Академический Документы
Профессиональный Документы
Культура Документы
0
: pulsation de rfrence.
Y
11
, Y
12
: admittances entre le nud interne de la machine et le nud infini.
Par simples transformations mathmatiques, lquation (I.2) peut scrire sous la forme :
}
= =
o
o
o
e
e e
o
0
0
0
d P
H dt
d
a
(I. 4)
-
0
: est la vitesse relative du rotor de la machine par rapport un systme de rfrence
tournant avec une vitesse
0
(dans ce cas, le nud de rfrence).
Si le systme est stable, la machine doit tourner la vitesse de rfrence
0
, o la condition
pour que le systme soit stable est :
( ) ( ) 0 0
0 0
= = s
} }
o
o
o
o
o o o d P P d P et P
e m a a
(I. 5)
Cette condition peut tre interprte par le fait que lexcursion de langle rotorique doit
atteindre un maximum et ensuite samortir.
Lintgrale (I.5) peut tre reprsente graphiquement (Figure I.1) avec les surfaces
dacclration A
acc
et celle de dclration A
dec
. La stabilit transitoire du systme est assure
si : La limite de stabilit est atteinte quand les deux surfaces sont gales.
Figure I.1 : Reprsentation graphique du critre dgalit des aires
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
12
Langle critique du dfaut o
c
peut tre dtermin en utilisant les courbes doscillation P(o)
avant, pendant et aprs le dfaut. Il est obtenu par la rsolution dune quation
trigonomtrique simple. Dans la rfrence [3], on trouve la description dune mthode
analytique qui permet de rduire un systme de deux machines un systme mono machine
quivalent.
I.4.b.2. Mthodes directes de Lyapunov
Durant les deux dernires dcennies, les mthodes nergtiques directes ont suscit
l'intrt de plusieurs chercheurs. A.M. Lyapunov a dvelopp une structure gnrale pour
l'valuation de la stabilit d'un systme rgi par un ensemble d'quations diffrentielles afin
dobtenir une valuation plus rapide.
Lide de base des nouvelles mthodes dveloppes est de pouvoir conclure sur la stabilit ou
linstabilit du rseau dnergie sans rsoudre le systme dquations diffrentielles rgissant
le systme aprs llimination du dfaut. Elles utilisent un raisonnement physique simple bas
sur lvaluation des nergies cintique et potentiel du systme [8, 13, 14].
La dynamique du rseau dnergie lectrique est dcrite par un systme dquations
diffrentielles non linaires de la forme suivante :
(I.6)
avec x : Vecteur des variables dtat du systme.
u : Vecteur des paramtres du systme.
Soit un point x
s
, on dit que x
s
est un point dquilibre du systme si . Le thorme
de stabilit de Lyapunov stipule que le point dquilibre (origine) x
s
est stable si dans un
certain voisinage O de lorigine x
s
, il existe une fonction relle scalaire (fonction de
Lyapunov) V(x) telle que :
1. est positive dfinie dans O
2. est ngative semi-dfinie dans O
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
13
Si , alors la fonction V(x) diminue avec le temps et tend vers sa valeur minimale (le
point dquilibre du systme x
s
). Plus la valeur est ngative, plus rapide est le retour du
systme vers x
s
(amortissement des oscillations plus rapide).
Contrairement l'approche temporelle, les mthodes directes cherchent dterminer
directement la stabilit du rseau partir des fonctions dnergie. Ces mthodes dterminent
en principe si oui ou non le systme restera stable une fois le dfaut limin en comparant
l'nergie du systme (lorsque le dfaut est limin) une valeur critique d'nergie pr
dtermine.
Les mthodes directes nergtiques non seulement permettent de gagner un temps requis au
calcul pas pas que ncessite l'analyse temporelle, mais donnent galement une mesure
quantitative du degr de stabilit du systme. Cette information additionnelle rend les
mthodes directes trs intressantes surtout lorsque la stabilit relative de diffrentes
installations doit tre compare ou lorsque les limites de stabilit doivent tre values
rapidement.
Un avantage cl de ces mthodes est leur habilit dans l'valuation du degr de stabilit (ou
d'instabilit). Le second avantage est leur capacit calculer la sensibilit de la marge de
stabilit divers paramtres du rseau, permettant ainsi un calcul efficient des limites
d'exploitation.
Toutefois, une limitation majeure des mthodes directes nergtiques rside dans la simplicit
des modles utiliss (elles ncessitent dautres efforts de dveloppement mathmatique pour
quelles puissent prendre en considration les rgulations de vitesse, de tension, les dispositifs
damlioration de la stabilit transitoire PSS, FACTS, etc.). Une autre limitation est que les
mthodes directes ne s'appliquent qu' la stabilit de la premire oscillation et ne donnent de
rponse temporelle d'aucune des variables d'tat de la priode aprs contingence.
I.4.c Mthodes des rseaux de neurones artificiels
On appelle rseau de neurones artificiels lensemble de calculateurs numriques qui
agissent comme des units lmentaires. Ils sont relis entre eux par un ensemble
dinterconnexions pondres qui transmettent des informations numriques dun neurone
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
14
formel lautre. Ils comprennent une varit d'architectures d'lments de processus
fortement interconnects qui offrent une alternative aux approches conventionnelles de calcul.
Le principe de base de ces mthodes, est dextraire linformation dsire des donnes dentre
en la traitant travers plusieurs couches constitues de neurones. Dans chaque couche, une
reprsentation interne de lentre est gnre puis utilise comme sortie vers la couche
suivante. Lapprentissage du rseau de neurones consiste modifier rptitivement les valeurs
de pondration des interconnexions jusqu ce que la performance du rseau atteindre le
niveau dsir.
Les rseaux de neurones artificiels comprennent une varit d'architectures d'lments de
processus fortement interconnects qui offrent une alternative aux approches conventionnelles
de calcul [15] :
Le Perceptron est le premier en date des rseaux de neurones, ce systme comporte
trois couches dont deux effectuent des traitements et une, la rtine, assure la rception
des signaux.
LAdaline est un autre type de rseau spcialis dans le traitement du signal
fonctionnant partir d'une rgle d'apprentissage. Cette rgle permet de rduire l'erreur
observe entre l'tat du rseau et la valeur correcte attendue par une modification des
connexions des neurones de faon la minimiser par un algorithme dit de descente de
gradient.
L'associateur linaire est un modle de rseau deux couches avec une fonction
d'activation linaire utilisant la rgle de Hebb, qui a propos l'ide que le cerveau
s'adapte son environnement en modifiant l'efficacit des connexions entre ses
neurones. Le principe de Hebb postule qu'une synapse amliore son efficacit
seulement quand l'activit des deux neurones qu'elle relie est corrle.
Les rseaux rcurrents permettent une inter-connectivit quasi totale entre les neurones
des diffrentes couches, y compris ventuellement en se bouclant sur eux-mmes. Ils
permettent la rsolution de problmes qui ne peuvent tre rsolus de faon
algorithmique.
Le rseau de Hopfield est inspir des modles physiques des verres de spin et constitu
d'lments bistables connexions symtriques voluant spontanment vers une
rduction de l'nergie totale du systme. Associ avec la rgle de Hebb, ce rseau peut
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
15
apprendre mmoriser les exemples prsents en entre sous la forme d'tats stables.
En phase d'exploitation, les stimuli prsents en entre volueront dans le rseau vers
l'tat stable le plus ressemblant. Un rseau de Hopfield fonctionne ainsi comme un
vritable classificateur mmoire associative.
Les rseaux comptitifs sont des rseaux o chaque neurone d'entre est reli chaque
neurone de sortie et chaque neurone de sortie inhibe tous les autres et s'auto-excite.
Cette architecture gnre une comptition inter-neurones aboutissant ce que le rseau
a tendance reproduire l'organisation topographique des formes d'entre.
Dans les dernires annes, les RNA ont t appliqus dans plusieurs domaines d'analyse des
rseaux lectriques. Ceci inclut les prvisions des charges, l'valuation de la scurit statique
et dynamique, la modlisation des charges dynamiques, les diagnostiques de dfaut et les
processus d'alarme en plus de dmonstrations significatives des capacits des RNA dans la
modlisation et l'identification des systmes. Ces applications ont donc bnfici du
dveloppement important des calculateurs ainsi que des avantages de cette capacit de
transformation et de leurs caractristiques intrinsques de parallliser les calculs pour
atteindre de grandes vitesses dexcution [16].
Actuellement, un effort considrable a t orient vers l'application des rseaux de neurones
artificiels aux tudes des problmes de stabilit transitoire des rseaux lectriques. Ces
mthodes sont bases sur des mesures directes des paramtres du rseau (coulement des
puissances dans les lignes de transport, puissances des gnrateurs et des charges, angles
internes des gnrateurs,etc.). Cette approche constitue un vritable moyen pour la
rsolution de plusieurs problmes, o les mthodes classiques ont montr leurs limites. A
cause de leurs capacits dadaptation, leur utilisation sest avre efficace dans les processus
qui ncessitent une interaction avec lenvironnement,.
Plusieurs avantages peuvent tre tirs de cette approche, o lintrt principal des rseaux de
neurones artificiels rside dans le paralllisme de leur structure ce qui rsultera en des vitesses
de simulation leves, ainsi on constate quils peuvent tre trs adapts aux applications en
temps rel. Leurs capacits dadaptation et de gnralisation leurs permettent dadopter un
comportement correct en rponse des variables dentre qui nont pas t rencontrs lors de
la phase dapprentissage.
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
16
Dautre part, cette approche prsente des handicapes pour la gnralisation de son application
pour une valuation prcise de la stabilit transitoire des grands rseaux d'nergie lectrique.
Elle ncessite aussi des excutions en temps diffr (phase d'apprentissage) ayant un temps
de calcul trs important.
Dans le chapitre III, des dtails sur les fondements de base et les techniques dutilisation des
RNA ainsi que les mthodes doptimisation du vecteur dente sont dveloppes.
I.4.d Mthodes hybrides
Pour faire face aux difficults rencontres par les diffrentes mthodes directes pour
lvaluation de la stabilit transitoire des rseaux dnergie lectrique, les chercheurs ont
propos des mthodes hybrides qui essayent de combiner entre les diffrentes approches en
utilisant les avantages de chacune delles [17, 18].
La plus simple technique propose consiste utiliser, dans un premier lieu, les mthodes
directes avec des modles simplifis du rseau d'nergie lectrique pour la classification des
diffrentes perturbations. Par la suite, on utilise la mthode d'intgration numrique avec des
modles dtaills pour une tude plus prcise des perturbations juges critiques.
Vers le dbut des annes 1990, les recherches ont abouti la mthode SIME (Single Machine
Equivalent). Cette mthode hybride rsulte de la combinaison de deux algorithmes de stabilit
transitoire, savoir lintgration temporelle pas pas applique aux rseaux multimachines et
le critre dgalit des aires appliqu sur un rseau monomachine quivalent que lon
appellera OMIB (One Machine Infinite Bus). Cette combinaison fournit deux informations
essentielles sur la stabilit transitoire, savoir : lidentification des machines critiques (cest-
-dire des machines responsables de la rupture ventuelle de synchronisme) et lvaluation de
la marge de stabilit [6].
Plus prcisment, pour un scnario instable donn, dfinit par le point de fonctionnement du
systme avant dfaut et par la contingence considre, la mthode SIME commande le
programme temporel dabord dans la phase pendant dfaut, puis dans la phase aprs dfaut.
Ds le dbut de cette dernire phase, utilisant les donnes du systme multimachine fournies
chaque pas du programme, SIME construit des OMIB candidats et leur applique le critre
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
17
dgalit des aires. Le processus sarrte ds quun de ces candidats est instable par ce critre.
A ce moment, SIME identifie les machines critiques, dclare que cet OMBI candidat est le
vrai OMBI et calcule la marge dinstabilit correspondante [6].
En rafrachissant les paramtres de lOMIB chaque pas du programme temporel, SIME
conserve la prcision de ce programme ainsi que sont aptitude traiter la modlisation et le
scnario de stabilit voulus.
En mme temps, en utilisant lOMIB et le critre dgalit des aires, la mthode largie
considrablement les possibilits du programme temporel par les outils suivants :
Analyse rapide de la stabilit.
Filtrage des contingences inintressantes et classement, valuation des contingences
intressantes.
Analyse de sensibilit
Commande (cest--dire stabilisation)
Descriptions et interprtations physiques multiformes fournies par lOMIB et le critre
dgalit des aires.
I.5 Techniques doptimisation
I.5.a Algorithmes Evolutionnaires
Les algorithmes volutionnaires (Evolutionary Algorithms EA) font partie de la famille
des algorithmes d'optimisation stochastiques inspirs d'un paradigme naturel, celui de
l'volution naturelle Darwinienne sous la lumire du no-Darwinisme sur la gntique
moderne.
Quel que soit le type de problme rsoudre, les EA oprent selon les principes que la
population est initialise de faon dpendante du problme rsoudre, puis volue de
gnration en gnration laide doprateurs de slection, de recombinaison et de mutation.
Les Algorithmes Evolutionnaires partagent des traits communs du fait quils se basent sur la
simulation de lvolution naturelle, en sinspirant des principes du no-Darwinisme [19].
Un algorithme Evolutionnaire type prsente les caractristiques suivantes :
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
18
Lutilisation dun processus dapprentissage collectif dune population dindividus.
Les descendants dun individu sont gnrs par des processus alatoires : le croisement et
la mutation.
Le processus de slection favorise la survie des meilleurs individus en se basant sur leur
adaptation.
Lalgorithme volutionnaire de base est reprsent par :
Figure I.2 : Principe d'un algorithme volutionnaire standard
Le fait que les algorithmes volutionnaires partagent les mmes bases nexclut pas lexistence
de diffrences notables entre eux. Trois principales classes dalgorithmes volutionnaires
existent : les Algorithmes Gntiques, les Stratgies dEvolution et la Programmation
Evolutionnaire [19, 20].
1) Les Algorithmes Gntiques : dvelopps par J. Hollande en 1962, considrent le
croisement comme un oprateur de recherche le plus important dans lespace des
solutions potentielles, la mutation est considre comme un oprateur secondaire avec
Population Initiale
Evaluation
Slection
Recombinaison
Croisement
Mutation
Fin ?
Rsultat
Nouvelle Population
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
19
un faible taux dapplication. La slection est stochastique et les individus sont souvent
reprsents en chanes binaires, mais dautres reprsentations peuvent tre utilises.
2) Les Stratgies dEvolution : dveloppes par Rechenberg et Schwefel en 1965,
utilisent une mutation avec une distribution normale pour modifier les individus
prsents comme des vecteurs de valeurs relles. La mutation et le croisement sont les
deux oprateurs de recherche dans lespace des solutions potentielles et lespace des
paramtres de stratgies. La slection peut tre dterministe ou stochastique.
3) La Programmation Evolutionnaire : dveloppe par J. Fogel en 1962 utilise la
mutation comme seul oprateur de recherche. Applique aux problmes
doptimisation continue, la Programmation Evolutionnaire est similaire aux stratgies
dEvolution, tous deux reprsentent les individus avec des vecteurs de valeurs relles
incluant les paramtres de stratgie. Elle utilise une mutation de distribution normale
et une slection dterministe ou stochastique.
En plus de ces algorithmes de base, dautres algorithmes drivs ont vu le jour, comme la
programmation gntique, les Systmes Classifis et les Algorithmes Mmtiques ainsi que
plusieurs mthodes hybrides.
I.5.b Mthode des Plans dExprience
La mthode des plans dexpriences est la fois nouvelle et ancienne. Les scientifiques
nont abord ce sujet que depuis peu dannes. Les premiers qui se sont penchs sur ce
problme sont des agronomes et des statisticiens. Les techniques et les notions quils ont
dveloppes sont si gnrales quelles peuvent tre utilises dans beaucoup de domaines.
Cette mthode est rcente puisquon peut la faire dmarrer avec les travaux de Fisher (dbut
de vingtime sicle). Aussi bizarre que cela paraisse, elle ne porte pas encore de nom. Aprs
1945, les plans dexpriences suscitent de nombreuses publications et recherches dans le
monde Anglo-Saxon. Des statisticiens comme Yate, Youden, Cochran, Plackett et Burman, et
bien dautres, enrichissent et divulguent la mthode. Box et Hunter, sappuyant notamment
sur les travaux de Yate, dveloppent des mthodes particulires de construction de plans
fractionnaires deux nivaux [21].
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
20
Un plan dexpriences consiste mettre en uvre une stratgie de travail dans le but de
rduire le nombre des essais tout en dterminant rapidement les effets des paramtres que
lexprimentateur juge influent sur le phnomne. La mthode des plans dexpriences
cherchera dterminer et tablir les liens existant entre la rponse et les paramtres
dentres. Plus prcisment, elle vise comprendre les relations liant la rponse avec les
facteurs. Pour cela, la solution propose consiste tablir un modle exprimant la rponse en
fonction des facteurs.
Elle propose de prparer des programmes dessais en fonction dun modle statistique tabli,
afin datteindre les objectifs fixs aux essais de la faon la plus efficace et la plus
conomique.
Les tapes principales de la mthode peuvent tre reprsents par :
Figure I.3 : Principales tapes de la Mthode des Plans dExprience
Dans la suite du travail, une prsentation de la mthode ainsi que ses fondements thoriques
seront exposs. Nous allons prsenter aussi son application dans le contexte de loptimisation
Identification du RNA et
construction de plan complet
Construction du
plan fractionnaire
Test de Ficher
Calcul de la variance
Rejet de facteurs
Nouveau RNA
optimis
ChapitreI Stabilit Transitoire des Rseaux dEnergie Electrique
21
du vecteur dentre du rseau de neurones artificiels utilis pour valuer la stabilit transitoire
dun rseau dnergie lectrique.
I.6 Objectifs et Contributions
Ltude que nous prsentons dans ce mmoire concerne lvaluation de la stabilit
transitoire des rseaux dnergie lectrique. Nous proposons une mthode danalyse se basant
sur la mthode dintgration numrique et celle de la mthode des rseaux de neurones
artificielles RNA.
Dans la mthode dintgration numrique, la modlisation des gnrateurs prend en
considration les rgulateurs de tension et de vitesse. Un programme labor sous
environnement MATLAB pour ce modle ( deux axes) a permis la dtermination de la
trajectoire du systme pendant et aprs le dfaut.
Le rsultat constitue la base dapprentissage et de test permettant lvaluation de la stabilit
transitoire par la mthode des rseaux de neurones artificiels RNA optimises par les plans
dexpriences.
Loptimisation des entres du rseau de neurones a t effectue par le biais de la mthode
des plans dexpriences. Le but est de trouver la meilleure combinaison qui permet dvaluer
la stabilit transitoire dun rseau dnergie lectrique dune faon prcise et plus rapide.
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
22
II.1 Introduction
La premire tape de notre tude passe par la mise au point d'un modle du rseau aussi
dtaill que possible, pour permettre de tenir compte de tous les types de comportement du
rseau et des interactions possibles entre les diffrents lments qui le composent.
De nos jours, la mthode pratique d'analyse de la stabilit transitoire la plus usite est celle
par intgration numrique, o les quations diffrentielles non linaires sont rsolues pas
pas. Dans le cas typique d'un grand rseau lectrique, des centaines et dans certains cas des
milliers d'quations diffrentielles et algbriques doivent tre rsolus chaque pas
d'intgration. Or toute tude de la dynamique du systme dnergie lectrique, exige une
modlisation adquate des principaux lments constituants le rseau.
Dans ce chapitre, une modlisation dtaille du systme est introduite. Par la suite, un
programme sera dvelopp sous environnement MATLAB pour lvaluation de la stabilit
transitoire par intgration numrique utilisant lalgorithme dEuler Modifi. Les rsultats de
simulation seront prsents en fin du chapitre.
II.2 Equations dquilibre du systme
Une tude de la stabilit transitoire suppose la connaissance de ltat stable de
fonctionnement des machines avant lapparition de la perturbation par un calcul
dcoulements de puissance (load-flow). Ce qui nous permet de dterminer les tensions et les
flux des puissances (actives et ractives) dans le rseau.
Considrons un rseau dnergie m+n nuds, dont n nuds de production et m nuds de
charge. Lquation de performance du rseau sous forme matricielle est donne par la relation
suivante [2, 3, 22, 23] :
(II.1)
avec : vecteur des tensions complexes des nuds de dimension (n+m 1) mesures
par rapport au nud de rfrence.
: vecteur des courants complexes injects des nuds de dimension (n+m 1)
(pris positifs lorsquils circulent vers le rseau).
: matrice nodale carre des admittances complexes du rseau de transport
dnergie de dimension (n+m n+m)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
23
Dont la matrice est donne par :
llment diagonal est gal la somme de toutes les admittances des
lments connects au nud i.
llment non diagonal est gal la valeur ngative de ladmittance de
llment connectant les nuds i et k. Sil n y a pas de connexion entre les
nuds i et k alors llment correspondant est nul.
Pour un nud balancier i (slack-bus), la tension est donne pendant que les puissances active
et ractive ne sont pas spcifies, lquation de performance (II.1) peut se transformer en un
ensemble de (n+m-1) quations algbriques complexes simultanes de la forme :
(II.2)
La puissance complexe injecte au nud i est donne par le produit de la tension complexe et
le courant complexe conjugu :
(II.3)
De lquation (II.3), on peut avoir lexpression des courants complexes injects au nud i :
V
Q
P
I
i
i
i
i
j
*
=
(II.4)
Substituant lquation (II.4) dans (II.2), on peut avoir lquation de base de calcul
dcoulement de puissance :
|
|
.
|
\
|
=
+
= =
m n
i j j
j ii
i
i
i
ii
i V Y
V
Q
P
Y
V
j
, 1
*
1
(II.5)
i = 1, ., n+m ; i = nud balancier.
Les (n+m-1) quations algbriques simultanes donnes par (II.5) dcrivent compltement la
performance du systme en tat dquilibre sont non linaires. Pour les rsoudre, diffrentes
mthodes numriques sont proposes dans la littrature. Dans notre tude, on opte pour la
resoultion par la mthode itrative de Gauss-Seidel.
La solution de ces quations donne les tensions complexes du systme en tous les nuds du
rseau. Par la suite, on peut calculer directement les transits de puissance active et ractive
dans les lignes, les puissances du noeud balancier ainsi que les pertes totales dans le systme.
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
24
II .3 Modlisation des lignes de transmission
Les lignes moyennes de transport sont reprsentes par une impdance srie qui tient
compte de leffet rsistif et inductif avec deux admittances en parallle pour tenir compte de
leffet capacitif de la ligne [24].
Les expressions pour l'admittance y
i
et l'impdance z
ij
sont donns par :
y
i
= jeC
i
(II.6)
z
ij
= R
ij
+ jX
ij
(II.7)
Le schma quivalent en H de la ligne est donn par la figure II.1
Figure II.1 : Schma quivalent en dune ligne moyenne de transport
o :
ij ij
ij
jX R
y
+
=
1
(II.8)
2
i
shj shi
y
y y = =
(II.9)
avec :
y
i
: admittance shunt total de la ligne.
R
ij
: rsistance de la ligne.
X
ij
: ractance de la ligne.
II .4 Modlisation des charges
Gnralement dans les tudes de la stabilit transitoire, la modlisation des charges autre
que les moteurs, peuvent tre reprsentes par des impdances ou admittances statiques vers
la terre, courant damplitude constant et de phase variable, puissances actives et ractives
constantes ou bien une combinaison des trois reprsentations.
y
shj
y
shi
y
ij
j i
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
25
Dans le cas des charges assimiles des impdances constantes, ces impdances places entre
les nuds consommateurs et la terre sont calcules aprs rsolution des quations
dcoulement de puissance du systme avant dfaut par :
i i
i
io
jQ P
V
Z
=
2
(II.10)
P
i
, Q
i
: charge du nud i donne par la solution dcoulement de puissance.
V
i
: tension au nud i donne par la solution dcoulement de puissance.
Le courant circulant du nud i vers la terre avant dfaut est donne par :
*
i
i i
io
V
jQ P
I
= (II.11)
Ladmittance statique y
io
qui va tre utilis pour reprsenter la charge pendant la priode
transitoire est donne par :
2
*
*
i
io
i
io
io
V
S
V
I
y = =
(II.12)
II.5 Equation mcanique du rotor
La phase la plus importante qui concerne la stabilit transitoire est l'analyse de la
dynamique des rotors des gnrateurs pendant cette priode. Les quations diffrentielles
dcrivant ce mouvement sont appeles quations mcaniques (swing quations) d la nature
oscillatoire des angles rotoriques. Ces derniers sont mesurs par rapport un repre de
rfrence tournant au synchronisme. Les quations mcaniques peuvent tre dveloppes en
utilisant les lois fondamentales de la mcanique.
Le mouvement d'une machine est gouvern par la loi de Newton [3]:
(II.13)
o
o : acclration \ dclration du rotor de la machine.
T
net
: le couple net responsable de o
I : inertie du rotor du groupe turbo alternateur (turbine, gnrateur et excitatrice)
L'nergie cintique emmagasine du rotor en rotation est donne par :
o est la vitesse angulaire mcanique du rotor.
2
2
1
m KE
I E e = (II.14)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
26
Les diffrents couples agissant sur le rotor sont [3] :
- Le couple lectromagntique compos de deux parties :
1. le couple de synchronisation (Tg) en phase avec l'angle rotorique (il est aussi
connu par le couple de l'entrefer). Il est gal au couple lectrique dans la
machine et reprsente le taux de changement de lnergie lectromagntique
totale emmagasine par rapport langle rotorique.
2. le couple amortisseur (T
E
) qui est en phase avec la vitesse du rotor. Cest le
rsultat de la raction des circuits lectromagntiques du rotor (les
amortisseurs et le corps cylindrique solide du rotor) contre tout fonctionnement
asynchrone de la machine.
- Le couple amortisseur T
M
due la turbine, ses contrles et aux systmes de
rgulation du bloc turboalternateur. On peut combiner ce dernier avec (T
E
) pour
obtenir un seul couple amortisseur (T
D
), proportionnel aux variations de la vitesse
rotorique.
- Le couple mcanique dentre (Tm), qui est le couple dentranement dlivr par la
turbine (sans les pertes rotation).
Le couple net du groupe turbo alternateur est donn par :
(II.15)
Si les gnrateurs sont reprsents par des modles dtaills (avec rgulateurs de tension et de
vitesse), le couple net est donn par :
(II.16)
o dans (II.13) peut tre exprim en terme de langle mcanique du rotor mesur par rapport
une structure stationnaire de rfrence par :
dt
d
dt
d
m m
e u
o = =
2
2
(II.17)
o u
m
est langle rotorique mcanique.
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
27
Supposons que le rotor tourne avec une vitesse angulaire de rfrence e
m0
, alors langle
rotorique croit uniformment avec le temps. Pour des raisons pratiques, on dfinit langle
rotorique o
m
comme suit :
(II.18)
avec
m
: angle rotorique mcanique mesur par rapport la rfrence tournante en synchronisme.
e
m0
: vitesse mcanique angulaire rotorique de rfrence.
u
m
: angle mcanique rotorique avant la perturbation (t=0).
u
0
: angle constant gale : (laxe q est en avance par rapport laxe d).
o dans (II.11) peut tre exprime en fonction de o
m
par :
2
2
2
2
dt
d
dt
d
m m
o u
o = = (II.19)
Substituant les quations (II.15) et (II.19) dans lquation (II.13), on obtient :
D g m net
m
T T T T
dt
d
I = =
2
2
o
(II.20)
Multipliant les deux cts de lquation (II.20) par e
m
, on obtient :
D g m net
m
P P P P
dt
d
M = =
2
2
o
(II.21)
avec :
M = I e
m
(II.22)
M : tant le moment dinertie du groupe turbo-alternateur.
Gnralement M est pris constant vu la faible variation de la vitesse rotorique pendant la
priode transitoire (2 4%), il est donn par :
M = I e
m0
(II.23)
Dans la formulation de lquation mcanique, on utilise par convention langle lectrique du
rotor
e
qui est relie langle mcanique par :
m e
p
o o
2
= (II.25)
o p est le nombre de ples de la machine.
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
28
En substituant (II.14) dans (II.18), on obtient :
( )
0 0
2
u e u o o + = = t
p
e e m e
(II.25)
avec :
0 0
2
2
m e
m e
p
p
e e
u u
=
= (II.26)
(II.27)
Pour remplacer par des quantits conventionnelles, introduisons :
N
0
: vitesse de base de larbre rotorique en tours par minute (tr/mn).
f
0
: frquence lectrique de base de la machine en Hz.
En rappelant les relations suivantes [2, 3, 22] :
60
2
2 60
0
0
0
0
N
f
p N
m
t
e =
=
(II.28)
(II.29)
Substituant (II.28) dans (II.24) pour , on obtient :
m e
N
f
o o
0
0
60
=
(II.30)
Langle lectrique o
e
est connu aussi par diffrentes appellations : angle de charge, angle de
puissance ou aussi angle de couple.
Drivant lquation (II.29) par rapport au temps et substituant le rsultat dans (II.20), on
obtient une autre forme de lquation mcanique qui contient langle lectrique :
D g m
e
T T T
dt
d
f
N
I =
|
|
.
|
\
|
2
2
0
0
1
60
o
(II.31)
Le paramtre le plus important qui affecte directement la stabilit dun rseau dnergie
lectrique est la constante dinertie H dfini par le rapport entre lnergie cintique
emmagasine la vitesse de base et la puissance apparente de base du rseau.
rseau du base de Puissance
base de vitesse la e emmagasin cintique Energie
= H (II.32)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
29
En introduisant la puissance apparente de base S
B3(|),
on obtient lexpression suivante :
) 3 (
2
0
2
1
|
e
B
m
S
I
H =
(II.33)
Substituant les expressions de N
0
et I, pris respectivement des quations (II.29) et (II.33), dans
lquation mcanique (II.31), on obtient :
D g m
e
m
B
T T T
dt
d
f
HS
=
|
|
.
|
\
|
2
2
0 0
) 3 (
2
1
2
o
t e
|
(II.34)
Multipliant les deux membres de lquation (II.34) par e
m
et supposant que le changement de
la vitesse de larbre pendant la priode transitoire nest pas significatif par rapport la vitesse
de base ( ), et supposant aussi que les pertes lectriques sont ngligeables :
D g m
e
P P P
dt
d
M =
2
2
o
(II.35)
M est donn par lexpression suivante :
0
) 3 (
f
HS
M
B
t
|
=
(II.36)
Le coefficient damortissement D est reli avec la puissance damortissement par :
dt
d
D P
e
D
o
= (II.37)
Introduisons le coefficient damortissement D dans lquation (II.35), ce qui donne :
e m
e e
P P
dt
d
D
dt
d
M = +
o o
2
2
(II.38)
Malgr les hypothses introduites pour arriver cette quation, cette dernire reste trs
utilise dans les tudes de la stabilit des rseaux dnergie lectrique et surtout dans les
mthodes directes dvaluation de la stabilit transitoire.
Lquation mcanique en pu est donne par :
e m
e e
P P
dt
d
D
dt
d
M
* * *
2
2
*
= +
o o
(II.39)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
30
avec :
0
*
f
H
M
t
=
(II.40)
partir des quations (II.18), (II.19), (II.25) et (II.26), on peut avoir le modle des quations
diffrentielles dites de second ordre dune machine synchrone [3] :
( ) e m
e
P P D
dt
d
M
dt
d
* *
0
*
2
*
0
= +
=
e e
e
e e
o
(II.41)
(II.42)
o e est la vitesse lectrique rotorique.
II.6 Equation lectrique de la machine
II.6.a Transformation de Park
La machine synchrone triphase se compose de trois enroulements de phase not a, b, et
c au niveau du stator et dun enroulement dexcitation not f au niveau du rotor, dont laxe
magntique est laxe direct not d. elle contient galement un certain nombre de barres
damortissement formant des circuits symtriques par rapport aux axes direct et en quadrature.
Ces derniers peuvent tre reprsents avec une bonne approximation par deux circuits
quivalents nots D et Q suivant les axes direct et transversal. La figure II.2 donne une
reprsentation schmatique de la machine synchrone [8].
Considrons les trois phases du stator comme gnrateurs de courant et lenroulement
inducteur comme rcepteur. Lorsque la saturation des circuits magntique est nglige,
lapplication de la loi dOhm chacun des six enroulements de la figure (II.2) conduit aux
quations suivantes :
Pour les trois circuits du stator :
(II.43)
(II.44)
(II.45)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
31
Figure II.2 : Reprsentation de la machine synchrone
Pour les circuits du rotor :
(II.46)
(II.47)
(II.48)
avec : la tension aux bornes de lenroulement k.
: le flux dans lenroulement k.
: le courant dans lenroulement k.
K = a, b, c, f, D et Q.
La transformation de Park (dcomposition selon les axes d et q) peut sinterprter comme la
substitution des trois enroulements de phase (a, b, et c) immobiles par rapport au stator, par
deux enroulement d et q tournant la vitesse rotorique, ayant pour axes magntiques
respectivement laxes direct et laxe en quadrature (figure II.3). La matrice de transformation
de Park scrit [8] :
(II.49)
0
V
b
V
c
V
a
V
Q
q
a
c
b
d
V
D
o
V
f
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
32
Figure II.3 : Reprsentation bipolaire de la machine synchrone
Lapplication de celle-ci aux quations (II.43), (II.44) et (II.45) conduit aux quations
lectriques suivantes :
(II.50)
(II.51)
Les quations magntiques reliant les courants et les flux dans les diffrents enroulements se
dcomposent alors en deux sous-systmes linaires (un pour chacun des deux axes), ces
dernires scrivant sous la forme :
(II.52)
(II.53)
avec :
: le flux dans lenroulement k.
: le courant dans lenroulement k.
: la ractance mutuelle entre les enroulements k et l.
V
d
q
d
V
q
o
V
Q
V
D
V
f
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
33
: ractances synchrones dans le modle de rseau dnergie lectrique, il est
prfrable de travailler avec des grandeurs normalises par rapport aux grandeurs
nominales, ces grandeurs rduites sont exprimes en pu.
Pour la vitesse on prend :
(II.54)
Pour la tension :
(II.55)
Pour le flux :
(II.56)
Les valeurs rduits sont alors dfinies par :
(II.57)
Les quations (II.46), (II.47), (II.48), (II.50) et (II.51), exprimes en valeurs rduites prennent
respectivement les formes suivantes :
(II.58)
(II.59)
(II.60)
(II.61)
(II.62)
On peut aussi rendre la matrice des deux systmes (II.52) et (II.53) symtriques par un choix
appropri des grandeurs de base pour les ractances. Lquation magntique matricielle en
valeurs rduite scrit alors :
(II.63)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
34
Considrons (II.61) et (II.62), nous allons faire les hypothses suivantes, gnralement
adoptes dans les tudes du rgime transitoire des machines synchrones [8].
En supposant que les f.e.m de transformation sont ngligeables devant les f.e.m de rotation
(les variations du module du flux sont ngligeables devant les variations dues la rotation) :
&
(II.64)
La tension aux bornes de la rsistance statorique est ngligeable devant la f.e.m de rotation.
Pour le stator, on aboutit donc aux quations suivantes :
(II.65)
(II.66)
Lensemble des quations (II.58), (II.59), (II.60), (II.63), (II.65) et (II.66) permet dtudier le
rgime transitoire lectrique de la machine.
II.6.b Dtermination des paramtres de la machine
Considrons la figure (II.2), si lenroulement amortisseur D daxe direct nest pas
considr, lquation magntique matricielle (II.56) en valeurs rduites devient :
(II.67)
Pour tenir compte des fuites dans les enroulements, posons :
(II.68)
(II.69)
On peut reprsenter la machine synchrone par les schmas quivalents sur les deux axes
prsents par la figure II.4 [3].
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
35
Figure. II.4 Reprsentation magntique de la machine synchrone
A partir de ces schmas, nous pouvons dfinir :
- Les ractances transitoires directe et en quadrature notes respectivement et :
(II.70)
(II.71)
- Les constantes de temps transitoires daxe direct (respectivement daxe en quadrature)
notes (resp. ) et donnes par :
(II.72)
(II.73)
Afin de dterminer les quations du modle de la machine, quelques changements de
variables sont effectus, posons :
(II.74)
(II.75)
(II.76)
avec : : f.e.m transitoire daxe direct.
: f.e.m transitoire daxe transversal.
: tension de lexcitatrice.
i
d x
d
x
md x
1f
d
- Sur laxe d - - Sur laxe q -
i
q x
q
x
mq x
1q
q
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
36
II.6.c Expression de la tension terminale
Pour la composante directe, nous avons :
(II.77)
En remplaant par son expression (II.67), nous obtenons :
(II.78)
Pour celle en quadrature, on peut crire :
(II.79)
En remplaant par son expression (II.67), nous obtenons :
(II.80)
En notation complexe, la tension aux bornes de la machine dans le repre (d, q) scrit sous la
forme :
(II.81)
De la mme manire, pour la f.e.m interne et le courant dans le stator nous avons les
expressions suivantes :
(II.82)
(II.83)
Compte tenu des quations (II.78) et (II.80), lexpression complexe de la tension aux bornes
de la machine devient :
(II.84)
La reprsentation de Fresnel correspondante est illustre sur la figure suivante :
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
37
Figure. II.5 Reprsentation vectorielle de la machine synchrone
La machine synchrone est alors modlise dans ce cas, par le schma lectrique monophas
reprsent par la figure (III.6).
Figure. II.6 : Schma lectrique monophas quivalent de la machine synchrone
II.6.d Expression dynamiques de la machine
1. Variation de la f.e.m transitoire daxe transversal
Considrons lquation (II.58) relative aux variations du flux dans lenroulement inducteur :
(II.85)
avec :
(II.86)
Lquation dynamique de la f.e.m transitoire daxe transversal scrit donc :
i
r x
q
v
1r
er
+
-
r
Axe
imaginaire
Axe rel
(rfrence)
q
d
v
q
i
q
v
d
i
d
e
d
e
q
e
i
v
t
r.i
jx
d
i
j(x
d
- x
q
) i
q
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
38
(II.87)
2. Variation de la f.e.m transitoire daxe direct
Lquation rgissant les variations du flux dans lenroulement amortisseur est donne par :
(II.88)
avec :
(II.89)
Lquation dynamique de la f.e.m transitoire daxe direct scrit don :
(II.90)
Le modle deux axes de la machine est donn par :
- Les quations dynamiques (II.87) et (II.90)
- Les quations mcaniques (II.41) et (II.42)
3. Expression de la puissance lectrique
La puissance lectrique dveloppe par le gnrateur est donne par :
(II.91)
Remplaant et par ses expression (II.78) et (II.80), on obtient :
(II.92)
II.7 Organes de rgulation de la machine
Pour une analyse plus exacte, il faut prendre en considration les effets des systmes de
rgulation de tension et de vitesse. En effet, la frquence est lexpression lectrique de la
vitesse de rotation des alternateurs. En rgime permanent, les machines, rendues solidaires par
le couple synchrone, tournent toutes la mme vitesse. La variation de vitesse due au
dsquilibre entre la puissance mcanique et la puissance lectrique montre que les actions
correctrices sur lune des deux puissances peuvent tre bnfiques pour le maintien de la
stabilit. Le choix de ces organes de commande peut non seulement amliorer le
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
39
comportement statique mais avoir un effet important sur le comportement transitoire de la
machine. Aussi le rglage primaire de la tension permet de contenir les variations alatoires
de la charge et viter des changements de topologie suite des chutes de tension et par suite
amliorer le comportement dynamique du systme dnergie.
II.7.a Structure de rgulateur de tension
Pour la tension, le rglage s'effectue par action sur la tension d'excitation commandant
le courant dans l'enroulement inducteur. Cette variation prend en compte les seuils de
surexcitation et de sous excitation [25]. Nous considrons une structure de premier ordre pour
la rgulation de tension. Le rgulateur de tension a une influence sur la puissance lectrique
dveloppe par la machine; le schma bloc de ce rgulateur est comme suit :
Figure II.7 : Structure du rgulateur de tension
Lquation diffrentielle rgissant la dynamique de la tension de lexcitatrice est donne par
lexpression suivante :
( ) ( ) v v K e e
T dt
de
ref e ex ex
e
ex
+ + =
0
1
(II.96)
Les seuils de surexcitation et de sous excitation sont pris en compte de la manire suivante :
pour
ex xma ex xma
e E e E = >
pour
ex xmi ex xmi
e E e E = s
(II.97)
(II.98)
o : e
ex0
: valeur initial de la tension de lexcitatrice.
K
e
: gain statique.
T
e
: constante de temps de rgulateur.
v : module de la tension au stator.
E
exma
: seuil de surexcitation.
E
exmi
: seuil de sous excitation.
p
T
K
e
e
+
1
+
e
ex
Valeur de consigne
Module de la tension
stator v
E
xmax
E
xmin
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
40
II.7.b Structure de rgulateur de vitesse
Pour le rglage de la vitesse de rotation du groupe, nous prenons un rgulateur de type
PID (Proportionnel Intgral Driv) avec la prise en compte des limites sur la puissance
mcanique. La commande de vitesse est effectue par un ajustement de la puissance
mcanique. La fonction de transfert de ce rgulateur s'exprime de la manire suivante [26] :
p
p
p
p C
m
t
o
e +
+
=
A
A 1
) (
) (
(II.99)
avec :
) ( p C
m
A : Variation du couple moteur dvelopp par la turbine
) ( p e A : Variation de la pulsation
o
: Dosage acclromtrique
: Taux de statisme
t
: Promptitude
Cette fonction de transfert peut scrire aussi sous la forme suivante :
p T
p
K
p
p p
v
v
m
+
+
=
A
A
1
1
) (
) ( o
e
(II.100)
avec :
n
v
S
K
0
O
=
; K
v
le gain statique du rgulateur.
t
=
v
T
; T
v
constante de temps.
Le schma bloc de ce rgulateur est celui de la figure (II.8).
Figure II.8 : Structure du rgulateur de vitesse
fR t 2
1
P
xmi
P
xma
Bande morte
Limite
P
m0
+
-
c
PT + 2
1
fR t 2
1
Systme
de contrle
Turbine Systme
de vapeur
P
m
0
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
41
Lquation dvolution de la puissance mcanique scrit :
|
|
.
|
\
|
)
`
+ + =
dt
d
K p p
T dt
dp
v mref m
v
m
e
o e
1 (II.101)
Les limites sur la puissance mcanique sont prises en compte de la manire suivante :
pour
m xma m xma
p p p p = >
pour
m xmi m xmi
p p p p = s
(II.102)
(II.103)
La reprsentation deux axes de la dynamique des machines pendant le rgime transitoire
permet de tenir en compte de la variation de la f.e.m transitoire et permet la prise en
considration des rgulateurs de tension et de vitesse.
II.8 Equations de performances
Le rseau peut tre modlis par un systme dquation linaire reliant les courants
injects aux nuds et les tensions aux bornes des gnrateurs.
En crivant ces quations sous forme matricielle dans le repre synchrone, nous aurons :
R R
v y i =
(II.104)
avec :
y : matrice nodale carr de dimension (n+m) (n+m), dtermine en ajoutant la matrice Y
les lments reprsentant les charges du systme.
: vecteurs courants (n+m) lments.
: vecteurs tensions (n+m) lments.
En distinguant les nuds machines des nuds internes, lquation (II.104) peut scrire :
|
|
.
|
\
|
|
|
.
|
\
|
=
|
|
.
|
\
|
b
a
bb ba
ab aa a
v
v
y y
y y
i
0
(II.105)
Nous dduisant alors la relation matricielle rduite aux nuds machines :
R rr R
v y i =
(II.106)
ba bb ab aa rr
y y y y y avec
1
:
=
(II.107)
Lquation (II.106) reprsente le rseau rduit ces nuds machines.
On peut galement crire la relation (II.106) en fonction des forces lectromotrices
transitoires des machines en incluant dans la matrice y
rr
les ractances transitoires. Nous
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
42
avons alors lexpression suivante qui lie les courants injects aux nuds producteurs aux f.e.m
transitoires des gnrateurs :
'
R re R
e y i =
(II.108)
avec
R
i : vecteurs courants injects aux nuds producteurs n lments.
'
R
e
: vecteurs des f.e.m transitoires des machines n lments.
y
re
: matrice admittance rduite aux nuds gnrateurs du rseau de dimension (n x n).
Les lments de y
re
sont donnes par :
n ., 1, = j
ij ij ij re
jB G y + =
(II.109)
G
ij
(respectivement B
ij
) tant la conductance (respectivement la susceptance) de transfert entre
le nud i et le nud j.
Les courants et les f.e.m transitoire satisferont les relations suivantes :
r R
i P i =
(II.110)
r R
e P e
' '
=
(II.111)
O P est la matrice de passage de la forme suivante :
n j i P j P ii
i
ii ,..., 1 , 0 ; ) exp( = = = o
(II.112)
A partir de (II.110) et (II.111), nous pouvons crire :
r r
e M i
'
=
(II.113)
M est la matrice donne par :
P y P M
re
1
=
(II.114)
Ses lments sont donns par :
B j
G
m ii
ii
ii
+ = (II.115)
) ( ) (
ij B G ij B G ij
jF F m o o
+
+ = i,j=1,,n
(II.116)
) sin( ) cos( ) (
ij ij ij ij ij B G
B G F o o o =
+
(II.117)
) sin( ) cos( ) (
ij ij ij ij ij B G
G B F o o o =
(II.118)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
43
Considrons lquation (II.111), nous avons pour une machine i la relation suivante :
'
ri
n
ij ri e m i
= i,j=1,,n
(II.119)
Comme :
di qi
ri ji i i + =
' ' '
di qi ri
je e e + =
(II.120)
Les composantes directes et transversales des courants scrivent alors sous la forme :
( )
( )
= =
+
+ + + =
n
i j
ij B G qi ij B G di qi
ii
di
ii di
F e F e e e
B G i
1
' ' ' '
) ( ) ( o o
(II.121)
( )
( )
= =
+
+ + + =
n
i j
ij B G di ij B G qi di
ii
qi
ii qi
F e F e e e
B G i
1
' ' ' '
) ( ) ( o o
(II.122)
Les composantes directes et transversales des tensions aux bornes de la machine sont
obtenues partir de (II.78) et (II.80) que nous rappelons :
(II.123)
(II.124)
Le module de la tension est alors :
(II.125)
La puissance lectrique dveloppe par la machine i est donne par (II.92) que nous
rappelons :
(II.126)
Dans notre tude, on sintresse uniquement aux machines ples lisse. La saillance des ples
est nglige, c'est--dire que :
i,j=1,,n
(II.127)
La puissance lectrique scrit donc sous la forme suivante :
( ) ( )
( )
= =
+
+ + =
n
i j
ij B G ij ij B G ij qi di
ii ei
F D F C e e
G P
1
2
'
2
'
) ( ) ( o o
(II.128)
avec :
(II.129)
(II.130)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
44
II.9 Modlisation du rseau dans lespace dtat
Lorsquon considre la reprsentation suivant les deux axes avec les rgulations de
tension et de vitesse, les quations dynamiques du systme pour une machine i, sont les
suivantes :
Equations dynamiques lectriques :
( ) |
.
|
\
|
+ =
i x x e
T
de
qi qi qi di
i q
di
dt
' '
'
0
'
1 (II.131)
( ) |
.
|
\
|
+ =
i x x e e
T
de
di di di exi qi
i d
qi
dt
' '
'
0
'
1
(II.132)
Equations dynamiques mcaniques :
e
o
i
i
dt
d
= (II.133)
( )
ei mi
i
i
p p
M dt
d
=
1
e
(II.134)
Rgulateur de vitesse :
|
|
.
|
\
|
|
|
.
|
\
|
+ =
dt
d
K
p p
T dt
dp
i
i i vi
mrefi mi
mi
mi e
o e
1
(II.135)
Pmma
p
Pmma
p
i
mi
i
mi
pour > = :
Pmmi
p
Pmmi
p
i
mi
i
mi
pour > = :
Rgulateur de tension :
( ) ( )
i refi vi i ex exi
ei
exi
v v K e e
T dt
de
+ + =
0
1
(II.136)
Exma e Exma e i exi i exi
pour > = :
Exma e Exmi e i exi i exi
pour s = :
Soit
s
x , un point dquilibre stable :
( ) 0 ,.., 0 , ,.., , ,.., , ,.., , ,.., , ,..,
1 1
1
0 01 1 1
= = =
e e o o
s
n
s s
n
s
mrefn mref
s
n ex
s
ex
s
qn
s
q
s
dn
s
d
s
p p
e e e e e e
x
(II.137)
Nous dfinissons les variables dtat du systme en prenant comme origine ce point
dquilibre. Elles scrivent alors pour chaque machine i comme suit :
o o
s
i i i x
= (II.138)
i
x n i
e
=
+
(II.139)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
45
e e x
s
di di n i
=
+
'
2
(II.140)
e e x
s
qi qi n i
=
+
'
3
(II.141)
p p
x
mrefi mi
n i
=
+4
(II.142)
e e x i ex exi n i 0 5
=
+
(II.143)
Le vecteur des variables dtat est alors le suivant :
( ) n i
x x x x x x x n i n i n i n i n i i
,.., 1 , , , , ,
5 4 3 2
= =
+ + + + +
(II.144)
Les quations dynamiques du modle dans lespace dtat sont dfinies par :
i i n
x x
+
=
(II.145)
|
|
.
|
\
|
|
|
.
|
\
|
+ =
-
+
+
x
p p
x
M
x
ei mrefi
n i
i
n i
4
1
(II.146)
( )
|
|
.
|
\
|
|
|
.
|
\
|
+ =
-
+
+
x i x x e x
T
x
qi qi qi
s
di n i
i q
n i
'
2 '
0
2
1 (II.147)
( )
|
|
.
|
\
|
|
|
.
|
\
|
+ + =
-
+ +
+
x i x x e e x x
T
x
di di di
s
qi i ex n i n i
i d
n i
'
0 5 3 '
0
3
1
(II.148)
|
|
.
|
\
|
|
|
.
|
\
|
+
|
|
.
|
\
|
+ =
-
+ +
+
x
p
M
K
p
M
K
x
M
K
x K
T
x
ei
i
i vi
mrefi
i
i vi
n i
i
i vi
n i vi
mi
n i
o o o
4
4
1
1 (II.149)
|
|
.
|
\
|
(
|
|
.
|
\
|
+ =
-
+
+
x v v K x
T
x
i refi ei n i
ei
n i
5
5
1
(II.150)
Les quations dinterconnexion en fonction des variables dtat sont donnes par :
( )
( )
= =
+ + + +
+ + + + + + + =
|
|
.
|
\
|
n
i j
ij
s
dj
ij
s
qj
ij
n j
ij
n j ij
s
qi ii
s
di ii n i ii n i ii di e e x x K e B e G x B x G x i
1
2 3 3 2
sin cos sin cos
| | | |
(II.151)
e B e G x B x G x i
s
di ii
s
qi ii n i ii n i ii qi
+ + + =
|
|
.
|
\
|
+ + 2 3
( )
( )
= =
+ +
+ +
n
i j
ij
s
dj
ij
s
qj
ij
n j
ij
n j ij e e x x K
1
2 3
cos sin cos sin
| | | |
(II.152)
( ) ( )
e B x e G x x B x x G x x v
s
di ii qi
s
qi ii qi n i ii qi n i ii qi di
' '
2
'
3
'
1 1
+ + + + =
|
|
.
|
\
|
+ +
( )
( )
|
j ij
n
i j
j
qi ij x K
+ +
= =
cos
1
'
( )
( )
| |
ij
n j
ij
n j
n
i j
qi ij x x x K
cos sin
2 3
1
'
+ +
= =
(II.513)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
46
( ) ( ) + + + + + + =
|
|
.
|
\
|
+ + e B x e G x x B x x G x x v
s
qi ii di
s
di ii di n i ii di n i ii di qi
' '
3
'
2
'
1 1
( )
( )
|
j ij
n
i j
j
di ij x K
+
= =
cos
1
'
( )
( )
| |
ij
n j
ij
n j
n
i j
di ij x x x K
sin cos
2 3
1
'
+ +
= =
+ +
(II.154)
|
|
.
|
\
|
+
|
|
.
|
\
|
=
|
|
.
|
\
|
x x x x x v qi di i
2 2
(II.155)
( ) ( ) |
.
|
\
|
+
+
+
=
|
|
.
|
\
|
+ + e x e x
G x
p
s
qi n i
s
di n i
ii
ei 3 2
2 2
( )
( )( ) { ( )( )}
|
ij
s
qi n i
s
qj n j
s
di n i
s
dj n j
n
i j
ij e x e x e x e x K
sin
3 3 2 2
1
+ + + + + +
+ + + +
= =
( )
( )( ) { ( )( )}
|
ij
s
qi n i
s
dj n j
s
di n i
s
qj n j
n
i j
ij e x e x e x e x K
cos
3 2 2 3
1
+ + + + +
+ + + +
= =
(II.156)
avec :
B G K ij ij ij
2 2
+ =
B
G
ij
ij
ij
Arctg =
|
|
o
|
ij
s
ij ij
ij
x
+ + =
2 2
B e
s
dj
s
qj
j
+ =
(
e
e
s
dj
s
qj
j
Arctg =
=
=
=
n
i
i
n
i
i i
COA
M
M
1
1
o
o (II.157)
Les figures II.10.a et II.10.b reprsentent lvolution des angles rotoriques internes des
machines avant, pendant et aprs llimination du dfaut. On remarque pour un dfaut qui
dure 0.28 s, le systme est dclar stable, tandisque pour un temps de 0.3 s le systme est
instable.
- Dfaut limin aprs 0.28 s (systme stable) - - Dfaut limin aprs 0.3 s (systme instable) -
0 5 10 15
-80
-60
-40
-20
0
20
40
60
80
100
Figure II.10-a : Angle rotorique en degr
(Rf COA)
0 0.5 1 1.5 2 2.5 3 3.5 4
-200
-100
0
100
200
300
400
Angles internes (degr) - Rfrence COA - Modle Deux Axes -
Figure II.10-b : Angle rotorique en degr
(Rf COA)
II.11.b.3 Caractristiques des tensions
temps (s)
temps (s)
Chapitre II valuation de la Stabilit Transitoire par Intgration Numrique
56
Les figures II.11.a et II.11.b illustres ci-dessous reprsentent lvolution des tensions
aux nuds machines et cela au cours de la phase dquilibre - avant perturbation (1s), phase
transitoire - pendant la perturbation (t
e
) et la nouvelle phase dquilibre - aprs llimination du
dfaut.
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Figure II.11-a : Tensions aux nuds machines
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Figure II.11-b : Tensions aux nuds machines
II.12 Conclusion
Dans ce chapitre, nous avons trait le problme de lvaluation de la stabilit transitoire
par la mthode classique dintgration numrique. Cette dernire value la robustesse du
rseau vis--vis des grandes perturbations en dterminant son volution temporelle par
rsolution pas pas de lensemble des quations intgro-diffrentielles non linaires qui
rgissent le systme.
En outre, lapplication de cette mthode ncessite un temps de calcul norme, ce qui en fait un
obstacle pour lapplication de cette mthode en temps rel, et pourtant, elle reste la rfrence
et loutil de base de toute analyse de la stabilit transitoire.
Pour palier les insuffisances de cette mthode, les rseaux de neurones artificiels seront
utilises dans le chapitre suivant pour une valuation rapide de la stabilit transitoire.
temps (s)
temps (s)
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
56
III.1 Introduction
Une approche compltement diffrente pour accomplir des simulations rapides de la
stabilit transitoire a t introduite, elle est base sur la technologie des rseaux neuronaux
artificiels RNA qui trouve ses origines dans certaines proprits des neurones biologiques. Ils
comprennent une varit d'architectures d'lments de processus fortement interconnects qui
offrent une alternative aux approches conventionnelles de calcul. En effet ils offrent la
possibilit de produire des calculs trs complexes l o les systmes classiques trouvent des
difficults les excuts [8, 15].
cause de leurs capacits reprsenter nimporte quelle fonction, linaire ou non-linaire,
simple ou complexe, leurs puissances et leurs pouvoirs de gnralisation ont fait deux des
outils que nont t concurrencs par aucune technique nouvellement apparue. Dans les
dernires annes, les RNA connaissent un succs croissant dans divers domaines d'analyse
des rseaux lectriques et des systmes d'asservissement. Ceci inclut les prvisions de charge,
l'valuation de la scurit statique, dynamique, la modlisation des charges dynamiques, les
diagnostiques des dfauts et les processus d'alarme, en plus des dmonstrations significatives
des capacits des RNA dans la modlisation et l'identification des systmes.
Dans ce chapitre, la premire partie est consacre un aperu de cette technique travers une
prsentation gnrale du rseau de neurones artificiels. La seconde partie, traite la
construction dun rseau de neurones, qui aura pour but dvaluation des temps critiques de
stabilit transitoire du rseau lectrique tudi.
III.2 Rseaux de neurones artificiels
III.2.a Fondement Biologique
Les neurones biologiques sont des cellules vivantes spcialises dans le traitement des
signaux. Ils sont relis entre eux par des liaisons appeles axones jouant un rle important
dans le comportement logique de l'ensemble. Ils conduisent les signaux lectriques de la sortie
d'un neurone vers l'entre d'un autre neurone [28, 29].
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
57
Figure III.1 : Neurone biologique.
La structure dun neurone biologique, comme montr dans la Figure III.1, se compose de trois
parties :
1. La somma : ou cellule dactivit nerveuse, au centre du neurone.
2. Laxone : attach au somma qui est lectriquement actif, ce dernier conduit
limpulsion conduite par le neurone.
3. Dendrites : lectriquement passives, elles reoivent les impulsions dautres
neurones.
III.2.b Le Neurone Formel (Artificiel)
Le neurone formel reprsente la brique de base des RNA, cest un automate dont le
modle sinspire de celui dun neurone biologique. Les premiers travaux datent de 1943 par
MM. Mac Culloch et Pitts. Ils prsentent un modle assez simple pour le neurone et explorent
les possibilits de ce modle pour concevoir tous les rseaux de neurones [28].
Cette modlisation consiste mettre en uvre le systme sous un aspect non pas
biologique mais artificiel, cela suppose que daprs le principe biologique quon aura une
correspondance pour chaque lment composant le neurone biologique, donc une
modlisation pour chacun dentre eux [28, 29, 30].
On pourra rsumer cette modlisation par le tableau ci-dessous (tableau III.1), qui nous
permettra de voir clairement la transition entre le neurone biologique et le neurone formel.
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
58
Tableau III.1 Transition entre le neurone biologique et le neurone formel
Neurone biologique Neurone artificiel
Synapse Poids de connexion
Axone Signal dentre
Dendrite Signal de sortie
Somma Fonction dactivation
Le neurone artificiel, montr par la figure III.2, est un processeur lmentaire. Il reoit un
nombre variable d'entres en provenance de neurones appartenant un niveau situ en amont.
A chacune de ses entres est associ un poids w reprsentatif de la force de la connexion.
Chaque processeur lmentaire est dot d'une sortie unique, qui se ramifie ensuite pour
alimenter un nombre variable de neurones appartenant un niveau situ en aval. Chaque
connexion est associe par un poids.
Figure III.2 : Modle dun neurone formel
x
j
(j=1p) : Les entres du k
me
neurone.
w
ki
: Les poids synaptiques ou tout simplement poids.
k
a : Lactivation du k
me
neurone.
f(.) : La fonction dactivation.
k
y : La sortie du k
me
neurone.
k
a
1
x
2
x
j
x
p
x
1 k
w
2 k
w
3 k
w
kp
w
f
a
.
.
.
.
k
y
k
S
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
59
La fonction dactivation permet de dfinir ltat interne du neurone en fonction de son entre
totale. Diffrentes fonctions de transfert pouvant tre utilises comme fonctions d'activation
du neurone dont on distingue deux types, les fonctions unipolaires et celles bipolaires.
III.2.c Rseau de neurones
Un rseau de neurones est un maillage de plusieurs neurones, gnralement organis en
couches. Pour concevoir un rseau de neurones il faut suivre une certaine topologie. La
topologie dun rseau de neurone est dfinie par son architecture et la nature de ses
connexions.
III.2.c.1 Architecture du rseau de neurones
L'architecture d'un rseau de neurones est fonction du nombre de couches de ce dernier
et surtout de la structure des connexions entre neurones. Il existe plusieurs types
darchitectures, on peut citer :
-
rseaux mono couche,
-
rseaux multicouches,
-
rseaux connexions locales,
-
rseaux connexions compltes.
Dans notre tude, le type du rseau qui nous intresse est le rseau multicouche.
III.2.c.2 Connexions du rseau de neurones
La nature des connexions dfinit la manire dont sont interconnects les neurones et le
sens de transfert dinformation dans le rseau, o on distingue :
-
Les Connexions Directes, celles diriges d'une couche d'indice infrieur vers une
couche d'indice suprieur (figure III.3-a).
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
60
-
Les Connexions Rcurrentes dont les sorties de neurones d'une couche sont
connectes aux entres d'une couche d'indice infrieur (figure III.3-b).
Figure III.3-a : Connexions directes Figure III.3-b : Connexions rcurrentes
Par ailleurs entre deux couches, les connexions peuvent tre partielles ou totales comme le
montre les figures III.4-a et III.4-b. L'utilisation de connexions partielles permet de regrouper
certaines zones du rseau pour effectuer une fonction spcifique.
Figure III.4-a : Connexions partielles Figure III.4-b : Connexions totales
On peut avoir ventuellement en plus des connexions cites prcdemment des connexions
inter-couches (interconnexions entre neurones de couches voisines), des connexions intra-
couches (connexions entre neurones d'une mme couche) et l'auto-connexion (un neurone
avec lui mme).
III.2.d Rseaux de neurones multicouches
Un rseau multicouche nest rien dautre quun assemblage de couches les unes aux
autres, de la gauche vers la droite, en prenant les sorties dune couche et en les injectant
comme les entres de la couche suivante. Ce type de rseau comme le montre la figure III.5,
est organis en couches de neurones. Gnralement, il n'y a pas de connexions entre neurones
d'une mme couche, et les connexions ne se font qu'avec ceux des couches en aval.
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
61
Figure III.5 : Rseau de neurones multicouches
III.2.e Apprentissage des rseaux de neurones
La plus fondamentale des proprits propres au rseau de neurones est sa capacit
d'apprendre de son environnement et d'amliorer sa performance travers un processus
d'apprentissage. On dfinit l'apprentissage comme tant un changement opr dans la
mmoire du rseau en affectant les valeurs des poids synaptiques qui relient les neurones
entre eux, afin dadapter le traitement effectu par le rseau une tche particulire.
De ce fait l'apprentissage a pour objectif l'amlioration des performances futures du
rseau, sur la base d'une connaissance acquise au fur et mesure des expriences passes. On
distingue trois familles d'apprentissage diffrentes en fonction de la nature des informations
disponibles et du but recherch :
Apprentissage supervis pour lequel il est ncessaire de disposer dun ensemble de
couples de donnes (entres du rseau ; sorties dsires correspondantes).
Apprentissage semi-supervis ou par renforcement pour lequel seule une mesure
derreur qualitative est disponible.
Apprentissage non supervis pour lequel il ny a pas de rponse dsire.
Il a t dmontr que moyennant le choix dune architecture approprie (nombre de neurones
cachs), les rseaux multicouches sont capables dapprocher nimporte quelle fonction. Une
Couche dentre Couches caches Couche de sortie
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
62
autre proprit fondamentale de lapprentissage concerne la capacit de gnralisation de ces
rseaux [15, 28].
III.2.f Algorithme d'apprentissage
Lapprentissage se traduit, dans la plupart des architectures, par une modification de
lefficacit synaptique qui seffectue en changeant les valeurs des poids qui relient les
neurones dune couche lautre.
Soit
ij
w le poids reliant le j
eme
neurone dune couche au i
eme
neurone de la couche suivante. A
linstant t un changement ) (t w
ij
A sexprime en fonction de ) 1 ( + t w
ij
et ) (t w
ij
qui sont
respectivement les nouvelle et ancienne valeurs du poids
ij
w par lquation :
) ( ) 1 ( ) ( t w t w t w
ij ij ij
+ = A
(III.3)
Lensemble de rgles permettant la ralisation dun tel processus dadaptation des poids
constitue ce quon appelle lalgorithme dapprentissage du rseau.
Il existe plusieurs algorithmes dapprentissage des rseaux de neurones. Dans le cadre de
notre travail, on utilise l'algorithme de rtropropagation du gradient le plus couramment
utilis dans les tudes dvaluation de la stabilit transitoire.
III.3 Rtropropagation du gradient
De nos jours, les rseaux multicouches et la rtropropagation de gradient reste le modle
le plus tudi et le plus efficace pour raliser ladaptation des rseaux multicouches.
Lalgorithme de rtropropagation (backpropagation) a t dvelopp en particulier par
Rumelhart et Parken et le Cun en 1985. Ds cette dcouverte, nous avons la possibilit de
raliser une fonction non linaire dentre/sortie sur un rseau en dcomposant cette fonction
en une suite dtapes linairement sparables. Cet algorithme repose sur la minimisation de
lerreur quadratique J entre les sorties calcules (relle) et celles souhaites (dsire). Le
terme rtropropagation du gradient provient du fait que lerreur calcule en sortie est
transmise en sens inverse vers lentre.
2 2
) (
2
1
2
1
y y e J
d
= = (III.4)
e : est lcart entre la sortie relle y et la sortie dsire
d
y .
La thorie de rtropropagation comporte deux phases :
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
63
Une propagation dans le sens direct des signaux de la couche dentre, couche par
couche, jusqu atteindre la couche de sotie qui dlivre les signaux de sortie du rseau.
Une rtropropagation de lerreur, qui se propage dans le sens inverse, de la couche de
sortie jusqu atteindre la couche dentre qui sera utilise pour lajustement des
paramtres du rseau.
Soit le rseau multicouche de la figure III.6.
Figure III-6 : Flux des signaux de la rtropropagation
w
(L)
: le vecteur des poids synaptiques d'un neurone appartenant la couche L ;
a
(L)
: le vecteur activits des neurones de la couche L ;
y
(L)
: le vecteur des sorties de la couche L ;
f(.) : la fonction d'activation d'un neurone.
L'algorithme d'apprentissage est donn par les tapes suivantes:
1. Initialiser les poids: attribuer chaque poids une valeur alatoire entre -1 et +1.
2. Prsenter un exemple au rseau : on prsente un exemple x
p
en entre et une valeur
dsire en sortie.
) 2 (
y
) 2 (
a
) 2 (
w
) 1 (
a
) 1 (
y
) 1 (
w
0
x
1
x
p
x
Entres
Sorties
Propagation du signal dentre
Propagation du signal derreur
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
64
3. Propager les signaux d'activation des entres vers les sorties: on calcule les sorties de la
premire couche qui deviennent les entres de la couche suivante puis on fait de mme
jusqu' la dernire couche.
L'activit du neurone j de la couche L pendant l'itration n
a
j
(L)
(n)=
=
p
i
ji w
0
(L)
(n).y
i
(L-1)
(n) (III.5)
w
ji
: le poids synaptique d'un neurone j appartenant la couche (L) reli un neurone i
appartenant la couche (L-1).
Les sorties du rseau la n
me
itration sont notes : o
j
(n)=y
j
(L)
.
4. Comparer avec les sorties dsires et rtropropager l'erreur des couches de sortie.
Le calcul des gradients :
Pour un neurone de la couche de sortie :
)) ( ( ). ( ) (
'
n a f n e n
i i i
= o (III.6)
Pour un neurone cach :
) ( . ) ( )). ( ( ) (
'
n w n n a f n
kj
k
k i i
= o o
(III.7)
Une des fonctions d'activation la plus utilise gnralement est la fonction sigmode dfinie
comme suit:
) exp( 1
1
) (
x
x f
+
=
(III.8)
o :
| | ) ( 1 ). ( ) (
'
x f x f x f = (III.9)
| | | | ) ( 1 ). ( )) ( ( 1 )). ( ( )) ( (
'
n y n y n a f n a f n a f
i i j j j
= =
(III.10)
En utilisant les proprits de la fonction sigmode, les quations (III-6) et (III-7) deviennent :
Pour un neurone de la couche de sortie :
| | | | ) ( 1 ). ( . ) ( ) ( ) ( n o n o n o n d n
j j j j j
= o
(III.11)
Chapitre III Evaluation de la Stabilit Transitoire des REE par RNA
65
Pour un neurone cach :
| | ) ( . ) ( . ) ( 1 ). ( ) ( n w n n o n o n
kj
k
k j j i
= o o
(III.12)
5. Modifier les poids en appliquant la loi gnralise suivante :
) ( . . ) ( ) 1 (
) 1 ( ) ( ) ( ) (
n y n w n w
L
i
L
j
L
ji
L
ji
+ A = + A o q
(III.13)
) 1 (
) (
+ A n w
L
ji
: Le poids synaptique reliant le neurone i de la couche (L-1) au neurone j de la
couche(L) l'itration n+1.
) (
) (
n w
L
ji
A : Le poids synaptique reliant le neurone i de la couche (L-1) au neurone j de la
couche (L) l'itration n.
q : Le pas d'apprentissage.
o
j
(L)
: Le gradient local du neurone j de la couche (L).
) (
) 1 (
n y
L
i
d
'
e
x
p
.
5 + - - +
2 + + - -
3 + - + -
8 + + + +
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
87
Ce plan ne permet plus le calcul des interactions entre facteurs principaux. Le calcul des effets
des facteurs A, B et C se ralise par les formules :
A = A + B.C
B = B + A.C
C = C + A.B
(IV.20)
On voit ainsi que les effets calculs dans ce nouveau plan sont en fait des sommes deffets : ce
sont des contrastes. On dit que les effets A et BC sont aliass (A et BC sont des aliases). Le
plan ralis prcdemment est quivalent un plan 2
2
la diffrence que la troisime colonne
ne reprsente plus linteraction des deux premiers facteurs A et B mais un troisime
facteur C.
Afin de faire la diffrence entre les plans complets et les plans fractionnaires, on notera ces
derniers en faisant apparatre la dimension de leurs plans complets dorigine. Le prcdent
tableau dcrit donc un plan 2
3-1
, cela signifie que ltude porte sur trois facteurs par
lutilisation dun plan fractionnaire 2
3-1
=4 expriences.
De faon gnrale, tout plan fractionnaire sera not 2
k-r
, o r dsigne alors le facteur de
rduction appliqu au plan factoriel initial. Par consquent, on voit quil est possible de
raliser des plans factoriels fractionnaires, cest--dire de raliser moins dessais que le plan
factoriel complet correspondant. Cependant, cette simplification se paye de plusieurs faons :
il nest plus possible de calculer toutes les interactions entre tous les facteurs.
Ce point nest pas fondamental si lobjectif est uniquement de dterminer linfluence
relative des facteurs entre eux (et donc de ne pas considrer les interactions
correspondantes).
les effets calculs dans des plans factoriels fractionnaires sont aliass.
Cela signifie quils ne traduisent pas directement leffet des facteurs considrs
individuellement mais densembles de facteurs et dinteractions. Il est donc parfois
impossible de conclure de faon sre sur leffet dun facteur, puisque dans un contraste,
chaque terme peut se rvler influent. Cependant, il est couramment admis que, plus les
interactions sont dordre lev, moins elles sont supposes tre influentes. Il est
prfrable daliaser avec des interactions dordre lev en priorit [42, 43].
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
88
A ces remarques, on peut ajouter quon procde parfois au dsaliasage des effets en ralisant
des expriences supplmentaires. Il se peut galement que lon nglige dlibrment certains
termes dans les expressions des contrastes (interactions dordre suprieur ou gal trois par
exemple).
IV.6.b Gnrateurs daliases
Dans le cas du plan complet 2
3
, on aboutit au tableau suivant :
Tableau IV.6 Matrice de calcul des contrastes pour les deux demi plan fractionnaire (2
3-1
)
Exp N I A B C AB AC BC ABC
5 1 -1 -1 1 1 -1 -1 1
2 1 1 -1 -1 -1 -1 1 1
3 1 -1 1 -1 -1 1 -1 1
8 1 1 1 1 1 1 1 1
1 1 -1 -1 -1 1 1 1 -1
6 1 1 -1 1 -1 1 -1 -1
7 1 -1 1 1 -1 -1 1 -1
4 1 1 1 -1 1 -1 -1 -1
Nous avons trouv que si lon ne considrait que les expriences 5, 2, 3 et 8, on aboutissait
aux aliases suivants :
pour I = A.B.C on dduit :
AI=AA.B.C
(IV.21)
do :
A = B.C (IV.22)
De mme, en multipliant respectivement par B et C :
B = A.C
C = A.B
(IV.23)
Les mmes calculs peuvent tre raliss pour le calcul des contrastes dinteractions.
Prendre un gnrateur daliases tel que I = A.B.C, revient choisir les expriences dun plan
complet de base 2
3
telles que leurs valeurs dans la colonne I soient gales la colonne A.B.C.
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
89
Le gnrateur daliases de la moiti infrieure du tableau IV.6 est :
I = - A.B.C (IV.24)
Cela revient ainsi slectionner les essais qui ont un contenu oppos (en signe) des colonnes I
et A.B.C. Lensemble des points correspondant est dit complmentaire.
Ainsi, ladoption de tout gnrateur daliases divise le prcdent plan en deux. Il faut donc r
aliases pour couper en 2
r
un plan factoriel complet. O les r gnrateurs dfinissant un plan
fractionnaire sont qualifis dindpendants.
Lorsque r > 1, on dfinit les gnrateurs dpendants des gnrateurs indpendants, en les
multipliant entre eux 2 2, puis 3 3, et ainsi de suite.
Enfin, on relvera le fait que, pratiquement, cest partir des gnrateurs (indpendants et
dpendants) que les aliases sont calculs. En effet, pour cela, ils doivent tre multiplis par les
effets individuels des k facteurs.
IV.6.c Rsolution dun plan fractionnaire
La rsolution dun plan fractionnaire 2
k-r
est la longueur du plus petit gnrateur
(dpendant ou indpendant) dans le meilleur des cas. Cest un nombre entier strictement
positif crite souvent en chiffres romains.
Il existe gnralement plusieurs combinaisons de gnrateurs indpendants possibles, pour la
construction d'un plan fractionnaire de mme dfinition. Toutes ces combinaisons ne donnent
pas la mme rsolution au plan ainsi dfini, en raison du mode de dduction des gnrateurs
dpendants.
Vus les points abords dans les rfrence [21, 42, 43], il apparat que les plans fractionnaires
ne peuvent prsenter un intrt que sils sont de rsolution suprieure ou gale III. On
recherche toujours la meilleure combinaison de gnrateurs indpendants pour obtenir la plus
grande rsolution possible du plan 2
k-r
. Cela permet ainsi daliaser les effets des facteurs
principaux avec ceux dinteractions dordre le plus lev possible.
IV.6.d Plans fractionnaires admissibles
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
90
Tous les plans fractionnaires sont nots 2
k-r
, indiquant quils sont directement issus de
plans factoriels complets 2
k
. Cette criture donne galement le nombre dexpriences n
raliser par ce plan. Il est ncessaire davoir dans un premier temps [44, 45, 46] :
0 < r < k (IV.25)
On ne retient pas ici la gnralisation de lcriture 2
k-r
pour r = 0 des plans fractionnaires
comme tant celle des plans factoriels complets. De plus, lors de la construction de plans
fractionnaires, il faut exprimer les effets des r facteurs supplmentaires en fonction des effets
et interactions entre les (k-r) facteurs initiaux.
Il faut donc que la relation suivante soit respecte :
(IV.26)
Enfin, un plan fractionnaire nest intressant que sil est au minimum de rsolution de III. Il
faut donc viter de dfinir les r facteurs supplmentaires en fonction des effets simples des (k-
r) facteurs dorigine. Par consquent, la relation prcdente doit tre corrige comme suit :
(IV.27)
Le fait que r doit tre un nombre entier, finalement on peut crire :
(IV.28)
avec : E dsigne la partie entire ( )
On vrifie bien que les plans fractionnaires ne sont dfinis que pour des valeurs de k
strictement suprieures 2. Cette relation permet galement de constater que les plans
fractionnaires 2
k-r
permettent de calculer des modles polynomiaux du premier ordre saturs,
lorsque 1+k =2
x
avec x un entier (valant dans ce cas k-r). Le tableau IV.7 donne les valeurs
maximales r
max
de r en fonction de k.
Tableau IV.7 Valeurs maximales de r (r
max
)
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
91
k 3 4 5 6 7 8 9 10 11
r
max
1 1 2 3 4 4 5 6 7
Dans la grille du tableau IV.8 qui suit, sont donnes les rsolutions maximales des plans
fractionnaires ralisables, pour les premires valeurs de k.
Tableau IV.8 Rsolutions maximales des premiers plans fractionnaires ralisables
Nombre de facteurs (k)
3 4 5 6 7 8 9 10 11
N
o
m
b
r
e
d
e
x
p
r
i
e
n
c
e
s
n
d
u
p
l
a
n
f
r
a
c
t
i
o
n
n
a
i
r
e
4 III
8 IV III III III
16 V IV IV IV III III III
32 VI IV IV IV IV IV r=7
64 VII V IV IV IV r=6
128 VIII VI V V r=5
256 IX VI V r=4
512 X VII r=3
1024 XI r=2
r=1
Pour rsumer, les tapes successives suivantes sont ncessaires pour la construction dun plan
factoriel fractionnaire :
1. prise en compte du plan factoriel complet de base N=2
k
expriences ;
2. dtermination du nombre admissible dexpriences N=2
k-r
avec 0 < r s r
max
;
3. recherche des meilleurs gnrateurs indpendants ;
4. dduction des contrastes (aliases).
IV.6.e Plans fractionnaires 2
9-5
Pour tudier le vecteur dentres 9 facteurs, le plan complet contient 2
9
= 512
combinaisons des facteurs et interactions, le plan 2
9-5
= 2
4
nous permettra de recenser que
seize simulation. Il nous faut cinq interactions pour tudier les facteurs supplmentaires, les
rsultats sont montrs par le tableau IV. 9.
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
92
E
f
f
e
t
5
1
2
4
5
5
4
1
8
4
1
3
3
5
6
3
4
7
1
8
7
1
8
4
1
8
3
1
8
0
1
7
9
1
4
0
1
1
7
7
8
4
7
2
4
N
e
x
p
0
,
4
8
7
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 I
M
o
y
0
,
1
0
3
1
-
1
1
-
1
1
-
1
-
1
1
-
1
1
-
1
1
-
1
1
-
1
1 a
o
1
0
,
0
1
3
1 1
-
1
-
1
1 1
-
1
-
1
-
1
-
1
1 1
-
1
-
1
1 1 b
o
2
-
0
,
1
1
1
1 1 1 1
-
1
-
1
-
1
-
1
-
1
-
1
-
1
-
1
1 1 1 1 c
o
3
-
0
,
0
7
3
1
-
1
-
1
1
-
1
1
-
1
1 1
-
1
-
1
1
-
1
1 1
-
1
d
V
1
0
,
1
0
6
1
-
1
-
1
1 1
-
1
1
-
1
1
-
1
-
1
1 1
-
1
-
1
1
a
b
o
1
o
2
T
a
b
l
e
a
u
I
V
.
9
P
l
a
n
f
a
c
t
o
r
i
e
l
f
r
a
c
t
i
o
n
n
a
i
r
e
2
9
-
5
-
0
,
0
1
9
1
-
1
1
-
1
-
1
1 1
-
1
1
-
1
1
-
1
-
1
1
-
1
1
a
c
o
1
o
3
0
,
0
2
4
1 1
-
1
-
1
-
1
-
1
1 1
-
1
-
1
1 1 1 1
-
1
-
1
a
d
o
1
V
1
0
,
0
8
5
1 1
-
1
-
1
-
1
-
1
1 1 1 1
-
1
-
1
-
1
-
1
1 1
b
c
o
2
o
3
0
,
0
9
8
1
-
1
1
-
1
-
1
1 1
-
1
-
1
1
-
1
1 1
-
1
1
-
1
b
d
o
2
V
1
-
0
,
0
6
1
1
-
1
-
1
1 1
-
1
1
-
1
-
1
1 1
-
1
-
1
1 1
-
1
c
d
o
3
V
1
0
,
0
1
7
1
-
1
-
1
1
-
1
1
-
1
1
-
1
1 1
-
1
1
-
1
-
1
1
e
=
a
b
c
V
2
=
o
1
o
2
o
3
-
0
,
0
2
3
1 1 1 1
-
1
-
1
-
1
-
1
1 1 1 1
-
1
-
1
-
1
-
1
h
=
a
b
d
P
2
=
o
1
o
2
V
1
-
0
,
1
0
6
1 1
-
1
-
1
1 1
-
1
-
1
1 1
-
1
-
1
1 1
-
1
-
1
g
=
a
c
d
P
1
=
o
1
o
3
V
1
-
0
,
2
8
3
1
-
1
1
-
1
1
-
1
-
1
1 1
-
1
1
-
1
1
-
1
1
-
1
f
=
b
c
d
V
3
=
o
2
o
3
V
1
-
0
,
1
2
3
1 1 1 1 1 1 1 1
-
1
-
1
-
1
-
1
-
1
-
1
-
1
-
1
i
=
a
b
c
d
P
3
=
o
1
o
2
o
3
V
1
0
,
1
3
4
0
,
3
5
7
0
,
1
2
5
0
,
3
0
6
0
,
1
3
9
0
,
4
5
4
1
,
0
6
0
,
3
3
9
0
,
2
1
3
1
,
0
6
6
0
,
1
7
6
1
,
3
3
5
0
,
3
2
9
0
,
3
5
5
0
,
1
7
5
1
,
2
2
9
Y
E
x
p
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
93
Nous pouvons constater que lutilisation dun plan fractionnaire 2
9-5
nous a permis un
classement par ordre dinfluence des paramtres. Par consquent, seuls les facteurs les plus
influents pourront tre slectionns pour une optimisation du vecteur dentre. De ce fait, le
nombre de simulations utiles sera considrablement diminu permettant de gagner un temps
prcieux et une simplification du problme.
Une reprsentation des facteurs par leurs ordres dimportance suivant la fonction rponse
CCT est donne par la figure IV. 11 ci-aprs.
Il est vident que les paramtres du nud 3 ont une influence plus significative sur
lestimation du temps critique par rapport aux nuds 1 et 2. Cependant, lanalyse de la
variance permet de dfinir un seuil partir duquel on peut tester la dominance de chaque
facteur.
IV.7 Analyse de la variance
IV.7.a Notion de degrs de libert
Le nombre de degrs de libert ddl associ un facteur f est le nombre de niveaux
quil prend lors de la ralisation du plan minor de 1.
Figure IV.11 : Classement par ordre dinfluence des facteurs
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
94
On a donc dans tous les cas :
(IV.29)
Or, dans le cas des plans factoriels complets, on a lgalit :
(IV.30)
Le calcul des degrs de libert dune interaction est le produit des ddl des facteurs mis en jeu
dans cette interaction.
Afin de pouvoir dfinir le nombre de degrs de libert affect ce modle, le tableau IV.10
prsente une explication regroupant les tapes fondamentales de le faire :
Tableau IV.10 Rgle de calcul du ddl
ddl
Moyenne 1
Effet nombre de niveaux -1
Interaction nombre de ddl du facteur n1 X nombre de ddl du facteur n2
Le modle du plan fractionnaire reprsente les ddl par :
= I + a + b + c + d + ab +.,+ abc +,+ abcd
niveaux 2 2 2 2
ddl 1 1 1 1 1 1 1 1
Enfin, notons la relation donnant entre autre le nombre de degrs de libert total ddl
t
par :
+ =
ractions
i
facteurs
i t
ddl ddl ddl
int
(IV.31)
IV.7.b Calcul de la variance
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
95
Le calcul de la variance pour un facteur A est donne par VA :
(IV.32)
Gnralement, lorsquon utilise le modle pour estimer la rponse on mesure un cart appel
rsidus entre la valeur calcule et la valeur relle exprimentale.
(IV.33)
Lorsquil existe, lquation de la variance fait apparatre un nouveau terme appel
communment variance rsiduelle Vr :
(IV.34)
La dtermination de Vr est ncessaire puisquelle intervient dans les tests composant lanalyse
de la variance. En effet, cest cette variance rsiduelle que les variances des facteurs sont
compares afin de dterminer les facteurs significatifs.
IV.7.c Test de Fisher-Snedecor
Lanalyse de la variance permet destimer si les effets calculs sont significatifs. Le test
consiste comparer le rapport VA/Vr avec la valeur thorique de la table de Fisher-Snedecor
se trouvant dans de nombreux ouvrages statistiques. Si F-exprimental (VA/Vr) est suprieur
F-thorique (tableau IV.11), alors leffet est significatif.
On calcule alors le ratio suivant, pour le facteur considr :
(IV.35)
Lanalyse de la variance permet donc de dterminer les facteurs dont leurs probabilits
soient infrieures un niveau fix arbitrairement. Selon ces niveaux de signification, ces
termes peuvent tre rejets en diminuant la dimension du vecteur dentre du rseau de
neurones.
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
96
Le test de Fisher tant ralis en prenant F-thorique 95% comme rfrence, ainsi, le nombre
de facteurs rejets suivant F-exprimental calcul. Le tableau IV. 11 runit les rsultats des
calculs prcdents.
Tableau IV.11 Test de Fisher-Snedecor
Facteur Effet Variance Var Rsid Fexp F-tho 95% Domination
V
3
2,83E-01 1,28E+00 3,56E-03 3,61E+02 5,99E+00 OUI
P
3
1,23E-01 2,41E-01 3,56E-03 6,77E+01 5,99E+00 OUI
o
3
1,11E-01 1,97E-01 3,56E-03 5,53E+01 5,99E+00 OUI
P
1
1,06E-01 1,80E-01 3,56E-03 5,06E+01 5,99E+00 OUI
o
1
1,03E-01 1,70E-01 3,56E-03 4,79E+01 5,99E+00 OUI
V
1
7,32E-02 8,57E-02 3,56E-03 2,41E+01 5,99E+00 OUI
P
2
2,29E-02 8,37E-03 3,56E-03 2,35E+00 5,99E+00 NON
V
2
1,71E-02 4,66E-03 3,56E-03 1,31E+00 5,99E+00 NON
o
2
1,29E-02 2,67E-03 3,56E-03 7,51E-01 5,99E+00 NON
IV.8 Exploitation des rsultats obtenus
Lapplication de la mthode des plans dexpriences nous a permis de rduire le vecteur
dentre du rseau de neurones compos de 9 paramtres initialement, un vecteur compos
de 6 variables juges les plus reprsentatives de notre systme.
IV.8.a Application du nouveau RNA
Le nouveau rseau de neurones artificiels obtenu partir de ltude prcdente se
compose de :
- une couche dentre constitue de 6 entres,
- deux couches caches, formes de 12 neurones chacune,
- un neurone dans la couche de sortie pour le temps critique dlimination du dfaut.
Nous adoptons les critres darrts similaires lapprentissage du premier rseau. La figure
IV.12 montre la progression de la courbe dentranement du nouveau rseau de neurones.
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
97
0 1 2 3 4 5 6 7 8
10
-7
10
-6
10
-5
10
-4
10
-3
10
-2
10
-1
10
0
8 Epochs
Performance is 3.92935e-007, Goal is 1e-006
Figure IV.12 : Evolution du processus dentranement du nouveau RNA
IV.8.b Test et interprtations
Les rsultats obtenus en ralisant le rseau de neurones avec le vecteur dentre rduit sont
reprsents par le tableau IV.12 qui correspond la phase de test de rponse.
Tableau IV.12 Rsultats du test du nouveau rseau de neurones
Type de
dfaut
Niveau de
Charge (%)
CCT IN
CCT RNA
9 variables
CCT RNA
6 variables
CC au nud
n 1
0,90 0,452 0,451 0,451
1,00 0,398 0,396 0,395
1,10 0,377 0,374 0,372
CC au nud
n 2
0,85 0,297 0,297 0,298
0,90 0,296 0,296 0,295
0,95 0,288 0,289 0,289
1,10 0,195 0,197 0,194
1,15 0,238 0,239 0,236
Daprs les rsultats obtenus dans le tableau IV.12, une tude comparative des rsultats
obtenus par intgration numrique avec ceux estims par le rseau de neurones optimis,
permet de constater que presque tous les rsultats, quelque centime de seconds prs, sont
quivalents.
ChapitreIV Optimisation des RNA par la Mthode des Plans dExpriences
98
Par ailleurs, une bonne optimisation du vecteur dentre aux lments les plus reprsentatifs
du rseau lectrique, a permis de garder lestimation du temps critique dlimination du dfaut
relativement similaire par rapport lutilisation du vecteur dentre initial.
IV.9 Conclusion
Pour connatre les volutions des variables caractristiques du problme, leurs
interactions ainsi que leurs influences sur les grandeurs tudies, nous avons appliqu dans ce
travail la formalisation confre par la mthode des plans dexpriences MPE. Elle nous a
permis une modlisation sous forme dquations de lensemble des rponses ainsi quune
classification des paramtres du vecteur dentre selon leffet le plus important.
Lintroduction du procd des plans dexpriences a conduit une entre de dimension plus
rduite en ne tenant compte que des paramtres dominants du systme.
Conclusion Gnrale
99
Ltude prsente dans ce mmoire porte sur, lapplication des rseaux de neurones
artificiels pour lvaluation de la stabilit transitoire des rseaux d'nergie lectrique. Nous
nous sommes intrsss en particulier loptimisation du vecteur dentr du RNA par la
mthode des plans dexpriences. Comme nous avons pu le constater tout le long de cette
tude, lvaluation de la stabilit transitoire constitue un sujet dactualit et revet une
importance primordiale dans l'exploitation et la planification des rseaux lectriques.
Afin datteindre cet objectif, nous sommes passs par plusieurs tapes :
Aprs avoir rappeler les diffrentes classifications et les dfinitions des mthodes
utilises dans la littrature pour lvaluation de la stabilit transitoire des rseaux lectriques
ainsi que les techniques doptimisation, nous avons prsent une modlisation du rseau
lectrique en vue dtudier le phnomne de stabilit transitoire. Un modle complet a t
dvelopp compos dun systme dquations diffrentielles associ un systme dquations
algbriques avec la prise en compte des rgulateurs de tension et de vitesse.
Un programme labor sous environnement MATLAB permet de rsoudre
numriquement lensemble des quations diffrentielles et algbriques rgissant le
fonctionnement du systme. Ces programmes tests sur le rseau IEEE 3-machines 9-nuds
ont donn ainsi des rsultats satisfaisants. Lavantage de la mthode dintgration numrique
est la possibilit dinclure des modles dtaills des diffrents composants du systme. En
plus, elle fournit des rsultats prcis sur la stabilit transitoire du rseau lectrique. Or, la
limitation principale de cette mthode est le temps de calcul important qui ne permet pas
dentreprendre des applications en temps rel.
Cette limitation nous a pousses appliquer lapproche des rseaux de neurones
artificiels pour une valuation rapide de la stabilit transitoire. La matrice dapprentissage a
t prpare en utilisant la mthode dintgration numrique issue du chapitre II. Plusieurs
topologies sont considres en changeant le niveau de charge du systme. Lapplication des
R.N.A, avec lalgorithme de rtropropagation pour son apprentissage, nous a permis davoir
une bonne estimation du comportement transitoire du rseau dnergie lectrique. Dans cette
tude, nous avons montr lintrt dappliquer les rseaux de neurones artificiels pour
lvaluation de la stabilit transitoire des rseaux dnergie lectriques en temps rel.
Conclusion Gnrale
100
Malgr que cette approche nous a donn de trs bons rsultats, son application pour
ltude de stabilit transitoire des grands rseaux ncessite loptimisation du vecteur dentre.
Pour remdier ce problme, une tude doptimisation de ce vecteur est propose afin de
choisir les paramtres qui affectent le plus le systme.
Dans le dernier chapitre, nous avons prsent lapplication de la mthode des plans
dexpriences au problme doptimisation. Nous avons prsent aussi une mthodologie pour
mettre en place cette technique sur notre rseau dtude. Ltude du plan complet et le plan
fractionnaire a permis de classer les paramtres du vecteur dentre du rseau de neurones
suivant leurs degr de signification. Toutefois lanalyse de la variance nous a permis une
dfinition dun seuil de rejet adopt pour cette tude. Lintroduction de la mthode des plans
dexpriences dans ce contexte a conduit une optimisation du nombre considrable des
paramtres du vecteur dentres, tout en maintenant les rsultats relativement similaires.
Nous pourrions recommander comme suite de ce travail, entre autres, dappliquer cette
technique pour les grands rseaux lectriques, de complter ltude en utilisant les autres
procds offerts par la mthode des plans dexprience, de dvelopper des modles dynamiques
des systmes de puissance avec les dispositifs stabilisateurs et les organes de rgulation.
Bibliographie
[1] C. Corroyer et P. Duveau, Protection des rseaux de transport et de rpartition,
Techniques de lIngnieur, trait Gnie lectrique D4 805.
[2] P. Kundur, Power System Stability and Control, McGraw-Hill Inc, 1993.
[3] M. Pavella et P.G.Murthy, Transient Stability of Power Systems : theory and
practice, Library of congress cataloguing in publication, 1994.
[4] A. Abur et A. Exposito, Power System State Estimation : Theory and
Implementation, Marcel-Dekker Inc, 2004.
[5] J. Task-Force, Definition And Classification Of Power System, IEEE\CIGRE
June 2003.
[6] M. Crapp, Stabilit et sauvegarde des rseaux dnergie lectrique Bermes science
publication, LAVOISIER, 2003.
[7] J. P. Clerfeuille, S. Vitet et C. Lebrevelec, Plan de dfense des rseaux contre les
incidents majeurs, Techniques de lIngnieur, trait Gnie lectrique D 4807.
[8] M. El Hawary et J. Momoh, Electric Systems, Dynamics, and Stability with
Artificial Intelligence Applications, Marcel Dekker 2000.
[9] A. J. Wood et B.F. Wollenberg Power generation, operation and control, Quinn-
Woodbine, New York, 1983.
[10] E. G.Shahraki, Apport de l'UPFC l'amlioration de la stabilit transitoire des
rseaux lectriques, Thse dtat, universit de Nancy, 2003.
[11] N. Kandil, Algorithmes pour acclrer la simulation en stabilit transitoire, Thse
dtat, universit de MONTREAL,1999.
[12] Y. Zhang, B. Zhang, H.i Hashimoto et H. Taoka, A Novel Approach for On-line
Transient Stability Assessment, 0-7803-6338-8/00 2000 IEEE.
[13] M. A. Pai, Power system stability analysis by the direct method of Lyapunov,
1982.
[14] H. Sakaguchi, A. Ishigame et S. Suzaki Transient Stability Assessment For Power
System Via Lure Type Lyapunov Function, IEEE, pp. 0-7803-8718-/04, 2004.
Bibliographie
[15] R. M. Parizeau, Rseaux de neurones Universit Laval, Automne2004.
[16] F. Aboytes et R. Ramirez Transient Stability Assessment In Longitudinal Power
Systems Using Artificial Neural Networks, 0885-8950, 1996, IEEE.
[17] S.K. Tso, X.P. Gu, Q.Y. Zeng, K.L. Lo et W.Q. Zhang, A Hybrid Framework of
Short-Duration Simulation and ANN-Based Transient Stability Assessment for
Contingency Screening, IEEE, pp. 0-78034754498/510.00, 1998.
[18] B. Bonvini, S. Massucco, A. Ivlorini et T. Siewierski, A Comparative Analysis of
Power System Transient Stability Assessment by Direct and Hybrid Methods,
0-7803, 1996, IEEE.
[19] A. Ladjici, Calcul volutionnaire Application sur loptimisation de la planification
de la puissance ractive, Mmoire de magistre, cole nationale polytechniques,
2005.
[20] O. Roudenko, Application des algorithmes volutionnaire aux problmes
doptimisation Multi-objectif avec contraintes, Thse de doctorat en Mathmatique,
2004.
[21] J. Goupy, Les plans dexpriences, Tutoriel Numro 34, Revue MODULAD,
2006.
[22] IEEE Power Engineering Society 1110
TM
Guide for Synchronous Generator
Modeling Practices and Applications in Power System Stability Analyses, The
Institute of Electrical and Electronics Engineers, Inc 2002.
[23] A. Von-Meier, Electric Power Systems - A Conceptual Introduction A John Wiley
& Sons, Inc., Publication 2006. IEEE Press. Wiley-Interscience.
[24] H. Wayne Beaty, Handbook of Electric Power Calculations, Third Edition
MCGRAW-HILL, 2001.
[25] P. Bornard et M. Pavard, Rseaux dinterconnexion et de transport : rglage et
fonctionnement, Techniques dIngnieur, D 4090.
[26] A. Besanon-Voda et S. Gentil, Rgulateurs PID analogiques et numriques,
Techniques dIngnieur, R7416.
Bibliographie
[27] Technical Manual TM 5-811-14, Coordinated Power Systems Protection,
Headquarters, Department Of The United States Army, 1991.
[28] C. Touzet, Les Rseaux de Neurones Artificiels - Introduction au
Connexionnisme, cours, exercices et travaux pratiques. Juillet 1992.
[29] A.M. Ibrahim, Fuzzy Logic for Embedded Systems Application, Elsevier Science
USA, 2004.
[30] F. Sorin, L. Broussard et P. Roblin, Rgulation dun processus industriel par
rseaux de neurones, Techniques de lIngnieur, S 7582.
[31] N. Amjady, Transient Stability Assessment By A New Artificial Neural Network,
IEEE, pp. 1315-1318, 2000.
[32] K. Wong, W. Lim et N. Phuoc, Neural-Network Transient Stability Assessment Of
A Single-Machine System Under Asymetrical Fault Condition, IEEE, pp. 572-577,
1991.
[33] S. Krishna et K.R. Padiyar, Transient Stability Assessment using Artificial Neural
Networks, 0-7803-5812-0/00/$10.000 IEEE, 2000.
[34] X. P. Gu, Combination of Rough Set Theory and Artificial Neural Networks for
Transient Stability Assessment, 0-7803-6338-8, IEEE,2000.
[35] W. S. Sarle, Neural Networks and Statistical Models, Proceedings of the
Nineteenth Annual SAS Users Group International Conference, USA, 1994.
[36] A. Del Angel, M. Glavic et L. Wehenkel, Using Artificial Neural Networks to
Estimate Rotor Angles and Speeds from Pharos Measurements, University of
Lige. Department of Electrical Engineering and Computer Science.
[37] K. K. Sanyal, Transient Stability Assessment Using Artificial Neural Network,
4/17, IEEE, 2004.
[38] J. Sobajic et Y. Fellow, Artificial Neural-net Based Dynamic Security Assessment
for Electric Power Systems, 0885-8950/89/0200-0220 IEEE, 1989.
Bibliographie
[39] P. Chapouille, Planification Et Analyse Des Expriences, Masson et C
IE
, Paris.
1973.
[40] J. Goupy, plans dexpriences pour surfaces de rponse, Edition Dunod, Paris,
1999.
[41] S. Vivier, Stratgies doptimisation par la mthode des plans dexpriences et
Application aux dispositifs lectrotechniques, modliss par lments finis, Thse
doctorat de lEcole Centrale de Lille, 2002.
[42] F. Gillon, Modlisation et optimisation par plans dexpriences dun moteur
commutations lectroniques, Thse doctorat de luniversit de Lille, 1997.
[43] J. Goupy, Plans dexpriences les mlanges, Edition Dunod, Paris, 2000.
[44] J. Goupy, Introduction aux plans d'expriences, Dunod, Paris, 2001.
[45] J. Goupy, Pratiquer les Plans d'Expriences, Dunod, Paris, 2005.
[46] Pillet Maurice, Introduction aux Plans d'expriences par la mthode Taguchi, Les
Editions d'organisation, Paris, 1992.
Annexe Donnes du Systme IEEE 3 machines 9 nuds
A.1. Topologie du systme :
A.2. Donnes des charges et des compensateurs :
Nud 7 8 9
P pu 1.210 1.110 0.814
Q pu 0.350 0.250 0.200
B
c
pu 0.031 0.011 0.020
Tableau A.1 : Charges et Compensateurs
G2
G1
G3
C1
C2
C3
5
Ch.B
Ch.C
Ch.A
2 9 6 3
7
8
4
1
Figure A.1 : Topologie du rseau IEEE 3 machines 9 nuds
Annexe Donnes du Systme IEEE 3 machines 9 nuds
A.3. Donnes des lignes :
Branche
Nud de
dpart
Nud
darrive
B
sh
(pu) R
ser
(pu) X
ser
(pu)
1 1 2 0.0580 0.0045 0.0810
2 1 4 0.0000 0.0000 0.0151
3 2 3 0.0062 0.0049 0.0930
4 2 5 0.0000 0.0000 0.0140
5 3 6 0.0000 0.0000 0.0213
6 4 7 0.0027 0.0018 0.0412
7 4 8 0.0018 0.0017 0.0530
8 5 8 0.0017 0.0016 0.0223
9 5 9 0.0025 0.0024 0.0305
10 6 7 0.0010 0.0017 0.0301
11 6 9 0.0015 0.0016 0.0116
12 7 8 0.0062 0.0045 0.0610
13 7 9 0.0058 0.0039 0.0520
14 8 9 0.0061 0.0049 0.0730
Tableau A.2 : Donnes des lignes du rseau de transport
A.4. Donnes des gnrateurs :
Gnrateur 1 2 3
Type Vapeur Vapeur Vapeur
S kVA 192 192 128
V kV 18.0 18.0 13.8
FP - 0.85 0.85 0.85
H pu 6.214 6.214 4.766
'
d
x
pu 0.197 0.197 0.25
d
x
pu 0.896 0.896 1.313
'
q
x
pu 0.197 0.197 0.25
q x
pu 0.865 0.865 1.258
'
0 d
T
s 6 6 5.89
'
0 q
T
s 0.535 0.535 0.600
Tableau A.3 : Donne des gnrateurs
Annexe Donnes du Systme IEEE 3 machines 9 nuds
A.5. Donnes des transformateurs :
Nud de
dpart
Nud
darrive
Rapport
(kV)
Ractances
(pu)
1 4 14.4/230 0.0151
2 5 14.4/230 0.0213
3 6 14.4/230 0.0133
Tableau A.4 : Donnes des transformateurs
A.6. Donnes des rgulateurs de tension :
Gnrateur
1 2 3
e
T
pu 0.100 0.100 0.100
e
K
pu 50.00 50.00 50.00
xma
E
pu + 5.00 + 5.00 + 5.00
xmi
E
pu - 5.00 - 5.00 - 5.00
Tableau A.5 : Donnes des rgulateurs de tension
A.7. Donnes des rgulateurs de vitesse :
Gnrateur
1 2 3
v
T
pu 5.0 5.0 5.0
v
K
pu 0.5 0.5 0.5
pu 0.6 0.6 0.6
mma P
pu 3.00 3.00 1.50
mmi P
pu 0.80 0.80 0.40
Tableau A.6 : Donnes des rgulateurs de vitesse