Gestion des risques dans les stratégies de planification des réseaux électriques intelligents basse tension

Risk management in low voltage Smart Grid planning strategies

• Auteur / Autrice : Pierre Laize
• Direction : Raphaël Caire, Marie-Cécile Alvarez-Hérault
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 17/11/2022
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de génie électrique (Grenoble)
• Partenaire(s) de recherche : Equipe de recherche : Equipe de recherche Systèmes et réseaux électriques (Grenoble)
• Jury : Président / Présidente : Bertrand Raison
• Jury : Examinateurs / Examinatrices : Mathieu Caujolle
• Jury : Rapporteur / Rapporteuse : Guillaume Sandou, Bruno François

Mots clés

Mots clés contrôlés

Électricité -- Distribution

Gestion du risque

Basse tension

Réseaux électriques intelligents

Mots clés libres

Risque

Basse Tension

Incertitudes

Risk

Low Voltage

Uncertainties

Résumé

Ces dernières années, les gestionnaires des réseaux électriques de distribution font face à de nouveaux challenges : l’augmentation du nombre de véhicules électriques et des capacités de production décentralisée, ainsi que le développement des solutions Smart Grid. Ces changements induisent des incertitudes supplémentaires et de nouvelles contraintes à prendre en compte dans les processus de planification des réseaux. Cependant, les méthodes actuelles sont limitées pour traiter efficacement ces différents challenges.Dans ce contexte, l’utilisation de modèles statistiques a été la solution retenue afin de proposer une méthode de planification pour les réseaux basse tension. Nous avons développé des algorithmes pour considérer plusieurs sources d’incertitudes. A travers plusieurs scénarios de croissance, notre méthodologie d’intégration de l’effacement de la consommation et de la production est exposée. Plusieurs variables sont introduites pour calculer la probabilité de contraintes sur le réseau, et estimer leurs impacts financiers sur le réseau et les clients. La principale contribution de la thèse est la possibilité de comparer des investissements comprenant uniquement du renforcement avec des investissements incluant de la flexibilité. Les algorithmes ont été développés sous DisNetSimPl et sont réutilisables et adaptables par EDF R&D.

Recently, DSOs have been facing new challenges, induced by the high level of uncertainties brought by the development of distributed energy resources (DERs), smart grid solutions (i.e., flexibility solutions) and smart devices. These changes need to be considered in the network planning processes. However, current methods have shown limitation in effectively dealing with these different challenges.In this context, the use of statistical models has been the chosen solution to propose a planning method for low voltage networks. We have developed algorithms to consider several sources of uncertainty. Through several growth scenarios, our methodology for integrating consumption and generation shedding is presented. Several variables are introduced to calculate the probability of constraints on the network and to estimate their financial impacts on the network and the customers. The main contribution of the thesis is the possibility to compare reinforcement-based investments with flexibility-based investments. The algorithms have been developed in DisNetSimPl for been used and adapted by EDF R&D.