Stabilité des réseaux électriques

de distribution en présence
d’énergies renouvelables
Arshpreet SINGH
Encadrants G2ELab : Vincent DEBUSSCHERE, Nouredine HADJSAID
Encadrants Enedis : Benoit BOUZIGON, Xavier LEGRAND

1
 Contexte et objectifs
Qu'est-ce que la stabilité d’un réseau électrique en présence de
ressources interfacées par des convertisseurs (RIC) ?
« capacité d'un réseau électrique, pour une condition initiale donnée, à retrouver un état
d'équilibre après avoir subi des perturbations physiques »

De plus en plus de RIC synchronisation, tension, fréquence catégories classiques

de stabilité
• Réduction de l’inertie totale
• Réduction des contributions aux courants de court-circuit
• Multiplication des commandes, dans plusieurs échelles de temps

Conséquences

• Impact sur la stabilité en fréquence (Rocof), impact sur la stabilité en tension, impact sur la
synchronisation (PLL) etc.
• De nouveaux problèmes, pas encore maîtrisés… nouvelle catégorie : stabilité liée aux convertisseurs
2
 Contexte et objectifs
Stabilité liée aux convertisseurs
« problèmes de stabilité à l'échelle du système dus à des interactions dynamiques entre les
commandes des convertisseurs et d'autres composants du réseau électrique (y compris
d'autres convertisseurs) »
f < 10 Hz (ou jusqu’à environ 30 Hz)
Stabilité liée aux convertisseurs à interactions lentes (SCIL)

Des événements observés :

• Texas, États-Unis (2012) - oscillations basse fréquence déclenchées par la perte d'une ligne HT
• Xinjiang, Chine (2014) - oscillations 20-40 Hz persistantes pendant des années
• Australie – phénomène observé souvent dans les zones de réseau faible ; oscillations 7-10 Hz suite à
des défauts
• Écosse, Royaume-Uni (2020) - oscillations basse fréquence à court terme

généralement associés à des éoliennes raccordées à des réseaux faibles

3
 Contexte et objectifs
Objectif de la thèse : faire un étude de la stabilité SCIL sur les réseaux de distribution

Questions à traiter :

1. Les instabilités type SCIL observées sur des réseaux de transport peuvent-elles
également se produire sur des réseaux de distribution ?
2. Dans quelles situations les onduleurs préalablement stables deviennent-ils
instables suite au raccordement d'un autre onduleur ?
3. Comment éviter et/ou traiter ces interactions ?
4. Comment le GRD peut il agir face à ces phénomènes ?

4
 La problématique de la modélisation

Source EnR Onduleur

Poste source
Réseau de Réseau en
…

distribution amont

Source EnR Onduleur

Modèle équivalent Bus infini
Modèle IEEE Équivalent machine
Solaire PV Grid-following (GFL) Modèle basé sur des synchrone (réseau à
Éoliennes Grid-forming (GFM) données réelles fréquence variable)
Batterie Modèle multi-machine
Générique

Simulations en RMS (phaseurs, quasi-statique) pour des études préliminaires

RMS vs EMT ?
Simulations en EMT + réduction d’ordre pour la suite

5
 Etudes préliminaires : modèle RMS

&'((
Ces modules rendent
0$11 possible la reproduction des
1 PLL
e-./ PI interactions lentes dans des
s
simulations RMS
1
1+ 5 4 4
= + Boucle interne
de réglage de
courant

= +- PI
!"# 2
= + − 1
$!"# Q(U) 2
= + + 1+
+- PI
1 =−
3 3
1+ %

Interface en source de tension 6

 Etudes préliminaires : modèle RMS

:
67 9

6 6@
…
8 =>. ;>
…

6; < A

G, H
< Réseau
, , &'(( , ∀D ∈ F
G, H , ∀D ∈ F

7
 Stabilité petits signaux

# chaque onduleur
R
ΔQ = S ΔQ + TUV ΔWU + TXV ΔyXV + B[ Δ\
#
linéarisation ΔQ G>]
#
I$11 ΔWU = FU ⋮
$JKL 9<: ΔQ G>_
9 = =
MJKL K : 9 ΔQ G>] ΔQ ;>]
ΔWXV = FXV ⋮ ΔQ G>] ΔQ G>]
ΔQ G>_ ΔQR = S ⋮ + T` ⋮
0$11 = ΔQ ;>_ ΔQ G>_
9
9 en regroupant ΔQ G>_
9
les onduleurs
O =
$!"# T` (74 G b;) = TUV FU + TXV FXV
N9 =
!"# 9 dR = e f Les valeurs propres de la matrice A nous
donnent la stabilité en petits signaux
8
 Résultats
1 onduleur raccordé à un bus infini
> 6g
67

8 A

6g
On peut jouer sur 6g pour affaiblir le point de
raccordement (réduire le rapport de court-circuit)

Deux paires de valeurs-propres s’approchent de l’instabilité lorsque le point de raccordement est affaibli
9
 Résultats
2 onduleurs raccordés à un bus infini
67 7

8 6g
>

64 4 A

Comportement similaire au cas précédent, mais un des paires s’approche plus rapidement de l’instabilité
10
 Résultats
2 onduleurs raccordés à un bus infini : facteurs de participation pour la valeur propre la
plus instable
Les états les plus
participatifs :
• PLL
• Mesures
• Réglage de courant

Les paramètres les plus

pertinents :
• Gains de réglage
• Impédances de liaison
• Impédance du réseau

11
 Résultats
Deux onduleurs raccordés à un bus infinie : des oscillations non prévues
Onduleur 1
6g Onduleur 1
>

~ >
6g

Par. Value ~
A
Tm = Te 5ms
A
Tp = Tq 1s
Zi j0.02 pu
~
Onduleur 2
i%jkk 85 6g = 1.8 + j 2.5 pu
i jkk 3800 Réseau équivalent
i%V 1.1
iV 18

12
 Résultats
Deux onduleurs raccordés à un bus infini : des oscillations non prévues

Lorsqu’on rajoute un deuxième onduleur, sans modifier aucun paramètre, le même système se rapproche
de l'instabilité, entraînant des oscillations.
13
 Vers un onduleur « grid forming »
Filtre Réseau Question : comment
l commander l’onduleur
pour injecter ∗ ?
∗ VSC
Consignes de ∗ 6 6g
puissance ∗
l lg
Commandes
MPPT
Q(U), tan p

= cos p − r =
g
sin r
1er choix : 2ème choix :
g
∗
1. Mesurer l et décider l à ∗
1. Décider l à imposer
injecter ∗
∗ ∗
2. Imposer pour en avoir ∗ et r ∗ au
2. Imposer
Grid following injecter l
pour(GFL) Grid
point de forming (GFM)
raccordement
3. Assurer la synchronisation en 3. Assurer la synchronisation en
mesurant l’angle de l mesurant l’injection de puissance
14
 Les onduleurs GFL vs GFM

Filtre
l
Boucle externe Boucle interne
VSC
∗ ∗ D ∗ ~ 6
( ) Réglage de ~
2
3
∗ ( ) (ou ) xy} l
Consignes de D∗ Réglage de z{|
∗ ∗
puissance Réglage de &
MPPT
Q(U), tan p D
PLL D
@•
Mesures

L vw! , L vw! , $, M

& xy
}z{|

O ,O ,9 ,9

15
 Les onduleurs GFL vs GFM

Filtre
Boucle externe Boucle interne l
∗ VSC
6
€∗ Réglage de &
∗
Consignes de ∗ xy} l
∗ ~ z{|
puissance ∗ 2
Réglage de Réglage de ~ 3
MPPT r~
Q(U), tan p ~
~
Mesures

L vw! , L vw! , $, M

& xy
}
z{|

O ,O ,9 ,9

16
 Les onduleurs GFL vs GFM
?
Questions à se poser sur
Onduleur GFM : « grid forming » l’onduleur GFM :

1. Source de tension 1. Quel est l'impact d’un

Onduleur GFL : « grid following » 2. Synchronisation via boucle de onduleur GFM en termes
puissance active (sans PLL, d'instabilités type SCIL ?
1. Source de courant l’onduleur n’est pas exposé à la 2. Un modèle RMS est-il
2. Synchronisation via PLL problématique de réseau faible) capable de reproduire
(exposé à la problématique de 3. A priori, la tension DC est réglée ces interactions ?
réseau faible) par un autre convertisseur 3. L’onduleur GFM est-il
3. Capable de régler la tension DC 4. Capable de faire le « black- capable de solutionner
4. Ne fait pas de « black-start » start » les problèmes de stabilité
5. N’est pas adapté aux réseaux à 5. Adapté aux réseaux à faible SCIL observés pour les
faible inertie inertie onduleurs GFL ?

17
 Conclusions et perspectives
Les instabilités type SCIL observées sur des réseaux de transport peuvent-elles
également se produire sur des réseaux de distribution ?
Selon les études préliminaires : oui !

Dans quelles situations les onduleurs préalablement stables deviennent-ils instables

suite au raccordement d'un autre onduleur ?
Des cas de figure ont été identifiés

Il faut encore…
1. Valider les résultats préliminaires en les comparant aux simulations en EMT.
2. Développer davantage l'analyse pour inclure les onduleurs GFM.
3. Analyser des différentes configurations du réseau de distribution.
4. Essayer d’identifier des configurations « fragiles », à savoir des situations qui peuvent entrainer des
oscillations non prévues.
5. Si possible, inclure d'autres méthodes pour évaluer la stabilité.

18
 NOS PARTENAIRES

MÉCÈNE

LABORATOIRES ASSOCIÉS

ECOLES ASSOCIÉES

19
 Evolution du mécanisme
de délestage fréquence-métrique
Barnabé POTEL
Encadrants G2ELab: Vincent DEBUSSCHERE & Florent CADOUX
Encadrants Enedis: Laëtitia de ALVARO-GARCIA & Sébastien GRENARD puis
Guillaume PELTON
 Contexte
• Relais de protection fréquence-métriques (UFLS): le dernier recours!
• “Network Code on Emergency & Restoration” – novembre 2017
=> Nouvelles contraintes réglementaires pour le délestage de
charge

• Thèse (2016 et 2019) dans le cadre de la Chaire Smart Grids sur

l’implémentation de ce nouveau schéma UFLS chez Enedis et les
études théoriques de l’impact de l’intégration des ENR sur ce
schéma

• Force du travail: mise à disposition d’un gros volume de donnée

(courbes de charges de plus de 20 000 départs, sur 2 ans, avec un pas de temps de 30
minutes)

2
Plan de délestage historique
Système électrique français:
2000+ postes-sources
20 000+ départs

20% de charge par échelon

3
 Problématique
• Quel ʺmixʺ pour assurer
l'objectif à délester à tout
instant ?

• Quelle charge est délestée?

(départs mixtes – impact du
PV)

• Comment assurer un objectif

fixe à délester avec une charge
qui varie?

4
Objectifs du travail
• Intégrer les obligations réglementaires du NCER
avec les contraintes opérationnelles d’Enedis
concernant les relais

• Implémenter des plans de délestages permettant

les meilleures performances fréquentielles;

• Donner des bornes limites dans lesquelles la

charge allouée peut varier.

• Anticiper l’intégration de relais plus évolués

(mesurant par exemple le ROCOF ou permettant
une allocation à distance et régulière)

5
Allocation « traditionnelle »

Départs alloués en considérant leurs consommations à un instant de

l’année 6
Allocation clustering

Allocation optimisée en fonction de la courbe de charge de chaque

départ 7
Résultats marquants

• Méthode traditionnelle, moyenne et clustering

• Allocation à l’échelle nationale, régionale et
départementale
• Création des échelons
• Ré-allocation avec différentes périodes
• Délestage multi-critères

8
 Transfert de la recherche vers
l'industrie
• Court terme
• Problématique: répondre aux contraintes réglementaires à échéance de 2022
• Choix du « quinconçage ». Travail effectué sur 2021 et implémenté sur 2022
• Permet d’utiliser les contrôle/commande existant dans les postes sources en
attendant le déploiement complet des contrôle/commande numériques
• Moyen terme
• S’approprier la méthode d’optimisation pour le classement des départs (elle a été
présentée et validée en interne) et la mettre en regard des outils d’Enedis
• Long terme
• Ré-évaluation des besoins lors du passage complet des ~2500 postes sources
en contrôle/commande numériques

9
 Conclusions
• Un travail de thèse reconnu par :
• La communauté scientifique → 2 papiers et 3 conférences internationales
• Le partenaire industriel → appropriation à moyen/long terme par Enedis
• La communauté Smart Grids → Prix Think Smart Grids
• Les partenaires académiques → séjour de 3 mois à l’Université de Ljubljana, Slovénie.
Collaboration qui continue sur des sujets connexes
• Contributions principales
• Considérer des contraintes réalistes sur des données réelles volumineuses
• Méthode de clustering pour une solution efficace et accessible
• Fréquence de la période d’allocation sur les échelons
• Etude prospective intégrant des mesures supplémentaires pour le délestage (ROCOF)
• Perspectives
• Robustesse d’un plan de délestage à un ensemble de perturbations probables
(stochastique)
• Simulations liant réseaux de transport et distribution (jumeaux numériques?), identifier
des parties vulnérables du réseau

10
 NOS PARTENAIRES

MÉCÈNE

LABORATOIRES ASSOCIÉS

ECOLES ASSOCIÉES

11
Nouveaux travaux initiés
dans la chaire
Marie-Cécile ALVAREZ-HERAULT
Titulaire de la chaire SmartGrids
 Travaux R&D en basse tension
Fonctionnement des réseaux BT îlotés:
Black-start et fonctionnement stable d’un
réseau BT isolé en utilisant les productions EnR

Jane Marchand
 Fonctionnement des réseaux BT îlotés
Contexte et objectifs
Aujourd’hui
Acheminement d’un groupe électrogène
Alimentation par le groupe électrogène
Portion de réseau non
alimenté (découplage
+ anti-îlotage)

Réalimentation autonome en mode îloté

Fonctionnement en mode îloté
Objectifs de la thèse
 Réduction du temps de coupure Sans batterie Avec batterie
 Augmenter la résilience des villages
 Amélioration du bilan carbone
 Fonctionnement des réseaux BT îlotés
Défis scientifiques et techniques
? GFM ?
GFL f, V
GFM GFM ?
support
GFM

Challenges
• Proportion de GFL/GFM
• Coordination
• Fonctions support & black-start
• Réseau déséquilibré
• Equipement de protection
Diesel
• Protection anti-îlotage
• Facilité d’implémentation Unbalanced abc

sur des onduleurs commerciaux GFM

• Bilan des bénéfices GFM
ISC ?

?
 Travaux R&D en basse tension
Dispositifs innovants en électronique de puissance pour
les services réseaux basse tension en présence d'un fort
taux d'énergies renouvelables et de véhicules électriques

Sabine Vieira
 Dispositifs innovants en EP
Contexte et objectifs
• Développement production PV et VE en BT→ augmentation
des sur/sous-tensions locales et perturbations harmoniques
sur le transformateur HTA/BT

Solution actuelle Solution étudiée

• Changement de la prise du Emulation du fonctionnement
régleur hors charge (rare) d’un régleur en charge grâce à
• Renforcement des convertisseurs de puissance
 Dispositifs innovants en EP
Défis scientifiques et techniques
• Objectif principal : régulation de tension BT
• Respect des normes applicables aux réseaux basse tension
• Compatibles avec le plan de protection
• Versatiles ou configurables pour s'accommoder à diverses situations
• Résilients aux pannes et indisponibilités
• Respectent une contrainte de compacité
• Economiquement compétitifs par rapport aux solutions traditionnelles
(approche TOTEX)
 Travaux R&D sur l’IA
Apports des mesures des compteurs Linky pour une
meilleure connaissance des charges du réseau de
distribution

Guilherme Ramos Milis

 Apport des données Linky
Contexte et objectifs
• De nombreuses données disponibles grâce aux compteurs
Linky
• Index journalier de consommation et production
• Puissance maximale horodatée
• Evénements de (non) qualité de fourniture
• Courbe de charge au pas de temps 30 minutes (si accord du client)
• Objectifs des travaux de recherche
• Utilisation de ces nouvelles données couplées à d’autres données
publiques pour améliorer la connaissance des charges du réseau de
distribution
• Impacts sur les méthodes de dimensionnement et d’exploitation du
réseau
 Apport des données Linky
Défis scientifiques et techniques
• Identification de cas d’usage pertinents
• Thermosensibilité
• Evolution des comportements
• Scénarios de planification
• Foisonnement en BT
• Développement d’algorithmes d’analyse de données
• Traitement d’une quantité de données importantes (« big data »)
• Nettoyage et sélection des données
• Couplage de modèles théoriques avec des modèles issus des
données
 Travaux en lien avec la formation

MOOC ESCAPE GAME

• Maintenance Saurez-vous anticiper l’arrivée
• Nouvelles séquences massive d’ENR et de VE à
• Expérimentales horizon 2050?
• Intelligence artificielle pour la
distribution
 Session café-posters
• Présentation des chaires SmartGrids et IA-Energie

• Travaux des doctorants/post-doctorants de la chaire SmartGrids

• Projet aVEnir (Khaled Hajar et Antoine Labonne)

• Posters invités sur des thématiques d’intérêt pour la distribution de

l’avenir
• Courant continu (Heitor Farias De Barros)
• Système à faible inertie (Fadi Kelada)
• Microréseaux temporaires sans batterie (Candela Utrilla Bustamante)
• Intelligence artificielle (Hassan Issa)
 NOS PARTENAIRES

MÉCÈNE

LABORATOIRES ASSOCIÉS

ECOLES ASSOCIÉES

13
 Applications “smart grids” de
l’infrastructure de comptage
communicant :
Une approche expérimentale
Ali HAMDAN
Encadrants G2ELab/LIG: Florent CADOUX, Christophe BOBINEAU
Encadrants Enedis: Cédric CHAUVENET, Abdallah TOUIL

1
 Contexte générale

• Décarbonation
• Décentralisation
• Digitalisation

2
 Objectifs

• Ancien système
• Système actuel
• Système futur

 Renforcement

 Flexibilité

3
 Approches utilisées

• Comment?
En utilisant la télérelève en réseau fixe (AMI: Advanced Metering Infrastructure)

L’AMI nous offre:

 Réseau de télécommunication
 Capteurs électriques
 Actionneurs

Nouvelles technologies qui

 Augmentent la complexité du
système électrique
 Besoin de bien tester et
valider

4
 Exigence cruciale: capturer les effets
électrotechniques et les effets “TIC”
Fidélité à la
réalité TIC Outil manquant:
Plateforme « réel »
Labo télécom
Réel

TIC/élec

Simulation Co-simulation
télécom réseau élec /
Simulé

réseau télécom

Simulation réseau Labo électrotechnique

(case vide)
Ignoré

électrique standard
Fidélité à la réalité
électrotechnique
Ignoré Simulé Réel
5
 En quelques mots…

• Il serait très utile de disposer d’une plateforme expérimentale :

o dédiée à la modélisation “cyber-physique” des smart grids
o utilisant au maximum des éléments (composants physiques et
logiciels) réels, et non pas des abstractions de ces éléments

… et qui soit suffisamment générique pour rendre possible le

prototypage rapide d’une grande diversité d’applications smart
grids

6
 Plateforme expérimentale
Réseau électrique Consommation / Usagers Réseau télécom Contrôle
Production
Simulé Simulée Simulés Simulé
(load-flow) (modèles) (scénarios (1. Simple:
prédéfinis) communication parfaite
2. Élaboré: simulation
de paquets, trames…)
En labo En labo En labo En labo
(lignes émulées) (appareils physiques (Interactif via (CPL, Modbus…)
qui consomment / Interface Homme-
produisent Machine IHM)
l’électricité)
Réel Réelle Réel Réel Réel
(installation (AMI, LAN)
électrique)

7
Plateforme expérimentale: un prototype

8
Plateforme expérimentale: schéma
simplifié

9
 Cas d’usage

• Application ciblée:
Gestion coordonnée des congestions en tension en utilisant le réseau
CPL d’AMI
• Objectifs:
Prise en considération, conjointement, des aspects électrotechniques et
des aspects télécoms: l’effet des conditions de la communication sur le
contrôle
• Scénario:
Un réseau BT avec une forte pénétration de photovoltaïque
 Contrôle de la tension par l’effacement de la puissance produite: P(U)

10
 Scenario en 4 étapes : Etape I
Pas de contrôle (scénario de référence)

11
 Scenario en 4 étapes : Etape II
Contrôle simple, communication normale

12
 Scenario en 4 étapes : Etape III
Contrôle simple, communication dégradée

13
 Scenario en 4 étapes : Etape IV
Contrôle avancé, communication dégradée

14
 Conclusions et perspectives

• Conclusion:
Identification de quelques défis futurs des smart grids
Conception et implémentation d’une plateforme expérimentale pour
tester des mécanismes de pilotage et de supervision de smart grids
Développement et test d’un contrôle de tension basé sur l’AMI et la
flexibilité de production photovoltaïque
• Perspectives possibles
Amélioration de la plateforme (réseau triphasé, logiciel standardisé,
etc.)
Test sur d’autre cas d’usage de pilotage et supervision
Test du contrôle proposé dans un réseau réel

15
 NOS PARTENAIRES

MÉCÈNE

LABORATOIRES ASSOCIÉS

ECOLES ASSOCIÉES

16
Résilience théorique et
pratique du CPL‑G3
en situation dense et
face à de nouveaux usages
Henry-Joseph AUDÉOUD
Nicolas GAST (LIG)
Abdallah TOUIL (Enedis)

Mai 2022
Contexte et objectifs

2
 Contexte et objectifs — CPL
Courants Porteurs en Ligne

Signal transporté sur le câble de distribution d’électricité
—
même câble, mais pas la même fréquence (10–100 kHz)

Pareil que l’ADSL, mais sur un canal bien plus difficile

ADSL 3
Contexte et objectifs — CPL‑G3

ITU-T G.9903

4
Contexte et objectifs — CPL‑G3

5
Contexte et objectifs

6
 Contexte et objectifs

Quelles limites actuelles à l’utilisation du réseau télécom ?
—
Limites à l’échelle du réseau entier
—
Contraintes à l’échelle d’un transmetteur

Décongestion des grandes grappes ?

Stabilité du réseau avec de nouveaux usages ?

Validité de l’outil d’étude ?

7
 Approche utilisée
Théorie

Modèle théorique
Étude en simulateur

Étude en laboratoire

Expérimentations terrain
nSim
Pratique

Déploiement en production

8
Approche utilisée — en laboratoire

SmartLab

9
 Résultats marquants

a) Simulation & expérimentation

b) 4 facteurs explicatifs de la durée de collecte
c) Prédiction possible

10
Résultats marquants —
durée de collecte, cause 1

11
Résultats marquants —
durée de collecte, cause 2

12
Résultats marquants —
durée de collecte, cause 3

13
Résultats marquants —
durée de collecte, cause 4

14
 Conclusion et prochaines étapes

• Le CPL-G3, un réseau télécom sur le réseau de distribution,

—
pour gérer la grille grâce à la grille
—
déployé à grande échelle
—
mais soumis à un environnement difficile
• La simulation et l’expérimentation en laboratoire
—
deux outils complémentaires
—
mécanismes expliquant la durée de la collecte des compteurs

15
 Conclusion et prochaines étapes
Comment gérer de façon fiable les
grappes les plus difficiles et chargés ?
Diviser pour mieux régner ?

16
Résilience théorique et
pratique du CPL‑G3
en situation dense et
face à de nouveaux usages
Henry-Joseph AUDÉOUD
Nicolas GAST (LIG)
Abdallah TOUIL (Enedis)

Mai 2022

Merci !
Source of images: G-INP, Enedis,
G3-PLC alliance, Neuron
Annexe : collisions groupées
 Annexe : formule de prédiction
D =N hops × ( D ( data ) )
8PSK
⏟
Trames de données

+N × ( −D 8PSK
( data ) + D ( TMR ) )
+ D robuste
⏟ TMR ( data )

Gestion des liens

N RREQ × ( D(RREQ) + adpRREPWait+ D (RREP) )
+⏟
Établissement des routes
+⏟
N FAIL × ( adpNetTraversalTime )
Échecs de relève
Dynamic profile estimation with AI
Production - demand ≈ 0
Golden
rule

Chaire SmartGrids: Amr ALYAFI

Encadrants G2ELab: Benoit DELINCHANT
Enedis: Pierre CAUCHOIS, Alain BERGES, Jérémie MERIGEAULT

1
 Context and objectives
Prevision - Real consumption at 13h
58200 - 57208 ≈ 1000 MW

About 1 GWh of energy is wasted in one hour

Price of 1MWh is 143 € from RTE

Lost is: 143 k€ in one hour
3 432 k€ a Day

0.34 kg CO2/kWh from coal **

340 tons of CO2 in one hour
8160 tons of CO2 a Day
≈ 8000 planes round trip Paris / NewYork

Data from RTE (Electricity transmission system in France)

** [Link] 2
 Context and objectives

• Being able to estimate the cost consumption is very important to:

o Prevent the blackout by matching the energy production/consumption.
o Reduce the waste of energy.
o Optimize the production mix to reduce the CO2 emission

• Understanding that the consumption estimation is hard because it depends on

the weather forecast and on humans’ activities and interests.

• Our solution will use the AI technics in addition to social data to enhance the
energy consumption estimation on the national level.

3
 Proposed Approach
• Collecting relatively important data from the social media and public data (like major events) to
improve our models’ prediction.
• These data are added to the weather forecast data to improve the estimation

? Typical consumption profile

4
 Acquiring social data
• Around 12 million french users of Twitter and around 50 million Tweets per day.
• In the period between 2014 and 2019 (our data set) we need to collect more than 608 TB of data.
• No direct access to social data because of RGPD and other reasons.

How & When & which?

5
 Acquiring social data
• Scrapping tool to collect the data
(to answer How to get data).

take time

• Deploying different tools and algorithms to reply to

when and what data to collect.
6
 Collected data
more than 100 million of tweets were collected

Number of
tweets
per hour

Date / time 7
 Collected data
182 Events were detected and labeled
Coupe du monde
Le grand débat
Rio 2016
The voice
Sport Politics Gilets Jaunes
Marathon de Paris Fort boyard
Charlie Hebdo
Roland garros
Tournoi des 6 nations Top chef

Game of throne
Tele foot
Carême Marche pour le climat
Pentecôte
Fête de la musique
Ascension
Religion Nuit blanche
chandeleur Culture
Pâques Apple event
8
 Example of collected data
Event : Top chef

Number of
tweets
per hour

We can also notice that people

Date / time are losing interest in this event.

9
 Example of collected data
Event : Gilets Jaunes

Number of
tweets
per hour

Date / time

10
 Example of collected data
Event : Le Grand Débat

Number of
tweets
per hour

Date / time

11
 Important results
Training set : From 2014 to 2018
Max ERROR RMSE Validation set : Whole 2019

Linear 40.3 % 0.9 %

Regression Improve the max error by 25%
XGBoost 37.4 % 0.9 % Improve the RMSE by 88%

LSTM 31.0 % 0.1%

Max ERROR RMSE

Linear 27.9 % 0.8 %

Regression
Improve the max error by 33 % XGBoost 34.2 % 0.8 %
Improve the RMSE by 88%
LSTM 27.1 % 0.1%
RMSE : Root Mean Square Error
12
 Conclusion and future work

Development of algorithms based on artificial intelligence techniques to :

- Identify the social events that have the greatest impact on electricity consumption.
- Improve the accuracy of the national consumption profile forecast (up to 88%)

Upcoming work :

- Continue to detect new events.

- Optimise the proposed method to improve the estimation.
- Apply the proposed solution at the regional and city levels.

13
 NOS PARTENAIRES

MÉCÈNE

LABORATOIRES ASSOCIÉS

ECOLES ASSOCIÉES

14
 Contrôleur basé sur
l'intelligence artificielle
pour les générateurs à base
d'onduleur de type Grid-Forming
Hassan ISSA
Encadrants G2ELab: Vincent DEBUSSCHERE, Lauric GARBUIO,
Nouredine HADJSAID
Encadrant LIG : Philippe LALANDA
1
 Contexte
Système énergétique
décarboné, économique et
fiable

Intégration de production
décentralisée à base d’énergie
renouvelable
Intégration des générateurs à base
d’onduleur

Nouvelles méthodes de contrôle requises

Contrôleur basé sur

l’IA

2
 Problématique et objectifs
Les méthodes
Ne nécessite pas de modèle
conventionnelles nécessitent
complexe (data-driven).
des modèles complexes.

Les contrôleurs basés sur un Objectifs & Capacité de fonctionner dans

Problématique
modèle ne sont pas adaptatifs. attentes différents environnements.

La stabilité du réseau
doit être conservée.

3
 Génération des données
Pourquoi générer des données?

Approche de l’IA => Apprentissage supervisé => Données d’entrainement sont

nécessaires

Générateur synchrone virtuel

(Moulichon et al., 2021)

Technique d’IA

4
 Cas d’application
V, I Load
VLoad
V, I Inverter

RMS & abc to θcalculated

Frequency dq
Calculation DC Load 1
Load 2
Measurements Load 3
AC
Gate Signals
Vrms, f

Duty Ratios dq to αa,b,c

PWM
(dq) abc
+ Errors
- Entrées
ωr
Mesures du système
Valeurs nominales (230V, 50 Hz)
System Target AI-based Θ
Values calculation
Erreurs (mesures – valeurs nominales)
Controller θcalculated
Sorties
Rapports cycliques (en DQ)
Vitesse angulaire du rotor de machine
virtuelle
5
Entrainement et implémentation
Entrainement Implémentation

6
 Résultats et observations
Déviation de Fréquence (IA vs VSG)

1,3 Hz

0,05 Hz

L’erreur de la fréquence par rapport à sa valeur nominale est minime.

Le VSG n’a pas restauré la fréquence à 50 Hz.
Stabilité du réseau conservée.

7
 Résultats et observations
Déviation de Tension (IA vs VSG)

10,97 V

6,89 V

L’erreur de la tension par rapport à sa valeur nominale est minime.

Le contrôleur basé sur l’IA réagit plus rapidement.
Le contrôleur basé sur l’IA est plus stable et robuste.

8
 Conclusions et prochaines étapes

Conclusions Prochaines étapes

Le contrôleur à base d’IA est fonctionnel et présente des

intérêts par rapport au contrôleur conventionnel: Implémentation de l’apprentissage par
renforcement => apprentissage via
- Les erreurs entre la fréquence et la tension et leurs l’interaction avec l’environnement.
valeurs nominales sont minimes
- Le contrôleur basé sur l’IA réagit plus rapidement

Complexification du réseau
(sources, onduleurs)
L’adaptabilité est limitée car l’approche adoptée est
l’apprentissage supervisé.

9
 Merci pour
votre attention!

10
 Annexe
Couche d’entrées (16 neurones)
Type:
4 neurones: Tension et courant à la charge
Sequential Feedforward (DQ)
4 neurones: Tension et courant à l’onduleur
(DQ)
1 neurone: Fréquence
1 neurone: Vitesse angulaire mesurée du
rotor de machine virtuelle
1 neurone: Tension de phase requise ( 230V
RMS)
1 neurone: Fréquence requise (50 Hz)
3 neurones: Erreurs entre les tensions
mesurées et la tension requise
1 neurone: Erreur entre la fréquence mesurée
et la fréquence requise
Couches cachés
3 couches cachés (128 neurones chacun)
Couche de sorties (3 neurones)
2 neurones: Rapports cycliques (en DQ)
1 neurone: Vitesse angulaire du rotor de 11
machine virtuelle