Des chercheurs européens présentent une stratégie de contrôle basée sur l’IA pour rendre les systèmes de distribution plus adaptatifs aux fluctuations de tension des énergies renouvelables.
Une équipe de recherche de l’Institut royal de technologie de Stockholm (KTH) en Suède a créé un algorithme d’apprentissage automatique capable de réagir rapidement aux problèmes de régulation de la tension causés par les énergies renouvelables intermittentes dans les réseaux de distribution.
L’algorithme cible les inconvénients principaux de la transition rapide mondiale vers les énergies renouvelables. Par nature, les panneaux solaires photovoltaïques (PV) et les éoliennes sont variables et ne fournissent de l’électricité que lorsque le soleil et le vent sont présents. Cette intermittence a des effets indirects sur les réseaux électriques, notamment une baisse des performances, des fluctuations continues de tension qui dégradent les équipements électriques, ainsi que des problèmes de sécurité pouvant entraîner des pannes ou nécessiter des mesures d’urgence pour réduire la charge.
Panneaux solaires. Image utilisée avec l’aimable autorisation de Pexels
L’augmentation continue des systèmes de recharge de véhicules électriques connectés au réseau électrique cause également de l’instabilité. La demande de recharge varie en fonction des habitudes et des besoins des propriétaires de véhicules électriques, ce qui entraîne des fluctuations stochastiques qui impactent la qualité et la stabilité de l’alimentation électrique.
Les chercheurs de KTH ont imaginé une méthode d’apprentissage automatique pour contrôler les systèmes de distribution à l’aide de convertisseurs d’énergie intelligents. La solution repose sur l’apprentissage par renforcement profond (DRL), où des agents computationnels prennent des décisions par essai-erreur à partir de données d’entrée non structurées.
L’un des auteurs de l’étude, Qianwen Xu, assistant professeur à KTH, a résumé l’objectif du projet. Image utilisée avec l’aimable autorisation de Power Circle
L’équipe a démontré lors de tests que leur algorithme pouvait contrôler de manière autonome des ressources énergétiques distribuées interconnectées par des convertisseurs d’énergie intelligents. De plus, l’approche d’apprentissage profond régulait son processus d’apprentissage pour les actions qui enfreignent les contraintes.
Contrôle de la tension dans les réseaux de distribution d’énergies renouvelables
La solution DRL cible les convertisseurs d’énergie profonds dans le réseau. Les chercheurs voulaient développer un contrôle décentralisé capable de coordonner et d’optimiser en toute sécurité des sources d’énergie à grande échelle, tout en gérant simultanément les fluctuations subites sans communication en temps réel.
Les méthodes de contrôle centralisées existantes peuvent aider à la régulation de la tension, mais elles entraînent des problèmes supplémentaires. Étant donné qu’elles nécessitent des calculs et des communications rapides, elles ne peuvent pas assurer un contrôle de tension en temps réel pour les énergies renouvelables fluctuantes.
Les méthodes de contrôle de tension distribuée sont une autre option, mais leurs calculs en temps réel ont encore des exigences élevées en matière de communications système.
En revanche, les méthodes décentralisées peuvent réagir rapidement aux fluctuations et ont des exigences de communication faibles puisqu’elles fonctionnent uniquement avec des informations locales. Cependant, la plupart des méthodes sont basées sur un contrôle en pente linéaire et ne peuvent donc pas contrôler de manière optimale les systèmes de distribution non linéaires. Elles pourraient également entraîner des violations de la sécurité dans les opérations du système.
Cadre multi-agents KTH pour DRL. Image utilisée avec l’aimable autorisation des auteurs de l’étude (Figure 2, Page 5)
Conscients de ces lacunes techniques, les chercheurs ont développé un algorithme DRL multi-agent pour éliminer les inconvénients des méthodes existantes.
Algorithme de contrôle décentralisé
Les chercheurs ont testé l’algorithme dans un système de distribution de 33 bus IEEE modifié et ont comparé les résultats avec les méthodes centralisées et décentralisées. À l’aide d’un nouvel outil de synchronisation des données, ils ont validé sa capacité à fournir un contrôle optimal dans les limites physiques, avec une sécurité à 100% et sans communication en temps réel. Ces avantages le rendent flexible pour une application pratique.
Les chercheurs ont pu garantir une sécurité à 100% car le modèle a été formé pour limiter l’espace d’action de l’agent DRL aux contraintes physiques du système de distribution.
L’algorithme multi-agent. Image utilisée avec l’aimable autorisation des auteurs de l’étude (Page 5)
La technologie a été démontrée sur une plateforme matérielle de microgrille intelligente. Les chercheurs ont validé le système de gestion décentralisée pour répondre rapidement et fournir une tension constante dans les limites requises. Cela contraste avec les méthodes de contrôle centralisées, qui ne sont pas assez rapides pour gérer les fluctuations continues des énergies renouvelables et des systèmes de recharge de véhicules électriques.
L’étude a comparé le profil de tension de l’algorithme et les courbes de pertes de puissance avec les méthodes existantes et a constaté des pertes de puissance minimales et aucune violation de sécurité de la tension. Contrairement aux méthodes concurrentes, la mise en œuvre décentralisée ne nécessitait pas non plus de communication en temps réel.
Comparaison des pertes de puissance pour les méthodes existantes de DRL décentralisé (à gauche) et de contrôle centralisé (à droite). Image utilisée avec l’aimable autorisation des auteurs de l’étude (Figures 19 et 21, Pages 9-10)
Le logiciel open-source est disponible sur GitHub.