Estimation d'état des réseaux BT à partir des données des smart meters par des techniques de machine learning

Distribution system state estimation using smart meters data and machine learning techniques

• Auteur / Autrice : Elio El semaan
• Direction : Philippe Dessante
• Type : Projet de thèse
• Discipline(s) : Génie électrique
• Date : Inscription en doctorat le 16/03/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Electrical, optical, bio-physics and engineering
• Partenaire(s) de recherche : Laboratoire : Laboratoire Génie électrique et électronique de Paris (Gif-sur-Yvette, Essonne ; 1998-....)
• Partenaire(s) de recherche : référent : CentraleSupélec

Mots clés

Mots clés libres

Estimation d'état

Smart meters

Machine learning

Réseau de distribution

State estimation

Smart meters

Machine learning

Distribution network

Résumé

Avec le développement des véhicules électriques, de la production PV chez les particuliers et de l'autoconsommation, les exploitants de réseaux électriques de distribution vont de plus en plus avoir besoin d'une vision en temps réel ou en prévisionnel à court-terme de l'état de fonctionnement des réseaux basse tension (BT). En effet, ces nouveaux modes de production et de consommation peuvent entraîner des contraintes nouvelles sur un réseau non initialement dimensionné pour les accueillir (tensions hautes, surcharges, etc.). Ce d'autant plus que la recherche de l'intérêt général en termes de dépenses d'investissement conduit de plus en plus les exploitants à tenter d'utiliser le réseau aux limites de ses possibilités physiques avant d'envisager son renforcement. Le déploiement des compteurs intelligents (smart meters) semble aller dans le sens d'une meilleure observabilité du réseau BT par la présence inédite auparavant d'une multitude de capteurs télérelevables sur ce réseau. Cependant, des contraintes techniques (capacité du réseau CPL à faire transiter beaucoup de mesures en temps réel vers le concentrateur, performances limitées des équipements locaux de traitement, etc.) et réglementaires (les données de comptage sont des données personnelles non naturellement destinées à être utilisées pour l'exploitation du réseau) limiteront l'utilisation de ces capteurs. Les méthodes de machine learning classique semblent également possibles mais imposent de nombreuses contraintes techniques (nécessité d'un historique cohérent de mesures sur un grand nombre de points de mesure). En repartant des travaux déjà réalisés au sein d'EDF R&D notamment dans le cadre de démonstrateurs européens ou nationaux, et de méthodes proposées dans la littérature, la thèse cherchera principalement à mettre au point des techniques innovantes permettant de lever les verrous techniques et scientifiques existants.

With the development of electric vehicles, distributed PV production and self-consumption, the operators of electricity distribution networks will increasingly need a real-time or short-term forecasting vision of low voltage (LV) networks operating status. Indeed, these new modes of production and consumption can lead to new constraints on a network not initially sized to accommodate them (high voltages, overloads, etc.). Moreover, the research for the general interest in terms of capital expenditure is increasingly leading operators to attempt to use the network to the limits of its physical possibilities before considering its strengthening. The deployment of smart meters seems to go in the direction of better observability of the LV network by the previously unprecedented presence of a multitude of remotely readable sensors on this network. However, technical constraints (capacity of the PLC network to transmit a lot of measurements in real time to the concentrator, limited performance of local processing equipment, etc.) and regulatory constraints (metering data are personal data not naturally intended to be used for network operation) will limit the use of these sensors. Classic machine learning methods also seem possible but impose many technical constraints (need for a coherent measurement history on a large number of measurement points). By starting from work already carried out within EDF R&D, in particular within the framework of European or national demonstrators, and methods proposed in the literature, the thesis will mainly seek to develop innovative techniques making it possible to remove existing technical and scientific obstacles.