Академический Документы
Профессиональный Документы
Культура Документы
MAGISTERE EN ELECTROTECHNIQUE
Option : Fiabilité des systèmes électro-énergétiques
Présenté par :
KAHAL HOUSSEYN
Intitulé du mémoire :
BN Bayesian Network
DBN Dynamic Bayesian Network
DAG Directed Acyclic Graphs
CPD Conditional Distribution Probability
JPD Joint Probability Distribution
SDF Sureté De Fonctionnement
R(t) Fiabilité
F(t) Probabilité de défaillance
D(t) Disponibilité
A(t) Availability
λ(t) Taux de défaillance
µ(t) taux de réparation
M(t) Maintenabilité
MTBF Mean time between failure
MTTR Mean time to failure
BDF Bloc diagramme de fiabilité
E(t) Espérance mathématique
IACM Interrupteur Aérien à Commande Manuel
IACT Interrupteur Aérien à Creux de Tension
LOLP Loss Of Load Probability
FOR Forced Outage Rate
SAIFI System Average Interruption Frequency Index
CAIFI Customer Average Interruption Frequency Index
SAIDI System Average Interruption Duration Index
CAIDI Customer Average Interruption Duration Index
ASAI Average service availability index
G Graph
HMM Hidden Markov Model
P(x) Probabilité de x
P(x/y) Probabilité conditionnelle de x sachant y
P(x,y) Probabilité jointe
MCMC Markov Chain Monte Carlo
EM Expectation Maximization
LDS Linaire Dynamic System
RUL Remaining Useful Life
2TBN 2Time-Slice Bayésien Network
CHMM Coupled Hidden Markov Model
FHMM Factorial Hidden Markov Model
MTA Ligne Moyenne Tension Aérien
MTS Cable Moyenne Tension Souterrain
ACC Poste ACC
MAC Poste maconné
BE Boite Extrimité
Ar Arrivé
TR Transformateur
Dép Départ
Cons Consommateurs
ConsACC Consommateurs issu des postes ACC
Nomenclature
Les RB sont également utilisés pour traiter les problèmes d'analyse de données,
d'aide à la décision, de gestion des connaissances, de diagnostic ou de contrôle de
systèmes.
Notions de fiabilité
Chapitre I : Notions de fiabilité
I.1. Introduction :
Le concept de fiabilité est de plus en plus utilisé dans le monde scientifique et
technique [J.B]. Il est souvent utilisé pour évaluer la durée de vie d’un composant, d’un
système simple ou complexe. Un exemple concret d’un système complexe est un réseau
électrique. Ce dernier est considéré comme un système à haute disponibilité [M.R] car la
durée moyenne des coupures de service éprouvée par consommateur n’est que de quelques
heures par année.
Dans cette première partie, nous présentons tout d’abord la notion de sûreté de
fonctionnement, ensuite nous allons voir les différentes méthodes existantes dans la
littérature pour mesurer ou estimer la fiabilité.
La fiabilité est une des composantes de la sûreté de fonctionnement. Elle peut être
définie comme “la science des défaillances” [J.V]. La sureté de fonctionnement
«Dependability » est l’ensemble des aptitudes d’un bien qui lui permettent de remplir sa
fonction au moment voulu pendant la durée prévue, sans dommage pour lui même et son
environnement.
On peut définir quatre grandeurs:
3
Chapitre I : Notions de fiabilité
La relation entre ces derniers peut être représentée dans la figure au dessous :
Fonctionnement
Début Remise
Temps
I.2.1. Fiabilité :
Le terme « Fiabilité », est un néologisme introduit dans les années 60 pour traduire
le terme Anglo-Saxon « Reliability » [A.P, M.G]. Selon la Commission Electrotechnique
International (C.E.I), la fiabilité est définie comme « l’aptitude d’un dispositif à accomplir
une fonction requise, dans des conditions données, pendant une durée donnée ».
L’évaluation ou le calcul de la fiabilité d’un composant ou système peut s’effectuer dans
différents stades, allons de la conception (prédire la fiabilité pour répondre à un cahier des
4
Chapitre I : Notions de fiabilité
′ é é à ′ ′ ′
= ′ é [ , ]
(I.1)
Le système est supposé être sans défaillance à t = 0, on parle alors de système “cohérent”.
Mathématiquement la fiabilité nommée R(t) [A.P, M.G] d’un système S est donnée
comme suit:
5
Chapitre I : Notions de fiabilité
I.2.2. Maintenabilité:
Cette fonction est caractérisée par un taux de réparation µ(t), (inverse du temps moyen de
réparation MTTR)
I.2.3. Disponibilité :
La disponibilité est la probabilité pour qu’une entité soit en état d’accomplir une
fonction requise dans des conditions données à instant t, en supposant que la fourniture des
moyens extérieurs nécessaires est assurée. On la note D(t) ou A(t). C’est la traduction du
nom anglais : Availability [B.Z].
I.2.4. Sécurité :
6
Chapitre I : Notions de fiabilité
I.3.1.1. Défaut :
I.3.1.2. Défaillance :
I.3.1.3. Panne :
Une panne est l’inaptitude d’un dispositif à accomplir une fonction requise. Dés
l’apparition d’une défaillance, caractérisée par la cessation du dispositif à accomplir sa
fonction, le dispositif sera déclaré en panne. Par conséquent, une panne résulte toujours
d’une défaillance.
Les pannes sont classifiées d’une façon similaire aux défaillances. Cependant il
existe une classification particulière aux pannes : panne intermittente et panne fugitive.
Le taux de défaillance d’un composant est une fonction du temps. Il donne une
fréquence d’occurrence instantanée de défaillance pour un intervalle de temps très court.
Cette fréquence d’occurrence instantanée augmente généralement avec le temps [Y.B].
La probabilité pour qu’un système défaille à un instant donné t peut être représentée par la
loi exponentielle. Le taux de défaillance de chaque composant est représenté par une
constante strictement positive λ(t) = λ pour tout t >0 :
= 1 − , 4λ5 (I.5)
7
Chapitre I : Notions de fiabilité
7
6 = 899: (I.6)
Le taux de réparation indique l’aptitude d’un bien à être dépanné et/ou réparé. Dans le cas
ou il est constant la fonction de maintenabilité est :
' = 1 − , 4; (I.7)
7
'<=> = λ (I.8)
'<<> = ? "
∞
(I.9)
Il mesure la moyenne des temps de bon fonctionnement après réparation. On note que :
MTBF=MTTR+MUT (I.10)
'<=> 6
0= =
'<=> + '<< 6+λ
8
Chapitre I : Notions de fiabilité
7
'<< = ? [1 − ' ]" =
∞
;
(I.11)
t
Temps
Dans différents domaines, cette "loi" est assez générale. Si on reporte le taux de
mortalité en fonction de l'âge du composant, on obtient une courbe en baignoire. Cette
courbe exprime l’évolution du taux de défaillance tout au long de la durée de vie d’un
composant ou système, elle est composée de trois zones :
9
Chapitre I : Notions de fiabilité
Pour calculer la fiabilité d’un système on doit en premier lieu définir un modèle. Ce
modèle doit définir les paramètres de performance des composants logiciels et/ou matériels
du système (tels que les taux de défaillance), le niveau et le type de la redondance si elle
existe, ainsi que les hypothèses de défaillance.
Il existe dans la littérature plusieurs modèles de fiabilité. Les modèles les plus
utilisés sont : les modèles combinatoires [A.Aa], les modèles basés sur les chaînes de
Markov [R.A.S, K.S.T], les modèles basés sur les réseaux de Pétri [J.K.M, G.C, K.T].
Nous les présentons dans les paragraphes suivants.
10
Chapitre I : Notions de fiabilité
11
Chapitre I : Notions de fiabilité
Exemple :
12
Chapitre I : Notions de fiabilité
Exemple :
E.R
!
!
Réservoir
V1 Opérateur P1 en Vide
bloquée défaillant panne
fermée
Un BDF est un graphe orienté (N, E), dont chaque sommet de N est un bloc
représentant un composant du système et chaque arc de E est un lien de causalité
(dépendance) entre deux blocs. Dans tout BDF, deux blocs particuliers sont identifiés: ceux
sont sa source S et sa destination D. Un BDF représente un système et il est utilisé pour
calculer la fiabilité : un BDF est opérationnel si et seulement si, il existe au moins un
chemin opérationnel de S à D. Un chemin est opérationnel si et seulement si, tous les blocs
de ce chemin sont opérationnels. La probabilité qu'un bloc soit opérationnel est sa fiabilité.
Par construction, la probabilité qu'un BDF soit opérationnel est donc égale à la fiabilité du
système qu'il représente.
Quand le BDF est construit, on distingue trois types de système : série, parallèle ou série
parallèle (Mixte).
13
Chapitre I : Notions de fiabilité
System Série
Série
Composant
D
Composant
E
System Parallèle
Composant
D
Composant Composant
A C
Composant
E
System Mixte
Dans cette partie on présente les principales lois de probabilité utilisées pour le
calcul de la fiabilité d’un système.
A = B = CDE E
1− 4E
(I.12)
14
Chapitre I : Notions de fiabilité
La probabilité qu’une panne survienne n fois dans le temps t est donnée par :
FλG λ H
!, = (I.13)
!
D
=D (I.14)
Avec
D 47 4D
λ = D 47
(I.15)
D
'<=> = ∑∞
9K7 D = ∑∞K7 (I.16)
15
Chapitre I : Notions de fiabilité
Exemple :
GFP Q
L 4N L47 4M O
# = M O , η (I.17)
η η
GFP Q
4M O
> =1−, η (I.18)
GFP Q
4M O
= 1−> =, η (I.19)
16
Chapitre I : Notions de fiabilité
L 4N L47
λ = ηM η
O (I.20)
Et le MTBF :
7
'<=> = Γ M1 @ LO η @ γ (I.21)
, 4λ (I.22)
> 1 3 , 4λ (I.23)
17
Chapitre I : Notions de fiabilité
# λ, 4λ (I.24)
18
Chapitre I : Notions de fiabilité
7
'<=> (I.25)
λ
Cette loi est utilisée pour représenter la distribution des durées de vie des dispositifs
en fin de vie (usure) ou le taux de défaillance est croissant.
F GFV W
7
1 − ?4∞ , WXW " (I.26)
R√TU
Y =+ (I.27)
Pour cette loi, le logarithme de la duré de vie suit une distribution normale. Cette loi peut
être utilisée dans les cas ou la distribution des données n’est pas symétrique.
F ZHFV W
7 7
= 1 − ?4∞ , WXW " (I.28)
R√TU
Cette distribution dépend de deux paramètres K et λ. Elle est utilisée dans les
paramètres de redondance séquentielle [B.Z] ainsi pour représenter certains phénomènes
de défaillances en chaines.
19
Chapitre I : Notions de fiabilité
7 E47 4\
1 − Γ [ ?λ λ , " (I.29)
Et l’espérance mathématique :
E
Y = (I.30)
λ
Les différents paramètres influençant la fiabilité d'un composant sont dénommés facteurs
et représentés par la lettre grecque π; on citera par exemple le facteur qualité : Πq.
20
Chapitre I : Notions de fiabilité
Pour les composants non électroniques, il existe aussi des recueils permettant l'évaluation
de certains constituants élémentaires (vis, vannes, joints, etc.). On distingue par exemple :
Les résultats des calculs obtenus par l'intermédiaire de ces recueils, permettent d'estimer le
taux de défaillance de systèmes électroniques ou autres données de base essentielles pour
les analyses de SDF (arbres de défaillances, etc.).
I.8. Conclusion:
21
Chapitre II
II.1. Introduction :
Depuis quelques années, l’évaluation de la fiabilité des réseaux électriques prend de
l’importance chez les ingénieurs et spécialistes. Un nombre considérable d’articles
décrivant les différentes techniques de modélisation des réseaux pour le calcul des indices
de fiabilité sont publiés [R.N.A]. L’intérêt grandissant autour de la fiabilité des réseaux
électriques est également motivé par les résultats de plusieurs analyses statistiques qui
démontrent que la composition des systèmes électriques contribue à hauteur de 80% sur
l’indisponibilité du service électrique chez les consommateurs [P.J.O].
Dans cette partie on présentera les notions de base de la fiabilité des réseaux
électriques. On donnera en premier lieu la structure d’un réseau électrique et on définira
ses principaux composants. On constate que l’étude de la fiabilité d’un réseau électrique
nécessite la connaissance de certains paramètres et indices qui décrivent l’état du réseau.
L’étude de la fiabilité d’un réseau électrique, peut être effectuée selon plusieurs phases.
Rappelons qu’un réseau électrique est constitué de trois systèmes :
Centrale HTB/HTA
Thermique Clients
HTA
Centrale HTA/BT
Nucléaire
Poste de connexion
Clients
Poste source BT
22
Chapitre II : Fiabilité des réseaux électriques
Une centrale électrique est un site industriel qui produit de l’électricité en grande
quantité. Les centrales électriques transforment des sources d’énergie naturelles en énergie
électrique afin d’alimenter en électricité des consommateurs, particuliers ou industriels
relativement lointains de la façon la plus fiable et la plus économique possible. Ces stations
sont conçues de façon à garder le niveau de risque de ne pas répondre à la demande en
dessous d’un certain seuil prédéterminé. Différentes sources d’énergie sont utilisées dans
les centrales de production d’énergie : énergie solaire, fossiles (charbon, pétrole et gaz
naturel), éolienne, énergie hydraulique ou hydro-électrique, nucléaire, etc.
Un pylône électrique peut supporter plusieurs ternes. Les pylônes sont tous soigneusement
reliés à la terre par un réseau de terre efficace. Les pylônes supportent les conducteurs par
des isolateurs en verre ou en porcelaine qui résistent aux tensions élevées des lignes
électriques. Généralement la longueur d'un isolateur dépend directement de la tension de la
ligne électrique qu'il supporte. Les isolateurs sont toujours munis d'éclateurs qui sont
constitués de deux pointes métalliques se faisant face.
23
Chapitre II : Fiabilité des réseaux électriques
Les transformateurs étant des matériels particulièrement coûteux, leur protection est
assurée par différents mécanismes redondants.
Les postes électriques sont les nœuds du réseau électrique. Ce sont les points de connexion
des lignes électriques. Les postes des réseaux électriques peuvent avoir 2 finalités :
24
Chapitre II : Fiabilité des réseaux électriques
Sur le quel se raccorde les départs au moyen d’appareils, assurant la matérialité des
sommets du réseau.
II.2.5.2. Sectionneur :
Le sectionneur ne doit pas être manœuvré qu’en absence de courant (ne possède pas
un pouvoir de coupure). La tâche principale d’un sectionneur est la séparation sur des
parties de l’installation qui ne seront donc plus sous tension et deviendront ainsi
accessibles aux travaux d’entretien.
II.2.5.3. Disjoncteur :
Les appareils les plus importants dans un réseau électrique, sont ceux qui
permettent la coupure et la fermeture du circuit tel que les IACM (Interrupteur Aérien à
Commande Manuel). Ces appareils ont deux états : Ouvert ou Fermé.
• Etat ouvert : doit présenter un espace de coupure suffisant pour résister aux
tensions d’essais alternatives et à celles de choc prévus pour le niveau de tension en
question.
• Etat fermé : doit conduire tous les courants pour lesquels il à été dimensionné, y
compris celui de court circuit, c’est à dire être en mesure de supporter toutes les
charges thermiques et mécaniques correspondantes.
25
Chapitre II : Fiabilité des réseaux électriques
Les principales causes des pannes de courant sont les suivantes : arrêts
programmés, perte d’approvisionnement, contact avec un arbre, foudre, défaillance de
l’équipement, intempéries ou erreur humaine. En moyenne, au cours de la période de cinq
ans, environ 75 % de toutes les pannes et de 85 à 90 % de toutes les heures des pannes
subies par les abonnés ont été causées par des troubles du réseau de distribution. Les autres
pannes ont été provoquées par la perte d’approvisionnement, laquelle découle de pannes au
niveau du réseau de production et de transport. Les défauts mentionnés auparavant,
peuvent être divisés en types, selon les origines de ses perturbations :
• Les défauts d’isolement d’origine externes : Ils sont plus dus à des perturbations
naturelles atmosphériques (foudre, tempêtes, brouillard, vent, givre, etc.). par
exemple, dans les régions montagneuses, les réseaux aériens sont beaucoup plus
exposés que d’autres à la foudre dont la protection peut être assurée par des
parafoudres, ou accidentellement comme les amorçages dus aux chutes de branches
ou d’oiseaux, des courts-circuits provoqués par des engins des travaux publiques ou
agricoles, par la pollution, etc.
Exemple :
Soit un système totalisant 45MW de production, composé des unités suivantes :
(a) 10 MW (FOR = 0.02)
(b) 15 MW (FOR = 0.03)
(c) 20 MW (FOR = 0.05)
Si le système de production précédent alimente une charge L=30 MW, le LOLP
sera simplement la somme des probabilités de voir la production passer sous les 30MW :
27
Chapitre II : Fiabilité des réseaux électriques
∑ ∑ λ
= ∑
=∑ (II.2)
28
Chapitre II : Fiabilité des réseaux électriques
∑ ∗ é ∑ λ
= ∑ é
= ∑
(II.3)
∑ é ∗ é ∑
= ∑
= ∑
(II.4)
∑ é ∗ é ∑
= ∑
= ∑ λ
(II.5)
29
Chapitre II : Fiabilité des réseaux électriques
30
Chapitre II : Fiabilité des réseaux électriques
31
Chapitre II : Fiabilité des réseaux électriques
Une autre façon de déterminer les sommes appropriées à investir dans la fiabilité
est de comparer les coûts occasionnés par les pannes (c’est-à-dire les coûts résultant d’une
fiabilité faible) aux coûts nécessaires pour fournir une plus grande fiabilité. Lorsque la
fiabilité est faible, les pannes d’électricité se font plus fréquentes et les abonnés en
subissent des conséquences plus importantes. Plus on améliore la fiabilité, plus on tire
profit de l’investissement consenti, car les pannes se font moins fréquentes. Selon cette
approche, les planificateurs tentent de déterminer le niveau de fiabilité obtenu en réduisant
les coûts au minimum (figure 2-2). Si l’investissement dans l’infrastructure est moins élevé
que le montant idéal, les coûts liés aux pannes seront plus élevés pour la société que les
épargnes sur l’infrastructure. Si, à l’inverse, l’investissement dans l’infrastructure est plus
élevé que le montant idéal, la société paiera plus pour les infrastructures que les économies
qu’elle aura réalisées sur les pannes.
II.7. Conclusion :
On peut conclure que l’étude de la fiabilité d’un réseau électrique nécessite une
connaissance approfondie sur la structure du réseau étudié, ainsi que les défaillances
associées à chaque composant qui constitue le réseau. Ces défaillances peuvent être
acquises à partir de l’historique des pannes du réseau et qui servent à calculer les indices
de fiabilité et de qualité.
Parmi les méthodes les plus utilisées on trouve la simulation de Monte-Carlo, qui
présente l’avantage d’être rapide et généraliste par rapport aux méthodes analytiques.
32
Chapitre III
Réseaux Bayésiens
Chapitre III : Réseaux Bayésiens
III.1. Introduction :
L’objectif de cette partie est de présenter le principe et les propriétés des Réseaux
Bayésiens (R.B.). Les R.B. sont des cas particuliers des modèles graphiques; ces derniers
se basent sur la théorie des graphes et la théorie des probabilités. En effet, un réseau
bayésien est un graphe orienté acyclique où les variables sont les sommets du graphe.
Dans le jargon de la théorie des réseaux bayésiens, le terme « sommet » est
communément remplacé par le terme « nœud ». Ces réseaux modélisent l’évolution de
l’état d’un composant en fonction des facteurs d’influence, où les arcs du graphe
représentent la probable causalité entre deux variables. Cette probable causalité va être
quantifiée par une probabilité conditionnelle. L’inférence bayésienne s’effectue facilement
et avec un faible coût de calcul grâce à la théorie des graphes.
33
Chapitre III : Réseaux Bayésiens
34
Chapitre III : Réseaux Bayésiens
1 3
2 5
7 4 6
Avec ;
= 1, … ,7 , 1,2 , 2,4 , 2,6 , 3,2 , 3,5 , 4,1 , 4,7 , 5,6
Pa(2)={1,3}, Pa(6)={2}
Ch(2)={4,6}, Ch(3)={2,5},
III.2.1.6.3. Circuit :
Un circuit est un chemin dont l’extrémité du dernier arc est l’origine du premier.
On prend toujours le même exemple, {(1,2), (2,4), (4,1)} représente un circuit.
35
Chapitre III : Réseaux Bayésiens
Nota : les graphes orientés ne possédant pas de cycles sont appelés DAGs (Directed
Acyclic Graphs).
Les réseaux bayésiens sont représentés par les DAGs.
36
Chapitre III : Réseaux Bayésiens
P( B / A) P( A)
P( A / B) =
P( B)
Le terme P(A) est la probabilité à priori de A. Elle est « antérieure » au sens qu’elle
précède toute information sur B. P(A) est aussi appelée la probabilité marginale de A. Le
terme P(A | B) est appelée la probabilité à posteriori de A sachant B (ou encore de A
sachant B). Elle est « postérieure », au sens qu’elle dépend directement de B. Le terme
P (B | A), pour un B connu, est appelé la fonction de vraisemblance de A.
On peut représenter la probabilité jointe P (A, B) = P (A / B) P (B) = P (B / A) P(A) par
trois réseaux bayésiens simples donnés dans la figure 3-2 :
A B B
B A A
37
Chapitre III : Réseaux Bayésiens
P ( A = ai , C = ck \ B = b j ) = P ( A = ai \ B = b j ) P ( C = ck \ B = b j )
A C
38
Chapitre III : Réseaux Bayésiens
P (C = ck / B = bj) > 0
Ce qui ce traduit par le fait que sachant B, l’état de C n’influence en aucun cas
l’état de A. Ces propriétés d’indépendance conditionnelle peuvent être représentées par un
graphe orienté d’indépendance, défini par Whittaker [F.C].
,…, = /
Avec Pa(Xi) est la suite des parents de Xi . Pa (Xi) = ø quand Xi est un nœud d’entrée et
donc la probabilité correspondante n’est pas conditionnelle mais marginale(ou à priori).
39
Chapitre III : Réseaux Bayésiens
Exemple :
On considère un système de trois composants A, B et C. Les probabilités de panne
des composants A, B et C sont de 15 %, 7 % et 3 %. On suppose que le système a la
structure représentée sur le schéma de la figure 3-4, c’est-à-dire qu’il est en panne si A est
en panne, ou si B et C le sont.
40
Chapitre III : Réseaux Bayésiens
1. Représenter à l’aide d’un réseau bayésien les dépendances entre les états des
composants A, B, C et l’état du système.
2. Calculer la probabilité de panne du système.
3. Calculer la probabilité pour que A soit en panne sachant que le système est en
panne.
4. Calculer la probabilité pour qu’aucun composant ne soit en panne.
Solution :
A :V.A représentant l’état du composant A possédant deux modalités : A1 et A2 avec
P(A1) = 0.85 si A fonctionne et P(A2) = 0.15 si A est défaillant.
B : V.A représentant l’état du composant B possédant deux modalités : B1 et B2 avec
P(B1) = 0.93 si B fonctionne et P(B2) = 0.07 si B est défaillant.
C : V.A représentant l’état du composant C possédant deux modalités : C1 et C2 avec
P(C1) = 0.97 si C fonctionne et P(C2) = 0.03 si C est défaillant.
D: V.A représentant l’état de la branche D qui contient B et C possédant deux modalités
D1 et D2.
S : V.A représentant l’état du système possédant deux modalités S1 et S2.
P(B1)=0.93 P(C1)=0.97
P(A1)=0.85
P(A2)=0.15 P(B2)=0.07 P(C2)=0.03
A B C
D
B1 C1 B1 C2 B2 C1 B2 C2
P(D1) 1 1 1 0
P(D2) 0 0 0 1
S
A1D1 A1D2 A2 D1 A2 D2
P(S1) 1 0 0 0
P(S2) 0 1 1 1
De même
P (D2 / S2) = 0.0138
42
Chapitre III : Réseaux Bayésiens
III.5.1.1. Polyarbres :
Pearl a édité dans le début des années 80 un algorithme d’inférence efficace dans
de réseaux simples, dit polyarbres pour le calcul de la distribution marginale d’une
variable. Cet algorithme est exact et a une complexité polynomiale dans le nombre de
nœuds, mais fonctionne seulement pour les polyarbres.
III.5.1.3. Algorithme LS :
Lauritzen et Spiegelhalter [L.S] ont présenté un algorithme dit dans la littérature
“algorithme LS” et qui fait usage d’un “arbre de cliques” (les cliques sont des parties
remarquables de l’ensemble des variables aléatoires du réseau. Cet algorithme est une
généralisation de l’algorithme original de Pearl. L’idée de base en est de transformer le
réseau bayésien en un arbre de cliques appelé “arbre de jonction” (en d’autres termes, on
établit entre certaines cliques des liens privilégiés). Associant à ces cliques des fonctions
appelées potentiels, l’algorithme modifie progressivement ces potentiels, en passant d’une
clique à une clique qui lui est liée (ce qu’on appelle “transmission de messages”) de sorte
qu’en fin de son déroulement le potentiel de chaque clique soit la loi conjointe des
variables aléatoires constituant cette clique. L’algorithme de propagation fonctionne
efficacement pour les réseaux clairsemés, mais peut être extrêmement difficile pour les
réseaux denses. Sa complexité est exponentielle par rapport à la taille de la plus grande
clique de l’arbre de jonction.
43
Chapitre III : Réseaux Bayésiens
Nous avons montré que la représentation intuitive d’un graphe de causalités pouvait
être rendue quantitative par l’utilisation de probabilités. Ensuite, nous avons montré que les
propriétés du graphe de causalités permettaient de faciliter les calculs (l’inférence) à
l’intérieur de ce graphe et nous avons décrit les principales méthodes d’inférence.
La dernière question qui se pose est : « Où trouver ces probabilités ? » Il est en effet
assez peu réaliste de penser qu’un expert pourra fournir de façon numérique l’ensemble
des paramètres nécessaires à l’inférence dans un graphe. Même si certaines études ont
montré que la sensibilité des conclusions aux paramètres était relativement faible (c’est-à-
dire que l’on a surtout besoin d’ordres de grandeur plutôt que de probabilités réelles) [P.N],
il peut être intéressant dans certains cas de déterminer ces paramètres à partir d’une base
d’exemples.
44
Chapitre III : Réseaux Bayésiens
L’apprentissage consiste à rechercher la structure, qui une fois munie des meilleurs
paramètres, rende compte le mieux possible des données observées.
Il faut reconnaître que la plupart des recherches actuelles utilisent plutôt la première option
et négligent complètement le problème des distributions continues de variables.
45
Chapitre III : Réseaux Bayésiens
L1 L2
G1 Consommation G2
Solution :
La construction du Réseau Bayésien se fait en trois étapes ; Identification des
variables, définition de la structure du RB et définition de la loi de probabilité conjointe
des variables.
46
Chapitre III : Réseaux Bayésiens
b- Structure de graphe :
Le modèle graphique de ce réseau électrique est représenté sur la figure 3-7 au dessous :
G1 L1 L2 G2
PE1 PE2
Cons
c- Table de probabilité :
1. Probabilités marginales :
2. Probabilités conditionnels :
47
Chapitre III : Réseaux Bayésiens
Résultats:
Pour la simulation on a utilisé deux outils de représentation, BNT (Bayes Net
Toolbox) et Hugin lite 7.4.
• Hugin lite :
En premier lieu on va commencer avec Hugin, dont la structure du réseau bayésien
modélisant le réseau électrique est présentée dans la figure 3-8.
48
Chapitre III : Réseaux Bayésiens
49
Chapitre III : Réseaux Bayésiens
50
Chapitre III : Réseaux Bayésiens
51
Chapitre III : Réseaux Bayésiens
PShivers = 0.2500
PG1vrai = 0.9000
PG2vrai = 0.9000
PL1vrai = 0.9975
PL2vrai = 0.9975
PPE1vrai = 0.8978
PPE2vrai = 0.8978
PConsvrai = 0.5391
Si on fixe S=Hiver, on trouve que la consommation est satisfait à 0.8414 :
52
Chapitre III : Réseaux Bayésiens
Figure 3-11: Probabilité que le consommateur soit satisfait sachant que S=Hivers
53
Chapitre III : Réseaux Bayésiens
Génération
de résidus
Données experts
Données
maintenance
Conditions
d’utilisation
Les réseaux Bayésiens Dynamiques (DBN) sont un cas particulier des réseaux
Bayésiens classiques, capables de représenter l’évolution des variables dans le temps. Un
DBN est composé d’une suite de tranches de temps, où chaque tranche contient un
ensemble de variables représentant l’état de l’environnement pour ce laps de temps.
Chaque tranche est en soi un réseau Bayésien, et la même structure de réseau est répliquée
au fur et à mesure que le temps avance. La dynamique temporelle de l’environnement
modélisé est représentée par des arcs reliant les différentes tranches entre elles. De plus,
chaque tranche peut contenir des nœuds d’observation qui modélisent les entrées du
modèle sur l’état courant de l’environnement. Ces observations peuvent être bruitées, dans
ce cas, le bruit d’observation est modélisé par la probabilité Pr(Ot|Xt) qui représente la
probabilité d’observer Ot sachant que l’environnement se trouve dans l’état Xt.
Le DBN le plus simple est le HMM qui est formé d’un nœud représentant l’état du
système et un nœud d’observation.
54
Chapitre III : Réseaux Bayésiens
Dans l’exemple de la Figure 3-13, nous avons déployé la structure pour 4 tranches
de temps. Nous voyons donc que pour un DBN, nous devons spécifier
1) la structure à l’intérieur d’une tranche de temps
2) les liens avec la prochaine tranche
3) les paramètres des deux premières tranches.
La structure et les paramètres sont considérés comme constants et se répètent dans chaque
tranche, mais ceci n’est que le cas général et il existe des DBNs dont la structure change
dans le temps [K.G].
La structure présentée, où l’on ne doit définir que les deux premières tranches est
connue sous le nom de 2Time-Slice Bayésien Network (2TBN).
55
Chapitre III : Réseaux Bayésiens
Méthode But
Filtring (Filtrage) Pr % /& 1: % ; Méthode on line qui estime l’état courant du
modèle.
Smoothing (Lissage) Pr 1: % /& 1: % ; Méthode off line qui estime tous les états
passés, à partir de toutes les observations jusqu’au temps courant t .
Fixed-Lag Pr % − )% /& 1: % ; Méthode on line qui estime l’état à un
Smoothing certain moment passé (t-dt). Sur base de toutes les observations
jusqu’au temps courant t.
Viterbi max- :. Pr 1: % /& 1: % , Méthode off line qui calcule la
séquence la plus probable des états cachés, toujours à partir des
observations
Prédiction Pr % + )% /& 1: % , Méthode on-line qui extrapole la
distribution probabiliste pour les tranches de temps futures.
Toutes ces méthodes peuvent être implémentées de plusieurs manières différentes, même
en utilisant des méthodes des réseaux Bayesiens classiques, bien que cette approche soit
extrêmement lente. En général les algorithmes d’inférence dans les DBN sont loin d’être
simples à expliquer, nous ne pouvons que conseiller la visite des sites cités plus haut pour
le lecteur désirant d’en apprendre plus.
56
Chapitre III : Réseaux Bayésiens
Mis à part le HMM qui forme la base de presque tous les DBNs, il existe une
multitude d’autres structures de base. A la Figure 3-15 nous présentons une série
d’exemples où les nœuds noircis représentent les nœuds d’observation, tandis que les
blancs, les nœuds cachés. Chaque nœud peut contenir plusieurs variables.
Récemment, des extensions du HMM avec plusieurs chaînes cachées interagissant entre
elles comme le Coupled Hidden Markov Model (CHMM) et le Factorial Hidden Markov
Model (FHMM) ont été proposées. Dans ces modèles, la taille de l’état de croyance dépend
de manière exponentielle du nombre de chaînes cachées. Si ce nombre est grand, les
problèmes d’inférence et d’estimation de paramètres deviennent intraitables, ce qui rend
nécessaire l’emploi de méthodes approximatives. Le CHMM emploie une approximation
déterministe en ne gardant qu’un nombre fixe de « têtes » (« heads ») avec les plus grandes
probabilités. Les « têtes » sont choisies de manière déterministe plutôt qu’aléatoirement
57
Chapitre III : Réseaux Bayésiens
V2
V1
V3
Dans ce système, une vanne a deux modes de défaillance, et donc trois états possibles :
OK : la vanne fonctionne normalement
RO : la vanne reste toujours ouverte (défaillance)
RC : la vanne reste toujours fermée (défaillance)
Le problème est de prédire si le système reste contrôlable (c'est-à-dire, si on peut toujours
contrôler le passage du fluide ou non dans le système).
58
Chapitre III : Réseaux Bayésiens
RO RF RO RF
Dis Dis
p p
OK RO RF
V 1t 1 0 0
V 2t 1 0 0
V 3t 1 0 0
59
Chapitre III : Réseaux Bayésiens
Disp
RO RF Oui Non
Oui 0 1
Oui Non 0 1
Oui 0 1
Non Non 1 0
-a-
V1 V2 V3 RO RF
OK Faux Faux
OK RO Faux Faux
RF Faux Faux
OK Faux Faux
OK RO RO Faux Faux
RF Faux Faux
OK Faux Faux
RF RO Faux Faux
RF Faux Vrai
OK Faux Faux
OK RO Vrai Faux
RF Faux Faux
OK Vrai Faux
RO RO Vrai Faux
RF Vrai Faux
OK Faux Faux
RF RO Vrai Faux
RF Faux Vrai
OK Faux Vrai
OK RO Faux Vrai
RF Faux Vrai
OK Faux Vrai
RO RO Faux Vrai
RF Faux Vrai
OK Faux Vrai
RF RO Faux Vrai
RF Faux Vrai
-b-
Tableau 3-6 : Probabilités marginales de «Disp », « RO » et « RF ».
60
Chapitre III : Réseaux Bayésiens
V1t+1
t
V1 OK RO RF
OK 0.97 0.02 0.01
RO 0 1 0
RF 0 0 1
-a-
V2t+1
V 2t OK RO RF
OK 0.95 0.03 0.02
RO 0 1 0
RF 0 0 1
-b-
V3t+1
t
V3 OK RO RF
OK 0.93 0.04 0.03
RO 0 1 0
RF 0 0 1
-c-
Tableau 3-7 : Probabilités conditionnelles du model de transition.
Il faut rappeler que la structure du RB ne change pas dans le temps, ainsi les
variables RO, RF et Disp peuvent être regroupé dans la même catégorie.
61
Chapitre III : Réseaux Bayésiens
Figure 3-18 : Evolution de la probabilité de défaillance des trois vannes V1, V2 et V3.
62
Chapitre III : Réseaux Bayésiens
Figure 3-19 : La probabilité que le système reste ouvert ou fermé en fonction du temps.
63
Chapitre III : Réseaux Bayésiens
III.11. Conclusion :
On a vu dans cette partie, que les réseaux bayésiens sont des cas particuliers des
méthodes graphiques. La structure des RB comporte les variables d’entrées, intermédiaires
et d’observation. Chaque variable est caractérisé par sa table de probabilité. Plusieurs
méthodes ont été développées lors de l’inférence dans les réseaux bayésiens. On distingue
les méthodes complètes (correctes), qui permettent de calculer n'importe quelle
probabilité conditionnelle dans un temps proportionnel au nombre de nœuds et les
méthodes approximatives. Ces dernières sont conçues pour éviter le calcul qui croit d’une
manière exponentiel en fonction du nombre de variables. La construction d’un réseau
bayésien se fait en deux étapes. La première étape consiste à construire la structure du
graphe et la deuxième s’attachant à estimer les probabilités correspondantes.
La modélisation des systèmes dynamiques s’effectue avec les réseaux bayésiens
dynamiques, ces derniers sont étudiés au cours de cette partie, tout en présentant son
principe, y a compris la représentation et l’inférence des DBNs.
En dernier temps, on a essayé de modéliser un petit réseau électrique en utilisant et
en comparant deux logiciels de simulation ; HUGIN et BNT, ce dernier présente
l’avantage d’être capable de représenter les Réseaux Bayésiens Dynamiques.
64
Chapitre IV
par un RBD
Chapitre IV : Modélisation d’un réseau électrique par un RBD
IV.1. Introduction :
Dans cette partie on s’intéresse à modéliser l’impact des différentes variables sur la
qualité et la continuité de service d’un réseau de distribution d’énergie électrique (réseau
HTB/HTA).
Cette étude est faite sur un réseau de distribution HT/MT. Il est menu de deux (02)
arrivées HTB à 60 kV et 08 départs HTA (30kV). Les deux arrivées HTB, sont reliées aux
deux transformateurs HTB/HTA, dont la puissance de chacun est égale à 30 MVA. En plus
de ses deux transformateurs il existe d’autres équipements qui servent à la canalisation de
l’énergie et la protection du poste. La structure du poste de distribution HTB/HTA est
présenté en annexe 3 :
Ce poste comporte 08 départs à 30 kV, chacun alimente des abonnées HTA ou BT, il y
a d’autres ouvrages qui ne figurent pas dans le schéma synoptique présenté en annexe 3, on
peut citer à titre d’exemple les lignes aériennes, câbles souterrains, IACM, Poste HTA/BT,
cellules d’interruption …etc.
65
Chapitre IV : Modélisation d’un réseau électrique par un RBD
IV.2.1.
2.1. Réseaux HTA Aériens :
IV.2.1.1. Dorsale :
Des détecteurs aériens de défaut peuvent être installés sur la ligne HTA pour
faciliter la recherche de défaut.
IV.2.1.2. Dérivation :
66
Chapitre IV : Modélisation d’un réseau électrique par un RBD
La structure des réseaux souterrains est à un seul ordre de lignes : Les dorsales. Ces
réseaux, de par leur constitution (faible longueur et forte section des conducteurs) sont le
siège de chutes de tension réduites. De ce fait, et tenant compte de l’importance des
incidents (charge coupée et durée d’interruption, plus élevées par rapport au réseau aérien),
il sera prévu une réalimentation soit par les réseaux voisins soit par un câble de secours.
Les câbles sont issus de deux sources distinctes. Cette structure est utilisée dans le
cas des postes HTB/HTA où la puissance ne peut être garantie.. Cette solution limite la
charge à la moitié de la capacité des câbles de distribution.
67
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Un départ mixte est un départ aéro-souterrain défini par le rapport entre la longueur
de la partie souterraine et la partie aérienne qui doit être comprise entre 25% et 80%,
(25% < Ls/La < 80%).
La longueur du réseau y a compris les lignes MTA et câble MTS, égale à 841.94
km, les différents consistances sont données dans le tableau au dessous :
68
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Sain Incidents
Lignes aériens (MTA) 10% 12%
Câbles souterrains (MTS) 6% 8%
Les postes ACC raccordés à un réseau aérien, seront préférentiellement sur poteau,
pour les puissances de transformation inférieures ou égales à 160 KVA. Le transformateur
sera connecté par l’intermédiaire d’un interrupteur manuel (IACM) à la dérivation et par
ponts amovibles à la sous dérivation.
Le nombre maximum de départs basse tension est fixé à 2. Les départs seront
équipés de disjoncteurs à image thermique.
Les postes HTA/BT raccordés à un réseau aérien seront maçonnés pour une
puissance de transformation finale supérieure à 160 kVA.
Les départs à basse tension au nombre de quatre, seront raccordés à un tableau type
urbain équipé de bloc déclencheur pour une puissance de transformateur inférieure à 400
69
Chapitre IV : Modélisation d’un réseau électrique par un RBD
KVA et d'interrupteur associé aux fusibles à haut pouvoir de coupure (HPC) pour les
autres puissances.
En relation avec la capacité d’évacuation des départs à basse tension et des chutes
de tension admissibles sur ces réseaux, il sera retenu les tailles des transformateurs du
tableau BT ci-dessous :
Le nombre des postes HTA/BT selon la nature et le type de client est donné dans le
tableau suivant :
Dép 01 0 01 0 1 0 0 5000
Dép 08 02 4 0 06 0 0 2640
Tableau 4-4 : Nombre de poste HTA/BT en marche selon la nature et le type du client.
70
Chapitre IV : Modélisation d’un réseau électrique par un RBD
On peut voir sur cette figure que notre réseau est équipé de deux transformateurs,
chacun alimente quatre départs. Ces derniers peuvent être aériens (MTA),
TA), souterrain(MTS)
ou mixte (aéro-souterrain).
souterrain). Les départs
départ servent à alimenter des postes HTA/BT, maçonné
ou ACC
CC selon le type du réseau.
réseau D’après ce schéma on peut voir par exemple que le départ
07 peut secourir
courir le départ 02 dans le but d’augmenter la disponibilité et la continuité de
service.
71
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Le réseau électrique est soumis à des perturbations qui peuvent dégrader la qualité
de service, en se basant sur l’historique des pannes enregistrées durant l’année 2009, on va
essayer dans cette partie de citer les différentes causes. On trouve dans le tableau suivant
un résumé des incidents constatés durant l’année 2009.
S/TOTAL 10 294
Travaux des tiers 07 220
Fil de fer 01 15
Nid d'oiseau 05 135
Incidents 89
Branche d’arbre 04
Aériens Isolateur casse 01 18
Usure 08 207
Intempérie (atmosphérique) 10 535
Divers 03 57
S/TOTAL 39 1276
Humidité 05 121
Incidents Usure 526
20
souterrain
Atteinte des tiers 09 152
S/TOTAL 34 799
Surcharge 01 12
Coup de foudre 01 63
Poste MT/BT Nid d'oiseau 05 90
Intempérie 01 22
Fusible MT 01 15
Inconnue 01 25
S/TOTAL 10 227
S/TOTAL 8 271
72
Chapitre IV : Modélisation d’un réseau électrique par un RBD
μ
= =
+ λ+μ
Les taux de défaillance λ(t) et de réparation µ(t) sont calculés comme suit :
λ = 1/MTBF et µ = 1/MTTR
1 1
= = = 0.994564
1 8.005466 − (8 − 1)
∑ − ( − 1)
73
Chapitre IV : Modélisation d’un réseau électrique par un RBD
On choisi la loi de WEIBULL comme une loi de fiabilité pour notre réseau. On a
relevé les temps de bon fonctionnement de notre système a partir de l’annexe 1.
Pour calculer les paramètres de la loi de WEIBULL, on utilise le logiciel Isograph. Les
résultats obtenus sont :
99,9
99 Weibull 2
paramètres
Médiane
90
70 η: 4017
Estimateur de β: 1,289
50
Êta γ: 0
30
ρ: 0,9736
20
Non-fiabilité (%)
ε: 0,05937
10
B10: 700,8
5 B15: 981
B20: 1255
3
2
P0: 0%
0,5
0,3
0,2
0,1
28 178,4 1137 7245
Temps
η = 4017 ;
β = 1.289 ;
γ = 0.
MTBF = 3719.26 h
R ( 3719.26 ) = 0.4043.
74
Chapitre IV : Modélisation d’un réseau électrique par un RBD
0,00038052
Weibull 2
paramètres
0,00034247 Médiane
0,00030441 η: 4017
β: 1,289
γ: 0
0,00026636
ρ: 0,9736
Taux de défaillance
0,00022831
ε: 0,05937
P0: 0%
0,00011416
Taux de
distribution
7,6103E-05
Taux régionalisé
3,8052E-05
0
0 724,5 1449 2173,5 2898 3622,5 4347 5071,5 5796 6520,5 7245
Temps
0,00018338
Weibull 2
paramètres
0,00016504 Médiane
0,0001467 η: 4017
β: 1,289
γ: 0
0,00012837
Fonction de densité (pdf)
ρ: 0,9736
0,00011003
ε: 0,05937
P0: 0%
5,5014E-05
3,6676E-05
1,8338E-05
0
0 724,5 1449 2173,5 2898 3622,5 4347 5071,5 5796 6520,5 7245
Temps
75
Chapitre IV : Modélisation d’un réseau électrique par un RBD
IV.4.
4. Modélisation par un Réseau Bayésien :
Pour modéliser ce réseau électrique par un RB, on doit en premier lieu définir les
variables aléatoires qui représentent
représente chacun un élément de notre réseau de distribution,
puis définir les arcs qui s’expriment
s’ex par la relation cause à effet. On va essayer en premier
lieu de voir la probabilité pour que le consommateur issu des postes
poste HTA/BT soit
alimenté, à savoir les disponibilités de chaque composant du réseau.
IV.4.1.
4.1. Modélisation de la structure :
Figure 4-6
4 : RB modélisant notre réseau de distribution.
76
Chapitre IV : Modélisation d’un réseau électrique par un RBD
IV.4.2.Paramètres de ce RB :
On dispose en Annexe 02, l’historique des pannes avec la durée de chaque
incident, on va l’utiliser pour calculer la disponibilité de chaque composant. Il est à noter
que les variables Ar1 et Ar2 sont considérées comme marginales, à savoir que leur cause
d’indisponibilité n’est pas étudiée.
On procède de la même manière qu’avec les deux arrivées, après calcul on trouve les
paramètres de chaque constituant du réseau et qui sont ensuite présentés dans un tableau :
77
Chapitre IV : Modélisation d’un réseau électrique par un RBD
TR1
Ar1 Disp Non Disp
Disponible 0.999739 0.000261
Non Disponible 0 1
IV.4.2.Inférence dans ce RB :
Après la phase de construction du Réseau Bayésien et l’implémentation des tables
de probabilité conditionnelles, on fait l’inférence dans ce RB, ceci va nous permettre
d’exploiter ce dernier. L’algorithme utilisé est « l’Arbre de jonction », les probabilités
marginales obtenues sont celles présenté en Tableau 4-9.
Ar1 Ar2 TR1 TR2 Dép1→4 Dép5→8 MTA1 MTA2 MTA3 MTA4
0.999714 0.999810 0.999714 0.999549 0.999714 0.999549 0.998924 0.999465 0.999454 0.998804
MTA5 MTA6 MTA7 MTS1 MTS2 MTS3 BE1 BE2 BE3 BE4
0.999306 0.999591 0.999714 0.999315 0.998624 0.999165 0.999414 0.999005 0.999164 0.999154
BE5 BE6 BE7 ACC1 ACC2 ACC3 ACC4 ACC5 ACC6
0.998624 0.998504 0.999014 0.998548 0.999088 0.999078 0.998428 0.998929 0.999173
MAC1 MAC2 MAC3 MAC4 ConsACC ConsMAC Cons
0.999302 0.999887 0.999886 0.999887 0.998859 0.999740 0.999524
On peut voir à partir de ces résultats que les consommateurs sont alimentés
99.9524% du temps total (8760h), c à d que l’indisponibilité de service est de 0.0476%
(soit 4.16h).
Les coupures pour entretiens et travaux, ne sont pas pris en considération dans cette étude.
78
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Ar1 Ar2 TR1 TR2 Dép1→4 Dép5→8 MTA1 MTA2 MTA3 MTA4
1 1 1 1 1 1 0.999210 0.999751 0.999905 0.999255
MTA5 MTA6 MTA7 MTS1 MTS2 MTS3 BE1 BE2 BE3 BE4
0.999756 1 1 0.999601 0.998910 0.999450 0.999699 0.999456 0.999450 0.999604
BE5 BE6 BE7 ACC1 ACC2 ACC3 ACC4 ACC5 ACC6
0.998909 0.998954 0.999230 0.998834 0.999374 0.999528 0.998878 0.999380 0.999623
MAC1 MAC2 MAC3 MAC4 ConsACC ConsMAC Cons
0.999587 0.999887 0.999887 0.999887 0.999255 0.999812 0.999675
Tableau 4-10 : Probabilités marginales sachant que TR1et TR2 sont disponibles.
Figure 4-7
4 : RB modélisant les variables climatiques
79
Chapitre IV : Modélisation d’un réseau électrique par un RBD
IV.5.1. Paramètres du RB :
Il est à noter que les paramètres de ce RB envisagé par les probabilités marginales
et les tables de probabilités conditionnelles, sont calculés à partir de l’historique météo
durant l’année 2009.
• Probabilités marginales :
Saison
Hivers Printemps Été Automne
0,25 0,25 0,25 0,25
Pluie
Saison oui non
Hivers 38,88% 61,12%
Printemps 21,98% 78,02%
Été 3,29% 96,71%
Automne 18,68% 81,32%
-a-
Orage
Saison oui non
Hivers 5,55% 94,45%
Printemps 16,48% 83,52%
Été 5,49% 94,51%
Automne 7,69% 92,31%
-b-
80
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Humidité
Saison Elevé Moyenne Basse
Hivers 88,89% 11,11% 0
Printemps 60,87% 35,87% 3,26%
Été 26,09% 54,35% 19,56%
Automne 65,93% 24,18% 9,89%
-c-
Tableau 4-12
12: Les Probabilités conditionnelles de pluie, Orage,
et Humidité.
81
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Ar1 Ar2 TR1 TR2 Dép1→4 Dép5→8 MTA1 MTA2 MTA3 MTA4
0.999714 0.999810 0.999714 0.999549 0.999714 0.999549 0.999583 0.999389 0.999380 0.999347
MTA5 MTA6 MTA7 MTS1 MTS2 MTS3 BE1 BE2 BE3 BE4
0.999306 0.999549 0.999714 0.999315 0.998960 0.998767 0.999091 0.998683 0.998766 0.998757
BE5 BE6 BE7 ACC1 ACC2 ACC3 ACC4 ACC5 ACC6
0.998960 0.998724 0.998692 0.999385 0.999192 0.999182 0.999188 0.999108 0.999351
MAC1 MAC2 MAC3 MAC4 ConsACC ConsMAC Cons
0.99898 0.99988 0.99989 0.999886 0.999220 0.999659 0.999551
IV.5.4. Exploitation de ce RB :
Figure 4-9: Probabilité que les consommateurs ACC et MAC soit alimentés.
82
Chapitre IV : Modélisation d’un réseau électrique par un RBD
40
30
20
10
0
2 003 2 004 2 005 2 006 2 007 2 008
83
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Année 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Charge
44.3 51.6 56.2 60.5 62.5 64.7 66.9 69.1 71.5 74.1 76.7
prévus
On remarque que la charge augmente avec une moyenne de 2.2 MVA chaque
année, donc un taux d’évolution de 4%.
Les prévisions de charge peuvent être présentées dans graphe comme suit :
Privision de la charge
90
80
70
60
50
40
30
20
10
0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Figure 4-11 : Tracé des prévisions de charge.
84
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Il est à noter que le variable « charge » représente la puissance de garantie, elle est
égale à la différence entre la puissance installée
installé (PI) et la puissance appelée
appelé (PA).
TR1
charge Disp Non Disp
Nominal 0.999739 0.000261
Surcharge 0 1
• Modèle de transition :
Le modèle de transition
transi est défini en calculant la variation
ation de la puissance de
garantie. Onn sait bien que la puissance appelée
appelé augmente à chaque pas de temps, alors que
la puissance de garantie diminue.
diminue
85
Chapitre IV : Modélisation d’un réseau électrique par un RBD
La simulation est faite sur 30 pas de temps. Chaque pas représente une année.
L’évolution de la disponibilité des deux transformateurs est représentée sur la figure
suivante :
86
Chapitre IV : Modélisation d’un réseau électrique par un RBD
disponibilité deviennent mois de 10%, donc notre ouvrage devient incapable d’assurer la
puissance appelée.
D’après ces résultats le TR2 est plus ou moins disponible que TR1 au bout de 2015,
cela revient à la charge appelée au TR1 qui est supérieur au TR2. Après 20 ans les
transformateurs deviennent fortement chargés, dont la disponibilité qui n’excède les 10%.
87
Chapitre IV : Modélisation d’un réseau électrique par un RBD
Figure 4-15
4 : RB modélisant l’augmentation de la charge.
88
Chapitre IV : Modélisation d’un réseau électrique par un RBD
89
Chapitre IV : Modélisation d’un réseau électrique par un RBD
IV.7. Conclusion :
90
Conclusion générale
Conclusion générale
Nous avons rappelé dans la première partie les notions de la fiabilité ; cette dernière
n’est qu’un paramètre de la sureté de fonctionnement. L’estimation de la fiabilité et de la
disponibilité des systèmes est caractérisée par un ensemble d’indices : MTBF, MTTR et
MUT. L’ensemble de ces indices est exploité pour définir les paramètres de notre Réseau
Bayésien.
En perspectives, pour avoir des résultats plus efficaces, il est nécessaire d’intégrer
d’autres phénomènes à savoir : l’usure, l’effet de la température…etc. L’utilisation de
nouveaux outils en matière logiciels tel que, BaysiaLAB et enfin utiliser l’extension des
Réseaux Bayésiens Dynamiques en MGD (Modèle Graphique de Durée).
Références bibliographiques
Références Bibliographiques
[F.V.J, T.D.N] Finn V. Jensen and Thomas D. Nielsen, «Bayesian Networks and Decision
Graphs», Edition Springer 2007.
[G.C, F.C, A.L, B.R] G. Celeux, F. Corset, A. Lannoy, B.Ricard, « Designing a Bayesian
Network for preventive maintenance from Expert Opinions in a Rapid and Reliable
Way », EDF R&D Department MRI 6, 2009
[G.D, JM, M.S, M.B, F.B, S.T] G.Dreyfus, J.Martinez, M.Samuelides, M.B.Gordon,
F.Badran, S.Thiria «Apprentissage statistique», Edition Eyrolles, 3e édition, 2008.
[I.O.A.H] Ibrahim Omar Ali Habibullah, «Power System Generation Reliability», Master
of science, King Fahd University of Petroleum & Minerals, Saudi Arabia 1987.
[J.B] Jacques BATUT, « Fiabilité des réseaux électriques », Cahier / Groupe Réseaux n°9,
pp. 33-42, 1987.
[J.K.M, G.C, K.T] J. K. Muppala, G. Ciardo, and K. Trivedi. «Stochastic reward nets for
reliability prediction». Dept. of Computer Science, The Hong Kong University of Science
and Technology, 1994.
Références Bibliographiques
[J.S] Johan Setréus, «On Reliability Methods Quantifying Risks to Transfer Capability in
Electric Power Transmission Systems», Licentiate Thesis in Electrical Systems Stockholm,
Sweden 2009.
[L.S] Linda Smail, « Algorithmique pour les Réseaux Bayésiens et leurs Extensions».
Thèse doctorat, Université de Marne-la-Vallée, 2004.
[MIL-HDBK-217F ] MIL-HDBK-217F, « Military handbook reliability prediction of
electronic equipment », Department of Defense Washington, 1991.
[N.D.S] Nozer.D.Singpurwalla « Reliability and Risk A Bayesian Perspective » The
George Washington University, Washington DC, USA, 2006.
[Y.B] Yasmina BERROU, « Evaluation de la fiabilité des systèmes temps réel distribués
embarqués », Mémoire de Magistére, Universite El Hadj Lakhdhar Batna, 2009.
[W.G] William GOBLE, « Control systems safety evaluation and reliability », The
International Society of Automation (ISA), 2nd edition, 1998.
[W.Z] Wei Zhang, «Reliability Evaluation of Bulk Power Systems using Analytical and
Equivalent Approaches», Thesis university of Saskatchewan, Saskatoon 1998.
Annexes
Annexes
Du point de vue des applications, les avantages et inconvénients des réseaux Bayésiens par
rapport à quelques-unes des techniques concurrentes peuvent se résumer sur le tableau ci-dessus
[P.N]. Nous avons regroupé avantages et inconvénients selon les trois rubriques utilisées
précédemment, l’acquisition, la représentation et l’utilisation des connaissances. La représentation
adoptée est la suivante :
• À chaque ligne correspond une caractéristique, qui peut être un avantage, ou la prise en
compte d’un problème spécifique.
Mixte + + + *
Incrémental + *
Généralisation + * + +
Données incomplètes + + *
Incertitude + *
Représentation
Lisibilité + + *
Facilité + *
Homogénéité *
Requêtes élaborées + + *
Utilisation
Utilité économique + + *
Performances + *
Annexe 2 : Historique d’incidents d’un réseau de distribution durant l’année 2009. Lire
sur ce tableau ; La date, l’heur et la duré d’incident. Le départ, le siège et le code de
l’ouvrage. La température(T), l’humidité(H), vitesse du vent(V) et d’autre paramètres
climatiques tel que, pluie, orage ou brouillard.
Ar1 Ar2
POSTE
60KV HTB/MTA 60KV
ST1 ST2
SL1 SL2
DL1 DL2
SA1 SA2
SB1
SBB1 SBB2
SNHT1 SNHT2
TR 1 TR 2
SNMT1 SNMT2
STR1 STR2
DA1 DA2
DCP
DD DD DD DD DD DD DD DD DD DD DD DD DD
Rés Dép1 SKID Dép2 Dép3 Dép4 Rés Dép5 Dép6 Dép7 Dép8 Rés Rés
Avec :