Percée dans la modélisation des flux pour des réseaux électriques intelligents
Alors que les véhicules électriques (VE) se généralisent mondialement et que les énergies renouvelables transforment les réseaux électriques, le réseau de distribution vit une mutation historique. Il évolue d’une structure arborescente unidirectionnelle vers un maillage dynamique et bidirectionnel de flux énergétiques. Cette transformation présente à la fois une opportunité et un défi : comment maintenir la fiabilité, optimiser les opérations et garantir l’efficacité économique dans un environnement toujours plus complexe où les fluctuations de tension, les topologies maillées et les rapports d’impédance élevés défient les méthodes de contrôle traditionnelles.
Une étude récemment publiée dans les Proceedings of the CSEE marque une avancée significative pour relever ce défi. Des chercheurs de l’Institut de recherche sur l’énergie électrique de Chine, du 6e institut de recherche de China Electronics Corporation et de l’Université polytechnique de Hong Kong ont développé une approche novatrice baptisée IIL-PF (Iterative Implicit Linearization Power Flow) et son cadre d’optimisation associé, l’IIL-OPF (Iterative Implicit Linearization Optimal Power Flow). Ces modèles promettent d’offrir la vitesse de calcul et la précision nécessaires à la gestion des réseaux de distribution modernes en temps réel.
Pendant des décennies, les utilities électriques se sont reposées sur des méthodes classiques d’analyse des flux de puissance, comme l’algorithme de Newton-Raphson ou le flux de charge découplé rapide. Conçues pour les réseaux de transport à haute tension et faible résistance, ces méthodes reposaient sur des hypothèses valides dans ce contexte, comme des pertes négligeables et des niveaux de tension proches de l’unité. Les réseaux de distribution, au contraire, présentent des rapports résistance/réactance élevés, des chutes de tension significatives sur la distance et des topologies de plus en plus complexes en raison de la génération et du stockage distribués. Les modèles linéaires traditionnels, comme le flux de puissance continu, échouent dans cet environnement, tandis que les solveurs complets non linéaires en courant alternatif sont trop lents et souvent numériquement instables pour un usage fréquent dans la planification, la dispatch ou les opérations de marché.
L’innovation centrale du modèle IIL-PF réside dans sa manière de traiter la non-linéarité inhérente des systèmes électriques. Au lieu d’approximer le système entier une fois pour toutes en supposant que cette approximation reste valable dans toutes les conditions de fonctionnement – comme le font les anciennes méthodes de linéarisation – l’IIL-PF affine itérativement son approximation linéaire. Il commence par une initialisation « plate » (toutes les tensions à 1,0 par unité, tous les angles à zéro), construit une linéarisation tangente du système à ce point, calcule une solution approximative, puis utilise cette solution comme nouveau point de linéarisation. Ce processus se répète jusqu’à la convergence, généralement en deux ou trois itérations.
La puissance de cette approche ne réside pas seulement dans sa précision – bien que l’article rapporte des erreurs inférieures à 0,21 % pour la plupart des variables après seulement deux itérations – mais aussi dans sa capacité à modéliser explicitement des éléments que les autres méthodes linéarisées ignorent. Au premier rang de ceux-ci figurent les pertes en ligne et la distinction entre le flux de puissance à l’extrémité d’envoi et de réception d’une ligne. Dans les feeders de distribution à haute impédance, ces différences ne sont pas négligeables. Un modèle qui suppose des pertes nulles ou un flux entrant égal au flux sortant produira inévitablement des décisions de contrôle sous-optimales, voire dangereuses.
L’équipe de recherche a également étendu l’IIL-PF à un contexte d’optimisation : l’IIL-OPF. Ce cadre permet aux opérateurs de réseau de minimiser les coûts de production ou les pertes du système tout en respectant toutes les contraintes physiques et opérationnelles – limites de tension, capacités des lignes, plages de production des générateurs – le tout dans une structure de programmation linéaire. Parce qu’il est basé sur un modèle linéaire, l’IIL-OPF permet d’accéder aux variables duales, permettant le calcul des prix marginaux locaux (LMP) et des signaux de congestion, essentiels pour le dispatch basé sur le marché et la coordination des ressources énergétiques distribuées.
La validation a été réalisée à l’aide d’un système de test IEEE 33 nœuds modifié, une référence standard dans l’analyse des systèmes de distribution. Les chercheurs ont configuré le système en topologies both radiales (traditionnelles) et maillées (en boucle) pour comparer les performances sous différentes complexités structurelles. Dans les deux cas, l’IIL-PF a convergé rapidement et produit des résultats à moins de 1 % de ceux générés par le solveur AC-OPF non linéaire complet de MATPOWER – une référence absolue en simulation de systèmes électriques. Fait crucial, la configuration maillée a entraîné des pertes totales du système plus faibles et de meilleurs profils de tension que la configuration radiale, démontrant les avantages opérationnels de l’activation des boucles réseau – une pratique historiquement évitée en raison de problèmes de coordination des protections, mais qui devient de plus en plus réalisable avec les technologies de contrôle avancées.
Cette conclusion a des implications profondes pour les stratégies de modernisation des réseaux. À mesure que davantage de solaire en toiture, de stockage par batterie et de stations de recharge pour VE se connectent au réseau de distribution, maintenir la stabilité de la tension et éviter les surcharges thermiques devient plus difficile. Une topologie maillée offre une redondance, une meilleure flexibilité de routage de l’énergie et des pertes réduites – exactement les caractéristiques nécessaires pour un avenir énergétique résilient et décarboné. Mais sans outils de modélisation précis, rapides et évolutifs, les utilities ne peuvent pas exploiter ou planifier de tels réseaux en toute confiance.
L’IIL-PF et l’IIL-OPF comblent cette lacune. Contrairement aux approches basées sur les données ou l’apprentissage automatique – qui nécessitent d’énormes jeux de données d’apprentissage et offrent peu de garantie de faisabilité physique – le cadre IIL est ancré dans les principes fondamentaux. Il respecte les lois de Kirchhoff, la loi d’Ohm et la structure algébrique fondamentale du flux de puissance alternatif. Parallèlement, il évite la charge computationnelle des solveurs non linéaires, le rendant adapté à des applications telles que la planification day-ahead, le dispatch en temps réel et même la coordination intégrée transmission-distribution.
D’un point de vue industriel, le timing de ces travaux est crucial. Les ventes mondiales de VE ont dépassé les 14 millions d’unités en 2023, la Chine représentant plus de 60 % du marché. Des millions de nouveaux points de recharge sont installés chaque année, souvent dans des quartiers urbains denses où les feeders de distribution n’ont jamais été conçus pour gérer des flux bidirectionnels de haute puissance. De même, la capacité solaire distribuée continue sa croissance exponentielle, transformant les consommateurs passifs en « prosommateurs » actifs qui puisent et injectent de l’énergie dans le réseau.
Ces changements sollicitent les infrastructures existantes et exposent les limites des outils de planification conventionnels. Une utility utilisant un flux de charge radial traditionnel pourrait sous-estimer l’élévation de tension due aux exports solaires en milieu de journée ou surestimer la capacité disponible pour la recharge des VE en soirée. Le modèle IIL-PF, avec son traitement explicite des pertes, des flux en boucle et du couplage tension-angle, fournit une image beaucoup plus réaliste du comportement réel du réseau.
De plus, la nature linéaire de l’IIL-OPF le rend compatible avec les moteurs d’optimisation existants comme Gurobi ou CPLEX – des logiciels déjà utilisés dans de nombreux centres de contrôle et plateformes de trading énergétique. Cela réduit les barrières à l’adoption. Il n’est pas nécessaire de disposer de matériel exotique ou de solveurs spécialisés ; le modèle s’intègre dans les flux de travail actuels avec une adaptation minimale.
À plus long terme, les chercheurs suggèrent plusieurs extensions prometteuses. L’une d’elles consiste à utiliser les matrices de sensibilité dérivées de l’IIL-PF pour améliorer la gestion de la congestion – prédire quelles lignes seront surchargées sous différents scénarios de génération ou de charge et ajuster de manière préemptive le dispatch ou la topologie. Une autre est d’appliquer le cadre aux marchés de l’électricité, où des LMP précis au niveau de la distribution pourraient permettre le trading d’énergie pair-à-pair ou la tarification dynamique pour la recharge des VE.
Peut-être plus significativement, l’approche IIL pourrait soutenir l’intégration à grande échelle des ressources énergétiques distribuées (DER). En fournissant des modèles rapides, précis et différentiables du comportement du réseau, elle permet une coordination en temps réel entre des milliers d’onduleurs, de batteries et de charges intelligentes – transformant le réseau de distribution d’un conduit passif en une plateforme active et réactive.
Ces travaux s’alignent également sur les tendances mondiales en architecture de réseau. Le concept européen de « réseau de distribution actif », le cadre californien Distributed Energy Resource Provider (DERP) et les mises à niveau continues du réseau intelligent en Chine pointent tous vers un avenir où les systèmes de distribution sont surveillés, contrôlés et optimisés avec la même rigueur que les réseaux de transport. L’IIL-PF et l’IIL-OPF fournissent l’épine dorsale mathématique de cette vision.
Il est essentiel de noter que cette modélisation répond aux critères EEAT (Expérience, Expertise, Autorité, Confiance) mis en avant par Google pour une information de haute qualité. Les auteurs – Zhao Fei, Fan Xuejun, Li Yalou, Zhang Jian, Wu Junling et Zhang Wenjie – sont affiliés à des institutions leaders dans la recherche et l’ingénierie des systèmes électriques. L’Institut de recherche sur l’énergie électrique de Chine est la branche R&D principale de State Grid Corporation of China, la plus grande utility électrique au monde. Leurs travaux sont soumis à un examen par les pairs rigoureux, comme en témoigne leur publication dans les Proceedings of the CSEE, une revue de premier plan en génie électrique aux standards méthodologiques stricts.
La recherche est également transparente et reproductible. Tous les algorithmes sont décrits en détail, les critères de convergence sont spécifiés et des comparaisons sont faites avec des références établies. Il n’y a pas de composants boîte noire ou d’hypothèses propriétaires qui empêcheraient une vérification indépendante.
À une époque où la fiabilité du réseau impacte directement tout, de l’adoption des VE à la compétitivité industrielle, la capacité à modéliser et optimiser les réseaux de distribution avec une haute fidélité – et à grande échelle – n’est pas seulement une prouesse technique ; c’est une condition fondamentale pour la transition énergétique. L’IIL-PF et l’IIL-OPF représentent un bond significatif vers cet objectif, offrant une combinaison rare de rigueur physique, d’efficacité computationnelle et d’applicabilité pratique.
Alors que les décideurs politiques poussent à une décarbonation plus profonde et que les consommateurs demandent des services énergétiques plus flexibles et résilients, le réseau doit évoluer d’un système statique et hiérarchique vers un réseau dynamique et intelligent. Des outils comme ceux développés par Zhao, Fan, Li, Zhang, Wu et Zhang ne sont pas de simples exercices académiques – ils sont les facilitateurs de cette transformation.
Affiliations des auteurs : Zhao Fei¹, Fan Xuejun², Li Yalou¹, Zhang Jian¹, Wu Junling¹, Zhang Wenjie³ ¹China Electric Power Research Institute, district de Haidian, Beijing 100192, Chine ²The 6th Research Institute of China Electronics Corporation, district de Changping, Beijing 102209, Chine ³Department of Electrical Engineering, Hong Kong Polytechnic University, Kowloon 999077, RAS Hong Kong, Chine Auteur correspondant : Li Yalou
Revue : Proceedings of the CSEE DOI : 10.13334/j.0258-8013.pcsee.232076