Des scientifiques ont créé un modèle pour mesurer la rapidité de récupération d’un micro-réseau après une perturbation.
Les micro-réseaux sont devenus des réseaux idéaux pour connecter diverses sources d’énergie, telles que les sources renouvelables et les systèmes de stockage, avec une grande flexibilité et un contrôle optimal. Si des protocoles de gestion efficaces sont mis en œuvre, les micro-réseaux peuvent optimiser le réseau d’alimentation en énergie, la charge et le stockage d’énergie, tout en contrôlant facilement les opérations.
Cependant, à mesure que la demande énergétique augmente, les micro-réseaux font face à des défis techniques tels que des dysfonctionnements, des pannes de courant, des commutations de charge et des capacités de secours. Les perturbations extérieures, comme les conditions météorologiques, peuvent également mettre les micro-réseaux sous tension. Ces problèmes peuvent compromettre la résilience des réseaux, c’est-à-dire leur capacité à se rétablir après une perturbation pour continuer leurs opérations normales.
Des chercheurs de l’Université de Wuhan en Chine ont développé des stratégies de résilience pour améliorer les méthodes d’analyse actuelles et construire des micro-réseaux plus robustes capables de rebondir rapidement après des perturbations.
Ressources de micro-réseau en Californie. Image fournie par le Consortium for Electric Reliability Technology Solutions
Défis des Stratégies Actuelles d’Analyse de la Résilience
Mesurer la résilience du système d’énergie inclut l’analyse des facteurs l’affectant et l’évaluation de sa performance durant les perturbations. L’analyse des stratégies de résilience implique d’examiner le degré et la vitesse de dégradation de la performance du système et de mesurer le temps de récupération de la résilience du système.
Les stratégies de résilience doivent considérer à la fois les indicateurs statiques et dynamiques au sein du système. Les indicateurs statiques incluent la vulnérabilité des nœuds clés et la connectivité de la structure topologique du système, tandis que les indicateurs dynamiques quantifient la capacité de réponse en temps réel du système face à des événements extrêmes.
Les stratégies et méthodes d’analyse actuelles pour améliorer la résilience des micro-réseaux reposent sur l’utilisation d’une grande quantité de ressources de configuration. Cela inclut la sélection des sites de stockage d’énergie, la reconstruction des réseaux, l’ajustement de la capacité, et la conception des systèmes de commutation de charge et de réponse à la demande.
Cependant, comme les micro-réseaux contiennent différentes sources d’énergie, charges, et architectures, il est difficile de les analyser avec précision d’un point de vue pratique et réaliste.
De plus, de nombreuses méthodes utilisent des protocoles de contrôle d’urgence pour replanifier le mode de fonctionnement après une panne de réseau. Cependant, pendant ces périodes, un déséquilibre énergétique peut entraîner des préoccupations de sécurité et l’incapacité de rétablir en toute sécurité le fonctionnement normal du réseau. Ces facteurs techniques limitent l’efficacité de nombreuses stratégies d’amélioration de la résilience des micro-réseaux.
Un Nouveau Modèle pour Pallier aux Lacunes de l’Analyse de Résilience
Les méthodes actuelles d’analyse de la résilience se concentrent sur les indicateurs systémiques, mais les chercheurs chinois ont étudié les méthodes de mesure pour améliorer la résilience d’un point de vue qualitatif et quantitatif.
Les perturbations imprévues au sein des micro-réseaux affectent le système de réseau plus large et la performance du réseau. Examiner la résilience du réseau à travers les seuls paramètres inhérents de base du système est insuffisant pour évaluer la performance du réseau après une perturbation ; l’ensemble du processus et les incertitudes du système doivent être évalués.
Les chercheurs ont examiné l’impact des perturbations du système, qu’ils ont appelées « pannes », et le processus de récupération de ces pannes. Pendant le temps entre l’occurrence de la panne et la récupération de la performance post-panne, le système de réseau subit des changements de paramètres. Les chercheurs ont utilisé ces changements de paramètres dans les composants du réseau pour quantifier le processus de développement de la résilience du réseau. Contrairement à d’autres méthodes, cela a conduit à un modèle d’analyse de mesure détaillé pouvant fournir un résultat quantitatif.
Analyse de la résilience des réseaux. Image fournie par les auteurs
Les scientifiques ont utilisé une méthode d’analyse de sensibilité pour examiner en détail les paramètres dans des conditions variables. Cela leur a permis d’étudier l’influence des paramètres sur la fiabilité du réseau. L’approche a permis aux scientifiques d’ajuster les paramètres pour modifier et améliorer la résilience du système.
L’analyse de sensibilité a examiné la relation entre les composants et les configurations de paramètres pour construire la résilience globale du système. Les chercheurs ont pu évaluer l’importance de chaque composant. Parmi les paramètres spécifiques qu’ils ont analysés pour la résilience figuraient le taux de défaillance et de réparation, la performance post-défaillance, la performance post-réparation, le temps de réparation et le temps moyen entre les pannes. L’analyse a également pris en compte les défis liés aux connexions de réseaux éoliens et photovoltaïques.
L’analyse a révélé que certains changements de paramètres, comme le taux de réparation, avaient un impact positif sur la résilience du réseau. Cependant, certains changements de paramètres, tels que le temps de réparation des pannes, avaient un impact négatif. La méthode d’analyse peut être utilisée pour proposer une stratégie d’optimisation afin d’améliorer la résilience du système tout en tenant compte des facteurs économiques lors de l’ajustement des paramètres du réseau.
Le temps de récupération était plus rapide en utilisant la méthode des chercheurs. Image fournie par les auteurs
Enfin, les chercheurs ont vérifié leur modèle en utilisant une simulation basée sur le système micro-réseau IEEE à 37 nœuds. Les résultats de la simulation ont montré que l’analyse peut mesurer la résilience d’un micro-réseau de manière scientifique et raisonnable. Les chercheurs ont constaté que les stratégies d’amélioration post-analyse mises en œuvre après les résultats ont considérablement amélioré la résilience opérationnelle du réseau, vérifiant ainsi davantage l’efficacité et la robustesse de leur méthode.
Autres Facteurs à Considérer
Les chercheurs chinois ont utilisé des scénarios pratiques pour démontrer que leur méthode est efficace pour analyser les niveaux de résilience au sein d’une configuration de réseau et mettre en œuvre les changements nécessaires pour améliorer la résilience du réseau. La méthode s’appuie sur ses prédécesseurs et prend en compte des caractéristiques plus pertinentes affectant la résilience du réseau après une perturbation. Cependant, il est rare qu’un modèle soit parfait à 100 % et considère tous les scénarios possibles. Bien que le modèle, dans sa forme actuelle, analyse efficacement la résilience des micro-réseaux, il suppose que le taux de réparation du système de micro-réseau est de 100 % après une panne, ce qui n’est pas toujours le cas. Dans les cas où la panne ne peut être entièrement réparée, la résilience du réseau sera toujours affectée d’une certaine manière. Ce problème doit être pris en compte dans la prochaine itération du modèle d’analyse.