La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Détection en temps réel de l'instabilité transitoire des réseaux électriques avec les mesures synchronisées de phaseurs

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Suprême, Hussein (2017). Détection en temps réel de l'instabilité transitoire des réseaux électriques avec les mesures synchronisées de phaseurs. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (10MB) | Prévisualisation
[img]
Prévisualisation
PDF
Télécharger (1MB) | Prévisualisation

Résumé

Les synchrophaseurs également appelés Phasor Measurement Units, couplés d'un système GPS, permettent de mesurer la phase du courant plus de 30 fois par seconde, soit une fréquence 120 fois plus grande que celle des systèmes actuels. Ils donnent la possibilité de cartographier en temps réel les phases du réseau électrique ; ce qui de toute évidence, facilite leur contrôle, leur surveillance, leur compréhension et leur gestion optimale. Les applications des synchrophaseurs incluent le contrôle étendu, la validation du modèle système, la détermination des marges de stabilité, l’optimisation de la charge pour un système stable, la détection d'îlotage, l’enregistrement des perturbations à l'échelle du réseau et la visualisation de la réaction dynamique du réseau. Avec cette technologie en vogue, les opérateurs de réseaux disposent d’une quantité d’informations très importante à manipuler.

La présente thèse a pour objectif de proposer aux opérateurs de réseaux électriques une démarche systématique qui permet de prédire l’instabilité des réseaux électriques en temps réel en extrayant les signatures cachées dans la masse de données fournies par les synchrophaseurs. Étant donné que le forage de données dispose d’un ensemble d'algorithmes conduisant à la construction des modèles, on exploite dans ce travail la forêt aléatoire d’arbres de décision et le boosting. Ces algorithmes vont chercher un maximum de connaissances dissimulées dans les données.

On propose un nouveau concept pour l’étude de l’instabilité : le Centre de Puissance (COP). Cette notion est une extension du centre d’inertie et de l’approche de mesure de zone étendue et de système de contrôle de tension. Elle prend en compte les valeurs de puissances effectives du réseau déduites des mesures des synchrophaseurs. À chaque région du réseau, on associe un centre de puissance de vitesse. On constate une instabilité dans le cas où le COP de vitesse de deux régions quelconques ne cesse de s’éloigner. On a aussi proposé deux indices de détection de l’instabilité se basant sur les COP de vitesse et les mesures des synchrophaseurs. La divergence de ces indices confirme que le réseau a perdu son synchronisme. Contrairement au snapshot largement utilisé dans la littérature, on propose dans cette thèse d’utiliser une fenêtre glissante lors de l’analyse de l’instabilité. Cette dernière a comme avantages de favoriser une prise de décision en tout temps sans un détecteur de défaut au préalable et de mettre à jour la base de données sur l’état du réseau avec l’arrivée de nouvelles données sans perdre les informations contenues dans les données précédentes.

Pour évaluer l’importance des prédicteurs proposés dans la construction des modèles de forêt aléatoire et de boosting, on considère trois scénarios. Dans le premier, on retient comme prédicteurs les variables découlant du COP, les indices proposés et toutes les variables mesurées et estimées. On constate qu’une plus grande importance relative est accordée aux prédicteurs directement liés au COP et aux mesures synchrophasées dans la construction des modèles de prédiction de l’instabilité en temps réel. Dans le deuxième scénario, l’emphase est mise uniquement sur les prédicteurs proposés et les mesures synchrophasées. Il résulte que les écarts entre l’exactitude, la fiabilité et la sécurité des modèles de prédiction obtenus dans les deux scénarios sont très faibles. De plus, les taux de mauvaise classification et de fausse alarme se rapprochent. On en déduit que les prédicteurs proposés constituent un bon compromis entre la faible perte de précision du modèle et la diminution de la taille de la base de données sur laquelle l’apprentissage est effectué. Le troisième scénario permet de généraliser et de démontrer que les prédicteurs proposés ne dépendent pas du réseau.

Finalement, on propose une nouvelle approche adaptative de mise à jour du modèle de prédiction. L’état du réseau est déterminé par une double vérification : une première se reposant sur le modèle de la forêt aléatoire initialement construit et la seconde se basant sur un boosting. À chaque boosting construit, on attribue un indicateur qui dépend du poids de chacun des arbres du modèle et des erreurs y relatives. Lors de la mise à jour, cet indicateur est comparé au précédent et autorise ou non l’adoption du nouveau modèle de prédiction pour les événements futurs.

Résumé traduit

Synchrophasors also called Phasor Measurement Units, coupled with a GPS system, measure the phase of the current more than 30 times per second, or a frequency that is well over 120 times that of current systems. They give the possibility of mapping in real time the phases of the electrical network which obviously facilitates their control, monitoring, understanding and optimal management. The applications of synchrophasors include extended control, system model validation, determination of stability margins, load optimization for a stable system, islanding detection, network-wide perturbation recording and visualization of the dynamic of the network. With this technology in perpetual development, the network operators have a very important amount of information to manipulate.

The aim of this thesis is to propose to the network operators a systematic approach which allows predicting the instability of the electrical networks in real time by extracting the hidden signatures in the mass of data provided by the synchrophasors. Given that data mining is a set of algorithms leading to construct models from the data by seeking a maximum of concealed knowledge, we exploit in this work the random forest of decision trees and the boosting.

We propose a new concept for the study of instability: the Center of Power (COP). This notion is an extension of the center of inertia and the extended area measurement approach and voltage control system. It considers the actual network power values deduced from the phasor measurements. A COP speed is associated with each area. There is an instability in the case where the speed COP of any two areas keeps moving away. Two indices were also proposed for detecting instability based on speed COPs and phasor measurements. The divergence of these indices confirms that the network has lost its synchronism. Unlike snapshot widely used in the literature, it is proposed in this thesis to use a sliding window during the analysis of instability. The latter has the advantages of promoting decision-making at any time without a fault detector and updating the database on the state of the network with the arrival of new data without losing the information contained in the previous data.

To evaluate the importance of predictors proposed in the construction of the random forest and the boosting models, three scenarios are considered. In the first, the variables derived from the COP, the proposed indices and all the measured and estimated variables are selected as predictors. Increased relative importance is given to predictors directly related to COP and to phasor measurements in the construction of predictive models of real-time instability. So, in the second scenario, the emphasis is placed solely on the proposed predictors and the phasor measurements. It results that the differences between the accuracy, the reliability and the security of the prediction models obtained in both scenarios are very low. In addition, rates of misclassification and false alarm come closer. It can be deduced that the proposed predictors represent a good compromise between the small loss of precision of the model and the reduction in the size of the database on which the learning is carried out. The third scenario makes it possible to generalize and demonstrate that the proposed predictors do not depend on the network.

Finally, a new adaptive approach is proposed to update the prediction model. The state of the network is determined by a double check: a first one based on the model of the random forest initially constructed and the second based on a boosting. At each boosting constructed, an indicator is assigned which depends on the weight of each of the trees of the model and related errors. During the update, this indicator is compared to the previous one and allows or denies the adoption of the new model for predicting the state of the network for future events.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thèse présentée à l'École de technologie supérieure comme exigence partielle à l'obtention du doctorat en génie". Bibliographie : pages 227-251.
Mots-clés libres: Réseaux électriques (Énergie) Stabilité Modèles mathématiques. Électricité Distribution Modèles mathématiques. Données volumineuses Gestion. Forêts d'arbres décisionnels. Algorithmes de boosting. courant, phase, synchrophaseur, centre de puissance (COP), prédiction de l’instabilité, stabilité transitoire, stabilité dynamique, forage de données, arbre de décision, forêt aléatoire, évaluation de la sécurité dynamique (DSA)
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Dessaint, Louis-A.
Programme: Doctorat en génie > Génie
Date de dépôt: 20 juin 2017 17:51
Dernière modification: 20 juin 2017 17:51
URI: http://espace.etsmtl.ca/id/eprint/1895

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt