Co-encadrant : Antoneta Iuliana BRATCU
École doctorale : Electronique, electrotechnique, automatique, traitement du signal (EEATS)
Spécialité : Automatique et productique
Structure de rattachement : Grenoble-INP
Établissement d'origine : UGA - Université Grenoble Alpes
Financement(s) : Contrat doctoral ; Sans financement
Date d'entrée en thèse : 01/10/2016
Date de soutenance : 04/03/2020
Composition du jury :
Yvon BESANGER-MOLERES- Directeur de thèse
- Anoneta Iuliana Bratcu- CoDirecteur de thèse
- Thierry DIVOUX- Examinateur
- Lars NORDSTRÖM- Rappoeteur
- Yann LABIT- Rapporteur
Résumé :
Aujourdhui, les réseaux électriques deviennent de plus en plus intelligents grâce à lintégration des technologies de linformation et de la communication (TIC) ce qui a donn naissance au concept de smart grid. Différents Dispositifs Electroniques Intelligents (DEIs) interoperent pour faire supervision, commande et protection sur le Réseau de Communication de Sous-station (RCS). Compte tenu des interactions entre réseau denergie et de communication, il est nécessaire de développer les modèles mathmathiques pour les décrire. Nous proposons un nouveau modele mathématique qui décrit le comportement du trac SCN, qui se basé sur le modèle didentication de Box-Jenkins. Un modèle stochastique Auto Regressive Integrated Moving Average (ARIMA) basé sur les données est développé dans cette thèse, en utilisant les méthodes danalyse des séries temporelles. Dabord, le modèle est appliqué sur les données issues dune co-simulation dun scénario de communication contenant deux sources renouvelables qui se partagent la fourniture de puissance réactive an de réguler la tension. Dans un deuxième scénario, lapplication de ce modèle a été faite sur un banc de test dune sous-station intelligente, où un signal de puissance active est à travers dans le réseau de communication. Finalement, le modèle mathématique global du comportement de trac est obtenu en rajoutant la partie déterministe à la partie stochastique identiée par ARIMA. En plus, les effects de certains paramètres du canal de communication sur le modèle ARIMA sont étudiés, e.g., la perte de paquets, le taux de canal, et la longueur de câble. Ensuite, comme la performance en temps réel dun réseau de communication est primordiale pour un réseau électrique able, la dernière partie de cette thèse inclut une estimation du délai maximum de transmission des messages de RCS. Sur la base du théorème de calcul du réseau, un algorithme destimation de la distribution, puis du délai, est appliqué sur le trac échantillonné de données. Sur la base de notre choix dun modèle analytique proposé dans la littérature, le délai maximum est estimé dans le cas où un réseau électrique supporte la décision de délestage en utilisant un poste MT/BT réel. Lalgorithme a été appliqué pour un réseau de communication et des flux de trafic totalement connus. Dans ce travail de thèse, nous proposons une méthode didentication basée sur le Théorème de Calcul du Réseau pour appliquer lalgorithme indépendamment des caractéristiques des flux. Lenvironnement logiciel pour la modélisation, la co-simulation et lidentication est supporté par les toolboxes spécialisés de sur MATLAB®/Simulink®.
Abstract-Nowadays power grids are becoming more and more intelligent due to the integration of Information and Communication Technology (ICT), that has justified the use of the smart grid concept. Different Intelligent Electronic Devices (IEDs) interoperate to perform supervision, control and protection functions. Due to the interactions between power and communication networks, the power grid stability can be affected by the related ICT infrastructure. Therefore, it is necessary to develop modeling and co-simulation methods to describe these interactions. As the changes in the smart grid mainly occur at the distribution level, the design and maintenance of a reliable Substation Communication Network (SCN) are paramount important. To this end, we propose a new mathematical model that describes the SCN traffic behavior. Based on the Box-Jenkins identification model, using time-series analysis methods, a data-driven-based stochastic model Auto Regressive Moving Average (ARIMA) is proposed in this thesis. The first application scenario is a co-simulation one, namely that of an electrical distribution grid containing two renewable sources in the context of a simple distributed reactive power control. Next, the real-time performance of a communication network is studied by estimation of the maximum message transmission delay through SCN. Based on the Network Calculus Theorem, message distribution is modeled, and delay is then estimated for each traffic flow. The communication scenario considers a power system that supports the load-shedding decision on an intelligent MV/LV substation test bench. A new identification method based on the Network Calculus Theorem is proposed in this thesis, that does not need any a priori information about the flow information. All the modeling, co-simulation and identification computations are per-formed by using MATLAB®/Simulink® dedicated toolboxes.