mesures non-intrusives pour l’amélioration des smart grid ... · • elle est jugée par la...
TRANSCRIPT
+
_
09/11/2016
Université Djillali Liabes de Sidi Bel Abbès
Mesures Non-Intrusives pour l’Amélioration des Smart Grid et la Réduction des Consommations
Laboratoire Modélisation, Intelligence, Processus et Systèmes Université de Haute Alsace, France
Contexte
• Evolution de la structure classique des réseaux électriques. • Introduction d'importantes perturbations altérant la qualité de l'énergie électrique. • Insuffisance de méthodes de contrôle/commande classiques.
Problématique
• Réduire les consommations énergétiques tout en garantissant une bonne qualité du signal électrique.
• Gestion plus intelligente et autonome du réseau électrique s'impose. • Mesurer, avec précision et en temps réel, les différents paramètres liés à la qualité
de l'énergie. • Utilisation des méthodes modernes de contrôle/commande.
Défis
2/50
Signaux stationnaires Signaux non-stationnaires
Adaline Transformée en S
Fréquence Harmoniques Déséquilibre
Variation électriques Evènements électriques Évènements biologiques
Transitoires Changement niveau
ECG
Identification des caractéristiques contenues dans les signaux
Activités à l’université Projet de recherche Perspectives de recherche
Plan
3/50
Pourquoi l’Analyse par l’Adaline (ADAptive LInear NEuron) ?
• Appliqué avec succès dans beaucoup de domaines. • Architecture simple. • Possibilité d’introduire des connaissances a priori.
Algorithme d’apprentissage
erreur e(k)
Σ
w0(k)
w1(k)
w5(k)
+
- yest(t)
1
y(t)
cos tω
cos5 tω
Représentation fréquentielle
Analyse des signaux stationnaires
• Chercher des formes linéairement séparables pour les signaux à traiter.
Contribution :
w0(t) y(t) w1(t) w2(t) = + + cos tω sin tω
4/50
Signaux stationnaires
Adaline Transformée en S
Fréquence Harmoniques Déséquilibre
Variation électriques Evènements électriques Évènements biologiques
Transitoires Changement niveau
ECG
Identification des caractéristiques contenues dans les signaux
Analyse des signaux
Signaux non-stationnaires
5/50
Qualité de l’énergie électrique
• Elle est jugée par la qualité des signaux de la tension et du courant. • La qualité est évaluée par la mesure des perturbations.
Nombre d’articles ou apparait le terme ≪ power quality ≫ Source : Web of Knowledge
Analyse des signaux stationnaires (Variations électriques)
6/50
0.1 0.11 0.12 0.13 0.14 0.15 0.16 -300 -200 -100
0 100 200 300
0.1 0.11 0.12 0.13 0.14 0.15 0.16 -300 -200 -100
0 100 200 300
Gestion et qualité de l’énergie
Analyse des signaux stationnaires (Variations électriques)
Fréquence Harmoniques Déséquilibre 7/50
Identification des harmoniques
[ ]1 1 22,...,
( )
11 12( )
( ) cos ( ) sicos( n ( )) sin( )f
h
I tn n
n N
I t
i t I n t I nI tI t t ω ωω ω=
= + ++ ∑
6,12,1811 1
,
cos( ) cos( )( )N
nn np n tp
ptp
p
t p nω ω− +=
= + −∑
6,12,111
8,1sin( ) si( ) n( )
N
nn
nq n t q n tqq
q
q t ω ω=
− += − + +∑
Le fondamental est lié à des composantes alternatives
Le fondamental est lié à des composantes continues
Analyse des signaux stationnaires (Variations électriques)
Espace des courants (méthode directe)
Espace des puissances (Méthode PIRI)
8/50
PIRI (Puissances Instantanées Réelle et Imaginaire)
Identification des harmoniques
Analyse des signaux stationnaires (Variations électriques)
+-
bloc 1
bloc 2
bloc 3
-
1+
-
1+
- …
+
calcul des courants
calcul des harmoniques
et/oudu réactifs
vαvβ
1dv
2dv
3dv
1ci
2ci
3ci
p
qcos N tω
p
q
p
q
1refi
2refi
3refi
p
q e
~
~
e∑
∑
calcul des puissances
instantanées
,α βet cos N tω
sin N tω
… sin N tω
Besoin du système directe des tensions
9/50
0.1 0.11 0.12 0.13 0.14 0.15 0.16
-200
0
200
ic (A
)
0.1 0.11 0.12 0.13 0.14 0.15 0.16
-200
0
200
is (A
)
0.1 0.11 0.12 0.13 0.14 0.15 0.16 -400
-200
0
200
400
is (A
)
temps (s)
Courant coté charge
méthode classique
méthode neuronale
5 7 11 13 17 19 23 0
5
10
15
20
25
Ih/I1
(%)
ic
5 7 11 13 17 19 23 0
5
10
15
20
25
Ih/I1
(%)
is, méthode classique is, méthode neuronale
THD = 26,5%
THD = 8,6%
THD = 1,6%
Décomposition spectrale
Identification des harmoniques
Analyse des signaux stationnaires (Variations électriques)
Comparaison PIRI et filtre passe bas
10/50
méthodes d’identification
identification individuelle de l’harmonique N
poids coût
tri-mono 2
PIRI 4
Courant Diph. 2
PIRI modifiée 12
Courants actifs 8
Compo. Inv. 8
Identification des harmoniques
Analyse des signaux stationnaires (Variations électriques)
Comparatif des méthodes d’identification
11/50
Les variations pour l’identification et la commande des systèmes électriques
Analyse des signaux stationnaires (Variations électriques)
12/50
Rc
Rc
Rc
Lc
Lc
Lc
charge non linéaire
Rc
Lc
inji
refi
1,2,3dv
si ic
cV
1,2,3ic1,2,3vc
identification des harmoniques et de la puissance réactive
commande del’onduleur
signal triangulaire
onduleur de tensin
filtre de sortie
identification des composantes symétriques
iden
tific
atio
n de
s pe
rtur
batio
ns é
lect
rique
s
source triphasée
Filtrage actif parallèle
Analyse des signaux stationnaires (Variations électriques)
Fréquence
Harmoniques
Déséquilibre
13/50
Filtrage actif parallèle
Analyse des signaux stationnaires (Variations électriques)
Plateformes expérimentales
INSA, Strasbourg
MIPS, Mulhouse
14/50
Les variations pour l’identification et la commande des systèmes électriques
Analyse des signaux stationnaires (Variations électriques)
15/50
Commande du moteur synchrone par les courants de référence
Analyse des signaux stationnaires (Variations électriques)
Commande auto adaptative
MSAP
Onduleur
Mesure du couple
Couple de référence
θ
+
-
+
- PI
ξ
Adaline
Fref
Référence triphasée PI
Référence triphasée
Courants de compensation Conditions normales Phase déconnectée
1 2 3, ,ref ref refi i i− − −
1 2 3, ,i i i
Sin (p. θ-2π/3)
Sin (p. θ+2π/3)
Sin (p. θ)
Adaline
Fref
1refi −
2refi −
3refi −
16/50
Les variations pour l’identification et la commande des systèmes électriques
Analyse des signaux stationnaires (Variations électriques)
17/50
Identification des défauts sur les lignes HT
Analyse des signaux stationnaires (Variations électriques)
Protection des lignes HT par les relais
Le courant de défaut peut être modélisé par la somme de trois termes
[ ]11 12 1 22,..., ( )( )
( )
( ) cos( ) sin( ) cos ( ) sin ( ) sin( )trf
h
R tL
cc n nn N i ti t
i t
i t I t I t I n t I n t I eω ω ω ω α ϕ−
=
= + − + + −∑
• Adaptative
• Détection du défaut monophasé uniquement (le plus répondu)
• Tenir compte du transitoire pour les autres types de défauts
• Vers les méthodes temps-fréquence
relais de protection
Détection dans le repère triphasé (méthode directe)
18/50
Identification des défauts sur les lignes HT
Analyse des signaux stationnaires (Variations électriques)
Détection dans le repère des puissances (Méthode PIRI modifiée)
• Complète (tous les défauts) • Adaptative
• Coûteuse Estimation des angles de phase 19/50
Les variations pour l’identification et la commande des systèmes électriques
Analyse des signaux stationnaires (Variations électriques)
20/50
Les variations pour l’identification et la commande des systèmes électriques
Analyse des signaux stationnaires (Variations électriques)
TH1 TH2
20Ω 1.2 mH 20Ω
1.2 mHIL
0 à 2319 A
L=18.3 mH
C1 312 μF
IC 1882 A
16 kV
A
B
Regulateur de tension
Unité de distribution
La PLL et le générateur
d’impulsions
B
Ligne à 735 kVSource de
tension programmable
Charge 200 mW
S L
S C
CL
SL SC
CL
SL
SC
C
LA
B
C
A
B
C16 kV
Mesure de tension
+
-Vref
primaire
Boucle de commande du SVC entre A et B
Secondaire
TH3
312 μFC2
IC 1882 A
312 μFC2
IC 1882 A
20Ω1.2 mH
TH4
α et nTSC
Vmes
SVC
Circuit de puissance
Boucle de commande
La susceptance B B
Transformateur
21/50
Les variations pour l’identification et la commande des systèmes électriques
Analyse des signaux stationnaires (Variations électriques)
• Identification de la MAS • A l’arrêt • En fonctionnement
• Synchronisation avec le réseau 22/50
Identification et commande de la machine asynchrone
Analyse des signaux stationnaires (Variations électriques)
( ) ( ) ( )0 0-1 -1emk A T k B kΩ = + Ω
1. Equation mécanique Uc
isa
Ω
Onduleur à IGBT
Z-1
Z-1
Σ Ωest
w2
w1
MAS
+ -
e
Bloc MLI
Irm_ref Tem_ref
Capteur de vitesse
calcul f
isb isc
Commande à flux rotorique orienté
1 1( ) cos sint A t B tω ωΩ = +
1 max2 2
2 1 2
2
1
emw Tf
w w wwJ fwω
=+
= −
Uc
isa
Ω
Onduleur à IGBT
Σ Ωest
w2
w1
MAS
+ -
e
Bloc MLI
Irm_ref Tem_ref calcul f
J
isb isc
sinωt
cosωt Commande à flux rotorique orienté
Capteur de vitesse
2. Expression de la réponse harmonique de la vitesse mécanique
L’Adaline pour l’identification des paramètres mécaniques de la MAS
1
2
1
1-
-ln
e
wfw
TJ f
w
= =
Deux méthodes d’identification :
J
J : moment d’inertie f : coefficient de frottement visqueux le couple de référence doit être sinusoïdale
23/50
Identification et commande de la machine asynchrone
Analyse des signaux stationnaires (Variations électriques)
Commande en puissance de la MADA
Conv. à IGBT
MADA 3kW
Système de Batteries
Signaux de commande Qs-ref
Ωm
Udc +
-
Contrôle des courants
rotoriques
Réseau Electrique
vabc-s
iab-s iab-r
vabcr-ref Ps-ref
MCC 3kW
Filtr
e R
,L
Conv. à IGBT
PLL
Vqs sθ
Banc d’essai d’identification de la MADA Banc d’essai du redresseur triphasé
Identification des paramètres du filtre cote alternatif du redresseur MLI
Fréquence
24/50
Signaux stationnaires
Adaline Transformée en S
Fréquence Harmoniques Déséquilibre
Variation électriques Evènements électriques Évènements biologiques
Transitoires Changement niveau
ECG
Identification des caractéristiques contenues dans les signaux
Plan
Signaux non-stationnaires
25/50
Fréquence (Hz) Fréquence (Hz)
Temps (s) Temps (s)
Limitation de la Transformée de Fourier
Les méthodes temps-fréquence
Analyse des signaux non-stationnaires
Chirps lineaires (modulation linéaire de fréquence) :
La TF intègre toutes les composantes fréquentielles contenues dans le signal, mais sans aucune information sur la localisation dans le temps
Limitation de l’Adaline
• Nécessité des connaissances a priori sur le signal • Moins efficace pour des signaux non-périodiques
Même spectre fréquentiel
26/50
• Rajout d’une fenêtre glissante à la TF. • Hypothèse de stationnarité locale sur la durée de la fenêtre.
Transformée de Fourier à Court Terme (TFCT)
0 0.02 0.04 0.06 0.08 0.1 0.12 -2 -1.5
-1 -0.5
0 0.5
1 1.5
2
Les méthodes temps-fréquence
Analyse des signaux non-stationnaires
( ) ( ) ( )* 2, j ftxSTFT f x t h t e dtπτ τ
+∞−
−∞
= −∫
• Résolution temps-fréquence fixe en raison de la taille fixe de la fenêtre d’analyse.
• Compromis à trouver entre la résolution temporelle et la résolution fréquentielle.
( ) ( ) 2j ftxTF f x t e dtπ
+∞−
−∞
= ∫
27/50
• Elle peut être vue comme une extension de la TFCT. • Elle possède une fenêtre d’analyse variable, appelée ondelette.
Transformée en Ondelettes (TO)
0 0.02 0.04 0.06 0.08 0.1 0.12 -2 -1.5
-1 -0.5
0 0.5
1 1.5
2
Les méthodes temps-fréquence
Analyse des signaux non-stationnaires
• Non conservation de l’information de phase (temps-échelle). • Faible résolution dans les hautes fréquences. • Sensibilité au bruit.
( ) ( ) ( )*,, aW a x t t dtττ
+∞
−∞
= Φ∫ ( ),1
att
aaττ− Φ = Φ
avec
facteur d’échelle
facteur de translation
28/50
• Elle peut être vue comme une TFCT à fenêtre d’analyse variable ou comme une TO avec une information de phase.
• Analyse multi-résolution. • La fenêtre varie en fonction de la fréquence.
Temps (s)
Am
plitu
de n
orm
alis
ée
Transformée de Stockwell (Transformée en S)
Les méthodes temps-fréquence
Analyse des signaux non-stationnaires
2( , ) ( ) ( , ) jftx fS f x t w t e dtπτ τ
+∞ −
−∞= −∫
La transformée de Stockwell avec une fenêtre Gaussienne :
dépendance de f 22 ( )1( , )
( ) 2
tfw t f e
fσ
σ π
−
=
La fenêtre Gaussienne :
( )f
f ασ =La transformée en S peut souffrir d’une mauvaise concentration de l’énergie dans les hautes fréquences
Coefficient de dispersion :
29/50
Amélioration de la concentration de l’énergie de la Transformée en S
• La fenêtre d’analyse ne doit recouvrir que la durée exacte de chaque fréquence. • La fenêtre doit, en plus de f, évoluer en fonction de la nature du signal.
Les méthodes temps-fréquence
Analyse des signaux non-stationnaires
Nouveau coefficient de dispersion :
( )( )
2 2
2( )
2( , , )2
p
t f
mf k
p
fw t f e
mf k
τ
τ γπ
− −
+− =
+
( )pmf kff
σ +=
On obtient ainsi la fenêtre Gaussienne modifiée :
( )ffασ =
Générer les valeurs m, p et k par l’algorithme
génétique
Calculer la gaussienne avec les paramètres
optimisés
Calculer la transformée en S modifiée
x(t)
La nouvelle fenêtre est plus flexible et a une meilleure résolution progressive
Optimisation des paramètres
Optimisation des paramètres par l’Adaline 30/50
Amélioration de la concentration de l’énergie de la Transformée en S
Les méthodes temps-fréquence
Analyse des signaux non-stationnaires
Représentation temps-fréquence de trois signaux analytiques :
Transformée en S classique
Transformée en S modifiée
Quatre transitoires de courtes durées
variation de fréquence rapide et des
composantes croisées
fréquence sinusoïdale modulée et deux Chirps linéaires
31/50
Signaux stationnaires
Adaline Transformée en S
Fréquence Harmoniques Déséquilibre
Variation électriques Evènements électriques Évènements biologiques
Transitoires Changement niveau
ECG
Identification des caractéristiques contenues dans les signaux
Plan
Signaux non-stationnaires
32/50
Les variations pour l’identification et la commande des systèmes électriques
Analyse des signaux stationnaires (Variations électriques)
33/50
• La Transformée en S calcule le spectre local du signal. • L’ESS (Énergie de Shannon de la transformée en S) extrait l’enveloppe du signal
La Transformée en S combinée à l’énergie de Shannon
Détection des changements de niveaux (contours)
Analyse des signaux non-stationnaires (évènements électriques)
Calcul de la transformée en S du
signal
x(t) Calcul de l’énergie de Shannon du spectre local
Extraction de l’enveloppe
détection
La stratégie adoptée pour l’identification des changements d’amplitude et de fréquence :
34/50
Comparaison de la transformée en S et de la TO
Détection des changements de niveaux
Analyse des signaux non-stationnaires (évènements électriques)
Tension sinusoïdal Courant avec des harmoniques Tension contenant du bruit
TS TS TS
TO TO TO
MIPS, Mulhouse
35/50
Procédure du système de détection et de classification des équipements
Identification non intrusive des appareils électriques
Analyse des signaux non-stationnaires (évènements électriques)
• Les algorithmes sont comparés en permanence avec l’approche de référence de Hart.
36/50
Procédure du système de détection et de classification des équipements
Identification non intrusive des appareils électriques
Analyse des signaux non-stationnaires (évènements électriques)
Emplacement du système de mesures Éléments du système de mesure Université de Furtwangen
37/50
THart
TANN
Approche Delta pour la puissance instantanée
Identification non intrusive des appareils électriques
Analyse des signaux non-stationnaires (évènements électriques)
chauffe-eau
grille-pain
réfrigérateur
ΔP
ΔT
lampe
lampe
sèche-cheveux
P(t-ΔT)
P(t)
Temps (s)
Évènement « mise en marche » du réfrigérateur. Comparaison Delta-
RN et Hart
38/50
Processus pour l’efficacité énergétique
Identification non intrusive des appareils électriques
Analyse des signaux non-stationnaires (évènements électriques)
MIPS-AEMO 39/50
Signaux stationnaires
Adaline Transformée en S
Fréquence Harmoniques Déséquilibre
Variation électriques Evènements électriques Évènements biologiques
Transitoires Changement niveau
ECG
Identification des caractéristiques contenues dans les signaux
Plan
Signaux non-stationnaires
40/50
• Rapprochement de thématique au sein du MIPS. • La détection du battement cardiaque est comparable à la détection de ruptures
dans les signaux électriques.
Pourquoi les signaux ECG ?
Analyse de l’ElectroCardioGramme (ECG)
Analyse des signaux non-stationnaires (évènements biologiques)
Dérivations précordiales
L’activité électrique du cœur (ECG) est enregistrée par des électrodes placées à des endroits bien définis selon un système de dérivations.
0 0.5 1 1.5 2 2.5-0.5
0
0.5
1
Temps (s)
Am
plitu
de(m
V)
RR RR
SQ
PTT
L’ECG est une suite d’ondes répétitives : P, QRS et T. Le complexe QRS est couramment appelé: Battement cardiaque
Allure d’un ECG normal
80 ms
41/50
Détection des complexes QRS par la transformée en S
Analyse de l’ElectroCardioGramme (ECG)
Analyse des signaux non-stationnaires (évènements biologiques)
Validation sur la base de données d’arythmie « MIT-BIH » • ECG d’un patient, caractérisé par la présence de
sévères bruits musculaires (difficile à détecter) • Les artefacts musculaires sont décalés vers les
hautes fréquences
ECG
TS
ESS
• ECG d’un patient, contenant l’arythmie extrasystolique et de grandes ondes T.
• Les ondes P et T appartiennent à la bande de fréquence [0 − 5] Hz (isoler QRS).
42/50
SVM pour la classificaion
Analyse de l’ElectroCardioGramme (ECG)
Analyse des signaux non-stationnaires (évènements biologiques)
H1 H2
H3
Rechercher le meilleur hyperplan Car il en existe une infinité.
L’hyperplan optimal est celui pour lequel La marge serait maximale.
illustration des objectifs du SVM :
43/50
SVM optimisé pour la classification
Analyse de l’ElectroCardioGramme (ECG)
Analyse des signaux non-stationnaires (évènements biologiques)
• Résout le problème des données non-linéairement séparables. • Projette les données dans un espace augmenté. • Classifie avec une option de rejet :
• S’abstient de classer des exemples ambigus (ceux dont la probabilité d’appartenance à une classe est autour de 0.5).
• Tient compte des coûts de la classification.
Hyperplan optimal
f−
f+
f f− +>En pratique
Classification sans coût Classification avec coût
La zone de rejet est plus grande
Algorithme d’optimisation avec option de
rejet
44/50
45/50
Conclusion
• La mesures et l’analyse dans les Smart Grids restent un domaine vaste et très
ouvert. • Le déploiement des smart grids pour les systèmes d’électricité a augmenté la
recherche interdisciplinaire. • Les techniques de contrôle-commande modernes ont un rôle très important à
jouer. • La démarche doit être pragmatique et adaptée aux évolutions techniques et
économiques.
• Capteurs intelligents • Autoconsommation
Conclusion
46/50
Merci pour votre attention
47/50