Nouveau Modèle de Pertes Réseau avec Énergies Renouvelables
L’intégration croissante des véhicules électriques (VE) et des énergies renouvelables dans les systèmes électriques modernes accroît considérablement la complexité de gestion des réseaux de distribution. La production décentralisée (DG), comme l’éolien et le solaire, combinée au comportement de charge bidirectionnelle des VE, introduit de nouveaux défis pour maintenir la stabilité et l’efficacité du réseau. Parmi ces défis, le calcul précis des pertes en ligne – particulièrement sous des conditions de charge variables et des distortions harmoniques – est devenu un enjeu critique pour les opérateurs cherchant à optimiser les performances et réduire les coûts opérationnels.
Une étude récente publiée dans Electrical Measurement & Instrumentation présente un cadre computationnel novateur conçu pour relever ce défi en introduisant un modèle complet pour calculer la limite des pertes en ligne dans les réseaux de distribution, tout en tenant compte de la corrélation des charges et des pertes harmoniques. Dirigée par Wang Tianlin de Guangdong Power Grid Co., Ltd., en collaboration avec les chercheurs Gao Chong, Zhang Junxiao du centre de planification et de recherche du réseau électrique de l’entreprise, et Zhang Zhen, Yang Moyuan et Ouyang Sen de la South China University of Technology, cette recherche offre une avancée significative dans l’analyse probabiliste des flux de puissance adaptée aux réseaux riches en ressources renouvelables.
La transition vers des systèmes énergétiques décentralisés remodelé les opérations traditionnelles des réseaux électriques. Contrairement à la production centralisée conventionnelle, où l’énergie circule unidirectionnellement des grandes centrales aux consommateurs, les smart grids actuels connaissent des échanges dynamiques et multidirectionnels dus aux panneaux solaires rooftops, au stockage sur batterie et aux technologies vehicle-to-grid (V2G). Ce changement entraîne une incertitude accrue dans les patterns d’offre et de demande. De plus, les comportements de charge des VE coïncident souvent avec les pics de charge résidentielle, exacerbant le stress sur les transformateurs et feeders locaux. Simultanément, l’usage répandu de l’électronique de puissance dans les onduleurs et chargeurs introduit des harmoniques dans le système, distordant davantage les formes d’onde de tension et de courant et augmentant les pertes résistives au-delà des niveaux standards 50/60 Hz.
Les méthodes existantes pour estimer les pertes en ligne reposent typiquement sur des modèles déterministes ou des approches statistiques simplifiées qui ne capturent pas le spectre complet de variabilité introduit par la dynamique moderne des réseaux. Certaines études considèrent la pénétration de la DG mais négligent les interdépendances entre différents types de charges. D’autres prennent en compte les effets harmoniques en utilisant des hypothèses fixes plutôt qu’en les traitant comme des variables stochastiques influencées par les conditions opérationnelles en temps réel. Ces limitations conduisent à des prédictions inexactes, qui peuvent induire en erreur les décisions de planification et compromettre les efforts pour atteindre une efficacité optimale du réseau.
Pour surmonter ces lacunes, l’équipe a développé un modèle probabiliste avancé fondé sur des méthodes basées sur les cumulants, améliorées par des techniques de transformation Nataf. L’approche commence par établir des modèles semi-invariants pour diverses entrées stochastiques, incluant la vitesse du vent, l’irradiance solaire et les patterns de charge/décharge des VE. La vitesse du vent est modélisée en utilisant une distribution de Weibull à deux paramètres, largement reconnue pour sa précision à représenter les régimes de vent across diverse geographical regions. L’irradiance solaire suit une distribution Beta, reflétant la nature bornée de l’intensité solaire throughout the day. Pour les VE, des distributions normales sont adoptées pour représenter à la fois la puissance de charge et de décharge, incorporant des valeurs moyennes et des écarts-types dérivés de données d’usage empiriques.
L’une des innovations clés réside dans la manière dont le modèle gère les corrélations entre charges multiples. Dans des scénarios réels, certains types de consommation électrique tendent à augmenter ou diminuer ensemble – par exemple, l’usage de la climatisation augmente lors des après-midi chauds, tandis que la demande d’éclairage culmine la nuit. Ignorer de telles dépendances conduit à une surestimation de la variance dans les calculs de flux de puissance, réduisant la précision globale. Pour résoudre ceci, les chercheurs ont appliqué une version améliorée de la transformation Nataf, une technique mathématique utilisée pour convertir des variables aléatoires non-normales corrélées en variables normales standards indépendantes. Ce faisant, ils ont préservé les relations statistiques entre différentes composantes de charge sans sacrifier la maniabilité computationnelle.
Cette méthode implique de transformer les variables corrélées originales en un espace où elles suivent une distribution normale standard multivariée. Une décomposition de Cholesky est ensuite effectuée sur la matrice de corrélation pour générer des échantillons indépendants, assurant que les analyses probabilistes subséquentes reflètent des comportements joints réalistes. Une fois l’indépendance atteinte, les cumulants – mesures statistiques analogues aux moments mais plus adaptées aux processus additifs – sont calculés efficacement en utilisant les propriétés des systèmes linéaires. Cette étape permet une propagation rapide des incertitudes à travers le réseau sans recourir à des simulations de Monte Carlo chronophages.
Une autre contribution majeure de l’étude est son traitement des pertes harmoniques, souvent négligées ou simplifiées à l’excès dans les évaluations conventionnelles des pertes en ligne. Les courants harmoniques générés par des dispositifs non linéaires comme les redresseurs et les entraînements à fréquence variable augmentent la résistance effective des conducteurs due aux effets de peau et de proximité. Les transformateurs subissent également des pertes supplémentaires par courants de Foucault et pertes stray sous excitation harmonique. Les pratiques de modélisation traditionnelles ignorent ces phénomènes ou supposent un contenu harmonique constant, conduisant à une sous-estimation systématique des pertes totales.
En contraste, le modèle proposé incorpore explicitement l’impact des niveaux variables de distortion harmonique. Basé sur des résultats de simulation de lignes de transmission représentatives de 20 km et de transformateurs de distribution de 50 kVA, les chercheurs ont établi des relations empiriques entre le contenu de courant harmonique et les pertes associées. Utilisant des techniques d’ajustement exponentiel, ils ont dérivé des expressions analytiques qui décrivent comment les pertes en ligne et de transformateur évoluent avec le contenu harmonique within un intervalle de confiance de 95%. Ces fonctions permettent au modèle d’ajuster dynamiquement les estimations de pertes based on fluctuating harmonic levels, fournissant une évaluation plus réaliste de la performance du réseau sous conditions distortues.
Le cœur de la méthodologie repose sur une formulation linéarisée des flux de puissance probabilistes, permettant un calcul efficace des cumulants des variables d’état. Partant d’une solution de cas de base déterministe obtenue via itération Newton-Raphson, les matrices jacobiennes et de sensibilité sont précalculées et stockées. Les évaluations stochastiques subséquentes exploitent ces matrices pour propager les incertitudes des entrées – exprimées comme cumulants – à travers les équations du système. Ceci évite les opérations de convolution intensives computationnellement requises dans les méthodes probabilistes par force brute, rendant l’approche scalable pour les grands réseaux de distribution.
Une fois les cumulants des variables de sortie telles que les tensions de nœud et les puissances de branche déterminés, l’expansion de Cornish-Fisher est employée pour reconstruire leurs fonctions de densité de probabilité. Contrairement aux séries classiques de Gram-Charlier, qui peuvent produire des probabilités négatives et diverger pour des distributions fortement asymétriques, la méthode de Cornish-Fisher fournit des approximations stables et précises même lorsque les distributions sous-jacentes s’écartent significativement de la normalité. Ceci assure une estimation fiable des événements extrêmes, tels que les pertes en ligne maximales ou minimales, qui sont essentielles pour fixer des limites opérationnelles et évaluer des scénarios worst-case.
Pour valider l’efficacité de leur modèle, les auteurs ont conduit des études de cas extensives sur un système de test IEEE 34-nœuds modifié. La configuration de référence inclut une charge totale d’environ 0.414 MW actif et 0.146 MVAR réactif, avec un écart-type de 30% dans les fluctuations de charge et un coefficient de corrélation pair-à-pair de 0.2. Des unités de production décentralisées étaient intégrées à des emplacements stratégiques, simulant des installations photovoltaïques avec une capacité combinée dérivée de données historiques d’irradiance solaire caractérisées par des paramètres de distribution Beta α = 0.68 et β = 6.78. Les turbines éoliennes suivaient une distribution de Weibull avec paramètre de forme k = 2.84 et paramètre d’échelle c = 5.23. Cent VE étaient inclus dans la simulation, avec 80% participant quotidiennement aux opérations V2G, chargeant au nœud 33 et déchargeant au nœud 29, chacun équipé d’un chargeur de 3.6 kW opérant à 75% d’efficacité round-trip et un facteur de puissance de 0.99.
Les résultats de simulation démontrent plusieurs findings importants. Premièrement, l’intégration de la DG conduit à des tensions de nœud moyennes plus élevées dues au support de génération locale, bien qu’elle augmente aussi l’incertitude de tension à cause de la production intermittente. Similairement, les flux de puissance de branche exhibent des magnitudes réduites près des points de génération mais montrent une plus grande variabilité, spécialement dans les situations de flux de puissance inverse observées sur les lignes terminales telles que le segment 32–34. La perte en ligne totale attendue diminue de 0.0177 MW (taux de perte de 4.1%) sans DG à 0.0139 MW (3.1%) avec DG, indiquant un bénéfice net malgré la complexité ajoutée.
Quand les VE sont introduits, le système expérimente des améliorations supplémentaires. Bien que le nœud 33 voit une légère baisse de tension due à la charge accrue de l’activité de charge, le nœud 29 bénéficie des injections de décharge V2G, résultant en des niveaux de tension élevés. Globalement, la tension moyenne du système augmente, contribuant à une meilleure qualité de puissance. Plus important, la présence de charges VE contrôlables aide à aplatir la courbe de demande, réduisant les stress de pic et abaissant les pertes agrégées. À un niveau de confiance de 95%, la plage des pertes en ligne possibles se rétrécit significativement après l’intégration des VE, highlightant l’effet stabilisateur des stratégies de charge gérées.
Les comparaisons entre scénarios avec et sans considération de la corrélation de charge révèlent des différences notables en précision. Quand les corrélations sont ignorées, les variances estimées des tensions de nœud et des puissances de branche sont consistently higher que celles produites par le modèle complet et validées contre des benchmarks de Monte Carlo. Alors que les valeurs moyennes restent similaires, les variances gonflées conduisent à des assessments de risque excessivement conservateurs et une prise de décision sous-optimale. En incorporant les structures de corrélation via la transformée Nataf améliorée, le modèle achieve un alignement plus proche avec la réalité simulée, enhancing la fidélité prédictive.
Les effets harmoniques s’avèrent tout aussi impactants. Sous des conditions typiques avec 20–30% de contenu de courant harmonique, négliger les pertes harmoniques résulte en une sous-estimation des pertes en ligne totales allant jusqu’à 30%. Même assumer un niveau harmonique fixe ne corrige que partiellement ce biais, car les spectres harmoniques réels varient avec la composition de charge et la sortie de la DG. Only when la variabilité harmonique est traitée stochastiquement le modèle capture-t-il pleinement la véritable étendue des pertes additionnelles. Les courbes de densité de probabilité résultantes non seulement shift upward mais exhibent aussi une asymétrie et une kurtosis cohérentes avec les observations du monde réel, confirmant l’importance de la modélisation harmonique dynamique.
Les comparaisons de performance soulignent les avantages pratiques de la méthode proposée. Contre une référence Monte Carlo avec 5,000 itérations, l’approche basée sur les cumulants livre des résultats within 1.5% d’erreur pour la perte en ligne moyenne et moins de 2% pour la variance, tout en réduisant le temps de computation de près de quatre minutes à juste over five seconds – une accélération excédant 40 fois. Cette efficacité rend le modèle particulièrement bien adapté aux applications en temps réel, aux études de planification à long terme, et aux routines d’optimisation itératives où une convergence rapide est primordiale.
D’une perspective plus large, cette recherche contribue au paysage en évolution de la gestion intelligente des réseaux. Alors que les utilities font face à une pression croissante pour décarboner, intégrer les renouvelables, et accommoder le transport électrifié, des outils capables de gérer des interactions complexes deviendront indispensables. La capacité à quantifier les outcomes extrêmes – tels que les bornes supérieure et inférieure des pertes en ligne – permet des investissements en infrastructure plus robustes, une planification de maintenance proactive, et la conformité avec les standards réglementaires.
De plus, le framework supporte l’analyse de scénarios et les tests de sensibilité, permettant aux planificateurs d’évaluer l’impact de différents taux d’adoption de VE, niveaux de pénétration de DG, et stratégies d’atténuation harmonique. Il pose aussi les bases pour des extensions futures, telles que l’incorporation de la résistance de conducteur dépendante de la température, des structures de tarification variant dans le temps, ou des menaces de sécurité cyber-physique.
En conclusion, le travail dirigé par Wang Tianlin et ses collègues représente un saut significatif en avant dans les capacités analytiques disponibles pour les systèmes de distribution modernes. En intégrant la modélisation stochastique, la gestion des corrélations, et le calcul de pertes sensible aux harmoniques within une structure unifiée et computationalement efficiente, le modèle établit un nouveau benchmark pour la précision et la scalabilité. Son application réussie à un réseau de test réaliste souligne sa readiness pour le déploiement dans des environnements utility actuels.
Alors que la poussée globale pour l’énergie propre s’intensifie, des outils de modélisation précis et adaptatifs comme celui-ci joueront un rôle crucial pour assurer que la transition est non seulement environnementalement durable mais aussi techniquement solide et économiquement viable.
Wang Tianlin, Gao Chong, Zhang Junxiao, Zhang Zhen, Yang Moyuan, Ouyang Sen ; Guangdong Power Grid Co., Ltd., South China University of Technology ; Electrical Measurement & Instrumentation ; DOI : 10.19753/j.issn1001-1390.2024.12.010