Contribution Optimisation de La Puissance Reactive

Mmoire prsent en vue de lobtention
du diplme de
Magister en : Electrotechnique

Option : Rseaux Electriques

Contribution loptimisation de la puissance
ractive en prsence de dispositifs de
compensation dynamique (FACTS)

Prsent par :
Nabil MANCER

Soutenu publiquement le 28 / 01 / 2012

Devant le jury compos de :

Dr. MIMOUNE Souri Med Professeur Prsident Universit de Biskra
Dr. SRAIRI Kamel Professeur Rapporteurs Universit de Biskra
Dr. MAHDAD Belkacem Maitre de Confrences B Universit de Biskra
Dr. BENCHOUIA Med Toufik Maitre de Confrences A Examinateur Universit de Biskra
Dr. ABOUBOU Abdenacer Maitre de Confrences A Examinateur Universit de Biskra

Rpublique Algrienne Dmocratique et Populaire

Ministre de lEnseignement Suprieur et de la Recherche Scientifique

Universit Mohamed Khider Biskra
Facult des Sciences et de la technologie
Dpartement : Gnie Electrique
Rf :

:
:

REMERCIEMENT

Tout dabord je tiens remercier mon encadreur Prof. SRAIRI Kamel davoir mencadrer et de
prsider ce travail je veux le remercier trs vivement pour ces encouragement illimits et
aussi ces conseils prcieux durant llaboration de ce mmoire.

Je tiens remercier trs particulirement mon Co-encadreur Dr. MAHDAD Belkacem pour
son aide continue, ses orientations ponctuelles, et ainsi ces encouragement illimits pendant
la ralisation de ce travail.

Jexprime mes chaleureux remerciements mon professeur MIMOUNE Souri Mohamed
lhonneur qui ma port dexaminer mon mmoire et de prsider ce jury.
Jadresse mes remerciement tous les membres du jury daccepter de juger ce modeste
travail.
Dedicace

DEDICACE

Je ddie ce travail :
Ma Mre,
A mon Pre,
A mes frres
Et tous mes Amis
NABIL MANCER
15/10/2012
Publication

Publication Internationals

[1] N. Mancer, B. Mahdad, K.Srairi. Multi Objective Optimal Reactive Power Flow Based
STATCOM Using Three variant of PSO International Journal of Energy Engineering,
Published online at http:// journal.sapub.org/ijee,
[2] N. Mancer, B. Mahdad, K.Srairi, M Hamed. Multi Objective For Optimal Reactive Power
Flow Using Modified PSO Considering TCSC, International Journal of Energy
Engineering,
, Vol.2 N.2, pp 1-7, 2012
Published online at http:// journal.sapub.org/ijee
[3] M. Hamed, B. Mahdad, K. Srairi and N. Mancer. Solving Dynamic Economic Dispatch
With Modified PSO Algorithm Considering Valve Points Effect And Ramp Rate generators
Limits,
, Vol.2 N.4, pp165-170,
2012.
Has been accepted in journal.sapub.org/ijee,

Communications internationals

[4] N. Mancer, B. Mahdad, K.Srairi, M Hamed. Multi Objective ORPF Using PSO with Time
Varying Acceleration Considering TCSC Prceedings of the 11th International Conference
on Environment and Electrical Engineering, (EEEIC 2012) Venice Italy, 18 - 25 May
2012: 802-807.
[5] M. Hamed, B. Mahdad, K. Srairi and N. Mancer. Solving Combined Economic Emission
Dispatch Problem Using Time Varying Acceleration Based PSO Prceedings of the 11th
International Conference on Environment and Electrical Engineering, (EEEIC 2012)
Venice Italy, 18 - 25 May 2012: pp 764-769.
http://ieeexplore.ieee.org/
[6] M. Hamed, B. Mahdad, K. Srairi and N. Mancer. Solving Multi-objective Economic
Dispatch Problem Using Flexible Time Varying Acceleration Based PSO .4th
international conference on electrical engineering (ICEE12) 07-09 Algiers 2012
http://ieeexplore.ieee.org/
[7] N. Mancer, B. Mahdad, K. Srairi and M. Hamed. Minimisation des Pertes de Transmission
dEnergie par Utilisation des AG et PSO. 7th International Conference on Electrical
Engineering CEE'12 Octobre 8 10, Batna 2012
Rsum

Rsum

Ce mmoire prsente une contribution loptimisation de la puissance ractive dans les
rseaux lectriques par lintgration des systmes FACTS en appliquant plusieurs mthodes
mta-heuristiques savoir les algorithmes gntiques AG, Algorithme doptimisation par
colonies de Fourmies, loptimisation par essaims de particules PSO et ses versions modifies
telles que lalgorithme PSO avec facteur intrieur (PSO-CI), PSO avec facteur de constriction
PSO-FC, et lalgorithme doptimisation par essaims de particules avec coefficient
dacclration variable PSO-TVAC.
Dans ce travail, notre optimisation sujette de diverses contraintes dgalit et dingalits.
Plusieurs fonctions objectifs ont t traites : la minimisation des pertes actives de
transmission et la dviation de tension de jeux de barres de charges, ces deux fonctions
objectifs sont optimises individuellement et simultanment. Afin de dmontrer limpact de la
technologie FACTS dans le domaine de la gestion et lexploitation efficace des rseaux
lectrique, deux dispositifs FACTS (STATCOM et TCSC) ont t modliss est intgrs dans
des rseaux tests pratiques. Pour renforcer le contenu de notre travail, un indice de stabilit de
tension nomm L_index est minimiser en coordination avec les paramtres de compensateur
shunt STATCOM pour amliorer la stabilit de tension dans les rseaux lectriques et assurer
une exploitation efficace. Les mthodes met-heuristiques proposes ont t valides sur des
rseaux tests internationaux typiques: IEEE 30-Bus, IEEE 57-Bus. Les rsultats obtenus
montrent clairement l'efficacit d'intgrer ces dispositifs dans les rseaux lectriques ainsi une
tude comparative entre les mthodes proposes, dmontre la supriorit de la variante
propose bas sur le l'ajustement dynamique des paramtres de PSO en terme de qualit de
solution et convergence.

Mots cls :
Optimisation de lcoulement de puissance ractive, compensation de la puissance ractive,
contrle de la tension, systmes de compensation dynamiques FACTS, STATCOM, TCSC.
Mthodes doptimisation classique, Mthodes doptimisation globales : GA, PSO, PSO-CI,
PSO-FC, PSO-TVAC, ACO. Stabilit de tension, L-index.

Sommaires

i

SOMMAIRE

Remerciements
Ddicaces
Publications
Rsum
Sommaire....... i
Liste des Figures............ v
Liste des Tableaux......... ii
Liste des Symboles et abrviations v
Introduction Gnrale...... 1

Chapitre 1 Introduction et gnralit sur les systmes FACTS
1.1. Introduction:.. 3
1.2. La puissance ractive dans les circuits lectriques:... 3
1.2.1 Sens physique de la puissance imaginaire... 4
1.2.2 Le thorme de Boucherot... 6
1.2.3 Puissance transmise par une ligne lectrique:.. 6
1.2.4 La chute de tension :.. 7
1.2.5 Pertes actives : 8
1.3. La compensation : 8
1.3.1 Principe de la compensation shunts:.. 9
1.3.2 Principe de la compensation sries :... 10
1.3.3 Principe de la compensation par dphasage : 11
1.4. Moyens de compensation ractive : 12
1.4.1 Compensateurs synchrones :. 12
1.4.2 Bancs de condensateurs : 12
1.4.3 Compensateurs statiques de puissance ractive :.. 12
1.5. Les systmes de transmission flexibles en courant.... 13
1.5.1 Dfinition : .. 13
1.5.2 Les diffrents types des systmes FACTS :.. 14
1.5.3 Les avantages de la technologie des dispositifs FACTS : .... 15
1.6. Structure des Principaux Dispositifs FACTS: ... 15
1.6.1 dispositifs de compensation dynamique shunts :.. 15
1.6.1.1 Compensateur statique de puissance ractive (SVC):.... 16
1.6.1.1.1 Dfinition :....... 16
1.6.1.2.1 Principe de fonctionnement :... 16
1.6.1.2 Le STATCOM (Static Compensator):. 18
1.6.1.2.1 Dfinition :........................................................... 18
1.6.1.2.2 Principe de fonctionnement:.. 18
1.6.2 Dispositifs de compensation dynamique srie : 20
1.6.2.1 La capacit srie commande par thyristor (TCSC ) :. 20
1.6.2.1.1 Dfinition : 20
1.6.2.1.2 Principe de fonctionnement:.... 20
1.6.2.2 Compensateur statique srie synchrone (SSSC) : . 22
Sommaires

ii

1.6.2.2.1 Dfinition:............... 22
1.6.2.2.2 Principe de fonctionnement: 22
1.6.3 Dispositifs de compensation dynamique hybrides "serie parallele.............. 23
1.6.3.1 Compensateur universel UPFC : .................... 23
1.6.3.1.1 finition:... 23
1.6.3.1.2 Principe de fonctionnement :. 23
1.7. Conclusion ............ 24
Chapitre 2 Modlisation des dispositifs FACTS
2.1. Introduction... 25
2.2. Problme de lcoulement de puissance : 25
2.2.1. Algorithme de N-R dans un systme de dimension n :.. 27
2.2.2. Solution de l'coulement de puissance par l'algorithme de Newton-Raphson 28
2.3. Modlisation des lments du rseau 29
2.3.1. Modles des gnrateurs.. 29
2.3.2. Modles de charge.... 29
2.3.3. Modles de llment shunt.... 30
2.3.4. Modles de ligne.. 30
2.3.5. Modles de transformateurs.. 31
2.4. Modlisation des dispositifs FACTS. 32
2.4.1. Injection de puissance aux extrmits de la ligne.. 32
2.4.2. Cration d'un nud fictif. 34
2.4.3. Modification de la matrice d'admittance nodale. 34
2.4.4. Dispositifs FACTS shunt. 35
2.4.4.1. Modle du compensateur statique de puissance ractive (SVC) 35
2.4.4.2. SVC plac au milieu d'une ligne 37
2.4.4.3. Modle du compensateur statique de puissance ractive (STATCOM) 37
2.4.5. Dispositifs de compensation srie 39
2.4.5.1. Modlisation de TCSC : 39
2.4.6. Dispositifs de compensation shunt-srie :. 40
2.4.6.1. Modlisation mathmatique du compensateur universel 'UPFC' 40
2.5. Conclusion.. 42
Chapitre 3 Les mthodes d'optimisation: mthodes dterministes et mta-heuristique
3.1. Introduction:.. 43
3.2. Quest-ce quun problme doptimisation 43
3.3. Classification des problmes doptimisation 43
3.4. Concepts de base et terminologie concernant loptimisation.. 44
3.5. Rsolution du Problme doptimisation 46
3.6. Mthodes doptimisation dterministes 47
3.6.1. Mthode du gradient :.. 47
3.6.1.1. Formulation mathmatiques.. 48
3.6.1.2. Avantages et inconvnients . 48
3.6.2. Mthode de Newton 48
3.6.3. Programmation dynamique. 49
3.6.4. Les mthodes de points intrieurs 49
3.6.5. La technique de programmation quadratique .. 49
3.7. Les mta-heuristiques : .. 50
3.7.1. Minimum local et global dune fonction... 50
3.7.2. Optimisation par algorithmes gntiques.... 52
3.7.2.1. Mcanicisme de recherche :. 52
Sommaires

iii

3.7.2.2. Codage et population initiale... 53
3.7.2.2.1. Codage binaire ........ 53
3.7.2.2.2. Codage rel 54
3.7.2.3. Les oprateurs utiliss par les AG:... 54
3.7.2.3.1. la slection: 54
3.7.2.3.2. Le croisement: 55
3.7.2.3.3. L'oprateur de mutation :. 55
3.7.3. Optimisation par Essaim de particules. 56
3.7.3.1. Principe de fonctionnement . 57
3.7.4. Optimisation par colonies de fourmis.. 59
3.7.4.1. Analogie biologique. 60
3.7.4.2. Formulation mathmatique 61
3.8. Adaptation des mthodes mta-heuristiques pour la rsolution dORPF (optimisation de
lcoulement de puissance ractive).

62
3.9. Formulation Mathmatiques : 63
3.9.1 Premire fonction objectif (Pertes Actives de Transmission DP) :. 63
3.9.2 Deuxime fonction objectif (Dviation de Tension DV) : . 63
3.9.3 Troisime fonction objectif (indice de stabilit de Tension L_index) : 63
3.9.3.1 Formulation de lindex de stabilit de tension (L_INDEX) .. . 64
3.9.4 Formulation du problme Multi Objectifs 65
3.9.5 Les Contraintes : 65
3.9.5.1 Contraintes dgalits :.. 66
3.9.5.2 Contraintes dingalits :...... 66
3.10. Algorithme gntique 67
3.11. Algorithme dessaim de particules... 68
3.11.1. Algorithme de PSO avec coefficient d'inertie (PSO-CI).... 68
3.11.2. Algorithme de PSO avec le facteur de constriction k (PSO-CF).... 69
3.11.3. Algorithme de PSO avec Coefficients d'Acclration variable (PSO-TVAC).. 69
3.12. Lalgorithme de colonies de fourmis (ACO)... 70
3.12.1. Les paramtres optimaux des algorithmes de colonies de fourmis. 70
3.12.2. Organigramme de la technique ACO applique l'OPF..... 71
3.13. Conclusion. 72
Chapitre 4 : Tests et Application
4.1 Introduction:..... 73
4.2 Test dapplication 1: Minimisation des Pertes Actives par AG et PSO. 74
4.2.1 Fonction objectif......... 74
4.2.2 Les Contraintes .... 74
4.2.3 Rseaux test...... 74
4.2.4 Paramtres de simulation.. 74
4.2.5 Rsultats de simulations.. 75
4.2.6 Interprtation des rsultats : rseau test IEEE 14-Bus... 75
4.2.7 Interprtation des rsultats rseau test IEEE 30-Bus.. 75
4.2.8 Test de la variation de charge: IEEE 30-Bus.. 76
4.2.9 Conclusion 77
4.3 Test dapplication 2: Optimisation de la Puissance Ractive par utilisation du
STATCOM......

78
4.3.1 Le choix de la Position Optimale dinstallation du STATCOM 78
4.3.2 La fonction objectif ... 78
4.3.3 Les Contraintes 78
Sommaires

iv

4.3.4 Rseaux test ....... 79
4.3.5 Optimisation de la Puissance Ractive par un Contrle Flexible du STATCOM en
utilisant les Algorithmes Gntiques..

79
4.3.5.1 Interprtation des rsultats : 79
4.3.5.2 Optimisation mono objectif : .. 80
4.3.5.3 Optimisation multi objectifs : . 81
4.3.6 Etude Multi Objectifs de lOptimisation de la puissance ractive Base sur
lintgration de STATCOM par utilisation de trois variantes de lalgorithme PSO..
82
4.3.6.1. La Stratgies du test.. 82
4.3.6.2. Cas 1 : fonction mono-objectif : minimisation de DP sans Contrleur
STATCOM.

82
4.3.6.3. Cas 2 : Fonction mono-objectif : minimisation de DP et DV .considrant le
STATCOM.

84
4.3.6.4. Cas 3 : Optimisation multi Objectifs : Minimisation de DP et VT avec
lincorporation du STATCOM

86
4.3.7 Conclusion. 86
4.4 Test dapplication 3 : Optimisation de la Puissance Ractive par utilisation du
TCSC.

87
4.4.1 Application sur le rseau test de IEEE 30-JB 87
4.4.1.1 Le choix de la Position optimale dinstallation du TCSC. 87
4.4.1.2 Cas 1: fonction mono objectif: minimisation DP avec et sans TCSC. 88
4.4.1.3 Cas 2: Fonction mono-objectif : minimisation de DV avec et sans TCSC. 89
4.4.1.4 Case3: optimisation Multi Objectifs: minimisation de DP et VD avec le .TCSC 90
4.4.2 Application sur rseau test IEEE 57JB... 91
4.4.2.1 Les Fonctions Objectifs modifies 91
4.4.2.1.1 les pertes actives 91
4.4.2.1.2 la Dviation de tension 92
4.4.2.2 Les diffrents cas de test 92
4.4.2.3 Comparaison entre PSO-TVAC et PSO-FC . 93
4.4.2.4 Minimisation de la Dviation de Tension avec et sans TCSC. . .. 95
4.4.3 Conclusion. 95
4.5 Test dapplication 4 : problme de stabilit de tension .. 96
4.6 Test dapplication 5 : application de lalgorithme de colonie de fourmis ...... 99
4.1 Conclusion 100
Conclusion Gnrale...... 101
Bibliographie.. 103
Annexe... 108

Liste des Figures

v

LISTE DES FIGURES

CHAPITER 1

Figure. 1.1 Association en parallle d'lments Rsistif, Inductif et Capacitif 4
Figure. 1.2 Puissances instantanes consommes par une rsistance, une inductance et un
condensateur associs en parallle......

4
Figure. 1.3 Modlisation simplifie du transport d'nergie dans une ligne lectrique........ 6
Figure. 1.4 Diagramme traduisant l'change d'nergie et montrant l'intrt de la
compensation..

9
Figure. 1.5 Principe de compensation shunts....... 9
Figure. 1.6 Diagramme vectoriel de compensation shunt..... 9
Figure. 1.7 Courbe de puissance avec et sans compensation shunt en fonction de langle de
transmission...

9
Figure. 1.8 Principe de compensation srie... 10
Figure. 1.9 Diagramme vectoriel de compensation srie... 10
Figure. 1.10 Courbe de puissance avec et sans. 10
Figure. 1.11 Principe de compensation par dphasage... 11
Figure. 1.12 Compensation par dphasage pour. 6 = ....
11
Figure. 1.13 Schma de principe d'un FACTS... 13
Figure. 1.14 Classification des dispositifs de compensation FACTS.. 14
Figure. 1.15 Modle mathmatique de SVC . 16
Figure. 1.16 Fonctionnement du compensateur statique........ 17
Figure. 1.17 Schma de base du STATCOM... 18
Figure. 1.18 Prsentation dun compensateur STATCOM.. 19
Figure. 1.19 Diagramme vectoriel de STATCOM. 19
Figure. 1.20 Caractristique statique du STATCOM... 19
Figure. 1.21 Insertion dun TCSC sur une ligne .. 21
Figure. 1.22 Impdance du TCSC en fonction de langle damorage des thyristors 21
Figure. 1.23 Schma de base du SSSC... 22
Figure. 1.24 Statique du SSSC... 22
Figure. 1.25 Schma simplifi dun UPFC connect au rseau lectrique.. 23
CHAPITER 2

Figure. 2.1 Modles des gnrateurs: a) symbole, b) modle PV classique 29
Figure. 2.2 Modle des charges. . 30
Figure. 2.3 Modles des lments shunt: a) symbole, b) lment inductif, c) lment
capacitif....
30
Figure. 2.4 Modles en TT des lignes de transport... 31
Figure. 2.5 Modle des transformateurs.. 32
Figure. 2.6 Modlisation par injection de puissances: a) ligne avec FACTS, b) ligne
avec injections quivalentes....

33
Figure. 2.7 Modlisation avec nud fictif : a) ligne avec FACTS, b) reprsentation
quivalente...

34
Figure. 2.8 Intgration du dispositif FACTS dans une ligne... 34
Figure. 2.9 Modlisation dun SVC :a) SVC plac en un nud: b) symbole, c) modle. 36
Figure. 2.10 Variation de la puissance ractive absorbe par un SVC en fonction de la
tension nodale...

36
Liste des Figures

vi

Figure. 2.11 SVC plac en milieu de ligne... 37
Figure. 2.12 Reprsentation schmatique de STATCOM 38
Figure. 2.13 Modle mathmatique e de TCSC..... 39
Figure. 2.14 Modle mathmatique de l'UPFC et le systme de transmission........... 41
CHAPITER3

Figure. 3.1 Diffrents critres du problme doptimisation....... 44
Figure. 3.2 Principe de base d'une mthodologie doptimisation.. 45
Figure. 3.3 Une classification possible des diffrents types de mthodes d'optimisation.. 46
Figure. 3.4 Minimum local et global dune fonction..... 51
Figure. 3.5 Organigramme de lalgorithme gntique ....... 52
Figure. 3.6 Les quatre niveaux dorganisation des AG.... 53
Figure. 3.7 Illustration du codage des variables doptimisation........... 53
Figure. 3.8 Le codage rel et le codage binaire........ 54
Figure. 3.9 Reprsentation lopration de croisement... 55
Figure. 3.10 Reprsentation lopration de mutation. 56
Figure. 3.11 Reprsentation schmatique du dplacement dune particule. 58
Figure. 3.12 Une colonie de fourmis qui ramne de la nourriture vers le nie..... 60
Figure. 3.13 Le problme de loptimisation dans les rseaux lectriques. 62
Figure. 3.14 Lorganigramme de lalgorithme gntique .... 67
Figure. 3.15 Lorganigramme de lalgorithme PSO .... 68
Figure. 3.16 Lorganigramme de lalgorithme ACO. 72
CHAPITER4

Figure. 4.1 Caractristiques de convergence de lAG et de PSO appliques au rseau test
type IEEE 14-bus..

75
Figure. 4.2 Niveaux de tensions des jeux de barres calculs par les deux mthodes
doptimisation testes sur le Rseau test type IEEE-14 bus.

75
Figure. 4.3 Caractristiques de convergence de lAG et de PSO appliques au rseau test
type IEEE 30-bus..

76
Figure. 4.4 Niveaux de tensions des jeux de barres calculs par les deux mthodes
doptimisation testes sur le Rseau test type IEEE-30 bus.

76
Figure. 4.5 Caractristiques de convergence de DP pour le troisime cas 77
Figure. 4.6- Variation du niveau de tension de jeux de barres en fonction de la variation de
la charge.

80
Figure. 4.7-Niveaux de tensions de jeux de barres.... 80
Figure. 4.8 Evaluations des pertes actives totale .. 80
Figure. 4.9 Evaluations de la dviation de tension... 80
Figure. 4.10 solutions optimales de Pareto DP-DV. 81
Figure. 4.11 Reprsentation des deux fonctions objectifs (DP-DV)... 81
Figure. 4.12 Caractristique de Convergence des pertes actives avec PSO-standard... 83
Figure. 4.13 Caractristique de Convergence des pertes actives avec PSO-CI 83
Figure. 4.14 Caractristique de Convergence des pertes actives avec PSO-FC.. 83
Figure. 4.15 Caractristique de convergence de la DV avec Multi STATCOM.. 85
Figure. 4.16 Caractristique de convergence des DP avec Multi STATCOM 85
Figure. 4.17 Profil de tension dans tous les jeux de barres avec Multi STATCOM.. 85
Figure. 4.18 Caractristique dvolution de variable De control avec PSO-FC.. 85
Liste des Figures

vii

Figure. 4.19 Solution de Pareto base sur PSO-FC.... 86
Figure. 4.20 Caractristique de convergence de DP Avec PSO 88
Figure. 4.21 Caractristique de convergence de DP Avec AG... 88
Figure. 4.22 Caractristique de convergence de DP Avec PSO-TVAC.... 88
Figure. 4.23 Caractristique de convergence de DV Avec GA, PSO, PSO-TVAC.. 88
Figure. 4.24 Solutions optimales de Pareto de la minimisation de DP et DV.... 92
Figure. 4.25 Caractristique de Convergence de DP pour le cas N1. ... 94
Figure. 4.26 Caractristique de Convergence de DP pour le cas N2. ... 94
Figure. 4.27 Caractristique de Convergence de DP pour le cas N3. .... 94
Figure. 4.28 Caractristique de Convergence de DP pour le cas N4. .... 94
Figure. 4.29 Etude comparative: des caractristiques de Convergence de DP
correspondent les quatre cas..

95
Figure. 4.30 Caractristique de convergence de DV trouve par le cas4 95
Figure. 4.31 Reprsentation Les variable de contrle V
i
, T
i
et
V
sh
96

Figure. 4.32 Profils de tension dans tous les jeux de barres avec et sans STATCOM... 98
Figure. 4.33 Caractristique de Convergence de L_index par PSO-TVAC.. 98
Figure. 4.34 Caractristique de Convergence de DP par PSO-TVAC et ACO pour cas de
charge normal...

101
Figure. 4.35 Caractristique de Convergence de DP par PSO-TVAC et ACO pour le cas
dun surcharge .

101

Liste des Tableaux

viii

LISTE DES TABLEAUX

Tableaux. 1.1 La puissance active et ractive absorbes par la rsistance, inductance
et capacit....
5
Tableau. 3.1 Les variables de dcision du problme...... 67
Tableau. 3.2 Les paramtre de lalgorithme ACO standard.... 70
Tableau. 4.1 Paramtres de simulation adopts pour les deux mthodes.. 74
Tableau. 4.2 Rsultats obtenus par application des deux approches PSO et GA. 75
Tableau. 4.3 Comparaison des pertes values par la PSO et lAG dans le cas dune
augmentation de la charge nominale de 20% de sa valeur nominale au rseau test type
IEEE-30-bus........

77
Tableau. 4.4 rsultats d simulations.. 79
Tableau. 4.5 paramtres des lalgorithme PSO . 82
Tableau. 4.6 Rsultats de Simulation pour les trois variantes PSO.. 84
Tableau. 4.7 Rsultats de nombre de gnrations et le temps dexcution concernant
les trois variantes de PSO. 84
Tableau. 4.8 Rsultats de simulation pour minimiser les pertes de puissances actives
et la dviation de tension avec multi STATCOM....
85
Tableau. 4.9 Les paramtres des variables de contrles.. 86
Tableau. 4.10 Paramtres des trois algorithmes utiliss.. 87
Tableau 4.11 Rsultats de DP calcules par PSO-TVAC, GA, PSO, avec et sans TCSC. 89
Tableau 4.12 Les meilleurs rsultats de DV par PSO-TVAC , GA, PSO avec et sans TCSC 89
Tableau 4.13 Rsultats de l'optimisation multi objectif trouvs par GA, PSO, PSO_TVAC avec
considration de TCSC.

90
Tableau. 4.14 Rsultats des pertes actives par PSO-TVAC . 91
Tableau 4.15 paramtres de lalgorithme propos ..... 93
Tableau. 4.16 Rsultats de simulations de DP et DV correspondant au cas 4 avec et sans
utilisation de TCSC.
94
Tableau.4. 17 Rsultats de lcoulement de puissance bas sur l'optimisation de L_index par
PSO-TVAC..

97
Tableau.4.18 Puissances ractives produites par STATCOM et les centrales lectriques 98
Tableau. 4.19 rsultats des pertes actives par PSO-TVAC, ACO.. 99

Liste des Symboles et abrviations

ix


FACTS Flexible alternatif curant transmission systmes.
TSR Thyristor Switched Reactor.
TSC Thyristor Switched Capacitor.
SVC Static Var Compensator.
STATCOM Static Synchronous Compensator.
TCSC Thyristor Controlled Series Capacitor.
SSSC Static Synchronous Series Compensator.
UPFC Unified Power Flow Controller.
VSC Voltage Source Converter.
VR
G
R Tension du jeu de barre de gnration (sending voltage).
VR
L
R Tension du jeu de barre de charge (receiving voltage).
PR
g
R Puissance active fournie par la source.
QR
g
R Puissance ractive fournie par la source.
PR
l
R Puissance active demande par la charge.
QR
l
R Puissance ractive demande par la charge.
PR
ij
R Puissance active transporte par la ligne.
QR
ij
R Puissance ractive transporte par la ligne.
R
ij
R Angle de charge entre VR
G
R et VR
L.

Rl Rsistance de la ligne de transport.
X l ractance de la ligne de transport.
R
ij
R Dphasage du courant de al ligne.
VR
sh
R Tension (shunt) injecte par le STATCOM.
IR
sh
R Courant (shunt) inject par le STATCOM.
RR
sh
R Rsistance du transformateur de couplage shunt du STATCOM.
XR
sh
R Ractance du transformateur de couplage shunt du STATCOM.
PR
sh
R Puissance active dlivre par le STATCOM.
QR
sh
R Puissance ractive dlivre par le STATCOM.
AG Algorithme Gntique .


x

PSO Essaims de particules (particle swarm optimization).
PSO-IC Essaims de particules avec le coefficient d'inertie.
PSO-FC Essaims de particules avec le facteur de constriction.
PSO-TVAC Essaims de particules avec Coefficients d'Acclration variable.
ACO Algorithmes de colonies de fourmis.
ORPF Rpartition optimale de la puissance ractive (Optimal Reactive Power
Flow).
DP Les pertes actives de transmissions.
DV La dviation de tension.
L_index Indice de stabilit de tension.

I ntroduction
Gnrale
Introduction gnrale

1

Introduction gnrale

Le mcanisme de gestion des systmes nergtiques de puissance devient de plus en plus
compliqu cause de la croissance continue de la demande de l'lectricit dune part vu
laugmentation quotidienne de ntres villes et agglomrations urbaines et la mauvaise adaptation
dautre part de quelques grandeurs lectriques ( titre dexemple mauvais profil de tension aux
niveaux de jeux de barres de contrle ). Le problme de planification de la puissance ractive
occupe une place importante dans la gestion des rseaux lectriques et ce pour procurer un
approvisionnement efficace en matire dlectricit.
En ralit le problme de loptimisation de lnergie ractive optimal (ORPF) dans les
rseaux lectriques ne peut tre prend lieu que par une variation adquate dite optimale de
certaines variables savoir les tensions de jeux de barres de contrle, rapports de
transformateurs et procurer une meilleure compensation statique (batteries de compensation) ou
dynamique (incorporation des systmes FACTS) dont le but damliorer lefficacit des rseaux
lectriques.
Dans ce mmoire intitul Contribution loptimisation de la puissance ractive en prsence des
dispositifs de compensation dynamiques (FACTS) nous nous intressons dappliquer les
algorithmes mta-heuristiques la dite optimisation.
Beaucoup de techniques d'optimisation conventionnelles (mathmatiques) ont t appliques
dans la littrature pour rsoudre le problme dORPF. Ces mthodes prouvent leurs handicaps
lorsque les fonctions objectifs traiter sont non linaires ou discrtes, ces dernires sont
incapables voire inutilisables daboutir la solution optimale dite globale, cependant les
techniques d'optimisation stochastiques comme les algorithmes gntiques (AG), algorithmes
d'essaims de particules (PSO) , et les colonies de Fourmies (CAO) sont actuellement considres
comme alternatif et dmontrent leurs efficacits pour rsoudre ce genre de problmes
doptimisation.
Les dispositifs FACTS peuvent tre utiliss dans la compensation de lnergie ractive, pour
augmenter la capacit de transmission, amliorer la stabilit et le comportement dynamique, et
assurer une meilleure qualit de puissance dans les systmes de puissance modernes.
Nous nous intressons dans ce travail la modlisation et lintgration de deux dispositifs
FACTS, srie (TCSC) et shunt (STATCOM) tout en amliorant le comportement du rseau
lectrique en minimisant plusieurs objectifs savoir :
Introduction gnrale

2

Minimisation des pertes totales de transmission.
Minimisation de la dviation de tension.
Amlioration de la stabilit de tension.
Le premier chapitre intitul Gnralit sur les systmes de compensation dynamique,
reprsente une introduction gnrale au problme de compensation, il comporte des gnralits
sur les nouvelles techniques de compensation dynamiques FACTS, des dfinitions de bases sont
expliques, les diffrentes classes de la technologie FACTS sont reprsents.
Dans le deuxime chapitre nomm modlisation des systmes FACTS expose dune manire
dtaille le problme de lcoulement de puissance, la mthode de Newton-Raphson avec son
algorithme sont bien discuts par la suite, puis les modles mathmatiques de diffrents lments
du rseau sont bien schmatiss, une description des systmes FACTS les plus populaires (SVC,
STATCOM, TCSC, SSSC, et UPFC) sont prsents la fin de ce chapitre.
Le troisime chapitre intitul les mthodes d'optimisation: mthodes dterministes et mta-
heuristiques est compos de deux partie bien coordonne : la premire prsente quelques
notions de base sur les problmes doptimisation, plusieurs mthodes dterministes sont
discutes telles que la mthode du gradient, la mthode de newton, la programmation dynamique
etc.
La deuxime partie traite brivement les mthodes globales telles que les algorithmes gntiques
AG, optimisation par essaims de particules PSO, lalgorithme doptimisation par colonies de
Fourmies ainsi que les diffrentes variantes bas sur PSO.
Le quatrime chapitre est la partie pratique de ce travail il aborde clairement lapplication des
algorithmes doptimisation proposs :GA, PSO, ACO et les variantes de PSO pour rsoudre le
problme multi objective de loptimisation de lcoulement de la puissance ractive. Lefficacit
des mthodes doptimisation proposes ont t valide sur des rseaux tests standard (IEEE 30-
Bus, IEEE 57-Bus).

Chapitre 1

:
Introduction et gnralits
sur les systmes FACTS

Chapitre 1 Introduction et gnralits sur les systmes FACTS

3

Chapitre 1
Introduction et gnralits sur les systmes FACTS

1.1. Introduction
Les moyens classiques de contrle o lamlioration du comportement dun rseaux lectrique
(transformateur prises rglables en charge, transformateurs dphaseurs, compensateurs srie ou
parallle commuts par disjoncteurs, modification des consignes de production, changement de
topologie du rseau et action sur l'excitation des gnrateurs) pourraient dans l'avenir s'avrer
trop lents et insuffisants pour rpondre efficacement aux perturbations du rseau, compte tenu
notamment des nouvelles contraintes.
Il faudra vraisemblablement, dans l'avenir, complter leur action en mettant en uvre des
dispositifs lectroniques de puissance grande vitesse de rponse, rcemment dvelopps et
connus sous l'appellation FACTS (Flexible Alternative Current Transmission System) pour le
contrle des rseaux . Le dveloppement rcent des dispositifs FACTS ouvre de nouvelles
perspectives pour une exploitation plus efficace des rseaux par action continue et rapide sur les
diffrents paramtres du rseau (dphasage, tension, impdance). Ainsi, les transits de puissance
seront mieux contrls et les tensions mieux tenues, ce qui permettra d'augmenter les marges de
stabilit ou de tendre vers les limites thermiques des lignes.
1.2. La puissance ractive dans les circuits lectriques
Le transport de la puissance ractive longue distance prsente une srie dinconvnients tels-
que les chutes de tension considrables, les pertes de ligne par effet joule et moins de capacit
pour transporter la puissance active. A l'exception de ces aspects purement statiques, la puissance
ractive peut jouer un grand rle dans dautres aspects dynamiques, tels-que les fluctuations de
tension produites par les variations soudaines des charges, et pour lamlioration de la marge de
stabilit.

4

Actuellement, avec la complexit des rseaux lectriques, la participation des gnrateurs dans la
production de lnergie ractive est devenue insuffisante. Elle est gnre en grande partie par
les moyens de compensation existant dans les lignes de transport. Afin de garantir une bonne
qualit dnergie il est ncessaire de satisfaire lquilibre offre demande de lnergie ractive, de
fournir une tension aussi rgulire que possible et de respecter un certain nombre de contraintes
techniques.
1.2.1 Sens physique de la puissance imaginaire
La nature de la puissance ractive doit tre prise en compte pour sa valorisation. Pour cela il est
ncessaire de revenir sur sa dfinition et son interprtation physique. La puissance instantane
dun systme lectrique monophas est dfinie par :

( ) ( ) ( ) P t v t i t =
(1.1)
( ) 2 sin( )
eff
v t V t =
(1.2)
( ) 2 sin( )
eff
i t I t =
(1.3)
o
eff
V
et
eff
I
sont les valeurs efficaces de la tension et du courant,
la pulsation, et
le
dphasage du courant par rapport la tension prise comme rfrence de phase.
Si lon considre une charge R L C connecte en parallle et alimente par une source de
tension sinusodale de frquence 50 Hz (Figure. 1.1), les diffrents lments vont absorber des
courants dpendant de leurs impdances.
Figure. 1.1: Association en parallle
d'lments Rsistif, inductif et capacitif
I
V
C L R
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
-1
-0.5
0
0.5
1
1.5
2
2.5
Temps (ms)
P
u
i
s
s
a
n
c
e
s

i
n
s
t
a
n
t
a
n
n
e
s

(
W
)

Pr(t)
PL(t)
PC(t)
P(t)
Figure. 1.2 : Puissances instantanes consommes par une
rsistance, une inductance et un condensateur associs en parallle
Chapitre 1 I ntroduction et gnralits sur les systmes FACTS

5

Chaque lment va absorber la puissance active et ractive suivantes :
Tableaux 1.1. La puissance active et ractive absorbes par la rsistance, inductance et
capacit
Charge Impdance Courant Dphasage I/V P Q
Rsistance R V/R 0 V/R 0
Inductance jLw V/Lw +90 0 V/Lw
Capacit 1/jCw CwV -90 0 -CwV
La puissance instantane consomme par chacun de ces lments est sinusodale et dune
frquence double de celle de la source dalimentation. La puissance instantane de chaque
lment peu tre rsumer par les expressions suivantes :
2 2
2
R
P ( ) ( ). ( ) co s( ) (1 co s (2 ))
2
R R
V V
t v t i t t t
R R
= = = + (1.4)
2
L
P ( ) ( ). ( ) cos( ) cos( ) sin(2 )
2 2
L L
V V
t v t i t V t t t
L L

= = = (1.5)
2
C
P ( ) ( ). ( ) cos( ). cos( ) sin(2 )
2 2
C C
C V
t v t i t V t C V t t

= = + = (1.6)
Nous pouvons ensuite reprsenter les puissances instantanes absorbes par chacun de ces
lments (Figure. 1.2).La puissance active P est par dfinition la moyenne de la puissance
instantane. La puissance instantane absorbe par un lment rsistif P
R(t)
oscille ainsi a une
frquence gale 100 Hz. Avec une valeur moyenne non nulle. :
2 2
( )
2 2
eff
R
V V
P t P
R R
= = =
(1.7)

La puissance instantane appele par une inductance ou un condensateur a des proprits
diffrentes. Cette puissance instantane est encore sinusodale de frquence 100 Hz. De plus elle
est en opposition de phase avec celle absorbe par linductance. La quadrature de phase entre la
tension et le courant dans les diples inductifs ou capacitifs se traduit par une puissance
instantane de moyenne nulle. La puissance ractive Q dsigne alors lamplitude de cette
puissance instantane pour linductance.
2 2
2
eff
V V
Q
L L
= =
(1.8)
pour le condensateur. :
2
2
2
eff
C V
Q C V
= =
(1.9)

6

Lorsque les diples sont en convention rcepteur, la puissance ractive absorbe par linductance
est positive, et on considre que linductance consomme de la puissance ractive. Quant au
condensateur, la puissance ractive est ngative et on considre quelle est fournie par le diple.
1.2.2 Le thorme de Boucherot
Le thorme de Boucherot permet de faire le bilan des puissances entre les diffrents lments
dun circuit:
La puissance active consomme dans un diple linaire est la somme des puissances
actives consommes par chacun des lments composant ce diple.
La puissance ractive dun diple linaire est la somme algbrique des puissances
ractives consommes par chacun des lments de ce diple.
Ce thorme met en vidence le dcouplage entre les lments consommant la puissance
active, qui peut tre transforme en puissance utilisable (thermique, mcanique, chimique) et
ceux consommant ou produisant de la puissance ractive, qui nest quchange entre ces
lments [1].
1.2.3 Puissance transmise par une ligne lectrique
La sret du systme, le bon fonctionnement des installations raccordes et la rduction des
pertes en lignes rendent ncessaire de garder la tension chaque nud du rseau dans une plage
contractuelle de tension.
Pour simplifier, considrons le schma de la figure 1.3, qui reprsente une ligne lectrique
Z=R+jX alimentant une charge (P + jQ). Ce modle est simple, mais il permet dexpliquer
qualitativement le lien entre les modules et phases des tensions chaque extrmit de la ligne
dune part, et les transits de puissance active et de puissance ractive dautre part S=P+jQ.

Figure. 1.3 : Modlisation simplifie du transport d'nergie dans une ligne

(b) Diagramme de Fresnel
(a) Circuit quivalent d'une ligne lectrique

2
0 V
1
V

Z R jX = +

S P jQ = +

XI

V

1
V

VR

VX

RI

2
V


7

1.2.4 La chute de tension
la circulation du courant dans la ligne provoque une chute de tension. La tension est alors plus
basse au bout de ligne que son origine, et plus la ligne est charge en transit de puissance, plus la
chute de tension sera importante. La chute de tension V , partir du schma quivalent et du
diagramme des tensions de la figure. 1.3 (b) est donne par la formulation suivante:
1 2
* V V V Z I = = (1.10)
La relation vectorielle scrite alors :
1 2 2
V V R I jL I V R I jX I = + + = + + (1.11)
Par projection selon les axes horizontal et vertical, nous obtenons deux quations relles :
1 2
cos cos sin V V RI XI = + + (1.12)
1
sin sin cos V RI XI = + (1.13)
En levant au carr puis en sommant ces deux expressions, nous obtenons :
2 2 2 2 2 2
1 2 2 2
2( cos sin ) V V R I X I RV I XV I = + + + + (1.14)
Il est possible alors de remplacer les diffrents termes de cette expression en faisant intervenir
les puissances :
Avec
2
cos P V I = la puissance active monophase consomme par la charge,
2
sin Q V I =
la puissance ractive monophase appele par la charge,
2
J
P RI = les pertes par effet Joule dans
la ligne et
2
L
Q XI = la puissance ractive consomme par la ractance de ligne, il vient
2 2
1 1
2( )
J L
V V RP XQ RP XQ = + + + (1.15)
1 2 1 2
( )( ) 2( )
J L
V V V V RP XQ RP XQ + = + + + (1.16)
En notant :
1 2 1 2
2 V V V et V V V = + =

la chute de tension, nous obtenons :
2
1 1
2 2
J L
RP XQ RP XQ
V
V
V
+ + +
=

(1.17)
Dans un rseau de transport dnergie bien dimensionn, les pertes par effet Joule dans les lignes
reprsentent habituellement quelques pour-cent de la puissance totale transite. Si lon considre
un cas o la consommation de puissance ractive de la ligne par rapport la puissance transite
est faible, nous obtenons la relation simplifie suivante [2]:

8

2
V RP XQ
V
V
+

(1.18)

1.2.5 Pertes actives
Les pertes de puissance active sont calcules daprs la formule :
3 P RI =

(1.19)
Le courant qui circule dans cet lment est :
3 I S U =

(1.20)
( )
( )
( )
2
1
1
( ) ( ) ( )
e e e
Q
R P
P
R P Q R P tg
U P
U U U

+

+ +

= = =

(1.21)
: Angle de dphase entre la puissance active et la puissance apparente, alors tg Q P =
Remarque : le transit de puissance ractive entrane une augmentation des pertes actives.
1.3. La compensation
Les rseaux lectriques pour but de vhiculer de la puissance depuis la source jusquaux centres
de consommation dans un rseau courant alternatif. La puissance apparente S deux
composantes :
la puissance P et la puissance Q lies par le dphasage.
[ ]
cos sin S P jQ UI j = + = +

(1.22)
En gnral, lcart de tension entre deux extrmits dune ligne est li au transit de la puissance
ractive consomme par la charge. Pour obtenir une tension identique (ou proche) aux deux
bouts de la ligne, il faut donc pouvoir produire localement de la puissance ractive.
2
V RP XQ
V
V
+

(1.23)
La rpartition des moyens de production d'nergie ractive (alternateurs, bancs de condensateurs
ou compensateurs statiques) proximit des zones de consommation contribue donc maintenir
la tension constante sur le rseau. Il est noter que les solutions peuvent reposer sur des moyens
de compensation de puissance ractive statiques (bancs de condensateurs, bancs de bobines) ou
dynamiques (alternateurs, FACTS) [1].


9

1.3.1 Principe de la compensation shunts
On insre maintenant au milieu de la ligne un compensateur dnergie ractive idal. Ce
dispositif permet de maintenir la tension
M
V la tension
s
V , en contrlant le flux de puissance
ractive (Figure. 1.5). En effet, la chute de la tension travers une ligne est donne par la relation
en ngligeant le terme rsistif de la ligne.
0 20 40 60 80 100 120 140 160 180
0
0.5
1
1.5
2
2.5
P
max
2P
max
P
12
Sans
compensation
Avec
compensation
Figure. 1.7 : Courbe de puissance avec et sans
compensation shunt en fonction de langle de transmission

Figure. 1.5 : Principe de compensation shunts
S
V
/ 2
L
X
M
V
R
V
/ 2
L
X
Figure. 1.6 : Diagramme vectoriel de
compensation shunt
/ 2
Vr
S
V
1
/ 2 jXI
2
/ 2 jXI
m
V
1
I
2
I
Figure. I .4 : Diagramme traduisant l'change d'nergie et montrant l'intrt de la compensation.

Q
Q
Q P

P

Q
Avec la compensation on put
amliore le comportement
de rseaux lectrique
La puissance ractive
transite provoque
- Les pertes
-Les chut de tension

10

L
X Q
V
V
=

(1.24)
Lquation (1.25) donne lexpression de la puissance transmise par la ligne compense. On
remarque que la puissance maximale transite est double et est obtenue pour un dphasage
12
180
o
= (Figure. 1.7). Une compensation shunts permette donc de doubler le transit de
puissance maximal dune ligne par la formule:
2
12
2
sin
2
L
V
P

=

(1.25)
1.3.2 Principe de la compensation sries
Cette compensation a pour principe dinsrer une ractance capacitive sur la ligne toujours dans
le but den augmenter la puissance transmissible. La ligne tant modlise par une ractance de
type inductive, on comprend aisment que lon diminue cette ractance en ajoutant une ractance
de type capacitive .En conservant le mme modle de ligne. On obtient la compensation srie
donne par la (Figure 1.8)

Figure. 1.10 : Courbe de puissance avec et sans compensation
i
0 20 40 60 80 100 120 140 160 180
0
0.5
1
1.5
2
2.5
3
S=0
S=0.20
S=0.40
S=0.60
max
P
12
max
1.25P
max
1.67P
max
2.5P
P
0 S =
0.2 S =
0.4 S =
0.6 S =
Figure. 1.9: Diagramme vectoriel de compensation srie
s
V
M
V
mp
V
sm
V
2
L
s
X
j I
c s
jX I
/ 4
R
V
Figure. 1.8 : Principe de compensation srie
S
V
M
V
R
V
/ 2
L
X
/ 2
C
X
/ 2
L
X
/ 2
C
X
SM
V
MP
V

11

Une modification de
L
X augmentera ou diminuera le flux de puissance active pour un angle de
phase fixe. De mme, la puissance ractive sera modifie suite une modification de
L
X La
ractance introduite aura la valeur
C
X , donne par lquation :
C L
X SX =
S est le degr de compensation y compris entre 1 0 S
Avec ce type de compensation, les condensateurs doivent changer de lnergie ractive en
quantit importante. Les proprits sont similaires celles des compensateurs dnergie ractive
[3].
1.3.3 Principe de la compensation par dphasage
Le principe de cette compensation est bas sur linsertion dun dphaseur sur la ligne. Ce
dispositif est modlis par une source de tension, damplitude et de phase variables. On peut
alors avoir la sortie du dphaseur une tension
S
V de mme amplitude qua lentre
G
V mais
dphase dun angle (Figure. 1.11).

La puissance transmissible est alors fonction de langle dphasage
2
sin( )
L
P V X = +

Pour ce type de compensation, la puissance maximale nest pas
augmente, mais le rglage de permet de rgler lacheminement de puissance. Ce dispositif
fonctionne finalement comme une vanne lectronique.

Figure. 1.12 : Compensation par dphasage pour 6 =

P
0 20 40 60 80 100 120 140 160 180 200

-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
XL=1
XL=2
XL=3
XL=4
4 XL =
3 XL =
2 XL =
1 XL =
Figure. 1.11 : Principe de compensation par
dphasage
2
L
X
2
L
X
S
V
M
V
R
V
G
V
P

12

1.4. Moyens de compensation ractive
Il existe plusieurs catgories de dispositifs de production de puissance ractive : compensateurs
synchrones, les bancs de condensateurs et les compensateurs statiques de puissance ractive.
1.4.1 Compensateurs synchrones
Les compensateurs synchrones sont des alternateurs synchrones connects au rseau, mais ils ne
sont pas entrans par une turbine et ne fournissent donc pas de puissance active. Comme ils
fonctionnent en moteur, ils consomment la puissance active correspondant la compensation de
ces pertes mcaniques et lectriques. A linstar des gnrateurs synchrones, leur courant
dexcitation est rglable, permettant ainsi de contrler la tension leur nud de connexion.
1.4.2 Bancs de condensateurs
Les bancs de condensateurs sont des dispositifs statiques de compensation de puissance ractive.
Leur connexion sur les systmes nergtiques permet dinjecter de la puissance ractive.
Nanmoins leur fonctionnement en tout ou rien ne permet pas un pilotage de la tension, mme
sils peuvent tre connects par gradins. Les connexions ou dconnexions de condensateurs
entranent une diminution de leur dure de vie. Un inconvnient supplmentaire de ces
dispositifs est que la puissance ractive gnre diminue avec le carr de la tension ; en effet la
puissance ractive gnre par un banc de condensateur triphas de capacit par phase C sous la
tension compose U vaut Q c= - C w U.
Une tension basse diminue lefficacit du condensateur alors quil est ncessaire dinjecter plus
de puissance ractive. Un autre paramtre important prendre en compte pour les bancs de
condensateur est le niveau de tension auxquels ils sont connects. Le cot de ces appareils
dpend en partie de la qualit du dilectrique utilis. Les condensateurs sont plus conomiques
pour des niveaux de tension de lordre de 20 kV, c'est--dire adapts aux rseaux de distribution.
1.4.3 Compensateurs statiques de puissance ractive
Les compensateurs statiques de puissance ractive , ou FACTS (de langlais Flexible Alternative
Current Transmission System) sont des dispositifs plus rcents qui associent des bancs de
condensateurs et de bobines des convertisseurs dlectronique de puissance permettant de
rgler la puissance ractive dlivre et ainsi la tension du nud de connexion. Ces appareils ont
un temps de rponse trs court, de lordre de quelques dizaines de millisecondes.


13

1.5. Les systmes de transmission flexibles en courant
Avec le dveloppement rapide de llectronique de puissance, les Systmes Flexibles de
Transport AC ont t cres et implments dans les rseaux lectriques [4-6]. Les FACTS
peuvent tre utiliss pour contrler lcoulement de puissance et amliorer la stabilit du
systme. Particulirement, avec le nouveau systme de drgulation du march de lnergie, il y
a une augmentation de lintrt accord aux FACTS dans lexploitation et le contrle des rseaux
lectriques et ceci est d aux nouvelles contraintes de charge et aux nouvelles contingences.
Linstallation des FACTS est devenue indispensable pour augmenter la capacit et la
contrlabilit dun rseau lectrique.

1.5.1 Dfinition
les systmes de dispositifs FACTS sont employs pour le contrle dynamique de tension,
impdance et angle de phase de tension afin d amliorer le comportement dynamique des
rseaux ainsi que la rpartition et l'coulement des puissance dans les rseaux. Selon IEEE,
les FACTS, sont dfinis comme suit:

Ce sont des systmes courant alternatif incorporant des lments dlectronique de puissance
et dautres contrleurs statiques pour lamlioration de la contrlabilit et la capacit du transit
de la puissance [7].

Figure. 1.13 : Schma de principe d'un FACTS
COMMANDE
Transformateur Shunt
L
Q
C
Q
C
L
L
Q
C
Q
C
L
L
Q
C
Q
C
L

14

1.5.2 Les diffrents types des systmes FACTS
La technologie FACTS n'est pas limite par un seul dispositif mais elle regroupe une collection
de dispositifs base de l'lectronique de puissance implants dans les rseaux lectriques afin de
mieux contrler le flux de puissance et augmenter la capacit de transit de leurs lignes. Par
action de contrle rapide de ces systmes sur l'ensemble de paramtres du rseau: tension,
impdance, dphasage etc. ils permettent d'amliorer les marges de stabilit et assurer une
meilleure flexibilit du transfert d'nergie. La figure 1.14 reprsente la classification des
dispositifs de compensation FACTS [2].

Dispositif FACTS
(Rapide, statique )

A base de thyristor
A base de convertisseur
de tension
Commande conventionnelle
(Electromecanique)
R,L,C,
Transfomateur
Dispositif
Shunt
Dispositif
srie
Dispositif
Srie-Shunt
Dispositif
Srie-Shunt
Compensateur (L,C)
shunt
Compensateur (L,C)
srie
Transformateur
dphaseur
Compensateur de
puissance reactive
statique( SVC)
Compensateur srie
control par thyristor
(TCSC)
Controleur dynamique
de flux de puissance
(DFC)
HVDC Back to back
(HVDC B2B)
Compensateur
statique synchrone
STATCOM
Compensateur srie
statique synchrone
SSSC
Controleur universel
de flux de puissance
UPFC
HVDC VSC
Back to back
(HVDC VSC B2B)
Figure. 1.14 : Classification des dispositifs de compensation FACTS.

15

1.5.3 Les avantages de la technologie des dispositifs FACTS
Contrle de lcoulement de puissance : cest la fonction principale des FACTS.
Lutilisation du contrle de lcoulement de puissance peut satisfaire les demandes de
charge, atteindre un fonctionnement optimal, et surmonter les conditions d'urgence.
Amlioration de la stabilit dynamique. Cette fonction supplmentaire des FACTS
comprenne l'amlioration de la stabilit transitoire, lamortissement des oscillations de
puissance et le contrle de stabilit de la tension.
Augmenter la capacit de transport de lignes leurs capacits thermiques, y compris les
demandes court terme et saisonnire.
Fournir des connections scurises entre les compagnies de production et les rgions par
la diminution de la rserve de la puissance gnrer requise par les deux zones.
Rduction de lcoulement de la puissance ractive, ce qui permettra ainsi la ligne de
transporter plus de puissance active.
Contrle de la boucle de lcoulement de puissance
1.5.4 Les inconvnients de la technologie des dispositifs FACTS

1.6. Structure des Principaux Dispositifs FACTS:
1.6.1 dispositifs de compensation dynamique shunts
Vers la fin des annes 60 plusieurs quipements utilisant llectronique de puissance ont fait
leurs apparitions. Ces derniers avaient lavantage dliminer les parties mcaniques et d'avoir un
temps de rponse trs court. Ces quipements taient constitus essentiellement dune inductance
en srie avec un gradateur. Le retard lamorage des thyristors permet de rgler lnergie
ractive absorbe par le dispositif.

En effet tous les compensateurs parallles injectent du courant au rseau via le point de
raccordement. Quand une impdance variable est connecte en parallle sur un rseau, elle
consomme (ou injecte) un courant variable. Cette injection de courant modifie les puissances
actives et ractive qui transitent dans la ligne [3].


16

1.6.1.1 Compensateur statique de puissance ractive (SVC)
1.6.1.1.1 Dfinition :
Compensateur statique de puissance ractive (SVC) est un dispositif de compensation shunts de
la famille flexible de systmes de transmission courant alternative (FACTS). Il peut fournir en
continu la puissance ractive ncessaire pour contrler les fluctuations dynamiques de la tension
sous diffrents rgimes de fonctionnement et ainsi amliorer les performances de rseaux de
transport et de distribution dnergie lectrique. Linstallation de SVC en un ou plusieurs points
spcifiques du rseau peut accrotre la capacit de transit et rduire les pertes tout en maintenant
un profil de tension rgulier sous diffrents rgimes. De surcrot, un compensateur statique sa
puissance ractive peut attnuer les oscillations des amplitudes de tension [3, 8].
1.6.1.1.2 Principe de fonctionnement
La figure. 1.5 donne une reprsentation schmatique monophase dun compensateur statique. Il
est compos dun condensateur avec une ractance capacitive
C
et dune bobine dinductance
avec la ractance
L
.Ce systme utilise langle damorage des thyristors pour contrler le
courant dans la ractance alors que le contrle de la puissance ractive par cette mthode est
rapide et dune faon continue .Le RCT ne peut absorbe que de lnergie ractive, puisque il est
constitue dlment inductifs. Cest pour cela que lon associe ses dispositifs avec des bancs de
condensateur command par thyristor (CCT) qui fournit de lnergie ractive au rseau. Des
thyristors fonctionnent cette fois en pleine conduction (une priode complte de la pulsation du
rseau). Le rglage de lnergie absorbe par RCT, le bilan global est la somme de deux
nergies.
Ce dispositif est associ des filtres LC accords pour liminer les harmoniques de ces
dispositifs RCT, CCT, bancs des capacits fixes et filtres dharmoniques constitue le
Figure. 1.15 : Modle mathmatique de SVC
L
Th1 Th2
C
( )
SVC
B a
SVC
I
K
V
SVC
Q
L
Th1
Th2
Jeu de barre
RCT
C
Th1
Th2
CC


17

compensateur hybride, plus connu sous le nom de SVC dont le premier dispositif t install en
1979 en Afrique du Sud.
La caractristique statique de SVC est donne par la figure. 1.16 trois zone sont distinctes :
Pour
min max
V V V : est une zone de rglage o lnergie ractive est une combinaison
des CCT et RCT.
Pour
max
V V : est une zone o le RCT donne son nergie maximale (bute de rglage).
Les condensateurs sont dconnects.
Pour
min
V V : est une zone o les seule capacits sont connectes au rseau.

Le SVC prsente plusieurs avantages :
Stabiliser la tension dans les systmes faibles.
Rduire les pertes de transmission.
Augmenter la capacit de transmission.
augmenter la limite de stabilit.
Amliorer la commande et la stabilit de tension.
Attnuer les oscillations de puissance.

Figure. 1.16 : Fonctionnement du compensateur statique
SVC
V
SVC
I
ref
V
max
V
min
V
C// L
C
//
constante
SVC C L
X X
a

constante
SVC C
X X
a
Zone de controle
et de commande

SL
X

18

1.6.1.2 Le STATCOM (Static Compensator)
1.6.1.2.1 Dfinition
Le STATCOM (Statique Compensateur) a connu jusqu' maintenant diffrentes appellations,
CSERA (Compensateur statique dnergie ractive de type avanc). ASVC (Advanced Static Var
Compensator). SVG (Static Var Generator) et STATCON (Static Condenser).
Un STACOM est un systme dlectronique de puissance connect en parallle, qui injecte dans
le rseau un courant alternatif contrl en phase et en amplitude. Leur topologie est base sur des
convertisseurs de tension. Le schma de STATCOM est donn par la figure. 1.17.
Le principe de fonctionnement de STATCOM est similaire celui du compensateur synchrone.
Les tensions de sortie sont gnres par un onduleur au lieu davoir cres par un groupe
tournant.
Ce principe a pu tre mis en uvre grce lvolution des composants de llectronique de
puissance, et surtout grce lapparition des GTO de forte puissance.
Les cellules de commutation sont bidirectionnelles, cest - dire forms de GTO et de diodes en
antiparallle.
Le rle de STATCOM est dchanger lnergie ractive avec le rseau lectrique [3, 9 et 10].
Lchange dnergie ractive se fait par le contrle de la tension de sortie de londuleur
S
V ,
laquelle est en phase avec la tension du rseau E .

1
E
3
E
2
E
S 1
V
S 3
V
S 2
V
S
V E
transformateur
shunt
I
C
Figure. 1.17: Schma de base du STATCOM

19

Le fonctionnement peut tre dcrit de faon suivante :
Si
S
V E < , le courant circulant dans linductance est dphas de 2 + par rapport la
tension E ou le courant est capacitif.
Si
S
V E > , le courant circulant dans linductance est dphas de 2 par rapport la tension
E ou le courant est capacitif.
Si
S
V E = , le courant circulant dans linductance est nul, il ny a pas dchange dnergie.
On considre dans ce fonctionnement que les tensions sont triphases et quilibre. Par ailleurs,
lamplitude de la tension de sortie
S
V est proportionnelle la tension continue aux bornes du
condensateur.

Figure. 1.20: Caractristique statique du STATCOM.
max
I
min
I
E
ref
V
SL
X
I( 0) Q <
I( 0) Q >
Figure. 1.18 : Prsentation dun compensateur

E
Vs

I
t
X
DC
V
E
Vs
DC
I

I
Q
Figure. 1.19 : Diagramme vectoriel de STATCOM
I
-I
AC
V
S
V E <
S
V E >
Courant inductif
Courant capacitif

20

Le STATCOM prsente plusieurs avantages :
bonne rponse faible tension : le STATCOM est capable de fournir son courant
nominal, mme lorsque la tension est presque nulle.
bonne rponse dynamique : Le systme rpond instantanment.
Ltendue de la plage de lopration est plus large quavec un SVC classique.
Pour un contrle optimal de la tension, les phases sont contrles sparment pendant les
perturbations du systme.
Un design modulaire du convertisseur permet une adaptation pour une grande plage de
puissances nominales.
1.6.2 Dispositifs de compensation dynamique srie
Ces compensateurs sont connects en srie avec le rseau et peuvent tre utiliss comme une
impdance variable (inductive, capacitive) ou une source de tension variable. En gnral, ces
compensateurs modifient limpdance des lignes de transport en insrant des lments en srie
avec celles-ci.
1.6.2.1 La capacit srie commande par thyristor (TCSC)
1.6.2.1.1 Dfinition
La capacit srie commande par thyristor (TCSC: Thyristors Controlled Sries Compensator)
est 1T un dispositif de compensation srie, 1Telle utilise llectronique de puissance comme lment
de base .Elle connecte en srie avec le rseau pour contrler le transit de puissance,
lamortissement de rsonance subsynchrone et des oscillations de puissance. Ce type de
compensateur est apparu au milieu des annes 80 [11].
Le TCSC est compos dune inductance en srie avec un gradateur thyristor, le tout en
parallle avec un condensateur. Le TCSC est insr sur la ligne de transmission (Figure. 1.21).
O
C
X : est limpdance du condensateur du TCSC.
L
X : est limpdance du linductance du TCSC.
line
X : est limpdance de la ligne.


21

A la ractance variable tel quun RCT (Ractances Commandes par Thyristor) et relier a travers
un condensateur en srie. Quand langle damorage de RCT est de 180 degrs, le racteur
devient non conduire et le condensateur en srie a sa impdance normale. Pendant que langle est
avanc de 180 degrs, limpdance capacitive augmente. A lautre extrmit, quand langle
damorage de RCT est de 90 degrs, le racteur devient entirement conduisant, et toute
impdance devienne inductive, par ce que limpdance du racteur est conue pour tre
beaucoup infrieure au condensateur en srie impdance. Avec 90 degr, le TCSC aide en
limitant le courant de dfaut.
Quand langle damorage du RCT est de 180 degrs, lui des arrts conduisant, et les actes non
contrls du racteur comme limiteur de courant de dfaut.
Le dispositif peut oprer en trois modes diffrents :
a) Mode hors circuit : les thyristors sont en pleine conduction.
b) Mode bloqu : les thyristors sont bloqus.
c) Mode variable : la conduction des thyristors est contrle par un signal damorage et donc
le TCSC a une ractance contrlables dans les rgions inductives et capacitives. Ce dernier
cas a un grand intrt. Les angles damorage des thyristors peuvent changer de
0
90 jusqu
une valeur maximale dans une plage de fonctionnement inductif et de fonctionnement
capacitif.
Les principaux avantages de linsertion de TCSC dans un rseau lectrique sont :

Compensation du dsquilibre des courants de charge.
Amlioration de la stabilit dynamique, par lamortissement des oscillations de
puissance et de la stabilit de tension.
Rduction des risques de rsonance hypo-synchrone.

Figure. 1.21: Insertion dun TCSC sur une ligne
Th1
Th2
C
X
L
X
RCT
X
line
X
i
j
Figure. 1.22 : Impdance du TCSC en fonction de
langle
d d h

X
//
C L
X X
0
180
0
90
C
X

22

1.6.2.2 Compensateur statique srie synchrone (SSSC)
1.6.2.2.1 Definition
Le SSSC est un systme dlectronique de puissance connect en srie qui injecte une tension en
srie avec la ligne de transmission travers un transformateur srie. Le SSSC, a une fonction
comparable au TCSC [9, 11]. Mais contrairement ce dernier qui prsente une zone morte la
rsonance parallle, le rglage est continu. De plus, lintroduction dun stockage dnergie est
possible du fait de la structure des convertisseurs de tension (VSC).
1.6.2.2.2 Principe de compensation par SSSC
Ce type de compensateur srie (Compensateur Synchrone Statique Srie) est le plus important
dispositif de cette famille. Il est constitu dun onduleur triphas coupl en srie avec la ligne
lectrique l'aide d'un transformateur (Figure. 1.23).

Son rle est dintroduire une tension triphase, la frquence du rseau, en srie avec la ligne de
transport. Cette tension est en quadrature avec le courant de ligne.
Nous pouvons, dans ce cas, rgler continuellement la valeur apparente de la capacit ou de
linductance ainsi introduite dans la ligne. Lavantage de ce compensateur est de ne pas
introduire physiquement un condensateur ou une inductance, mais de simuler leurs fonctions.
Cela vite l'apparition des oscillations dues la rsonance avec les lments inductifs du rseau.
La caractristique statique dun Compensateur Synchrone Statique Srie est donne sur la figure.
1.24

Figure. 1.23: Schma de base du SSSC
C se-a
V
se-b
V
se-c
V
a
V
b
V
c
V
a
I
b
I
c
I
Figure. 1.24 : Statique du SSSC
max
I
min
I
I
b
V

23

1.6.3 Dispositifs de compensation dynamique hybrides "srie - parallle "
1.6.3.1 Compensateur universel
1.6.3.1.1 Dfinition
LUPFC (Unified Power Flow Controler), appel aussi Dphaseur Rgulateur Universel (DRU)
ou variateur de charge universel, est lun des plus performants des composants FACTS. Il est
capable de contrler, simultanment et indpendamment, la puissance active et la puissance
ractive de la ligne. .Loriginalit de ce compensateur est de pouvoir contrler les trois
paramtres associs au transit de puissance dans une ligne lectrique : la tension, limpdance de
la ligne, le dphasage des tensions aux extrmits de la ligne.
En principe, l'UPFC est capable daccomplir les fonctions des autres dispositifs FACTS savoir
le rglage de la tension, la rpartition de flux dnergie, lamlioration de la stabilit et
lattnuation des oscillations de puissance.
1.6.3.1.2 Principe de fonctionnement :
Le dispositif UPFC est constitu de deux onduleurs triphass de tension thyristors GTO, lun
connect en parallle au rseau par lintermdiaire dun transformateur triphas , lautre connect
en srie avec le rseau via trois transformateurs monophass dont les primaires sont relis, entre
eux, en toile [12].

Les deux onduleurs sont interconnects par un bus continu et par un condensateur de filtrage
comme indiqu sur la figure. 1.25.

Figure. 1.25: Schma simplifi dun UPFC connect au rseau lectrique
a
V
b
V
c
V
a b a
V V

b b b
V V

c b c
V V

b a
V

b b
V

b c
V

transformateurs
shunt
transformateurs
srie

24

Londuleur srie injecte une tension la mme frquence que celle du rseau et dont lamplitude
et la phase est ajustable. Ce rglage damplitude et de phase permet dobtenir trois modes de
fonctionnement de la partie srie :
Contrle de tension : la tension injecte est en phase avec celle du cot shunt.
Contrle de limpdance de ligne : la tension injecte est en quadrature avec le
courant de ligne. Ce mode permet de faire varier limpdance de la ligne comme un
compensateur srie.
Contrle de phase : lamplitude et la phase de la tension injecte sont calcules de
manire obtenir le mme module de la tension avant et aprs lUPFC.
Le but principal de ces trois modes de fonctionnement est le contrle des puissances actives et
ractive qui transitent dans la ligne. De plus, lUPFC est capable de combiner les diffrentes
compensations et de basculer dun mode de fonctionnement un autre.
La partie shunt peut tre utilise afin de compenser la puissance ractive pour le maintien du plan
de la tension au nud S et ventuellement fournir de la puissance active injecte dans le rseau
par la partie srie.
1.7. Conclusion
Dans ce chapitre nous avons prsent une introduction dune manire gnrale sur les techniques
de compensation conventionnelles (srie et shunt), au mme temps ce chapitre tait une vue
globale sur les nouveaux dispositifs de contrle et de commande des systmes nergtiques
FACTS. Aujourd'hui cette technologie "FACTS" occupe une place privilgie pour la gestion de
systmes nergtiques vis--vis ces atouts quelle offre tout en augmentant la capacit de
transport, renforcement de stabilit de tension et le maintien dune qualit meilleure de lnergie
produite tout ces avantages ne peut tre prend lieu que par un rglage adquat des paramtres de
ces dispositifs qui sera lobjectif et le sujet des chapitres qui suivent.

Chapitre 2

:
Modlisation des dispositifs
FACTS

25

Chapitre 2
Modlisation des dispositifs FACTS
2.1. Introduction
Aprs une gnralit prsente dans le chapitre prcdant concernant les systmes de
compensation dynamique FACTS dans les rseaux lectriques, il est intressant dentamer
dans ce prsent chapitre les diffrents types FACTS et leurs modlisations qui seront
exploits dans nos programmes de calcul permettant par la suite de nous palper leurs effets
sur le perfectionnement de ntres rseaux.
Dans la premire partie une introduction sur le problme de lcoulement de puissance
connue aussi par lcoulement de charge est expose. Ces tudes sont ncessaires pour la
planification et les dveloppements futurs des rseaux et aussi pour assurer un
fonctionnement fiable de ces systmes.
Dans la deuxime partie nous avons introduit en bref la modlisation des lments du
rseau titre dexemple les gnrateurs, les charges, les lments shunts ainsi que les lignes
et les transformateursetc.
Enfin, on a propos quelques modles de dispositif FACTS largement utiliss dans la
littrature tels que SVC, STATCOM, TCSC, SSSC et lUPFC.

2.2. Problme de lcoulement de puissance :
Le calcul de rpartition des puissances (coulement des puissances ou load flow ou
encore power flow) consiste dterminer l'ensemble des transits de puissances et des
tensions dans le rseau pour un cas de charge donn. Quatre grandeurs sont associes
chaque nud du systme : les puissances active et ractive ainsi que le module et la phase de
la tension. Seules deux de ces quatre variables sont connues en un nud, les deux autres
tant dtermines lors du calcul. Trois combinaisons, dfinissant trois types de nuds, sont
gnralement utilises :

26

Noeud de charge (PQ) : cest un nud connect directement avec la charge, il ne possde
aucune source dnergie. Les puissances active et ractive sont considres connues.
Noeud gnrateur (PV) : cest un nud connect directement avec un gnrateur ou une
source dnergie ractive. la puissance active et la tension sont considres connues. La
production de lnergie ractive est limite par des valeurs infrieures et suprieures,
min
g
Q

et
max
g
Q respectivement. Si lune des deux limites est atteinte, la valeur se fixe cette limite et
la tension se libre, le nud devient alors un nud (PQ).
Nud de rfrence (Slack bus) : cest un nud connect avec un gnrateur relativement
puissant ; il est considr dans le calcul dcoulement de puissance afin de compenser les
pertes actives et assurer lgalit entre la demande et la gnration de la puissance active.
Dans un nud de rfrence, lamplitude et langle de la tension sont supposs connus [3].
L'objectif est de dterminer les tensions complexes des jeux de barres partir desquelles toutes
les autres grandeurs telles que les courants dans les lignes de transports, les puissances et les
pertes de puissances peuvent tre drives. Pour un rseau lectrique avec N jeux de barres, les
quations des tensions nodales du systme sont exprimes par la relation matricielle :
bus bus bus
I Y U =

(2.1)
o I est le vecteurs 1 N des courants complexes injects chaque jeu de barres et U est le
vecteurs 1 N des tensions complexes de chaque jeu de barres .Y est une matrice N N , elle
contient toutes les informations concernant les lignes, les transformateurs et les condensateurs.
Le courant
i
I scrit:

( )

1 1

j i j
n n
j
i i j j i j j
j j
I Y U Y V e
o
= =
= =
_ _

(2.2)
La puissance injecte dans le systme au jeu de barre i est donne par :
*

i i i
S U I =

(2.3)
Cette dernire quation nous montre que les puissances actives et ractives transmises jeu de
barre quelconque sont en fonction de module et de largument des tensions aux niveaux des
autres jeux de barres du systme en utilisant cette quation on peut crire la puissance active et
ractive injecte dans un jeu de barre i sous la forme suivant:
j j
1
(g cos + sin )
n
i G i D i i j i j i i j i
j
P P P V V b
=
= =
_

(2.4)
j j
1
(g sin cos )
n
i G i D i i j i j i i j i
j
Q Q Q V V b
=
= =
_

(2.5)


27

Avec
j i i j
= est la dfrence angulaire entre les jeux de barres i et j ,
i
et
j
sont les
angles de tension des jeux de barres i et j ,

g
i j
et
i j
b sont respectivement la partie relle de
l'admittance (conductance) et la partie imaginaire (la susceptance ) de la ligne de transmission .
A cause de non linarit des quations de l'coulement de puissance, il est trs difficile d'avoir
des solutions analytiques. Pour cette raison, plusieurs mthodes numriques ont t proposes
pour rsoudre le problme de l'coulement de puissance, parmi les quelles on va discuter la
mthode de Newton-Raphson [14].
2.2.1. Algorithme de N-R dans un systme de dimension n :
La mthode de Newton Raphson est trs puissante cause de sa convergence rapide au
voisinage de la solution .Cette proprit est spcialement utile pour les applications du systme
lectrique parce qu'une estimation initiale proche de la solution est facile obtenir. Elle est base
sur la dtermination de la tangente la courbe f(x) (reprsente des quations de l'coulement de
puissance) en chaque point )) ( , (
) ( ) ( k k
x f x . L'intersection de cette tangente avec l'axe des x
fournit le point
) 1 ( + k
x , (
) (k
x tant une approximation de l'erreur commise sur x l'itration (k)).
Soit la fonction 0 ) ( = x f de dimension n, tel que :
(0) (0)
1 2 2
(0) (0)
(0)
(0) (0)
1 1 1
(0) (0)
1
k k k k
k +1 k k k
n n n n
f (x) P X V
f (x) P X V
f(x) x
f (x) Q X
f (x) Q X
+ + +
( ( ( (
( ( ( (
( ( ( (
( ( ( (
= =
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( ( (

(2.6)
On estime que
) 0 (
1
x ,
) 0 (
2
x ,,
) 0 (
n
x sont les solutions de ces n quations. L'exposant
) 0 (

indique que ces valeurs sont des estimations initiales x (le vecteur x
reprsente
les niveaux de
tension et l'angle de phase des jeux de barres [ [ , x V = ).
(0) (0) (0) (0) (0) (0) (0) 1 1 1
1 1 2
1 2
(0) (0) (0) (0) (0) (0) (0) 2 2 2
2 1 2
1 2
(0) (0) (0) (0) (0)
1 2
1 2
( ) ( ) ( ) .... ( ) 0
( ) ( ) ( ) .... ( ) 0
( ) ( ) ( ) .... (
n
n
n
n
n n n
n
f f f
f x x x x
x x x
f f f
f x x x x
x x x
f f f
f x x x
x x x

+ + + + =

+ + + + =

+ + + +

(0) (0)
) 0
n
n
x =

(2.7)


28

On dsigne par
) 0 (
1
x ,
) 0 (
2
x , .,
) 0 (
n
x les valeurs ajouter
) 0 (
1
x ,
) 0 (
2
x ,.,
) 0 (
n
x pour
trouver les solutions correctes. Lorsqu'on dveloppe toutes les fonctions en srie de Taylor au
voisinage du point d'estimation initiale on aura [14, 15]:
On peut crire le systme de n quations linaires comme suit :
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
(
(
(
(
(
(
(
(
0
0
0
.
) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
) (
) (
) (
) 0 (
) 0 (
2
) 0 (
1
0 0
2
0
1
0
2
0
2
2
0
1
2
0
1
0
2
1
0
1
1
) 0 (
) 0 (
2
) 0 (
1

n n
n n n
n
n
n
x
x
x
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x f
x f
x f
(2.8)
Les termes
1
0 0
1
( ) ,..., ( )
n
n
f f
x x

correspond a la drive partielle value avec les valeurs
(0) (0)
1
,...
n
x x
Ou dans une notation compacte : 0 ) (
) 0 ( ) 0 ( ) 0 (
+ x j x f
La matrice carre dite Jacobienne : | |
) 0 (
J
De cette dernire quation on tire ensuite le vecteur erreur | | ) (
) 0 (
1
) 0 ( ) 0 (
x f j x

=
Mais
) 0 ( ) 1 ( ) 0 (
x x x = donc | | ) (
) 0 (
1
) 0 ( ) 0 ( ) 1 (
x f j x x

=
En gnral : | | ) (
) (
1
) ( ) ( ) 1 ( k k k k
x f j x x

+
=
2.2.2. Solution de l'coulement de puissance par l'algorithme de Newton Raphson :
La solution de l'coulement de puissance peut tre accomplie en utilisant l'algorithme de Newton
Raphson comme suit :
Etape 1. Choisir un vecteur initial x (les niveaux de tension et l'angles de phase des jeux de
barres, les puissances de sortie des gnrateur o [ [ , x V = )
Etape 2. Calculer les lments de matrice d'admittance
bus
Y
Etape 3. Dterminer des fonctions des puissances actives et ractives et calculer ( ) F x ^
o [ [ ( ) , F x P Q ^ = ^ ^ .
Etape 4. Calculer les lments de la matrice de jacobenne.
Etape 5. Rsoudre l'quation
1
x J F
^ = ^ .
Etape 6. Mettre jour la solution
1 k k
x x x
= ^
Etape 7. Vrifier que ( ) F x ^ < .Si elle est affirme continues, sinon, aller l'tape 3
Etape 8 .Vrifier que les contraintes des tensions
min max
( ) V V V < < .

29

2.3. Modlisation des lments du rseau
Un rseau de transport ou de distribution lectrique contient un ensemble de composants
quon doit modliser afin dtablir les quations qui gouvernent le systme lectrique. Dans
les sections qui suivent, on va exposer quelques modles algbriques de base relatifs aux
composants du rseau qui sont ncessaires pour le calcul de lcoulement de puissance.
2.3.1. Modle de gnrateur
Dans lanalyse de lcoulement de puissance, les gnrateurs sont modliss comme des
injecteurs de courants. La puissance active dlivre par le gnrateur est rgle travers le
contrle de la turbine, qui doit tre dans les limites de la capacit du systme turbine
gnrateur. La tension est lie principalement linjection de la puissance ractive au jeu de
barres de production, et comme le gnrateur doit fonctionner dans les limites de sa courbe de
capacit ractive, il nest pas possible de rgler la tension en dehors de certaines limites
admissibles [16].
min max Gi Gi Gi
P P P

(2.9)
min max Gi Gi Gi
Q Q Q

(2. 10)
La figure. 2.1 (a) illustre le symbole utilis pour reprsenter les gnrateurs. La figure. 2.1
(b) reprsente un schma symbolique correspondant au jeu de barres de contrle (PV).
Figure. 2.1 : Modles des gnrateurs: a) symbole, b) modle PV classique

2.3.2. Modle de Charge
Les charges reprsentent les consommateurs connects au rseau. Elles correspondent
des injections ngatives aux nuds. Les charges sont modlises par des puissances constantes
indpendantes de la tension nodale :
b)
La valeur de la puissance
ractive est calcule de manire
maintenir la tension nodale
sa valeur de consigne. Lorsque
Q
Gi
dpasse une de ses limites,
elle est fixe cette dernire et
la tension ne peut plus tre
contrle (nud PQ).6

V
i
i
P
Gi
,Q
Gi
Q
Gi
Q
Gimin Q
Gimax 0
V
i a)

30

li li Li
S P jQ = +

(2.11)
o SR
Li
R est la puissance complexe de la charge, PR
Li
R la puissance active et QR
Li
R la puissance
ractive. La puissance ractive QR
Li
R peut tre positive ou ngative selon que la charge est de
nature inductive respectivement capacitive.

Figure. 2.2 : Modle de charge.
.
2.3.3. Modle de llment shunt
Dans la plupart des cas, les lments shunt sont des dispositifs destins la compensation de
lnergie ractive et la tenue de la tension, Chaque lment connect au rseau sera modlis,
suivant le cas, par une admittance quivalente y de la forme :

Figure. 2.3 : Modles des lments shunt: a) symbole, b) lment inductif, c) lment capacitif.
Le symbole gnral reprsentant un lment shunt est donn la figure. 2.3 (a) La susceptance bR
i0
R
peut tre inductive ou capacitive. Dans le premier cas, l'lment consomme de la puissance ractive
figure. 2.3 (b), alors qu'il en fournit au systme dans le second figure. 2.3 (c).
2.3.4. Modle de Ligne
Gnralement la ligne de transport est modlise par un schma quivalent en
qui se
compose dune impdance srie (rsistance R en srie avec une ractance inductive X), et une
admittance shunt qui consiste en une susceptance capacitive B (due a leffet capacitif de la ligne
avec la terre) en parallle avec une conductance disolation G. Voir (Figure. 2.4).
P
Li
,Q
Li
i
) b
i
g
i
Q
i,C
b
) c
i
g
i
Q
i,L
b
) a
i i i
y g jb =
i
I
i

31

Figure. 2.4 : Modles en TT des lignes de transport

La matrice d'admittance nodale d'une ligne reliant un nud i un nud k est donn par :
0
0
2
2
ij ij ij
Bus
ij ij ij
y y y
Y
y y y
+
| |
=
|
+
\ .
(2.12)
o l'admittance longitudinale vau
1
ij ij ij
ij ij
y g jb
r jx
= = +
+
(2.13)
L'admittance transversale correspondant aux effets capacitifs s'crit :
0 0 ij ij
y jb =
(2.14)
Avec :
ij
r
R

RRsistance longitudinale ;
ij
x
Ractance longitudinale ;

ij
b
Susceptance transversale.
2.3.5. Modle de Transformateur
Un transformateur de lnergie lectrique est reprsent par un quadriple en
non
symtrique. Les grandeurs associes sont le rapport de transformation a et limpdance de fuite.
Les rapports aR
ij
R sont inclus dans les lments de la matrice admittance, cest--dire que les
susceptances de la matrice admittance BR
ij
R sont vues comme des fonctions de rapports de
transformation a (Figure. 2.5).

ij
y
i
ij
r
ij
x
j
ij0
b
2
ij0
b
2

32

Figure. 2.5 : Modle des transformateurs.
La matrice d'admittance d'un transformateur insr entre un nud i et un
nud k s'crit :
2
ij ij ij
trof
ij ij
y a y a
Y
y a y
| |
=
|
|
\ .
(2.15)
2.4. Modlisation des dispositifs FACTS
Diffrentes faons de modliser les dispositifs FACTS ont t dveloppes pour l'tude
des rgimes stationnaires. Elles se diffrencient principalement par la mthode utilise pour
intgrer les FACTS dans le calcul du load flow. Les trois modlisations rencontres le plus
souvent dans la littrature sont bases respectivement sur l'injection de puissance quivalente,
la cration d'un nud fictif ou encore la modification de la matrice d'admittance. Ces trois
techniques sont prsentes aux paragraphes suivants.
2.4.1. Injection de puissance aux extrmits de la ligne
Une des mthodes les plus rpandues consiste reprsenter les dispositifs FACTS sous
forme d'injections de puissances aux nuds telles que reprsentes la figure. 2.6.
Le principe consiste remplacer l'effet d au dispositif FACTS sur les transits de puissances
dans la ligne (Figure. 2.6 (a)), par des injections de puissances aux deux extrmits (Figure. 2.6
(b)). Celles-ci sont calcules de manire ce que l'effet produit soit quivalent celui du
dispositif en question [17]. Les injections de puissances active et ractive au nud i sont donnes
par :
F F
i ij ij
P P P =

(2.16)
F F
i ij ij
Q Q Q =

(2.17)
i
V
j
V
m
V
i
j ij i j
a V V =
m
ij
r
ij
x
i
S
t ij
y a
i
m
( )
2
1
ij t
ij
a y
a
( )
1
ij t
ij
a y
a

33

Avec : ,
F F
i i
P Q Injections quivalentes de puissances active et ractive au nud i.
,
ij ij
P Q Transits de puissances active et ractive sans dispositif FACTS ;
,
F F
ij ij
P Q Transits de puissances active et ractive avec le FACTS dans la ligne.
Figure. 2.6 : Modlisation par injection de puissances: a) ligne avec FACTS, b) ligne avec injections
quivalentes.
Deux relation similaires sont obtenues pour le nud j . Ces quatre injections
quivalentes, ainsi que le modle standard de la ligne, sont utilises dans les quations du load
flow. Elles sont traites comme des charges ou des gnrations aux nuds i et j . Les
injections de puissances actives aux nuds PV et PQ s'crivent :
1
cos( ) sin( )
n
F
i i i j ij i j ij i j
k
P P V V G B o o o o
=
l
=
l
l
_

(2.18)
et les puissances ractives injectes aux nuds PQ valent :
1
sin( ) cos( )
n
F
i i i j ij i j ij i j
k
Q Q V V G B o o o o
=
l
=
l
l
_

(2.19)
avec:
- n nombre de nuds du systme.
Les valeurs des injections ,
F F
i i
P Q sont calcules aprs chaque itration, mais ne sont pas
utilises dans le calcul de la matrice jacobienne.
Des variantes de cette modlisation ont t proposes. Dans limitateur, un modle des
injections de puissances dcomposes est propos. Les effets des FACTS sur les transits de
puissances dans les lignes et ceux sur le contrle des tensions aux nuds y sont traits
sparment [17].
) a
i
j
ij
r
ij
x
j j
P jQ
i i
P jQ
FACTS
) b
i
j
ij
r
ij
x
j j
P jQ
i i
P jQ
F F
j j
P jQ
F F
i i
P jQ
34

2.4.2. Cration d'un nud fictif
Une modlisation de FACTS base sur la cration d'un nud fictif est prsente dans
[18]. Le modle d'un dispositif de type UPFC, permettant de contrler les transits de
puissances active et ractive, est illustr la figure. 2.7.
Figure. 2.7 : Modlisation avec nud fictif : a) ligne avec FACTS, b) reprsentation quivalente.
Les valeurs de consigne des dispositifs sont directement exprimes en terme de puissances
circulant dans les lignes ou injectes aux nuds (Figure. 2.7 (a)). Un nud fictif i' dans
lequel la ou les puissances contrles sont injectes, est temporairement cr. Pour conserver
le bilan de puissance, la puissance injecte au nud i' est soustraite au nud i (Figure. 2.7 (b)).
Le nouveau nud est pris en compte dans le calcul de rpartition des puissances en modifiant
la structure de la matrice jacobienne.
2.4.3. Modification de la matrice d'admittance nodale
Les FACTS sont envisags comme des lments venant modifier directement la matrice
d'admittance nodale du rseau [17]. Ils sont insrs dans la ligne selon la reprsentation de la
figure. 2.8 Selon le type de FACTS modlis, le dispositif peut tre plac au milieu ou une
extrmit de la ligne.

Figure. 2. 8 : Intgration du dispositif FACTS dans une ligne.
) a
i
j
ij
r
ij
x
j j
P jQ
i i
P jQ
FACTS
,
F F
ij ij
P Q
) b
i
j
ij
r
ij
x
j j
P jQ
i i
P jQ
F F
ij ij
P jQ F F
ij ij
P jQ
' i
i
ij
r
ij
x
j
ij
b
2
ij
b
2
FACTS
35

Les paramtres d'une ligne quivalente sont dtermins et substitus ceux de la ligne
sans FACTS dans la matrice d'admittance nodale. Cette dernire est modifie de la manire
suivante:
' '
mod ' '
F F
ii ij ii ij ii ij
F F
ji jj ji jj ji jj
ligne FACTS
Y Y Y Y y y
Y
Y Y Y Y y y
l l l
l l l
= =
l l l
l l
l l l

(2.20)
Selon le type de FACTS et sa position dans la ligne, seule une partie des coefficients de la
matrice Y subissent des modifications. Cette modlisation est celle utilise dans le cadre de ce
travail de recherche. Elle est prsente de manire plus dtaille pour plusieurs types de FACTS
dans les sections qui suivent.
Diffrentes mthodes sont possibles pour traiter les valeurs des dispositifs. Elles peuvent tre
utilises comme grandeurs d'entres dans un load flow classique ou alors comme variables
optimiser dans un calcul optimal de rpartition des puissances.
2.4.4. Dispositifs FACTS shunt
Plusieurs modles de dispositifs FACTS shunt ont t dvelopps, tant pour des rgimes de
fonctionnement statique (qui est notre cas) que dynamique . Certains modles sont spcifiques
un type de dispositif alors que dautres, plus gnraux, sont utiliss pour prsenter plusieurs
FACTS.

Nombreux modles mathmatiques du SVC et du STATCOM en rgime permanent ont t
proposs dans la littrature. Dans [9,11 et 19], la mthode de la puissance injecte est propose.
Les caractristiques lectriques des quipements sont traduites et remplaces par des puissances
injectes. Cette modlisation est applique dans notre tude pour le STATCOM. Une autre
mthode consiste modliser le SVC comme des ractances variables dont valeurs dpendent de
langle damorage des thyristors [13].
2.4.4.1. Modle du compensateur statique de puissance ractive (SVC)
La figure. 2.9 reprsente la modlisation dun SVC par une admittance shunt variable YR
SVC
R
dont la valeur est limite selon lquation (2.22). Lnergie ractive fournie (ou absorbe) par le
SVC au nud i est donne par lquation (2.23).

36

Figure. 2.9 : Modlisation dun SVC :a) SVC plac en un nud: b) symbole, c) modle.
SVC SVC
Y jB = (2.21)
min max
SVC SVC SVC
B B B _ _ (2.22)
2
*
SVC i SVC
Q V B = (2.23)
Le signe "moins" indique que le SVC fournit de la puissance ractive au systme lorsqu'il est
capacitif alors qu'il en consomme lorsqu'il est inductif. La variation de la puissance ractive
injecte en fonction de la tension est reprsente la figure. 2.10 pour plusieurs valeurs de
compensation.
Figure. 2.10 : Variation de la puissance ractive absorbe par un SVC en fonction de la tension nodale.
Lorsqu'ils sont connects aux nuds du rseau, les SVC sont gnralement placs aux
endroits o se trouvent des charges importantes ou variant fortement. Ils peuvent galement tre
positionns des nuds o le gnrateur n'arrive pas fournir ou absorber suffisamment de
puissance ractive pour maintenir le niveau de tension dsir.
Lorsqu'un SVC est prsent au nud j , seul l'lment
jj
Y
de la matrice d'admittance
nodale est modifi, l'admittance du SVC lui tant additionne :
L
B
C
B
) c
SVC
B
SVC
I
SVC
V ) b
i ij
r
ij
x
j
ij
b
2
ij
b
2
SVC
Y
) a
37

'
jj jj SVC
Y Y Y =
(2.24)
Dans ce cas, la matrice d'admittance est modifie de la manire suivante :
' '
0
mod ' '
0
2
2
ij ij ij ii ij
ij ij SVC ij ji jj
y y y Y Y
Y
y y y y Y Y
l 1

l

= =

l

( )
l
l
(2.25)
2.4.4.2. SVC plac au milieu d'une ligne
Lorsque le compensateur statique est insr au milieu d'une ligne, cette dernire est
divise en deux tronons identiques. Le SVC est reli au nud mdian additionnel m,. Pour
viter d'avoir changer le nombre de nuds du rseau et donc la taille de la matrice
d'admittance, une transformation toile-triangle permet de rduire le systme en
supprimant le nud m et en calculant les paramtres d'une ligne quivalente. La figure.
2.11 illustre les tapes pour obtenir cette ligne quivalente
Figure. 2.11 : SVC plac en milieu de ligne.
Tous les lments de la matrice d'admittance d'une ligne avec un SVC en son milieu sont
modifis :
0
0
' ' '
' '
mod ' '
' ' '
2
2
ij ij ij
ij ij ij
ii ij
ji jj
y y y
Y Y
Y
Y Y
y y y
1
l

l
= =
l

l
( ) l
(2.26)
2.4.4.3. Modle du compensateur statique de puissance ractive (STATCOM)
STATCOM est une deuxime gnration de dispositif de FACTS. Selon l'IEEE, Le STATCOM
est un moyen de compensation dynamique connect en parallle au systme lectrique, il est
bas sur linjection dun courant AC contrl travers un transformateur de couplage [ 20]. La
structure de base dun STATCOM ayant le schma qui est montr par la figure. 2.12.
i j
'
ij
Y
0
'
2
ij
Y
0
'
2
ij
Y
m
j
2
ij
Y
0
4
ij
Y
0
4
ij
Y
i
2
ij
Y
0
4
ij
Y
0
4
ij
Y
SVC
Y
38

Figure. 2.12 : Reprsentation schmatique de STATCOM

En gnral la tension du STATCOM V sh est injecte en phase avec la tension V t de la ligne et
dans ce cas il n y a pas d'change de l'nergie active avec le rseau mais seulement la puissance
ractive qui sera injecte (ou absorbe) par le STATCOM.
Le STATCOM a le mme rle quun SVC mais avec plus de robustesse, ce dispositif
capable de dlivrer la puissance ractive mme si la tension de jeu de barre de connexion est
faible. Avec l'hypothse d'un STATCOM idal (convertisseur sans pertes), la contrainte de
fonctionnement que doit satisfaire le STATCOM est de ne pas changer la puissance active avec
le rseau. Le circuit STATCOM quivalent montr dans (Figure. 2.12 (b)) [13].
La tension de STATCOM est donn par:
(cos sin )
sh sh sh sh
E V j = +

(2.27)
Le courant inject par le STATCOM est donn par:
sh i
sh
t
V V
I
jX
=

(2.28)
La puissance transmission entre de deux systme peut tre reprsente par :
La puissance active transmis :
*
sin( )
i sh
i sh
V V
P
X
=

(2.29)
La puissance ractive transmis :
2
*
cos( )
i sh i
i sh
V V V
Q
X X
=

(2.30)

O ,
i sh
V V est la tension aux noeuds, (
i sh
) l'angle entre la tension et X impdance de la
ligne. Aprs l'excution de quelques oprations complexes, les quations de puissance actives et
ractives sont obtenues comme suit [7, 20] :
i i
V .
sh sh
P Q
sh sh
V .
sh
Z Bus i
sh
I

d
V
VSC
2
V
1
V
, P Q
1
V
, P Q
, G B
2
V
S
V
) a
) b
39

2
( cos( ) cos( ))
sh i sh i sh sh i sh sh i sh
P V g V V g b = + (2.31)
2
( sin( ) sin( ))
sh i sh i sh sh i sh sh i sh
Q V b V V g b =

(2.32)

Avec
sh sh sh
g +jb =1/Z

sh
g : Conductance quivalent du STATCOM.
sh
b : Susceptance quivalent du STATCOM.
sh
Z : Impdance quivalent du STATCOM.
2.4.5. Dispositifs de compensation srie
La compensation srie est parmi les meilleures techniques actuellement connue pour
accrotre la capacit de transfert de puissance des lignes de transmission. Les compensateurs
srie thyristors utiliss peuvent tre de nature capacitive ou inductive. Ils s'apparentent donc
des dispositifs de type TCSC.
2.4.5.1. Modlisation de TCSC :
Les condensateurs sries Ils sont modliss par des impdances variables insres en srie avec la
ligne. Les dispositifs tant considrs comme idaux, seule la partie ractive de l'impdance est
prise en compte. Le modle est form de deux branches en parallles formes respectivement
d'une inductance et d'une capacit variable. Pour viter les phnomnes de rsonance, les
branches sont enclenches de manire exclusive l'aide d'un interrupteur.
Le modle mathmatique de TCSC est dans le schma de la figure. 2.13.

Figure. 2.13 : modle mathmatiques e de TCSC

Le TCSC devient analogue une impdance contrlable, qui est le rsultat de la mise en
parallle de la ractance quivalente dun composant TCR et une capacit.
TCSC
X
line
Z
JBi
JBj
sh
B
sh
B
40

( )
(2( ) sin 2 )
C L
TCSC
C
L
X X
X j
X
X
=
+

(2.33)
La figure. 2.13 prsente limplantation dun TCSC dans une ligne lectrique. La ractance
totale est la somme algbrique de la ractance du TCSC et la ractance relle de la ligne. Voir
lquation suivant :

ij line TCSC
X X X = +

(2.34)
Afin dviter la surcompensation dans la ligne, la valeur de la ractance TCSC X dpend de la
valeur de la ractance de la ligne
line
X ; telle que : Les degrs de compensation maximum sont
de 80% en mode capacitif et 20% en mode inductif [17] , La valeur de la ractance du
TCSC est donc donne par [19]:
0.8 0.2
line TCSC line
X X X

(2.35)
La matrice d'admittance de la ligne est modifie de la manire suivante :
' ' ' '
0
mod ' ' ' '
0
2
2
ii ij ij ij ij
ji jj ij ij ij
Y Y y y y
Y
Y Y y y y
l 1

l

= =

l

( )
l
l
(2.36)
Avec :
'
1
( )
ij
ij ij TCSC
y
r j x x
=

(2.37)
2.4.6. Dispositifs de compensation shunt-srie :
Le contrleur de transit de puissance unifi (UPFC) permet de contrler
simultanment la tension au nud ainsi que le transit de puissance active comme.
2.4.6.1. Modlisation mathmatique du compensateur universel 'UPFC'
Le modle mathmatique de lUPFC est tabli dans le but d'tudier les relations entre le rseau
lectrique et lUPFC en rgime stationnaire. Le schma de base est donn sur la figure. 2.14.
Cette figure reprsente un schma unifilaire d'un rseau lectrique et d'un UPFC install dans
une ligne de transport [12, 20].

Du point de vu puissance, le fonctionnement de l'UPFC bas sur la compensation shunt et srie
de la puissance ractive et rgulation de l'angle de charge.

41

Figure. 2.14 : Modle mathmatique de l'UPFC et le systme de transmission

Afin de montrer comment les coulements de puissance en ligne peuvent tre affectes et
exploit par l'UPFC est plac au dbut de la ligne de transmission connexion bus k et m, comme
indiqu dans la figure. 2.14 [4-7]. UPFC est reprsente par deux sources de tension idale est
contrlable les l'amplitude et angle de phase.

La tension de le UPFC donne par :

(cos sin )
VR VR VR VR
E V j = + (2.38)
(cos sin )
CR CR CR CR
E V j = + (2.39)
Avec
,
VR CR
V sont l'amplitude contrlable
,min ,max
,
VR VR VR
V V V et l'angle de
phase 0 , 2
VR
de tension du source de tension du partie shunte. ,
VR CR
V repesent
l'amplitude et l'angle de phase de tension du partie srie

Pour le jeu de par k :
| |
| |
| |
2
cos( ) sin( )
cos( ) sin( )
cos( ) sin( )
k k kk k m km k m km k m
k CR km k CR km k CR
k VR km k VR km k VR
P V G V V G B
V V G B
V V G B

= + +
+ +
+ +
(2.40)

k k
V
+
CR
I
VR
I
k
I
VR VR
V
VR
Z
CR
Z
CR CR
V
+ m
I
{ }
* *
Re 0
VR VR CR m
V I V I + =
42

| |
| |
| |
2
sin( ) cos( )
sin( ) cos( )
sin( ) cos( )
k k kk k m km k m km k m
k CR km k CR km k CR
k VR km k VR km k VR
Q V B V V G B
V V G B
V V G B

= +
+
+
(2.41)
Pour le jeu de par m :
| |
| |
2
cos( ) sin( )
cos( ) sin( )
m m mm m k mk m k mk m k
m CR mm m CR mm m CR
P V G V V G B
V V G B

= + +
+ +
(2.42)
| |
| |
2
sin( ) cos( )
sin( ) cos( )
m m mm m k mk m k mk m k
m CR mk m CR mk m CR
Q V B V V G B
V V G B

= +
+
(2.43)
Parte sries :
| |
| |
2
cos( ) sin( )
cos( ) sin( )
CR CR mm CR k km CR k km CR k
CR m mm CR m mm CR m
P V G V V G B
V V G B

= + +
+ +
(2.44)
| |
| |
2
sin( ) cos( )
sin( ) cos( )
CR CR mm CR k km CR k km CR k
CR m mm CR m mm CR m
Q V B V V G B
V V G B

= +
+
(2.45)
Parte shunte :
| |
2
cos( ) sin( )
VR VR VR VR k VR VR k VR VR k
P V G V V G B = + + (2.46)
| |
2
sin( ) cos( )
VR VR VR VR k VR VR k VR VR k
Q V B V V G B = + + (2.47)
En assumant valves de convertisseur sans perte, la puissance actif fourni au convertisseur shunt,
VR
P gale a la puissance actif exig par le convertisseur de srie
CR
P ; c'est--dire :
0
VR CR
P P + = (2.48)

2.5. Conclusion
Dans ce mmoire on sintresse lutilisation des systmes FACTS, particulirement les deux
dispositif STATCOM et TCSC pour rsoudre le problme de loptimisation de lnergie ractive
dans les rseaux lectriques tout en appliquant plusieurs techniques doptimisation globales
largement expose dans le futur chapitre savoir les algorithmes gntiques (AG), lalgorithme
doptimisation par essaims de particules (PSO) et la mthode de colonie de fourmis (ACO).

Chapitre 3

:
Les mthodes d'optimisation:
mthodes dterministes et
mta-heuristique

Chapitre 3 Les mthodes d'optimisation: dterministes et mta-heuristiques

43

Chapitre 3
Les mthodes d'optimisation: dterministes et mta-
heuristiques
3.1. Introduction:
Les problmes doptimisation occupent actuellement une place importante dans la communaut
scientifique. Les problmes peuvent tre combinatoires (discrets) ou variables continues, avec
un seul ou plusieurs objectifs (optimisation multi-objectif), statiques ou dynamiques. Cette liste
nest pas exhaustive et un problme peut tre la fois continu et dynamique.

Dans ce chapitre et dans sa premire partie nous allons prsents une introduction gnrale sur le
problme de loptimisation en gnrale , des dfinitions de base sont expliques, la classification
des problmes doptimisation et aussi aborde , puis nous avons entam ltude de deux grandes
catgories dalgorithmes doptimisation qui sont les mthodes dterministes, comme la mthode
du gradient, la mthode de Newton et la mthode de programmation dynamique; puis les
mthodes mta heuristiques, tels que les algorithmes gntiques, les colonie de fourmis et les
essaims de particules.
3.2. Quest-ce quun problme doptimisation
Un problme doptimisation se dfinit comme la recherche du minimum ou maximum
(optimum) dune fonction donne. On peut aussi trouver des problmes doptimisation pour
lesquels les variables de la fonction optimiser sont soumis des contraintes qui voluer dans
une certaine partie de lespace de recherche .dans ce cas, on a une forme particulire de ce que
lon appelle un problme doptimisation sous contraintes [21].
3.3. Classification des problmes doptimisation
On peut classer les diffrents problmes doptimisation que lon rencontre dans la vie courante
en fonction de leurs caractristiques. La figure. 3.1 rsume les diffrents critres qui entrent dans
la classification des problmes doptimisation:

44

3.4. Concepts de base et terminologie concernant loptimisation
Tout dabord, nous dfinirons les concepts communs nimporte quelle mthode doptimisation
:
Fonction objectif : quation mathmatique qui reprsente ce quon dsire amliorer dans
un dispositif. Elle est aussi appele critre doptimisation, fonction cot, fonction dadaptation,
ou encore performance (fonction fitness);
Problme mono-objective
Un problme doptimisation mono-objectif est prsent sous la forme suivante :
Minimiser
( )
, f x u
(fonction optimiser)
Problme multi-objective
L'optimisation multi-objective est une branche de l'1Toptimisation combinatoire1T dont la
particularit est de chercher optimiser simultanment plusieurs objectifs d'un mme problme.
Minimiser
( )
, 1,....,
i obj
f x u i N =
( obj
N
nombre de fonction optimiser)
Paramtres : correspondent aux variables de la fonction objectif. Ils sont ajusts pendant le
processus doptimisation, pour obtenir les solutions optimales. On les appelle aussi variables
doptimisation, variables de conception ou de projet.
Espace de recherche : dfini par lensemble des combinaisons des valeurs des paramtres.
Il correspond lespace des solutions. La dimension de lespace de recherche est dfinie par le
nombre de paramtres impliqus dans les solutions. On lappelle aussi espace des paramtres;

Figure. 3.1 : Diffrents critres du problme

Continu
Entier ou Discret
Combinatoire

Linaire Quadratique Non linaire
Avec des contraintes Sans contraintes

La classification du
problme doptimisation

Nombre de variable
de dcision
Type de la fonction
objective
Type de variable de
dcision
Formulation de
problme
Mono-variable
Multi-variable

45

Espace des objectifs : ensemble de lespace de recherche, dtermin par toutes les valeurs
possibles des fonctions objectives;
Les Contraintes : sont dfinit comme des conditions sur lespace dtat que les variables
doivent les satisfaire. Ces contraintes sont souvent des contraintes d'ingalit ou dgalit et
permettent en gnral de limiter notre espace de recherche.

( , ) 0 g x u =
Contraintes dgalit.

( , ) 0 h x u
Contraintes dingalit.
Domaine ralisable : rgion de lespace (des paramtres et/ou des objectifs) dans laquelle
les contraintes sont respectes. On lappelle aussi espace admissible.
Domaine non-ralisable : rgion de lespace o les contraintes sont violes.
Les mcanismes pour lexploration de lespace de recherche, spcifiques chaque mthodologie
doptimisation, sont conditionns par des paramtres de contrle (nombre ditrations, direction
de recherche, vrification de convergence, etc.) et par des conditions initiales (valeurs initiales
des paramtres, limites des domaines, etc.). La figure suivante reprsente le principe de base
d'une mthodologie doptimisation [22, 23].
3.5. Rsolution du Problme doptimisation
La recherche de loptimum dun problme est ralise laide de mthodes doptimisation qui
seront gnralement prsent dans deux grandes catgories :
Figure. 3.2 : Principe de base d'une mthodologie doptimisation.

Paramtres de Contrle
Conditions Initiales
Solution
Dclarations fondamentales
- Fonction Objective
- Paramtres
- Contraintes
Mthodes
DOptimisation
Analyse
Du Problme
La nature des variables, des
domaines de dfinition et des critres
optimiser va influencer sur le choix
de la mthode doptimisation
utiliser.

46

Certaines de ces mthodes sont dites dterministes car elles conduisent, pour une
solution initiale donne toujours au mme rsultat final. Pour trouver loptimum, elles
sappuient sur une direction de recherche qui peut tre fournie par les drives de la fonction
objectif. Ces mthodes ont la rputation dtre efficaces lorsque la solution initiale est proche de
loptimum recherch. Cette particularit constitue un inconvnient majeur dans le cas dune
fonction objectif possdant plusieurs optimums, elles peuvent en effet, converges vers un
optimum local [24].
Les mthodes stochastiques, contrairement a la plupart des mthodes dterministe, ne
ncessitent ni point de dpart, ni la connaissance de gradient de la fonction objectif pour
atteindre la solution optimale. Elles sappuient sur des mcanismes de transition probabilistes et
alatoires qui explorent efficacement lespace de recherche et convergent vers loptimum global.
Leur nature alatoire implique que plusieurs excutions successives de ces mthodes conduisent
des rsultats diffrents pour une mme initialisation du problme doptimisation. Cependant
elles demandent un nombre important dvaluations de la fonction objectif en comparaison avec
Mthodes exactes
Mthodes analytiques
Mthodes numratives
- Branch and Bound
- Branch and cut
- Programation dynamique

Optimisation linaire
-Simplexe de Dantzig
-Mthodes primales/duales

- Newton-Raphson
- Mthodes par encadrement
- Mthodes dinterpolation
- Mthodes de la scante

Line Search
Optimisation non linaire
- gradient
- gradient conjugu
- Fletcher et Reeves
- Quasi-Newton
- DFP,BFGS
- Nelder-Mead

Algorithme volutionnaire

- Stratgies dvolution (CMA-S,DE)
- Programmation volutionnaire
- algorithmes gntiques
- Programmation gntique

- colonies de fourmis
- Essaimes particulaires
- colonies dabeilles artificielles

Intelligence en essaim
Metaheuristiques
- Recherche Tabou
- Scotter Search
- Hill-climbing
- K-opt, Recuit simul..ect.

Mthodes globales
hybridation
Mthodes doptimisation
Figure. 3.3 : Une classification possible des diffrents types de mthodes d'optimisation.


47

les mthodes dterministes exploitant la drive de la fonction objectif. La figure. 3.3 montre
comment les diffrentes mthodes d'optimisation peuvent tre classes en fonction du problme
pos [25].
3.6. Mthodes doptimisation dterministes
Dans la littrature, nous trouvons de nombreuses mthodes doptimisation conventionnelles
(dterministes). Il est possible de classer ces mthodes en deux grandes catgories :
programmation linaire et programmation non-linaire.
Le premier groupe traite de la rsolution de problmes parfaitement reprsents par un systme
dquations linaires tandis que la programmation non-linaire traite les problmes non-linaires.
Les mthodes dterministes sont bases sur le calcul de la drive du problme, ou sur des
approximations de cette dernire. Elles ncessitent donc quelques informations sur le vecteur
gradient.
Beaucoup de techniques d'optimisation classiques tels la programmation linaire et non
linaire [26], la mthode de gradient [23], la mthode de newton [28], la programmation
quadratique [29, 30], et la mthode de point intrieur [30, 31] ont t appliques pour rsoudre le
problme doptimisation lis la planification et le control des rseaux lectriques, en particulier
loptimisation de la puissance ractive. Ces mthodes ayant la proprit de converger vers la
solution mathmatique exacte relle tout en respectant certaines conditions lies au bon
fonctionnement du processus envisag, ces dernires appeles contraintes dgalits et
dingalits.
3.6.1. Mthode du gradient :
Historiquement, les mthodes de gradient sont les plus anciennes. Elles permettent de rsoudre
des problmes non linaires et sont bases sur une hypothse forte sur la connaissance de la
drive de la fonction objective en chacun des points de lespace [23].
Cette mthode peut tre classer en deux catgorie de premier ordre et de deuxime ordre, le
premier ordre bas sur une approximation linire en sries de Taylor avec initialisation de
gradient, et le deuxime ordre base sur lapproximation quadratique en sries de Taylor avec
initialisation de gradient en utilisant lHessien H .
3.6.1.1. Formulation mathmatiques
On choisit un point de dpart xR
0
Ret on calcule le gradient ) (
0
x f en
0
x . Comme le gradient
indique

48

la direction de plus grand augmentation de f, on se dplace dune quantit
0
dans le sens
oppos au gradient et on dfinit le point
1
x :

) (
) (
0
0
0 0 1
x f
x f
x x
= (3.1)
Cette procdure est rpte et engendre les points
0 1
, ,...,
k
x x x . Ainsi, pas a pas, la distance ente le
point dindice k et loptimum diminue.
0 ,
) (
) (
1
>
=
+ k
k
k
k k k
k ou
x f
x f
x x (3.2)
0
Cest le dplacement chaque itration.
Si
k
est fix, on parle de mthode de gradient pas prdtermin. L'inconvnient de cette
procdure est que la convergence est trs dpendante du choix du pas de dplacement. La
convergence peut tre trs lente si le pas est mal choisi. L'intrt principal de cette mthode est
de pouvoir se gnraliser aux cas de fonctions ne sont pas diffrentiables.
3.6.1.2. Avantages et inconvnients
Linconvnient de ces mthodes est que la convergence est ralentie pour certains types de
fonctions : les dplacements successifs sont orthogonaux, donc lalgorithme va tre pig si les
valles (sil sagit dune minimisation) sont troites. Dans le cas des fonctions non convexes, la
mthode risque de converger vers un optimum local dpendant du point de dpart choisi. Dans
des rgions plates, ou raides, la convergence sera fortement ralentie.
3.6.2. Mthode de Newton
La mthode de Newton est une mthode trs puissante cause de sa convergence rapide, en
particulier si lestimation initiale de la solution
( ) 0
x est suffisamment proche de la solution
optimale
( ) *
x . Lide de cette mthode est de minimiser, chaque itration k, une approximation
quadratique de la fonction objectif originale
( ) f x au voisinage de lestimation actuelle de la
solution
( ) k
x . Lapproximation quadratique de
( ) f x est obtenue partir du dveloppement en
srie de Taylor lordre 2 [28, 32].
( )
( )
( )
( )
( )
( )
( ) ( ) ( )
( )
( ) 1 1 1 1 2
1
2
T T
T
k k k k k k k
f x f x f x x x f x x
+ + + +
( (
( ( (
+ +

(3.3)

7TOu: F: 7T
n n
R R est rgulire (au moins diffrentiable). On cherche donc
( ) *
x tel que F(x)= 0
Pour toute i= 1,.n.

49

3.6.3. Programmation dynamique
La programmation dynamique est une technique classique de conception dalgorithmes pour
rsoudre des problmes en temps polynomial. Lide gnrale est de rsoudre un problme en
utilisant des solutions des sous-problmes prcdemment rsolus. Pour ce faire, la
programmation dynamique applique une approche dite du bas vers le haut , cest--dire quon
commence par rsoudre les sous-problmes les plus petits, et donc les plus faciles, pour ensuite
rsoudre des problmes de plus en plus grands, jusqu finalement dterminer une solution du
problme initial. Bien souvent, comme la programmation dynamique ncessite de stocker les
solutions de tous les sous-problmes rsolus, il est galement ncessaire de disposer dun espace
exponentiel [33].
3.6.4. La mthode du point intrieur
Une caractristique intressante des mthodes du point intrieur est leur facult traiter les
ingalits non linaires sans recourir une identification de lensemble des contraintes actives,
comme dans les mthodes de Newton. Lexprience a montr que cette technique est efficace
pour les problmes de grande taille comme ceux de lOPF cependant, si le pas nest pas
correctement choisi, le sous problme linaire peut avoir une solution non ralisable dans le
domaine non linaire original. En plus, cette mthode prsente une sensibilit aux conditions
initiales et dans la plupart des cas, elle est incapable de rsoudre les problmes fortement non
linaires [28].
3.6.5. La technique de programmation quadratique
Cette technique est une classe spciale de la programmation non linaire o la fonction objective
est une approximation quadratique avec des contraintes linaires. Ces techniques utilisent les
drives du deuxime ordre pour amliorer la vitesse de convergence ainsi que la procdure
quasi- Newtonienne, ou une approximation du Hessien est faite. Cependant, dans les mthodes
quasi- Newtoniennes la matrice Hessienne rduite construite itrativement est une matrice pleine,
ce qui peut rendre ces mthodes trop lentes si le nombre de variables est important [27].
3.7. Les mta-heuristiques :
Les mthodes doptimisation globales connues souvent par le nom mta-heuristiques sont
inspires parfois de la thorie dvolution chez les socits danimaux et dinsectes dans
laquelle on trouve les algorithmes gntiques (AG), parfois sont inspires de la thorie
dthologie de ces socits dans laquelle on cite les algorithmes doptimisation par essaims
particulaires PSO, les colonies de Fourmies (ACO).etc. Ces algorithmes sont bass sur

50

lexploration alatoire probabiliste dune ou plusieurs rgions de lespace de recherche, cette
exploration alatoire guide parfois par des fonctions probabiliste permet dviter les optimum
locaux lors de lexploration contrairement aux mthodes dterministes qui se bloque en gnral
dans un optima local ou bien si la fonction objective prsente certaine complexit mathmatique
grandissante. Les premires mta-heuristiques datent des annes 1980, et bien quelles soient
dorigine discrte, on peut les adapter des problmes continus. Elles sont utilises gnralement
quand les mthodes classiques (mathmatiques) ont chou de trouver la solution souhaite, leur
efficacit nest pas toujours garantie, elle dpond, de la nature de problme envisag et les
paramtres de lalgorithme. Ces mthodes sont largement appliques aux diffrents domaines
notamment dans le domaine de loptimisation de lnergie lectrique [33].
3.7.1. Minimum local et global dune fonction
Lutilisation dun algorithme de type gradient pour minimiser une fonction f non convexe peut
donner des rsultats non satisfaisants. Le point de dpart pour la recherche de la solution peut
beaucoup influencer la convergence de lalgorithme vers le minimum global. En effet,
lalgorithme est dautant plus susceptible de rester bloqu dans un minimum local si la fonction
possde plusieurs optimas locaux [34]. Cette difficult est illustre dans la figure. 3.4.

Pour viter de rester bloqu dans un optimum local que prsentent les mthodes classiques, les
algorithmes doptimisations globales adoptent une stratgie qui consiste effectuer une
exploration alatoire de lespace de recherche de la fonction objectif. Ils sont bass sur les
principes de la thorie volutionnaire. Ils simulent lvolution naturelle des structures
Mauvais
dpart
Figure. 3.4 : Minimum local et global dune fonction.

Le choix de point de dpart
pour la mthode classique
son influence sur la qualit
de solution.
le choix stochastiques de
population initial pour les
mthode global permet
damliorer lefficacit de
la recherche.
Plusieurs minimum local
Un seul minimum global
Bon dpart
f
x
Population initial


51

individuelles afin de trouver une solution optimale. Dans chaque gnration, une nouvelle
approximation de solution optimale se produit par des processus de slection des individus selon
leurs performances dans le domaine du problme. Les individus slectionns vont tre reproduits
en utilisant les mcanismes de recherche par exemple des oprateurs emprunts aux gntiques
naturelles dans le cas dun algorithme gntique. Ces processus mnent lvolution de la
population des individus les mieux adapts leur environnement.
Ces mthodes reoivent de plus en plus dintrt en raison de leurs capacits potentielles
rsoudre des problmes complexes. Un des avantages bien connu des mta-heuristiques est leur
capacit rsoudre les problmes sans connaissance a priori des formulations mathmatiques de
ces derniers.
Les mta-heuristiques sont souvent employes pour leur facilit de programmation et de
manipulation. Elles sont en effet facilement adaptables tout type de problme doptimisation.
Parmi les mta-heuristiques les plus connues on cite :

1. les algorithmes gntiques.
2. Les algorithmes doptimisation par essaims de particules.
3. les algorithmes de colonies de fourmis.
4. les algorithmes volution diffrentielle.
5. les stratgies dvolution.
3.7.2. Optimisation par algorithmes gntiques
Les algorithmes gntiques (AG) sont des mthodes doptimisation stochastiques maintenant
bien connues, sont inspires des mcanismes de la slection naturelle et de la gntique. Ils
utilisent les principes de survie des individus les mieux adapts. Cest J. Halland [35], qui a
pos les fondements thorique des algorithme gntique, passant du paradigme darwinien de
lvolution naturelle a celui de lvolution artificielle. Une nouvelle tape est franchie de lorsque
les travaux de G. Goldberg [36], vers le milieu des annes quatre-vingt, donnent aux algorithmes
gntiques leurs lettres de noblesse en tant que mthode doptimisation viable, efficace et non
spcifique [37].
3.7.2.1. Mcanicisme de recherche :
Rappelons que la gntique reprsente un individu par un code, cest--dire un ensemble de
donnes (appeles chromosomes), identifiant compltement lindividu. La reproduction
reprsente dans ce domaine, un mixage alatoire de chromosomes de deux individus, donnant

52

naissance des individus enfants ayant une empreinte gntique nouvelle, hrite des parents. La
mutation gntique ensuite est caractrise dans le code gntique de lenfant par lapparition
dun chromosome nouveau, inexistant chez les individus parents.

Ce phnomne gntique dapparition de " mutants" est rare mais permet dexpliquer les
changements dans la morphologie des espces, toujours dans le sens dune meilleure adaptation
au milieu naturel. La disparition de certaines espces est explique par les lois de survie selon
lesquelles seuls les individus les mieux adapts auront une longvit suffisante pour gnrer une
descendance. Les individus peu adapts auront une tendance disparatre. Cest une slection
naturelle qui conduit de gnration en gnration une population compose dindividus de plus
en plus adapts [38]. On peut conclure que le fonctionnement dun (AG) est bas sur les phases
suivantes:
3.7.2.2. Codage et population initiale
Premirement, il faut reprsenter les diffrents tats possibles de la variable dont on cherche la
valeur optimale sous forme utilisable pour un AG: cest le codage. Cela permet dtablir une
connexion entre la valeur de la variable et les individus de la population, de manire imiter la
transcription gnotype-phnotype qui existe dans le monde vivant. Il existe principalement trois
types de codage : le codage binaire, le codage rel et le codage en base n.
Figure. 3.5 : Organigramme de lalgorithme gntique

Cration dune nouvelle
population de parents a
partir des enfants
Gnration de la population initiale
population des parents
non
population des enfants
Arrt de lvolution ?
Extraction des solution
oui
Slectionne deux parents
Croisement des deux parents
Mutation des enfants


53

3.7.2.1. Codage binaire
Ce codage a t le premier tre utilis dans le domaine des AG. Il prsente plusieurs avantages
: alphabet minimum {0,1}, facilit de mise en point doprateurs gntiques et existence de
fondements thoriques (thorie sur les schmas). Nanmoins ce type de codage prsente
quelques inconvnients :
1. Les performances de lalgorithme sont dgrades devant les problmes doptimisation de
grande dimension haute prcision numrique. Pour de tels problmes, les AG bass sur les
chanes binaires ont de faibles performances comme le montre Michalewicz [39].
2. La distance de Hamming entre deux nombres voisins (nombre de bits diffrents) peut tre
assez grande dans le codage binaire : lentier 7 correspond la chane 0111 et la chane 1000
correspond lentier 8. Or la distance de Hamming entre ces deux chanes est de 4, ce qui
cre bien souvent une convergence, et non pas lobtention de la valeur optimale.
3.7.2.2. Codage rel
Il a le mrite dtre simple. Chaque chromosome est en fait un vecteur dont les composantes sont
les paramtres du processus doptimisation. Par exemple, si on recherche loptimum dune
Population
Individu ou
Chromosome
Gene
Bits
Figure. 3.6 : Les quatre niveaux dorganisation des
AG

Chromosome
Gne 1 Gne 1 Gne 1
X1
X2 X3
11010011 11110010 00010011
Figure. 3.7 : Illustration du codage des variables

Codage binaire
x
1
x
2
x
3
x
n1
x
n

Ch

1100110110001001 11011101 01101101 01111100 Ch

x
1
x
2
x
3
x
n1
x
n

Ch :
Codage Rel
x
1
x
2
x
3
x
n1
x
n

Ch

Figure. 3.8. : Le codage rel et le codage binaire


54

fonction de n variables f(xR
1
R, xR
2
R, . . . , xR
n1
R, xR
n
R), on peut utiliser tout simplement un chromosome
ch contenant les n variables.
Avec ce type de codage, la procdure dvaluation des chromosomes est plus rapide vu
labsence de ltape de transcodage (du binaire vers le rel). Les rsultats donns par [39]
montrent que la reprsentation relle aboutit souvent une meilleure prcision et un gain
important en termes de temps dexcution.
3.7.2.3. Les oprateurs utiliss par les AG
3.7.2.3.1. la slection:
Premirement on gnre une population de taille alatoire avec un codage appropri
gnralement binaire. Chaque individu (chromosome) dsigne par une chane de bit code, qui
reprsente des gnes qui sont les variables de la fonction cot (VR
1
R, VR
2
R, VR
3
R.). Chaque bit est
reprsent avec deux valeurs 0 ou 1 appeles allle. Cette opration est inspir la fois de la
thorie d'volution des espces : les individus ayant une meilleure adaptation (fitness) ont plus
de la chance de recopier dans la deuxime gnration, autrement dit les individus les plus fort se
survivent avec une probabilit croissante.
3.7.2.3.2. Le croisement:
E premier lieu le but de cette opration est de crer une diversit dans notre population car
l'exploitation (recopiage du meilleur chromosome) ne conduit pas une exploration optimale de
toute l'espace de recherche, en ralit on n'explore qu'une partie de notre espace si les individus
sont similaires l'oprateur de croisement nest quune juxtaposition des meilleures portions des
anciens chromosomes dont le but d'arriver gnrer de bons nouveaux chromosomes et le
processus se rpte jusqu' la convergence vers la solution optimale (meilleure adaptation).
Il existe un grand nombre doprateurs de croisement, les plus classiques dans le cadre de
loptimisation stochastique sont (figure. 3.9) :
Figure. 3.9. : Reprsentation de lopration du
croisement

Croisement un point
1 0 1 1 0 1 0 0
1 0 1 1 0 1 0 0
1 1 1 0 0 1 1 0
1 0 1 0 0 1 1 0
1 0 1 1 0 1 0 0 1 0 1 0 0 1 1 0
1 1 1 0 0 1 1 0 1 0 1 1 0 1 0 0
Croisement deux points
1 1 0 1 0 1 0 1 0 0 1 1 0 1 0 1
1 1 1 0 0 0 0 1 1

0 1 0 0 1 0 1
1 1 0 1 0
1 1 1 0 0 0 0 1 1 0
1 0 0 1 0 1
1 0 1 0 0
1 1 0 1 0 1

55

le croisement un point, o un site de croisement est choisi alatoirement sur le
chromosome, puis les chanes de code sont changes autour de ce site ;
le croisement deux points, deux sites de croisement sont choisis, et les portions de code
sont changes alternativement ;
le croisement uniforme, o chaque gne dun descendant est choisi alatoirement parmi les
gnes des parents ayant la mme position dans le chromosome. Assez souvent le second
descendant est construit en prenant les choix complmentaires du premier.
Dautres types de croisements existent, comme par exemple le croisement multipoint, ou bien
des croisements spcialiss comme dans le cas du problme du voyageur de commerce ou des
problmes dordonnancement, qui tiennent compte de la structure particulire du codage
employ.
3.7.2.3.3. L'oprateur de mutation :
De faon schmatique, la mutation effectue une perturbation mineure du chromosome de
lindividu, par exemple dans le cas dun codage binaire, un site de mutation est choisi
alatoirement, et le bit correspondant est invers (voir figure. 3.10).
Leffet de cet oprateur est de troubler la tendance la concentration induite par la slection
et le croisement, de faon laisser la population la possibilit de visiter dautres rgions de
lespace de recherche.
La probabilit de mutation reste usuellement trs faible et, trs souvent, elle est maintenue une
valeur fixe tout au long de lvolution de lAG. Des schmas gntiques fonds sur une
probabilit de mutation variable, qui dcrot au fur et mesure de lvolution de lAG sont aussi
utiliss. Dun point de vue thorique, il a t prouv quun tel AG converge vers loptimum
global de son espace de recherche pour une taille de population finie, si sa probabilit de
mutation pm (k ) dcrot chaque gnration en respectant la borne minimale.

Figure. 3.10. : Reprsentation de lopration de mutation

1 0 1 1 0 1 0 0 1 0 1 1 0 1 0 0 1 0 1 1 1 1 0 0 1 0 1 1 0 0 0 0
1 0 1 1 0 1 0 0 1 0 1 1 0 1 0 0 1 0 0 1 0 1 0 0 1 0 0 1 0 1 0 0 1 0 1 1 0 1 0 0 1 0 1 1 0 1 0 0
1 0 1 1 0 1 0 0 1 0 1 1 0 1 0 0 1 0 1 1 0 1 0 0 0 0 1 1 0 1 0 0
1 0 1 1 1 1 0 0 1 0 1 1 0 1 0 0

56

3.7.3. Optimisation par Essaims de particules
L'Optimisation par Essaim Particulaire (OEP) a t propose par Kennedy et Eberhart en
1995 [40]. Cette mthode est inspire du comportement social des animaux voluant en essaim.
L'exemple le plus souvent utilis est le comportement des bancs de poissons. En effet, on peut
observer chez ces animaux des dynamiques de dplacement relativement complexes, alors
qu'individuellement chaque individu a une intelligence limite et une connaissance seulement
locale de sa situation dans l'essaim. Un individu de l'essaim n'a pour connaissance que la position
et la vitesse de ses plus proches voisins. Chaque individu utilise donc, non seulement, sa propre
mmoire, mais aussi l'information locale sur ses plus proches voisins pour dcider de son propre
dplacement. Des rgles simples, telles que aller la mme vitesse que les autres, se
dplacer dans la mme direction ou encore rester proche de ses voisins sont des exemples
de comportements qui suffisent maintenir la cohsion de l'essaim, et qui permettent la mise en
uvre de comportements collectifs complexes et adaptatifs. L'intelligence globale de l'essaim est
donc la consquence directe des interactions locales entre les diffrentes particules de l'essaim.
La performance du systme entier est suprieure la somme des performances de ses parties
[41].
Kennedy et Eberhart se sont inspirs de ces comportements socio-psychologiques pour
crer l'OEP. Un essaim de particules, qui sont des solutions potentielles au problme d'optimisation,
survole l'espace de recherche, en qute de l'optimum global. Le dplacement d'une particule est
influenc par les trois composantes suivantes [41].
Pour des systmes simples les principales caractristiques sont :
1. Linformation locale : Chaque individu ne possde quune connaissance partielle de
lenvironnement et na pas conscience de la totalit des lments qui influencent le groupe,
2. Lensemble de rgles : Chaque individu obit un ensemble restreint de rgles simples par
rapport au comportement du systme global,
3. Les interactions multiples : Chaque individu est en relation avec un ou plusieurs autres
individus du groupe,
4. La collectivit : les individus trouvent un bnfice collaborer (parfois instinctivement) et leur
performance est meilleure que sils avaient t seuls.
Lintelligence collective est observe notamment chez les insectes sociaux (fourmis,
termites et abeilles) et les animaux en mouvement (oiseaux migrateurs, bancs de poissons). En
consquence, plusieurs algorithmes bass sur le principe dintelligence collective ont t
introduits : on peut citer les colonies de fourmis et les essaims particulaires.

57

3.7.3.1. Principe de fonctionnement
Ainsi, grce des rgles de dplacement trs simples (dans lespace de solutions), les particules
peuvent converger progressivement vers un optimum. Cette mta-heuristique semble cependant
mieux fonctionner pour des espaces en variables continues. Au dpart de lalgorithme, un essaim
est rparti au hasard dans lespace de recherche de dimension D, chaque particule p est
alatoirement place dans la position
1 2
( , ,..., )
i i i iD
X x x x =
de lespace de recherche, chaque

particule possde galement une vitesse
1 2
( , ,..., )
i i i iD
V v v v =
alatoire.
Ensuite, chaque pas de temps :

chaque particule est capable dvaluer la qualit de sa position et de garder en mmoire sa
meilleure performance
1 2
( , ,..., )
i i i iD
P p p p =
: la meilleure position quelle a atteinte

jusquici (qui peut en fait tre parfois la position courante) et sa qualit (la valeur en cette
position de la fonction optimiser),
chaque particule est capable dinterroger un certain nombre de ses congnres (ses
informatrices, dont elle-mme) et dobtenir de chacune dentre elles sa propre meilleure
performance
1 2
( , ,..., )
i i i iD
G g g g =
(et la qualit affrente),

chaque pas de temps, chaque particule choisit la meilleure des meilleures performances dont
elle a connaissance, modifie sa vitesse V en fonction de cette information et de ses propres
donnes et se dplace en consquence.
La modification de la vitesse est une simple combinaison linaire de trois tendances, savoir sa
propre vitesse courante, sa propre exprience et la tendance vers la meilleure performance de
son essaim .La mise jour des deux vecteurs vitesse et position, de chaque particule p dans
lessaim, est donne par les quations (3.4) et (3.5) :
Figure. 3.11. : Reprsentation schmatique du dplacement dune particule

Vers sa meilleure performance
Nouvelle position
Position
actuelle
Vers la meilleure performance
de lessaim
Vers le point accessible avec sa
vitesse courante

58

1 1 2 2
( 1) * ( ) * *( ( ) ( )) * *( ( ) ( )) V t w V t C rand Pbest t X t C rand Gbest t X t + = + + (3.4)
Avec :
( ) X t : Position de la particule ( ) P t .
( ) V t : Vitesse de la particule ( ) P t .
( ) Pbest t : Meilleure fitness obtenue pour la particule ( ) P t .
( ) Gbest t : Position de la particule ( ) P t pour la meilleure fitness
o w est en gnral une constante appele, coefficient d'inertie,
1
C et
2
C sont deux constantes,
appeles coefficients d'acclration,

1 2
, rand rand sont deux nombres alatoires tirs
uniformment de lintervalle [0,1] chaque itration et pour chaque dimension.
* ( ) w V t correspond la composante physique du dplacement. Le paramtre w contrle
l'influence de la direction de dplacement sur le dplacement futur. Il est noter que,
dans certaines applications, le paramtre w peut tre variable

1 1
* *( ( ) ( )) C rand Pbest t X t correspond la composante cognitive du dplacement.
1
C contrle du comportement cognitif de particule.

2 2
* *( ( ) ( )) C rand Gbest t X t correspond la composante sociale du dplacement.
2
C

Contrle daptitude sociale de particule.
La combinaison des paramtres w ,
1
C et
2
C permet de rgler la balance entre les phases
diversification et intensification du processus de recherche [42, 43].
La position au temps t de la particule i est alors dfinie par (3.5).

( 1) ( ) ( 1) X t X t V t + = + + (3.5)

L'OEP (PSO) est un algorithme population. Il commence par une initialisation
alatoire de l'essaim dans l'espace de recherche. A chaque itration de l'algorithme, chaque
particule est dplace suivant (3.4) et (3.5). Une fois le dplacement des particules effectu, les
nouvelles positions sont values. Les ( ) Pbest t ainsi que ( ) Gbest t sont alors mis jour. Cette
procdure est rsume par l'Algorithme (figure. 3.11). N est le nombre de particules de l'essaim.
Le critre d'arrt peut tre diffrent suivant le problme pos. Si l'optimum global est connu a
priori, on peut dfinir une erreur acceptable comme critre d'arrt. Sinon, il est commun de
fixer un nombre maximum d'valuations de la fonction objectif ou un nombre maximum
d'itrations

59

3.7.4. Optimisation par colonies de fourmies
La mta-heuristique d'optimisation par colonies de fourmis a t initialement introduite par
Dorigo, Maniezzo et Colorni [44, 45] qui a t inspire par les tudes sur le comportement des
fourmis relles effectues par Deneubourg et al [46].
A l'origine, l'optimisation par colonie de fourmis a t conue pour rsoudre le problme du
voyageur de commerce en proposant le premier algorithme ACO : 'Ant System' (AS) [47]. Par la
suite, un nombre considrable d'applications de ACO a t propos telles que l'affectation
quadratique [48], le routage des vhicules [49], le problme de satisfaction de contraintes [50].
3.7.4.1. Analogie biologique
Lalgorithme ACO a t inspir, essentiellement, par les tudes sur le comportement des
fourmis relles effectues par Deneubourg et al [46]. L'un des problmes tudis tait de
comprendre comment des insectes, comme les fourmis, peuvent trouver le chemin le plus court
du nid la source de nourriture et le chemin de retour. Il a t trouv que le moyen utilis pour
communiquer l'information entre les fourmis qui cherchent des chemins, est le dpt de traces de
phromone,i.e., une substance chimique que les fourmis arrivent dtecter. En se dplaant, une
fourmi dpose de la phromone marquant ainsi le chemin par une trace de cette substance.

Tandis qu'en absence de traces une fourmi se dplace alatoirement, une fourmi qui rencontre
une trace de phromone dj dpose peut la dtecter et dcider de la suivre avec une probabilit
proportionnelle l'intensit de la trace, et renforce ainsi cette trace avec sa propre phromone. Le
comportement collectif merge d'un processus auto-catalytique o plus les fourmis suivent une
trace, plus cette trace devient attirante : c'est le principe de stigmergie [51]. Ce processus peut
tre illustr par l'exemple de la (Figure. 3.12) [52].
Nourriture
Fourmilire
Nourriture
Fourmilire
Evolution
La fourmilire est
spare dune source de
nourriture par deux
tubes diffrents. Aprs
un certain temps, les
fourmis empruntent le
tube le plus court, les
phromones dans celui-
ci augmentant plus
rapidement.

Figure. 3.12. : Une colonie de fourmis qui ramne de la


60

Pour transposer ce comportement un algorithme gnral d'optimisation combinatoire, on fait
une analogie entre l'environnement dans lequel les fourmis cherchent de la nourriture et
l'ensemble des solutions admissibles du problme (l'espace de recherche du problme), entre la
quantit ou la qualit de la nourriture et la fonction objective optimiser et enfin entre les traces
et une mmoire adaptative. Les fourmis artificielles dans les algorithmes ACO se comportent de
la mme manire. Elles diffrent des fourmis naturelles dans le fait qu'elles ont une sorte de
mmoire, pour assurer la gnration de solutions faisables. En plus, elles ne sont pas
compltement aveugles, elles ont des informations sur leur environnement. Nous allons dcrire,
dans ce qui suit, le dveloppement historique de l'algorithme colonie de fourmies appliqu au
problme de voyageur de commerce, ensuite nous dfinissons de faon plus gnrique la mta-
heuristique ACO.
3.7.4.2. Formulation mathmatique
Dans l'algorithme colonies de Fourmies chaque fourmi est initialement place sur une ville
choisie alatoirement, chacune possde une mmoire qui stocke la solution partielle qu'elle a
construite auparavant. Initialement, la mmoire contient la ville de dpart. Commenant partir
de cette ville, une fourmi se dplace itrativement d'une ville une autre. Quand elle est une
ville i, une fourmi k choisit d'aller une ville non encore visite j avec une probabilit donne
par :
( )
0
k
i
ij ij
k k
ij j
iy iy
y N
( t ) ( t )
P ( t ) si j N ; sinon
( t ) ( t )

( (

=
( (

(3.6)
( )
ij
t : est l'intensit de la trace de phromone dans l'arte ( , ) i j linstant t .
1
ij ij
d = : est une information heuristique priori valable, o
ij
d est la distance entre la ville i
et la ville j ; l'ide tant d'attirer les fourmis vers les villes les plus proches, , : sont deux
paramtres qui dterminent l'influence relative de la trace de phromone et de l'information
heuristique,
k
j
N : est le voisinage faisable de la fourmi k c'est dire l'ensemble des villes non
encore visites par la fourmi k .
La construction de solution se termine aprs que chaque fourmi ait complt un tour.
Ensuite, les traces de phromone sont mises jour. Dans AS, la mise jour se fait, d'abord, en
rduisant les traces de phromone avec un facteur constant (c'est l'vaporation de phromone)
et, ensuite, en permettant chaque fourmi doit dposer de la phromone sur les artes qui
appartiennent son tour. Ainsi la formule de mise jour de phromone est comme suit :

61

1
( 1) (1 ) ( )
nbAnts
k
ij ij ij
k
t t
=
+ = +
(3.7)
Avec 0 1 et nbAnts le nombre de fourmis.
Le paramtre est ainsi utilis pour viter l'accumulation illimite de phromone et permet
l'algorithme d'oublier les mauvaises dcisions prcdemment prises. Sur les artes qui n'ont pas
t choisis par les fourmis la force associe va dcrotre rapidement avec le nombre d'itrations.

k
ij
: est la quantit de phromone que la fourmi k dpose sur larte ( , ) i j .
Il est dfini par :
k
k
k
ij
Q
si ( i, j ) Tabou
L
0 sinon

=
`

)
(3.8)
o
k
L est la longueur du tour gnr par la fourmi k , Q une constante de l'algorithme et
k
Tabou est la liste des villes dj visites. Avec cette formule, les artes du tour le plus court
recevront la plus grande quantit de phromone. En gnral, les artes qui sont utilises par
plusieurs fourmis et qui appartiennent aux tours les plus courts recevront plus de phromone et
en consquence seront plus favoriss dans les itrations futures de l'algorithme [41].
3.8. Adaptation des mthodes mta-heuristiques pour la rsolution dORPF
(Optimisation de lcoulement de puissance ractive)
Loptimisation de lcoulement de puissance consiste trouver la rpartition optimale de la
puissance ractive (ORPF) et active (OPF) dans un rseau lectrique, selon une fonction
objective prdfinie comme illustr dans la figure. 3.13 [53-56].
1. Minimiser les couts
2. Minimiser lmission

Problme de lcoulement de la
puissance active (OPF)
3. Minimiser les pertes
4. Amlior la stabilit
5. Minimiser la chute de tension

Problme de lcoulement de la
puissance ractive (ORPF)
Problme doptimisation
dans les rseaux lectrique

Systme
FACTS

Figure. 3.13 Le problme doptimisation dans les rseaux lectriques

62

3.9. Formulation mathmatiques :
Dans ce travaille on sintresse optimiser trois fonctions objectives :
4.3.1 Premire fonction objective (Pertes Actives de Transmission (DP)) :
La premire fonction objective envisage reprsente la minimisation des pertes actives de
transmission ( DP), formul comme suit :
2 2
1 1 2
1
min min ( , ) [ 2* cos ]
nl
Loss k i j i j ij
k
f DP P x x g V V VV
=
= = = +

(3.9)
Avec :
k
g Est la conductance de la branche entre les jeux de barres i et j . nl R

R Est le nombre total de
branches.
i
V ,
j
V Sont les modules de tension de jeux de barres,
ij
est la diffrence angulaire
entre les angles de jeux de barres i et j

4.3.2 Deuxime fonction objective (Dviation de la tension (DV)) :
La deuxime fonction objective sintresse minimiser la dviation de la tension aux jeux de
barres de charges et qui peut tre formule comme suit :
2
1
min
npq
ref
i
i
f DV V V
=
= =
(3.10)
Avec :
npq : Le nombre total de jeux de barres de charge.

ref
V R
:
R Le module de tension de rfrence (1.0 pu).
4.3.3 Troisime fonction objective (indice de stabilit de tension L_index) :
La stabilit de tension, par dfinition, se rapporte la capacit dun systme nergtique, de
conserver son rgime tablie (quilibrer permanant) suite une perturbation donne, un point de
fonctionnement stable se manifeste, par le maintien des valeurs de tensions acceptables tous les
jeux de barres du systme [57]. La stabilit de tension dpend donc de la capacit de
maintenir/restaurer lquilibre de ce systme entre la demande de la charge et la fourniture de la
puissance celle ci. Linstabilit rsultante se produit trs souvent sous forme de dcroissance
progressive de tensions dans quelques jeux de barres.
Enfin, la stabilit de tension peut tre classe en deux catgories; la stabilit de tension aux
grandes et aux petites perturbations:
Stabilit de tension aux grandes perturbations. Le souci dans ce cas est de maintenir des
tensions normales aux jeux de barres aprs avoir une subi une grande perturbation. La stabilit

63

est dtermine ici par les caractristiques du systme et de la charge, et par les interactions entre
les diffrents dispositifs de commande de tension dans ce systme [58-59].
Stabilit de tension aux petites perturbations. Dans ce cas, les caractristiques de la
charge et des dispositifs de commande dterminent la capacit du systme maintenir les
tensions quilibres.
Beaucoup de critres ont t dvelopps pour tudier le problme de stabilit de tension qui
correspond un point d'quilibre stable dans les rseaux lectriques. Le critre de stabilit de
tension classique le plus connue est celui de rapport de drive de la puissance ractive gnre
par rapport au niveau de tension aux jeux de barre de contrle ( ) Q V . Un autre critre
( )
G L
Q Q qui est bas sur la relation entre la puissance ractive gnre ( )
G
Q V et la puissance
ractive demande ( )
L
Q V est utilis souvent pour envisag ce problme [60-64].
Dans notre travail, on sintresse tudier la stabilit de tension en appliquant l'indice appel
L-index propos dans la rfrence [60]. _ L index donne une image totale de tensions au niveaux
des jeux de barres de charges, ces valeurs varient dans lintervalle [0.1], la valeur 0 indique
quaucune charge nest connecte, tandis que la valeur 1 indique quil ya lieu dun croulement
de tension, le jeux de barre avec la valeur de L-index la plus haute sera le jeu de barre le plus
critique dans ce systme.
4.3.3.1 Formulation de lindex de stabilit de tension (L_index)
Considrons un rseau lectrique de N jeux de barres. Le rapport entre tension et le courant
peut tre exprim par l'expression suivante:
(
=
(
L
G
LL LG
GL GG
L
G
V
V
Y Y
Y Y
I
I

(3.11)
On peut crire cette relation avec une autre formulation comme suit :
(
=
(
G
L
GG GL
LG LL
G
L
V
I
Y K
F Z
I
V

(3.12)
avec:
| | | | LG LL LG Y Y F
1
= (3.13)

L'indice de stabilit de tension L _index peut tre donn par lquation sous dessous:
j
L _index max( L ) = (3.14)

64

j
L se calcule avec la manire suivante :
1
1
Ng
i
ji
j ij i j
j i
V
L F ( )
V

=
= +
(3.15)
Avec :
i j
V ,V sont les tensions de jeux de barres de contrle et de charge respectivement,
i j
,
sont les angles de phase de tension; les valeurs de ji F sont ainsi obtenues de la matrice LG F .
L'indice ( L _index ) est utilis pour l'valuation de la distance de l'tat rel du systme la limite
de stabilit. Pour quune amlioration de la stabilit de tension est faite, une minimisation de ce
facteur est introduit suivant le critre sous dessous:
3 j
f min( L _index ) min(max( L )) = = (3.16)
4.3.4 Formulation du problme multi-objectif
Gnralement, le problme multi objectif consiste optimiser les variables de contrle en termes de deux
fonctions objectives ou plus en satisfaisant des contraintes dgalit et d'ingalit. Le problme doptimisation de la
puissance ractive peut tre formul comme suit:
Minimiser ( ) , 1,....,
i obj
J x u i N = (3.17)
Soumis : ( ) , 0 g x u = (3.18)
( )
, 0 h x u = (3.19)
O
i
J est l'ith fonction objective et
obj
N est le numro de la fonction objectif, g reprsente les
contraintes d'galits, h reprsente les contraintes d'ingalits. Pour deux fonctions objectives
optimiser simultanment le problme se transforme comme suit [65-66] :

1 2
min((1 ) * * ), [0,1] F U f U f U = + (3.20)
O :
1 2
, f f sont les deux fonctions objectives optimiss simultanment.
4.3.5 Les Contraintes :
Loptimisation de la fonction objective doit respecter certaines contraintes dgalits et
dingalits. Ces contraintes sont dfinies respectivement par :
4.3.5.1 Contraintes dgalits :
Ces contraintes sont l'image des lois physiques gouvernant le systme lectrique. Elles sont
reprsentes par les quations non linaires de l'coulement de puissance. Il faut que la somme
des puissances active et ractive injectes dans chaque jeu de barres soit gale zro.

65

( cos sin ) 0 1: 1
Nb
i i j ij ij ij ij
j
P V V G B avec i Nb + = =
(3.21)
1
( sin cos ) 0 1:
Nb
i i j ij ij ij ij
j
Q V V G B avec i Npq
=
= =
(3.22)
Sachant quest Nb le nombre totale de bus,
pq
N est le nombre de jeux de barres de charge,
ij
G et
ij
B reprsentent, respectivement, la partie relle et imaginaire correspondantes aux lments de
la matrice admittance.
4.3.5.2 Contraintes dingalits :
En pratique, on ne doit pas dpasser les limites des lments physiques du rseau lectrique tels
que la puissance active gnre par jeu de barre de rfrence, les tensions de jeux de barres de
contrle et de charge, les transformateurs des linges, les contraintes sur les puissances ractives
gnres on peut citer ces contraintes d'ingalits comme suite [67]:
-La puissance active du jeu de barre de rfrence
min max
, , , g slack g slack g slack
P P P

(3.23)
-Les tensions aux niveaux des jeux de barres de control
min max
, , , g i g i g i
V V V

(3.24)
-Les tensions aux niveaux des jeux de barres de charge

min max
, , , L i L i L i
V V V

(3.25)
-Les puissances ractives gnres au niveau des units de production:
min max
, , , g i g i g i
Q Q Q
(3.26)
-Les puissances ractives gnres ou absorbes par le systme de compensation shunt
min max
STATCOM STATCOM STATCOM
Q Q Q (3.27)
Les limites des variables de contrle sont rcapitules dans le tableau 3.1

Tableau. 3.1. Les variables de dcision du problme
Variables de contrle La limite infrieure La limite suprieure
Tension du jeu de barre PV 0.9 (P.U) 1.1 (P.U)
Rglage de transformateur 0.9 (P.U) 1.1 (P.U)
La puissance ractive gnr par le STATCOM -0.5 (P.U) 0.5 (P.U)

66

3.10. Algorithme gntique
Le premier algorithme que nous avons utilis pour traiter le problme doptimisation de
lcoulement de puissance ractive est lalgorithme gntique [68-70]. Lorganigramme de base
est reprsent par la figure. 3.14.

3.11. Algorithme dessaims de particules
Dans cette partie nous avons utiliss lalgorithme standard de PSO ainsi que trois variantes [71-
73] pour optimiser la puissance ractive avec considration des systmes FACTS.
Lorganigramme de PSO standard est prsent dans la figure. 3.15.

Dbut
Initialiser une population
Evaluer la population
Conditions
darrt
Slectionns des parents et reproduire de
nouveaux Population avec les trios opration
1- la slection
2- le croisement
3- la mutation

Former une nouvelle
population P(t+1) de taille N
Fin
Figure. 3.14 : Organigramme de lalgorithme gntique


67

4.4.2.1. Algorithme de PSO avec le coefficient d'inertie (PSO-CI)
Lalgorithme PSO classique peut tre dcrit sous forme vectorielle de la faon suivante :

1 1 2 2
( 1) ( ) *( ( )) *( ( )))
i i
V t w V t C rand Pbest X t C rand Gbest X t + = + +

(3.28)

La combinaison des paramtres du coefficient dinertie (w)et lintensit dattraction (
1
C
et
2
C ) permet de rgler lquilibre entre les phases de diversification et dintensification du
processus de recherche. [43] ont dmontr quune bonne convergence peut tre obtenue en
rendant dpendants ces paramtres.
max
max min min
max
( )
( ) *
iter iter
w w w w
iter
= +

(3.29)

Dbut

Initialiser une population initiale et
les paramtres de PSO


Former une nouvelle population avec La
mise jour des deux vecteurs :

1 - Vecteurs de vitesse
1 - Vecteurs de position

Evaluer la fonction objective

Fin

Convergence ?
Non

Oui

Figure. 3.15 Organigramme de lalgorithme de PSO


68

Avec
w: sont coefficient dinertie, sont la valeur initiale de coefficient dinertie
min
w et
max
w sont la
valeur finale de ce coefficient. Avec iter reprsente litration courent et
max
iter sont le nombre
maximale de litration.
4.4.2.2. Algorithme de PSO avec le facteur de constriction k (PSO-FC)
La deuxime variante bas sure le facteur de constriction K . Dans lapplication de cette
algorithme dessaim de particule avec lapproche de facteur de constriction K (PSO-FC), la
vitesse est modifie par un facteur connu K . L'utilisation d'un facteur de constriction K permet
de prvenir l'explosion de l'essaim, d'assurer la convergence. L'quation 3.4 devient alors :
1 1 2 2
( 1) ( ( ) *( ( )) *( ( )))
( 1) ( ) ( 1)
i i
V t K V t C rand Pbest X t C rand Gbest X t
X t X t V t
+ = + +
+ = + +

(3.30)
Avec
2
2
2 4
K

=

(3.31)
Avec 4,1 4,2
Dans [43,], de nombreux tests sont mens pour dterminer les valeurs optimales de
1
C et
2
C .
Dans la majorit des cas, on utilise = 4.1 et
1 2
2.05 C C = = ; ce qui donne un coefficient K
approximativement gal 0.729 K = .
4.4.2.3. Algorithme de PSO avec Coefficients d' Acclr ation variable PSO-TVAC
Dans ce cas, les coefficients cognitif et social
1 2
, C C ne sont plus constants mais variables en
fonction de gnration (itration), autrement dit dans le temps dont le but est de guider
lexploration tantt vers la direction de lexprience de lindividu (coefficient cognitif dominant)
tantt vers la direction de lexprience de groupe (coefficient social dominant) .Enfin
linteraction de ces deux facteurs dirige lexploration vers la solution voulue [73].
1 1 2 2
( 1) * ( ) * *( ( )) * *( ( ))
( 1) ( ) ( 1)
i i
V t w V t C rand Pbest X t C rand Gbest X t
X t X t V t
+ = + +
+ = + +
(3.32)
C'est ralis en changeant les coefficients d'acclration et avec le temps de telle sorte que le
composant cognitif soit rduit tandis que le composant social est augment comme les revenus
de recherche. Les coefficients d'acclration sont exprims pat lquation suivant :

69

1 1 1 1
max
2 2 2 2
max
( )
( )
f i i
f i i
iter
C C C C
iter
iter
C C C C
iter
= +
= +

(3.33)
Avec
1 1 2
, ,
f i f
C C C et
2i
C sont les coefficients sociale cognitive respectivement dacclration
initial et final [73]. Pour le coefficient dinertie sont donn par lquation (3.29)
3.12. Algorithmes de colonies de fourmis (ACO)
Dans cette partie on a essay une petite application sur Lalgorithmes de colonies de fourmis
(ACO) dans le problme de loptimisation de coulement de paissance ractive (voire le
cinquime teste).
4.4.3.1. Les paramtres optimaux des algorithmes de colonies de fourmis
Utilisant des valeurs convenables pour les paramtres des algorithmes de colonies de fourmis est
trs important. Des valeurs mal choisies vont certainement donnes une solution sous-optimale
ou dcrotre la vitesse du processus de dcouverte de la solution optimale [74]. Dorigo et Stutzle
dans [75] a suggr que souvent les valeurs exactes des paramtres dpendent du problme
rsoudre. Partout dans la littrature. Pour rsoudre un problme d'optimisation, il faut choisir les
huit paramtres de lalgorithme de colonie de fourmis. La moiti de ces paramtres peut tre
gards constants (Tableau 3.2).

Tableau. 3.2. Les paramtres de lalgorithme ACO standard
Les paramtres constants de lalgorithme ACO Gammes des paramtres variables de lACO
1
0 15

0

0 1
0

1/(n* longueur du tour)
0
Q
0
0 1 Q
_ num ants N=nombre de cits a visiter
NC 10 (max_ ) 1000 NC cycles

4.4.3.2. Organigramme de la technique ACO applique l'ORPF
Lorganigramme de la mthode ACO standard est prsent dans la figure. 3.16, les tapes
principales de calcule permettant de rsoudre le problme d'ORP par ACO sont prsents
comme suit:
a. tape 1: Initiation
La premire tape consiste coder les variables
i
X en utilisant les valeurs rels dans l'espace
des valeurs permises. Chaque paramtre
i
X a une limite suprieure
,max i
X et une limite
,min i
X .

70

Avant chaque tour, le point initial (nid) de la colonie est gnr alatoirement dans la rgion
faisable. Chaque fourmi est place sur le point initial pendant que la valeur initiale de la
phromone de
0
est aussi donne cette tape

b. Etape2 : Evaluation de la fonction objectif
Dans cette tape, L'influence directe de la valeur de la fonction objectif de l'ORPF dpend du
niveau de quantit du phromone qui sajoute aux directions particulires que les fourmis ont
slectionn.
c. Etape 3: Rpartition des fourmis

Dans cette tape, les fourmis sont rparties en basant sur les niveaux de et . Selon l'quation
(3.6) chaque fourmi choisit le prochain point vers le quel elle dplace en prendant en
considration les valeurs de et . Maintenant, si nbant est le nombre de fourmis (nbant > Ng),
alors pour chaque itration, ces m fourmis excuteront m mouvements dans l'intervalle du temps
(t, t+1).
En construisant une solution au problme, les phromones des trajectoires visites peuvent tre
ajustes dynamiquement par l'quation suivante pour largir l'espace de recherche.
0
( 1) (1 ). ( ) .
ij ij
t t + = + (3.34)
Ce processus est appel rgle de la mise jour locale de la phromone. Aprs n itrations,
toutes les fourmis ont complt une visite. La meilleure piste trouve par la fourmi est mise
jour par un processus appel rgle de mise jour globale en utilisant l'quation suivante,
( 1) (1 ). ( ) . ( )
ij ij ij
t t t + = + , o les artes (i,j) appartiennent au meilleur tour T
+

de longueur L
+
et o ( ) 1
ij
t L
+
= , ce processus participe une intensification par
slection de la meilleure solution. Cette meilleure solution sera aussi enregistre dans la table de
tabou pour la comparaison plus tardive avec l'itration suivante.
d. Etape 4: Critre d'arrt

Le processus du calcul continu jusqu' ce que le nombre d'itrations atteint la valeur maximale
prdfinie ou qu'une solution de fonction objectif acceptable est trouve.


71

Conclusion :
Ce chapitre reprsente une introduction gnrale aux mthodes doptimisation dterministes
et les techniques doptimisation globales (metaheuristiques) il donne une vue totale sur leurs
philosophie, leur implmentation, leurs caractristiques et avantages. Puis nous avons abords
ltude des algorithmes gntiques AG, loptimisation par essaims de particules et les colonies
de Fourmies. Le prochain chapitre reprsente la partie pratique de notre travail, il explique
clairement le processus algorithmique de ces mthodes et leur application dans loptimisation de
la puissance ractive avec considration dun systme de compensation dynamique bas sur les
systmes FACTS.

Non
Oui
FIN

Evaluation de la fonction objectif
Repartition des fourmis

Mise a jour local du phromone
Fin de tour?
Tems (t) T=t+1
Compteur NC=0
Initiation

dbut

Tems (t)
Critr darret
NC=NC_max ?
Mise a jour global du phromone
Non
Figure. 3.16 Lorganigramme de lalgorithme dACO

Chapitre

4:

Tests et Application

Chapitre 4 Tests et Application

73

Chapitre 4
Tests et Application

4.1 Introduction:
Dans ce chapitre nous nous intressons rsoudre le problme de loptimisation de lnergie
ractive et ce par lintgration et l'optimisation des paramtres de deux dispositifs FACTS, le
premier dispositif est un compensateur shunt STATCOM, tandis que le deuxime dispositif est
un contrleur srie TCSC et ce par utilisation des mthodes doptimisation globales expliques
dans le troisime chapitre. A cet effet nous avons appliqu les algorithmes gntiques,
loptimisation par essaims de particules, lalgorithme de colonie de fourmi, lalgorithme
doptimisation par essaims de particules, et ses trois versions modifies savoir : Algorithme
doptimisation par essaims de particules avec coefficient intrieur PSO-IC, algorithme
doptimisation par essaims de particules avec facteur de construction PSO-FC, algorithme
doptimisation par essaims de particules avec coefficient de distriction et celle par coefficient
dacclration variable PSO-TVAC. Cette optimisation est le sujet de diverses contraintes et
objectifs bien traits et discuts, ces objectifs sont les suivants:

Minimisation des pertes actives de transmission (DP).
Minimisation de la dviation de tension (DV).
Amlioration de la stabilit de tension en utilisant lindice (L_index).

Toutes les approches proposes ont t dveloppes sous lenvironnement MATLAB version
7.1 et ce par utilisation dun ordinateur dot dun processeur Intel Pentium Dual-Core, 2.50
GHz et une mmoire vive de 2 GO. Chaque programme inclut une procdure efficace pour le
calcul de lcoulement de puissance par la lalgorithme de Newton Raphson .


74

4.2 Test dapplication 1: Minimisation des Pertes Actives par AG et PSO.
Ce premier test est consacr d'appliquer l'algorithme gntique et lessaim de particules la
minimisation des pertes actives de transmission tout en amliorant la planification de
lcoulement de la puissance ractive, en effet les rsultats obtenus reprsentent une meilleure
configuration des niveaux de tensions des jeux de barres de contrles qui conduisent une
minimisation drastique de ces pertes. Les algorithmes labors sont tests sur les rseaux
lectriques types IEEE14-Bus et IEEE30-Bus, les rsultats trouvs confirment le rle de
loptimisation de point de vue qualit de solution et robustesse des approches proposes.
4.2.1 Fonction objectif
La fonction objective minimiser reprsente les pertes actives de transport DP . Cette
fonction est modlise par lquation (3.9) :
4.2.2 Les Contraintes
Les contraintes de scurit considres dans notre optimisation sont les limites des modules et
phases de tensions ainsi que les puissances actives et ractives des gnrateurs de production.
Ces contraintes sont dfinies respectivement par les quations (3.23-3.26) :
4.2.3 Rseaux test
Le premier test est effectu sur le rseau IEEE 14-Bus ayant les caractristiques suivantes (5
gnrateurs aux nuds 1,2, 3, 6 et 8 avec 20 branches et 03 transformateurs (Annexe A).
Un second test est appliqu sur le rseau test IEEE 30-Bus qui a 06 gnrateurs de
production (installs aux nuds 2, 5, 8, 11 et 13), ce rseau lectrique est constitu de 41 lignes
et 04 transformateurs. Les donnes de ces deux systmes test sont reportes en annexe (Annexe
B).
Paramtres de simulation de deux algorithmes:
4.2.4 Paramtres de simulation
Les paramtres de simulation des deux algorithmes sont ports de [76] et reprsents dans le
tableau 4.1.
Tableau. 4.1 Paramtres de simulation adopts pour les deux mthodes

GA PSO
Taille de la population 20 Population size 20
Max. N. de gnrations 100 Max. N.de gnrations 100
Slection 0.5 C
1
= C
3
= 1
Croisement (CR) 0.5 C
2
=3
Mutation 0.15 Wmin=0.4
- Wmax= 0.9

75

4.2.5 Rsultats de simulations
Tableau. 4.2 Rsultats obtenus par application des deux approches: PSO et GA
IEEE 14-Bus IEEE 30-Bus
NR GA PSO NR GA PSO
V-min (P.U) 1.01 1.0137 1.0199 0.995 1.008 1.009
V-max (P.U) 1.080 1.0814 1.1 1.082 1.1 1.1
DP(MW) 13.593 13.368 13.341 17.528 17.455 17.385
N Itration - 42 12 - 43 35
Temps (s) 17.017 10 43.560 36.40

4.2.6 Interprtation des rsultats : rseau test IEEE 14-Bus
La figure. 4.1, nous permet de constater, en premier lieu que lalgorithme PSO converge vers
loptimum globale ds la douzime itration (12) tandis que la convergence de lalgorithme GA
est atteint litration (42) avec une valeur optimal inferieur par rapport l'algorithme PSO.
Ceci prouve que le pouvoir de convergence vers loptimum globale par la mthode PSO dpasse
celui de la mthode des algorithmes gntiques (GA), ceci aura un impact direct sur le temps
ncessaire la convergence des deux mthodes. Notons que le temps ncessaire la convergence
de PSO, est de lordre de 10s alors que celui ncessaire la convergence de la mthode (AG)
approche les 17s. Dans un second lieu, les pertes actives de transmission values par la mthode
PSO vaut 13.341 MW alors que celles calcules par la mthode AG sont gales 13.368 MW.
4.2.7 Interprtation des rsultats: rseau test IEEE 30-Bus
Dans ce test, la robustesse de lalgorithme PSO est plus remarquable. Loptimum globale est
atteint ds la dixime (35) itration inversement ce qui est obtenu par la mthode AG. Une
2 4 6 8 10 12 14
1.01
1.02
1.03
1.04
1.05
1.06
1.07
1.08
1.09
1.1
1.11
Nombre de jeu de barre
L
e
s

t
e
n
s
i
o
n
s

V

[
P
.
U
]

V NR
V AG
V PSO
Figure. 4.2 : Niveaux de tensions des jeux de barres
calculs par les deux mthodes doptimisation est
testes sur le Rseau test type IEEE14-Bus.

Figure. 4.1 : Caractristiques de convergence de
lAG et de la PSO teste sur le rseau IEEE 14-Bus.

0 10 20 30 40 50 60 70 80 90 100
13.3
13.35
13.4
13.45
13.5
13.55
13.6
13.65
13.7
13.75
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M
W
]

GA
PSO

76

lgre diffrence de lordre de 0.07 MW entre les pertes calcules par les deux mthodes, est
signaler.
Les niveaux de tensions des jeux de barres trouvs par lalgorithme PSO test sur le rseau
IEEE 14-Bus sont dans lintervalle [0.9, 1.1] pu, adopte initialement pour lalgorithme. Cette
nouvelle caractristique ne fera que confirmer et renforcer fortement nos prcdentes constations
en matire de robustesse de la mthode utilise. Il est important de noter quaucune violation des
contraintes nest signaler ce cas prcis. Outre ce qui a t constat jusqu prsent, la figure.
4.3 indique que la caractristique de convergence calcule par lalgorithme PSO est trs proche
ceux obtenus par la mthode AG. La figure. 4.4 montre clairement lvolution des tensions aux
niveaux des jeux de barres trouves par les deux mthodes doptimisation, PSO et GA, les
tensions obtenues sont dans leurs limites admissibles.
Une comparaison entre les tensions de jeux de barres values Par la PSO et lAG et celles
donnes par la mthode de Newton-Raphson (NR) prouve grandement le rle de loptimisation.
4.2.8 Test de la variation de charge: IEEE 30-Bus
Pour illustrer et mettre en vidence leffet de la variation de la charge sur la qualit des
rsultats ainsi obtenus par application des deux algorithmes PSO et AG, une variation de la
charge au niveau de puissance de la demande est introduit comme suit.
Cas 1 : La charge nominale du rseau test IEEE-30-Bus.
Cas 2 : Rduction de la puissance demande de lordre 10% applique sur la charge totale du
rseau test IEEE-30-Bus.
Cas 3: Augmentation de la puissance demande de lordre de 20% applique sur la charge
totale du rseau test IEEE-30-Bus.
5 10 15 20 25 30
0.98
1
1.02
1.04
1.06
1.08
1.1
1.12
L
e
s

t
e
n
s
i
o
n
s

V

[
P
.
U
]

V NR
V GA
V PSO
Figure. 4.4 : Niveaux de tensions des jeux de barres
calculs par les deux mthodes doptimisation
testes sur le Rseau test type IEEE30-Bus.

Figure. 4.3 : Caractristiques de convergence de
lAG et de PSO appliques au rseau test type IEEE
30-Bus.

0 10 20 30 40 50 60 70 80 90 100
17.3
17.4
17.5
17.6
17.7
17.8
17.9
18
Nombre de Gnration

L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M
W
]

GA
PSO

77

La figure. 4.9 reprsente la convergence de la fonction objective (minimisation des pertes totales
DP) pour un coefficient de surcharge gale 20% par rapport la charge nominale.
Tableau. 4.3 Comparaison des pertes values par la PSO et lAG dans le cas dune augmentation de la
charge nominale de 20% de sa valeur nominale: rseau test type IEEE-30-Bus.
Cas 1 (MW) Cas 2 (MW) Cas 3 (MW)
NR 17.528 13.788 27.163
Optimisation avec GA 17.455 13.718 26.530
Optimisation avec PSO 17.384 13.724 26.548

La diffrence des pertes entre les deux mthodes doptimisation est pratiquement insignifiante,
voire ngligeable. Ceci ne fera que confirmer une autre fois nos constations en matire de
robustesse de la convergence de PSO.
4.2.9 Conclusion
Dans cette premire phase nous avons introduit les mthodes doptimisation globales en vue
de minimiser les pertes actives de transmission afin d'assurer une meilleure planification des
puissances ractives. Lobjectif principal est daugmenter la capacit de transport tout en gardant
une scurit totale sur les lments de notre rseau, notamment, les lignes de transmission, les
gnrateurs de production et aussi lobtention dune meilleure garantie en matire dune
continuit de service dune manire permanente dans le temps. Pour cela deux mthodes
doptimisation stochastique sont utilises :
1- Optimisation par Essaim de Particules (PSO),
2- Optimisation par algorithmes gntiques (AG).
0 10 20 30 40 50 60 70 80 90 100
26.5
26.6
26.7
26.8
26.9
27
27.1
27.2
27.3
27.4
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

M
W
]

GA
PSO
Figure. 4.5 : Caractristiques de convergence de DP pour le troisime cas

78

Une tude comparative entre les deux algorithmes PSO et AG a t propose. Les rsultats
obtenus permettent de conclure que :
1- Lalgorithme doptimisation par PSO prouve sa qualit de convergence sur plusieurs
tests effectus.
2- La diffrence sur les pertes estimes par les deux mthodes reste trs minime voire
ngligeable ce qui suggre la convergence simultane vers la mme solution quasi-
optimale.
3- Une remarquable robustesse de PSO est vrifie sur la variation des tensions des jeux de
barres de contrle lors des gnrations est signaler.
4.3 Test dapplication 2: Optimisation de la Puissance Ractive par utilisation du
STATCOM.
Ce test reprsente lutilisation du compensateur statique synchrone (STATCOM), comme un
moyen de compensation dont le but et de minimiser les pertes actives dans les lignes de
transport dune part et de contrler les dviations de tension dautre part, cela est raliser par
lajustement flexible des paramtres de STATCOM et les niveaux de tension de jeux de barres
de contrle simultanment [77].
Ce cas dtude comporte deux partie, la premire reprsente lapplication des algorithmes
gntiques, la deuxime utilise lalgorithme doptimisation par essaims de particules avec trois
variantes doptimisation.
4.3.1 Choix de la Position Optimale dinstallation du STATCOM.
Dans ce test nous avons utiliss l'indice de stabilit de tension bas sur l'augmentation continue
de la charge (Continuation power flow) pour l'installation des Contrleurs STATCOM.
4.3.2 La fonction objective
La fonction objective minimiser dans ce test reprsente les pertes actives de transport DPqui
est modlise par lquation (3.9), et la dviation de tension DV par lquation (3.10).
4.3.3 Les Contraintes
Les contraintes de scurit considres sont les limites des modules et phases des tensions ainsi
que les puissances actives et ractives des gnrateurs. Ces contraintes sont dfinies
respectivement par les quations (3.23-3.27) :


79

4.3.4 Rseau test
Nous avons procd dtudier loptimisation mono-objectifs et multi-objectifs qui traite la fois
la minimisation des pertes de transmission et la dviation de tension via la recherche du meilleur
emplacement de dispositif Shunt STATCOM, en appliquant notre algorithme sur le rseau test
IEEE 30-Bus (MATPWER 3.0).
4.3.5 Optimisation de la Puissance Ractive par un Contrle Flexible du STATCOM en
utilisant les Algorithmes Gntiques.
Lalgorithme labor dans ce test repose sur lutilisation des algorithmes gntiques qui font
une recherche stochastique pour atteindre les paramtres optimaux du vecteur de control, ce
vecteur est compos des tensions de jeux de barres de control ainsi les paramtres dajustement
de ce dispositif de compensation (STATCOM) [67]. Le tableau sous dessous prsente les
rsultats de calcul pour les trois cas suivants :
Cas 1 : sans optimisation des paramtres du STATCOM.
Cas 2 : avec optimisation des paramtres du STATCOM pour minimiser les pertes DP.
Cas 3 : avec optimisation des paramtres du STATCOM pour minimiser les dviations
de tensions DV.
Tableau. 4.4 Rsultats de simulations

4.3.5.1 Interprtation des rsultats
Pour trouver le placement souhait on a ralis un test daugmentation de la charge sur le rseau
standard IEEE 30-Bus avec un facteur daugmentation compris entre [1 :1,5] daprs la figure.
4.6 on constate que les jeux de barres les plus sensibles sont les jeux de barres 30, 26, 29, 25, 24
(MATPWER 3.0).
En remarque que les tensions de ces jeux de barres ont dpass leurs limites inferieures. Pour
viter ce problme on a choisie les jeux de barres 30,26 et 24 comme des lieux de

renforcement
en installant dans ces points les dispositifs STATCOM.

Placement
du STATCOM
Case1 Case2 Case3
Nbr STATCOM DP DV DP DV DP DV
- _ 5.8330 1.1663 5.833 1.1663 5.833 1.1663
JB 30 1 6.0260 0.7657 5.7287 1.0176 6.7286 0.7206
JB 30 et 26 2 5.9655 0.6068 5.6446 0.92295 6.4556 0.5755
JB 30, 26 et 24 3 5.7929 0.3341 5.4831 0.72664 6.5347 0.2707

80

4.3.5.2 Optimisation mono objectif
Daprs le tableau 4.4 on constate quune diminution notable des pertes de transmission (5.7287
MW) et cela aprs loptimisation des paramtres du STATCOM par rapport celle sans
optimisation 6.0260 MW, par contre une augmentation de la dviation de tension est remarque
suite cette optimisation. [0.7657 P.U jusqu 1.0176 P.U]. Les rsultats rcapituls dans le
tableau 4.4 et prsents dans les figures 4.8 et 4.9 nous permettent de dduire aussi que les pertes
totales de transport sont rduites chaque fois que le nombre de STATCOM utiliss augmente.
Les rsultats obtenus montrent que lajustement des paramtres de STATCOM amliore le
lexploitation des rseaux qui reflte ainsi le rle de loptimisation.

1 1.05 1.1 1.15 1.2 1.25 1.3 1.35 1.4 1.45 1.5
0.7
0.75
0.8
0.85
0.9
0.95
Rapport d'augmentation de charge
L
e
s

t
e
n
s
i
o
n

V

[
P
.
U
]

JB-N 30
JB-N 26
JB-N 29
JB-N 25
JB-N 24
Figure. 4.6 : Variation du niveau de tension de jeux de
barres en fonction de la variation de la charge
5 10 15 20 25 30
0.8
0.85
0.9
0.95
1
1.05
L
e
s

t
e
n
s
i
o
n

V

[
P
.
U
]

Sans STATCOM
Avec un STATCOM
Avec deux STATCOM
Avec trois STATCOM
Figure. 4.7 : Niveaux de tensions des jeux de barres.

0 10 20 30 40 50 60 70 80 90 100
5.4
5.5
5.6
5.7
5.8
5.9
6
Nombre de Gnration
L
e
s

p
e
r
t
e
s

D
P

[
M
W
]

Avec un STATCOM
Avec deux STATCOM
Avec trois STATCOM
Figure. 4.8 : Evaluations des pertes actives totale.

0 10 20 30 40 50 60 70 80 90 100
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Nombre de Gnration

D
v
i
a
t
i
o
n

d
e

t
e
n
s
t
i
o
n

D
V

[
P
.
U
]

Avec un STATCOM
Avec deux STATCOM
Avec trois STATCOM
Figure. 4.9 : Evaluations de la dviation de tension.


81

Une autre constatation est bien remarque daprs la figure. 4.7 concernant lamlioration des
profils de tension de jeux de barres de charges en fonction du nombre des dispositifs incorpors.

4.3.5.3 Optimisation multi objectifs
Maintenant on va traiter loptimisation de divers objectifs simultanment, il sagit de minimiser
les pertes actives et la dviation de tension en mme temps cest la notion Multi-objectif discute
au chapitre 3.

Loptimisation aura lieu selon le critre sous dessous :

1 2
min((1 ) * * ), [0,1] F U f U f U = + (4.1)

1
f : reprsente la premire fonction objective optimise qui correspond aux pertes totales DP,
tandis que
2
f indique la deuxime fonction objective lie la dviation de la tension DV. La
solution trouve reprsente un compromis entre ces deux fonctions objectives, le choix de la
valeur de ce critre U se rend au choix de loperateur et qui est choisi pour ce test (U=0.6), le
compromis trouv par lalgorithme gntique est de 5.5832 MW pour les pertes active totales et
de 0.5543 P.U pour la dviation de tension. La figurer. 4.10 reprsente le front de Pareto qui
correspond aux solutions optimales calcules.
0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75
5.4
5.6
5.8
6
6.2
6.4
6.6
Dviation de tension DV [P.U]
L
e
s

p
e
r
t
e
s

D
P

[
M
.
W
]
Figure. 4.10 : Solutions optimales de Pareto DP-DV
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
Coefficient de Pnalit ( U )
D
v
i
a
t
i
o
n

d
e

t
e
n
s
i
o
n

D
V

[
P
.
U
]
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
5.4
5.6
5.8
6
6.2
6.4
6.6
6.8
L
e
s

p
e
r
t
e
s

[
M
.
W
]
Figure. 4.11 : Reprsentation des deux fonctions
objectifs (DP, DV)


82

4.3.6 Optimisation Multi objective de la puissance ractive Base sur lintgration de
STATCOM par utilisation de trois variantes de lalgorithme PSO.
Ce test est consacr dmontr l'efficacit de l'algorithme PSO standard ainsi que trois autres
variantes pour une optimisation multi objectives avec considration du STATCOM. Le rseau
test IEEE 30-Bus est utilis pour valider l'efficacit des trois variantes (Annexe B).
Le tableau suivant rcapitule les paramtres de contrle des trois variantes proposes.

Tableau. 4.5 Paramtres des algorithmes PSO

les variant de PSO
PSO-Standard PSO-CI PSO3-FC
Nbr. des itrations Max 100 100 100
Taille de la population 20 20 20
Coefficient dinertie, w 1 0.9-0.4 -
Coefficient social C
1
et cognitif C
2

C
1
=1, C
2
=1 C
1
=1, C
2
=1 C
1
=2.05, C
2
=2.05
Coefficient de constriction K - - 0.729

4.3.6.1. La Stratgies de test
Trois cas dtudes diffrentes ont t considres, le premier cas est considr pour vrifier
l'efficacit de trois variantes PSO sans considrer les Contrleurs STATCOM et ce pour trouver
la meilleure variantes parmi elles pour ltudier dans le deuxime test afin de rsoudre le
problme mono-objectif savoir minimisation des pertes ou la dviation de tension en se basant
sur lintgration du dispositif shunt (STATCOM), le troisime test tient compte cette meilleure
variante PSO mais cette fois ci pour solutionner le problme multi-objectifs traitant les pertes et
la dviation de tension simultanment.

4.3.6.2. Cas 1 : Fonction mono objectif: minimisation des pertes totales sans
Contrleur STATCOM.
Le but principal de ce premier cas est la comparaison entre les trois variantes PSO pour vrifier
leurs performances. Les figures. 4.12-4.14 montrent les caractristiques de convergence des
pertes de puissance active totale DP, le tableau 4.6 illustre les valeurs minimales, maximales et
la valeur moyenne pour dix essais par les trois variantes proposes. On peut voire que le cot
minimal obtenu et sa valeur moyenne correspondant la troisime variante PSO-FC gnre la
meilleure qualit de solution (faible pertes 5.5518 MW). La figure. 4.14 et le tableau 4.6
indiquent clairement que la solution optimale acheve par l'algorithme PSO-FC est nettement
meilleure par rapport aux rsultats trouvs par les autres algorithmes pr-mentionne. Les
rsultats de simulation confirment que cette version est capable de chercher la solution globale

83

ou la solution quasi optimale. En plus, ces rsultats prouvent que cette variante est trs stable
de point de vue prcision et qualit de convergence. La solution moyenne des pertes de
puissance actives calcule par PSO-FC vaut 5.558 MW est plus minime par rapport PSO-
standard et PSO-CI (5.6412 MW, 5.5999 MW) respectivement. De mme, le tableau 4.7
expose les rsultats obtenus par utilisation dun nombre de gnration diffrent. PSO-FC
converge vers la solution optimale malgr le nombre petit de gnration (50 itrations) en le
comparant aux autres mthodes qui ncessitent un nombre important de gnrations (100
gnrations pour PSO-standard, 70 gnrations pour PSO-CI).

10 20 30 40 50 60 70 80 90 100
5.5
5.6
5.7
5.8
5.9
6
6.1
6.2
6.3
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M

W
]
DP-Moyenne = 5.5999 MW
Figure. 4.13 : Caractristique de Convergence des
pertes actives avec PSO-CI.

10 20 30 40 50 60 70 80 90 100
5.5
5.6
5.7
5.8
5.9
6
6.1
6.2
6.3
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M

W
]
Figure. 4.12 : Caractristique de Convergence des
pertes actives avec PSO-standard.

10 20 30 40 50 60 70 80 90 100
5.5
5.6
5.7
5.8
5.9
6
6.1
6.2
6.3
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M

W
]
Figure. 4.14 : Caractristique de Convergence des pertes
actives avec PSO-FC.


84

Tableau. 4.6 Rsultats de Simulation pour les trois variantes PSO.
The variant of PSO algorithm
Nombre des itrations de convergence 80-100 60-80 30-40
Temps (sec) 39.44 37.17 36.18
DP- valeur Max (MW) 5.7370 5.7188 5.5700
DP - valeur moyenne (MW) 5.6412 5.5999 5.5580
DP - valeur min (MW) 5.5645 5.5595 5.5518
Effet de nombre de gnration
Tableau. 4.7 Rsultats de nombre de gnrations et le temps dexcution concernant les trois
variantes de PSO
variantes PSO
Nombre ditrations Max 100 70 50
Temps (sec) 39.44 25.75 18.29
Itration de convergence 90 69 49
DP (MW) 5.5645 5.5589 5.5539
4.3.6.3. Cas 2 : Fonction mono-objectif : minimisation des pertes et DV considrant le
STATCOM.
Dans cette section deux fonctions objectifs optimiser individuellement (la rduction de pertes
de puissance active et la dviation de tension) avec utilisation de STATCOM. Pour vrifier cette
optimisation on va jouer cette fois sur le vecteur de tension de jeux de barres de contrle et les
paramtres de STATCOM en utilisant les variantes PSO expliques dans le cas N 1.
Les meilleures solutions calcules par ces trois approches PSO minimisant les pertes de
transmission DP et la dviation de tension DV sont portes dans le tableau 4.8, les figures (4.15
et 4.16) nous montre les caractristiques de convergence de deux fonctions objectifs envisags,
la figure. 4.17 reprsente le profil de tension dans tous les jeux de barres de charge et de
contrle, la figure. 4.18 illustre les caractristiques de convergence de variable de contrle
bases sur la troisime variante (PSO-FC). Les rsultats de simulation dans lesquelles les
pertes de puissance active et la dviation de tension sont minimises avec utilisation de multi-
STATCOM sont ports au tableau 4.8. Il est clair daprs ce tableau que les rsultats prcdents
trouvs par l'approche PSO-FC confirment une fois de plus la qualit de cette algorithme en
matire de robustesse et qualit de solution calcule, de plus en peut conclure en se basant sur les
figures (4.15 et 4.16) que lintgration du STATCOM a une influence sur la minimisation des
critres traits.

85

Tableau. 4.8 Rsultats de simulation pour minimiser les pertes de puissances actives et la
dviation de tension avec multi-STATCOM.

Min perte de la puissance active Min dviation de tension
PSO-standard PSO-CI PSO-FC SO1-standard PSO-CI PSO-FC
Avec un
STATCOM
DP

(MW) 5.6680 5.4978 5.4882 7.2199 7.2131 7.4872
DV (P.U) 1.0765 0.9605 1.0731 0.5533 0.4595 0.4576
Avec deux
STATCOM
DP

(MW) 5.5750 5.4440 5.1435 6.5358 7.4813 7.0482
DV(P.U) 1.2688 0.7201 0.9366 0.4703 0.3590 0.3542
Avec trio
STATCOM
DP

(MW) 5.5253 5.4172 5.2650 8.6825 7.9893 6.9881
DV(P.U) 1.1696 1.1120 0.7230 0.4012 0.2077 0.1717
0 10 20 30 40 50 60 70 80 90 100
0.9
0.95
1
1.05
1.1
1.15
Nombre de Gnration
L
e
s

v
a
r
i
a
b
l
e
s

d
e

c
o
n
t
r
l
e

[
P
.
U
]

VG11
VG13
VG8 VG5
VG30 Avec STATCOM
VG26 Avec STATCOM
VG24 Avec STATCOM
VG2
Figure. 4.18 : Caractristique dvolution des variables
de contrle avec PSO-FC

Figure. 4.17 : Profil de tension dans tous les jeux de
barres avec Multi STATCOM
5 10 15 20 25 30
0.85
0.9
0.95
1
1.05
1.1
L
e
s

t
e
n
s
i
o
n
s

[
P
.
U
]

Sans STATCOM
Avec un STATCOM
Avec deux STATCOM
Avec trois STATCOM
0.0951
0.1238
0.1237
0.1617
10 20 30 40 50 60 70 80 90 100
5
5.5
6
6.5
7
7.5
8
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

[
M
W
]

Avec un STATCOM
Avec deux STATCOM
Avec trois STATCOM
Figure. 4.16 : Caractristique de convergence de DP
avec Multi STATCOM.

Figure. 4.15 Caractristique de convergence de DV
avec Multi STATCOM
10 20 30 40 50 60 70 80 90 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Nombre de Gnration
D
v
i
a
t
i
o
n

d
e

t
e
n
s
i
o
n

[
P
.
U
]

Avec un STATCOM
Avec deux STATCOM
Avec trois STATCOM

86

4.3.6.4. Cas 3 : Optimisation multi Objectifs : Minimisation des pertes et dviation de
la tension avec considration du STATCOM.
Nous appliquons cette fois l'algorithme doptimisation PSO-FC la minimisation des diverses
critres simultanment (Optimisation Multi-objectifs). La figure 4.19 prsente les rsultats des
solutions de Pareto optimales pour la minimisation (DP) de la dviation de tension (DV) et les
pertes active totales dans les lignes, les rsultats obtenus rcapituls dans le tableau montrent le
compromis des rsultats obtenus tout en minimisant deux fonctions objectifs simultanment par
l'utilisation de la variante PSO-FC. Pour ce cas les pertes actives totales et la dviation de
tension sont 5.3751 MW, 0.3651 P.U respectivement. Le vecteur de control optimal est prsent
dans ce mme tableau 4.9.
Tableau 4.9 Les paramtres des variables de contrles
V
G2
(P.U) 1.0477 V
G13
(P.U) 1.0563
V
G5
(P.U) 1.0301 V
G24-STATCOM
(P.U) 0.9847
V
G8
(P.U) 1.0349 V
G26- STATCOM
(P.U) 0.9914
V
G11
(P.U) 1.0841 V
G30- STATCOM
(P.U) 0.9977
DV (P.U) 0.3665 DP (MW) 5.3751
4.3.7 Conclusion
Ce test dapplication montre lefficacit de la variante modifie de PSO et ce pour ajuster dune
manire dynamique les variables de contrle qui se composent des tensions de jeux de barres de
contrle et les paramtres du STATCOM installs des jeux de barres bien dtermin dont
lobjectif vis est toujours lamlioration du comportement et le bon fonctionnement du systme
nergtique c'est--dire assurer une qualit d'nergie aux consommateurs. L'approche propose
PSO-FC prouve sa qualit de convergence et sa robustesse via les rsultats obtenus.
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
5.2
5.4
5.6
5.8
6
6.2
6.4
6.6
6.8
7
La dviation de tension DV [P.U]
L
e
s

p
e
r
t
e
s

D
P

[
M
W

]
Figure. 4.19 : Solution de Pareto base sur PSO-FC.


87

4.4 Test dapplication 3 : Optimisation de la Puissance Ractive par utilisation d'un
compensateur srie TCSC.
Ce test prsente lutilisation de lalgorithme d'essaims de particules dans sa version modifie
avec coefficient dacclration variable PSO-TVAC [73 et 77-80], pour loptimisation du
problme multi objectif de lcoulement de puissance ractive (MO-ORPF). Dans cette tude
deux fonctions objectifs sont envisages tel que les pertes de puissance active DP et la dviation
de tension DV qui sont traites sparment et simultanment. Cet algorithme doptimisation
traite ce problme par lajustement dynamique des paramtres de control reprsents par les
tensions de jeux de barres de control et la ractance de (TCSC) [11, 78]. La stratgie propose
est teste sur les deux rseaux test IEEE 30-Bus et IEEE 57-Bus, les rsultats trouvs sont
compars avec dautres variantes de PSO pour confirmer l'efficacit de cette approche tudie en
termes de qualit de solution et caractristique de convergence [77].
4.4.1 Application sur le rseau test IEEE 30-Bus.
le rseau test IEEE 30-Bus; a 6 gnrateurs placs dans les nuds 1, 2, 3, 5, 8 , 11 et 13, 41
branches (des lignes) et quatre transformateurs entre les lignes 6-9, 6-10, 4-12 et 28-27
(MATPWER 3.0) .

4.4.1.1 Le choix de la position optimale dinstallation du TCSC.
Dans cette tude nous avons fait une recherche de la position optimale de linstallation de ce
dispositif, tout en essayant lincorporation du TCSC dans toutes les lignes afin de trouver le
meilleur site dinstallation qui reflte les pertes de transmission les plus minimes celle
correspond la branche 27-28. Les paramtres des algorithmes labors sont montrs dans le
tableau 4.10.

Tableau. 4.10 Paramtres des trois algorithmes utiliss
GA PSO PSO-TVAC
Taille de Population 20 Taille de Population 20 Taille de Population 20
gnrations Max- 100 gnrations Max- 100 gnrations Max- 100
Slection 0.5 C
1
= 1 C
1f
=0.2, C
1i
=2.5
croisement 0.5 C
2
=3 C
2f
=2.2, C
2i
=0.2
Mutation 0.15 - w
min
=0.4, w
max
=0.9


88

4.4.1.2 Cas 1: Fonction mono objectif: minimisation des pertes avec et sans TCSC.
Le but principal de ce premier cas est de vrifier la faisabilit et la performance de lalgorithme
propos PSO-TVAC pour solutionner le problme ORPF. Le tableau 14.10 montre les
paramtres des algorithmes utiliss: AG, PSO et PSO-TVAC. Les figures (4.20-4.22) refltent
les caractristiques de convergence des pertes de la puissance active correspond aux trois
algorithmes proposs. Le tableau 4.11 illustre les meilleurs rsultats calculs.
On peut dduire selon les rsultats figurant dans le tableau 4.11 que lalgorithme PSO-TVAC
converge vers la meilleure solution avec un minimum de pertes 2.2091 MW en la comparant
avec les autres solutions 2.2100 MW, 2.2266 MW respectivement trouves par les AG, et la
version standard de PSO. Ces pertes seront plus faibles quand on installe le dispositif srie TCSC
au jeu de barres sensible, les meilleures rsultats restent toujours celles trouvs par PSO-TVAC.
10 20 30 40 50 60 70 80 90 100
2
2.5
3
3.5
4
4.5
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e

D
P

[
M
W
]
Avec AG
10 20 30 40 50 60 70 80 90 100
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
3.8
4
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e

D
P

[
M
W
]
Avec PSO
10 20 30 40 50 60 70 80 90 100
2
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
3.8
4
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e

D
P

[
M
W
]
Avec PSO-TVAC
10 20 30 40 50 60 70 80 90 100
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
Nombre de Gnration
D
v
i
a
t
i
o
n

d
e

t
e
n
s
i
o
n

D
V

[
P
.
U
]

GA
PSO
PSO-TVAC
Figure. 4.23 : Caractristique de convergence de DV
Avec GA, PSO, PSO-TVAC.


89

Tableau 4.11 Rsultats des pertes calcules par PSO-TVAC, GA, PSO, avec et sans TCSC.
Min DP sans TCSC Min DP avec TCSC
GA PSO PSO-TVAC SGA SPSO PSO-TVAC
V1(P.U) 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
V2(P.U) 1.0012 1.0008 1.0011 1.0012 1.0078 1.0011
V5(P.U) 1.0757 1.0850 1.0746 1.0749 1.1000 1.0718
V8(P.U) 1.0176 1.0307 1.0186 1.0192 1.0295 1.0168
V11(P.U) 1.0310 1.0396 1.0329 1.0333 1.0503 1.0309
V13(P.U) 1.0365 1.0416 1.0377 1.0357 1.0359 1.0340
X_TCSC(P.U) - - - 0.0800 0.0800 0.0800
DP-max(MW) 2.3987 2.7006 2.2280 2.2857 2.6559 2.2398
DP-moyenne 2.2835 2.4333 2.2110 2.2154 2.4172 2.2070
DP-min (MW) 2.2100 2.2266 2.2091 2.1944 2.2538 2.1939
DV (P.U) 0.2706 0.3713 0.2774 0.2658 0.3834 0.2518
Temps (S) 0.0249 0.0214 0.0202 0.0252 0.0224 0.0210
4.4.1.3 Cas 2: Fonction mono-objectif : minimisation de DV avec et sans TCSC.
Dans ce deuxime cas la fonction objectif considre est la dviation de tension sans et avec
considration du TCSC. Le TCSC est install toujours dans la branche 27-28, la ractance de ce
contrleur srie TCSC est ajust dynamiquement avec la tension de jeux de barres de control
pour optimiser la dviation de tension.
Tableau 4.12 Les meilleurs rsultats de DV par PSO-TVAC, GA, PSO avec et sans TCSC.
Le tableau 4.12 reprsente les faibles dviations de tension par les mmes algorithmes
doptimisation du cas prcdant, il est clair une fois de plus que lalgorithme PSO-TVAC prouve
sa qualit de convergence (figure. 4.23) vis--vis les rsultats obtenus par les autres algorithmes.
La dviation de tension optimale trouve par PSO-TVAC sans considration de TCSC est de
0.1360 P.U et de 0.1356 P.U avec installation d'un TCSC.
Min DV sans TCSC Min DV avec TCSC
GA PSO PSO-TVAC GA PSO PSO-TVAC
V1(P.U) 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
V2(P.U) 1.0302 1.0358 1.0351 1.0380 1.0297 1.0357
V5(P.U) 1.0475 1.0154 1.0409 1.0357 0.9823 1.0414
V8(P.U) 1.0129 1.0115 1.0118 1.0114 1.0310 1.0116
V11(P.U) 0.9996 1.0418 1.0063 1.0114 1.0666 1.0059
V13(P.U) 1.0310 1.0278 1.0200 1.0200 1.0198 1.0212
X_TCSC(P.U) - - - 0.0800 -0.018 0.0800
DV max (MW) 0.1807 0.2605 0.1639 0.2845 0.2587 0.1375
DV_ moyenne 0.1510 0.1776 0.1401 0.1661 0.2052 0.1364
DV min(MW) 0.1399 0.1468 0.1360 0.1376 0.1751 0.1356
DP(MW) 3.0493 3.3875 3.2090 3.3484 3.9210 3.2538
Temps (S) 0.0093 0.0221 0.0199 0.0247 0.0212 0.0223

90

4.4.1.4 Case 3: Optimisation Multi Objectifs: minimisation des pertes et la dviation de
tension avec considration d'un TCSC.
Pour vrifier l'efficacit de la variante propose PSO-TVAC, dans ce cas les deux fonctions
objectifs sont optimises simultanment avec considration du TCSC. Il faut noter que le TCSC
est install dans la mme branche.
La courbe de Pareto optimal est prsente dans la figure 4.24 En se basant sur les rsultats
obtenus rcapituls dans tableau 4.13, Il est clair que le PSO-TVAC engendre des faibles pertes
(2.2096 MW) et dviation de tension (0.2414 P.U) par rapport ceux obtenues par dautres
approches.

Tableau 4.13 Rsultats de l'optimisation multi objectif trouvs par GA, PSO, PSO_TVAC avec
considration de TCSC.
Min DP & Min DV avec TCSC
AG PSO PSO_TVAC
V1 (P.U) 1.0000 1.0000 1.0000
V2 (P.U) 0.9996 0.9980 1.0027
V5 (P.U) 1.0624 1.0581 1.0676
V8 (P.U) 1.0122 1.0129 1.0152
V11 (P.U) 1.0247 1.0245 1.0280
V13 (P.U) 1.0318 1.0327 1.0310
X_TCSC (P.U) 0.0800 0.0668 0.0800
DP (MW) 2.2088 2.2167 2.2096
DV (P.U) 0.2563 0.2638 0.2414

2.2 2.4 2.6 2.8 3 3.2 3.4
0.12
0.14
0.16
0.18
0.2
0.22
0.24
0.26
0.28
0.3
Les pertes actives DP [MW]
D
v
i
a
t
i
o
n

d
e

t
e
n
s
i
o
n

D
V

[
P
.
U
]
Figure. 4.24 : Solutions optimales de Pareto de la minimisation de DP et DV

91

4.4.2 Application sur rseau test IEEE 57-Bus.
Cette fois on va vrifier l'efficacit de l'algorithme propos sur un autre rseau test qui est IEEE
57-Bus, ce rseau comporte 7 gnrateurs placs dans les nuds: 1, 2, 3, 6, 8, 9 et 12 avec 80
branches (lignes) et 17 transformateurs de ligne (Annexe C). Dans cette tude le TCSC est
install toujours dans la branche 1-2. Il est intressant de noter que des violations de contraintes
concernant la puissance ractive fournie par les gnrateurs de production sont appariaient dans
ce test et ce vue de la taille du rseau trait dune part, et les marges troites des units de
production de lnergies ractive Qmin et Qmax. Le tableau suivant illustre ces violations de
contraintes [78].
Tableau. 4.14 Rsultats des pertes actives par PSO-TVAC

La section suivante illustre la mthode permettant de corriger et d'liminer les violations de
contraintes des puissances ractives. L'ide consiste inclure les contraintes d'ingalits dans la
fonction objective par l'utilisation de la mthode de poids en la multipliant par un coefficient de
pnalit choisi R= 1000. La fonction objective modifie est prsente par lquation (4.2).
4.4.2.1 Les Fonctions Objectifs modifies
4.4.2.1.1 les pertes actives
La fonction objective modifie associe la minimisation des pertes actives totales est exprime
par:
2 2 lim 2
1
1
min [ 2 cos ] ( )
nl
k i j i j ij gi gi
k i npv
f DP g V V V V R Q Q
=
= = + +

(4.2)
Avec DP : les pertes actives,
k
g la conductance de la branche entre les jeux de barres i, et j ,
,
i j
V V la tension de jeu de barre i et j.

R coefficient de pnalit ,
gi
Q , la puissance ractive
gnre,

lim
gi
Q est la limite de la puissance ractive gnre par les centrales de production qui
scrit comme suit :

max lim max
min max lim lim
min lim min
gi gi gi gi
gi gi gi gi gi gi
gi gi gi gi
Q Q Q Q
Q Q Q Q Q Q
Q Q Q Q
=
= =

(4.3)
Qg-min (p.u) -0.1700 -0.1000 -0.0800 -1.4000 -0.0300 -1.5000
Les pertes =20.6601(MW) Qg (p.u) -0.1195 -0.2750 -0.1347 0.7072 -0.4215 1.1379
Qg-max (p.u) 0.5000 0.6000 0.2500 2.0000 0.0900 1.5500

92

4.4.2.1.2 la Dviation de tension
La fonction objective modifie associe la minimisation de dviation de tension est exprime
par lquation (4.4) formule comme suit:
lim 2
2
1
min ( )
npq
i ref gi gi
i
i npv
f DV V V R Q Q
=
= = +

(4.4)
npq : le nombre totale de jeux de barres de charge.
ref
V : la tension de rfrence (1.0 p.u).
4.4.2.2 Les diffrents cas de test
Les variantes proposes par la suite sont bases sur lalgorithme dessaims de particules PSO, ce
test a quatre cas dessais qui sont les suivant :

Cas 1 : PSO-TVAC-1 : dans cette variante les deux coefficients
1
C et
2
C formuls par l'quation
(3.36) sont varis dans le temps, la population initiale est choisie alatoirement, le mcanisme
d'volution de lalgorithme est bas sur variation de ces deux facteurs au cours des gnrations.

Cas 2 : PSO-TVAC-2 : contrairement la variante prcdente celle ci a une population initiale
fixe une valeur bien dtermine.
Dans les cas1, 2 et 3 l'algorithme minimise les pertes totales (DP) sans tenir en considration
leffet de TCSC.

Cas 3 : PSO-FC : traite l'algorithme doptimisation (PSO-FC) variante de PSO avec facteur de
constriction, ses paramtres sont indiqus au Table 1 notant que sa population initiale est fixe
une valeur prcise.

Case4 : PSO-FC/PSO-TVAC-2 : Cette variante est fonde sur la coordination entre le premier
cas et le troisime cas pour amliorer la convergence de l'algorithme PSO.
Dans la premire tape le PSO-FC prend en charge lvolution de loptimisation et ce jusqua
litration (iter_spec=100) partir de ce seuil la troisime variante nomme PSO-TVCA-2
complte la procdure de cette optimisation et ce jusqu' la fin de la convergence
(ite_rmax=2000).

93

Dans ce quatrime cas la variante propose PSO-FC/PSO-TVAC-2 est applique pour optimiser
les fonctions suivantes.
1. Fonction mono-objectif : Minimiser les pertes de puissance active avec et sans TCSC.
2. Fonction mono-objectif : Minimiser la dviation de tension avec et sans TCSC.

Tableau 4.15 Paramtres de lalgorithme propos

Cas de test
Cas 1 Cas 2 Cas 3 Cas 4
Nbr. des itrations 2000 2000 2000 2000
Taille de
population
20 20 20 20
Facteur de poids w 0.9-0.4 0.9-0.4 1 1, 0.9-0.4
Facteurs social et
cognitif
C
1
=2.05,
C
2
=2.05
C
1
=2.05,
C
2
=2.05
C
1
=2.05,
C
2
=2.05
C
1
=2.05,
C
2
=2.05
Coefficient de
constriction
1 1 0.729 0.729,1

4.4.2.3 Comparaison entre PSO-TVAC et PSO-FC
Dans le premier cas, notre objectif est de vrifier l'efficacit et la performance de chaque
variante PSO pour traiter le problme ORPD. La fonction objectif est la minimisation des
pertes de transport. Le tableau 4.16 rsume tous les rsultats ainsi obtenus. Les figures (4.25-
4.27) montrent les caractristiques de convergence de trois cas tudis en faisant 10 rptitions
successives pour atteigner la meilleure solution et ce vue de la nature stochastiques que prsente
ces algorithmes (voir chapitre trois), la figure 4.28 illustre les meilleures optimum globaux
atteignes par ces trois cas de test. Les rsultats raliss prouvent que la variante PSO-TVAC-1
qui correspond au deuxime cas dont sa population initiale est gnre alatoirement donne des
pertes de transmission gale 25.6708 MW trouves aprs 1000 itrations, cette valeur compare
celle calcule par le troisime cas. 25.6524 MW obtenue ds la 600
ime
gnration et qui
prsente une population initiale fixe PSO-TVAC-2. Lalgorithme PSO-FC a une qualit de
convergence rapide compare PSO-TVAC mais prsente une valeur de pertes suprieure
(25.7823 MW) par rapport celle trouve par PSO-TVAC-2 (25.6524 MW). Dans le cas N4,
une coordination entre les deux algorithmes PSO-FC et PSO-TVAC-2 est propose pour faire
exploiter leurs caractristiques pr mentionnes (rapidit de convergence de PSO-FC, qualit de
solution PSO-TVAC-2). Les rsultats obtenus sont indiqus dans le tableau 4.16, une
comparaison des caractristiques de convergence des quatre cas est prsent dans de la figure
4.29.


94

Tableau. 4.16 Rsultats de simulations de DP et DV correspondant au cas 4 avec et sans
utilisation de TCSC
Fonction
Objectif

Minimisation des pertes actives Minimisation de la dviation de tension
sans TCSC
Sans
TCSC
Avec
TCSC

Sans
TCSC
Avec
TCSC
Algorithme Case1 Case2 Case3 Case4 Case4 Case4 Case4
V1 (P.U) 1.0000 1.0000 1.0000 1.0000 1.0000 V1 (P.U) 1.0000 1.0000
V2 (P.U) 1.0297 1.0316 1.0321 1.0317 1.0317 V2 (P.U) 1.0124 1.0094
V3 (P.U) 1.0216 1.0294 1.0314 1.0300 1.0301 V3 (P.U) 1.0086 1.0076
V5 (P.U) 1.0152 1.0276 1.0304 1.0281 1.0279 V5 (P.U) 1.0032 1.0035
V8 (P.U) 1.0399 1.0494 1.0530 1.0496 1.0506 V8 (P.U) 1.0221 1.0218
V11 (P.U) 1.0055 1.0133 1.0165 1.0135 1.0143 V11 (P.U) 0.9933 0.9935
V13 (P.U) 1.0145 1.0190 1.0221 1.0192 1.0197 V13 (P.U) 1.0128 1.0138
X_TCSC(P.U) 0 0 0 0 0.0056 X_TCSC(P.U) 0 0.0056
DV (P.U) 1.2007 1.3763 1.4754 1.3881 1.4024 DP (MW) 26.7688 26.7179
DP min (MW) 25.7823 25.6708 25.6524 25.6678 25.5828 DV min (P.U) 1.0732 1.0728
DP moyenne (P.U) 25.9081 25.6810 25.9237 25.6777 25.6024 DV moyenne (P.U) 1.0740 1.0729
DP max 26.0748 25.7006 27.3669 25.6923 25.6346 DV max (P.U) 1.0744 1.0730
200 400 600 800 1000 1200 1400 1600 1800 2000
25.5
26
26.5
27
27.5
28
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M
W
]

Figure. 4.25 : Caractristique de Convergence de DP
pour le cas N1.

200 400 600 800 1000 1200 1400 1600 1800 2000
25.5
26
26.5
27
27.5
28
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M
W
]
pour le cas N2.

200 400 600 800 1000 1200 1400 1600 1800 2000
25.5
26
26.5
27
27.5
28
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M
W
]
pour le cas N3.

200 400 600 800 1000 1200 1400 1600 1800 2000
25.5
26
26.5
27
27.5
28
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M
W
]
pour le cas N4.

95

4.4.2.4 Minimisation de la Dviation de Tension avec et sans TCSC.
L'objectif vis dans ce paragraphe est d'valuer la dviation de tension en appliquant la
coordination prcite entre les deux algorithmes la PSO-TVAC et PSO-FC. Dans cette
optimisation le TCSC est install dans la branche 1-2, sa ractance sera contrle en mme
temps avec la tension de gnrateurs pour aboutir une meilleure minimisation comme il est
clairement indiqu dans la figure 4.30 illustre. On peut voir que la dviation de tension optimise
a subit une lgre amlioration quand on utilise ce dispositif 1.0728 pu en la comparent par la
mme valeur sans incorporation de ce dernier (1.0732 pu).

4.4.3 Conclusion
Cette tude prsente lefficacit de lalgorithme d'optimisation par essaims de particules
dans sa version modifie avec coefficient dacclration variable PSO-TVAC-2 pour rsoudre le
problme multi objectif optimal de la puissance ractive. Deux fonctions objectifs sont
considres (la minimisation de pertes de la puissance active DP et la dviation de tension DV)
qui sont optimises individuellement et simultanment avec et sans installation du dispositif
srie (TCSC).
Les rsultats de simulation trouves dmontrent clairement lefficacit de l'approche propose
PSO-TVAC-2 en terme de qualit de solution et caractristique de convergence compare
deux autres variantes celles de PSO-FC et le PSO standard.

0 200 400 600 800 1000 1200 1400 1600 1800 2000
1.072
1.073
1.074
1.075
1.076
1.077
1.078
1.079
1.08
Nombre de Gnration
D
v
i
a
t
i
o
n

d
e

t
e
n
s
i
o
n

D
V

[
P
.
U
]

Sans TCSC
Avec TCSC
Figure. 4.30 : Caractristique de convergence de DV
trouve par le cas 4.

200 400 600 800 1000 1200 1400 1600 1800 2000
25.5
26
26.5
27
27.5
28
28.5
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
c
t
i
v
e
s

D
P

[
M
W
]

case 1
case 2
case 3
case 4
Figure. 4.29 : Etude comparative: Caractristiques de
Convergence de DP correspondant aux quatre cas.

96

4.5 Test dapplication 4 : Problme de stabilit de tension
Dans cette tude, le programme dvelopp a t valid sur le rseau test IEEE-JB-57 jeux de
barres dont les caractristiques sont : 57 nuds, 63 branches, 15 transformateurs et sept jeux de
barres de contrle. Dans cette optimisation on a procd linstallation dun compensateur de
type shunt celui du STATCOM qui est install au jeu de barre qui reflte le plus faible niveau de
tension. Pour tous les essais qui suit, les limites maximales de puissances ractives injectes sont
dans la marge 50 Mvar , les limites de transformateurs de charge et les tension de jeux de barres
de contrle sont compris entre 0.90 et 1.10p.u. Le problme doptimisation traite dans cette
application le problme mono-objective et ce pour amliorer la stabilit de tension, a cet effet
plusieurs indices proposes dans la littrature sont bien expliques dans [60], pour notre test nous
avons choisi lindice de stabilit de tension (voltage stability index L-index).
Les variables de control qui seront optimises sont de trois types :

Les tensions de jeux de contrle
Les rapports de transformateurs de lignes de transport.
Les paramtres du STATCOM.
Le vecteur des variables de contrle est prsent la figure 4.31 avec :
1 2
, ,... :
n
V V V Les tensions
de jeux de barres de contrle;
1 2
, ,... :
n
T T T sont les rapports de transformateurs et
1 2
, ,...
sh sh shn
V V V

sont les tensions de contrle du STATCOM. Les trois variables sont ajusts dynamiquement
pour rduite lindice de stabilit de tension. Les diffrents cas d'tude sont considrs comme
suit :
Cas 1. C'est le cas gnral : coulement de puissance dans les conditions normales.
Cas 2. Solution de lcoulement de puissance avec une augmentation de la charge de 20 %.
Cas 3. Optimisation sans STATCOM avec une augmentation de la charge de 20%.
Ch:

V
1
V
2
. V
n
T
1
T
2
..

T
n
V
sh 1
V
sh2
.. V
shn

max
, g STATCOM
Q
min
, g STATCOM
Q
max
T
max
T
max
V
max
V
Figure. 4.31 : Reprsentation Les variable de contrle V
i
, T
i
et V
sh


97

Cas 4. Optimisation avec STATCOM avec une augmentation de 20%.
Dans cette section l'objectif souhait est de renforcer la stabilit de tension par installation dun
compensateur synchrone (STATCOM) en se basant sur la minimisation de lindice de stabilit
(L_index) discut dans le troisime chapitre, dont loptimisation des ces essais est effectue par
lalgorithme PSO-TVAC.
Il est clair une fois de plus que cette approche (PSO-TVAC) montre son efficacit dans notre
travail (test dapplication N 3) et qui a gnre les meilleurs rsultats, les solutions des 4 cas sont
rcapitules dans le tableau 4.17.

Tableau. 4.17 Rsultats de lcoulement de puissance bas sur l'optimisation de L_index par
PSO-TVAC.
Cas 1 Cas 2 Cas 3 Cas 4
V
G1
(P.U)

1.0400 1.0400 1.0513 1.0881
V
G2
(P.U) 1.0100 1.0100 1.0447 1.0076
V
G3
(P.U) 0.9850 0.9850 1.0161 1.0341
V
G6
(P.U) 0.9800 0.9800 1.0115 1.0063
V
G8
(P.U) 1.0050 1.0050 1.0881 1.0322
V
G9
(P.U) 0.9800 0.9800 0.9803 0.9953
V
G12
(P.U) 1.0150 1.0150 1.0504 1.0147
V
G25-STATCOM
(P.U) 0.0000 0.0000 0.0000 0.9988
V
G31-STATCOM
(P.U) 0.0000 0.0000 0.0000 0.9408
V
G33-STATCOM
(P.U) 0.0000 0.0000 0.0000 1.0359
T
4-18
(P.U) 0.9700 0.9700 0.9595 0.9615
T
4-18
(P.U) 0.9780 0.9780 0.9336 1.0009
T
21-20
(P.U) 1.0430 1.0430 1.0421 0.9926
T
24-26
(P.U) 1.0430 1.0430 1.0963 0.9020
T
7-29
(P.U) 0.9670 0.9670 1.0025 0.9797
T
34-32
(P.U) 0.9750 0.9750 0.9514 0.9731
T
11-41
(P.U) 0.9550 0.9550 0.9611 0.9662
T
15-45
(P.U) 0.9550 0.9550 0.9345 0.9369
T
14-46
(P.U) 0.9000 0.9000 0.9033 1.0021
T
10-51
(P.U) 0.9300 0.9300 1.0384 0.9672
T
13-49
(P.U) 0.8950 0.8950 0.9134 0.9946
T
11-43
(P.U) 0.9580 0.9580 0.9650 0.9635
T
40-56
(P.U)

0.9580 0.9580 0.9642 0.9431
T
39-57
(P.U) 0.9800 0.9800 0.9386 0.9807
T
9-55
(P.U) 0.9400 0.9400 0.9373 0.9945
Min(V) (P.U) 0.9001 0.8248 0.8851 0.9256
Max (V) (P.U) 1.0571 1.0400 1.0681 1.0881
DP(MW) 28.4550 61.6580 60.6240 57.42
L_index (P.U) 0.3217 0.4478 0.4022 0.2903

98

La figure 4.32 expose les profils de tension de tous les jeux de barres en envisagent les trois cas
2, 3, et 4, la figure 4.33 reprsente les caractristiques de convergence de l'indice de stabilit
'L-index' bas sur la variante propose PSOTVAC, daprs le tableau 4.17 on remarque en
premier lieu que la solution optimale atteinte avec utilisation du STATCOM est 0.2903 p.u
meilleure par rapport celle calcule par le mme algorithme sans installation de celui-ci et qui
vaut 0.4022 p.u, cette diffrence notable explique le rle de lincorporation de ce dispositif.
En deuxime lieu on peut conclure que lemplacement de ce STATCOM pour effet de gnrer
un faible indice de stabilit avec considration de toutes les contraintes. Le tableau 4.18 prsente
les puissances ractives optimises aux niveaux des units de production et celles injectes par
le STATCOM pour tous les cas abords, il est clair que les puissances ractives produites de
toutes les units sont dans leurs limites admissibles.

Tableau. 4.18 Puissances ractives produites par STATCOM et les centrales lectriques
QG-1 QG-2 QG-3 QG-6 QG-8 QG-9 QG-12
QG-25
STATCOM
QG-30
STATCOM
QG-33
STATCOM
QG MIN -2.0000 -0.1700 -0.1000 -0.0800 -1.4000 -0.0300 -1.5000 -0.5000 -0.5000 -0.5000
QG max 3.0000 0.5000 0.6000 0.2500 2.0000 0.0900 1.5500 0.5000 0.5000 0.5000
Case 2 1.6441 0.3609 0.4132 0.1459 1.1140 0.4249 1.3921 0.0000 0.0000 0.0000
Case 3 1.1566 0.5021 0.3084 0.0782 1.7916 0.1515 1.4802 0.0000 0.0000 0.0000
Case 4 2.2997 -0.1015 0.3964 0.1391 0.97814 0.0799 1.0672 0.2211 -0.0946 0.2219

5 10 15 20 25 30 35 40 45 50 55
0.8
0.85
0.9
0.95
1
1.05
1.1
1.15
L
e
s

t
e
n
s
i
o
n
s

V

[
P
.
U
]

Sans Optimisation
Optimisation Sans STATCOM
Optimisation Avec STATCOM
Figure. 4.32 : Profils de tension dans tous les jeux de
barres avec et sans STATCOM

0 20 40 60 80 100 120 140 160 180 200
0.29
0.295
0.3
0.305
0.31
0.315
0.32
0.325
0.33
0.335
0.34
Nombre de Gnration
L
_
_
i
n
d
e
x

[
P
.
U
]
Figure. 4.33 : Caractristique de Convergence de
L_index par PSO-TVAC.


99

4.6 Test dapplication 5 : application de lalgorithme de colonie de fourmis
Cette section est consacr voir la contribution dune mthode d'optimisation nomme colonie
de Fourmies ACO discute au chapitre 3 pour minimiser les pertes de transmission actives, dont
les paramtres de cet algorithme sont illustrs dans le chapitre 3.

Il sagit dinclure deux tests, le premier vise la minimisation de ces pertes dans le cas normal
sans aucune surcharge, (Figure. 4.34), dans le deuxime cas un surcharge de 20 % est introduit
(Figure. 4.35) et ce pour tester la robustesse de la dite approche.

Tableau. 4.19 Rsultats des pertes actives par PSO-TVAC, ACO
Cas normal Cas de surcharge
ACO PSO-TVAC ACO PSO-TVAC
V2 (P.U) 1.0105 1.0011 1.0105 0.9983
V3 (P.U) 1.0623 1.0746 1.0820 1.0913
V5 (P.U) 1.0230 1.0186 0.9690 1.0214
V8 (P.U) 1.0360 1.0329 0.9931 1.0355
V13 (P.U) 1.0535 1.0377 1.0746 1.0442
DP (MW) 2.2906 2.2091 4.1942 4.0215
Temps (sec) 0.0110 0.0284 0.0141 0.0275

La figure 4.34 compare la convergence de ces deux approches, la solution quasi globale ralise
par cette nouvelle variante vaut 2.2906 MW calcule aprs 200 itrations. La diffrence entre
les deux solutions trouves (2.2906 MW par ACO, 2.2091 MW par PSO-TVAC) se rend au
mauvais choix des paramtres de cette nouvelle variante. Ces discussions restent valables pour le
deuxime test qui prsente une augmentation de la charge.

0 20 40 60 80 100 120 140 160 180 200
4
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
v
t
i
v
e
s

[
M
.
W
]

Avec PSO-TVAC
Avec ACO
par PSO-TVAC et ACO pour le cas dune surcharge.

0 20 40 60 80 100 120 140 160 180 200
2.2
2.25
2.3
2.35
2.4
2.45
2.5
2.55
2.6
2.65
2.7
Nombre de Gnration
L
e
s

p
e
r
t
e
s

a
v
t
i
v
e
s

[
M
.
W
]

Avec PSO-TVAC
Avec ACO
par PSO-TVAC et ACO pour cas de charge normal.


100

4.7 Conclusion
Dans ce chapitre on a essay dappliquer les mthodes doptimisation globales la rsolution du
problme doptimisation de la puissance ractive par utilisation des systmes FACTS, pour cela
5 tests dapplication ont t traits dune manire dtaille.
Le premier cas dapplication prsente une introduction la rsolution de notre problme par
minimisation des pertes actives totales et ce en appliquant les algorithmes gntiques AG et
essaims de particules dans sa version standard.
Dans le deuxime test on introduit le dispositif schunt STATCOM pour perfectionner notre
optimisation par application de trois variantes de PSO savoir PSO standard, PSO-IC avec
coefficient intrieur ; PSO-FC qui prsente le facteur de distriction.
Le test dapplication N3 a t consacr pour tudier leffet de lintgration de dispositif FACTS
de type srie celui de TCSC pour voir son impact sur la minimisation de pertes totales et la
dviation de tension, une autre variante de PSO celle avec coefficient dacclration variable
PSO-TVAC est aussi employe pour minimiser les diffrents critres tudis.
Dans le quatrime test dapplication on procd lamlioration de la stabilit de tension
'L_index' et ce par lapplication de l'approche PSO-TVAC.
Le cinquime test dapplication reprsente un essai dappliquer une nouvelle technique
doptimisation mta-heuristique celle de colonies de Fourmies ACO.

Conclusion Gnrale
Conclusion gnrale

101

Conclusion gnrale

Dans ce mmoire nous avons prsents une contribution loptimisation de lnergie ractive
dans les rseaux lectriques par utilisation de la technologie FACTS en appliquant les
algorithmes doptimisation globales.
Il sagit dune tude comparative labore entre loptimisation par algorithmes gntiques
AG, lalgorithme doptimisation par essaims de particules standard et ses versions
modifies tels que :
PSO avec coefficient intrieur PSO-CI.
PSO avec coefficient constriction PSO-FC.
PSO avec coefficient dacclration variable PSO-TVAC.
Pour concrtiser loptimisation envisage on a trait le problme doptimisation de la
puissance ractive en minimisant deux importantes fonctions objectifs qui ont une influence
directe sur ce grandeur lectrique, la premire reprsente la minimisation des pertes actives
totales dans les lignes de transmission, tandis que la deuxime fonction objectif tient compte
de leffet de la dviation de tension dans les jeux de barres de charge.
En effet deux dispositifs FACTS sont employs, ce sont les dispositifs srie TCSC et shunt
STATCOM qui sont proposs dans ce mmoire pour vrifier leurs effet sur loptimisation
envisage. Cinq tests dapplication sont alors reprsents dans le quatrime chapitre pour bien
examiner et contourner le problme propos :
Premirement nous avons commenc par le premier test dapplication intitul minimisation
des pertes actives par AG et PSO qui est ddi vrifier la robustesse de ces deux algorithmes
sur loptimisation de lnergie ractive via la minimisation de la fonction mono objectif celle
des pertes actives, les rsultats trouvs concernant les rseaux tests IEEE 14-Bus et IEEE 30-
Bus expliquent limportance dappliquer ces algorithmes ce genre de problme.
Dans le deuxime test dapplication, le problme doptimisation de la puissance ractive est
trait avec considration de la compensation shunt (STATCOM). Une discussion largement
dtaille est faite pour comparer les diffrents rsultats trouvs par ces approches et de valider
limportance dintgrer ce type de compensateur FACTS dans les rseaux lectriques.
Conclusion gnrale

102

Le troisime test dapplication nomm Optimisation de la Puissance Ractive par utilisation
du TCSC est consacr analyser limpact dintgrer le TCSC dans les rseaux lectriques,
les deux fonctions objectifs (minimisation des pertes actives et la dviation de tension) sont
optimises individuellement ou simultanment, les courbes de Pareto obtenues expliquent le
rle de loptimisation multi objectifs. La robustesse de lapproche propose PSO-TVAC est
dmontre sur deux rseaux IEEE 30-Bus, et IEEE 57-Bus, les rsultats obtenus sont
compars avec ceux des autres algorithmes : PSO standard, PSO-CI, et PSO-CF.
Le quatrime test est consacr loptimisation dun indice trs important qui est lindice de
stabilit de tension. Le compensateur shunt STATCOM est install dans les jeux de barres les
plus sensibles. Les rsultats obtenus par lapproche PSO-TVAC ne peut que confirmer une
autre fois nos remarques concernant la caractristique de convergence et la qualit de solution
que prsente cette variante.
Finalement, la mthode de colonie de fourmi dans sa version de base est adapt pour
loptimisation de la puissance ractive, une seule fonction objective est traite qui est la
minimisation de pertes totales. Les rsultats obtenus par cette technique sont encourageants.

Comme perspective nous proposons:
Elargir ltude du problme doptimisation de la puissance ractive par lintgration
des dispositifs FACTS Hybrides (UPFC).
Introduire les contraintes pratiques associes aux units de production ainsi que les
contraintes de scurits.

Bibliographies

Bibliographies

103

Bibliographies
[1] Martin Hennebel,valorisation des services systme sur un rseau de transport d'lectricit
en environnement concurrentiel thse de doctorat de l'universit paris 11 2009
[2] Abdelali ALIBI, Contrle des Rseaux Electriques par les Systmes FACTS: (Flexible
AC Transmission Systems) Magister de lUniversit de Batna 2009
[3] Mancer N, Aggouni Y modlisation et integration des dispositifs de compensation
dynamique FACT, Mmoire de lingnieur dtat Juin 2007
[4] Hingorani NG ,Gygyi L. understanding FACTS : concepts and technology of flexible AC
transmission systems .New York : IEEE Press;1999.
[5] N.G. Hingorani, L. Gyugyi, Understanding FACTS Concepts and Technology of
Flexible AC Transmission Systems, IEEE Press, New York, 2000.
[6] B. Mahdad, Optimal Power Flow with Consideration of FACTS devices Using Genetic
Algorithm: Application to the Algerian Network, Doctorat Thesis, Biskra University Algeria,
2010.
[7] K. R. Padiyar . FACTS controllers in power transmission and distribution , New age
international publishers, 2007.
[8] B. Mahdad Contribution to the improvement of power quality using multi hybrid model
based Wind-Shunt FACTS, 10P
th
P EEEIC International Conference on Environment and
Electrical Engineering, Italy, 2011.
[9] Alireza Seifi, Ph.D. Sasan Gholami, M.S.; and Amin Shabanpour, M.S. Power Flow Study
and Comparison of FACTS: Series (SSSC), Shunt (STATCOM), and Shunt-Series (UPFC).
The Pacific Journal of Science and Technology, Volume 11. Number 1. May 2010 (Spring)
[10] X.-P. Zhang , E. Handschin , M. Yao, Multi-control functional static synchronous
compensator (STATCOM) in power system steady-state operations, Electric Power Systems
Research 72 (2004) 269278
[11] P. L. So, Y. C. Chu, T. Yu, Coordinated control of TCSC and SVC for system damping
enhancement, International Journal of Control, Automation, and Systems, June 2005Vol. 3,
No. 2, pp 322-33,.
[12] Eskandar G.SH Apport de l'UPFC l'amlioration de la stabilit transitoire des rseaux
lectriques luniversite henri poincare, nancy-i 2003
[13] Rabah Benabid Optimisation Multiobjectif de la Synthse des FACTS par les Particules
en Essaim pour le Contrle de la Stabilit de Tension des Rseaux ElectriquesUniversit
Amar Telidji, Laghouat 2007
[14] JC Sabonnadire, N Hadjad, Lignes et rseaux lectriques, Lavoisier 11 rus Lavoisier
7500 Paris 2008.
[15] H. Saadat, Power system analysis, Second Edition, McGraw Hill International Editions,
2004.
Bibliographies

104

[16] SAYAH Samir, Application de lIntelligence Artificielle pour leFonctionnement Optimal
des Systmes Electriques Universit Ferhat Abbas Stif
[17] Stphane Gerbex. mtaheuristiques appliques au placement optimal de dispositifs FACTS
dans un rseau lectrique, thse de doctorat n 2742 Ecole polytechnique fdrale de
Lausanne (2003)
[18] D.J. Gotham, G.T. Heydt. Power flow control and power low studies for Systems with
FACTS devices.IEEE Tran. Power System, 13(1):60-65 February 1998.
[19] R.Benabid, M.Boudour,M.A Abido.Optimal location and setting of SVC and TCSC
devices using non-dominated sorting particle swaem optimization. , Elect Power and
energy syst, 2009, 79,pp.1668-1677
[20] Enrique Acha, Claudio R. Fuerte-Esquivel, Hugo Ambriz-Prez, Csar Angeles-Camacho
FACTS Modelling and Simulation in Power Networks. John Wiley & Sons Ltd, The Atrium,
Southern Gate, Chichester, West Sussex PO19 8SQ, England 2004
[21] Yann Collette - Patrick Siarry, Optimisation multiobjectif, ditions eyrolles 61, bld saint-
germain 75240 Paris Cedex 05 www.editions-eyrolles.com
[22] S.L. AVILA, Optimisation multiobjectif et analyse de sensibilit appliques la
conception de dispositifs Thse de doctorat lUniversit Fdrale de Santa Catarina
(Brsil)2006
[23] Alain Berro, Optimisation multiobjectif et stratgies d'volution en environnement
dynamique, Thse prsente l'Universit des Sciences Sociales Toulouse I 2001
[24] Omessaad Hjji. Contribution au dveloppement de mthodes doptimisation stochastiques.
Application a la conception des dispositifs lectrotechniques , Thse prsente
l'Universit des Sciences et technologies de Lille 2003.
[25] Vincent GARDEUX, Conception d'heuristiques d'optimisation pour les problmes de
grande dimension. Application l'analyse e donnes de puces ADN, Thse de doctorat
luniversit de paris-est crteil 2011
[26] N. Deeb, S.M. Shahidepour, Linear reactive power optimization in a large power network
using the decomposition approach, IEEE Trans. Power Syst. 5 (2) (1990) 428435.
[27] Momoh JA, Adapa R, El-Hawary ME. A review of selected optimal power flow literature
to 1993. I. Nonlinear and quadratic programming approaches. IEEE Trans Power Syst
1999,14(1),pp96104.
[28] Momoh JA, El-Hawary ME, Adapa R. A review of selected optimal power flow literature
to 1993. II. Newton, linear programming and interior point methods IEEE Trans Power
Syst1999, 14(1),pp.105111.
[29] Quitana VH, santos-Nieto M. , Reactive-power dispatch by successive quadratic
programming, IEEE Trans Energy convers 1989;4(3), pp.425-435.
[30] J.A. Momoh, S.X. Guo, E.C. Ogbuobiri, R. Adapa, The quadratic interior point method
solving power system optimization problems, IEEE Trans.Power Syst. 9 (3) (1994) 1327
1336.
[31] S. Granville, Optimal reactive dispatch through interior point methods, IEEE Trans. Power
Syst. 9 (1) (1994) 136146.
[32] Mathieu Liedloff, Algorithmes exacts et exponentiels pour les problmes NP-difficiles :
domination, variantes et gnralisations, luniversit Paul Verlaine Metz 2007
Bibliographies

105

[33] Walid Tfaili, Conception dun algorithme de colonie de fourmis pour loptimisation
continue dynamique de luniversit paris 12-val de marne 2007
[34] Jean Dipama, optimisation multi-objectif des systmes nergtiques, Universit de
montral 2010.
[35] J. Holland, adaptation in natural and artificial systems university of Michigan Press, Ann
Arbor, 1975
[36] D .E. Goldberg genetic algorithm optimization and Machine learning Addison Wesley
publishing company, Ind .USA,1989.
[37] Belkacem SID, optimisation topologique de structures par algorithmes gntiques.
l'universit de technologie de Belfort-Montbliard 2006
[38] Ouahib Guenounou Mthodologie de conception de contrleurs intelligents par l'approche
gntique- application un bioprocd l'Universit Toulouse III - Paul Sabatier 2009
[39] Michalewicz, Z. Genetic Algorithms + Data Structures = Evolution Programs. Springer-
Verlag 1992.
[40] Kennedy J, Eberhart R., Particle swarm optimization In: Proceedings of the IEEE
conference on neural networks (ICNN95), vol. IV. Perth, Australia; 1995. pp.19421948.
[41] Antoine Dutot ,distribution dynamique adaptative laide de mcanismes dintelligence
collective Universit du Havre, 2005
[42] Shi Y, Eberhart RC. Empirical study of particle swarm optimization. Proc IEEE Int
Congr Evol Comput 1999,(3),pp101106.
[43] Eberhart RC, Shi Y. Comparing inertia weights and constriction factors in particle swarm
optimization. Proc Congr Evol Comput 2000;1,pp 84-88.
[44] [Dorigo, 1992] Dorigo, M. Optimization, learning and natural algorithms. PhD thesis,
Department of Electronics Politecnico di Milano, Italy. In italian (1992).
[45] [Dorigo, 1996] Dorigo, M., Maniezzo, V., and Colorni, A. The ant system : optimization
by a colony of cooperating agents. IEEE Trans. Systems Man Cybernet., Vol. 26, p. 2941
(1996).
[46] Deneubourg, J.L, Goss, S, & Verhaeghe, J.C.. Probabilistic behaviour in ants. Journal of
Theorical Biology. 1983, 105, 259_271.
[47] [Dorigo, 1997] Dorigo, M. and Gambardella, L. Has-sop : An hybrid ant system for the
sequential ordering problem. Technical report, IDSIA, Lugano, Switzerland (1997).
[48] Gambardella, L., Taillard, E., & Dorigo, M.. Ant Colonies for the Quadratic Assignment
Problem. Journal of the Operational Research Society, 1999, 50, 167_176.
[49] Bullnheimer, B., Hartl, R.F., & Strauss, C. An Improved Ant system Algorithm for the
Vehicule Routing Problem. Annals of Operations Research, . 1999 89, 319_328.
[50] Solnon, C. Ants can Solve Constraint Satisfaction Problems, IEEE Transactions on
Evolutionary Computation, 2002 6(4), 347_357.
[51] Yann COOREN, Perfectionnement d'un algorithme adaptatif d'Optimisation par Essaim
Particulaire. Applications en gnie mdical et en lectronique thse de doctorat de
l'universit paris 12 val de marne 2008
[52] ric Taillard, introduction aux mta-heuristiques, coure 3e Cycle romand en
informatique Haute ecole dingnierie et de gestion de canton de vaud 2007
Bibliographies

106

[53] Dai, C.,Chen, W.,Zhu, Y.; Zhang, X . Seeker optimization algorithm for optimal reactive
power dispatch, IEEE Trans power syst. 2009, 1(2),pp. 1218-1231
[54] Wang, H.,Xiong, X., Wu,Y, .power system reactive power optimization based on modified
tabu search algorithm ,power system technology 2002. 1,pp15-18
[55] Zhang X, Chen W, Dai C, Cai W. Dynamic multi-group self-adaptive differential
evolution algorithm for reactive power optimization, Elect Power and energy syst, 2010,
32,pp.351357.
[56] A. khorsandi, A alimardani, B. Vahidi,SH. Hosseinian. hybride shuffled frog leaping
algorithm and Nelder-Mead simples search for optimal reactive power dispatch.IET Gener
transm distrib.2011 vol 5 lss2 pp 249-156
[57] P. Kundur and a. al., "Definition and classification of power system stability," IEEE Trans.
Power Syst., vol. 19 No.2, Mai 2004.
[58] Lu Wei, dlestage optimal pour la prvention des grandes pannes dlectricit thse de
doctorat de institut polytechnique de Grenoble 2009
[59] Varadarajan M, Swarup KS. Network loss minimization with voltage security using
differential evolution, Elect Power Sys 2008, 78(5), pp.815823
[60] P Kessel and H Glavitsch. Estimation the voltage stability of a power system.IEEE Trans.
PWRD Vol 1 No3 1986 pp 346-354
[61] V. Jayasankara, N.Kamaraj b, N.Vanaja. Estimation of voltage stability index for power
system employing artificial neural network technique and TCSC placement.
Neurocomputing 73 (2010) 30053011
[62] Y Chien-Feng, Gordon G. Lai, Chia-Hau Lee, Ching-Tzong Su, Gary W. Chang. Optimal
setting of reactive compensation devices with an improved voltage stability index for
voltage stability enhancement. Electrical Power and Energy Systems 37 (2012) 5057.
[63] Bansilal A, Thukaram D, Parthasarathy K. Optimal reactive power dispatch algorithm for
voltage stability improvement. Electr Power Energy Syst 1996;18 pp 4618.
[64] D. Devaraj, J. Preetha Roselyn. Genetic algorithm based reactive power dispatch for
voltage stability improvement. Electrical Power and Energy Systems 32 (2010) 11511156
[65] M.A. Abido. A novel multiobjective evolutionary algorithm for environmental/economic
power dispatch Elect Power Syst Res, 2003, 65,pp 71-81.
[66] D.W. Gong, Y Zhang, C.L Qi. Environmental/economic power dispatch using a hybrid
multi-objective optimization algorithm. Elect Power and energy syst, 2010 ,32, pp,607
614.
[67] N. Mancer, B. Mahdad, K.Srairi. Multi Objective Optimal Reactive Power Flow Based
STATCOM Using Three variant of PSO international journal of energy engineering
Published online at http:// journal.sapub.org/ijee 2012,2(2) :pp 1-7
[68] Liu K., Sheng W., and Y.Li. research on reactive power optimization based on immunity
genetic algorithm,, Springer, ICIC 2006, LNCS 4113, 2006, pp.600-611.
[69] Anastasios G.Bakirtzis, Pandel N. biskas, Christoforos E.zoumas, vasilios Petriddis,
optimal power flow by enhanced Genetic Algorithm,IEEE transactions om Power
System ,Vol.17 No.2,May 2002
[70] M.S Osman, M.A Abo-Sinna,A .A.Moussa,A solution to the optimal power flow using
genetic algorithm ,Appl.Math.Comput .2003.
Bibliographies

107

[71] Yoshida H, Fukuyama Y, Kawata K, Takayama S, Nakanishi Y. A particle swarm
optimization for reactive power and voltage control considering voltage security
assessment, IEEE Trans Power Syst 2001,15(4),pp12321239.
[72] M.A Abido,Optimal Power Flow using Particle warm Optimisation Electricle Power and
energy systems ,2002.
[73] TC Krishna, P Manjaree, S Laxmi. Particle swarm optimization with time varying
acceleration coefficients for non-convex economic power dispatch. , Elect Power and
energy syst, 2009, 31,pp.249-257.
[74] Slimani Linda contribution a lapplication de loptimisation par des mthodes
metaheuristiques a lcoulement de puissance optimal dans un environnement de llectricit
drgul. thse de magister luniversit de Batna Alger 2009
[75] M. Dorigo, T. Sttzle. Ant Colony Optimization. MIT Press, Cambridge, MA, 2004.
[76] N. Mancer, B. Mahdad, K. Srairi and M. Hamed. Minimisation des Pertes de Transmission
dEnergie par Utilisation des AG et PSO. 7th International Conference on Electrical
Engineering CEE'12 Octobre 8 10, Batna 2012
[77] N. Mancer, B. Mahdad, K.Srairi, M Hamed. Multi Objective For Optimal Reactive Power
Flow Using Modified PSO Considering TCSC international journal of energy engineering
Published online at http:// journal.sapub.org/ijee 2012, 2(4): pp165-170
[78] N. Mancer, B. Mahdad, K.Srairi, M Hamed. Multi Objective ORPF Using PSO with Time
Varying Acceleration Considering TCSC Prceedings of the 11th International Conference
on Environment and Electrical Engineering, (EEEIC 2012) Venice Italy, 18 - 25 May 2012:
802-807.
[79] M. Hamed, B. Mahdad, K. Srairi and N. Mancer. Solving Combined Economic Emission
Dispatch Problem Using Time Varying Acceleration Based PSO Prceedings of the 11th
International Conference on Environment and Electrical Engineering, (EEEIC 2012)
Venice Italy, 18 - 25 May 2012: 764-769.
[80] M. Hamed, B. Mahdad, K. Srairi and N. Mancer. Solving Multi-objective Economic
Dispatch Problem Using Flexible Time Varying Acceleration Based PSO .4th international
conference on electrical engineering (ICEE12) 07-09 Algiers 2012

Annexe
Aannexe

108

ANNEX : A

Tableau A.1 : Donnes des jeux de barres du rseau IEEE 14-Bus
% |Bus | Type | Vsp | theta | PGi | QGi | PLi | QLi | Qmin | Qmax |
busdat14 = [1 1 1.060 0 0 0 0 0 0 0;
2 2 1.045 0 40 42.4 21.7 12.7 -40 50;
3 2 1.01 0 0 23.4 94.2 19.0 0 40;
4 3 1.0 0 0 0 47.8 -3.9 0 0;
5 3 1.0 0 0 0 7.6 1.6 0 0;
6 2 1.070 0 0 12.2 11.2 7.5 -6 24;
7 3 1.0 0 0 0 0.0 0.0 0 0;
8 2 1.090 0 0 17.4 0.0 0.0 -6 24;
9 3 1.0 0 0 0 29.5 16.6 0 0;
10 3 1.0 0 0 0 9.0 5.8 0 0;
11 3 1.0 0 0 0 3.5 1.8 0 0;
12 3 1.0 0 0 0 6.1 1.6 0 0;
13 3 1.0 0 0 0 13.5 5.8 0 0;
14 3 1.0 0 0 0 14.9 5.0 0 0;];

Tableau A.2 : Donnes des lignes de transport du rseau IEEE 14-Bus
% | From | To | R | X | B/2 | X'mer |
% | Bus | Bus | pu | pu | pu | TAP (a) |
linedat14 = [1 2 0.01938 0.05917 0.0264 1
1 5 0.05403 0.22304 0.0246 1
2 3 0.04699 0.19797 0.0219 1
2 4 0.05811 0.17632 0.0170 1
2 5 0.05695 0.17388 0.0173 1
3 4 0.06701 0.17103 0.0064 1
4 5 0.01335 0.04211 0.0 1
4 7 0.0 0.20912 0.0 0.978
4 9 0.0 0.55618 0.0 0.969
5 6 0.0 0.25202 0.0 0.932
6 11 0.09498 0.19890 0.0 1
6 12 0.12291 0.25581 0.0 1
6 13 0.06615 0.13027 0.0 1
7 8 0.0 0.17615 0.0 1
7 9 0.0 0.11001 0.0 1
9 10 0.03181 0.08450 0.0 1
9 14 0.12711 0.27038 0.0 1
10 11 0.08205 0.19207 0.0 1
12 13 0.22092 0.19988 0.0 1
13 14 0.17093 0.34802 0.0 1 ];

Aannexe

109

ANNEX : B

Tableau B.1 : Donnes des jeux de barres du rseau IEEE 30-Bus
busdat30 = [1 1 1.06 0 0 0 0 0 0 0;
2 2 1.043 0 40 50.0 21.7 12.7 -40 50;
3 3 1.0 0 0 0 2.4 1.2 0 0;
4 3 1.06 0 0 0 7.6 1.6 0 0;
5 2 1.01 0 0 37.0 94.2 19.0 -40 40;
6 3 1.0 0 0 0 0.0 0.0 0 0;
7 3 1.0 0 0 0 22.8 10.9 0 0;
8 2 1.01 0 0 37.3 30.0 30.0 -10 40;
9 3 1.0 0 0 0 0.0 0.0 0 0;
10 3 1.0 0 0 19.0 5.8 2.0 0 0;
11 2 1.082 0 0 16.2 0.0 0.0 -6 24;
12 3 1.0 0 0 0 11.2 7.5 0 0;
13 2 1.071 0 0 10.6 0.0 0.0 -6 24;
14 3 1.0 0 0 0 6.2 1.6 0 0;
15 3 1.0 0 0 0 8.2 2.5 0 0;
16 3 1.0 0 0 0 3.5 1.8 0 0;
17 3 1.0 0 0 0 9.0 5.8 0 0;
18 3 1.0 0 0 0 3.2 0.9 0 0;
19 3 1.0 0 0 0 9.5 3.4 0 0;
20 3 1.0 0 0 0 2.2 0.7 0 0;
21 3 1.0 0 0 0 17.5 11.2 0 0;
22 3 1.0 0 0 0 0.0 0.0 0 0;
23 3 1.0 0 0 0 3.2 1.6 0 0;
24 3 1.0 0 0 4.3 8.7 6.7 0 0;
25 3 1.0 0 0 0 0.0 0.0 0 0;
26 3 1.0 0 0 0 3.5 2.3 0 0;
27 3 1.0 0 0 0 0.0 0.0 0 0;
28 3 1.0 0 0 0 0.0 0.0 0 0;
29 3 1.0 0 0 0 2.4 0.9 0 0;
30 3 1.0 0 0 0 10.6 1.9 0 0 ];

Tableau B.2 : Donnes des lignes de transport du rseau IEEE 30-Bus
% | From | To | R | X | B/2 | X'mer |
linedat30 = [1 2 0.0192 0.0575 0.0264 1
1 3 0.0452 0.1652 0.0204 1
2 4 0.0570 0.1737 0.0184 1
3 4 0.0132 0.0379 0.0042 1
2 5 0.0472 0.1983 0.0209 1
2 6 0.0581 0.1763 0.0187 1
4 6 0.0119 0.0414 0.0045 1
5 7 0.0460 0.1160 0.0102 1
6 7 0.0267 0.0820 0.0085 1
6 8 0.0120 0.0420 0.0045 1
6 9 0.0 0.2080 0.0 0.978
Aannexe

110

6 10 0.0 0.5560 0.0 0.969
9 11 0.0 0.2080 0.0 1
9 10 0.0 0.1100 0.0 1
4 12 0.0 0.2560 0.0 0.932
12 13 0.0 0.1400 0.0 1
12 14 0.1231 0.2559 0.0 1
12 15 0.0662 0.1304 0.0 1
12 16 0.0945 0.1987 0.0 1
14 15 0.2210 0.1997 0.0 1
16 17 0.0824 0.1923 0.0 1
15 18 0.1073 0.2185 0.0 1
18 19 0.0639 0.1292 0.0 1
19 20 0.0340 0.0680 0.0 1
10 20 0.0936 0.2090 0.0 1
10 17 0.0324 0.0845 0.0 1
10 21 0.0348 0.0749 0.0 1
10 22 0.0727 0.1499 0.0 1
21 23 0.0116 0.0236 0.0 1
15 23 0.1000 0.2020 0.0 1
22 24 0.1150 0.1790 0.0 1
23 24 0.1320 0.2700 0.0 1
24 25 0.1885 0.3292 0.0 1
25 26 0.2544 0.3800 0.0 1
25 27 0.1093 0.2087 0.0 1
28 27 0.0 0.3960 0.0 0.968
27 29 0.2198 0.4153 0.0 1
27 30 0.3202 0.6027 0.0 1
29 30 0.2399 0.4533 0.0 1
8 28 0.0636 0.2000 0.0214 1
6 28 0.0169 0.0599 0.065 1 ];

Aannexe

111

ANNEX : C

Tableau C.1 : Donnes des jeux de barres du rseau IEEE 57-Bus
busdat57 = [1 1 1.040 0 0.0 0.0 0.0 0.0 0.0 0.0;
2 2 1.010 0 3.0 88.0 0.0 -0.8 50.0 -17.0;
3 2 0.99 0 41.0 21.0 40.0 -1.0 60.0 -10.0;
4 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
5 3 1.000 0 13.0 4.0 0.0 0.0 0.0 0.0;
6 2 0.980 0 75.0 2.0 0.0 0.8 25.0 -8.0;
7 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
8 2 1.01 0 50.0 22.0 450.0 62.1 200.0 -140.0;
9 2 0.980 0 21.0 26.0 0.0 2.2 9.0 -3.0;
10 3 1.000 0 5.0 2.0 0.0 0.0 0.0 0.0;
11 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
12 2 1.02 0 77.0 24.0 310.0 128.5 155.0 -150.0;
13 3 1.000 0 18.0 2.3 0.0 0.0 0.0 0.0;
14 3 1.000 0 10.5 5.3 0.0 0.0 0.0 0.0;
15 3 1.000 0 22.0 5.0 0.0 0.0 0.0 0.0;
16 3 1.000 0 43.0 3.0 0.0 0.0 0.0 0.0;
17 3 1.000 0 42.0 8.0 0.0 0.0 0.0 0.0;
18 3 1.000 0 27.2 9.8 0.0 0.0 0.0 0.0;
19 3 1.000 0 3.3 0.6 0.0 0.0 0.0 0.0;
20 3 1.000 0 2.3 1.0 0.0 0.0 0.0 0.0;
21 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
22 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
23 3 1.000 0 6.3 2.1 0.0 0.0 0.0 0.0;
24 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
25 3 1.000 0 6.3 3.2 0.0 0.0 0.0 0.0;
26 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
27 3 1.000 0 9.3 0.5 0.0 0.0 0.0 0.0;
28 3 1.000 0 4.6 2.3 0.0 0.0 0.0 0.0;
29 3 1.000 0 17.0 2.6 0.0 0.0 0.0 0.0;
30 3 1.000 0 3.6 1.8 0.0 0.0 0.0 0.0;
31 3 1.000 0 5.8 2.9 0.0 0.0 0.0 0.0;
32 3 1.000 0 1.6 0.8 0.0 0.0 0.0 0.0;
33 3 1.000 0 3.8 1.9 0.0 0.0 0.0 0.0;
34 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
35 3 1.000 0 6.0 3.0 0.0 0.0 0.0 0.0;
36 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
37 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
38 3 1.000 0 14.0 7.0 0.0 0.0 0.0 0.0;
39 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
40 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
41 3 1.000 0 6.3 3.0 0.0 0.0 0.0 0.0;
42 3 1.000 0 7.1 4.4 0.0 0.0 0.0 0.0;
43 3 1.000 0 2.0 1.0 0.0 0.0 0.0 0.0;
44 3 1.000 0 12.0 1.8 0.0 0.0 0.0 0.0;
45 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
46 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
47 3 1.000 0 29.7 11.6 0.0 0.0 0.0 0.0;
48 3 1.000 0 0.0 0.0 0.0 0.0 0.0 0.0;
Aannexe

112

49 3 1.000 0 18.0 8.5 0.0 0.0 0.0 0.0;
50 3 1.000 0 21.0 10.5 0.0 0.0 0.0 0.0;
51 3 1.000 0 18.0 5.3 0.0 0.0 0.0 0.0;
52 3 1.000 0 4.9 2.2 0.0 0.0 0.0 0.0;
53 3 1.000 0 20.0 10.0 0.0 0.0 0.0 0.0;
54 3 1.000 0 4.1 1.4 0.0 0.0 0.0 0.0;
55 3 1.000 0 6.8 3.4 0.0 0.0 0.0 0.0;
56 3 1.000 0 7.6 2.2 0.0 0.0 0.0 0.0;
57 3 1.000 0 6.7 2.0 0.0 0.0 0.0 0.0];

Tableau C.2 : Donnes des lignes de transport du rseau IEEE 57-Bus

% | From | To | R | X | B/2 | X'mer |
linedat57 = [ 1 2 0.0083 0.0280 0.0645 1
2 3 0.0298 0.0850 0.0409 1
3 4 0.0112 0.0366 0.0190 1
4 5 0.0625 0.1320 0.0129 1
4 6 0.0430 0.1480 0.0174 1
6 7 0.0200 0.1020 0.0138 1
6 8 0.0339 0.1730 0.0235 1
8 9 0.0099 0.0505 0.0274 1
9 10 0.0369 0.1679 0.0220 1
9 11 0.0258 0.0848 0.0109 1
9 12 0.0648 0.2950 0.0386 1
9 13 0.0481 0.1580 0.0203 1
13 14 0.0132 0.0434 0.0055 1
13 15 0.0269 0.0869 0.0115 1
1 15 0.0178 0.0910 0.0494 1
1 16 0.0454 0.2060 0.0273 1
1 17 0.0238 0.1080 0.0143 1
3 15 0.0162 0.0530 0.0272 1
4 18 0.0 0.5550 0.0 0.970
4 18 0.0 0.4300 0.0 0.978
5 6 0.0302 0.0641 0.0062 1
7 8 0.0139 0.0712 0.0097 1
10 12 0.0277 0.1262 0.0164 1
11 13 0.0223 0.0732 0.0094 1
12 13 0.0178 0.0580 0.0302 1
12 16 0.0180 0.0813 0.0108 1
12 17 0.0397 0.1790 0.0238 1
14 15 0.0171 0.0547 0.0074 1
18 19 0.4610 0.6850 0.0 1
19 20 0.2830 0.4340 0.0 1
21 20 0.0 0.7767 0.0 1.043
21 22 0.0736 0.1170 0.0 1
22 23 0.0099 0.0152 0.0 1
23 24 0.1660 0.2560 0.0042 1
24 25 0.0 1.1820 0.0 1
24 25 0.0 1.2300 0.0 1
24 26 0.0 0.0473 0.0 1.043
26 27 0.1650 0.2540 0.0 1
27 28 0.0618 0.0954 0.0 1
28 29 0.0418 0.0587 0.0 1
7 29 0.0 0.0648 0.0 0.967
25 30 0.1350 0.2020 0.0 1
Aannexe

113

30 31 0.3260 0.4970 0.0 1
31 32 0.5070 0.7550 0.0 1
32 33 0.0392 0.0360 0.0 1
34 32 0.0 0.9530 0.0 0.975
34 35 0.0520 0.0780 0.0016 1
35 36 0.0430 0.0537 0.0008 1
36 37 0.0290 0.0366 0.0 1
37 38 0.0651 0.1009 0.0010 1
37 39 0.0239 0.0379 0.0 1
36 40 0.0300 0.0466 0.0 1
22 38 0.0192 0.0295 0.0 1
11 41 0.0 0.7490 0.0 0.955
41 42 0.2070 0.3520 0.0 1
41 43 0.0 0.4120 0.0 1
38 44 0.0289 0.0585 0.0010 1
15 45 0.0 0.1042 0.0 0.955
14 46 0.0 0.0735 0.0 0.900
46 47 0.0230 0.0680 0.0016 1
47 48 0.0182 0.0233 0.0 1
48 49 0.0834 0.1290 0.0024 1
49 50 0.0801 0.1280 0.0 1
50 51 0.1386 0.2200 0.0 1
10 51 0.0 0.0712 0.0 0.930
13 49 0.0 0.1910 0.0 0.895
29 52 0.1442 0.1870 0.0 1
52 53 0.0762 0.0984 0.0 1
53 54 0.1878 0.2320 0.0 1
54 55 0.1732 0.2265 0.0 1
11 43 0.0 0.1530 0.0 0.958
44 45 0.0624 0.1242 0.0020 1
40 56 0.0 1.1950 0.0 0.958
56 41 0.5530 0.5490 0.0 1
56 42 0.2125 0.3540 0.0 1
39 57 0.0 1.3550 0.0 0.980
57 56 0.1740 0.2600 0.0 1
38 49 0.1150 0.1770 0.0015 1
38 48 0.0312 0.0482 0.0 1
9 55 0.0 0.1205 0.0 0.940];

Rsum

Ce mmoire prsente une contribution loptimisation de la puissance ractive dans les rseaux lectriques par
lintgration des systmes FACTS en appliquant plusieurs mthodes mta-heuristiques savoir les algorithmes
gntiques AG, Algorithme doptimisation par colonies de Fourmies, loptimisation par essaims de particules PSO
et ses versions modifies telles que lalgorithme PSO avec facteur intrieur (PSO-CI), PSO avec facteur de
constriction PSO-FC, et lalgorithme doptimisation par essaims de particules avec coefficient dacclration
variable PSO-TVAC.
Dans ce travail, notre optimisation sujette de diverses contraintes dgalit et dingalits. Plusieurs fonctions
objectifs ont t traites : la minimisation des pertes actives de transmission et la dviation de tension de jeux de
barres de charges, ces deux fonctions objectifs sont optimises individuellement et simultanment. Afin de
dmontrer limpact de la technologie FACTS dans le domaine de la gestion et lexploitation efficace des rseaux
lectrique, deux dispositifs FACTS (STATCOM et TCSC) ont t modliss est intgrs dans des rseaux tests
pratiques. Pour renforcer le contenu de notre travail, un indice de stabilit de tension nomm L_index est
minimiser en coordination avec les paramtres de compensateur shunt STATCOM pour amliorer la stabilit de
tension dans les rseaux lectriques et assurer une exploitation efficace. Les mthodes metaheuristiques proposes
ont t valides sur des rseaux tests internationaux typiques: IEEE 30-Bus, IEEE 57-Bus. Les rsultats obtenus
montrent clairement l'efficacit d'intgrer ces dispositifs dans les rseaux lectriques ainsi une tude comparative
entre les mthodes proposes, dmontre la supriorit de la variante propose bas sur le l'ajustement dynamique des
paramtres de PSO en terme de qualit de solution et convergence.

Mots cls :
Optimisation de lcoulement de puissance ractive, compensation de la puissance ractive, contrle de la tension,
systmes de compensation dynamiques FACTS, STATCOM, TCSC. Mthodes doptimisation classique, Mthodes
doptimisation globales : GA, PSO, PSO-CI, PSO-FC, PSO-TVAC, ACO. Stabilit de tension, L-index.

FACTS
GA PSO (PSO-IC)
) PSO-FC ( , ) PSO-TVAC ( ) ACO ( .

. TCSC STATCOM
) : ) (
.(

(L_index) STATCOM .
(IEEE 30-Bus, IEEE 57-Bus) ( .
PSO - TVAC .

, ,
(STATCOM) , (TCSC) (AG) , (PSO)
) ACO .(

Abstract
This thesis presents a contribution to the optimization of reactive power flow considering new technology FACTS
using several methods based meta-heuristics: Genetic algorithms GA optimization, particle swarm optimization
(PSO) and many modified versions such as: PSO algorithm with interior coefficient (PSOIC), PSO with constriction
factor PSOFC, the PSO algorithm with time varying acceleration PSO-TVAC and the Ant Colony Optimization
technique.
In this work, many objective functions are considered: total active power loss, voltage deviation, these two objective
functions are treated individually and simultaneously using multi objective formulation. Two FACTS devices
(STATCOM and TCSC) are installed at critical buses to reduce the total power losses and voltage deviation.
To reinforce this present work, another objective is also treated to achieve the desired optimization by improving
voltage stability through minimizing the voltage stability index known as (L_index). The proposed optimization
methods are applied to many practical electrical network (IEEE 14-Bus; IEEE 30-Bus and IEEE 57-Bus),
combative study between many standard optimization techniques shows clearly the robustness of the TVAC-PSO
variant in term of solution quality and convergence characteristics.

Keywords: Optimal Reactive Power flow, Multi Objective, Flexible AC Transmission Systems FACTS,
STATCOM, Thyristor controlled series compensators (TCSC), Particle Swarm Optimization (PSO), PSO with time
varying acceleration PSO-TVAC, Genetic algorithm AG, Ant Colony Optimization ACO,

Contribution Optimisation de La Puissance Reactive

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Contribution Optimisation de La Puissance Reactive

Uploaded by

Copyright:

Available Formats

Mmoire prsent en vue de lobtention

Figure. I .4 : Diagramme traduisant l'change d'nergie et montrant l'intrt de la compensation.

0 20 40 60 80 100 120 140 160 180 200

Chapitre 2 Modlisation des dispositifs FACTS

de lespace de recherche, chaque

: la meilleure position quelle a atteinte

(et la qualit affrente),

You might also like