Détection en temps réel de l'instabilité transitoire des réseaux électriques avec les mesures synchronisées de phaseur

Les synchrophaseurs egalement appeles Phasor Measurement Units, couples d'un systeme GPS, permettent de mesurer la phase du courant plus de 30 fois par seconde, soit une frequence 120 fois plus grande que celle des systemes actuels. Ils donnent la possibilite de cartographier en temps reel les phases du reseau electrique ; ce qui de toute evidence, facilite leur controle, leur surveillance, leur comprehension et leur gestion optimale. Les applications des synchrophaseurs incluent le controle etendu, la validation du modele systeme, la determination des marges de stabilite, l'optimisation de la charge pour un systeme stable, la detection d'ilotage, l'enregistrement des perturbations a l'echelle du reseau et la visualisation de la reaction dynamique du reseau. Avec cette technologie en vogue, les operateurs de reseaux disposent d'une quantite d'informations tres importante a manipuler.;La presente these a pour objectif de proposer aux operateurs de reseaux electriques une demarche systematique qui permet de predire l'instabilite des reseaux electriques en temps reel en extrayant les signatures cachees dans la masse de donnees fournies par les synchrophaseurs. Etant donne que le forage de donnees dispose d'un ensemble d'algorithmes conduisant a la construction des modeles, on exploite dans ce travail la foret aleatoire d'arbres de decision et le boosting. Ces algorithmes vont chercher un maximum de connaissances dissimulees dans les donnees.;On propose un nouveau concept pour l'etude de l'instabilite : le Centre de Puissance (COP). Cette notion est une extension du centre d'inertie et de l'approche de mesure de zone etendue et de systeme de controle de tension. Elle prend en compte les valeurs de puissances effectives du reseau deduites des mesures des synchrophaseurs. A chaque region du reseau, on associe un centre de puissance de vitesse. On constate une instabilite dans le cas ou le COP de vitesse de deux regions quelconques ne cesse de s'eloigner. On a aussi propose deux indices de detection de l'instabilite se basant sur les COP de vitesse et les mesures des synchrophaseurs. La divergence de ces indices confirme que le reseau a perdu son synchronisme. Contrairement au snapshot largement utilise dans la litterature, on propose dans cette these d'utiliser une fenetre glissante lors de l'analyse de l'instabilite. Cette derniere a comme avantages de favoriser une prise de decision en tout temps sans un detecteur de defaut au prealable et de mettre a jour la base de donnees sur l'etat du reseau avec l'arrivee de nouvelles donnees sans perdre les informations contenues dans les donnees precedentes.;Pour evaluer l'importance des predicteurs proposes dans la construction des modeles de foret aleatoire et de boosting, on considere trois scenarios. Dans le premier, on retient comme predicteurs les variables decoulant du COP, les indices proposes et toutes les variables mesurees et estimees. On constate qu'une plus grande importance relative est accordee aux predicteurs directement lies au COP et aux mesures synchrophasees dans la construction des modeles de prediction de l'instabilite en temps reel. Dans le deuxieme scenario, l'emphase est mise uniquement sur les predicteurs proposes et les mesures synchrophasees. Il resulte que les ecarts entre l'exactitude, la fiabilite et la securite des modeles de prediction obtenus dans les deux scenarios sont tres faibles. De plus, les taux de mauvaise classification et de fausse alarme se rapprochent. On en deduit que les predicteurs proposes constituent un bon compromis entre la faible perte de precision du modele et la diminution de la taille de la base de donnees sur laquelle l'apprentissage est effectue. Le troisieme scenario permet de generaliser et de demontrer que les predicteurs proposes ne dependent pas du reseau.;Finalement, on propose une nouvelle approche adaptative de mise a jour du modele de prediction. L'etat du reseau est determine par une double verification : une premiere se reposant sur le modele de la foret aleatoire initialement construit et la seconde se basant sur un boosting. A chaque boosting construit, on attribue un indicateur qui depend du poids de chacun des arbres du modele et des erreurs y relatives. Lors de la mise a jour, cet indicateur est compare au precedent et autorise ou non l'adoption du nouveau modele de prediction pour les evenements futurs.