Télécharger le fichier original (Mémoire de fin d’études)

Du Static Line Rating vers le Dynamic Line Rating

Dans ce document, nous nous intéressons principalement aux limites de courant associées aux contraintes thermiques, c’est-à-dire les limites de courant définies pour des lignes électriques de longueur inférieure à 50 km, ce pour des lignes électriques aériennes dans lesquelles un courant alternatif circule.
On définit tout d’abord le courant permanent admissible, aussi appelé ampacité, comme le courant maximal pouvant passer en régime permanent dans un conducteur, un dispositif ou un appareil de manière à ce que la température en régime permanent reste inférieure à un certain seuil dans des conditions données.
Pour les lignes souterraines, ces conditions sont principalement associées à la nature du sol et à sa capacité à absorber la chaleur [20]. Pour les lignes aériennes, les critères sont de nature météorologique, ceux-ci étant associés au vent, à l’irradiation solaire et à la température ambiante.
Ces valeurs d’ampacité sont généralement définies comme fixes. En raison de cet aspect statique, ces paramètres sont sélectionnés comme contraignants, de telle manière qu’il y ait une fréquence faible de situations présentant des conditions associées à des valeurs d’ampacité dynamiques plus faibles, et donc potentiellement dangereuses.
Pour donner un ordre de grandeur de la fréquence des situations où des conditions observées peuvent être plus contraignantes que les conditions considérées pour le calcul de l’ampacité, une valeur de 1% est recommandée par le Conseil International des Grands Réseaux Electriques (CIGRE).
Certains proposent alors de sélectionner ces paramètres en observant les historiques des différentes variables météorologiques [22], et par la suite de sélectionner les valeurs d’ampacité de manière à respecter les critères de fréquence requis. En pratique, cependant, ces paramètres météorologiques contraignants sont souvent sélectionnés de manière arbitraire. Cela a pour conséquence que l’on observe régulièrement un non-respect de ce paramètre de fréquence de 1%, des valeurs de fréquences de dépassement allant jusqu’à 40% pouvant être observées dans certains cas d’étude [23], [24].
A partir des valeurs des paramètres météorologiques considérés, une ampacité peut être calculée avec un modèle physique d’équation de chaleur en régime permanent, généralement basée sur le modèle IEEE
ou le modèle CIGRE [26]. Cette valeur est alors utilisée en pratique pour définir le courant maximal et est désignée en anglais comme le Static Line Rating (SLR).
A titre d’exemple, des paramètres utilisés par l’opérateur de réseau nord-irlandais Northern Ireland Electricity Networks Limited (NIE Networks), et les valeurs de SLR associées sont présentées sur le tableau 1.
Régulièrement, les lignes peuvent être congestionnées, le SLR étant trop bas par rapport à la valeur de courant que les opérateurs de réseau souhaiteraient faire passer dans une ligne électrique considérée. Si ces problèmes sont trop fréquents, comme on l’a déjà évoqué, il peut être décidé de construire une nouvelle ligne électrique, ou alors de remplacer les conducteurs de la ligne par des conducteurs plus adaptés à des valeurs de courant plus élevés.
Par rapport à ce deuxième point, plutôt que des câbles traditionnels Aluminium Conductor Steel Reinforced (ACSR), il peut alors être préféré d’utiliser des câbles High Temperature Conductors (HTC) qui permettent pour une température donnée de réduire fortement la déformation du câble. Ces câbles Cette solution du remplacement de la ligne ou du câble a le mérite d’une certaine simplicité, mais est associée aux inconvénients que l’on a évoqués précédemment, qui sont le coût et la difficulté de mise en œuvre de tels projets.
C’est pour proposer une alternative à ces difficultés qu’est alors développée une nouvelle approche pour calculer l’ampacité d’une ligne aérienne, pour la première fois dans [28]. L’idée présentée est de remplacer la méthodologie de sélection d’une ampacité statique par la sélection d’ampacités dynamiques, en accord avec des observations météorologiques faites sur le terrain. On parle alors de Real-Time Line Rating (RTLR), correspondant à un instant donné au courant pouvant passer dans une ligne électrique sans qu’il n’y ait une élévation de température du câble trop importante. Cette valeur dépend alors de paramètres météorologiques mesurés, à l’inverse du SLR qui dépend de paramètres météorologiques fixes. En fonction de cette valeur de RTLR, il est alors possible pour le gestionnaire de réseau de définir une nouvelle valeur d’ampacité de ligne, le Dynamic Line Rating (DLR). On signalera que le DLR est généralement différent du RTLR en raison, par exemple, de limitations fixées par le gestionnaire de réseau sur les variations du DLR pour empêcher la possibilité d’incidents importants.

La technologie du DLR

Les gestionnaires de réseau électrique témoignent un intérêt croissant pour cette méthodologie [29] [30], et dans ce contexte, différents dispositifs de mesure à mettre en place sur les lignes électriques sont aujourd’hui développés par des entreprises privées. Ces dispositifs sont variés dans leur fonctionnement, et on évoquera ici les principales catégories d’outils de mesure pour fournir un aperçu de cette diversité.
Le premier type d’outil de mesure est le plus simple. Il s’agit d’une mesure des différentes caractéristiques météorologiques en un point de la ligne faite avec une station météorologique. Un tel outil a l’avantage qu’il n’est pas nécessaire de l’installer sur une ligne électrique, et est simple dans son fonctionnement. Comme exemple d’une telle technologie, on peut citer un outil commercialisé par l’entreprise Pike, ThermalRate [31] (Figure 1-4-A). Avec cet outil, en un point de la ligne, il est à noter que la vitesse du vent est calculée et non mesurée : l’outil est constitué de deux conducteurs, l’un dans lequel du courant passe et l’autre ou ce n’est pas le cas. Par la mesure de la différence de température des deux éléments, une vitesse de vent est calculée. Ce point est important, et se retrouvera sur l’ensemble des technologies que nous présenterons par la suite : la vitesse du vent peut être difficile à mesurer pour des vitesses inférieures à 1 m/s en raison d’un manque de fiabilité des anémomètres. Or autour de cette valeur de vitesse, par exemple en allant de 0 m/s à 1 m/s, le courant admissible dans la Le Dynamic Line Rating et sa prévision ligne peut augmenter de manière significative, parfois de plus de 50%, et des mesures de la vitesse du vent précises sont alors nécessaires.

Une approche alternative est de calculer la vitesse du vent avec des mesures de caractéristiques de la ligne électrique. Les paramètres les plus fréquemment utilisés sont des mesures de la température de la ligne et du courant électrique. Le calcul de la vitesse du vent est ensuite fait de manière indirecte à partir de ces paramètres, d’autres critères météorologiques et du modèle physique liant la température du câble aux autres paramètres. Plusieurs technologies permettent ces mesures, celle du Power Donut développé dans les années 80 étant celle qui est la plus souvent mise en avant dans la littérature [32] (Figure 1-4-B).
On pourrait aussi évoquer d’autres paramètres de lignes utilisés pour la mesure du vent plus exotiques » que la températures, comme la mesure de la tension mécanique de la ligne avec l’outil
CAT-1 [33] (Figure 1-4-C), la flèche de la ligne avec le Sagometer [34] (Figure 1-4-D) ou encore la mesure de la vibration mécanique dans la ligne avec un outil développé par Ampacimon [35], [36] (Figure 1-4-E). Ces trois types de paramètre ont une caractéristique intéressante par rapport à la mesure de la température de la ligne ou du courant, c’est qu’il est représentatif du comportement de l’ensemble d’une section de ligne liant deux pylônes, là où la température est encore un paramètre local qui n’est valable que pour quelques mètres de la ligne.
Projets impliquant le DLR – une utilisation principalement sur les lignes à haute tension Les technologies DLR sont aujourd’hui testées sur de nombreux projets. Il est ici intéressant de reprendre une étude faite par ENTSO-E [30], dans laquelle est fait un inventaire des différents projets de 15 GRT européens qui prennent en compte le DLR.

Prévisions du Dynamic Line Rating et Impact sur la Gestion du Réseau Electrique Parmi ces 15 GRT, 11 utilisent déjà le DLR dans leurs opérations, et 9 utilisent des prévisions météorologiques en plus d’autres méthodologies de mesure de température. Sur le Tableau 1-2, on a comptabilisé le nombre de projets incluant le DLR et répertoriés par ENTSO-E, en fonction des niveaux de tension associés. On peut constater que la plupart des applications sont sur des niveaux de tension élevés.
Les projets actuels prenant en compte des niveaux de tension plus bas sont relativement rares, comme par exemple [37] où le DLR est installé sur une ligne à 33kV. Pour illustrer cela, dans un état de l’art fait sur l’application du DLR pour l’introduction des énergies renouvelables [38], des énergies généralement installées sur des niveaux de tension HTA en France (de 1 à 50kV), on constate que l’ensemble des projets évoqués sont associés à des niveaux de tension allant de 66kV à 132kV.

Une raison à cela est le fait que le coût de la technologie DLR est encore important, de l’ordre de plusieurs dizaines de milliers d’euros pour certaines installations d’après les échanges que nous avons eu avec une entreprise spécialisée dans le DLR lors de ce doctorat. Dans ce contexte, la technologie est encore principalement utilisée sur des réseaux à haute tension où le rapport entre le coût et les bénéfices est beaucoup plus faible que sur les réseaux à tension plus basse.
Lien entre le RTLR et les observations météorologiques Pour définir le courant maximal autorisé pour éviter les échauffements trop importants, plusieurs équations sont à utiliser. Deux premières sont mécaniques, une équation de chaînette et une équation de changement d’état, et lient la température de la ligne à ses déformations. De ces équations, il est possible de tirer la valeur de distance observée entre la ligne électrique et les objets pouvant être situés sous la ligne (clearance), en fonction de la température au cœur de la ligne (Figure 1-5). Cette distance devant rester supérieure à une valeur seuil, et considérant alors une flèche maximale (sag), une température maximale peut être définie. Par la suite, une équation de chaleur lie la température de la ligne, le courant passant au cœur de celle-ci et les paramètres météorologiques.
Considérant une valeur seuil de flèche maximale et un ensemble de paramètres météorologiques statique pour le SLR, ou dynamique avec le DLR, il est alors possible de définir une valeur de courant maximal. Dans cette section, nous présentons l’ensemble de ces équations, celles-ci ayant été utilisées tout le long de ce doctorat Equations mécaniques liant la flèche de la ligne et sa température Dans l’optique de limiter les risques associés à la gestion des lignes électriques, un impératif de sécurité est associé à la flèche maximale de la ligne. Plusieurs problématiques peuvent être associées à cette déformation, comme des déformations permanentes, mais la principale motivation est de borner la distance minimale entre la ligne électrique et les objets pouvant être situés en-dessous pour des raisons de sécurité.
La flèche de la ligne est, dans le cas de deux extrémités de pylônes situés à la même altitude, peut être calculé à l’aide d’une approximation parabolique d’une équation de chainette :
Sag ≈ m ∙ g ∙ L² (1-1)
8 ∙ H
où m (kg/m) représente la masse linéique de la ligne, g (m/s²) est la valeur de l’accélération de la pesanteur, L (m) est la distance séparant les deux pylônes et H (kg/m) est la tension mécanique axiale.
Considérant une différence d’altitude entre les deux pylônes, l’approximation suivante est généralement utilisée pour obtenir la valeur de la flèche :
Sag ≈ m ∙ g ∙ L ∙ (1-2)
8 ∙ H
(1-3)
= √L2 + h² où le paramètre h est la différence d’altitude entre les deux pylônes (m).

Table des matières

Liste des figures
Liste des tableaux
Liste des sigles utilisés XVIII
1. Introduction – Le Dynamic Line Rating et sa prévision
1.1. Le réseau électrique et les problématiques associées
1.2. Définition du Dynamic Line Rating
1.2.1. Les différentes limites de courant dans les lignes électriques aériennes
1.2.2. Du Static Line Rating vers le Dynamic Line Rating
1.2.3. La technologie du DLR
1.2.4. Projets impliquant le DLR – une utilisation principalement sur les lignes à haute tension
1.3. Lien entre le RTLR et les observations météorologiques
1.3.1. Equations mécaniques liant la flèche de la ligne et sa température
1.3.2. Equation de chaleur pour la définition de l’intensité maximale de courant admissible
1.3.3. Sensibilité du DLR aux paramètres météorologiques
1.3.4. Considérations sur la section critique de la ligne
1.4. Bénéfices de l’utilisation du DLR
1.4.1. Une réduction des coûts de l’électricité
1.4.2. Implantation facilitée pour les énergies éoliennes
1.4.3. Amélioration de la fiabilité du réseau
1.4.4. Une technologie prometteuse nécessitant des prévisions
1.5. Etat de l’art des méthodes de prévision du DLR
1.5.1. Généralités sur les prévisions DLR
1.5.2. Modèles de prévisions du DLR
1.5.3. Discussion sur l’état de l’art des modèles de prévision du DLR
1.6. Utilisation des prévisions dans des planifications de production d’électricité
1.6.1. Utilisation de niveaux de probabilité fixés
1.6.2. Optimisations stochastiques prenant en compte le DLR
1.7. Objectifs et démarche de la thèse
1.8. Structure du manuscrit
2. Prévision du Dynamic Line Rating à court-terme
2.1. Introduction
2.2. Cas d’étude
2.2.1. Définition du Static Line Rating
2.2.2. Section critique de la ligne
2.3. Propositions de modèles de prévision probabilistes
2.3.1. Description des modèles
2.3.2. Evaluation des modèles de prévision
2.3.3. Variables explicatives utilisées
2.3.4. Classement des variables
2.4. Sensibilité des modèles au paramétrage
2.4.1. Sensibilité du QLR au paramétrage
2.4.2. Sensibilité du MDNN au paramétrage
2.4.3. Sensibilité du KDE au paramétrage
2.4.4. Sensibilité du QRF au paramétrage
2.4.5. Sensibilité du GBRT au paramétrage
2.5. Evaluation des modèles
2.5.1. Evaluation des modèles sur des critères déterministes
2.5.2. Evaluation des modèles sur des critères probabilistes
2.5.3. Indice d’évaluation des prévisions probabilistes
2.6. Conclusions
3. Modélisation de la partie basse des distributions
3.1. Introduction – Du besoin de prévisions extrêmes
3.2. Modélisation de la partie basse à partir d’une seule prévision probabiliste
3.2.1. Méthodologie
3.2.2. Résultats
3.2.3. Discussion
3.3. Modélisation de la partie basse à partir d’un ensemble d’observations et de prévisions probabilistes
3.3.1. Interpolation exponentielle
3.3.2. Partitionnement en k-moyennes
3.3.3. Evaluation – fiabilité des prévisions à très bas quantile
3.3.4. Evaluation – finesse et scores quantiles
3.4. Conclusions
4. Vers une sélection dynamique des Prévisions du Dynamic Line Rating
4.1. Introduction
4.2. Choix et présentation du sujet d’étude
4.2.1. Choix du sujet d’étude
4.2.2. Cadre relatif à la définition de la capacité d’échange transfrontalière
4.3. Méthodologie
4.3.1. Description du sujet d’étude
4.3.2. Définition de la fonction objectif
4.4. Remarques sur les coûts pour le gestionnaire de réseau
4.5. Cas d’étude
4.5.1. Prévisions DLR
4.5.2. Coûts Spot et coûts d’équilibrage
4.6. Résultats
4.7. Conclusions
5. Impact des prévisions du Dynamic Line Rating sur la gestion d’un réseau électrique
5.1. Introduction
5.2. Méthodologie
5.2.1. Forme générale du problème : problème d’optimisation stochastique
5.2.2. Description de la fonction objectif
5.3. Problème d’optimisation stochastique
5.3.1. Problème – Hypothèse de monopole verticalement intégré
5.3.2. Problème– Ajout de l’aversion au risque
5.4. Méthode de résolution
5.4.1. Hypothèses et simplifications
5.4.2. Description des outils
5.5. Cas d’étude
5.5.1. Description du réseau utilisé
5.5.2. Tables de correspondance obtenues
5.5.3. Cas d’étude 1 : séries temporelles réelles
5.5.4. Cas d’étude 2 : séries générées par bootstrap
5.5.5. Différences de calcul pour les deux cas d’étude
5.6. Résultats pour le cas 1
5.6.1. Evaluation de la stratégie neutre au risque
5.6.2. Evaluation des stratégies averses au risque
5.7. Résultats pour le cas 2
5.7.1. Utilisation de stratégies neutres au risque
5.7.2. Utilisation de fonctions de pertes différentes
5.7.3. Utilisation de modèles de prévision différents
5.7.4. Utilisation d’un modèle de prévision avec une partie basse de distribution remodélisée
5.8. Conclusions
6. Conclusions
6.1. Conclusions générales et contributions
6.2. Perspectives
6.2.1. Améliorations possibles de la description du problème d’optimisation stochastique
6.2.2. Pistes d’amélioration des modèles de prévision
7. Liste des publications
8. Bibliographie

Télécharger le rapport complet