Une avancée majeure dans l’optimisation des réseaux électriques hybrides
Une innovation significative dans le domaine des smart grids vient d’émerger avec le développement d’une méthode novatrice d’optimisation collaborative bi-niveaux spécialement conçue pour les réseaux de distribution hybrides courant alternatif/courant continu multi-zones interconnectés. Cette approche révolutionnaire répond aux défis critiques posés par l’intégration massive des énergies renouvelables et des nouvelles charges électriques comme les véhicules électriques et l’infrastructure 5G.
Alors que la transition vers la neutralité carbone s’accélère, les réseaux de distribution connaissent une transformation fondamentale. Les architectures radiales traditionnelles laissent place à des systèmes maillés dynamiques capables de gérer des flux bidirectionnels et une coordination en temps réel. Cette évolution s’accompagne cependant de nouvelles complexités : fluctuations de tension, pertes d’énergie et difficultés d’équilibrage entre l’offre et la demande across des zones hétérogènes. La méthode proposée résout ces problèmes en permettant une coopération fluide entre les niveaux moyenne tension (MT) et basse tension (BT) tout en exploitant la flexibilité des systèmes de stockage d’énergie et des technologies vehicle-to-grid.
Au cœur de cette percée technologique se trouve un cadre d’optimisation à double couche traitant les réseaux MT et BT comme des entités décisionnelles distinctes mais interdépendantes. La couche inférieure se concentre sur les zones BT individuelles, chacune pouvant accueillir un mix unique de panneaux photovoltaïques, stations de recharge pour VE, antennes 5G et stockage stationnaire. Dans chaque zone, le modèle détermine les plannings optimaux de charge et décharge pour minimiser les coûts opérationnels, incluant l’approvisionnement énergétique, la production photovoltaïque non-utilisée, les pertes réseau et la compensation des utilisateurs de VE.
Simultanément, la couche supérieure opère au niveau MT, où les objectifs principaux deviennent la minimisation des déviations de tension systémiques et des dépenses opérationnelles totales. Cette couche coordonne les échanges énergétiques entre les zones BT interconnectées via des convertisseurs de source de tension, agissant comme un contrôleur aérien redistribuant l’énergie excédentaire des zones surproductrices (par exemple celles avec un fort ensoleillement midi) vers les zones déficitaires (celles connaissant une demande de recharge de VE ou une charge 5G élevée).
La particularité de cette approche réside dans son mécanisme de convergence itératif alimenté par des boucles de rétroaction. Après une optimisation initiale au niveau BT, les profils de puissance et conditions de tension résultants remontent pour éclairer les décisions de la couche MT. Cette dernière calcule ensuite les flux énergétiques inter-zone optimaux et renvoie des conditions limites actualisées vers les zones BT. Le cycle se répète jusqu’à l’atteinte d’un équilibre stable, garantissant l’harmonisation entre autonomie locale et coordination globale.
L’équipe de recherche a validé sa méthodologie en utilisant un système de test IEEE 33 nœuds modifié, augmenté de sous-réseaux BT réalistes représentant trois zones distinctes : une zone à dominance CC avec solaire rooftop, une zone CA centrée sur l’infrastructure de recharge pour VE, et une autre zone CA accueillant multiple stations de base 5G. Chaque zone était équipée de stockage localisé et interconnectée via des convertisseurs de 100 kVA. La simulation intégrait des données réelles d’ensoleillement, de patterns d’usage des VE (incluant des arrivées aléatoires et distributions de kilométrage quotidien), et des profils de charge 5G liés à l’intensité du trafic communicationnel.
Trois scénarios comparatifs ont été évalués. Dans le premier, chaque zone opérait en isolation complète sans interconnexion ni coordination. Ce cas référence a entraîné une importante curtailment solaire (76 kW de production photovoltaïque gaspillée) et de sévères violations de tension, avec des pointes à 1.076 pu dans la zone riche en solaire – bien au-dessus de la limite standard de 1.05 pu. Les pertes réseau étaient élevées et l’efficacité globale du système en souffrait.
Le deuxième scénario introduisait des interconnexions physiques entre zones BT via les convertisseurs mais maintenait une optimisation séparée non-coordonnée entre couches MT et BT. Bien que permettant la redistribution de l’excédent solaire vers les zones voisines – réduisant la curtailment et abaissant les coûts opérationnels BT de nearly 30% – l’absence de rétroaction au niveau MT limitait la capacité du système à exploiter pleinement sa flexibilité. La stabilité de tension s’améliorait mais restait sous-optimale, avec des fluctuations persistantes durant les périodes de pic de production et de demande.
Le troisième et dernier scénario implémentait le cadre collaboratif bi-niveaux complet. Ici, la synergie entre couches libérait le plein potentiel du système. La curtailment solaire était virtuellement éliminée, et la pénétration photovoltaïque maximale allowable dans la zone solaire augmentait de plus de 112% compared au cas isolé – passant de 40 kW à 85 kW sans violation des contraintes de tension. Les coûts opérationnels BT totaux chutaient de 31.4%, tandis que les pertes réseau MT diminuaient de 26.3%. Plus impressionnant encore, l’écart charge de pointe/vallée se réduisait de plus de 25%, et la tension maximale observée était réduite de 5.85%, maintenant l’ensemble du réseau within des marges opérationnelles sûres.
Au-delà des gains économiques et techniques, la méthode améliore la résilience du réseau et la capacité d’accueil des énergies renouvelables. En permettant la redistribution en temps réel de l’énergie entre zones, elle atténue les risques de surcharges locales ou d’événements de sous-tension. Le stockage et les assets V2G sont déployés non seulement pour les économies de coûts mais comme tampons stratégiques lissant l’intermittence et fournissant des services auxiliaires. Les stations de base 5G – souvent perçues comme des charges inflexibles – sont intégrées au cadre d’optimisation through leurs modèles de charge empiriquement dérivés, garantissant que leurs fonctions de communication critiques ne sont jamais compromises tout en permettant à leur consommation énergétique d’être shapée en réponse aux conditions du réseau.
D’un point de vue computationnel, la stratégie de solution est equally sophistiquée. Les problèmes de la couche BT, caractérisés par des contraintes linéaires et convexes, sont résolus efficacement par programmation conique du second ordre – une technique adaptée au traitement des équations de flux de puissance AC/DC sous limites de sécurité. La couche MT, cependant, présente un défi multi-objectif : minimiser à la fois le coût et la déviation de tension. Ces objectifs concurrents sont reconciliés via une approche Pareto-optimale, où un algorithme génétique explore l’espace des solutions pour générer un ensemble de compromis non-dominés. Une technique de normalisation et d’agrégation identifie ensuite la solution de compromis la plus équilibrée, assurant l’équité entre priorités économiques et techniques.
Cette architecture dual-solver établit un équilibre idéal entre précision et scalabilité. Bien que les algorithmes génétiques puissent être computationnellement intensifs, leur application est confinée à la relativement petite couche MT, tandis que les plus nombreux sous-problèmes BT bénéficient de la vitesse et fiabilité de l’optimisation convexe. Le couplage itératif assure que la solution finale est globalement cohérente sans nécessiter un modèle monolithique intraitable.
Les implications de ces travaux s’étendent bien au-delà du laboratoire. Alors que les utilities worldwide grapple avec les doubles pressions de la décarbonation et de la digitalisation, les mécanismes de coordination scalable pour assets de distribution hétérogènes ne sont plus optionnels – ils sont essentiels. La méthode proposée offre un blueprint pratique pour les opérateurs de réseau cherchant à libérer la pleine valeur des ressources énergétiques distribuées sans overhaul l’infrastructure existante. En retrofitant les feeders legacy avec des convertisseurs intelligents et en déployant des algorithmes de contrôle avancés, les utilities peuvent transformer les réseaux de distribution passifs en plateformes actives auto-optimisantes.
De plus, le cadre est intrinsèquement extensible. Les futures itérations pourraient incorporer de la prévision probabiliste pour gérer l’incertitude de la production renouvelable et de la mobilité des VE, intégrer des programmes de demande response, ou même coordonner avec les systèmes de transmission amont. Le design modulaire facilite également l’intégration plug-and-play de nouvelles technologies – qu’il s’agisse d’électrolyseurs à hydrogène, de batteries behind-the-meter, ou d’agrégateurs de charge pilotés par IA.
Critiquement, la recherche adhère aux plus hauts standards de rigueur scientifique et de transparence. Toutes les assumptions sont clairement énoncées, les modèles sont fondés sur des principes établis de génie électrique, et la validation est performed contre des systèmes de référence largement acceptés. L’inclusion de structures de coûts détaillées – couvrant non seulement l’énergie mais aussi la dégradation des équipements, les incitations utilisateurs, et les pertes des convertisseurs – assure que les résultats reflètent une économie réelle plutôt que des idéaux théoriques.
Dans une ère où chaque kilowatt-heure compte et où la stabilité du réseau est primordiale, cette méthode d’optimisation bi-niveaux représente plus qu’une simple amélioration algorithmique – c’est un changement de paradigme dans notre conception et opération des réseaux de distribution. En comblant le fossé entre autonomie locale et coordination systémique, elle pave la voie vers un futur énergétique plus efficient, résilient et durable.
Auteurs : Keyan Liu, Wanxing Sheng, Huiyu Zhan (Centre de Technologie de Distribution d’Énergie, Institut de Recherche sur l’Énergie Électrique de Chine, Beijing 100192, Chine) ; Bo Tong, Lu Zhang, Wei Tang (Collège d’Ingénierie de l’Information et Électrique, Université Agricole de Chine, Beijing 100091, Chine) Publié dans : Electric Power Construction, Vol. 45, No. 1, janvier 2024 DOI : 10.12204/j.issn.1000-7229.2024.01.004