<  Back to the Polytechnique Montréal portal

Optimisation du déséquilibre de phase sur un réseau de distribution électrique grâce à de la gestion de la demande

Florian Pedroli

Masters thesis (2019)

[img] Restricted to: Repository staff only until 11 October 2020.
Cite this document: Pedroli, F. (2019). Optimisation du déséquilibre de phase sur un réseau de distribution électrique grâce à de la gestion de la demande (Masters thesis, Polytechnique Montréal). Retrieved from https://publications.polymtl.ca/3967/
Show abstract Hide abstract

Abstract

Au cours de cette recherche, nous avons cherché à savoir dans quelle mesure le contrôle de la demande pouvait être utile afin de faire face au problème de déséquilibre de phase sur un réseau de distribution électrique. Le déséquilibre de phase est un phénomène qui apparait sur un réseau électrique en raison du passage du courant triphasé en courant monophasé. L’électricité est généralement transportée en triphasé car cela engendre moins de perte, augmente la puissance transmise et permet d’avoir une puissance constante dans le temps. Cependant, de nombreux appareils électriques, notamment dans le secteur résidentiel, fonctionnent avec un courant monophasé. Il est donc nécessaire de réaliser un passage entre les deux types de courant. Cette transformation peut engendrer un déséquilibre de phase qui va entrainer des pertes électriques supplémentaires ainsi qu’endommager certains appareils électriques du réseau. Ce déséquilibre est notamment lié à une différence de consommation entre les différents acteurs du réseau. Le contrôle de la demande, est le fait de pouvoir contrôler la manière de consommer d’un client. Cela peut se faire prinicpalement de deux manières. La première est de modifier le prix de l’électricité pour le consommateur en fonction de l’heure de la journée : l’opérateur de réseau facture l’électricité plus chère quand il a intérêt à avoir une faible consommation et moins chère quand il a intérêt à avoir une consommation importante. La deuxième méthode est de contrôler directement différents appareils électriques tels que le chauffage ou le chauffe-eau pour lesquels il est possible de modifier quand ils chauffent, ou une machine à laver ou un lave-vaisselle pour lesquels il est possible de contrôler à quel moment de la journée ils se mettent en route. L’objectif de cette recherche a été de comprendre dans quelle mesure il est possible d’utiliser le contrôle de la demande afin de réduire le déséquilibre de phase sur un réseau de distribution. Pour ce faire, nous avons développé une méthode d’optimisation du déséquilibre de phase via la gestion de la consommation. Une des difficultés avec le déséquilibre est qu’il est très compliqué à estimer, notamment du fait qu’il dépend d’énormément de facteurs différents. Pour cette raison, nous avons décidé d’utiliser un simulateur de réseau afin d’estimer sa valeur. Ceci nous assure d’avoir une estimation précise du déséquilibre, mais en contre partie, nous oblige à utiliser des outils d’optimisation de boîte noire. Ce sont des méthodes qui font de l’optimisation en supposant ne rien savoir de la fonction à optimiser.----------Abstract This research has been led in order to evaluate to which point demand response can be used to answer the phase unbalance issue on a distribution network. Electric grids have changed in recent years and will continue to change in what is called smart grids. One of the main difference with conventional grids is that it is now possible to have a two-way communication between producers and consumers. As before, consumers consume electricity and therefore ask the utility to provide enough electricity for their consumption. However, it is now possible for the utility to modify the consumption of their consumers. There are mainly two solutions to do so. The first one is to modify the cost of electricity through time. By setting a high price when the consumption is inconvenient for the utility, and a low price when it is easier to satisfy, it is possible to modify the global consumption. The other solution is to directly be able to modify the use of devices. For example, it can be by controlling heating or water-heaters by modifying the temperature of a room, or by choosing at which moment to turn on a washing machine or a dishwasher. Phase unbalance is phenomenon that exists on electric grids because of the transformation from three-phase to single phase current. Electricity is usually transported with three-phase current because it limits ohmic losses ans it assures a constant power through time. However, most of electric devices in the residential sector require single phase current. Therefore, it is necessary to have a transformation between the two different currents. The issue is that transformation can create phase unbalance, which leads to losses and damage electric devices of the grid. The origin of this unbalance is, in particular, a difference of consumption between the different customers of the grid. The objective of this research has been to understand if demand response could be an answer to the phase unbalance issue. To do so, we have developed a method to minimize phase unbalance on a distribution grid. We have faced two main difficulties to do so. The first one is that it is difficult to easily evaluate and that is depends of multiple factors. Therefore, we have chosen to evaluate it with a simulator, which assures us to have a strong estimation of what we are optimizing. The inconvenient of this solution is that we do not have access to a literal form of phase unbalance, which means doing black-box optimization. The second issue is that black-box optimization algorithm are usually designed for problems with up to 20 variables whereas the system we want to be able to solve has nearly 9,000 variables. Therefore, we had to develop our own method, based on the Nelder-Mead heuristic, to deal with such an important number of variables.

Open Access document in PolyPublie
Department: Département de mathématiques et de génie industriel
Dissertation/thesis director: Miguel F. Anjos
Date Deposited: 11 Oct 2019 10:39
Last Modified: 11 Oct 2019 10:39
PolyPublie URL: https://publications.polymtl.ca/3967/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only