du
rseau dapplication. Toutefois, lOEP prsente les avantages suivants :
Convergence plus rapide
Population plus rduite
Nombre ditrations plus petit
V.5 Conclusion
Dans ce chapitre, une tude paramtrique a t labore pour dterminer les paramtres
de lalgorithme OEP qui donnent les meilleurs rsultats doptimisation. Ainsi, chaque
problme doptimisation peut avoir ses propres paramtres et ses propres choix.
Lapplication de loptimisation par essaims de particules a rendu le systme plus
stable et cela pour un nombre de population et ditrations rduit. Les rsultats de simulation
montrent que, grce cette technique, la stabilit dynamique du rseau dnergie lectrique
est amliore et la commande propose prsente une bonne robustesse vis--vis des
conditions de fonctionnement du rseau.
Conclusion gnrale
69
CONCLUSION GENERALE
Ltude prsente dans ce mmoire porte sur, lapplication des algorithmes gntiques et
de lessaim de particules dans la synthse et loptimisation des paramtres des dispositifs
SVCs. Le rle de ces derniers est dapporter lamortissement ncessaire aux oscillations
lectromcaniques des gnrateurs, lorsque le systme subit de petites perturbations autour de
son point de fonctionnement.
Afin datteindre cet objectif, nous sommes passs par plusieurs tapes :
Dabord, comme dans toute tude des systmes dynamiques rels, une modlisation du
systme lectrique est dveloppe en vue dtudier sa stabilit en petit mouvement. Dans cette
partie du travail, nous avons effectu une linarisation des quations du systme autour dun
point de fonctionnement afin dobtenir la reprsentation dtat du systmes. La mthode
danalyse de la stabilit est base sur la rpartition des valeurs propres du systme dans le
plan complexe. Nous avons considr quune bonne stabilit est assure pour tous les modes
doscillation ayant un amortissement suprieur 5%.
Nous avons montr laction des SVCs, dont les paramtres taient non optimiss, sur un
rseau dapplication compos de 2 rgions interconnectes. Ce dernier constitue un exemple
typique de problmes doscillations inter-rgionales entre deux groupes de gnrateurs. Nous
avons constat, que les rsultats prsentent une amlioration certaine de la stabilit dynamique
par rapport au cas du systme sans SVC, qui demeure toutefois mal amorti.
Dans une seconde tape, nous avons abord la synthse des paramtres des SVCs en
utilisant les algorithmes gntiques. Lobjectif principal dans la procdure doptimisation est
dobtenir des SVCs suffisamment robustes vis--vis dventuels changements dans les
conditions de fonctionnement du systme lectrique. Lalgorithme gntique propos, permet
de considrer diffrents points de fonctionnement ou topologies, afin dassurer, tout
moment, une stabilit satisfaisante de lensemble du systme.
La dernire tape consiste appliquer loptimisation par essaims de particules pour la
synthse des paramtres des SVCs, avec les mmes fonctions objectives et sous les mmes
conditions de fonctionnement dcrites pour lAG. Les rsultats obtenus montrent que pour les
Conclusion gnrale
70
deux techniques doptimisation, le systme prsente de bonnes performances dynamiques
avec un meilleur amortissement observ dans le cas de loptimisation par AG.
Nous avons test la robustesse des SVCs dimensionns moyennant les deux techniques
doptimisation, en considrant diffrents points de fonctionnement et changements de
topologie. Nous avons obtenu les mmes performances dynamiques pour les deux mthodes
comme latteste lanalyse des valeurs propres et les rponses temporelles obtenues. Il reste
toutefois souligner que lOEP possde des avantages certains sur lAG qui se rsument
comme suite :
Convergence plus rapide.
population infrieure celle exige par lAG.
nombre rduit ditrations, infrieur celui de lAG.
Perspectives
Cette tude, nous a permis de concevoir une procdure doptimisation des paramtres
des SVCs, base les algorithmes gntiques et les essaims de particules. Nous avons pu
atteindre les objectifs tracs en obtenant des SVCs performants et robustes. Il reste encore
beaucoup de voies explorer mais il nous semble prioritaire de poursuivre une tude plus
approfondie sur les trois thmatiques suivantes :
Tester la mthode propose pour la synthse des paramtres dautres dispositifs de
stabilisation tels que le TCSC, UPFC,
Vrifier la robustesse des contrleurs pour les grandes perturbations qui font appel aux
modles non linaires
Nous avons utilis loptimisation par essaims de particules comme mthode de base
pour notre travail, il serait intressent de la comparer dautres variantes de lOEP
telle que lOEP hybride et cooprative [ ] en les appliquant sur le mme systme de
puissance.
Appliquer ces techniques pour loptimisation multi-objective simultane des FACTS
et de leurs localisations en considrant les critres tels la minimisation du temps de
rponse et du cot de linstallation des FACTS.
B BI IB BL LI IO OG GR RA AP PH HI IE E
71
BIBLIOGRAPHIE
[Abd 99] Abdel-Madjid Y. L., Abido M. A., Al-Baiyat S. and Mantawy A. H.,
Simultaneous Stabiliszation of multi-machine power system via genetic
algorithms., IEEE-Transactions-on-Power-Systems., vol. 14, pp. 1428-39,
Nov. 1999.
[Abi 01] Abido. M. A, Particle Swarm Optimization for Multimachine Power System
Stabilizer Design, Proc. of IEEE Power Engineering Society Summer
Meeting, July 2001.
[Alh 04] Al-Hinai. A, A. Feliachi. A, Control of microturbines in a power
distributionsystem using particle swarm optimization, West Virginia
University, 2004.
[And 82] Anderson. P. M, and A. A. Fouad. A. A, Power System Control and Stability,
The IOWA state university Press, 3
me
edition, 1982.
[Bag 99] Baghli. L, Contribution la commande de la machine asynchrone, utilisation
de la logique floue, rseaux de neurones et des algorithmes gntiques, PhD
Thesis, Nancy, Janvier 1999.
[ Bar 84] Barret J. P., Stabilit transitoire., Sminaire sur le fonctionnement des
rseaux SONELGAZ-EDF 10-13 Novembre 1984.
[Bar 97] Barret. J. P, Bornard. P, Meyer. B, Simulation des rseaux lectriques,
Edition Eyrolles, 1997.
[Bel 00] Belacheheb K., Contribution l'tude des systmes de compensation FACTS
en gnral, UPFC en particulier, pour le contrle du transit de puissance dans
un rseau de transport , Thse de Doctorat de l'universit de HENRI
POINCARE NANCY I, 21 Juin 2001.
[Ber 97] Berkan. R. C, and Trubatch. S. L., Fuzzy systems Design Principles. New
York : IEEE Press, 1997.
[Bli 95] Blickle. T and Thiele. L, A Comparison of Selection Schemes used in Genetic
Algorithms, TIK-Report Nr. 11 (Version 2), December 1995, Switzzeland.
[Bom 00] do Bomfim. A. L. B., G.N. Taranto and D. M. Falco, Simultaneous Tuning
of Power System Damping Controllers Using Genetic Algorithms, IEEE Trans.
Power system, Vol. 15, N. 1, February 2000, pp. 163-169.
72
[Bor 98] Borne. P, Rozinoer. J, Deinlot. J. Y, Dubois. L, Introduction la commande
floue, Edition Technip 1998.
[Che 90] Cheng, C.H., and HSO, Y.Y.: Application of a power system stabilizer and a
static VAr controller to a multimachine power system, IEE Proc. C, 1990, 137,
(l), pp. 8-12.
[Cho 00] Chow J. H., Sanchez-Gasca J. J.,Ren H. and Wang S., Power System
Damping Controller Design Using Multiple Input Signals,, IEEE Control
Systems Magazine, August 2000, pp 82-90.
[Cle 01] Clerc. M, Kennedy.J, The particle swarm: explosion stability and convergence
in a multi-dimensional complex space. IEEE Journal of Evolutionary
Computation, vol. In press, No. ,2001.
[Cle 02] Clerc. M, Kennedy. J, The particle swarm: explosion stability and convergence
in a multi-dimensional complex space. IEEE Transactions on Evolutionary
Computation 6(1), 2002, pp. 58-73.
[Coe 96] Coello. C.A, An Empirical Study of Evolutionary Techniques for Multiobjective
Optimization in Engineering Design, PHD. Dissertation, Department of
Computer Science, Tulane University, 1996.
[Das 87] Dash, P.K., Panda, D.C., Sharad, A.M., and Hill, E.F.: Adaptive controller for
static reactive power compensators in power systems, IEE Proc. C, 1987, 134,
(3), pp. 256-264.
[Ele 96] El-Emary. A. A, Static VAr compensator, Synchronising torque coefficient, IEE
Proceedings online no. 19960544, Paper first received 13
th
Decmber 1994 and in
revised form 12
th
April1996.
[Far 98] Farag W. A., Quintana V. H. and Lambert-Torres G., Enhacing the
transient stability of multi-machine power systems using intelligent
techniques., Bulk-Power-Systems-Dynamics-and-Control-IV-Restructuring-
Symposium-Proceedings, Nat. Tech. Univ. Athens. Athens, Greece, pp. 117-
25,1998.
[Fle 90] Fleming. R. J. and Sun. J, An Optimal Multivariable Stabilizer For a
Multi-Machine Plant, IEEE Transactions on Energy Conversion, Vol.5,
No.1,March 1990.
[Fuk 00] Fukuyama. Y, et al. , A particle swarm optimization for reactive power and
voltage control concidering voltage security assessement , IEEE Trans. Power
Syst. , Vol. 15, pp. 1232-11239, Nov. 2000.
73
[Gen 97] Gen. M. and Cheng. R., Genetic Algorithms and Engineering Design: John
Wiley & Sons, 1997.
[Gib 82] Gibbard, M.J.: Co-ordination of multimachine stabilizer gain settings for a
specified level of system damping performance, IEE Proc. C, 1982, 129, (2),
pp. 4548
[Gol 89] D.E. Goldeberg. D.E, Genetic Algorithms in search, Optimization and
Machine learing, Addison-Wesley, 1989.
[Gra 00] Graham. R, Power System Oscillation, M. A. Pai, Ed., Norwell: Kluwer
Academic Publishers, 2000.
[Gyu 88] Gyugyi. L, Power electronics in electric utilities: Static Var Compensator,
IEEE Trans. on Power Systems, Vol. 76, April 1988.
[Gyu 90] Gyugyi. L et al., Advanced Static Var Compensator Using Gate Turn-off
Thyristors for Utility Application, CIGRE, pp.23-203,1990.
[Ham 86] Hammad. A. E., Analysis of power system stability enhancement by Static
Var Compensator, IEEE transactions in power systems, Vol. PWRS-1, No.
4, pp. 222-227, November 1986.
[Has 01] Hasanovi. A., A Simulation and Analysis Toolbox for Power Systems and
Genetic Alghorithm Based Damping Controller Design, Master thesis,
Morgantown, West Virginia 2001.
[Has 02] Hasanovic. A and Felialchi. A, Genetic Algorithm Based Inter-Area Oscillation
Damping Controller Design MATLAB, Proc. IEEE Power Eng. Society 2002
Summer Meeting, Chicago, IL, July 2002.
[Her 98] Herrera. F., Lozano. M., and Verdegay. J. L., Tacking real-coded Genetic
Algorithm: Operators and tools for Behavioral Analysis, Artificial Intell.Rev,
vol. 12,pp. 265-319, 1998.
[Hin 00] N.G. Hingorani and L. Gyugyi, "Understanding FACTS", IEEE Press., New
York ,2000.
[Jod 94] Jodouin. J. F., les rseaux de neurones ; principes et dfinition, Hermes,
1994, 124 p.
[Kar 06-1] Kartobi L., Boudour M. and Mekhaldi A., Comparison study between GA
and PSO applied to robust FACTS controllers., Submitted to International
Multi-conference on systems, Signals and Damps, SSD, 2007.
[Kar 06-2] Kartobi L., Boudour M. and Mekhaldi A., Optimal Locations and tuning of
Robust FACTS using Genetic Algorithm and Particle Swarm Optimization ,
Submitted to International Power System Transacts. ISPT, 2007.
74
[Kau 01] -------, Swarm Intelligence. San Mateo, CA: Morgan Kaufmann, 2001.
[Ken 95-1] Kennedy. J. and Eberhart. R. C., Particle swarm optimization. Proceedings
of the IEEE conference on Neural Networks, IV, 1995, pp. 1942-1948,
Piscataway, NJ.
[Ken 95-2] Kennedy. J., Eberhart. R., Particle swarm optimization. Proceedings of
IEEE international conference on Neural Networks(ICNN95), Vol.IV, pp.
1942-1948, Perth, Australia,1995.
[Ken 01-1] Kennedy. J , Eberhart. R. C. and Y. Shi. Swarm intelligence. 2001, Morgan
Kaufmann Publishers, San Fransisco.
[Ken 01-2] Kennedy. J., Eberhart. R., Particle Swarm optimization in Morgan
Kaufmann Publishers, 2001
[Kle 91] Klein. M, Rogers. G.J. and Kundur, P., A Fundamental Study of Inter-Area
Oscillations in Power System, IEEE Trans. On Power System, Vol. 6, No.3, August
1991.
[Kun 90] Kundur P., Rogers G. J. , Wong D. Y., Wang L. et Lauby M. G., A
Comprehensive Computer Program Package for Small Signal Stability
Analysis of Power systems, IEEE Trans. On PWRS, Vol. 5, No. 4, November
1990, pp. 1076-1083.
[Lar 81] Larsen E. V. and Swann D. A., Applying Power System Stabilizers Part I, II
and III, IEEE Trans. Power Apparatus and Systems, Vol. PAS-100, No. 6,
June 1981, pp. 3017-3046.
[Lat 00] Latapy. M., Duong Phan. H., The lattice structure of Chip Firing Games,
LIAFA, Universit Denis Diderot, Paris 22, 2000.
[Ler 91] Lerch. D. P. E., Xu. L., Advanced SVC control for damping power system
oscillations, IEEE transactions on power systems, VOL. 6.pp. 524-535, 1991.
[Ler 95] Lerman. I et Ngouenet. F., Algorithmes Gntiques Squentiels et parallles
pour une reprsentation Affine des Proximits , Projet REPCO, Rapport de
recherche n 2570, INRIA Rennes, 1995.
[Lut 96] Lutaud-Brunet. M, Identification et Contrle de processus par rseaux neuro-
flous, Thse de doctorat, Universit dEvry Val dEssonne, 1996.
[Mam 75] Mamdani. E. H., Application of fuzzy Algorithms for control of simple
dynamic plant., Proc. IEE, Vol. 121, pp.1585, 1975.
[Nak 03] Naka. S, Genji. T., Yura. T., Fukuyama. Y., A Hybrid Particle Swarm
Optimization for Distribution State Estimation, IEEE Transactions on power
systems, VOL.18, NO. 1, February 2003.
75
[Nar 00] Nara K., States of the Arts of the Modern Heuristics Applications to Power
systems, IEEE PES Winter Meeting, January 2000, vol. 2, pp. 1279-1283.
[OBR 85] OBRIEN, M., et LEDWICH, G., Placement of static compensators for
stability improvement IEE Proc. C, 1985, 132, (l), pp.30-35.
[OBR 87] OBRIEN, M., et LEDWICH, G., Static reactive power compensator controls
for improved system stability, IEE Proc. C, 1987, 134, (l), pp. 3842.
[Pas 98] J.C. Passelergue, Interaction des dispositifs FACTS dans les grands rseaux
lectriques, Thse de doctorat de lINPG 26 Novembre 1998.
[Pet 97] P. Petitclair, Modlisation et Commande de structures FACTS: Application
au STATCOM, Thse de doctorat de lINPG 16 Juillet 1997.
[Pic 94] Picton.P., Introduction to neural networks, Ed. Macmillan, 1994, 168p.
[Pov 00] Povh. D., Use of HVDC and FACTS, Proc. of the IEEE, vol. 88, pp. 235-
45, February. 2000.
[Ren 95] Renders. J. M., Algorithmes Gntiques et rseaux de neurones, Ed. Herms,
1995, 349p.
[Rou 98] Rouco. L., Eigenvalue-based Methods for Analysis and Control of Power
Systeme Oscillations, IEE Colloquium on Power Dynamics Stabilization,
University of Warwick, Coventry, England, February 1998.
[Sad 98] S.M. Sadeghzadeh, "Amlioration de la stabilit transitoire et de l'amortissement
des oscillations d'un rseau lectrique l'aide de SMES et de SSSC", Thse de
doctorat de lINPG 13 Mars 1998.
[Sad 03] Sadegh. M. O., Control of power electronic devices (FACTS) to enhance
power system stability, PhD Thesis, Glasgow, March 2003.
[Sam 83] F. Samouhi, "Application de la mthode de Lyapunov a l'aide de la stabilit
dynamique de rseaux de transport d'nergie soumis des perturbations",
Thse de doctorat de lINPG, 21 Avril 1983.
[Sin 02] Singhvi. V., Small Signal Stability of an Unregulated Power System, Masters
Thesis, Department of Electrical and Computer Engineering, Mississippi,
December 2002.
[Sny 97] Snyder. A. F., Inter-Area Oscillation Damping with Power System Stabilizers
and Synchronized Phasor Measurements, Masters Thesis, Virginia
Polytechnic Institute and State University, 1997.
[Son 99] A. Sonnenmoser and P.W. Lehn, "Line current balancing with a Unified
Power Flow Controller", IEEE Trans. On Power Delivery , vol. 14,No. 3 , pp.
1151-1157, July 1999.
76
[Sri 94] M. Srinivas and L. M. Patnaik, Genetic Algorithms: A Survey, IEEE Compter,
Vol. 24, No. 6, pp. 17-26, June 1994.
[Tar 98] Taranto G. N. and Falco D.M., Robust decentralised control design using
genetic algorithms in power system damping control., IEE Proc.-Gener.
Transm. Distrib., Vol. 145, No. 1, January 1998.
[Tre 03] Trelea. I. C. , Lessaim de particules vu comme un systme dynamique:
Convergence et choix des paramtres. Sminaire Loptimisation par essaim
de particules , Paris, Carr des sciences, 2 Octobre 2003.
[Ves 02] J. Vesterstrm and J. Riget, Particle Swarms, Extensions for improved local,
multi-modal, and dynamic search in numerical optimization. , Master's
Thesis , May 2002.
[Wu 91] WU, C.J., et LEE, Y.S.: Damping of synchronous generator by static reactive
power compensator with digital controlle, IEE Proc., 1991, 138, (5), pp. 427-
432.
[Yos 99] H. Yoshida, K. Kawata, Y. Fukuyama et Y. Nakanishi, A particle swarm
optimization for reactive power and voltage control considering voltage
stability., IEEE International Conference on Intelligent System Applications
to Power Systems (ISAP99), Rio de Janeiro, April 4-8, 1999.
[Yu 83] YU Y. N., Electric power system dynamics (Academic Press Inc., India, 1983).
[Zad 65] L.A.Zadeh , Fuzzy sets, Information and control, Vol.8,pp.338, 353, 1965.
[Zha 00] Zhang P. and Coonick A. H., Coordinated Synthesis of PSS Parameters in
multi-machine Power Systems Using the method of inequalities Applied to
Genetic Algorithms. IEEE Transactions on Power Systems, Vol. 15, No. 2,
May 2000, pp. 811-816.

Memoire Kort Obi

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Memoire Kort Obi

Încărcat de

Drepturi de autor:

Formate disponibile

Ministre de lEnseignement Suprieur et de la Recherche Scientifique

Ecole Nationale Polytechnique

Lnergie lectrique tant trs difficilement stockable, il doit y avoir en permanence

S-ar putea să vă placă și