Contribution à l’étude de la stabilité des grands réseaux électriques dans un marché de l’électricité dérégulé en présence des sources d’énergie renouvelable par la logique floue
Loading...
Date
Journal Title
Journal ISSN
Volume Title
Publisher
Université Sétif 1 - Ferhat ABBAS , Faculté de Technologie
Abstract
In recent years the demand for electric energy continues to grow, leading modern electrical networks to work near their stability limit, which increases the likely level of risk of voltage instability. In such situation, fast and accurate assessment of voltage stability is necessary in order to prevent large-scale blackouts. Due to its ability to learn offline and produce accurate results on-line, machine learning techniques (e.g., Artificial Neural Networks (ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS)) are widely applied for on-line voltage stability monitoring. In this thesis, a new ANFIS model with optimized parameters selection via Moth-Flame Optimization (MFO) algorithm is proposed to estimate the line voltage stability index (Lmn) of power system. The input features of the hybrid ANFIS-MFO model are provided in the form of voltage magnitudes and voltage phase angles, which are assumed to be gathered from weak buses in the system. The second part of this thesis focuses on application of MFO algorithm to enhance voltage stability of power system based on the solving of Optimal Power Flow (OPF) problem incorporating wind power generators. In order to prove the effectiveness of the proposed methods, the IEEE-30 bus and the Algerian 114-bus systems are used. The obtained results demonstrate the superior performance of the proposed methods compared with other existing techniques in the literature
Description
Au cours de ces dernières années, la demande en énergie électrique a continué de croître, amenant les réseaux électriques modernes à fonctionner au-delà de leur limite de stabilité, ce qui augmente le niveau probable de risque d'instabilité de la tension. Dans une telle situation, une évaluation rapide et précise de la stabilité de tension est nécessaire pour éviter les pannes d'électricité à grande échelle. En raison de sa capacité à apprendre hors ligne et à produire des résultats précis en ligne, les techniques d’apprentissage automatique (telles que les réseaux de neurones artificiels (ANN) et le système d’inférence neuro-fuzzy adaptatif (ANFIS)) sont largement utilisées pour la surveillance en ligne de la stabilité de la tension. Dans cette thèse, un nouveau modèle ANFIS avec sélection optimisée des paramètres via l'algorithme MFO (Moth-Flame Optimization) est proposé pour estimer l'indice de ligne de stabilité de la tension (Lmn) du réseau électrique. Les entrées du modèle hybride ANFIS-MFO sont fournies sous la forme d’amplitude et d'angles de phase de tension qui sont supposés être collectés à partir de jeux de barres critiques du réseau. La deuxième partie de cette thèse porte sur l’application de l’algorithme MFO pour améliorer la stabilité de la tension du réseau électrique en se basant sur la résolution du problème d’écoulement de puissance optimal (Optimal Power Flow (OPF)) intégrant des générateurs éoliens. Afin de prouver l'efficacité des méthodes proposées, le réseau IEEE-30 jeux de barres et le réseau Algérien 114 jeux de barres sont utilisés. Les résultats obtenus confirment la performance des méthodes proposées par rapport aux autres métthodes existantes dans la littérature.