Adaptation des Smart grids pour une meilleure intégration des énergies renouvelables

UNIVERSITE LIBANAISE FACULTE DE GENIE BRANCHE 1 No d'ordre 61/1453/G1-EE/2013 PROJET DE FIN D ÉTUDES Réalisé par Sybil BARTELMAOS Pour obtenir le Diplôme Ingénieur en Électricité et Électronique Option Informatique & Télécommunication Adaptation des Smart grids pour une meilleure intégration des énergies renouvelables Dirigé par : Dr. Rana RAHIM Soutenu devant le Jury : Dr. Bachar El HASSAN Dr. Bacem BAKHACHE Ing. Hikmat ADHAMI Session Juillet 2013

REMERCIEMENTS Je tiens à adresser mes plus vifs remerciements à Dr. Rana RAHIM, ma responsable de stage, pour sa rigueur scientifique, ses conseils avisés et pour tout le temps qu elle a su m accorder. Je lui suis très reconnaissante d avoir accepté d encadrer mon travail. Son enthousiasme et les nombreuses discussions que nous avons eues ont permis d éclairer de nombreux problèmes pour ensuite trouver les solutions adéquates. Merci également pour m avoir encouragée dans les moments les plus difficiles, sur le plan scientifique autant qu humain. Merci aux membres de mon jury, Dr. Bachar EL HASSAN, Dr. Bacem BAKHACHE et Ing. Hikmat ADHAMI pour l intérêt qu ils ont porté pour mon travail. Je tiens à exprimer toute ma reconnaissance à tous les membres de l université Libanaise, Faculté de Génie Branche 1, pour m avoir soutenue tout au long des années de mes études universitaires. Particulièrement, je remercie l équipe du département Electricité-Electronique pour m avoir procuré toutes ces connaissances et cette formation qui nous introduira avec sûreté et confiance dans le vrai monde de travail. Je remercie le cadre de l Ecole Doctorale de Science et de Technologie et en particulier Prof. Mohamad KHALIL qui nous a donné la chance de poursuivre notre Master 2 en double cursus et pour son support durant toute cette année. Enfin, j exprime ma gratitude et ma reconnaissance à ma famille et particulièrement à mes parents qui m ont permis d étudier, qui m ont soutenus et m ont encouragés durant toute ma démarche éducative.

RESUME Le réseau électrique intelligent ou Smart grid est l'un des développements récents dans le domaine des systèmes électriques qui facilite l'utilisation de nouvelles sources d énergie en parallèle avec les sources d'énergie conventionnelles. Le Smart grid révolutionne l'infrastructure actuelle du réseau électrique par l'intégration de technologies de l'information et de la communication (TIC). Avec le réseau de capteurs sans fil (RCSF), le Smart Grid permettra aux fournisseurs et aux clients de transférer, surveiller, prévoir et gérer efficacement la consommation d'énergie. L intégration des énergies renouvelables au réseau électrique pose des défis techniques. L intermittence des ressources peut avoir un impact sur la stabilité et la fiabilité du système d'alimentation, ainsi que sur la qualité de service des utilisateurs. Par conséquent, la surveillance et le contrôle des Smart grids sont essentiels pour garantir un bon fonctionnement. Dans ce projet, nous sommes intéressés au contrôle et à la surveillance du réseau électrique intelligent pour une meilleure intégration des sources d'énergie renouvelables. Nous avons proposé une approche basée sur les Systèmes Multi-Agents (SMA) pour un contrôle efficace des équipements électriques d'un poste. Les résultats des simulations montrent que l'approche proposée apporte des avantages en termes de nombre de messages échangés entre les agents. En outre, notre approche a montré une réduction du pourcentage de perte des activités importantes des clients pour différents nombres de consommateurs et un abaissement dans le coût de l'électricité. Mots clés: Smart grid, réseau de capteurs sans fil, énergies renouvelables, sous-station

ABSTRACT Smart grid technology is one of the recent developments in the area of electric power systems that aid the use of non-conventional sources of energy in parallel with the conventional sources of energy. Smart grid revolutionizes the current electric power infrastructure by integrating information and communication technologies (ICT). With wireless sensor network (WSN), smart grid enables both utilities and customers to transfer, monitor, predict, and manage energy usage effectively and costly. Integrating renewable energy supplies to the power grid poses significant challenges to broader adoption of renewable energy generation. Resource variability can impact power system stability and reliability, as well as quality of service to end users. Hence, monitoring and control of smart grids is essential for its efficient and effective functioning. In this project, we are interested in control and monitoring of Smart grid for a better integration of renewable energy sources. We proposed an approach based on Multi Agent Systems (MAS) for effective control of electrical equipments of a substation. The results of the simulations show that the proposed approach brings advantages in terms of number of messages exchanged between agents. Furthermore, our approach showed reduction in the percentage of important clients activities loss for various numbers of consumers and lowering in the electricity cost. Key words: Smart grid, Wireless Sensor Network, renewable energy, Substation

Table de matières Introduction générale... 3 Chapitre 1: Le réseau électrique de nouvelle génération (Smart grid)... 5 1. Introduction... 5 2. Aperçu et modèle du Smart grid... 5 2.1 Aperçu du Smart grid... 5 2.2 Modèle général du Smart grid... 6 3. Exigeances de la communication pour les Smart grids... 7 4. Les réseaux de capteurs sans fil (RCSFs) dans les Smart grids... 8 4.1 Introduction aux RCSFs... 8 4.2 Applications des RCSFs dans les Smart grids... 8 5. Les systèmes multi agents (SMAs)... 9 5.1 Caractéristiques des SMAs... 9 5.2 Applications des SMAs dans les Smart grids... 10 6. Conclusion... 11 Chapitre 2: Approches existantes pour le contrôle et la gestion des Smart grids... 12 1. Introduction... 12 2. Value Reporting (VR)... 12 3. Periodic Value Reporting (PVR)... 13 4. Level Crossing Sampling (LCS)... 13 5. Approches basées sur la priorité... 14 5.1 Priority Based Value Reporting (PBVR)... 14 5.2 Priority Based COOPeration (PBCOOP)... 15 5.3 Analyse des résultats... 15 6. Améliorations attendues... 15 7. Conclusion... 16 Chapitre 3: Approche proposée pour le contrôle du Smart grid... 17 1. Introduction... 17 2. ABCON (Agent Based CONtrol)... 17 2.1 Domaine d application et variables... 18 1

2.2 Scène de surveillance et règles de décision... 19 2.2.1 Cas 1 : cas d une valeur de haute priorité... 22 2.2.2 Cas 2 : cas d une valeur de priorité moyenne... 25 3. Conclusion... 27 Chapitre 4 : Evaluation des performances... 28 1. Introduction... 28 2. Le simulateur JADE... 28 2.1 Les Behaviours dans JADE... 28 2.2 La communication des agents JADE... 28 3. Les paramètres de simulations... 29 4. Résultats... 30 4.1 Nombre de messages échangées... 30 4.2 Effets sur les consommateurs... 31 4.3 Coût de l électricité... 34 5. Analyse des résultats... 37 6. Conclusion... 37 Conclusion générale et perspectives... 39 Références... 40 2

Introduction Générale Le réseau électrique est l une des infrastructures critiques d une nation. Dans le futur proche, le déséquilibre entre la demande croissante et les ressources énergétiques fossiles diminuant impose l intégration de nouvelles sources d énergie. Ces sources doivent être écologiques pour répondre aux demandes environnementales de réduction de l émission de CO 2. Les sources d énergies renouvelables telles que les panneaux solaires et les éoliennes sont les plus convenables pour être introduites dans le réseau électrique. L intégration de ces énergies renouvelables dans le réseau pose des problèmes d ordre technique sachant que ces énergies sont intermittentes. Pour résoudre ces problèmes, les réseaux électriques intelligents s avèrent la solution la plus convenable. Les réseaux électriques intelligents, ou Smart grids, sont communicants car ils intègrent des fonctionnalités issues des technologies de l information et de la communication. Cette communication entre les différents points d un réseau permet de relier les différents acteurs du système électrique, tels que les générateurs, les consommateurs et les réseaux de transmission et de distribution. L objectif d un Smart grid est d assurer l équilibre entre l offre et la demande à tout instant avec une réactivité et une fiabilité accrues. L'une des principales préoccupations des Smart grids est d'améliorer la fiabilité du réseau. Afin d'atteindre cela, plusieurs approches de surveillance et de contrôle ont été proposées, en particulier au niveau des sous stations électriques. L'utilisation des réseaux de capteurs sans fil est une option intéressante pour ces approches. Elle permet la collecte des informations des différents points du Smart grid. Cependant, cette collecte devrait être complétée par la capacité de traiter et de transformer les données importantes en actions d une manière décentralisée. Pour cela, nous adoptons la technologie multi-agents. Dans ce projet, nous sommes intéressés par la surveillance et le contrôle des Smart grids pour assurer la fiabilité du réseau électrique intelligent. Un système de surveillance et de contrôle efficace et décentralisé doit être mis en place pour une meilleure gestion des énergies renouvelables. Une sous station est un composant très important dans un réseau électrique puisqu elle contient plusieurs équipements électriques critiques tels que les transformateurs et les disjoncteurs. Ces équipements nécessitent une surveillance continue. La température du transformateur est en particulier un paramètre très important à surveiller. L élévation de la température d un transformateur est un indicateur de la présence d un problème ou de la surcharge du réseau. Ainsi, la détection de l élévation de la température du transformateur doit être traitée pour éviter un blackout dans le réseau électrique qui conduira à des pertes majeures. En général, les problèmes de surcharge du réseau électrique apparaissent aux heures de pointes. Dans le but de surmonter ce problème, l intégration des énergies renouvelables au réseau électrique est une solution convenable. 3

Cette intégration nécessite son adaptation qui doit obligatoirement passer par la surveillance et le contrôle des différents composants du réseau électrique. Par conséquent, nous proposons une approche qui met en place un système décentralisé de surveillance et de contrôle du Smart grid pour une meilleure intégration des énergies renouvelables. Ce rapport est composé de quatre chapitres : Le premier chapitre se concentre sur la présentation des Smart grids, des exigences de la communication introduite par la couche d information et de communication, de l adaptabilité des réseaux de capteurs sans fil pour cette communication et enfin des avantages de l introduction des systèmes multi-agents. Dans le deuxième chapitre, nous présenterons les approches déjà existantes pour le contrôle et la gestion des Smart grids ainsi que les points forts et faibles de chaque approche. Dans le troisième chapitre, nous introduisons notre approche proposée ABCON (Agent Based CONtol), nous présentons les différents agents proposés, leurs rôles et les algorithmes de communication. Le dernier chapitre est consacré aux simulations conduites et aux résultats obtenus. 4

Chapitre 1 : Le réseau électrique de nouvelle génération (Smart grid) 1. Introduction Le smart grid est un réseau électrique intelligent qui utilise les nouvelles technologies de l information et de la communication pour optimiser toute la chaîne de la production, du transport et de distribution, et de consommation. C est une évolution du réseau actuel dans le but de satisfaire à la demande croissante d électricité surtout dans les périodes de pointes, de faire face aux défis que présente l intégration des sources de production décentralisés et intermittentes, et de permettre d augmenter la production des énergies renouvelables en lien avec les objectifs nationaux de réduction de l émission de CO 2. 2. Aperçu et modèle du Smart grid 2.1 Aperçu du Smart grid Le réseau électrique traditionnel est unidirectionnel. La figure 1.1 montre un exemple du réseau traditionnel. Le flux électrique est généré par les centrales électriques à sources fossiles puis il est transporté aux consommateurs à travers les lignes et les sous stations de transmission et de distribution. Figure 1.1 - Exemple du réseau électrique traditionnel [1] Le réseau électrique connait actuellement une rénovation majeure. Cette rénovation est provoquée par plusieurs facteurs : Tout d abord, le déséquilibre entre la demande croissante et la diminution des sources d énergie fossiles aggrave la situation du réseau électrique. L augmentation de la consommation est causée par l augmentation de la population et par la dépendance de cette population des services basés sur l électricité. Le deuxième facteur qui a 5

conduit à cette rénovation est le besoin de réduire les émissions du dioxyde de carbone CO 2 [2] et ainsi le besoin d intégrer des énergies plus écologiques : les énergies renouvelables. Face à ces modifications, il apparaît clairement que les réseaux électriques doivent être adaptés et rendus plus intelligents. Cela est possible avec les Smart grids. Grâce à l intégration des technologies de l information et de la communication, tous les composants du réseau électrique seront communiquant. Avec les smart grids, le réseau de distribution sera capable de générer de l électricité à partir des différentes sources renouvelables telles que les panneaux solaires ou les turbines éoliennes. Egalement, les consommateurs seront actifs, ils seront des «Prosumers». Les prosumers sont des consommateurs qui produisent de l énergie. Ils peuvent être des entreprises, des immeubles, des usines, etc. Ils seront capables, s ils possèdent des sources d énergies renouvelables, de vendre cette énergie à d autres consommateurs. 2.2 Modèle générale du Smart grid Les Smart grids témoigneront la migration d un réseau électrique à flux unidirectionnel d électricité vers un réseau électrique à flux bidirectionnel d électricité et d informations. La figure 1.2 représente un modèle général du Smart grid. Elle montre l intégration des énergies renouvelables comme les éoliennes et les photovoltaïques aux réseaux de transmission moyenne tension et de distribution basse tension. Figure 1.2 - Modèle général du Smart grid [3] 6

En addition aux grandes plantes de production, les consommateurs entrent en jeu tels que les grandes usines, les centres commerciaux, les maisons, les véhicules électriques, etc. Ces consommateurs peuvent devenir à leur tour des producteurs d énergie s ils possèdent des générateurs propres à eux. En plus du flux bidirectionnel d électricité, il existe un flux d informations assurant une gestion plus efficace de l énergie. Grâce aux nouvelles technologies de l information, les gestionnaires de réseaux détecteront et localiseront facilement les pannes sur le réseau. Ils effectueront les opérations de maintenance, de relève et de conduite à distance. Les centres de contrôle des gestionnaires des réseaux d électricité seront également informés en temps réel des besoins en énergie des consommateurs : ils distribueront alors la juste quantité d électricité sur le réseau [3]. Le fonctionnement du Smart grid est donc basé sur la possibilité d interaction entre plusieurs entités via les réseaux de communication. Une infrastructure de communication à la fois extensible et envahissante représente un problème essentiel dans le fonctionnement des réseaux intelligents [4]. 3. Exigences de la communication pour les Smart grids La conception d un système de communication fiable, résilient, facile à gérer et sécurisé représente un élément clé dans la conception des Smart grids [4]. Cette infrastructure de communication constituera la plateforme reliant les éléments du réseau, les fournisseurs de données et les entités de prise de décision. Compte tenu de ces besoins, la norme IEC 61850 définit les exigences du système de communication assurant le succès de la conception des réseaux intelligents [5] : Flexibilité, pour adapter et croître la topologie du système selon les exigences changeantes. Performance, en particulier la qualité de service, afin de permettre la priorisation efficace entre les applications concurrentes et pour répondre aux besoins critiques tels que les fonctions de protection et de contrôle. Fiabilité, pour les systèmes critiques de protection, mais aussi parce que de nombreux systèmes différents se fondent sur la même infrastructure. Pour résoudre ce problème, l utilisation des réseaux de capteurs sans fil (RCSF) semble être adaptée car ces réseaux pourront assurer une communication représentant des avantages tels qu une large zone de couverture, un accès facile aux sites distants, un faible coût de déploiement et une capacité d adaptation aux changements dans le réseau. Dans ce qui suit nous présentons les RCSF ainsi que ses applications dans le contexte des Smart grids. 7

4. Les réseaux de capteurs sans fil (RCSFs) dans les Smart grids 4.1 Introduction aux RCSFs Un réseau de capteurs sans fil est constitué d un ensemble de capteurs autonomes répartis dans l'espace pour surveiller des conditions physiques telles que la température, la pression, etc. Ces capteurs collaborent ensemble pour router leurs données via le réseau à un centre de contrôle appelé sink. Le développement des RCSF a été motivé par les applications militaires telles que la surveillance du champ de bataille. Aujourd'hui, ces réseaux sont utilisés dans de nombreuses applications industrielles et civiles. Le réseau de capteurs sans fil est formé de centaine à milliers de nœuds où chaque nœud est relié à un ou parfois plusieurs capteurs [6]. Ce réseau est caractérisé par une faible consommation de l énergie. Un nœud est composé d un émetteur-récepteur radio avec une antenne interne ou ayant une connexion à une antenne externe, d un microcontrôleur pour le traitement des données captées, d un circuit électronique et d une source d énergie (généralement une batterie). Les RCSF présentent plusieurs caractéristiques telles que [7] : Communication sans fil, caractéristique importante pour le déploiement des grands réseaux qui ne nécessitent plus des connexions filaires Communication multi-sauts, étant donné que chaque nœud n est pas capable de communiquer avec le sink, ainsi l utilisation de la communication à travers plusieurs nœuds successifs est indispensable pour la réussite du routage des données Faible coût, ce qui permet la construction d un grand nombre de nœuds pour une meilleure précision Toutes ces caractéristiques ont rendu le réseau de capteurs sans fil le système de communication le plus adéquat pour les Smart grids. 4.2 Applications des RCSFs dans les Smart grids En général, les applications des RCSF dans les Smart grids sont divisées en trois groupes : côté consommateurs, côté transmission et distribution et côté générateurs [8]. Les applications au niveau des consommateurs comprennent l infrastructure de mesurage avancé (AMI), la gestion d énergie résidentielle, la gestion de la charge de la demande, les compteurs intelligents (smart meter), la surveillance des équipements, etc. Le côté de transmission et de distribution couvre les lignes de transmission et de distribution et les lignes électriques souterraines, les sous-stations. Ainsi, les opérations de surveillance et de contrôle de ce côté sont indispensables pour assurer la transmission de l énergie avec succès. Les opérations de surveillance varient de la surveillance des lignes de transmission vers la détection des défauts et le vol de l électricité. 8

Au niveau des générateurs d énergie, les applications sont basées sur les tâches de surveillance telles que le suivi de la production en temps réel, la surveillance à distance de parcs éoliens éloignés, le suivi des fermes solaires et la surveillance de la qualité de production. Bien que les RCSFs aient facilité plusieurs applications pour les Smart grids, des difficultés dans la manipulation des informations collectées par les capteurs et dans la coopération entre les différents nœuds apparaissent. C est pour cette raison qu une sorte d intelligence doit être ajoutée aux capteurs. Cette intelligence permettra le traitement local des valeurs captées. Rendre les capteurs intelligents est possible en introduisant des agents au niveau des capteurs formant ainsi un système multi agents. 5. Les systèmes multi agents (SMAs) Un agent est une entité autonome, capable de communiquer avec d autres agents, ainsi que de percevoir et de représenter son environnement. Chaque agent effectue des actions spécifiques en fonction de la perception qu il a de son environnement. Un ensemble d agents en interaction forme un système multi agents. Il existe de multiples domaines d application des systèmes multi agents [9] : Des applications purement informatiques, telles que dans le domaine des télécommunications, de la simulation, Des systèmes sociaux intégrant l être humain dans le système, tels que collecticiels, commerce électronique ou recherche d information, Des systèmes mécaniques qui, en plus de l être humain, intègrent des artefacts mécaniques opérant dans le monde physique (robotique, systèmes industriels). Comme tout développement de logiciel, la mise en évidence des besoins auxquels doit répondre une application est naturellement obtenue non seulement au travers de questions débouchant sur l identification des besoins fonctionnels, mais aussi par le biais de questions mettant en évidence des besoins non fonctionnels tels que performances, coûts, fiabilité, capacité du produit à évoluer ou à être réutilisé, délais de mise sur le marché, etc. Dans ce qui suit, nous présenterons les caractéristiques des SMAs. 5.1 Caractéristiques des SMAs Un SMA est un groupement d agents possédant les caractéristiques suivantes [10] : Autonomie : elle désigne la possibilité de décider par soi-même. L autonomie qualifie un système qui se donne lui-même sa propre loi. Le fait que cette propriété soit une caractéristique des SMA renforce l indépendance de l exécution ou du comportement d un agent vis-à-vis d une invocation provenant d une entité extérieure Distribution : cela signifie que le mécanisme de raisonnement, le lieu de traitement, et les bases de données ne sont plus centrés au niveau d une seule entité. 9

Réactivité : un SMA est capable de réagir aux changements dans son environnement rapidement. Pro activité : un SMA agit en avance pour faire face à une difficulté attendue. Interaction : les agents sont capables d'interagir avec d autres agents. La capacité sociale ne se limite plus à la simple transmission des données entre les différents logiciels et entités matérielles, mais elle implique la capacité de négocier et d'interagir d une manière coopérative. Cette capacité est normalement soutenue par un langage de communication agent (ACL). Grâce à ces caractéristiques, les SMAs présentent des avantages pour être appliqués dans un grand nombre d applications. 5.2 Applications des SMAs dans les Smart grids Les SMAs doivent être considérés pour des applications exigeant un ou plusieurs des éléments suivants [11] : Il y a besoin d'interaction entre les entités distinctes, telles que les différents soussystèmes de contrôle et plantes de production. Un très grand nombre d'entités doit interagir, où il serait impossible de modéliser explicitement le comportement global du système. Il y a suffisamment de données ou d informations disponibles localement pour entreprendre une analyse ou une décision sans la nécessité d'une communication avec un point central. De nouvelles fonctions doivent être mises en œuvre dans les systèmes de contrôle existants. Au fil du temps, il existe une exigence pour des fonctionnalités d'être continuellement ajoutées ou prolongées. En particulier, le problème de la gestion du réseau électrique intelligent est une application idéale du concept du SMA. La technologie multi-agents a récemment été appliquée avec succès dans la gestion et l'exploitation des systèmes de puissance. Dans [11], les auteurs listent les domaines d applications des SMAs dans les systèmes électriques. Un domaine d'application clé pour les systèmes multi-agents est la gestion et l'interprétation de données pour une grande variété de fonctions de surveillance et de diagnostic tels que la surveillance des transformateurs, des disjoncteurs, de la température ambiante dans les sous stations, la densité des gaz, etc. De plus, les SMAs sont utilisés pour le diagnostic des défauts dans les systèmes électriques. Avec l'introduction de la production d'énergie distribuée, le contrôle de la charge, les opérations de marché et la complexité croissante du réseau de distribution, ont rendu le fonctionnement du système d'alimentation moderne extrêmement complexe. Les systèmes multi-agents fournissent une technologie pour contrôler le système d alimentation moderne de manière flexible. 10

La protection du système d'alimentation est un domaine d application des SMAs. Les chercheurs étudient la technologie de SMA comme un moyen de développer de nouveaux systèmes de protection qui sont tolérants aux pannes et l'auto-coordination. 6. Conclusion Dans ce chapitre, nous avons introduit les Smart grids, les exigences de la communication dans le réseau électrique intelligent et nous avons vu l adaptabilité du réseau de capteurs sans fils à cette communication. En plus, nous avons exhibé le système multi agents, ses caractéristiques et ses applications dans les Smart grids dont l une est la surveillance et le contrôle des équipements électriques dans le réseau. Dans le chapitre suivant, nous exposerons les approches existantes pour le contrôle et la maintenance des Smart grids. 11

Chapitre 2 : Approches existantes pour le contrôle et la gestion des Smart grids 1. Introduction Le Smart grid est considéré comme le réseau électrique du futur. Cette technologie est la solution pour intégrer des nouvelles sources d énergies renouvelables en parallèle avec les sources d énergie traditionnelles. Bien que dans la plupart des systèmes de production d'énergie, la principale source d'énergie (fuel) peut être manipulée, ce n'est pas vrai pour les énergies renouvelables. Le principal problème lié à ces sources d'énergie est leur disponibilité. En effet, les énergies éoliennes et solaires ne sont pas toujours disponibles où et quand c'est nécessaire. Les Smart grids doivent surmonter un certain nombre de problèmes techniques pour intégrer efficacement les énergies renouvelables. Le contrôle est l'une des technologies clés pour le déploiement de systèmes d'énergies renouvelables. Dans ce chapitre, nous présenterons cinq approches déjà existantes pour le contrôle des Smart grids ainsi que les avantages, les inconvénients et les moyens d amélioration de chacune. 2. Value Reporting (VR) Cette approche est utilisée pour la surveillance d un réseau électrique urbain. Dans [4], les auteurs considèrent la surveillance de 28 sous-stations électriques en utilisant 30 nœuds ZigBee. Les auteurs considèrent que les données captées par ces nœuds sont tout de suite transportées au Sink. Cette architecture est identique à l architecture client/serveur où aucun traitement n est réalisé sur les informations captées. Une étude de performance du réseau employé a été réalisée dans le but de tester l approche. Les simulations ont été conduites en utilisant le simulateur QualNet [12]. Les études focalisaient sur l effet du nombre de nœuds, de la taille des messages et de la période de transmission sur le délai de bout en bout. Les résultats montrent que le délai augmente avec l augmentation du nombre de nœuds, de la taille des messages et de la période de transmission. Nous pouvons conclure que le délai est vulnérable à tout changement dans le réseau. Malgré les capacités du réseau de capteurs sans fil (RCSF) dans les applications relatives aux Smart grids, ces résultats conduisent à conclure qu une telle approche ne peut pas être utilisée pour des applications critiques telles que les applications de surveillance qui nécessitent la prise de décision rapides ou des applications temps réel. Un moyen pour vaincre cet inconvénient est d ajouter une sorte d intelligence aux nœuds afin de traiter les valeurs collectées par les capteurs et de prendre les décisions adéquates. 12

3. Periodic Value Reporting (PVR) Les auteurs de cette approche [13] proposent une architecture pour la surveillance de la puissance dans les Smart grids en utilisant un RCSF. Le système utilise des capteurs pour mesurer la tension et le courant dans une seule phase. A partir des valeurs mesurées, le système calcule la puissance de la charge sur cette phase. L approche définit la politique de communication entre les nœuds du réseau. Les nœuds communiquent ensemble en utilisant la technologie multi-sauts. Avec cette technologie, le routage est dynamique. Tous les nœuds sont capables de communiquer avec la station de base si elle se trouve dans leur zone de couverture. Dans le but de calculer l énergie consommée, les valeurs de la tension et du courant sont utilisées. Les équations employées sont développées dans [13]. Chaque 48 secondes, les valeurs calculées sont moyennées puis envoyées au Sink. Les études menées dans cet article consistent à trouver la différence entre la puissance réelle et la puissance mesurée dans le but de s assurer de la précision de cette approche. Les résultats montrent que la différence est presque nulle pour des lignes sans pertes ce qui prouve l efficacité de cette approche. La communication à intervalles périodiques est une solution convenable pour les applications de surveillance qui nécessitent un suivi continu à long terme. Malgré les avantages introduits avec ce type de communication, l opération de surveillance doit être complétée par des opérations de traitement et d analyse dans le but d éviter l envoi de messages non nécessaires ou inutiles qui affecteront la durée de vie des capteurs. 4. Level Crossing Sampling (LCS) Dans [14], les auteurs décrivent le projet intitulé ParadiseNet qui a commencé en septembre 2006. Ce projet a été développé dans le but de surveiller les équipements électriques d une sousstation. Les opérateurs du projet emploient 122 capteurs répartis sur une zone de taille 100x400 feet et effectuant la surveillance des équipements tels que les transformateurs, les disjoncteurs et les compresseurs. En se basant sur le fait que durant une opération de surveillance les paramètres surveillés ne varient pas d un échantillon à un autre, les auteurs proposent une approche basée sur l échantillonnage à passage à niveau ou Level Crossing Sampling (LCS). Dans cette approche, les nœuds ne transmettent les données collectées par les capteurs que lorsque les valeurs collectées changent d une quantité prédéterminée par rapport aux valeurs précédentes. Plusieurs applications ont été développées et testées dans ParadiseNet telles que la surveillance de la température ambiante, la surveillance de la température des transformateurs, la surveillance de la température des disjoncteurs et la surveillance de la densité du gaz SF 6. La figure 2.1 montre une illustration des capteurs employés dans le projet. 13

Figure 2.1 - Illustration des capteurs dans une station : (a) capteurs de température des disjoncteurs ; (b) capteurs de température des transformateurs ; (c) capteurs de la température ambiante ; (d) capteurs de la densité du gaz SF 6 Afin de tester l efficacité de l approche proposée, les auteurs étudient la durée de vie des capteurs dans le système. Les résultats montrent l importance de l introduction de ce traitement supplémentaire en termes de la durée de vie des capteurs. Les auteurs ont suivi la consommation des batteries relatives à chaque nœud. Les résultats ont montré que le nœud appliquant l algorithme de Level Crossing Sampling (LCS) consomme moins d énergie qu un nœud qui envoie les valeurs détectées périodiquement. Ceci prouve l efficacité de l approche proposée. Un moyen pour améliorer cette approche est l introduction des fonctionnalités de communication avec d autres nœuds et la prise de décisions adéquates d une manière décentralisée. 5. Approches basées sur la priorité Dans ce type d approches [15], les auteurs définissent des intervalles pour les valeurs collectées des capteurs et assimilent à chaque intervalle une priorité selon l importance ou pas de la valeur détectée. Ce traitement est devenu possible en introduisant une intelligence aux capteurs à partir de l emploi des agents. Un agent est incorporé dans un capteur formant ainsi un Système Multi- Agents (SMA). Le rôle des agents est le traitement des informations pour trouver l intervalle et pour assimiler à chaque valeur détectée la priorité correspondante. 5.1 Priority based Value Reporting (PBVR) Dans la première version de cette approche, aucune coopération entre les différents agents n est définie. Chaque agent est responsable des informations collectées par le capteur correspondant. 14

Selon la priorité trouvée, une décision d envoi de la valeur au Sink est prise ou non [15]. Dans cette approche, une valeur de priorité haute ou moyenne est envoyée au Sink et une valeur de faible priorité ne l est pas. 5.2 Priority Based COOPeration (PBCOOP) Cette version introduit une amélioration à celle définie dans le paragraphe précédant puisqu un algorithme de travail est assigné à chaque priorité. Les auteurs ainsi proposent qu une valeur détectée de haute priorité soit envoyée directement au Sink, tandis qu une valeur détectée de priorité moyenne conduit à l application d un algorithme de coopération. Le but de l algorithme de coopération est de trouver l étendue du problème qui peut exister dans le réseau [16]. 5.3 Analyse des résultats Les résultats des simulations conduites avec le simulateur Castalia montrent une réduction significative de l énergie consommée avec l introduction des SMAs. Cela est dû à la réduction du nombre de messages envoyés à cause du traitement par priorité. D autre part, le délai est significativement faible mais augmente avec le nombre de nœuds à cause du temps de traitement des données et d évaluation de la priorité. Le traitement décentralisé des informations collectées diminue la charge de traitement du centre de contrôle puisque la grande partie du traitement est exécutée au niveau des capteurs. D ici, nous pouvons conclure que la technologie multi agents est indispensable pour mettre en place un système de surveillance décentralisé. Ce qui manque dans ce type d approches est la prise de décision de façon décentralisée dans le but de réduire le plus possible l intervention humaine dans ce type d opérations. 6. Améliorations attendues Nous avons présenté, dans ce qui précède, plusieurs approches existantes pour le contrôle des Smart grids, et nous avons découvert les principaux avantages que chaque approche a introduits ainsi que leurs points faibles. Nous pouvons remarquer que le point commun à toutes les approches est que les informations collectées sont envoyées au Sink. L amélioration introduite par l introduction des SMAs est le traitement des données et la décision si ces données sont envoyées au Sink ou non. Mais l analyse et la décision des actions prises restent soumises au centre de contrôle. Toutefois, la conception d un système de surveillance décentralisé impose l introduction de tous les acteurs du réseau électrique (générateurs, clients, sous stations, etc.) en jeu et la communication entre ces différentes parties dans le but d assurer un bon fonctionnement du système. Pour ces raisons, nous proposons une approche qui implémente un système multiagents pour la conception d un système de contrôle et de surveillance décentralisé des smart grids. 15

7. Conclusion Dans ce chapitre, nous avons présenté 5 approches existantes pour le contrôle et la gestion des Smart grids ainsi que les faiblesses de chacune et ce qui manque pour la création d un système de contrôle et de surveillance efficace et décentralisé. Dans le chapitre suivant, nous présenterons notre approche ABCON (Agent Based CONtrol). 16

Chapitre 3 : Approche proposée pour le contrôle du Smart grid 1. Introduction Après avoir présenté les Smart grids ainsi que les principaux défis que présente l intégration des énergies renouvelables au réseau électrique, nous présentons dans ce qui suit notre approche proposée pour le contrôle des Smart grids. Les sous-stations de transmission et de distribution possèdent un nombre d équipements critiques qui doivent être surveillées en permanence dans le but d éviter l apparition de surcharge sur les lignes de transmission et sur les transformateurs. Différents paramètres reliés à ces équipements peuvent être contrôlés tels que la température, la densité du gaz, la tension, le courant et la puissance, etc. Ces paramètres varient d un milieu à un autre ou d une application à une autre. Dans ce qui suit, nous décrirons notre approche proposée et nous définirons les actions prises en regard des informations collectées. 2. ABCON (Agent Based CONtrol) Le réseau électrique se compose de générateurs, des lignes de transmission et de distribution, et des consommateurs. Nous proposons une approche où chaque agent est incorporé dans un capteur qui sera placé au niveau d un des composants du réseau pour suivre le comportement de ce composant. Les différents agents forment ainsi un système multi-agents. L algorithme proposé permettra la prise des décisions et des actions adéquates pour éviter la surcharge des lignes de transmission et des transformateurs tels que la diminution de la charge au niveau de la consommation, le changement du flux de l électricité, etc. Dans notre approche, nous avons défini différents types d agents qui participeront dans le processus du contrôle du réseau. Au premier lieu, nous définissons l agent consommateur, Consumer Agent (CA). C est l agent exécutant du côté des consommateurs. C est l acheteur de l énergie. Il se trouve au niveau des maisons ou des industries qui ne possèdent aucune source d énergie propre à eux et doivent référer aux grands générateurs pour assurer leurs besoins [17]. Le rôle de cet agent est de trouver la quantité d énergie qu un consommateur demande de chaque générateur. L opération de surveillance est effectuée par deux capteurs différents. - Grid Agent (GA) son rôle est de surveiller des paramètres précis (température du transformateur) et se trouve au niveau du transformateur. Dans le cas de détection d une valeur suspicieuse (par exemple température élevée supérieure à un seuil défini), le GA envoie cette valeur au Grid Coordinator Agent. - Grid Coordinator Agent (GCA) responsable de traiter les valeurs qu il reçoit des GA et de prendre les décisions convenables vis-à-vis ces valeurs. 17

Plusieurs GAs communiquent avec un seul GCA. Le dernier agent que nous définirons dans notre approche est l agent incorporé au niveau des sources d énergie Power Agent (PA). Cet agent se trouve au niveau des sources d énergie renouvelables (solaire, éolienne). Son rôle est de recevoir des demandes d énergies des GCA et des CA et d accepter ou non ces demandes selon la capacité du générateur de produire la quantité demandée ou pas (par exemple, dans une journée ensoleillée, une source d énergie solaire est capable de produire une quantité d énergie supérieure à celle produite dans une journée venteuse). Les décisions seront prises par le GCA suite à une coopération avec les consommateurs et les générateurs. Les règles de coopération seront définies ultérieurement. Après avoir défini les différents agents de notre approche, nous donnons dans ce qui suit le domaine d application utilisé, les paramètres et les variables sur lesquels notre approche est basée ainsi que les règles de décision qui seront utilisées par les différents agents. 2.1 - Domaine d application et variables La température est un des principaux facteurs qui influencent la vie d'un transformateur. En fait, l'augmentation de la température est la principale cause de la réduction de la vie du transformateur. Des problèmes tels que la surcharge du transformateur, l'humidité, et les températures extrêmes affectent les transformateurs. Dans ABCON, nous avons considéré la surveillance de la température des transformateurs. Dans ce rapport, nous introduisons le terme «élévation de la température» T (éq.1) qui est défini dans [18] par la différence entre la température du transformateur et la température ambiante. T=T transformateur - T ambiante (éq.1) Les fabricants précisent des intervalles pour étudier cette élévation [19]. En fonction de ces intervalles, nous pouvons déterminer l importance de la valeur détectée. Nous assignons à chaque intervalle une priorité. Il existe donc 3 priorités : priorité faible (pri-f), priorité moyenne (pri-m) et priorité haute (pri-h). La table 3.1 présente les différents intervalles et les priorités correspondantes. Table 3.1 - Intervalles définissant l'élévation de la température Intervalle [0-145 ] [145-190 ] >190 Signification Normal Suspicieux Critique Priorité Pri-f Pri-m Pri-h Dans le but de calculer l élévation de la température, la température ambiante est captée et sauvegardée d une façon périodique par le GCA. Ce dernier applique l algorithme de «levelcrossing sampling» (LCS) [3]. En d autres termes, il trouve la différence entre la valeur de la 18

température ambiante détectée à l instant actuel (i) et la dernière valeur de la température ambiante trouvée à l instant précédent (i-1) comme le montre l éq. 2. Ta= T ambiante (i) - T ambiante (i-1) (éq.2) Si cette différence est supérieure à un seuil s, le GCA diffuse la nouvelle température ambiante aux GA. Selon les fabricants dans [19], la variation de la température ambiante ne doit pas dépasser 10. Les valeurs de la température ambiante sauvegardée par le GCA seront utilisées ultérieurement pour des raisons de statistiques que nous ne nous y intéressons pas dans notre approche. La surveillance de la température ambiante réalisée par le GCA et de la température des transformateurs réalisée par le GA se fait d une façon périodique de période T détection. Cette période peut varier d une application à une autre. Dans [14], les auteurs fait varier la période de détection de 60s à 900s. Durant cette période, les GA captent les valeurs puis rentrent à l état idle tandis que le GCA reste en réveil en attendant des messages des GA. Etant donné que le coordinateur prend à sa charge une grande partie des traitements réalisés, et pour résoudre le problème de sa durée de vie, sa batterie sera chargée à travers le réseau électrique [20]. Cela est possible à travers la technique de l «Energy Harvesting» [21]. Après la définition des paramètres correspondants à la surveillance, nous allons définir les paramètres liés à la coopération des différents agents. Tout d abord, le GCA doit connaitre la quantité d énergie que la sous station correspondante est supposé transmettre. Cette quantité est déterminée par l AC et transmise au GCA correspondant. L algorithme de la gestion de l énergie est développé dans [17]. Dans cet algorithme, les auteurs assurent à un intervalle de temps déterminé la quantité d énergie demandée pour toutes les activités de l intervalle suivant. Les générateurs de cette énergie peuvent être des petites sources distribuées auprès des consommateurs et peuvent être des grandes compagnies de générations. Dans ce qui suit, nous développons la scène de surveillance et les règles de prise de décisions et d actions. 2.2 Scène de surveillance et règles de prise de décision Maintenant que nous avons défini les différents agents participant dans cette approche et les divers paramètres importants, nous allons présenter la scène qui contrôle le comportement des agents. La figure 3.1 montre la communication des différents agents participant dans cette approche : 19

Figure 3.1 Exemple de topologie de communication Le principe de fonctionnement pourrait être résumé de la façon suivante : chaque période, le GCA détecte la valeur de la température ambiante, et trouve Ta. Ensuite, il comparera Ta au seuil s. Si Ta>s, il diffuse un message de mise à jour de la valeur de la température ambiante aux GAs, appelé message update. A la réception de ce message, chaque GA met à jour la valeur de la température ambiante utilisée pour le calcul de l élévation de la température. D autre part, le GA détecte la valeur de la température du transformateur T transformateur et calcule T. Ensuite, il trouve l intervalle auquel T appartient. S il appartient à l intervalle de faible priorité, il rentre en état idle jusqu à la période suivante, Si T appartient à un intervalle de priorité moyenne ou de haute priorité, il envoie au coordinateur un message appelé message alerte contenant la valeur détectée et la priorité correspondante. Il traitera alors la priorité de la valeur reçue. La figure 3.2 montre l organigramme qui résume le fonctionnement du GA : 20

Figure 3.2 organigramme de fonctionnement du GA On distingue donc 2 cas pour le GCA, le premier est celui quand il détecte la valeur de la température ambiante. Le deuxième est lorsqu il reçoit un message alerte de l un des GA. Dans le premier cas, le GCA capte la température ambiante d une façon périodique et applique le LCS comme nous avons déjà expliqué. Dans le deuxième cas, l agent traite la priorité de la valeur reçue. Si c est une valeur de priorité haute, la valeur détectée signifie la présence d un problème qui peut conduire à un problème dans le réseau et ainsi une action rapide doit être faite. Si la valeur détectée est une valeur de priorité moyenne, cela signifie qu un problème pourrait exister et que des mesures préventives doivent être prises pour résoudre ce problème afin de ne pas nuire aux consommateurs. En effet, en présence d un problème au niveau des transformateurs des sous stations, il serait possible de ne pas pouvoir assurer la quantité d énergie suffisante pour la satisfaction de la demande de tous les consommateurs et ainsi il faudrait l assurer d autres sources d énergie. Dans ce but, nous proposons une coopération entre le GCA et le PA pour essayer d assurer la quantité d énergie demandée Q. 21

La figure 3.3 montre l organigramme qui résume le fonctionnement du GCA : Figure 3.3 organigramme de fonctionnement du GCA 2.2.1 Cas 1 : cas d une valeur de haute priorité Dans le cas d une haute priorité, ceci signifie que la température est très élevée. Le transformateur risque alors tomber en panne s il n est pas mis hors tension. L action rapide adéquate qui devrait être prise par le GCA est de mettre hors tension (l arrêter). Une telle action possède des conséquences au niveau des consommateurs dont les besoins en énergie électrique ne seront plus satisfaits. Pour éviter un tel problème, la surcharge du transformateur doit être réduite rapidement. La diminution de la surcharge peut conduire à la diminution de la température du transformateur et ainsi le système aura une chance de rendre des précautions nécessaires avant de prendre la décision d éteindre le transformateur. Pour cela, le GCA envoie aux CAs un message panne dans lequel il demande de réduire leur consommation ou il sera obligé d éteindre le transformateur après un temps T critique (supérieur à T détection ) s il détecte de nouveau une valeur de haute priorité. Les figures 3.4, 3.5 et 3.6 expliquent l action rapide : 22

Figure 3.4 - Action rapide, cas de redétection d'une valeur de pri-h Figure 3.5 - action rapide, cas d'une redétection d'une valeur de pri-m 23

Figure 3.6 - action rapide, cas d'une redétection d'une valeur de pri-f Si le GCA prend la décision d arrêt du transformateur, il envoie un message surveillance au sink dans lequel il agrège toutes les valeurs reçues et envoie aux GAs un ordre de rentrer à l état idle. La figure 3.7 montre l organigramme qui résume l action prise lors de la détection d une valeur de haute priorité : Figure 3.7 organigramme cas d'une valeur de haute priorité 24

2.2.2 Cas 2 : cas d une valeur de priorité moyenne Dans le cas de la détection d une valeur de priorité moyenne, le coordinateur essaie d assurer toute la quantité d énergie demandée par les consommateurs à travers d autres sources d énergie. Connaissant les consommateurs que chaque GCA doit servir, ce dernier envoie une requête aux CAs correspondantes demandant de lui envoyer la quantité d énergie Q c demandée par le consommateur. La quantité d énergie totale Q est la somme des Q c des différents consommateurs. Dans l algorithme de coopération proposé, le GCA diffuse un message de demande d énergie aux PAs contenant Q et attend un temps T reponse pour la réponse. A la réception d un tel message, un PA vérifie s il est capable d assurer une telle quantité. Si oui, il envoie une offre au GCA. Après l expiration de T reponse, le GCA examine les offres qu il a reçues et choisit la plus correspondante c.à.d. celle de prix le plus faible. Puis il envoie l offre aux CAs pour prendre la décision d acceptation de cette nouvelle offre. Notons que dans cette approche, la prise de décision d accepta ou de refus d un offre s effectue par le CA sans aucune intervention humaine. Des modifications peuvent être faites pour prendre en considération les décisions humaines mais, dans notre proposition, ce n est pas disponible. Si l offre convient au CA, c.à.d. le prix convient aux consommateurs, le CA envoie un message accord au GCA et établit un contrat avec le PA correspondant. Si l offre ne convient pas au CA, il envoie un message de refus au GCA. A Chaque fois que le GCA reçoit un message accord d un CA, il soustrait la quantité d énergie demandée de ce consommateur Qc de la quantité d énergie totale demandée Q. La quantité d énergie restante après la réception de toutes les offres est Q (Q =Q- Q c ), a) Si Q est inférieure à la quantité d énergie maximale acceptable pour assurer la résolution du problème Q seuil, le transformateur continue son fonctionnement et le problème est résolu. b) Si Q est supérieure à Q seuil, le GCA prend la décision d élever le tarif comme solution pour diminuer la surcharge du coté des consommateurs. La figure 3.8 résume la communication entre les différents agents dans cet algorithme : 25

Figure 3.8 - Messages envoyés entre les différents agents dans l'algorithme de coopération La figure 3.9 montre l organigramme qui résume l algorithme de coopération proposé : Figure 3.9 - organigramme cas d'une valeur de priorité moyenne 26

3. Conclusion Nous avons proposé une approche pour la surveillance de la température des transformateurs des sous-stations de transmission et de distribution d un réseau électrique. Dans cette approche, la prise de décision par les agents est liée aux résultats de coopération de ces agents entre eux. Des simulations doivent être conduites pour tester cette approche. 27

1. Introduction Chapitre 4 : Evaluation des performances Après la proposition d une approche pour la surveillance et la maintenance des sous stations dans le réseau électrique intelligent, l étape suivante consiste à évaluer l approche proposée. Dans ce qui suit nous allons introduire le simulateur utilisé et présenter les étapes de la simulation ainsi que les résultats obtenus. 2. Le simulateur JADE JADE (Java Agent Development Framework) est une plateforme qui permet de construire des systèmes multi agents (SMA) créée par le laboratoire TILAB, entièrement implémenté en langage JAVA [22]. Chaque instance du JADE est appelée conteneur et peut contenir plusieurs agents. Un ensemble de conteneurs constituent une plateforme. Chaque plateforme doit contenir un conteneur spécial appelé main-container et tous les autres conteneurs s'enregistrent auprès de celui-là dés leur lancement. Chaque agent est identifié par un identifiant unique et peut communiquer avec n'importe quel autre agent sans avoir besoin de connaître son emplacement. 2.1 Les Behaviours de JADE Pour qu'un agent JADE exécute une tâche, nous avons tout d'abord besoin de définir ces tâches. Les tâches dans JADE sont appelées Behaviours ou comportements. JADE alloue un thread par agent, pour cela un agent exécute un Behaviour à la fois. Il existe trois types de Behaviours : Les Behaviours simples : pour présenter une tâche simple. Les Behaviours planifiés : pour planifier une tâche d'un agent JADE Les Behaviours composés : qui servent à présenter des tâches complexes. Après avoir cité les divers Behaviours des agents dans JADE, nous allons présenter la communication entre les agents. 2.2 Les communications entre les agents JADE Pour que plusieurs agents JADE arrivent à collaborer, ils doivent s'échanger des messages. Chaque agent JADE possède une sorte de boite aux lettres qui contient les messages qui lui sont envoyés par les autres agents. Ces boites aux lettres sont sous forme d'une liste qui contient les messages selon l'ordre chronologique de leur arrivée. Les agents JADE utilisent des messages conformes aux spécifications de la FIPA. Ces messages sont composés en général de : L'émetteur du message : un champ rempli automatiquement lors de l'envoi d'un message. 28

L'ensemble des récepteurs du message : un message peut être envoyé à plusieurs agents simultanément. L'acte de communication : qui représente le but de l'envoi du message en cours (informer l'agent récepteur, appel d'offre, réponse à une requête, ) Le contenu du message. Un ensemble de champs facultatifs, comme la langue utilisée, l'ontologie, le timeout, l'adresse de réponse, etc. Pour envoyer un message, il suffit de remplir les champs nécessaires (l'ensemble des récepteurs, le contenu du message et l'acte de communication) d'un message JADE, puis d'appeler la méthode send() de la classe Agent. Pour recevoir un message, il suffit d appeler la méthode receive() pour récupérer le premier message non encore lu de l agent. Lorsqu'un agent communique simultanément avec plusieurs agents, il peut décider un moment de ne lire que les messages de la provenance d'un agent particulier ou les messages ayant un acte de communication particulier. Pour cela un agent peut définir un modèle de message à recevoir. Après la présentation du simulateur utilisé, nous présentons les paramètres des simulations conduites. 3. Les paramètres des simulations Dans le but d évaluer l approche proposée, nous considérons plusieurs scénarios dans lesquels le nombre d agents est variable. Nous considérons aussi que les sources d énergie utilisées sont des sources d énergie renouvelables. Cela est important pour les tarifs puisque les énergies renouvelables ont un tarif plus faible que les sources d énergie traditionnelles. Les paramètres des simulations sont présentés dans la table 4.1. Table 4.1 - Paramètres des simulations Paramètres Nombre de GCA Nombre de GA Nombre de CA Nombre de PA Durée de surveillance Période de détection Période critique Valeurs Non fixe Non fixe Non fixe Non fixe 60 minutes 5 minutes 7 minutes 29

Nombre de messages par noeud Période d attente d une réponse 3 minutes Après avoir défini les paramètres des simulations, nous allons exploiter les résultats obtenus. 4. Résultats 4.1 Nombre de messages échangés Durant cette étude, nous avons simulé la variation du nombre de messages échangés entre les différents agents en fonction du nombre d agents entrant en jeu. Nous considérons plusieurs cas et pour chaque cas nous trouvons le nombre de messages échangés par nœud. Afin de trouver le nombre de messages échangés en fonction du nombre de nœuds du réseau, nous considérons plusieurs scénarios tout en changeant dans chacun le nombre de nœuds c.à.d. le nombre de CAs et de PAs. Pour chaque scénario, nous étudions 3 cas : Cas 1 : 10% des valeurs captées sont de pri-h, 30% de pri-m et 60% de pri-f Cas 2 : 10% des valeurs captées sont de pri-h, 40% de pri-m et 50% de pri-f Cas 3 : 10% des valeurs captées sont de pri-h, 50% de pri-m et 40% de pri-f Les résultats des simulations sont montrés dans la figure 4.1 : 20 18 16 14 12 10 8 6 4 2 0 0 20 40 60 80 100 120 Nombre de noeuds Figure 4.1 - Nombre de messages par noeud pour plusieurs cas cas 1 cas 2 cas 3 Les résultats montrent que le nombre de messages pour chaque cas augmente avec l augmentation du nombre de nœuds. Toutefois, nous remarquons que cette augmentation du nombre de messages se stabilise pour un grand de nœuds. Ceci est normal du fait que l augmentation des acteurs dans l approche conduit à l augmentation des messages entre eux. La 30

% de pertes stabilisation du nombre de messages échangés est causée par le fait que un grand nombre d agents, les messages sont divisés entre ces différents agents. D autre part, l augmentation du pourcentage des valeurs de priorité moyenne engendre une augmentation du nombre de messages par nœud causé par les messages de l algorithme de coopération. 4.2 Effets sur les consommateurs Dans l approche proposée, nous essayons d anticiper l occurrence d un problème au niveau des réseaux de transmission et de distribution électriques dans le but d assurer les besoins de tous les consommateurs d une manière sûre et fiable. Pour étudier l efficacité de l approche proposée, il est indispensable d étudier l effet des valeurs de priorité haute et moyenne sur les consommateurs. Pour cela, nous considérons le cas où aucune source d énergie n est capable d assurer la quantité d énergie et donc il y a nécessité de réduire la charge des consommateurs. Nous étudions les pertes pour différents nombre de consommateurs. Plusieurs cas sont considérés : Cas 1 : cas où les activités importantes des consommateurs sont inférieures ou égales à 60% Dans ce cas, nous considérons qu au maximum 60% des activités des consommateurs sont importantes. Ces activités ne peuvent pas être retardées ni abandonnées. La perte des consommateurs est donc le pourcentage des activités importantes qui doivent être éliminées dans le but de fixer le problème dans le réseau. Les simulations montrent que jusqu à ce taux les consommateurs ne souffrent d aucune perte et que toutes les activités importantes peuvent être effectuées quelque soit le nombre de consommateurs présents. Cas 2 : 70% des activités des consommateurs sont importantes Dans ce cas, nous considérons que 70% des activités des consommateurs sont importantes. Les résultats des simulations sont présentés dans la figure 4.2 : 20 70% valeurs importantes 15 10 5 0 0 20 40 60 80 100 120 Nombe de consommateurs Moyene Min Max Figure 4.2 - Pourcentage de perte, 70% valeurs importantes 31

% de pertes Ces résultats montrent qu en moyenne, le pourcentage de perte varie de 0% jusqu à 11%. Ce pourcentage augmente avec le nombre de consommateurs jusqu à ce que ce dernier atteigne 60 consommateurs. Au-delà de cette valeur, le pourcentage de perte diminue puis se stabilise sur 4%. Cette diminution du pourcentage de pertes pour un nombre de consommateurs supérieur à 60 est due principalement au fait que la diminution de charge est divisée sur un nombre plus élevé de consommateurs. En plus, les résultats montrent que le pourcentage de perte maximal atteint 15% et le pourcentage de perte minimal est nul. Cas 3 : 80% des activités des consommateurs sont importantes Dans ce cas, 80% des activités des consommateurs sont importantes. Les simulations ont conduit à trouver les valeurs résumées dans le graphe de la figure 4.3 : 30 80% valeurs importantes 25 20 15 10 5 Moyenne Min Max 0 0 20 40 60 80 100 120 Nombre de consommateurs Figure 4.3 - Pourcentage de perte, 80% valeurs importantes En moyenne, le pourcentage de perte des consommateurs varie de 2% jusqu à 20%. Au maximum, un consommateur perd jusqu à 26% de ses activités importantes. Au minimum, le pourcentage de perte pourrait être nul. Cas 4 : 90% des activités des consommateurs sont importantes Dans ce cas, 90% des activités des consommateurs sont importantes. Les résultats des simulations conduites sont présentés dans le graphe de la figure 4.4. 32

% de pertes % de pertes 40 35 30 25 20 15 10 5 0 90% valeurs importantes 0 20 40 60 80 100 120 Nombre de consommateurs Moyenne Min Max Figure 4.4 - Pourcentage de perte, 90% valeurs importantes Pour un tel cas, le pourcentage de perte moyenne pour un consommateur varie de 10% à 30%. Il est clair que pour 90% de valeurs importantes, les pourcentages de perte minimale et maximale augmentent. Au minimum, 6% des activités importantes sont perdues et au maximum, les consommateurs perdent jusqu à 36% des activités importantes. Cas 5 : 100% des activités des consommateurs sont importantes Ce cas est considéré comme le cas le plus grave. Toutes les activités sont importantes et aucune activité ne pourrait être éliminée. Les résultats sont présentés dans la figure 4.5 : 60 50 40 100% valeurs importantes 30 20 10 0 0 20 40 60 80 100 120 Nombre de consommateurs Moyenne Min Max Figure 4.5 - Pourcentage de perte, 100% valeurs importantes Sachant que ce cas est le plus grave, les simulations montrent de bons résultats. En moyenne, le pourcentage de perte varie de 20% à 40%. Au maximum, un consommateur peut perdre jusqu à 33

% de pertes 50% des activités importantes. Ainsi, nous pouvons conclure que dans le cas le plus grave, 50% des activités des consommateurs sont maintenues. La figure 4.6 résume les résultats trouvés ci-dessus. Ce graphe montre la variation moyenne du pourcentage de pertes des consommateurs par rapport au nombre de consommateurs pour différents cas (70%, 80%, 90% et 100% des activités importantes). % de pertes vs Nombre de consommateurs 50 40 30 20 10 0 0 20 40 60 80 100 120 70% 80% 90% 100% Nombre de consommateurs Figure 4.6 - Pourcentage de pertes vs nombre de consommateurs Les résultats montrent que le pourcentage de pertes des consommateurs augmente lorsque le pourcentage des activités importantes augmente. Cela est dû au fait que les pertes sont calculées comme étant les activités importantes qui doivent être éliminées ou retardées à cause du problème présent dans le système électrique. Après la simulation de pourcentage de pertes des activités des consommateurs, nous simulerons dans ce qui suit le coût de l électricité. 4.3 Coût de l électricité Nous savons que les sources d énergie renouvelables possèdent un coût plus faible que les sources traditionnelles. En plus, la surcharge sur les réseaux de transmission et de distribution a lieu principalement aux heures de pointe. L intégration des énergies renouvelables présente un bénéfice très important qui est son coût inférieur à celui des sources fossiles. Les heures de pointe sont supposées être de 6 am à 10 am et de 5 pm à 9pm comme le montre la figure 4.7. 34

Figure 4.7 heures de pointe [23] Le but de notre approche est d assurer, à tout instant et quelques soit les conditions, l électricité aux consommateurs. Cela est possible par l intégration des énergies renouvelables. Toutes les approches intégrant les énergies renouvelables au réseau électrique montrent que l achat de l électricité des prosumers se fait à prix réduit. Pour s assurer de la faisabilité de cette idée sur notre approche, nous considérons que lors des heures pointes, les sources d énergies renouvelables sont intégrées au réseau électrique et nous évaluons le coût de l électricité. Une comparaison des prix des sources d énergies par Kilowatts sont présents dans [24]. Nous résumons cette comparaison dans la table 4.2 : Table 4.2 - comparaison du prix des sources d'énergie Source Fuel Solaire Eolienne hydraulique Prix 0.34 cents 0.26 cents 0.26 cents 0.21 cents Dans le but de comparer le prix, nous divisons le jour à 24 périodes chaque période T = 1 heure. Nous considérons 2 cas distincts : Cas A : Source d énergie traditionnelle et le prix de l électricité est fixe à chaque période Dans ce premier cas, nous considérons que le prix de l électricité assuré par les sources d énergie traditionnelles (fuel) est fixe dans chaque période et nous comparons le prix avec notre proposition qui considère que lors des heures pointes les sources d énergie renouvelables sont intégrées. La figure 4.8 présente les résultats obtenus. 35

Prix Figure 4.8 -prix de l'éléctricité dans notre approche et dans l approche traditionnelle Ces résultats sont résumés dans la figure 4.9 : 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 Comparaison du prix approche ttraditionnelle notre approche 0 5 10 période 15 20 25 30 Figure 4.9 - comparaison du prix de l'électricité (1) Cas B : Source d énergie traditionnelle et le prix de l électricité est variable Dans ce cas, nous comparons notre approche à l approche qui considère que l élévation du prix de l électricité durant les heures de pointe peut conduire à la diminution de la consommation. Dans cette approche le prix de l électricité est variable selon les périodes de la journée. La figure 4.10 présente les résultats de la comparaison. 36

Prix 0.6 Comparaison du prix 0.5 0.4 0.3 0.2 0.1 approche classique notre approche 0 0 5 10 période 15 20 25 30 Figure 4.10 - comparaison du prix de l électricité (2) Les résultats montrent qu au lieu de faire recours à l élévation du prix de l électricité pour diminuer la charge des consommateurs, l intégration de l énergie renouvelable et notre approche en particulier ont conduit à l assurance de la quantité d énergie demandée avec un coût moins faible pour les consommateurs. 5. Analyse des résultats Les résultats des simulations conduites montrent que le pourcentage de valeurs détectées de haute et de moyenne priorité affecte le nombre de messages échangés par nœud. Ce nombre tend à être constant avec l augmentation du nombre de nœuds. Cela est très important pour la durée de vie des capteurs qui est affectée principalement par les messages échangées. En outre, le pourcentage d activités perdues pour les consommateurs varie en fonction du nombre de consommateurs. Les simulations montrent que le pourcentage de pertes augmente avec le nombre de consommateurs jusqu à ce que ce dernier atteigne 60 consommateurs. Au-delà de cette valeur, le pourcentage de pertes diminue puis reste constant. Enfin, les simulations montrent que notre approche présente des avantages en termes du cout de l électricité puisque les énergies renouvelables sont moins chères que les énergies traditionnelles. A ne pas oublier l importance de l utilisation des énergies renouvelables au niveau environnementale. 6. Conclusion Dans ce chapitre, nous avons présenté le simulateur JADE ainsi que ses principales caractéristique. Nous avons simulé différents cas dans le but d évaluer les performances de l approche proposée. Les résultats ont accentué sur les avantages qu introduit notre approche par rapport aux approches traditionnelles qui se limitent à la prise de décision d envoi des 37

informations collectées au Sink ou non. La coopération entre les différents acteurs du réseau électrique permet l assurance de la quantité d énergie nécessaire à tous les consommateurs à tout instant en intégrant les énergies renouvelables. Cette intégration vise en plus à optimiser le coût de l électricité assurée. 38

Conclusion générale et perspectives Ce projet décrit les problèmes que rencontre le réseau électrique actuellement. Il met en relief l importance de migrer vers un réseau plus intelligent et plus écologique. Dans ce projet, nous avons introduit le Smart grid et les nouveautés qu introduit cette technologie. Nous avons accentué l importance de l intégration des énergies renouvelables au réseau électrique et les problèmes que pose cette intégration. Nous avons trouvé que pour surmonter ces problèmes, il y a nécessité de développer des applications de surveillance et de contrôle. L approche proposée ABCON (Agent Based CONtrol) consiste à surveiller la température du transformateur qui est un signe de la surcharge du réseau ou de la présence d un problème technique. A la détection d une valeur suspicieuse, les agents coopèrent pour rediriger le flux électrique et intégrer les énergies renouvelables au réseau pour assurer la quantité d énergie demandée. Des simulations ont été conduites en utilisant le simulateur JADE pour évaluer les performances de l approche proposée. Ce simulateur permet de définir les règles de communication des différents agents dans le système. Les résultats montrent l efficacité de l approche proposée puisque le nombre de messages échangés par nœud tend vers une valeur constante avec l augmentation du nombre de nœuds ce qui est important pour la conception d un réseau de capteurs sans fil prenant en relief la durée de vie des batteries des capteurs. En plus, l approche proposée évite la perte des activités des consommateurs qui peut atteindre seulement 50% dans les cas les plus graves. Ce résultat est important puisque la survenance d un blackout dans le réseau conduit à la perte de toutes les activités des consommateurs quelque soit leur importance. D autre part, notre approche est avantageuse en termes du prix de l électricité puisque l électricité achetée des prosumers coute moins cher que celle achetée des grandes usines de production. Ce rapport a été constitué de quatre chapitres. Le premier présente les Smart grids, les réseaux de capteurs sans fil et les systèmes multi agents. Le deuxième chapitre est consacré pour l introduction des approches déjà existantes pour le contrôle des Smart grids. L approche proposée est développée dans le troisième chapitre et l évaluation des performances de cette approche est étudiée dans le quatrième chapitre. Ce travail peut être complété et amélioré en augmentant le nombre d agents et en testant la performance de l approche proposé. Cela permet de traduire le cas réel du réseau électrique. En plus, dans le but d étudier l efficacité de l approche proposée, des études prenant en considération des paramètres autres que la température des transformateurs peuvent être conduites. 39

Références [1] Xi Fang, Dejun Yang, and Guoliang Xue, Wireless Communication and Networking Technologies for Smart Grid: Paradigms and Challenges, arxiv:1112.1158v1 [cs.ni], Dec. 2011 [2] Sarvapali Ramchurn, Perukrishnen Vytelingum, Alex Rogers, and Nick Jennings. Putting the "smarts" into the smart grid: A grand challenge for artificial intelligence. Communications of the ACM, pp. 86-97, 2011. [3] Smartgrids-cre.fr [4] S. Ullo, A. Vaccaro, and G. Velotto, The role of pervasive and cooperative sensor networks in smart grids communication, in MELECON 2010-2010 15th IEEE Mediterranean Electrotechnical Conference, pp. 443-447, april 2010 [5] Lloret, P. Velasquez, J.L. Molas-Balada, L. Villafafila, R. Sumper, A. Galceran-Arellano, S. IEC 61850 as a flexible tool for electrical systems monitoring 9th International Conference on Electrical Power Quality and Utilisation, 2007 (EPQU 2007), pp. 1-6, 9-11 Oct. 2007,Barcelona. [6] A. Perrig, J. Stankovic, and D. Wagner, Security in Wireless Sensor Networks, invited paper, CACM, Vol. 47, No.6, June 2004, pp. 53-57, rated Top 5 Most Popular Magazine and Computing Surveys Articles Downloaded in August 2004, translated into Japanese. [7] Mitja Kolenc, Matej Zajc : Wireless sensor networks and data analysis in Smart Grids, 7th IEEE International Symposiumon Information and Communication Technologies -INTSIKT 2011 Smart City,Tuzla, June 06-07 [8] V. C. Gungor, D. Sahin, T. Kocak et al., A survey on smart grid potential applications and communication requirements, IEEE Transactions on Industrial Informatics, vol. 9, no. 1, pp. 28 42, 2013. [9] H. Van Dyke Parunak, Agents in Overalls: Experiences and Issues in the Development and Deployment of Industrial Agent-Based Systems, International Journal of Cooperative Information Systems 9:3, pp. 209-227, 1999 [10] Olivier Boissier, Sylvain Gitton, Pierre Glize : Caractéristiques des Systèmes et des Applications. Systèmes multi-agents / Observatoire Français des Techniques Avancées, ARAGO 29, Diffusion Editions TEC & DOC, pp. 25-54, 2004 [11] McArthur S.D.J., Davidson E.M., Catterson V.M., Dimeas A.L., Hatziargyriou N.D., Ponci F., Funabashi T. Multi-Agent Systems for Power Engineering Applications Part I: Concepts, Approaches, and Technical Challenges, IEEE Transactions on Power Systems, vol 22, no.4, pp. 1743-1752 [12] Scalable Network Topologies, Inc. http://www.qualnet.com 40

[13] Yerra, R.V.P.; Bharathi, A.K.; Rajalakshmi, P.; Desai, U.B.: WSN based power monitoring in smart grids, Intelligent Sensors, Sensor Networks and Information Processing (ISSNIP), pp. 401 406, 2011 [14] A. Nasipuri, R. Cox, J. Conrad, L. Van der Zel, B. Rodriguez, and R. McKosky, Design considerations for a large-scale wireless sensor network for substation monitoring, in Local Computer Networks (LCN), 2010 IEEE 35th Conference on, pp. 866 873, oct. 2010 [15] Natalie Matta, Rana Rahim-Amoud, Leïla Merghem-Boulahia, Akil Jrad: Enhancing smart grid operation by using a WSAN for substation monitoring and control. Wireless Days 2012, pp.1-6 [16] Natalie Matta, Rana Rahim-Amoud, Leïla Merghem-Boulahia, Akil Jrad: A Wireless Sensor Network for Substation Monitoring and Control in the Smart Grid. GreenCom 2012, pp. 203-209 [17] Dima El Nabouch, Natalie Matta, Rana Rahim-Amoud, Leila Merghem-Boulahia : An Agent-based approach for efficient energy management in the context of smart houses, Highlights on Practical Applications of Agents and Multi-Agent Systems Communications in Computer and Information Science, Vol. 365, 2013, pp. 375-386 [18] http://www.copper.org/environment/systainable-energy/transformers/trans_efficiency.htm [19] http://www.schneider electric.com/limites_thermiques_des_transformateurs.pdf [20] Yide Liu : Wireless Sensor Network Applications in Smart Grid: Recent Trends and Challenges International Journal of Distributed Sensor Networks, Volume 2012 (2012), Article ID 492819, 8 pages doi:10.1155/2012/492819 [21] Moghe, R. ; Yi Yang ; Lambert, F. ; Divan, D. : A Scoping Study of Electric and Magnetic Field Energy Harvesting for Wireless Sensor Networks in Power System Applications, Energy Conversion Congress and Exposition, 2009. ECCE 2009. IEEE, pp. 3550 3557, Sept. 2009 [22] http://jade.tilab.com/doc/tutorials/jadeprogramming-tutorial-for-beginners.pdf [23] http://energypriorities.com/entries/2006/02/pse_tou_amr_case.php [24] http://www.xfuels.com/products/xelectricity.php 41

Table des figures Figure 1.1 Exemple du réseau électrique traditionnel...5 Figure 1.2 Modèle général du Smart grid...6 Figure 2.1 - Illustration des capteurs dans une station... 14 Figure 3.1 Exemple de topologie de communication... 20 Figure 3.2 Organigramme de fonctionnement du GA... 21 Figure 3.3 Organigramme de fonctionnement du GCA... 22 Figure 3.4 Action rapide, cas de redétection d une valeur de pri-h... 23 Figure 3.5 - Action rapide, cas de redétection d une valeur de pri-m... 23 Figure 3.6 - Action rapide, cas de redétection d une valeur de pri-f... 24 Figure 3.7 Cas d une valeur de haute priorité... 24 Figure 3.8 Messages envoyés entre les différents agents dans l algorithme de coopération... 26 Figure 3.9 Organigramme cas d une valeur de priorité moyenne... 26 Figure 4.1 - Nombre de messages par noeud pour plusieurs cas... 30 Figure 4.2 - Pourcentage de perte, 70% valeurs importantes... 31 Figure 4.3 - Pourcentage de perte, 80% valeurs importantes... 32 Figure 4.4 - Pourcentage de perte, 90% valeurs importantes... 33 Figure 4.5 - Pourcentage de perte, 100% valeurs importantes... 33 Figure 4.6 - Pourcentage de pertes vs nombre de consommateurs... 34 Figure 4.7 heures de pointe... 35 Figure 4.8 - prix de l'éléctricité dans notre approche et dans l approche traditionnelle... 36 Figure 4.9 comparaison du prix de l électricité (1)... 36 Figure 4.10 comparaison du prix de l électricité (2)... 37

Liste des tables Table 3.1 - Intervalles définissant l'élévation de la température... 18 Table 4.1 - Paramètres des simulations... 29 Table 4.2 - comparaison du prix des sources d'énergie... 35