Modélisation de systèmes à paramètres répartis par

développements d’impédances dans l’espace de Laplace.

Fabien Soulier

To cite this version:

Fabien Soulier. Modélisation de systèmes à paramètres répartis par développements d’impédances
dans l’espace de Laplace. : Application aux protections numériques et à la localisation de défauts sur
les lignes triphasées. Sciences de l’ingénieur [physics]. Univ. Poitiers, 2003. Français. �tel-01784852�

HAL Id: tel-01784852

[Link]
Submitted on 3 May 2018

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
 THÈSE
pour l’obtention du grade de
Docteur de l’université de Poitiers
(Faculté des sciences fondamentales et appliquées)
(Diplôme national — Arrêté du 25 avril 2002)

École doctorale : sciences pour l’ingénieur

Secteur de recherche : génie électrique

Présentée par

Fabien Soulier
Ingénieur ensieg, agrégé de physique appliquée

Modélisation de systèmes à paramètres répartis

par développements d’impédances dans l’espace de
Laplace
Application aux protections numériques et à la localisation de
défauts sur les lignes triphasées

Directeur de Thèse
Patrick Lagonotte

Soutenue le 4 décembre 2003

devant la commission d’examen

— JURY —

Rapporteurs Philippe Auriol Professeur à l’École centrale de Lyon

Youssoufi Touré Professeur à l’université d’Orléans
Examinateurs François Costa Professeur à l’iufm de Créteil
Patrick Lagonotte Maître de conférences
à l’université de Poitiers
Jean-Bernard Saulnier Professeur à l’ensma
Jean-Claude Trigeassou Professeur à l’université de Poitiers
Invités Khalid Alem Ingénieur Alstom
Volker Leitloff Docteur, ingénieur rte
ii
 À Marion
À mes parents

iii
iv
Remerciements

Les recherches qui sont l’objet de ce mémoire se sont déroulées au sein de l’équipe
analyse système et optimisation du laboratoire d’études thermiques de Poitiers et de
l’équipe recherche et développement produits de la société Alstom de Lattes.
Pour m’avoir accueilli pendant ces trois années, je remercie M. Daniel Petit, directeur
du laboratoire d’études thermiques et M. Khalid Alem, directeur de la recherche et du
développement de la ligne produits d’Alstom.
Je tiens tout particulièrement à remercier mon directeur de thèse, M. Patrick La-
gonotte, maître de conférences à l’université de Poitiers, pour m’avoir fait confiance en
me proposant ce sujet ambitieux et d’une richesse exceptionnelle, pour son implication
exemplaire dans l’encadrement dans mon travail, ses nombreuses idées, ses propositions
pertinentes, mais avant tout pour sa sympathie et son amitié.
Je voudrais remercier M. Philippe Auriol, professeur à l’École centrale de Lyon, pour
avoir accepté d’être rapporteur de mon travail de recherche. Et je voudrais, pour cette
même raison, remercier M. Youssoufi Touré, professeur à l’université d’Orléans, et aussi
parce qu’il a su, par la clarté de son exposé à l’école d’automatique de Lille sur le contrôle
des systèmes à paramètres répartis, démystifier cette « étrange théorie » du semigroupe.
Pour avoir accepté de faire partie de mon jury de thèse, je remercie M. François Costa,
professeur à l’iufm de Créteil, M. Jean-Bernard Saulnier, professeur à l’École nationale
supérieure de mécanique et d’aérotechnique, M. Jean-Claude Trigeassou, professeur à
l’université de Poitiers, ainsi que M. Khalid Alem, ingénieur Alstom T&D et M. Volker
Leitloff, docteur et ingénieur rte, les représentants du contexte industriel dans lequel ces
travaux se sont déroulés.
Merci aussi à M. Claude Brezinski qui a trouvé assez d’intérêt à nos travaux pour
m’accueillir pour un séminaire au laboratoire d’analyse et d’optimisation de Lille. Et en-
core plus particulièrement à sa collaboratrice, Jeannette Van Iseghem, qui n’a pas ménagé
ses efforts pour m’expliquer la théorie des polynômes orthogonaux et les subtilités de leurs
relations avec les approximants de Padé. Merci aussi à M. Denis Matignon pour l’intérêt
qu’il a montré pour mes recherches à l’université Notre-Dame et pour ses réponses, parfois
passionnées mais toujours argumentées.
Je remercie M. Éric Legrand, qui est à l’initiative de ce travail et qui s’occupe toujours
de lignes aériennes, mais dans un autre domaine, M. Damien Tholomier qui en a assuré
un temps l’encadrement industriel et en a toujours suivi la progression, M. Frédéric Bel,
responsable de la recherche et du développement produits à Lattes, et M. Thierry Bardou

v
qui a eu l’éprouvante tâche d’encadrer ce travail.
Et je remercie également toute l’équipe de recherche et développement de la ligne
produit d’Alstom Lattes, Nathalie, qui m’a précédé à Grenoble, Karen, Laurence, Patricia,
Jutta, les Christophes (tous les trois), Patrick, Fred, François l’artiste, René pour les
discussions toujours intéressantes et la relecture, l’encyclopédique M. Carel, Jean-Philippe,
spécialiste de Matlab et des modèles arma, et les beaux-frères Fabrice et Denis qui m’ont
initié aux protections numériques.
Pour mon séjour poitevin, je remercie les (ex-)doctorants thermiciens : Jean-François
qui a défriché le thème de la présente thèse pendant son dea, Marc, Béa, le Manu du
Poitou, les cantalous Yo et Jack, Seb, Maria, Stéphane pour son Coin, Nicolas et Cédric
pour les échanges d’idées constructifs.

vi
Notations et symboles

Symboles et paramètres physiques

c capacité linéique, pour un modèle à constantes réparties, ou selon le

contexte, c = √1ǫµ : vitesse des ondes électromagnétiques dans le milieu,
C capacité globale d’un modèle : C = cX en coordonnées cartésiennes,
∆ coefficient d’influence électrostatique,
ǫ permittivité diélectrique absolue du milieu,
g conductance linéique, pour un modèle à constantes réparties,
G conductance globale d’un modèle : G = gX en coordonnées cartésiennes,
i courant,
l inductance linéique, pour un modèle à constantes réparties,
L inductance globale d’un modèle : L = lX en coordonnées cartésiennes,
µ perméabilité magnétique absolue du milieu,
Φ flux d’un vecteur, ou flux de chaleur,
q charge électrique, ou quantité de chaleur,
r résistance linéique, pour un modèle à constantes réparties,
R résistance globale d’un modèle : R = rX en coordonnées cartésiennes,
t variable temporelle,
v tension,
x variable d’espace dans la direction de propagation ou de diffusion, en
coordonnées cartésiennes,
X dimension totale du système étudié en coordonnées cartésiennes,
y admittance transversale linéique, pour un modèle à constantes réparties,
Y admittance transversale globale d’un modèle : Y = yX en coordonnées
cartésiennes,
z impédance longitudinale linéique, pour un modèle à constantes réparties,
Z impédance longitudinale globale d’un modèle : Z = zX en coordonnées
cartésiennes,
Z impédance d’ordre infini.

vii
Notations mathématiques
⊐ transformation de Laplace,
∇ opérateur nabla de dérivation vectorielle,
C ensemble des nombres complexes,
∆ Laplacien, opérateur de dérivation d’ordre deux,
e base des logarithmes népériens,
inombre complexe vérifiant i2 = −1,
o, O notations de Landau pour les développements limités,
m représente une matrice,
N ensemble des entiers naturels,
ν fréquence dans la transformée de Fourier,
p variable complexe de la transformation de Laplace,
R ensemble des nombres réels,
T
transposition d’une matrice,
v représente un vecteur,
z variable symbolique de la transformée en Z,
Z ensemble des entiers relatifs.

viii
Table des matières

Introduction 1

1 La protection des lignes de transmission 3

1.1 Protections des réseaux électriques . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Divers types de réseaux . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Utilité de la protection . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Défauts d’isolement . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.4 Qualités des protections . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.5 Technologies des protections . . . . . . . . . . . . . . . . . . . . . . 6
1.2 La protection de distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Principe de la protection de distance . . . . . . . . . . . . . . . . . 6
1.2.2 Exemple de protection numérique . . . . . . . . . . . . . . . . . . . 7
1.2.3 Modèle de ligne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4 Algorithme de distance . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.5 Algorithme directionnel . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Amélioration des performances . . . . . . . . . . . . . . . . . . . . . . . . . 11

2 Modélisation des lignes électriques 15

2.1 L’évolution de la modélisation des lignes électriques . . . . . . . . . . . . . 15
2.1.1 Du télégraphe au téléphone . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2 L’équation des télégraphistes . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3 Significations physiques des paramètres de la ligne . . . . . . . . . . 22
2.2 Résolution dans l’espace de Laplace . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Transformation de Laplace . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 Modèles équivalents . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.3 Modèles à constantes localisées . . . . . . . . . . . . . . . . . . . . 29
2.3 Les systèmes à paramètres répartis . . . . . . . . . . . . . . . . . . . . . . 33
2.3.1 Équations aux dérivées partielles . . . . . . . . . . . . . . . . . . . 33
2.3.2 Systèmes d’ordre infini . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.4 Axe de recherche développé dans ce mémoire . . . . . . . . . . . . . . . . . 40

ix
Table des matières

3 De l’approximation polynomiale à l’approximation rationnelle 43

3.1 L’approximation polynomiale . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1.1 Développement limité . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.2 Polynômes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2 Les approximants de Padé . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.1 Définition des approximants . . . . . . . . . . . . . . . . . . . . . . 49
3.2.2 Propriétés des approximants . . . . . . . . . . . . . . . . . . . . . . 52
3.2.3 Calcul des approximants . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2.4 Approximants de Padé et polynôme orthogonaux . . . . . . . . . . 56
3.3 Les Fractions Continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.3.1 Le développement d’un nombre . . . . . . . . . . . . . . . . . . . . 58
3.3.2 Le développement d’une fonction . . . . . . . . . . . . . . . . . . . 61
3.3.3 L’équivalence entre les fractions continues et les approximants de
Padé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.4 Théorème de Mittag-Leffler . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.4.1 Développement suivant les pôles d’une fonction . . . . . . . . . . . 69
3.4.2 Développement suivant les zéros d’une fonction . . . . . . . . . . . 70
3.5 Méthodes d’approximation retenues . . . . . . . . . . . . . . . . . . . . . . 70

4 Synthèse de réseaux par développements d’impédances 71

4.1 Extension des synthèses de Foster et Cauer à l’ordre infini . . . . . . . . . 71
4.1.1 Développement en éléments simples de l’impédance . . . . . . . . . 72
4.1.2 Développement en éléments simples de l’admittance . . . . . . . . . 74
4.1.3 Développement en fraction continue de l’impédance . . . . . . . . . 74
4.1.4 Comparaison des réponses fréquentielles . . . . . . . . . . . . . . . 77
4.2 Application à une ligne monophasée . . . . . . . . . . . . . . . . . . . . . . 77
4.2.1 Synthèse de Cauer . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.2.2 Capacités de compensation . . . . . . . . . . . . . . . . . . . . . . . 79
4.2.3 Modèle développé . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2.4 Simulation d’une réponses temporelle . . . . . . . . . . . . . . . . . 83
4.3 Application à un câble avec effet de peau . . . . . . . . . . . . . . . . . . . 83
4.3.1 Calcul de la répartition des filets de courants . . . . . . . . . . . . . 84
4.3.2 Calcul de l’impédance interne . . . . . . . . . . . . . . . . . . . . . 87
4.3.3 Synthèse de Cauer . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.3.4 Modélisation d’ordre non entier . . . . . . . . . . . . . . . . . . . . 89
4.3.5 Comparaison du modèle de Cauer et du modèle non entier . . . . . 89
4.3.6 Application à un câble réel . . . . . . . . . . . . . . . . . . . . . . . 93
4.4 Application à une ailette de refroidissement . . . . . . . . . . . . . . . . . 98
4.4.1 Le système physique étudié . . . . . . . . . . . . . . . . . . . . . . 98
4.4.2 La modélisation nodale classique . . . . . . . . . . . . . . . . . . . 98
4.4.3 Les synthèses de Foster et Cauer . . . . . . . . . . . . . . . . . . . 99
4.4.4 Comparaison des modélisations . . . . . . . . . . . . . . . . . . . . 101
4.5 Application à la conduction thermique dans un cylindre . . . . . . . . . . . 103

x
 Table des matières

4.5.1 Modèle thermique d’ordre infini . . . . . . . . . . . . . . . . . . . . 104

4.5.2 Modèles réduits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.5.3 Comparaison des modèles . . . . . . . . . . . . . . . . . . . . . . . 107
4.6 Conclusion sur les développements d’impédances . . . . . . . . . . . . . . . 111

5 Extension au cas des lignes polyphasées 113

5.1 Équation des télégraphistes matricielle . . . . . . . . . . . . . . . . . . . . 113
5.1.1 Modélisation de l’élément de ligne multifilaire . . . . . . . . . . . . 113
5.1.2 Passage en composantes modales . . . . . . . . . . . . . . . . . . . 114
5.1.3 Résolution dans l’espace modal . . . . . . . . . . . . . . . . . . . . 115
5.1.4 Conditions aux limites . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.2 Développement d’impédances matricielles . . . . . . . . . . . . . . . . . . . 116
5.2.1 Définition d’une impédances matricielles . . . . . . . . . . . . . . . 117
5.2.2 Modèle en « Π » équivalent . . . . . . . . . . . . . . . . . . . . . . 118
5.2.3 Fractions continues matricielles . . . . . . . . . . . . . . . . . . . . 119
5.3 Synthèse de Cauer matricielle . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.3.1 Réseau d’impédances matricielles . . . . . . . . . . . . . . . . . . . 121
5.3.2 Représentation du couplage capacitif . . . . . . . . . . . . . . . . . 121
5.3.3 Représentation d’une résistance de défaut triphasée . . . . . . . . . 122
5.4 Exemple de simulation d’une ligne triphasée . . . . . . . . . . . . . . . . . 123
5.4.1 Méthode modale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5.4.2 Modèle approché de la ligne polyphasée . . . . . . . . . . . . . . . . 125
5.5 Avantages du développement d’impédances matricielles . . . . . . . . . . . 125

6 Application à la détection de défauts 129

6.1 Modèle numérique d’une ligne en défaut . . . . . . . . . . . . . . . . . . . 129
6.1.1 Synthèse de Cauer . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.1.2 Modèle numérique monophasé . . . . . . . . . . . . . . . . . . . . . 131
6.1.3 Modèle numérique polyphasé . . . . . . . . . . . . . . . . . . . . . 132
6.2 Méthode d’identification paramétrique . . . . . . . . . . . . . . . . . . . . 132
6.2.1 Méthode du gradient . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.2.2 Méthode de Gauss-Newton . . . . . . . . . . . . . . . . . . . . . . . 133
6.2.3 Méthode de Levenberg-Marquardt . . . . . . . . . . . . . . . . . . . 133
6.3 Mise en œuvre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.3.1 Calcul du gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.3.2 Calcul du Hessien . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.3.3 Calcul des fonctions de sensibilité . . . . . . . . . . . . . . . . . . . 134
6.3.4 Simulation pour une ligne monophasée . . . . . . . . . . . . . . . . 135

7 Implémentation numérique des réseaux en échelle 143

7.1 Équivalence entre réseaux en échelle et filtres en treillis . . . . . . . . . . . 143
7.1.1 Relations de récurrence . . . . . . . . . . . . . . . . . . . . . . . . . 144
7.1.2 Filtres en treillis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144

xi
Table des matières

7.2 Synthèse du filtre numérique . . . . . . . . . . . . . . . . . . . . . . . . . . 145

7.2.1 Discrétisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
7.2.2 Troncature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
7.2.3 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . 146
7.2.4 Extension au cas polyphasé . . . . . . . . . . . . . . . . . . . . . . 150
7.3 Remarques sur le cas d’une ligne sans perte . . . . . . . . . . . . . . . . . 150
7.3.1 Réponse impulsionnelle . . . . . . . . . . . . . . . . . . . . . . . . . 150
7.3.2 Décomposition de la réponse impulsionnelle . . . . . . . . . . . . . 151
7.3.3 Expression à l’aide des polynômes de Legendre . . . . . . . . . . . . 153
7.4 Conclusion sur filtrage récursif . . . . . . . . . . . . . . . . . . . . . . . . . 159

Conclusion 161

A La transformation de Laplace 163

A.1 Définition et premières propriétés . . . . . . . . . . . . . . . . . . . . . . . 163
A.2 Propriétés opérationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
A.3 Images de fonction usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
A.4 Transformation de Laplace inverse . . . . . . . . . . . . . . . . . . . . . . . 165
A.5 Lien avec la transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . 166

B Notes sur la résolution de l’équation des télégraphistes 167

B.1 Résolution par découplage des équations . . . . . . . . . . . . . . . . . . . 167
B.1.1 Conditions aux limites . . . . . . . . . . . . . . . . . . . . . . . . . 168
B.2 Utilisation de l’équation de Ricatti . . . . . . . . . . . . . . . . . . . . . . 169
B.2.1 Impédance locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
B.2.2 Résolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
B.2.3 Exemples de calcul d’impédances . . . . . . . . . . . . . . . . . . . 170
B.3 Utilisation d’une exponentielle de matrice . . . . . . . . . . . . . . . . . . 171

C Polynômes orthogonaux 173

C.1 Familles de fonctions orthogonales . . . . . . . . . . . . . . . . . . . . . . . 173
C.1.1 Produit scalaire et norme . . . . . . . . . . . . . . . . . . . . . . . 173
C.1.2 Forme linéaire et moments . . . . . . . . . . . . . . . . . . . . . . . 174
C.2 Familles de polynômes orthogonaux . . . . . . . . . . . . . . . . . . . . . . 175
C.2.1 Calcul direct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
C.2.2 Récurrence à trois termes . . . . . . . . . . . . . . . . . . . . . . . 176
C.2.3 Fonctions génératrices . . . . . . . . . . . . . . . . . . . . . . . . . 177
C.3 Polynômes orthogonaux usuels . . . . . . . . . . . . . . . . . . . . . . . . . 177
C.3.1 Polynômes de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . 177
C.3.2 Polynômes de Tchebytcheff de première espèce . . . . . . . . . . . . 179
C.3.3 Polynômes de Tchebytcheff de deuxième espèce . . . . . . . . . . . 179
C.3.4 Polynômes de Gegenbauer . . . . . . . . . . . . . . . . . . . . . . . 179
C.3.5 Polynômes de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . 182

xii
 Table des matières

C.3.6 Polynômes de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . 182

C.3.7 Polynômes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . 182

D Caractéristiques électriques d’un conducteur cylindrique 187

E Représentation matricielle de réseaux élementaires 189

E.1 Impédances et admittances monophasées . . . . . . . . . . . . . . . . . . . 189
E.1.1 Résistance longitudinale . . . . . . . . . . . . . . . . . . . . . . . . 189
E.1.2 Conductance transversale . . . . . . . . . . . . . . . . . . . . . . . 190
E.1.3 Inductance longitudinale . . . . . . . . . . . . . . . . . . . . . . . . 190
E.1.4 Capacité transversale . . . . . . . . . . . . . . . . . . . . . . . . . . 191
E.2 Impédances et admittances biphasées . . . . . . . . . . . . . . . . . . . . . 191
E.2.1 Inductances longitudinales couplées . . . . . . . . . . . . . . . . . . 191
E.2.2 Capacités transversales couplées . . . . . . . . . . . . . . . . . . . . 192
E.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
E.3.1 Passage entre les représentations . . . . . . . . . . . . . . . . . . . 194
E.3.2 Élément infinitésimal d’une ligne . . . . . . . . . . . . . . . . . . . 195
E.3.3 Mise en parallèle d’impédances longitudinales . . . . . . . . . . . . 196
E.3.4 Mise en série d’impédances longitudinales . . . . . . . . . . . . . . 197
E.3.5 Couplage capacitif dans une impédance longitudinale . . . . . . . . 197

xiii
Table des matières

xiv
Introduction

Nous présentons dans ce mémoire la synthèse des travaux de recherche effectués en

partie au laboratoire d’études thermiques de Poitiers et en partie au sein de l’usine Alstom
Transmission & Distribution de Lattes (Hérault) dans le cadre d’une convention cifre.

Présentation
La sûreté d’alimentation en électricité dans les pays développés est cruciale pour l’éco-
nomie et la vie courante. Les pannes majeures survenues dernièrement, le 20 août 2003 en
Amérique du nord et le 28 septembre 2003 en Italie sont là pour nous le rappeler à juste
titre.
Dans un réseau de transport et de distribution en exploitation, les lignes de trans-
mission à haute tension sont soumises à différentes agressions de longue durée, comme le
givre, la neige collante ou le défaut d’un isolateur, ou de très courte durée, mais beaucoup
plus nombreuses, comme la foudre. Le rôle des protections contre les défauts d’isolation
est d’éliminer l’élément du réseau concerné en ouvrant les organes de coupure adéquats,
après avoir détecté et localisé le défaut. Il importe que cette action soit à la fois rapide
et sélective. La rapidité limite les contraintes sur le matériel et les risques de pertes de
synchronisme dus au déséquilibre. La sélectivité permet d’éviter la mise hors tension d’un
trop grand nombre d’ouvrages.
Au niveau des algorithmes utilisés dans les protections numériques, il est absolument
nécessaire de trouver le juste compromis entre simplicité, dont dépend la rapidité, et la
précision dont dépend la sélectivité. C’est en gardant à l’esprit cette double contrainte
qu’a été réalisé le travail de recherche présenté dans ce mémoire.

Objectif initial de l’étude

La modélisation des lignes électriques est apparemment un problème résolu depuis de
nombreuses années. Cependant, des travaux initiés par M. Patrick Lagonotte au labora-
toire d’études thermiques, à la fois à partir de développements des solutions analytiques
ou de techniques de réduction de réseaux aboutissaient à un nouveau type de modèles sous
la forme de réseaux comportant des condensateurs à capacités négatives de compensation.
Sans augmenter le nombre de nœuds et la dimension des calculs matriciels, cette approche

1
Table des matières

permettait d’améliorer de manière sensible aussi bien le comportement en amplitude et

en déphasage du régime harmonique à 50 Hz, que les réponses en régimes transitoires.
Du point de vue de la société Alstom, partenaire industriel de ce travail, la puissance
des nouveaux processeurs de traitement du signal intégrés aux protections numériques
permettait de concevoir des algorithmes de plus en plus complexes tout en conservant une
très bonne réactivité du système de détection de défauts. L’objectif initial de cette thèse
cifre, initiée par M. Éric Legrand, était d’intégrer dans un environnement temps réel
embarqué de nouveaux algorithmes, afin d’améliorer et de sécuriser le comportement des
protections.

Contributions apportées
Pour mener à bien ce projet ambitieux, nous avons donc décidé de rechercher une
méthode de modélisation à la fois précise, et fournissant des modèles de lignes simples,
pour ne pas nuire à la vitesse de l’algorithme de détection de défauts. Nous avions à notre
disposition des résultats intéressants constituant une voie de recherche à explorer, mais
sans réels fondements théoriques.
Nous avons donc mis en place dans un premier temps un formalisme mathématique
rigoureux qui rattache les modèles de lignes proposés par M. Patrick Lagonotte aux frac-
tions continues et aux approximants de Padé. Ce formalisme nous a permis d’aborder de
façon unifiée la modélisation des systèmes linéaires à paramètres répartis et de généraliser
les synthèses de Foster et de Cauer à une large classe de problèmes physiques.
Certaines extensions faites pour traiter des cas relevant de la modélisation thermique
peuvent paraître surprenantes dans le cadre d’un mémoire traitant de la modélisation
des lignes électriques. Cependant, cette thèse étant encadrée par le laboratoire d’études
thermique de Poitiers, il nous a, au contraire, semblé opportun de souligner l’importance
de nos travaux dans ce domaine. L’équation de diffusion de la chaleur et l’équation des
télégraphistes constituant en effet les archétypes des systèmes à paramètres répartis dans
le contexte de l’automatique, nous avons décidé de les traiter par une approche commune.
Bien que d’une certaine manière nous ne soyons pas allés jusqu’au bout de l’étude
initialement prévue par la validation d’un prototype de protection de ligne et de locali-
sation de défauts, cette dernière étape pourra être prise en charge au niveau recherche
et développement industriel. En effet, nous montrons dans ce mémoire comment obtenir
des modèles de lignes polyphasées par développement d’impédances et nous proposons
également une méthode d’implémentation numérique.

2
Chapitre 1

La protection des lignes de transmission

1.1 Protections des réseaux électriques

Les réseaux électriques servent à assurer le transport d’énergie entre les producteurs
et les utilisateurs, industriels ou domestiques. L’énergie est produite en France principale-
ment par des centrales nucléaires (78 %), hydrauliques (12, 1 %) ou thermiques (charbons,
fuel, gaz pour 9, 2 %)1 . Or ces centrales sont en général éloignées des centres de consomma-
tion car elle dépendent d’approvisionnement en combustible et en eau de refroidissement
ou de contraintes géographiques (hydraulique).

1.1.1 Divers types de réseaux

Pour acheminer de façon efficace l’énergie électrique depuis les centres de productions
jusqu’aux consommateurs finaux, on utilise plusieurs types de réseaux selon la fonction à
assurer [Cor91].
Réseaux de transport et d’interconnexion Les réseaux de transport et d’intercon-
nexion servent à collecter la puissance produite par les centrales importantes et
à l’acheminer vers les zones de consommations. C’est la fonction de transport. Ils
permettent aussi de répartir la production afin de permettre l’exploitation des res-
sources les plus économiques et d’optimiser ainsi les coûts d’exploitation. C’est la
fonction d’interconnexion.
Réseaux de répartition régionale Leur fonction est d’amener l’énergie prélevée sur les
réseaux de transport jusqu’aux gros utilisateurs industriels ou aux points d’injection
sur les réseaux de distributions.
Réseaux de distribution publique Les réseaux de distribution publique ont pour rôle
d’alimenter un grand nombre d’utilisateurs, industriels petits et moyens consomma-
teurs et domestiques.
1
Chiffres rte de la répartition de la production par sources d’énergie pour l’année 2002 en France.

3
1.1. Protections des réseaux électriques

Notons que différents domaines de tension reflètent ces diverses fonctions des réseaux
électriques. Les réseaux de transports (réseau à 400 kV en France) et de répartition
(225 kV , 90 kV et 63 kV en France) fonctionnent dans le domaine de la haute tension
htb (tableau 1.1). La fonction de distribution est assurée quant à elle par des réseaux
fonctionnant dans les domaines allant de la basse tension (bta et btb) jusqu’en haute
tension (hta).

Tab. 1.1 – Domaines de tension des réseaux électriques en France.

Domaine Tension nominale Tension nominale
de tension en alternatif en continu lissé
tbt Un 6 50 V Un 6 120 V
bta 50 V < Un 6 50 V 120 V < Un 6 750 V
btb 500 V < Un 6 1000 V 750 V < Un 6 1500 V
hta 1000 V < Un 6 50000 V 1500 V < Un 6 75000 V
htb 50000 V < Un 75000 V < Un

1.1.2 Utilité de la protection

Il y a plusieurs raisons de protéger un réseau de transport d’énergie. L’exploitant doit
à la fois assurer la continuité et la qualité de service aux consommateurs, et assurer une
durée de vie raisonnable au matériel d’exploitation. Pour cela, il est nécessaire d’éviter
des situations anormales de fonctionnement du réseau, citons, d’après [GEC] :
– les situations anormales de fonctionnement d’ensemble du réseau, comme les insuf-
fisances de production, les instabilités et les surtensions,
– les situations anormales de fonctionnement d’éléments du réseau, comme les sur-
charges des lignes et des transformateurs,
– l’apparition de court-circuits ou de défauts d’isolement sur certains éléments du
réseau, en particulier les lignes ou les transformateurs.
L’exploitant se doit donc d’assurer à la fois la sécurité des personnes et du matériel, et la
disponibilité de la fourniture d’énergie. Pour cela, il utilise des dispositifs de protection et
des dispositifs d’automatismes et de surveillance.
Ces dispositifs servent à détecter les dysfonctionnements du réseau et à apporter une
réponse appropriée, comme d’isoler une section de ligne en défaut. Il convient de remarquer
que la sécurité s’oppose à la disponibilité puisque les dispositifs automatiques de protection
provoquent souvent des interruptions de service [Sas94]. Remarquons que les automatismes
de réenclenchement sont une solution technique permettant d’améliorer la disponibilité
sans détériorer la sécurité. Ils permettent en effet d’éliminer les défauts fugitifs en limitant
l’interruption de service (voir la section 1.1.3).

4
 Chapitre 1. La protection des lignes de transmission

1.1.3 Défauts d’isolement

Les défauts de fonctionnement des éléments du réseau peuvent avoir plusieurs causes.
Les lignes aériennes sont soumises aux aléas météorologiques. Les tempêtes et surtout
la foudre constituent la principale origine des défauts sur ce type de liaisons. Les câbles
souterrains sont soumis quant à eux aux agressions extérieures telles que les engins de
terrassement qui peuvent endommager leurs gaines de protection.
Les défauts se traduisent par l’apparition de courts-circuits, parmi lesquels on dis-
tingue :
– les courts-circuits monophasés, entre une phase et la terre ou une masse,
– les courts-circuits biphasés, entre deux phases, et éventuellement la terre,
– les courts-circuits triphasés, entre les trois phases, et éventuellement la terre.
Ces courts-circuits se distinguent aussi par leur durée. Il existe des défauts permanents,
qui résultent par exemple de l’endommagement d’un isolant, et des défauts fugitifs (sur les
lignes aériennes), qui disparaissent à la mise hors tension de la ligne (extinction de l’arc).
Dans ce dernier cas, la reprise du service est assurée par un simple réenclenchement. La
fréquence d’apparition de ces défauts peut être estimée à partir des données statistiques
fournies pour la France par le Réseau de transport d’électricité (rte) [Rés02] dans le
tableau 1.2.

Tab. 1.2 – Statistiques sur les défauts des réseaux aériens en France (source rte).
Niveaux de tension 400 kV 230 kV 90 kV 63 kV
Nombre/100 km/an 3,8 12,1 14,3 29,3
Fugitifs 3,1 10,5 12,7 24,8
Monophasés 2,8 8,8 10,1 14,3
Polyphasés 0,3 1,6 2,6 4,5
Permanents 0,7 1,6 1,6 4,5
Monophasés 0,5 1,1 0,9 3
Polyphasés 0,2 0,5 0,7 1,5

1.1.4 Qualités des protections

Pour assurer une bonne continuité de service, le dispositif de protection doit être
sélectif, c’est-à-dire qu’il doit éliminer du réseau, par l’intermédiaire du ou des disjoncteurs
associés, l’élément affecté par un défaut, et seulement celui-ci.
Pour assurer une sécurité maximale, le dispositif doit être rapide pour limiter au
mieux les effets des perturbations, de manière à éviter les détériorations du matériel et
les risques d’instabilité du réseau. Enfin, il doit être sensible pour fonctionner même si
les circonstances sont telles que les courants de défaut sont réduits (défauts résistants)
[GEC].
Enfin, la fiabilité traduit l’aptitude d’une protection à remplir un double objectif. À
savoir [Sas94] :

5
1.2. La protection de distance

– être sûr du déclenchement (sécurité),

– ne pas avoir de déclenchement intempestif (disponibilité).

Remarque En termes de théorie de la détection, ce compromis peut être quantifié

en tant que probabilité de « non détection » et de probabilité de « fausse alarme ». La
valeur maximale de la probabilité de fausse alarme étant fixée, on montre qu’on obtient la
meilleure probabilité de détection avec un critère de décision basé sur le test de Neymann-
Pearson (voir par exemple [Duv91], ch. 4 ou [Cha96], ch. 4).

1.1.5 Technologies des protections

Les premières protections électriques étaient basées sur des systèmes électromécaniques
[Cor91]. Les grandeurs électriques mesurées étaient directement converties en actions mé-
caniques qui pouvaient déclencher des relais. Évidemment les parties mobiles de ces pro-
tections constituaient leurs faiblesses, soit par leur fragilité, soit par le risque de grippage.
Dans les années 70, les organes électromécaniques des protections ont été remplacés
par des cartes électroniques assurant les mêmes fonctions. Plus fiables et plus rapides, les
protections se sont aussi perfectionnées grâce à la souplesse apportée par cette nouvelle
technologie.
Les protections numériques sont alors apparues dans les années 80 et ce sont elles qui
dominent actuellement le marché. Cette évolution technologique s’accompagne de nom-
breux avantages. La puissance de calcul offerte par les microprocesseurs autorise l’utilisa-
tion d’algorithmes complexes et l’utilisation de mémoires permet d’enregistrer les signaux
pour une analyse et un traitement différés. C’est grâce à l’utilisation des techniques nu-
mériques que les protections ont pu intégrer plus facilement la localisation de défauts.

1.2 La protection de distance

1.2.1 Principe de la protection de distance
Pour protéger les lignes aériennes ou les câbles souterrains, il existe des protections
à liaison pilote longitudinale, parmi lesquelles on distingue les protections différentielles,
les plus répandues, et les protections à comparaison de phases et à verrouillage direction-
nel presqu’exclusivement employées aux États-unis. Ces protections nécessitent l’échange
d’informations entre les extrémités de la ligne par fils pilotes, liaisons par fibres optiques
dans les câbles de garde, courants porteurs à haute fréquence, ou encore par ondes radio.
Au contraire, le principe de la protection de distance n’utilise que les mesures des
courants et des tensions disponibles au point de mesure. À partir de ces grandeurs, il est
nécessaire d’évaluer la distance X et les caractéristiques (résistance Rdef , nature mono-
phasée, biphasée ou triphasée) du défaut. Cela se fait en général en estimant l’impédance
de la ligne vue de la position ou se trouve la protection. La distance est alors déduite à

6
 Chapitre 1. La protection des lignes de transmission

l’aide d’un modèle de ligne comme le résume le schéma de la figure 1.1. Les éléments clefs
d’une protection de distance sont donc le modèle de ligne et l’algorithme d’identification.

Modèle
de ligne

v(0) Estimation Rdef Logique Ordre de

Mesures de paramètres de décision
i(0) X déclenchement

Fig. 1.1 – Principe général d’une protection de distance.

1.2.2 Exemple de protection numérique

Pour illustrer notre propos, détaillons les principales fonctions d’une protection de
distance de type MiCOM P440 de la société Alstom (fig. 1.2). Le schéma de la figure 1.3
est une vue générale décrivant les entrées et les sorties de la protection. Nous pouvons tout
d’abord remarquer, en haut et à gauche du schéma, les dispositifs de mesure des tensions
et des courants de la ligne à protéger.

Fig. 1.2 – Une protection de distance de la série MiCOM P440 de la société Alstom.

La mesure de la tension de chacun des conducteurs se fait par l’intermédiaire d’un

transformateur de tension (tt ou vt pour voltage transformer ). Les trois phases plus le
neutre correspondent aux entrées analogiques C19 à C22. Les entrées optionnelles C23 et
C24 servent à mesurer la tension sur un jeu de barres, dans le cas où le disjoncteur est
ouvert. Cette mesure correspond à un test de synchronisation qui empèche la fermeture
du disjoncteur en cas de déphasage trop important entre les tensions des barres et de la
ligne.
Les entrées C1 à C9 sont reliées à des transformateurs de courant (tc ou ct pour
current transformers, qui fournissent une image du courant de chacune des phases. Les
entrées supplémentaires C10 à C12 sont utilisées pour la mesure directe de la composante
homopolaire du courant à l’aide d’un ct spécifique. Il est possible d’utiliser deux ca-
libres différents pour chacune des mesures de courant. Toutes ces entrées analogiques sont

7
1.2. La protection de distance

Direction of forward current flow Rear port

P2 P1 J17
A Courier or
S2 S1 Modbus or
B J18
RS485 J16 SCN IEC60870-5-103
C
A
J11
Relay failed
IA C1 J12
5A Watchdog

Power supply
J13
A B C
C B
C2 Main Processor & J14
Relay healthy
C3 1A
+ J7
Phase rotation
User Interface J9
48V field voltage
N C4
IB 5A board

board
n C5 + J8
See note 3. 48V field voltage
1A
See note 4. C6 - fixed scheme logic J10
+ J2
a b c - programmable scheme

- analogue quantities acquisition and filtering

C7
IC 5A Auxiliary voltage
C8 logic J1
See note 5.
C9 1A - communications
C10
- user interface
See note 1. IM 5A

IRIG-B board
C11 IRIG-B input
C12 1A (optional)
Direction of forward current flow
TX Fibre optic
P2 P1 A Communication
A for IEC60870-5-103

- thresholds calculation
Input

- protection algorithms
S2 S1 kA, kV , Hz RX (optional)
B 1 4 0 0
kW , kVA, kV Ars
C C B
Phase rotation
module kWh, kV Arh
Sequence components
Measurements
Parallel line - transformer
Protection I >1 Start ON
- 16 bit ADC 250 N
[Link] 01/01/99
LEDs
Event
Trip A B C ON
records Fixed LEDs
[Link] 01/01/99
C19

5 Fault A-B-C 15ms

Fault Ia = 1000 A
VA LEDs
Ib = 1000 A
reports
repor ts
Ic = 1000 A

C20
Co-processor board

User
20 programmable LEDs
Disturbance
VB records

C21
Front port
Breaker
No. trips = 100 RS232 Courier
VC SUM I2 = 1000 kA
monitoring CB opt time = 100 ms
C22
C23
H1
RL1
Notes: H2
V BUSBAR
Relay output board
See note 2. H3
1. IM input is for optional mutual RL2
C24 H4
compensation of fault locator. Programmable scheme logic H5
RL3 H6
2. V BUSBAR only required if check
synchronism function enabled. D1 H7
L1 H8
D2 RL4 User
3. C.T. connections are shown 1A H9
D3 programmable
connected and are typical only. L2 H10
D4 H11
RL5
4. All C.T. connections have integral D5 H12
shorting. These contacts are made L3
D6 H13
before the internal C.T. circuits are D7 H14
RL6
disconnected. L4 H15
User D8
H16
5. The bridge rectifier is not present on programmable D9
L5 RL7 H17
the 24-48Vdc version. D10 H18
D11
6. ANSI CODES: L6
D12
21N Ground distance protection, D13
3 forward elements, L7 G1
1 reverse element, D14 VTS / RL8
21P 21G G2
1 selectable element, D15
CTS
Relay output board

quadrilateral zones L8 G3
D16 RL9 G4
21P Phase distance protection,
3 forward elements, 46 46 50 RL10 G5
1 reverse element,
1 selectable element,
BC BF G6
quadrilateral zones G7
G8
85 Distance protection, E1 50 50/ 51 RL11
G9
User
communication aided L9 51 FF programmable
E2 G10
50 Phase overcurrent, High set, G11
for Stub bus application E3 RL12
L10 50/ G12
67/46 Negative sequence E4 85 50N/
overcurrent E5 51N 27 G13
L11 RL13 G14
50/27 Switch onto fault and trip on E6 G15
reclose
50/51 Phase overcurrent, DT or
E7 67 67N 78 G16
User L12 G17
IDMT E8 RL14
programmable E9 G18
50/51N Stand-by Earth fault, DT or
IDMT L13 25/
E10 59 27 79
51FF Fuse failure overcurrent E11
67 Phase directional L14
E12 F1
overcurrent
F13 RL15
67N Directional Earth fault, L15 F2
See note 6.
Relay output board

communication aided E14 F3

E15 RL16 F4
78 Power swing detection, used
to selectively permit or block L16
E16 RL17 F5
tripping F6
VTS Voltage transformer
supervision F7
CTS Current transformer
supervision
Opto input RL18 F8
F9 User
programmable
50BF Breaker failure and backtrip board RL19
F10
F11
46BC Broken conductor detection F12
25 Check synchroniser F13
79 Autorecloser F14
RL20
59 Overvoltage F15
27 Undervoltage F16
F17
RL21 F18

Fig. 1.3 – Schéma détaillé des entrées et sorties d’une protection de distance de type
MiCOM P440 de la société Alstom.

8
 Chapitre 1. La protection des lignes de transmission

ensuite transformées par un convertisseur analogique-numérique, can pour être traitées

numériquement.
Le traitement des signaux se fait au niveau de la carte coprocesseur. Il consiste en
un certain nombre d’algorithmes visant à extraire les informations utiles des grandeurs
mesurées. En particulier, l’algorithme de distance que nous détaillerons à la section 1.2.4
traduit les mesures des tensions et des courants « zones » d’impédances (voir fig. 1.5).
Les informations issues de la carte coprocesseur sont ensuite utilisées pour définir les
actions à effectuer par l’intermédiaire de fonctions logiques fixes, ou programmées par
l’opérateur. Par exemple, en fonction de la zone de détection d’un défaut, une tempori-
sation de durée variable est utilisée pour que la protection la plus proche déclenche en
premier, améliorant ainsi la selectivité. D’autre part, la partie logique gère les fonctions de
réenclenchement, destinées à limiter l’interruption de service pour les défauts fugitifs. Là
encore, des temporisations variables peuvent être programmées entre les réenclenchements
successifs.
Des entrées numériques optiques (D1 à D16 et E1 à E16) sont aussi disponibles pour
que l’utilisateur puisse adapter le comportement de la protection à sa politique de gestion
du réseau. Ces entrées influent sur la logique de décision (cf. fig. 1.1). Parallèlement, un
certain nombre d’événements et de signaux sont enregistrés pour post-traitement éventuel
et analyse du défaut à l’aide de mémoires numériques.
Les actions possibles pilotées par la protection se font par l’intermédiaire de signaux
de commande sur des relais qui constituent les sortie F 1-F 18, G1-G18 et H1-H18. Ces
relais sont utilisés pour commander les disjoncteurs capables de couper le courant sur le
conducteur où le défaut a été décelé.
Enfin, un certain nombre de connecteurs (RS232, fibre optique) sont disponibles pour
assurer la communication de la protection avec un calculateur de poste ou sa configura-
tion et la récupération d’informations, par l’intermédiaire d’un logiciel de paramètrage
(MiCOM S1 ) ou la synchronisation horaire (IRIG-B).

1.2.3 Modèle de ligne

À titre de référence, nous allons détailler le fonctionnement d’une protection de dis-
tance telle qu’on en trouve dans l’industrie. Le modèle de ligne est un modèle de ligne
courte pour lequel on néglige les phénomènes capacitifs et les pertes diélectriques2 .
c = 0, g = 0. (1.1)
Nous représentons de plus le défaut par une simple résistance représentant la résistance
d’arc Rdef . Le circuit représentant le système total est représenté sur la figure 1.4. L’im-
pédance d’entrée s’exprime immédiatement en fonction de la longueur de la ligne X.
Z = (r + lp)X + Rdef (1.2)

2
Les inductances mutuelles ne sont pas non plus prises en compte ici. Nous y reviendrons au chapitre 2
et plus en détails au chapitre 5.

9
1.2. La protection de distance

i(0) rX lX

v(0) Rdef

Fig. 1.4 – Modèle de ligne en défaut (y = 0).

1.2.4 Algorithme de distance

L’impédance d’entrée de la ligne à protéger est estimée à partir des mesures de la
tension et du courant en x = 0. (schéma 1.1). Les protections numériques de distance
pxln ou MiCOM, série P440, du constructeur Alstom utilisent un algorithme de type
moindre carrés récursifs pour estimer les caractéristiques du défaut (algorithme de Gauss-
Seidel). Le vecteur de paramètres s’écrit donc
 
X
θ= , (1.3)
Rdef

Connaissant les caractéristiques électriques du modèle (fig. 1.4) on calcule à partir des
mesures de i(0) la chute de tension normalisée le long de la ligne

di(0)
w = ri(0) + l . (1.4)
dt

Les mesures de la tension et du courant étant effectuées sur N points (échantillonnage),

nous pouvons les présenter sous forme matricielle
   
v1 (0) w1 (0) i1 (0)
 v2 (0)   w2 (0) i2 (0) 
   
v =  ..  , H =  .. . (1.5)
 .   . 
vN (0) wN (0) iN (0)

L’identification des paramètres θ se ramène donc à la résolution d’un système linéaire,

noté sous forme matricielle
v = Hθ. (1.6)

Ce système d’équations est surdéterminé puisque l’on a en pratique beaucoup plus

de points de mesure que de paramètres. La solution fournie par les moindres carrés est
l’estimation
θ̂N = (HT H)−1 HT v. (1.7)

10
 Chapitre 1. La protection des lignes de transmission

Cette dernière relation s’écrit sous la forme récursive [Mun90]

PN P
− R̂defN −1 N
n=1 vn wn n=1 wn in
X̂N = PN (1.8)
2
n=1 wn
PN PN
vn in − X̂N −1 n=1 wn in
R̂defN = n=1 PN 2 (1.9)
n=1 in

PN enfin un facteur d’oubli exponentiel en remplaçant chacune des sommes

On introduit
de la forme n=1 an bn par la quantité S(a, b)N définie par

S(a, b)N = aN bN + λS(a, b)N −1 0<λ61 (1.10)

1.2.5 Algorithme directionnel

L’algorithme présenté fournit une estimation de la distance X et de la résistance de
défaut Rdef , donc de l’impédance d’entrée

Ẑ = (r + lp)X̂ + R̂def (1.11)

En posant p = iω, sa représentation dans le plan de Fresnel (fig. 1.5) permet de définir
différentes zones associées à la distance du défaut. Sur le schéma, les zones (1), (2) et
(3) correspondent à des défauts aval, la zone (4) correspondant quant à elle à un défaut
amont.
En associant différentes temporisations précédant l’ordre de déclenchement des disjonc-
teurs à ces différentes zones, il est possible de protéger de façon redondante des portions
de lignes, tout en respectant l’exigence de sélectivité (cf. section 1.1.4).

1.3 Amélioration des performances

La précision et la rapidité d’une protection dépendent donc des qualités de la modéli-
sation choisie pour la ligne et de l’algorithme d’identification. Cela est d’autant plus vrai
si l’on désire tirer profit des signaux de hautes fréquences qui peuvent résulter soit d’une
injection, comme le proposait déjà J. Fallou [Fal32] en 1932, soit des fréquences propres de
la ligne traduisant les réflexions de l’onde électromagnétique provoquée par l’apparition
du défaut lui-même [Val00].
Les progrès constants dans le domaine des microprocesseurs et des dsp3 ne justifient
plus de nos jours l’utilisation d’un modèle de ligne aussi simpliste que celui de la fi-
gure 1.4. Pour améliorer les performances des protections, il paraît intéressant de disposer
de modèles de lignes ou de câbles plus précis et performants, tout en restant suffisamment
simples pour être facilement mis en œuvre numériquement sous des contraintes de calculs
en temps réel.
3
Acronyme de digital signal processor, processeur de signaux numériques

11
1.3. Amélioration des performances

ℑ(Z)

(3)
Rdef

(2) R + iLω Z
(1)
ℜ(Z)

(4)

Protection Ligne Défaut

(4) (1) (2) (3)

x
0 X

Fig. 1.5 – Zones dans le plan de Fresnel pour une protection de distance directionnelle.

12
 Chapitre 1. La protection des lignes de transmission

Pour répondre au souhait de la société Alstom de faire évoluer ses protections numé-
riques, il est important de rechercher une méthode de modélisation originale assurant le
meilleur compromis entre simplicité et performance.
Avant de présenter le principe de modélisation choisi, il nous est apparu nécessaire de
détailler dans le chapitre suivant les méthodes classiques de modélisation des lignes de
transmission afin de peser les avantages et les inconvénients des différentes approches.

13
1.3. Amélioration des performances

14
Chapitre 2

Modélisation des lignes électriques

Nous désignons de nos jours par la locution ligne de transmission divers types de
guides d’ondes électromagnétiques composés essentiellement de conducteurs filiformes. Ces
conducteurs servent à véhiculer un signal électrique sur des distances relativement longues.
Dés lors que ces distances ne sont plus négligeables par rapport à la longueur d’onde
du signal, l’approximation des états stationnaires, appliquée souvent implicitement en
électronique et en électrotechnique, n’est plus valable. En d’autres termes, deux éléments
reliés par un conducteur ne sont plus équipotentiels. C’est pourquoi l’étude des lignes a
nécessité une analyse théorique particulière, initiée à partir du milieu du xixe siècle, et qui
est toujours d’actualité.
Si la téléphonie, et plus généralement la transmission d’informations sous forme d’im-
pulsions électriques (réseaux informatiques) sont les utilisations les plus ostensibles des
lignes de transmission, leur domaine d’application dépasse largement ce cadre. En ce qui
concerne l’électrotechnique, par exemple, les lignes de transport d’énergie électrique des
centrales de production aux zones de consommation sont un exemple de ligne de trans-
mission. Les guides d’onde utilisés en radio-électronique, voire en hyperfréquences (radar,
micro-ondes) en sont un autre exemple.
Ce vaste domaine d’utilisation est à mettre en relation avec la vaste gamme de fré-
quences des phénomènes étudiés, allant du continu à quelques dizaines de hertz pour les
fréquences industrielles d’alimentation en énergie, jusqu’à plusieurs gigahertz pour des
communications par satellites et des applications comme le système gps.

2.1 L’évolution de la modélisation des lignes électriques

2.1.1 Du télégraphe au téléphone
Si les utilisations des lignes de transmission sont nombreuses, la première à donner
lieu à un développement industriel fut le télégraphe. Les lignes télégraphiques parcou-
raient déjà les états d’Europe et d’Amérique bien avant qu’une approche théorique de
la propagation d’un signal électrique ne fût conceptualisée. Jusqu’aux années 1850, en

15
2.1. L’évolution de la modélisation des lignes électriques

effet, la faible longueur des lignes (quelques dizaines de kilomètres) et la faible bande pas-
sante nécessaire à la transmission d’un signal télégraphique permettaient de considérer les
câbles comme de simples contacts, tout au plus des résistances, ce qui suffisait à expliquer
l’atténuation constatée avec la longueur de la ligne (fig. 2.1).

i(x) [Link] i(x + dx)

v(x) v(x + dx)

dx

Fig. 2.1 – Segment élémentaire de ligne purement résistif (z = r, y = 0).

Dès 1851, pourtant, le premier câble sous-marin reliant Calais à Douvre permit de
mesurer le temps de propagation des signaux et de mettre en évidence leur déformation.
L’installation de câbles sous-marins encore plus longs, comme celui reliant Varna à Ba-
laklava (741 km) en Mer Noire ou le premier câble transatlantique opérationnel (1866)
posèrent alors le problème de la conception des lignes de transmission. Lord Kelvin (fig.
2.2) fut le premier à résoudre ce problème en proposant en 1856 un modèle de ligne qui
tenait compte de la capacité répartie dans les câbles sous-marins (fig. 2.3). Dans ce type de
câble, en effet, et aux faibles fréquences considérées, les effets inductifs sont négligeables
au regard des effets capacitifs.
Pendant une trentaine d’années, le modèle proposé par Lord Kelvin fit office de dogme
en matière de transmission de signaux. Ses faiblesses apparurent pourtant avec le déve-
loppement du télégraphe multiplexe, qui utilise une plage plus large de fréquences afin de
faire transiter simultanément plusieurs messages sur une même ligne. En effet, les hypo-
thèses utilisées par le célèbre physicien, dans le cas d’un câble sous-marin et aux basses
fréquences, se révélaient caduques pour des lignes aériennes. Ces lignes présentent des
phénomènes d’induction importants et d’autant plus sensibles que le signal présente des
hautes fréquences.
Le problème devint crucial avec l’avènement du téléphone, inventé conjointement par
Graham Bell et Élisha Gray en 1876. La déformation des signaux analogiques due à la
nature dispersive des lignes de l’époque limitait la transmission de la parole humaine à
quelques dizaines de kilomètres. C’est alors qu’Oliver Heaviside (fig. 2.4), ancien télégra-
phiste et pionnier de l’électromagnétisme, se basant sur un modèle de ligne propagatif
qui tient compte de l’inductance (fig. 2.5), montra que les signaux se propageaient sans
déformation à la condition, dite depuis « de Heaviside », que
l r
= , (2.1)
c g

16
 Chapitre 2. Modélisation des lignes électriques

Fig. 2.2 – William Thomson, Lord Kelvin (1824-1907).

Source de l’image : université de Glasgow ([Link]

i(x) [Link] i(x + dx)

v(x) [Link] v(x + dx)

dx

Fig. 2.3 – Segment élémentaire de ligne résistif et capacitif (z = r, y = cp).

17
2.1. L’évolution de la modélisation des lignes électriques

avec les notations de la figure 2.9.

La capacité linéique c étant en général bien plus faible, pour des lignes aériennes,
que l’inductance linéique l, il proposa en 1887 l’emploi de bobines d’induction intercalées
régulièrement le long des lignes pour éviter la distorsion du signal.

Fig. 2.4 – Oliver Heaviside (1850-1925).

Source de l’image : université de Saint Andrews
([Link]

i(x) [Link] [Link] i(x + dx)

v(x) [Link] v(x + dx)

dx

Fig. 2.5 – Segment élémentaire de ligne résistif, inductif et capacitif (z = r + lp, y = cp).

Cette proposition allait totalement à l’encontre des préceptes de l’époque qui visaient
à réduire au minimum l’induction et il s’en suivit une bataille épistolaire mémorable entre
Heaviside et William Preece, un fervent défenseur du modèle de Kelvin. Parallèlement, un
français, Aimé Vaschy (fig. 2.6), arrivait aux mêmes conclusions qu’Heaviside en ce qui
concerne l’inductance. Il écrivit dés 1886 dans les Annales télégraphiques qu’au contraire
d’être « nuisible [...] l’effet de la self-induction de la ligne est essentiellement utile » [DC17].
L’histoire lui donna raison et, en 1902, le danois Carl Emil Krarup (1872-1909) proposa
de réaliser l’augmentation de l’auto-inductance répartie (l) des lignes de transmission en

18
 Chapitre 2. Modélisation des lignes électriques

Fig. 2.6 – Aimé Vaschy (1857-1899).

Source de l’image : Revue générale de l’électricité.

enveloppant le conducteur de cuivre avec un matériau possédant des propriétés magné-

tiques, un fil de fer par exemple (fil compound ) [Car93]. Le procédé préconisé par Heaviside
fut finalement breveté en 1904 par l’américain d’origine yougoslave Michael Pupin sous
une forme simplifiée, appelé pupinisation. Il consiste à placer en série et à intervalles
réguliers des inductances bobinées sur une ligne téléphonique (fig. 2.8).
Pour bien saisir le contexte de ces avancées théoriques en électrotechnique, il est né-
cessaire de souligner la réelle difficulté expérimentale à cette fin de xixe siècle pour étudier
et comprendre les phénomènes transitoires. Le condensateur est découvert en 1745 au tra-
vers de « la bouteille de Leyde », mais sa décharge ne traduit que l’existence d’une charge
statique. Il faut attendre 1827 pour que Ohm publie son mémoire Die galvanische Kette,
mathematisch bearbeitet comparant la conduction de l’électricité à celle de la chaleur, étu-
diée par Joseph Fourier (1768-1830) et publiée dans son mémoire Théorie analytique de
la chaleur en 1822 [Fou22].
En 1830, Joseph Henry (1797-1878) découvre qu’un courant peut être induit dans
un conducteur par déplacement d’un champ magnétique, c’est le principe de l’électroma-
gnétisme qu’il ne publiera pas. En revanche, Michael Faraday (1791-1867), publiera sa
découverte de l’induction électromagnétique en 1831. En 1833, Heinrich Lenz (1804-1865)
découvre la loi donnant le sens des courants induits (loi de Lenz). Maxwell ne publiera ses
« équations », qu’il expose dans son grand ouvrage, Treatise on Electricity and Magnetism
qu’en 1873. Cependant le concept d’inductance et de circuit magnétique semble avoir été
difficile à maîtriser. Il faudra attendre 1883 pour que John Hopkinson (1849-1898) publie
sa loi qui est pour les circuits magnétiques, l’homologue de la loi d’Ohm pour les circuits
électriques. Ce n’est que depuis 1893, que l’unité de résistance inductive porte le nom de
Henry, alors que les unités de capacité électrique (farad) et d’intensité électrique (ampère)
avaient été définies au congrès de Paris en 1881.

19
2.1. L’évolution de la modélisation des lignes électriques

Fig. 2.7 – Michael Idvorsky Pupin (1854-1935).

Source de l’image : institut Mihajlo Pupin ([Link]

Fig. 2.8 – Ligne téléphonique pupinisée.

Source de l’image : Théorie des réseaux de Kirchhoff. [Bay54].

20
 Chapitre 2. Modélisation des lignes électriques

2.1.2 L’équation des télégraphistes

Le développement rapide des moyens de communication a donc été le moteur d’évolu-
tions techniques majeures dans le domaine des transmissions. Elles ne sont cependant que
le reflet des immenses progrès théoriques réalisés dans le domaine de l’électromagnétisme.
Si Maxwell ne formule qu’en 1861 la notion d’onde électromagnétique, c’est dés 1857 que
Kirchhoff établit, à partir des travaux de Lord Kelvin, l’équation des télégraphistes. Or
cette équation suffit à rendre compte des phénomènes de propagation des signaux élec-
triques le long d’une ligne, ainsi que le montrera Heaviside en 18761 . Considérons en effet
un modèle de ligne un peu plus général (fig. 2.9). Les constantes linéiques réparties qui
représentent les caractéristiques électriques de la ligne sont au nombre de quatre :
– la résistance linéique r (Ω.m−1 ) qui représente la chute de tension due à la dissipation
d’énergie le long de la ligne (pertes Joule) ;
– l’inductance linéique l (H.m−1 ) qui traduit le stockage d’énergie sous la forme d’un
champ magnétique autour et dans la ligne (auto-induction) ;
– le couplage capacitif (capacité linéique c en F.m−1 ) entre la ligne et le sol, ou entre
la ligne et le conducteur de retour supposé au potentiel de référence, qui dénote
l’énergie stockée sous la forme d’un champ électrique ;
– enfin, la conductance transversale linéique g (S.m−1 ) regroupant les pertes par
conduction à travers le diélectrique (courants de fuite), et les pertes par « effet
couronne » dans le cas de lignes à très haute tension [AI87, ch. 9].

i(x) [Link] [Link] i(x + dx)

v(x) [Link] [Link] v(x + dx)

dx

Fig. 2.9 – Segment élémentaire de ligne à quatre constantes linéiques (z = r + lp, y =

g + cp).

À l’aide du schéma électrique de la figure 2.9, nous pouvons écrire les équations aux
dérivées partielles suivantes qui décrivent les variations de la tension et du courant en
1
Le lecteur intéressé par l’apport de Heaviside à la théorie des lignes électriques pourra consulter
l’ouvrage de L. Cohen [Coh35].

21
2.1. L’évolution de la modélisation des lignes électriques

fonction du temps t et de la variable d’espace x.


∂v ∂i

 = −ri − l ,
∂x ∂t (2.2)
 ∂i ∂v
 = −gv − c .
∂x ∂t
Dérivons la première équation par rapport à la variable x, puis substituons la dérivée
de i par rapport à x à l’aide de la deuxième équation afin de « découpler », c’est-à-dire
de séparer, les variables v et i.

∂2v ∂i ∂2i
= −r − l
∂x2 ∂x ∂x∂t
  
∂v ∂ ∂v
= r gv + c +l gv + c (2.3)
∂t ∂t ∂t
2
∂ v ∂v
= lc 2 + (rc + lg) + rgv
∂t ∂t
Nous pouvons agir de même en éliminant v de la deuxième équation de 2.2.

∂2i ∂2i ∂i
2
= lc 2
+ (rc + lg) + rgi (2.4)
∂x ∂t ∂t
Les grandeurs v et i vérifient donc la même équation aux dérivées partielles du se-
cond degré, qualifiée de « terrible équation » par Vaschy [DC17], et connue sous le nom
d’équation des télégraphistes.

2.1.3 Significations physiques des paramètres de la ligne

Nous avons jusqu’à présent caractérisé une ligne de transmission à l’aide des constantes
linéiques r, l, c et g, brièvement définies à la section 2.1.2. Précisons maintenant la si-
gnification physique de ces paramètres et les conditions nécessaires à leurs définitions
rigoureuses.
En effet, il est délicat de transposer directement les lois de Kirchhoff aux phénomènes
transitoires qui ont lieu sur une ligne de transmission. Ces lois qui régissent l’électrocinétique
dans l’approximation des états quasi-stationnaires atteignent leur limite de validité lorsque
la dimension caractéristique d’un système électrique n’est plus négligeable par rapport à la
longueur d’onde des ondes électromagnétiques qui diminue avec la fréquence des signaux.
Les lignes de transport peuvent couvrir plusieurs centaines de kilomètres et les variations
rapides des grandeurs électriques se traduisent par des composantes en haute fréquence.
Nous appliquerons donc l’approche proposée par M. Pélissier [Pél75] en rappelant
que le, ou les conducteurs, formant une ligne de transmission sont des guides d’ondes
électromagnétiques. C’est le champ électromagnétique autour des conducteurs qui véhicule
l’énergie et ses caractéristique sont couplées par les équations de Maxwell. La tension v et

22
 Chapitre 2. Modélisation des lignes électriques

le courant i que nous avons définis en un point de la ligne sont les quantités macroscopiques
aisément mesurables induites par la présence de ce champ.
Les ondes électromagnétiques se déplacent à la vitesse de la lumière dans le diélectrique
entourant les conducteurs,
1
c= √ , (2.5)
ǫµ
en notant ǫ la permittivité et µ la perméabilité absolues du milieu. Dans l’air, qui constitue
le diélectrique des lignes aériennes, la vitesse de la lumière est proche de celle dans le vide,
soit 299 792, 458 km s−1 .
Au niveau d’un conducteur, le passage d’une onde électromagnétique se traduit par
la présence d’une charge linéique q. Le principe de conservation de la charge électrique
s’écrit
∂i ∂q
+ + if = 0, (2.6)
∂x ∂t
le courant de fuite if étant par exemple dû au courant superficiel des isolateurs.
Une relation de type capacitif peut être établie entre la charge électrique et la tension à
la condition que le champ électrique entre les conducteurs et entre les conducteurs et le sol
soit peu différent du champ électrostatique. Cette condition est remplie pour une propa-
gation avec des pertes faibles. Dans ce cas, le champ électrique E est approximativement
contenu dans le plan perpendiculaire aux conducteurs (fig. 2.10).

En ≫ Et . (2.7)

En E

Conducteur Et

Conducteur

Fig. 2.10 – Ligne de champ électrique autour des conducteurs ([Pél75]).

Le potentiel du conducteur n s’exprime par une relation linéaire à l’aide des coefficients

23
2.1. L’évolution de la modélisation des lignes électriques

d’influence électrostatique ∆nk et des charges qk des N conducteurs formant la ligne,

N
X
vn = ∆nk qk (2.8)
k=1

ou, pour une ligne monophasée,

v = ∆q. (2.9)
La capacité linéique se définie alors par
1
c= . (2.10)
∆
Il reste à supposer que les courants de fuites sont proportionnels à la tension pour
introduire la conductance transversale g,

if = gv, (2.11)

pour obtenir à partir de la loi de conservation de la charge (2.6) la deuxième équation du

système (2.2).
La première équation du système représente quant à elle la chute de tension le long
de la ligne. On peut l’attribuer à deux effets. Nous avons déjà cité la chute ohmique par
effet Joule que reflète le paramètre r. Elle provient du fait que la conductivité des métaux
(aluminium et cuivre) constituant les conducteurs n’est pas infinie.
La deuxième cause de la chute de tension est la variation du flux d’induction
∂Φ
(2.12)
∂t
pour lequel on distingue le flux intérieur au conducteur Φi et le flux extérieur Φe . La
propagation des ondes électromagnétiques à l’extérieur du conducteur fournit la relation
∆
Φe = le i, le = . (2.13)
c2
L’expression du flux intérieur est plus délicate. Il provient aussi du fait que les matériaux
ne sont pas infiniment conducteurs (auquel cas les courants seraient purement superficiels).
Nous utiliserons en première approximation un coefficient d’induction constant,

Φi ≈ li i, (2.14)

ce qui est justifié à condition que les sections des conducteurs et la fréquence des signaux
soient assez faibles, comme nous le verrons au chapitre 4.
Le paramètre inductif de la ligne l se définit alors par

l = le + li . (2.15)

24
 Chapitre 2. Modélisation des lignes électriques

2.2 Résolution dans l’espace de Laplace

L’équation des télégraphistes n’est résolue que sous la forme d’une série, à la fin du
xixe siècle2 . Il faut attendre André Blondel (fig. 2.11) pour que la solution soit exprimée
à l’aide de fonctions hyperboliques en 1909 [BR09, Blo20, Blo37].

Fig. 2.11 – André Blondel (1863-1938).

Source de l’image : Revue générale de l’électricité.

i(0) (r, l, c, g) i(X)

v(0) v(X)

x
0 X

Fig. 2.12 – Modèle de ligne à paramètres répartis.

2.2.1 Transformation de Laplace

Considérons le système d’équations 2.2. Chacune de ses équations fait intervenir à
la fois la tension v et le courant i. On parle alors de système d’équations couplées. La
2
Heaviside, dans the Electrician, le 3 juin 1887, et Vaschy, dans les Annales télégraphiques de novembre-
décembre 1888.

25
2.2. Résolution dans l’espace de Laplace

résolution d’un tel système peut se faire facilement en remplaçant l’opérateur de dérivation
∂
temporelle ∂t par la variable symbolique p ∈ C. Cette méthode fut utilisée par Heaviside
sous le nom de calcul opérationnel 3 .
Par abus de notation, et pour éviter la multiplication des symboles, nous écrirons
respectivement v(p, x) et i(p, x) les transformées de Laplace de v(t, x) et de i(t, x).
Z ∞ Z ∞
−pt
v(p, x) = e v(t)dt i(p, x) = e−pt i(t)dt (2.16)
0 0

En supposant la tension et le courant nuls dans toute la ligne à l’instant t = 0+ , nous

réécrivons le système formé des équations aux dérivées partielles (2.2) sous la forme d’un
système d’équations différentielles :
dv di
+ (r + lp)i = 0 + (g + cp)v = 0 (2.17)
dx dx
Pour des commodités de notations, mais aussi à des fins de généralisation, nous in-
troduisons l’impédance longitudinale par unité de longueur z (Ω.m−1 ) et l’admittance
transversale par unité de longueur y (S.m−1 ).

z = r + lp y = g + cp (2.18)

Dérivons ensuite par rapport à la variable x chacune des équations précédentes, nous
découplons les variables, et nous obtenons donc la transformée de Laplace des équations
(2.3) et (2.4).

d2 v di d2 i dv
2
+z = 0, 2
+y = 0. (2.19)
dx dx dx dx
Et en utilisant (2.17) et (2.18),

d2 v d2 i
− zyv = 0, − zyi = 0. (2.20)
dx2 dx2
Nous reconnaissons la transformée de Laplace de l’équation des télégraphistes (2.4)
∂2
vérifiée à la fois par v et i. C’est une équation du second degré en x. L’opérateur ∂x 2 est

appelé laplacien (ici pour un problème unidimensionnel en coordonnées cartésiennes). Ce

type d’équation se rencontre dans de nombreux domaines de la physique donnant lieu à
des phénomènes de diffusion ou de propagation. Nous y reviendrons dans la section 2.3.
3
Heaviside, en résolvant ces équations grâce au calcul opérationnel, ne se soucia pas de trouver une
démonstration rigoureuse de sa méthode, ce qui lui a été reproché par les mathématiciens de l’époque.
La justification du calcul opérationnel se trouve dans les transformations intégrales. Nous utiliserons en
particulier la transformation de Laplace (A). Nommée ainsi par les mathématiciens George Boole (1815-
1864) et Jules-Henri Poincaré (1854-1912), cette technique semble pourtant être en grande partie due aux
travaux du hongrois Petzval (1807-1891). Mais la transformation de Laplace est une approche analytique
du calcul opérationnel de Heaviside, remarquons qu’il se justifie aussi plus directement de façon algébrique
notamment depuis les travaux de Mikusińsky [Mik83]

26
 Chapitre 2. Modélisation des lignes électriques

La résolution de ces équations différentielles ne présente pas de difficultés particulières.

Pour alléger ce chapitre tout en produisant un document complet, nous en avons reporté
les détails en annexe B. Cette annexe présente par ailleurs trois méthodes de résolution
différentes. La première est la résolution par découplage des équations, de loin la plus
répandue, mais il est aussi possible de se ramener à une équation de Ricatti pour le calcul
direct de l’impédance (deuxième méthode), ou de faire une résolution globale du système
en utilisant une exponentielle de matrice. Cette dernière méthode permet d’exprimer les
relations entre les tensions et les courants aux extrémités de la ligne sous la forme
 r
 √ z √

 v(p, x) = cosh( zyx)v(p, 0) − sinh( zyx)i(p, 0),

 y
√ (2.21)
sinh( zyx) √


 i(p, x) = − q v(p, 0) + cosh( zyx)i(p, 0).

 z
y

Ces équations décrivent totalement le modèle de ligne choisi vu de ses extrémités (0,
X). Exprimées sous forme matricielle, et en introduisant les grandeurs caractéristiques
√
– facteur de propagation, γ = zy,
q
– impédance caractéristique, Zc = yz ,
elles donnent naturellement lieu à une représentation de type quadripolaire.
    
v cosh(γX) −Zc sinh(γX) v
(p, X) = sinh(γX) (p, 0) (2.22)
i − Zc cosh(γX) i

2.2.2 Modèles équivalents

Il est possible de définir des quadripôles équivalents à la ligne vue de ses bornes ex-
trêmes sous forme de réseaux présentant différentes topologies. Les modèles quadripolaires
les plus utilisés sont le modèle en Π, le modèle en T, et dans une moindre mesure le mo-
dèle en treillis ([Bay54], ch. 15). Ils sont représentés sur la figure 2.13. Il suffit de procéder
par identification de la matrice chaîne (2.22) avec celles des modèles pour en déduire les
valeurs des impédances qui les composent (voir par exemple [Fel86], ch. 11).
Par exemple, considérons le premier schéma de la figure 2.13 (modèle en Π). Les lois
de Kirchhoff nous permettent d’exprimer les relations liant les courants et les tensions
d’entrée et de sortie.
(
v(p, X) = v(p, 0) − ZΠ (i(p, 0) − YΠ v(0))
(2.23)
i(p, X) = i(p, 0) − YΠ v(p, 0) − YΠ v(p, X)

D’où la matrice chaîne

    
v 1 + ZΠ Y Π −ZΠ v
(p, X) = 2 (p, 0) (2.24)
i −2YΠ − ZΠ YΠ 1 + ZΠ YΠ i

27
2.2. Résolution dans l’espace de Laplace

Modèle en Π
i(0) ZΠ i(X)
q
Z
√
ZΠ = sinh( ZY )
Y
q √ 
v(0) YΠ YΠ v(X) YΠ = YZ tanh ZY 2

Modèle en T
i(0) ZT ZT i(X)
q √ 
Z ZY
ZT = Y
tanh 2
q √
v(0) YT v(X) YT = Y
sinh( ZY )
Z

Modèle en treillis
i(0) Ztr i(X)

Ytr q √ 
Z ZY
Ztr = Y
tanh 2
q √ 
v(0) Ytr v(X) Y ZY
Ytr = Z
tanh 2

Ztr

Fig. 2.13 – Modèles quadripolaires d’une ligne de transmission.

28
 Chapitre 2. Modélisation des lignes électriques

En identifiant termes à termes les éléments de la matrice aux éléments de la matrice

2.22, on détermine les valeurs de ZΠ et YΠ (fig. 2.13).
Sous certaines hypothèses, les modèles de lignes peuvent se ramener à des dipôles
(fig. 2.14). C’est en particulier le cas lorsque la ligne étudiée est soit ouverte, soit en
court-circuit à son extrémité x = X. Le modèle se confond alors avec l’impédance d’entrée
Z(p, X), par définition,
v(p, 0)
Z(p, X) = . (2.25)
i(p, 0)
Dans la cas d’une ligne en court-circuit, v(p, X) = 0, la première équation de (2.21)
nous permet d’écrire immédiatement :
r
Z √
Z(p, X) = tanh( ZY ). (2.26)
Y
De même, dans la cas d’une ligne ouverte, i(p, X) = 0 la deuxième équation de (2.21)
donne r
Z √
Z(p, X) = coth( ZY ). (2.27)
Y

i(0)
Ligne
q à vide
v(0) Z0 √
Z0 = YZ coth( ZY )

i(0)
Ligne q
en court-circuit
v(0) Zcc √
Zcc = YZ tanh( ZY )

Fig. 2.14 – Modèles dipolaires d’une ligne de transmission.

Remarquons immédiatement que les expressions des impédances qui composent ces
modèles, aussi bien quadripolaires que dipolaires, font toutes intervenir des fonctions trans-
cendantes telles les fonctions usuelles de la trigonométrie hyperbolique. Cette propriété
est caractéristique des systèmes à paramètres répartis. Nous verrons dans la section 2.3
qu’elle se traduit en général par un ordre infini, ce qui constitue la principale difficulté de
leur étude.

2.2.3 Modèles à constantes localisées

Nous venons de voir que les modèles équivalents à une ligne de transmission peuvent
être représentés par des impédances dont les expressions sont difficiles à manipuler. Pour

29
2.2. Résolution dans l’espace de Laplace

cette raison, il est souvent préférable d’utiliser des modèles de lignes approchés, plus
usuels, et que l’on peut manipuler avec les outils classiques de la théorie des réseaux ou
de l’automatique.
Plus précisément, en ce qui concerne l’approche « réseaux », ces modèles approchés
sont à paramètres localisés, c’est-à-dire que les éléments électriques qui les composent (ré-
sistances, inductances et capacités) sont ponctuels. Ils n’ont pas de dimension géométrique
(on ne s’intéresse pas aux grandeurs électriques internes) mais se comportent comme des
opérateurs mathématiques : intégrateurs, dérivateurs purs et facteurs de proportionnalité4 .
En ce qui concerne l’approche « automatique », les impédances des modèles approchés,
assimilables à des fonctions de transfert liant la tension et le courant sont d’ordre fini,
c’est à dire que ce sont des fonctions rationnelles de la variable de Laplace p.

Lignes courtes
Dans le cas où la ligne à étudier est suffisamment courte, il est habituel de procé-
der à une approximation du premier ordre des impédances d’ordre infini des modèles de
la section 2.2.2. Pour cela on effectue un développement de Taylor (ou plutôt de Mac-
Laurin, puisque c’est un développement au voisinage de l’origine) suivant la variable X.
Considérons par exemple le modèle en Π de la figure 2.13.
r
z √ z2y 3 y2z3 5
ZΠ = sinh( zyX) = zX + X + X + O(X 6 ) (2.28)
y 6 120
r √ 
y zy y zy 2 3 z 2 y 3 5
YΠ = tanh X = X− X + X + O(X 6) (2.29)
z 2 2 24 240

En ne conservant que les termes du premier ordre,

y Y
ZΠ ≈ zX = Z, YΠ ≈ X = . (2.30)
2 2
En revenant à la définition de z = r + lp et y = g + cp, et en introduisant les grandeurs
électrique « globales » :

R = rX, L = lX, C = cX, G = gX, (2.31)

il vient
G C
ZΠ ≈ R + Lp, YΠ ≈ + p. (2.32)
2 2
Nous obtenons le modèle de ligne courte de la figure 2.15. Cette approximation n’est
bien sûr valable que pour des valeurs de X suffisamment faibles. Pour une ligne aérienne
fonctionnant à 50 Hz, nous pouvons retenir l’ordre de grandeur de la limite de 200 km,
donnée par M. Escané ([Esc97], ch. 9).
4
Ce formalisme est parfaitement décrit dans le premier chapitre de [BN96]

30
 Chapitre 2. Modélisation des lignes électriques

R L R L R L
2 2 2 2

C G C G
2 2 2 2 C G

Modèle en Π Modèle en T
Fig. 2.15 – Modèles quadripolaires d’une ligne courte.

La même approximation peut être faite pour les modèles quadripolaires en T et en

treillis (fig. 2.13). Le modèle en treillis étant plus rarement utilisé nous ne fournirons que
le modèle en T sur la figure 2.15.

R L
ZT ≈ + p, YT ≈ G + Cp, (2.33)
2 2
R L G C
Ztr ≈ + p, Ytr ≈ + p. (2.34)
2 2 2 2

Chaînage des cellules

Pour des lignes de quelques centaines de kilomètres, l’approximation des lignes courtes
n’est donc plus valable. Il est alors courant de subdiviser la ligne en N portions de longueur
X
N
compatible avec l’approximation du premier ordre précédente. Les bornes des modèles
de lignes courtes étant accessibles, il est alors possible de chaîner les cellules constituées
par les différents tronçons de ligne (fig. 2.16) [MK00].

Z Z Z
N N N

Y Y Y
2N 2N 2N

Y Y Y
2N 2N 2N

N fois

Fig. 2.16 – Chaînage de cellules en Π.

Nous pouvons simplifier le modèle de ligne obtenu en remplaçant les admittances en

Y
parallèle de valeur 2N par leur somme. Remarquons que si nous avions procédé de même à
Z
partir des modèles de lignes courtes en T, ce sont des impédances en série de valeur 2N que

31
2.2. Résolution dans l’espace de Laplace

nous aurions remplacées. Dans les deux cas nous obtenons pratiquement le même réseau
de Kirchhoff à paramètres localisés, les différences résidant aux extrémités des réseaux5 .

Discrétisation spatiale

Z Z Z
N N N

Y Y Y Y
2N N N 2N

X X 3X X
0 2N N 2N
(X − 2N
)X

Fig. 2.17 – Chaînage de cellules en Π, après simplification.

Toutes simplifications faites, le modèle de ligne obtenu par chaînage est donc celui de
la figure 2.17. Il est intéressant de le comparer au modèle à paramètres répartis décrits
en 2.1.2 par les équations (2.17).

dv

 + z(p, x)i = 0,
dx (2.35)
 di + y(p, x)v = 0.

dx

Dans ce cas, z et y sont constants le long de la ligne.

z(p, x) = r + lp = z(p), (2.36)

y(p, x) = g + cp = y(p). (2.37)

Dans le cas du modèle de la figure 2.17, et en excluant les extrémités, les lois de
Kirchhoff fournissent des relations de la forme
      
1 X 1 X Z
v n+ −v n− + i=0


2 N 2 N N
    (2.38)
 X X Y

 ,i n − i (n − 1) + i = 0.
N N N
5
En effet, le réseau obtenu par chaînage de cellules en Π débute et se termine par un admittance
Y Z
2N , alors que celui obtenu par chaînage de cellules en T débute et se termine par des impédances 2N .
Notons enfin que cette différence sera d’autant plus faible que N sera grand puisque le reste du réseau
est identique dans les deux cas [LBS99].

32
 Chapitre 2. Modélisation des lignes électriques

Ce qui peut s’écrire : Z X  

(n+ 12 ) N

 dv

 + ze (p, x)i dx = 0,
 (n− 1 ) X dx
2 N
Z nX   (2.39)

 N di


 + ye (p, x)v dx = 0.
(n−1) N X dx
Nous retrouvons donc l’expression des relations locales entre courant et tension, similaire
à (2.35) à condition de poser
N −1    
1 X 1 X
ze = z δ x− n+ (2.40)
N n=0 2 N
N −1  !
1 1 X X
ye = y (δ(x) + δ(x − X)) + δ x−n (2.41)
2N N n=1 N

dv

 + ze (p, x)i = 0
dx (2.42)
 di + ye (p, x)v = 0

dx
Le symbole δ représentant la distribution de Dirac (au sens des distributions de
Schwartz [Sch66]). Le passage du modèle à paramètres répartis (continu) au modèle à
paramètres localisés (discret) se fait par multiplication par un peigne de Diracs. C’est le
formalisme d’un échantillonnage spatial. Le modèle que nous avons obtenu par chaînage
de modèles de lignes courtes est donc assimilable à une simple discrétisation spatiale6 .

2.3 Les systèmes à paramètres répartis

La particularité des systèmes physiques à paramètres répartis est d’être décrits par
des équations aux dérivées partielles, par opposition aux systèmes à constantes localisées
(section 2.2.3) décrits par des équations différentielles ordinaires, c’est-à-dire d’une seule
variable. Nous avons vu que l’équation des télégraphistes (2.3) et (2.4) faisait partie des
équations aux dérivées partielles du second degré linéaires de deux variables x et t. Nous
allons préciser quelques propriétés et le vocabulaire associé.

2.3.1 Équations aux dérivées partielles

La classe des équations aux dérivées partielles du second degré linéaires se rencontre
dans de nombreux problèmes de la physique des phénomènes de transports. Ils regroupent
principalement toutes les ondes propagatives (acoustiques, mécaniques, électromagné-
tiques, etc.) et les phénomènes diffusifs (conduction de la chaleur, diffusion d’espèces
6
Cette méthode est aussi appelée méthode nodale, notamment dans le domaine de la modélisation
thermique et elle est à rapprocher des méthodes par éléments finis.

33
2.3. Les systèmes à paramètres répartis

chimiques, etc.). Les mathématiciens ont donc très tôt étudié ce type d’équations et en
ont dégagé une classification.

Classification
La forme la plus générale pour une équation aux dérivées partielles du second degré
de deux variables indépendantes x et t peut s’exprimer par
∂2f ∂2f ∂2f ∂f ∂f
A + 2B + C + D + E + F f = G. (2.43)
∂x2 ∂x∂t ∂t2 ∂x ∂t
Si les coefficients A, B, C, D, E, F et G ne sont fonctions que de x et t, cette équation
est de plus linéaire. Selon les valeurs de ces coefficients, on montre de plus que l’on peut
se ramener par changement de variables à l’une des trois formes canoniques suivantes
[Gar64] :
– équation hyperbolique si B 2 − AC > 0
∂2f ∂2f
− + · · · = 0, (2.44)
∂ x̃2 ∂ t̃2
– équation parabolique si B 2 − AC = 0
∂2f
+ · · · = 0, (2.45)
∂ x̃2
– équation elliptique B 2 − AC < 0
∂2f ∂2f
+ + · · · = 0. (2.46)
∂ x̃2 ∂ t̃2
Les points de suspension représentent les termes qui ne font intervenir que f et ses dérivées
premières.
Appliquons cette classification à l’équation des télégraphistes (2.3) ou 2.4. Par identi-
fication, nous avons immédiatement


 A=1 B=0

 C = −lc D=0
(2.47)

 E = −rc − lg F = −rg


G = 0.

L’inductance et la capacité linéiques étant réelles positives, la quantité B 2 − AC = lc est

donc positive ou nulle. L’équation des télégraphistes ne peut donc prendre que deux formes
canoniques, celle de l’équation hyperbolique (2.44) si l et c sont strictement positifs, ou
celle de l’équation parabolique (2.45) si l ou bien c est nul7 . Nous laisserons donc de côté
pour la suite de cette étude l’équation elliptique.
Remarquons que si l et c sont nuls, nous n’avons plus à faire à une équation aux dérivées partielles,
7

mais à une équation différentielle ordinaire, et nous sortons du cadre de cette étude.

34
 Chapitre 2. Modélisation des lignes électriques

Forme réduite hyperbolique

Afin de simplifier les expressions des équations sans sacrifier à leur généralité, il peut
être utile d’effectuer des changements de variables. Nous cherchons ainsi à obtenir une
forme réduite de l’équation des télégraphistes.
Commençons par nous intéresser au cas de l’équation hyperbolique (2.44), encore ap-
pelée équation des ondes. Dans ce cas, l et c sont non nuls. Dans un premier temps,
supposons qu’il en est de même pour r, c’est-à-dire

l > 0, c > 0, r > 0, (2.48)

ce qui autorise les changements de variables dans le système (2.2)

r
√ √ r c
ṽ = cv, ĩ = li, t̃ = t, x̃ = r x. (2.49)
l l
Pour la première équation, nous obtenons la forme réduite
√
∂ṽ l ∂v
=
∂ x̃ √r ∂x
l ∂i
= (−ri − l )
r √ ∂t (2.50)
√ l l ∂i
= − li −
r ∂t
∂ ĩ
= −ĩ − .
∂ t̃
Pour la deuxième équation de (2.2), le même changement de variables donne

∂ ĩ lg ∂ṽ
= − ṽ − . (2.51)
∂ x̃ rc ∂ t̃
lg
Il s’avère donc nécessaire d’introduire un coefficient sans dimension α = rc
pour garder
toute la généralité des équations. Le système réduit est donc

 ∂ṽ ∂ ĩ

 = −ĩ −
∂ x̃ ∂ t̃ (2.52)
 ∂ ĩ = −αṽ − ∂ṽ


∂ x̃ ∂ t̃
L’étude générale de l’équation des télégraphistes dans le cas hyperbolique pourra donc se
faire en prenant pour les expressions des impédances et admittances réparties

z = 1 + p, y = α + p. (2.53)

Les cas particuliers suivants sont à signaler.

35
2.3. Les systèmes à paramètres répartis

1. α = 0, ligne sans pertes « transversales » (g = 0) qui correspond au schéma de la

figure 2.5 ;
2. α = 1, ligne non dispersive. L’impédance caractéristique Zc = 1 ne dépend pas de
la fréquence, ce qui correspond à la condition de Heaviside. C’est ce que l’on cherche
à obtenir par les procédés de pupinisation ou krarupisation (voir page 16) ;
Pour illustrer l’influence du paramètre α sur la forme de la réponse fréquentielle du
système, nous pouvons considérer le cas simple d’une ligne en court-circuit. Nous avons
vu (figure 2.14) que dans ce cas, l’impédance se résume à
r
Z √
Z= tanh( ZY ), (2.54)
Y
ou encore, dans le cas d’équations réduites, et en prenant x = 1,
r
1+p p
Z= tanh( (1 + p)(α + p)) (2.55)
α+p
Pour tracer la réponse du système en fonction de la fréquence ν sur les figures 2.18 à 2.20,
nous avons simplement posé
p = 2iπν, (2.56)
ce qui permet d’obtenir la transformée de Fourier à partir de la transformée de Laplace
pour les fonctions causales (annexe A).
2.5

|Z| 1.5

0.5

0
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

arg(Z) 0.5

−0.5

−1
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

Fréquence

Fig. 2.18 – Réponse fréquentielle de la ligne en court-circuit (α = 0).

Il nous faut traiter maintenant le cas où r est égal à zéro, que nous avons laissé de
côté pour effectuer le changement de variables (2.49). Tout d’abord, si g est différent de
zéro, nous pouvons nous ramener au cas précédent par dualité tension-courant. Le cas de
la ligne sans perte, pour lequel

r = 0, g=0 (2.57)

36
 Chapitre 2. Modélisation des lignes électriques

1.4

1.3

1.2

|Z| 1.1

0.9

0.8

0.7
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

0.3

0.2

arg(Z) 0.1

−0.1

−0.2

−0.3

−0.4
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

Fréquence

Fig. 2.19 – Réponse fréquentielle de la ligne en court-circuit (α = 1).

1.1

|Z| 0.9

0.8

0.7

0.6
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

0.3

0.2

arg(Z) 0.1

−0.1

−0.2

−0.3

−0.4
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

Fréquence

Fig. 2.20 – Réponse fréquentielle de la ligne en court-circuit (α = 2).

37
2.3. Les systèmes à paramètres répartis

nécessite un autre changement de variables.

√ √ t
ṽ = cv, ĩ = li, t̃ = √ t, x̃ = x. (2.58)
lc

Appliquée au système (2.2), nous avons simplement


 ∂ṽ

 = −ĩ
∂ x̃
(2.59)

 ∂ ĩ
 = −ṽ,
∂ x̃
ce qui correspond aux constantes linéiques

z = p, y = p. (2.60)

En équations réduites, l’impédance d’une ligne sans pertes en court-circuit est donc

Z = tanh(px). (2.61)

Ce qui donne une expression extrêmement simple de la transformée de Fourier, d’après

(2.56), et avec x = 1,
Z = tan(2πν) (2.62)
Cette réponse est tracée sur la figure 2.21.
10

|Z| 6

0
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

arg(Z) 1

−1

−2
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

Fréquence

Fig. 2.21 – Réponse fréquentielle de la ligne sans pertes en court-circuit.

Le cas de la ligne sans pertes présente des particularités très intéressantes. C’est un
système qui comporte des retards purs. Signalons aussi que ce cas particulier fait appa-
raître des liens entre la synthèse de Cauer présentée au chapitre 4 et les polynômes de
Legendre (annexe C) qui seront étudiés dans le chapitre 7.

38
 Chapitre 2. Modélisation des lignes électriques

Forme réduite parabolique

L’équation parabolique (2.45) peut être vue comme une forme dégénérée de l’équation
des télégraphistes pour laquelle soit l, soit c est égal à zéro. Posons par exemple l = 0.
L’équation (2.3) devient
∂2v ∂v
2
= rc + rgv. (2.63)
∂x ∂t
Nous verrons au chapitre 4 que cette expression décrit la température au sein d’une
ailette de refroidissement, qui est un élément de dissipateur thermique (section 4.4). Nous
pouvons aussi dire, que le cas encore plus simple où g est pris égal à zéro, et qui correspond
au schéma de la figure 2.3, donne la température au sein d’un « mur » thermique [Mar90,
MAB+ 00]. Pour cette raison, l’équation parabolique (2.45) est encore appelée équation de
la chaleur.

2.3.2 Systèmes d’ordre infini

Dans les précédents exemples, nous avons pu remarquer que les systèmes à paramètres
répartis se modélisaient dans le cas général par des impédances exprimées par des fonctions
transcendantes. Le terme impédance est utilisé dans les domaines de l’électrotechnique et
de l’électronique, mais peut très bien s’interpréter comme une fonction de transfert pour
utiliser une approche automatique.
En effet si le courant i désigne la variable d’entrée du système, et v la variable de
sortie, la loi d’Ohm devient une équation de transfert.

i(p) → Z(p) → v(p) = Z(p)i(p). (2.64)

Ces fonctions de transfert peuvent avoir un nombre infini de zéros et de pôles, ce

qui correspond à un ordre infini. L’étude des systèmes d’ordre infini ne peut pas se faire
exactement de la même façon que celle des système d’ordre fini, pour laquelle les outils
mathématiques sont bien connus.

Théorie du semigroupe
La théorie du semigroupe des opérateurs linéaires sur un espace de Hilbert est utilisée
pour généraliser les concepts de l’automatique d’ordre fini et étendre le formalisme d’état
à l’ordre infini. En effet, si l’on considère l’opérateur qui fait passer le système de l’état
initial X(0) à l’état X(t) à l’instant t,

X(t) = T (t)X(0), (2.65)

alors on a les propriétés

T (0) = I, I étant l’opérateur identité, (2.66)

T (t + s) = T (t)T (s), s, t > 0. (2.67)

39
2.3. Les systèmes à paramètres répartis

Et s’il existe une limite

1
AX = lim (T (t) − I)X, (2.68)
t→0 t

alors A est appelé générateur infinitésimal du semigroupe T et vérifie formellement l’« équa-
tion d’état »
dX
= AX + Bu (2.69)
dt
Avec cette définition, A coïncide pour les systèmes d’ordre n avec les matrices d’ordre
n × n, et généralise effectivement la notion d’état. Le cas des systèmes d’ordre infini
est étudié en détails dans [CZ95] et représente encore à l’heure actuelle un domaine de
recherche particulièrement fertile. Citons par exemple les travaux récents de M. Touré
sur le contrôle d’un échangeur de chaleur [Tou02] ou de M. Rouchon et M. Fliess sur la
« commande plate » [Rou02].

Systèmes d’ordres non-entiers

Une autre voie récemment explorées pour l’étude des systèmes à paramètres distri-
bués est la dérivation fractionnaire. La plupart de ces systèmes physiques ont en effet
une réponse fréquentielle se comportant comme une puissance demi-entière sur une large
bande de fréquence (processus à « mémoire longue »). Il se prêtent donc très bien à une
modélisation par des opérateurs d’ordre fractionnaires, qui généralisent les notions de
dérivation et d’intégration, [Mat02] dans [AGV02], [Ous98, LSOH99]. Cette approche a
notamment été utilisée pour modéliser l’induction dans les machines tournantes [Riu01],
pour les transferts thermiques [BPA02] ou bien en acoustique [Mat94].
La représentation par un système d’ordre fractionnaire offre aussi des possibilités très
intéressante de synthèse physique. Ceci a notamment été mis à profit pour la mise au
point de commandes ou d’asservissements robustes [Ous83, Ous95]. Et la représentation
sous forme de réseaux de Kirchhoff, par le biais d’analogies électriques, a été en particulier
étudié par [Sab98]).

Modèles d’ordres réduits

Il nous reste à évoquer le cas où un problème ne peut pas se traiter directement par la
modélisation d’ordre infini ou non-entier. Cela arrive notamment quand interviennent des
contraintes dans le domaine temporel. Par exemple lorsqu’un système n’est pas invariant
dans le temps8
Une approche très simple consiste alors à approcher le système par un ordre fini (mo-
dèle d’ordre réduit). Cependant, de multiples stratégies d’approximation s’offrent à l’in-
génieur qui désire se ramener au cadre classique des ordres finis. Nous en présenterons
quelques unes dans le chapitre 3.
Parmi les approximations dans le domaine fréquentiel, nous pouvons citer les dévelop-
pements de Taylor que nous avons déjà rencontré à la section 2.2.3, les développements
8
C’est en particulier le cas lors de l’apparition d’un défaut sur une ligne de transmission.

40
 Chapitre 2. Modélisation des lignes électriques

en séries de Fourier, les développemnts en éléments simples, les approximants de Padé et

les méthodes modales.

2.4 Axe de recherche développé dans ce mémoire

Toutes ces différentes approches récemment développées montrent l’intérêt scientifique
de la résolution du problème de modélisation des systèmes à paramètres répartis, dans
laquelle s’inscrit celle des lignes électriques. D’un point de vue économique, l’industrie
des protections et de la localisation de défauts demande aussi des modèles performants,
c’est-à-dire à la fois rapide et précis, pour pouvoir développer de nouvelles applications et
réduire les temps et les coûts d’intervention.
Les méthodes basées sur la théorie du semigroupe, si elles ont l’avantage d’une grande
rigueur, sont délicates à mettre en œuvre dans le cadre des protections de distance. En
effet, les contraintes du temps réel (imposées par la puissance limitée des dsp) nous font
privilégier la simplcité du modèle et surtout l’interprétation physique des paramètres.
La modélisation non entière ne reflète en général que le comportement asymptotique
de la fonction de transfert. De plus, cette approche se double souvent d’une approxima-
tion fréquentielle dans nombre de cas pratiques. On a donc au final deux approximation
successives. D’un point de vue plus fondamental, les ordres non-entiers ont le défaut d’in-
troduire des singularités essentielles dans le plan fréquentiel complexe qui n’ont pas de
réelles justifications physiques9 , au contraire des pôles, que l’on relie facilement aux modes
ou aux résonances d’un système.
Ces considérations nous ont fait choisir l’utilisation de modèles d’ordres réduits. Ce-
pendant, les approximations fréquentielles classiques aboutissent en général à des modèles
de type « boîte noire », dont les paramètres sont difficiles à interpréter physiquement, par
exemple la méthode modale appliquée aux lignes de transmission par [WC97, WC98].
Nous montrerons cependant qu’en modifiant légèrement ces méthodes d’approxima-
tions, il est possible d’obtenir des modèles à la fois simples et performants. De plus,
nous pourrons représenter ces modèles sous forme de réseaux de Kirchhoff, à l’instar des
méthodes basées sur les ordres non-entiers, tout en gardant une interprétation physique
directe de la valeurs des paramètres. Ceci représente un avantage de taille pour l’appli-
cation à la protection des lignes de transmission où l’identification des paramètres est le
but recherché in fine.
Cette approche découle de l’approfondissement des travaux de P. Lagonotte [LN00,
LPC00] et vise à répondre au souhait de la société Alstom de s’intéresser à cette nouvelle
voie.

9
Avec toutefois une réserve pour les systèmes possédant une structure fractale comme le montre
[Ous95].

41
2.4. Axe de recherche développé dans ce mémoire

42
Chapitre 3

De l’approximation polynomiale à
l’approximation rationnelle

Dans le chapitre précédent, nous avons présenté succinctement les systèmes à pa-
ramètres répartis. Nous avons montré qu’ils se traduisent, pour le cas général, par des
fonctions de transfert d’ordre infini dans le domaine fréquentiel. La voie que nous allons
explorer consiste à trouver des approximations de ces fonctions de transfert sous la forme
de fonctions d’ordre fini.
Aussi, il paraît nécessaire de présenter quelques unes des approximations exploitables.
Plus précisément, nous développerons dans ce chapitre l’approximation polynomiale qui
découle naturellement des développement de Taylor largement exploités pour la résolu-
tion de problèmes physiques. Puis nous soulignerons ses limites et nous proposerons des
méthodes d’approximations rationnelles. En particulier, nous détaillerons le théorème de
Mittag-Leffler permettant de conserver les pôles ou les zéros des fonctions approchées,
puis nous présenterons les théories des fractions continues et des approximants de Padé
que nous avons retenus pour la suite de cette étude.
Ces puissants outils mathématiques qui, comme nous le verrons, sont intimement liés,
sont utilisés dans des domaines aussi variés que l’analyse, les probabilités, la mécanique
ou la théorie des nombres [Khi64] [Niv56]. Par la suite, ces approximations purement
formelles donneront lieu à une représentation sous forme de réseaux électriques. Nous
obtiendrons ainsi des modèles physiques d’ordres réduits, c’est-à-dire finis, de systèmes à
paramètres distribués.

3.1 L’approximation polynomiale

Le physicien qui doit trouver une approximation d’une fonction, recherche bien souvent
les hypothèses plausibles qui lui permettent de qualifier une grandeur physique comme
étant négligeable (ou au contraire prépondérante) devant les autres. Ceci autorise à tron-
quer un développement en série de la fonction suivant cette grandeur particulière.
Nous avons déjà vu un exemple de cette démarche dans l’hypothèse des lignes courtes

43
3.1. L’approximation polynomiale

de la section 2.2.3. Le développement se fait dans ce cas suivant la longueur de la ligne

électrique, et on s’autorise à ne conserver que le premier terme du développement en
faisant l’hypothèse que cette longueur est suffisamment petite.

3.1.1 Développement limité

Nous allons maintenant généraliser cette approche. Considérons la série entière formelle
∞
X
f (x) = cn xn . (3.1)
n=0

Nous recherchons une approximation de f (x) au voisinage de x = 0. En tronquant la série

(3.1) à un ordre arbitraire N ∈ N, nous assurons que l’erreur d’approximation est d’ordre
N + 1.
N
X
fN (x) = cn xn (3.2)
n=0

f (x) − fN (x) = O(x(n+1 ) (3.3)

La notation de Landau O (« grand o ») ci-dessus signifie qu’il existe un voisinage de V de

0 et un réel positif M vérifiant

|f (x) − fN (x)| 6 M|xm+n+1 |, ∀x ∈ V. (3.4)

Les approximations obtenues sont alors, au sens mathématique du terme, des équivalents
de f (x) au voisinage de x = 0.

Exemple Considérons la fonction tangente hyperbolique tanh. Son développement en

série de Taylor au voisinage de zéro s’écrit
1 2 17 7 62 9
f (x) = tanh(x) = x − x3 + x5 − x + x +··· (3.5)
3 15 315 2835
Nous pouvons donc considérer les approximations successives
f0 (x) = 0,
f1 (x) = f2 (x) = x,
1
f3 (x) = f4 (x) = x − x3 ,
3
1 2 5 (3.6)
f5 (x) = f6 (x) = x − x3 + x,
3 15
1 2 5 17 7
f7 (x) = f8 (x) = x − x3 + x − x,
3 15 315
1 2 5 17 7 62 9
f9 (x) = f10 (x) = x − x3 + x − x + x.
3 15 315 2835
44
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

f1 (x) 2

−2

f3 (x) 2

−2

2
f5 (x)
0

−2

2
f7 (x) 0

−2

2
f9 (x) 0

−2
−3 −2 −1 0 1 2 3

Fig. 3.1 – Approximations polynomiales de la tangente hyperbolique par développement

de Taylor.

Ces approximations polynomiales sont tracées sur la figure 3.1.

D’un point de vue plus algébrique, nous pouvons associer le développement de Taylor
à une décomposition sur la base canonique des polynômes

(1, x, x2 , . . . , xn , . . . ) (3.7)

L’approximation (3.2) obtenue en tronquant à l’ordre N la série (3.1) est donc la projection
de f sur le sous-espace vectoriel des polynômes de degrés inférieurs ou égaux à N. Mais le
choix de la base canonique, dicté par la simplicité de son expression n’est pas forcément
le plus judicieux dans le cadre de l’approximation polynomiale.

3.1.2 Polynômes orthogonaux

Le problème à résoudre est de quantifier l’erreur d’approximation induite par les termes
négligés, c’est à dire les termes de degrés strictement supérieurs à N. Pour cela, il est
nécessaire de pourvoir l’espace d’une norme, le plus souvent induite par un produit scalaire
(voir annexe C).
p
kϕk = hϕ, ϕi. (3.8)

Réduire l’erreur d’approximation au sens des moindres carrés revient donc à minimiser
l’erreur quadratique
eN = kf − fN k2 . (3.9)

45
3.1. L’approximation polynomiale

Consiérons une base (Pn )n∈N de polynômes orthogonaux pour le produit scalaire choisi. Si
l’on suppose de plus que cette base est orthonormée, les coefficients de la décomposition
de f (x) sont appelés coefficients de Fourier et ils vérifient
∞
X
f (x) = cn Pn (x), cn = hf, Pn i. (3.10)
n=0

On montre alors que l’approximation polynomiale

N
X
fN (x) = cn Pn (x). (3.11)
n=0

est celle qui minimise l’erreur quadratique [Wal94]. En utlisant la linéarité du produit
scalaire, cette erreur est alors donnée par
N
X
eN = kf − cn P n k 2
n=0
X X
= hf − cn P n , f − cn P n i
X X X
= hf, f i − 2 cn hf, Pn i + h cn P n , cn P n i (3.12)
X X
= hf, f i − 2 c2n + c2n
N
X
= hf, f i − c2n .
n=0

En effet, notons fN′ une autre approximation polynomiale d’ordre N de f . Comme

(Pn )n6N est une base du sous-espace vectoriel des polynômes de degré inférieur ou égal à
N, nous pouvons écrire
X N
′
fN (x) = c′n Pn (x). (3.13)
n=0

En utilisant l’expression (3.12) nous avons alors

e′N = kf − fN′ k2
N
X N
X
= hf − c′n Pn , f − c′n Pn i
n=0 n=0
X X 2
= hf, f i − 2 c′n hf, Pn i
+ c′n
X X 2 X X (3.14)
= hf, f i − 2 c′n cn + c′n + c2n − c2n
X X
= hf, f i + (c′n − cn )2 − c2n
N
X
= eN + (c′n − cn )2 .
n=0

46
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

P
Comme la quantité N ′ 2
n=0 (cn − cn ) est positive, nous avons nécessairement une moins
bonne approximation au sens de la norme quadratique.

eN 6 e′N (3.15)

Exemple Reprenons le cas de la tangente hyperbolique. Nous allons trouver une ap-
proximation polynomiale à l’aide de polynômes orthogonaux. Soit {Pn } la base des po-
lynômes de Legendre. Le calcul des coefficients de Fourier se fait à l’aide de la formule
(3.10). Cependant les polynômes de Legendre n’étant pas normés, nous substituons

Pn
à Pn . (3.16)
kPn k

Nous avons alors, avec la définition du produit scalaire correspondant aux polynômes de
Legendre (voir en annexe la section C.3.1)
 
Pn
cn = tanh, (3.17)
kPn k
Z 1
1
= tanh(x)Pn (x)dx (3.18)
kPn k −1

Nous avons donc formellement la série

∞
X Pn
tanh(x) = cn , (3.19)
n=0
kPn (x)k

ou encore, en notant
Z R1
1 tanh(x)Pn (x)dx
cn 1 −1
c′n = = tanh(x)Pn (x)dx = R1 , (3.20)
kPn k kPn k2 −1 P n (x) 2 dx
−1
∞
X
tanh(x) = c′n Pn . (3.21)
n=0

Le calcul des c′n nous donne alors les approximations successives (les polynômes Pn
sont définis dans l’annexe C)

c′0 = 0, c′1 = .8436022096

c′2 = 0, c′3 = 090725174
c′4 = 0, c′5 = .009587934 (3.22)
c′6 = 0, c′7 = −.000919
c′8 = 0, c′9 = .0000461.

47
3.1. L’approximation polynomiale

f0 (x) = 0,
f1 (x) = f2 (x) = c′1 P1 (x),
f3 (x) = f4 (x) = c′1 P1 (x) + c′3 P3 (x), (3.23)
f5 (x) = f6 (x) = c′1 P1 (x) + c′3 P3 (x) + c′5 P5 (x),
..
.
Ces approximations polynomiales sont tracées sur la figure 3.2. On remarque que du
fait de la définition du produit scalaire, l’approximation converge très rapidement sur
l’intervalle x ∈ [−1, 1].

f1 (x) 2

−2

f3 (x) 2

−2

2
f5 (x)
0

−2

2
f7 (x) 0

−2

2
f9 (x) 0

−2
−3 −2 −1 0 1 2 3

Fig. 3.2 – Approximations de la tangente hyperbolique par les polynômes orthogonaux

de Legendre.

Le choix de la famille de polynômes orthogonaux (Hermite, Legendre, Tchebychev,

etc.) et du produit scalaire associé se fait selon la nature du problème. Dans le cas de
l’approximation d’une fonction de transfert, c’est bien souvent la facilité d’inversion de la
transformation de Laplace qui dicte ce choix.
Évidemment, cette démarche peut aussi être utilisée avec d’autres familles de fonctions
orthogonales. Par exemple, R. Morvan [Mor00] utilise les polynômes de Laguerre et de
Kautz, ainsi que les fonctions dérivées, pour modéliser des systèmes d’ordre infini comme
une ligne de transmission.
Malgré ses propriétés intéressantes de continuité et de dérivabilité, l’approximation
polynomiale présente certains défauts qui en limitent les applications. Tout d’abord, quel
que soit N > 0, fN (x) est non bornée quand x tend vers l’infini. Cela peut se révéler
gênant pour certaines intégrations.

48
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

D’autre part, la série (3.1) ne converge pas nécessairement pour tout x ∈ C. On définit
alors un rayon de convergence, c’est-à-dire le plus grand réel positif R tel que si |x| 6 R,
la série converge. Pour des valeurs en dehors du domaine de convergence (|x| > R),
l’augmentation du nombre de termes retenus dans fN (x) détériorera alors la qualité de
l’approximation !
Ce sont ces limitations qui nous amènent à nous intéresser à une nouvelle classe de
fonctions d’approximation : les fractions rationnelles.

3.2 Les approximants de Padé

L’approximation de fonctions à l’aide de fractions rationnelles a été étudié de façon
rigoureuse par le mathématicien français Henri Eugène Padé (1863-1953).

Fig. 3.3 – Henri Eugène Padé 1863-1953

Source de l’image : université de Saint Andrews
([Link]

Padé se proposa de résoudre le problème de l’approximation sous la condition énoncée

par l’équation 3.3. L’approximation polynomiale, déjà détaillée en 3.1, est une des solutions
possibles, dont nous avons souligné les limitations. Mais Padé montra comment remplir
cette condition avec une fonction rationnelle.

3.2.1 Définition des approximants

Voici comment Padé a défini ses fonctions d’approximation en 1892. Soit une fonction
f admettant un développement en série entière au voisinage de x = 0. Étant donnés deux
entiers (m, n) ∈ N2 , nous pouvons trouver un couple de polynômes (P , Q) tels que P soit
de degré inférieur ou égal à m et Q de degré inférieur ou égal à n, et vérifiant les relations
Q(x)f (x) − P (x) = O(xm+n+1 ) et Q(x) 6≡ 0, (3.24)

49
3.2. Les approximants de Padé

avec la notation de Landau définie par l’équation (3.4).

Le rapport de ces deux polynômes définit une unique fraction rationnelle [Gau75]
appelée approximant de Padé d’ordre (n, m) et notée :
P (x)
[n, m]f (x) = (3.25)
Q(x)
Les approximants de Padé sont habituellement présentés dans un tableau, disposés
selon leurs ordres. Ce tableau est appelé table de Padé de la fonction f : x 7→ f (x).
[0, 0]f (x) [0, 1]f (x) [0, 2]f (x) · · ·
[1, 0]f (x) [1, 1]f (x) [1, 2]f (x) · · ·
[2, 0]f (x) [2, 1]f (x) [2, 2]f (x) · · · (3.26)
.. .. .. ..
. . . .
Les comportements asymptotiques des approximants de Padé présentent l’avantage de
pouvoir être fixés par le choix des degrés n et m. De plus, une suite d’approximants (par
exemple la suite ([n, n]f (x))n=0,1,...) possède souvent1 un rayon de convergence supérieur
à la série entière générée par la même fonction.

Exemple d’approximants d’une fonction

Considérons la fonction exponentielle f (x) = ex . La figure 3.4 présente les premiers
approximants de Padé de cette fonction, ainsi que leurs allures au voisinage de l’origine.
En utilisant le développement de Taylor de ex , il est aisé de vérifier par exemple que
l’approximant d’ordre (1, 1) vérifie les relations de définition (3.24). Nous avons en effet :
2+x P (x)
[1, 1]exp (x) = = (3.27)
2−x Q(x)
1
ex = 1 + x + x2 + O(x3 ) (3.28)
2
1
Q(x)f (x) − P (x) = (2 − x)(1 + x + x2 + O(x3 )) − 2 − x
2
3
= 2 + x + O(x ) − 2 − x (3.29)
= O(x3 )

Approximation d’un retard

Certains de ces approximants sont bien connus des automaticiens qui les utilisent pour
modéliser les retards dans les fonctions de transferts. En effet, la transformée de Laplace
d’un retard pur est donnée par :
f (t − T ) ⊐ e−T p F (p) avec f (t) ⊐ F (p) (3.30)
1
G. Baker [GABG70] remarque qu’il n’existe cependant pas encore de formulation générale des rayons
de convergence des approximants de Padé.

50
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

x2
[0, 0]exp (x) = 1 [0, 1]exp (x) = 1 + x [0, 2]exp(x) = 1 + x + 2

1 2+x 6+4x+x2
[1, 0]exp (x) = 1−x
[1, 1]exp(x) = 2−x
[1, 2]exp (x) = 6−2x

2 6+2x 12+6x+x2
[2, 0]exp (x) = 2−2x+x2
[2, 1]exp (x) = 6−4x+x2
[2, 2]exp (x) = 12−6x+x2

Fig. 3.4 – Les premiers approximants de Padé de la fonction exponentielle.

51
3.2. Les approximants de Padé

Une très bonne approximation en est donnée par les approximants diagonaux :

2 − Tp
[1, 1]exp (−T p) = (3.31)
2 + Tp
12 − 6T p + T 2 p2
[2, 2]exp(−T p) = (3.32)
12 + 6T p + T 2 p2
120 − 60T p + 12T 2 p2 − T 3 p3
[3, 3]exp (−T p) = (3.33)
120 + 60T p + 12T 2 p2 + T 3 p3

3.2.2 Propriétés des approximants

Premières propriétés
Nous pouvons d’ores et déjà présenter quelques propriétés immédiates des approxi-
mants de Padé.
1. Tout d’abord, les éléments de la première rangée de la table (3.26) présentent des
dénominateurs de degré nul. Ils s’identifient donc aux sommes partielles du dévelop-
pement de f (x) en série de Taylor (3.1).

[0, 0]f (x) = c0 ,

[0, 1]f (x) = c0 + c1 x,
[0, 2]f (x) = c0 + c1 x + c2 x2 , (3.34)
..
.

Les approximants de Padé peuvent donc être considérés comme une extension de
l’approximation polynomiale présentée en introduction et nous pouvons écrire

[0, N]f (x) = fN (x). (3.35)

2. D’autre part, remarquons que la différence entre les degrés du numérateur et du

dénominateur reste constante quand on parcourt la table (3.26) selon l’une de ses
diagonales.
3. En revanche, si l’on parcourt la table de Padé de f selon une antidiagonale (par
exemple la séquence [0, 2] [1, 1] [2, 0]) on obtient des approximants faisant intervenir
un nombre constant de paramètres.
4. Enfin, les relations de définition (3.24) permettent de vérifier la relation suivante
entre les approximants d’une fonction f et ceux de son inverse f1 :

1
[n, m]f = (3.36)
[m, n] 1
f

52
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

L’ordre de contact d’un approximant

Considérons maintenant les développements en séries entières de f (x) et de [n, m]f (x).
Supposons qu’ils coïncident jusqu’à l’ordre r, c’est-à-dire que r est la valeur maximale
pour laquelle est vérifiée la relation

f (x) − [n, m]f (x) = O(xr+1 ). (3.37)

Nous pouvons dire que l’approximation est d’autant meilleure que r est grand et
donc, nous caractériserons l’approximant par son ordre de contact r ([Gau75]). En ce
qui concerne la fonction exponentielle, par exemple, l’ordre de contact des approximants
[n, m]exp est strictement
r = n + m. (3.38)

Dans ce cas, la table de Padé de la fonction est dite normale. La condition nécessaire
et suffisante pour que la table de Padé soit normale s’exprime à partir des coefficients du
développement en série entière de f (x) (équation (3.1)) :
 
 cn−m cn−m+1 · · · cn 
 
 cn−m+1 cn−m+2 · · · cn+1 
 6= 0 ∀(m, n) ∈ N2
 
∆m,n = det  .. .. .. .. (3.39)
 . . . . 
 
 cn cn+1 · · · cn+m 

Ces déterminants sont calculés avec la convention : ck = 0 pour k < 0.

Si la table est anormale, c’est-à-dire s’il existe des approximants pour lesquels l’ordre
de contact r est différent de m + n, certains approximants de f sont identiques. Ces
derniers se répartissent sous forme de « blocs » carrés, de la forme [n + i, m + j] avec
(i, j) ∈ {0, 1, . . . , k}2 . Et ils ont pour ordre de contact r = m + n + k.
Réexaminons à la lumière de ces nouvelles définitions la fonction tangente hyperbolique
qui nous a servi d’exemple précédemment. En comparant son développement à celui de
l’un de ses approximants, nous concluons que cette fonction présente une table anormale.

1 2 5
tanh(x) = x − x3 + x + O(x7 ) (3.40)
3 15
3x 1 1 5
[2, 1]tanh (x) = 2
= x − x3 + x + O(x7 ) (3.41)
3+x 3 9

Par définition, cet approximant admet un ordre de contact r = 4, qui est supérieur
à la somme de ces degrés m + n = 3. Explicitons les premiers éléments de la table pour

53
3.2. Les approximants de Padé

vérifier l’existence d’approximants identiques.

0 x x 3x − x3 3x − x3
1 1 1 3 3

0 x x2 3x − x3 3x2 − x4
x 1 x 3 3x
(3.42)
3 3
0 3x 3x 15x + x 15x + x
x2 3 + x2 3 + x2 15 + 6x2 15 + 6x2

0 3x 3x2 15x + x3 15x2 + x4

x3 3 + x2 3x + x3 15 + 6x2 15x + 6x3

Des blocs d’approximants identiques ont été mis en évidence dans la table. Considérons
le premier. Il s’agit de : [0, 1]tanh (x), [0, 2]tanh (x), [1, 1]tanh (x) et [1, 2]tanh (x). Ils possèdent
tous le même ordre de contact r = 2.
– Pour le premier, cet ordre de contact se révèle être supérieur à la somme de ses
degrés m + n = 1 < r.
– Pour les deux suivants, l’ordre de contact est exactement égal à la somme des degrés :
m + n = 2 = r.
– Pour le dernier, en revanche, nous avons : m + n = 3 > r. Remarquons cependant
que cet approximant vérifie bien la relation de définition (3.24). En effet, sous forme
non réduite,
P (x) = x2 et Q(x) = x (3.43)

Ce qui nous permet d’écrire :

Q(x) tanh(x) − P (x) = x(x + O(x3 )) − x2

= x2 + O(x4 ) − x2 (3.44)
= O(x4 )

3.2.3 Calcul des approximants

Calcul direct

Le calcul d’un approximant peut se faire à l’aide de l’équation (3.24) et du dévelop-

pement (3.1) [GABG70]. On vérifie que la solution formelle suivante, exprimée comme le

54
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

rapport de deux déterminants d’ordre n + 1, satisfait au problème :

 

 cm−n+1 cm−n+2 ··· cm+1 

 .. .. .. .. 

det  . . . . 

 c
 Pm m c
Pm m+1 · · · P cm+n 

 k=n ck−n xk k m
k=n−1 ck−n+1 x ··· ck xk 
[n, m](x) =   k=0 (3.45)
 cm−n+1 cm−n+2 · · · cm+1 

 .. .. .. .. 

det  . . . . 
 cm c m+1 · · · cm+n 

 xn xn−1 · · · 1 

Pour que cette expression soit valable dans le cas général, nous adoptons les conventions
suivantes :
– comme précédemment, ck = 0 pour k < 0 ;
– si la valeur initiale d’un indice de sommation est strictement supérieure à sa valeur
finale, la somme est remplacée par zéro.

Exemple
Nous allons détailler le calcul direct de l’approximant d’ordre (2, 1) de la tangente
hyperbolique. Commençons par expliciter les coefficients du développement de la fonction
jusqu’à l’ordre m + n = 3.
1
tanh(x) = x − x3 + O(x5 ) (3.46)
3
Les calculs des déterminants nous fournissent les polynômes :
 
 0 1 0 
 
P (x) = det  1 0 − 31  = −x (3.47)
 0 0 x 
 
 0 1 0 
  1
Q(x) = det  1 0 − 13  = −1 − x2 (3.48)
 x2 x 1  3

Nous retrouvons donc l’expression fournie précédemment pour [2, 1]tanh (x).

P (x) 3x
= (3.49)
Q(x) 3 + x2

Algorithmes
Dans les cas ou une partie de la table de Padé doit être calculée, et non plus seulement
un approximant particulier, des algorithmes itératifs sont plus adaptés que le calcul direct.

55
3.2. Les approximants de Padé

Le plus cité dans la littérature est l’algorithme qd, qui tient son nom de l’anglicisme
quotient difference. Il consiste à construire récursivement une table de coefficients qui
permet d’obtenir les approximants sous la forme d’une fraction continue. Cet algorithme
pose cependant des problèmes de stabilité numérique, et ne fonctionne que pour des tables
normales.
Des travaux récents concernant les polynômes orthogonaux ont permis de proposer
différents nouveaux algorithmes de calcul. A. Draux et P. Van Ingelandt [DI87] proposent
par exemple un logiciel en arithmétique rationnelle capable de parcourir une table de Padé
anormale avec une très bonne stabilité numérique.

3.2.4 Approximants de Padé et polynôme orthogonaux

Il existe des liens étroits entre les polynômes orthogonaux et les approximants de
Padé. Bien que cet aspect ne soit pas indispensable pour la compréhension des chapitres
suivants, il nous est cependant apparu difficile de le passer totalement sous silence.
Reprenons l’expression (3.1) de la fonction f sous forme d’une série entière et défi-
nissons maintenant une forme linéaire à partir des coefficients cn . Une forme linéaire c,
qui associe un scalaire à tout polynôme (et par continuité à toute série entière, ou fonc-
tions holomorphe en zéro [Ise88]) une fonction, est en effet parfaitement définie par ses
moments, c’est-à-dire par la connaissance des c(tn ) pour tout n2 .

c(tn ) = cn , ∀n ∈ N. (3.50)

On montre alors facilement [BI94] que cette forme associe f (x) à la fonction g : t →
(1 − xt)−1 . En effet, en utilisation la linéarité et les définitions de c et f ,
 
1
c(g(t)) = c
1 − xt
= c(1 + xt + x2 t2 + x3 t3 + · · · ) (3.51)
2 2 3 3
= c(1) + xc(t) + x c(t ) + x c(t ) + · · ·
= c0 + c1 x + c2 x2 + c3 x3 + · · · = f (x).

D’où la relation  
1
f (x) = c(g(t)) = c . (3.52)
1 − xt
Toujours dans le but de trouver une approximation de f (x), il est alors intéressant de
ne plus procéder directement, mais plutôt de chercher une approximation polynomiale de
g(t). Plus précisément, on définit un polynôme d’interpolation de Hermite de degré k − 1
qui vérifie la propriété
dj Rk dj g
(ti ) = (ti ) (3.53)
dtj dtj
Précisons pour éviter toute confusion que dans ce chapitre, t et x ne dénotent plus des variables de
2

temps et d’espace.

56
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

pour ti , point d’interpolation d’ordre ki et j = 0, . . . , ki − 1.

La continuité justifie alors qu’une approximation de f (x) soit obtenue en prenant
l’image du polynôme Rk (t) par la forme c. On montre que cette image est une fraction
rationnelle dont le numérateur est de degré k − 1, le dénominateur de degré k, et dont
les pôles sont les points d’interpolation ti . Cette approximation rationnelle est appelée
approximant de type Padé.
Dans le cas général, l’erreur d’approximation entre cette fraction rationnelle et la
fonction f est de l’ordre de xk .

f (x) − c(Rk (t)) = O(xk ). (3.54)

Néanmoins, on démontre que si les N points d’interpolation ti sont choisis de telle

façon que le polynôme
vk (t) = (t − t1 )k1 . . . (t − tN )kN (3.55)
vérifie la relation
c(ti vk (t)) = 0, i = 1, . . . k − 1, (3.56)
l’erreur d’approximation est ramenée à

f (x) − c(Rk (t)) = O(x2k ). (3.57)

Comme d’autre part, le degré du numérateur est égal à k − 1 et celui du dénomi-

nateur à k, la relation (3.57) correspond à la définition 3.24. Donc si (3.56) est vérifiée,
l’approximant de type Padé c(Rk (t)) est donc un approximant de Padé.

c(Rk (t)) = [k, k − 1]f (x) (3.58)

Le schéma de la figure 3.5 résume ces relations.

c ∞
1 X
g(t) = f (x) = cn xn
1 − xt n=0

Polynôme Approximation
d’interpolation de Padé
de Hermite
c
Rk (t) [k, k − 1]f (x)

Fig. 3.5 – Relation entre approximants de Padé et polynômes orthogonaux.

Ce cas précis peut s’interpréter en remarquant que la relation (3.56) exprime que les
polynômes vk (t) forment un famille orthogonale par rapport à la forme c (voir annexe C).

hvn , vm i = c(vn vm ) = 0 pour tout n 6= m. (3.59)

57
3.3. Les Fractions Continues

Ces liens étroits avec les polynômes orthogonaux forment la base de l’étude actuelle
des propriétés algébriques des approximants de Padé. Ces propriétés, ainsi que les dé-
monstrations qui ont été omises ici, sont détaillées dans [BI94] et [BI95]. Pour notre part,
nous allons maintenant nous intéresser à une autre théorie mathématique, qui est peut-
être encore plus liée aux approximants de Padé. Nous allons en effet introduire la théorie
des fractions continues qui nous permettra d’utiliser de façon extrêmement intuitive les
approximant de Padé pour résoudre des problèmes physiques.

3.3 Les Fractions Continues

Bien avant que ne furent élaborés les concepts d’irrationalité 3 ou de transcendance 4 ,
les mathématiciens s’intéressèrent aux propriétés particulières de nombres tels que π, e,
√
2, etc. Ces nombres, bien que parfaitement définis, échappaient à une représentation
« classique », ce qui rendait leur étude délicate. C’est donc tout naturellement qu’ils en
cherchèrent des approximations sous forme rationnelle. Une méthode générale, connue sous
le nom de fraction continue permit d’obtenir de telles approximations. Par la suite, cette
même méthode fut justement utilisée afin de démontrer l’irrationalité de ces nombres.

3.3.1 Le développement d’un nombre

La théorie des nombres fut à l’origine de l’utilisation des fractions continues. Le dé-
veloppement du nombre π constitue donc un exemple de choix 5 pour appréhender la
démarche mise en œuvre dans cette méthode. C’est pourquoi nous le détaillerons dans un
premier temps, puis nous verrons que l’approximation rationnelle d’une fonction d’ordre
infini se déduit facilement du développement en fraction continue.
Commençons par isoler la partie entière de π. Nous pouvons écrire :
1
π = 3 + 0, 1415926 · · · = 3 + (3.60)
1
0, 1415926 . . .
L’inverse de la partie décimale étant supérieure à un, il possède une partie entière non
nulle. Nous pouvons donc à nouveau isoler cette partie entière.
1 1
= 7, 062513 . . . π =3+ (3.61)
0, 1415926 . . . 7 + 0, 062513 . . .
3
Un nombre est dit rationnel s’il peut s’écrire sous la forme ab (fraction) où a et b sont des entiers
relatifs.
4
Un nombre est dit transcendant s’il ne peut être racine d’aucun polynôme à coefficients rationnels
(dans le cas contraire, on parle de nombre
√ algébrique). Exemple : e (la base des logarithmes népériens) et
π sont des nombres transcendants, 2 et i (la racine carrée complexe de -1) sont des nombres algébriques.
Nous devons la notion de nombres transcendants à Liouville (1844) et celle de nombres algébriques à Abel
(1825).
5
Cette partie est fortement inspirée du site Web de l’IREM consacré à l’histoire des mathématiques
([Link]

58
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

Cette forme de représentation nous permet déjà d’obtenir une première approxima-
tion du nombre π. Cette fraction porte le nom d’approximation d’Archimède, le célèbre
mathématicien et physicien grec (287-212 av. J.-C.)
1 22
π ≈3+ = = 3, 142857 . . . (3.62)
7 7
Pour poursuivre le développement, il suffit à nouveau d’inverser la partie décimale du
« résidu » puis d’en isoler la partie entière :

1 1
= 15, 99659 . . . π =3+ (3.63)
0, 062513 . . . 1
7+
15 + 0, 99659 . . .
Nous obtenons alors une nouvelle approximation de π, dite approximation de Métius
(géomètre et astronome hollandais, 1571-1635).

1 355
π ≈3+ = = 3, 1415929 . . . (3.64)
1 113
7+
15 + 1
Le développement peut se poursuivre ainsi indéfiniment. Les approximations succes-
sives, appelées réduites 6 , s’obtiennent en tronquant la fraction continue à un certain ordre
n. Nous obtenons donc une suite de fractions rationnelles qui converge vers π. Donc, par
passage à la limite :
1
π =3+ (3.65)
1
7+
1
15 +
1
1+
1
292 +
1+ .
..
De façon plus générale, partant d’un réel quelconque x, nous pouvons construire la
suite de réduites (rn )n∈N :
1
rn = q0 + (3.66)
1
q1 +
q2 + .
..
1
+
qn
Il se conçoit assez facilement que si la suite des réduites est finie, alors x est ration-
nel. Inversement, Lambert (philosophe, physicien et astronome suisse, 1728-1777) montra
qu’un développement infini est la preuve que x est irrationnel.

59
3.3. Les Fractions Continues

Fig. 3.6 – Johann Heinrich Lambert (1728-1777)

Source de l’image : université de Saint Andrews
([Link]

Fig. 3.7 – Adrien-Marie Legendre (1752-1833)

Source de l’image : université de Saint Andrews
([Link]

60
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

Nous savons par ailleurs, grâce à Legendre (mathématicien français, 1752-1834), que
la convergence de la suite (rn )n∈N des réduites se déduit des valeurs des éléments de la
suite (qn )n∈N . Il prouva en effet que pour tout x irrationnel,

1
|x − rn | < (3.67)
2qn2

3.3.2 Le développement d’une fonction

Nous allons adapter la méthode précédente au cas d’une fonction non rationnelle. Afin
d’appliquer rapidement nos résultats à l’expression d’une impédance, nous choisissons de
développer la fonction tangente hyperbolique qui apparaît dans l’expression de l’impé-
dance d’une ligne en court-circuit.

ex − e−x
tanh : x 7→ (3.68)
ex + e−x

Cette fonction est holomorphe 7 à l’intérieur du disque D = {x ∈ C | |x| < π}. Elle
admet donc en particulier un développement en série entière de puissances de x.

1 2
tanh(x) = x − x3 + x5 + . . . (3.69)
3 15
Le rôle joué précédemment par la partie entière du réel sera tenu par le terme du
développement en x−1 . À l’instar du passage d’une expression décimale à une expression
sous forme de fraction continue, nous pouvons écrire :

1
tanh(x) = 0 + (3.70)
1
1 2
x − x3 + x5 + . . .
3 15
L’inverse de la tangente hyperbolique est holomorphe à l’intérieur d’une couronne
D = {x ∈ C | ǫ < |x| < 2π}. Aussi pouvons-nous le développer en série de Laurent de
puissance de x (développement asymptotique) : L’origine x = 0 étant un pôle simple 8
pour cette fonction, ce développement est limité au terme x−1 du côté des puissances
négatives.
1 1 1 1
1 3 2 5 = + x − x3 + . . . (3.71)
x − 3 x + 15 x + . . . x 3 45
6
en anglais convergents
7
Une fonction f de la variable complexe est dérivable ou holomorphe dans un domaine D si f est
holomorphe en tout point x0 de D. C’est-à-dire que f (x)−f (x0 )
x−x0 admet une limite lorsque x → x0
8
Un pôle p est d’ordre n ∈ N pour la fonction f si limx→p (x − p)n f (x) existe et est non nul. Un pôle
∗

simple est un pôle d’ordre 1.

61
3.3. Les Fractions Continues

Nous reportons ce résultat dans l’expression précédente, nous isolons le terme en x−1 ,
puis nous développons l’inverse du « résidu » en série de Laurent :

1
tanh(x) = 0 + (3.72)
1
1
x
+
1
1 1
x − x3 + . . .
3 45
1 3 1 1 3
1 1 3 = + x− x + ... (3.73)
3
x − 45
x + ... x 5 175
1
tanh(x) = 0 + (3.74)
1
1
+ 3
x
x
+ 51 x − 1
175
x3 + ...
Finalement, nous pouvons réitérer les étapes précédentes pour obtenir le développe-
ment de la fonction sous forme de fraction continue. Ce résultat fut obtenu pour la première
fois par Lambert et lui servit notamment à démontrer l’irrationalité du nombre π.

1
tanh(x) = (3.75)
1 1
+
x 3 1
+
x 5 1
+
x 7
+
x ...

De même que pour le développement de π, la suite des réduites (rn (x))n∈N nous donne
des approximations successives de tanh(x) sous forme de fractions rationnelles.

r1 (x) = x (3.76)

1 3x
r2 (x) = 1 x = (3.77)
x
+ 3
x2 +3
1 15x + x3
r3 (x) = = (3.78)
1
1 15 + 6x2
x
+ 3 x
x
+ 5

1 105x + 10x3
r4 (x) = = (3.79)
1
1 105 + 45x2 + x4
x
+
3
1
x
+ 5 x
x
+ 7

62
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

Fig. 3.8 – Les approximations rationnelles successives de la fonction tangente hyperbo-

lique. De gauche à droite : r1 (x), r2 (x), r3 (x) et r4 (x).

Les différentes fonctions rationnelles ainsi obtenues sont représentées sur la figure 3.8.
Il est particulièrement intéressant de remarquer que les approximations ainsi obtenues
coïncident avec les approximants de Padé de la fonction tangente hyperbolique. Aussi
convient-il de s’attarder quelque peu sur cette classe d’approximation rationnelle.

3.3.3 L’équivalence entre les fractions continues et les approxi-

mants de Padé
Nous venons de présenter deux façons d’obtenir des approximations rationnelles de
fonctions. Ces méthodes sont radicalement différentes dans leur approche de la problé-
matique. La première, dérivée de la théorie des nombres, utilise le développement d’une
fonction sous la forme d’une fraction continue. Ce développement est ensuite tronqué à
un ordre arbitraire, en fonction de la précision souhaitée. La seconde impose un critère
d’optimalité (maximiser l’ordre de contact) pour calculer les coefficients de la fraction,
une fois fixés les degrés du numérateur et du dénominateur.
Comme nous l’avons déjà signalé à la fin de la section 3.3 et vérifié sur l’exemple de
calcul de [2, 1]tanh , il est remarquable que ces deux approches aboutissent à des résultats
concomitants.

Les réduites de fractions continues sont des approximants de Padé

Cas général Dans le cas de fonctions présentant des tables de Padé normales, l’équi-
valence entre réduites de fractions continues et approximants de Padé est un résultat fort
bien connu. Ainsi, soit f développable en série entière telle que les coefficients de son
développement vérifient :

∆n,n 6= 0 et ∆n,n+1 6= 0 ∀n ∈ N (3.80)

Ceci est une condition suffisante [Gau75] pour que f (x) admette une représentation

63
3.3. Les Fractions Continues

sous forme de fraction continue simple :

s0
f (x) = (3.81)
s1 x
1−
s2 x
1−
1− .
..
Les réduites successives obtenues à partir de cette fraction continue sont alors les
approximants de Padé de f (x) répartis au voisinage de la diagonale de la manière suivante :
[0, 0]f (x) [0, 1]f (x)
[1, 1]f (x) [1, 2]f (x)
[2, 2]f (x) [2, 3]f (x) (3.82)
..
.

Cas des fonctions impaires La suite de l’étude se limitera à l’approximation de cer-

taines fonctions, dont la tangente hyperbolique, qui ont toutes la particularité d’être im-
paires,
f (−x) = −f (x). (3.83)
Nous savons que les développements de telles fonctions ne comportent pas de termes
d’ordre pair. Elles ont donc toutes des tables de Padé anormales. Pour s’en convaincre, il
suffit de vérifier que (cf. équation (3.39)), soit
∆0,0 = c0 = 0. (3.84)
Nous supposerons de plus que l’origine x = 0 est un zéro ou un pôle simple pour la
fonction f . Le développement que nous utiliserons pour ces fonctions diffère quelque peu
des développements classiques. C’est celui qui a été présenté dans la section 3.3.
s0 1
+ (3.85)
x s1 1
+
x s2 1
+
x s3
+
x ...
Les approximants de Padé correspondant aux réduites successives dépendent alors de
la valeurs de s0 . En effet deux cas sont à distinguer :
– si x = 0 est un zéro simple de la fonction f , s0 = 0 ;
– si x = 0 est un pôle simple de la fonction f , s0 6= 0.
Plaçons-nous dans le premier cas et gardons à l’esprit que nous avons à faire à une
table de Padé anormale : nous retrouvons des « blocs » d’approximants égaux.
1
= [0, 1]f = [0, 2]f = [1, 1]f = [1, 2]f (3.86)
s1
x
64
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

1
= [2, 1]f = [2, 2]f = [3, 1]f = [3, 2]f (3.87)
s1 1
+
x s2
x

1
= [2, 3]f = [2, 4]f = [3, 3]f = [3, 4]f (3.88)
s1 1
+
x s2 1
+
x s3
x

1
= [4, 3]f = [4, 4]f = [5, 3]f = [5, 4]f (3.89)
s1 1
+
x s2 1
+
x s3 1
+
x s4
x

[0, 1]f [0, 2]f

[1, 1]f [1, 2]f
[2, 1]f [2, 2]f [2, 3]f [2, 4]f
(3.90)
[3, 1]f [3, 2]f [3, 3]f [3, 4]f
[4, 3]f [4, 4]f [4, 5]f [4, 6]f
[5, 3]f [5, 4]f [5, 5]f [5, 6]f

Le cas où l’origine est un pôle simple (s0 6= 0) se déduit simplement du précédent. Il

suffit pour cela d’utiliser le développement en fraction continue de f1 . Nous faisons ensuite
appel à la propriété des approximants de Padé de l’inverse d’une fonction (équation (3.36)).

1 1
= (3.91)
f s0 1
+
x s1 1
+
x s2 1
+
x s3
+
x ...

65
3.3. Les Fractions Continues

s0
= [0, 1] 1 = [0, 2] 1 = [1, 1] 1 = [1, 2] 1 (3.92)
x f f f f

= [1, 0]f = [2, 0]f = [1, 1]f = [2, 1]f (3.93)

s0 1
+ = [2, 1] 1 = [2, 2] 1 = [3, 1] 1 = [3, 2] 1 (3.94)
x s1 f f f f

x
= [1, 2]f = [2, 2]f = [1, 3]f = [2, 3]f (3.95)
s0 1
+ = [2, 3] 1 = [2, 4] 1 = [3, 3] 1 = [3, 4] 1 (3.96)
x s1 1 f f f f
+
x s2
x
= [3, 2]f = [4, 2]f = [3, 3]f = [4, 3]f (3.97)

Et ainsi de suite.
Ces développements particuliers présentent des propriétés de convergence remarquables
et des expressions simples, ce qui en fait tout l’intérêt pour l’approximation de fonctions.
Les liens entre les fonctions usuelles telles les fonctions trigonométriques, exponentielles,
logarithmiques, de Bessel, etc. et les fractions continues sont établies par les propriétés
de confluence des fonctions hypergéométriques [Wal48, JT80] et ont notamment été mis à
profit en modélisation par [Sab98].

Les approximants de Padé sous forme de fractions continues

Nous venons de voir que les réduites des fractions continues sont des approximants
de Padé particuliers, et plus précisément des termes proches de la diagonale de la table
de Padé. Il est aisée de montrer que, réciproquement, chaque approximant de Padé d’une
fonction peut se mettre sous la forme d’une réduite de fraction continue. En effet toute
fraction rationnelle est développable sous la forme d’une fraction continue finie.
L’existence du développement non classique en x1 est plus délicate à prouver. Contentons-
nous de le vérifier sur un exemple, tout en signalant que si la fonction f est impaire et
admet l’origine comme zéro (respectivement pôle) simple, ses approximants de Padé sont
eux aussi des fonctions impaires de la variable x et admettent x = 0 comme zéro (respec-
tivement pôle) simple.
À titre d’exemple nous réutilisons les approximants de la tangente hyperbolique.

1
[0, 1]tanh (x) = x = (3.98)
1
x
66
Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

3x − x3 1
[0, 3]tanh (x) = = (3.99)
3 1 1
+
x 3 1
+
x 1
−
x

2x5 − 5x3 + 15x 1

[0, 5]tanh (x) = = (3.100)
15 1 1
+
x 3 1
+
x 5 1
+
x 1 1
− +
12x 6
−
x

3x 1
[2, 1]tanh (x) = 2
= (3.101)
3+x 1 1
+
x 3
x

x3 + 15x 1
[2, 3]tanh (x) = 2
= (3.102)
15 + x 1 1
+
x 3 1
+
x 5
x

−x5 + 45x3 + 630x 1

[2, 5]tanh (x) = = (3.103)
630 + 255x2 1 1
+
x 3 1
+
x 5 1
+
x 7 1
+
x 6
−
x

45x 1
[4, 1]tanh (x) = 2 4
= (3.104)
45 + 15x + x 1 1
+
x 3 1
+
x 5 1
+
x 3
−
x
67
3.4. Théorème de Mittag-Leffler

10x3 + 105x 1
[4, 3]tanh (x) = 2 4
= (3.105)
105 + 45x + x 1 1
+
x 3 1
+
x 5 1
+
x 7
x
x5 + 105x3 + 945x 1
[4, 5]tanh (x) = 2 4
= (3.106)
945 + 420x + 15x 1 1
+
x 3 1
+
x 5 1
+
x 7 1
+
x 9
x
Remarquons que les approximants de Padé éloignés de la diagonale sont obtenus en
modifiant les derniers termes du développement « naturel » de la fonction en fraction conti-
nue. Finalement, nous avons une totale équivalence entre les approximations rationnelles
issues des fractions continues et les approximants de Padé.

3.4 Théorème de Mittag-Leffler

Nous avons présenté la méthode la plus courante pour obtenir des approximations
rationnelles de fonctions. Mais, à la différence d’une approximation polynomiale, ces fonc-
tions approchées présentent en général des pôles dans le plan complexe. L’utilisateur d’une
approximation rationnelle peut donc, légitimement, se poser la question de la localisation
de ces pôles. Sont-ils confondus avec ceux de la fonction à approcher ?
D’autre part, peut-il assurer que les comportements de la fonction à approcher et
de son approximation rationnelle sont suffisamment proches au voisinage de ces pôles ?
Dans le raisonnement qui nous a conduit à construire les approximants de Padé, rien ne
garantit une telle propriété. Elle est même fausse en général. Aussi allons-nous examiner
la possibilité de construire un autre type d’approximation rationnelle en prenant pour
contrainte l’équivalence de la fonction et de son approximation aux voisinages des pôles.
Le théorème de Mittag-Leffler peut être considéré comme une généralisation aux fonc-
tions méromorphes9 de la décomposition en éléments simples des fractions rationnelles.
Toute fraction rationnelle complexe est en effet décomposable en une somme d’éléments
simples de première espèce. En particulier, si une fraction rationnelle QP
ne possède que

9
Une fonction f de la variable complexe est méromorphe dans un ouvert connexe U de C si elle est
définie et analytique dans un ouvert U ′ obtenu en enlevant à U un ensemble de points isolés, dont chacun
est un pôle pour f . [BG83]

68
 Chapitre 3. De l’approximation polynomiale à l’approximation rationnelle

Fig. 3.9 – Magnus Gösta Mittag-Leffler (1846-1927)

Source de l’image : université de Saint Andrews
([Link]

des pôles simples pn , 1 6 n 6 N,

N
P (x) X an
= A(x) + (3.107)
Q(x) n=1
(x − pn )

où A est un polynôme et où an est le résidu correspondant au pôle pn de la fraction.

Considérons le cas d’une fonction f méromorphe, qui n’a que des pôles simples pn ,
que nous supposons classés par ordre croissant de leurs modules. S’il existe une suite de
cercles Cn de rayons Rn dans le plan complexe, ne passant par aucun pôle de f et sur
lesquels |f (x)| < M, M étant indépendant de n, et tels que Rn → ∞ quand n → ∞, alors
le théorème de Mittag-Leffler fournit la décomposition en série suivante [Spi73] :
∞  
X 1 1
f (x) = f (0) + an + (3.108)
n=1
x − pn pn

En particulier, la fonction tangente hyperbolique qui admet une infinité de pôles

simples sur l’axe imaginaire remplit les conditions d’application du théorème.

3.4.1 Développement suivant les pôles d’une fonction

Les pôles de la tangente hyperbolique sont les
π
pn = i(nπ − ), an = 1, n ∈ Z. (3.109)
2
69
3.5. Méthodes d’approximation retenues

Ces pôles étant opposés deux à deux, après simplifications, nous obtenons une série d’élé-
ments simples (et non plus une somme comme dans le cas d’une fraction).
∞
X 1
tanh(x) = (3.110)
n=−∞
x − i(nπ − π2 )

Cette série peut être écrite, en rapprochant les pôles conjugués :

∞
X 2x
tanh(x) = (3.111)
n=1
x2 + (nπ − π2 )2

3.4.2 Développement suivant les zéros d’une fonction

De la même façon, l’inverse de la tangente hyperbolique peut s’écrire :
∞
1 X 2x
coth(x) = + (3.112)
x n=1 x + (nπ)2
2

Deux autres décompositions intéressantes concernent le rapport de fonctions de Bessel.

Nous considérons les fonctions de Bessel modifiées de première espèce d’ordre n, In [SL00].
∞
I0 (x) X 2x
= , (3.113)
I1 (x) n=1 x + λ21,n
2

∞
I1 (x) X 2x
= , (3.114)
I0 (x) n=1 x + λ20,n
2

les λk,n ∈ R+ , étant les zéros des fonctions de Bessel de première espèce, Jk .

3.5 Méthodes d’approximation retenues

Au cours de cette brève présentation des méthodes d’approximations, nous avons pu
nous rendre compte des limites présentées par les méthodes d’approximations polyno-
miales pourtant largement répandues. Les approximants de Padé ont l’avantage d’une
convergence bien plus rapide, spécialement pour les fonctions usuelles telles que celles
rencontrées dans les expressions des impédances d’ordre infini présentées au chapitre 2
(fonctions de trigonométrie hyperbolique principalement).
Les approximations basées sur le théorème de Mittag-Leffler présentent une autre
approche intéressante de par le contrôle des pôles (ou des zéros) de la fonction d’approxi-
mation. Nous retiendrons donc pour la suite ces deux types d’approximations rationnelles,
et nous allons maintenant nous intéresser à leurs représentations physiques sous la forme
de réseaux de Kirchhoff.

70
Chapitre 4

Synthèse de réseaux par

développements d’impédances

Dans ce chapitre, nous nous proposons de donner une interprétation physique aux
approximations rationnelles obtenues par les approximants de Padé et le théorème de
Mittag-Leffler. Puisque nous avons représenté les systèmes d’ordre infini à l’aide d’im-
pédances et d’admittances, la construction d’un système d’ordre réduit s’identifiera à la
synthèse d’un réseau de Kirchhoff.
En particulier, le développement en fraction continue s’identifie à la synthèse de Cauer
[Cau26], et le développement en éléments simples à la synthèse de Foster [Fos24b, Fos24a].
Ces méthodes ont connu un grand succès pour la synthèse de filtres. Elles permettent en
effet de synthétiser une fonction de transfert donnée en électronique analogique [Fel86],
ce qui a été démontré par [Bru31] pour les fonctions réelles positives.
Cependant notre application des synthèses de Foster et Cauer se distinguera par deux
aspects importants. Tout d’abord, nous modélisons des impédances d’ordre infini, dans
le but d’obtenir des approximations. La synthèse de filtres analogiques vise à obtenir de
façon exacte une fonction rationnelle (d’ordre fini)1 .
D’autre part, les développements se feront selon une variable d’espace (x), alors qu’elles
se font classiquement selon la variable fréquentielle (p). Nous verrons que ceci permet
de conserver une simplicité remarquable pour l’expression des éléments constituant les
réseaux.

4.1 Extension des synthèses de Foster et Cauer à l’ordre

infini
Nous nous proposons d’exposer plusieurs méthodes de synthèse par des réseaux de
Kirchhoff de modèles approchés de systèmes d’ordre infini. Ces méthodes relèvent d’une
Il semble toutefois que Cauer (fig. 4.1) ait étudié les ordres infinis dans son travail initial de thèse,
1

malheureusement perdu aujourd’hui [CM95]

71
4.1. Extension des synthèses de Foster et Cauer à l’ordre infini

Fig. 4.1 – Wilhelm Cauer (1900-1945).

Source de l’image : université technique de Berlin ([Link]

démarche commune, à savoir :

1. modélisation du système par une impédance d’ordre infini ;
2. développement de cette impédance (sous forme de fraction continue ou bien à l’aide
du théorème de Mittag-Leffler) ;
3. modélisation du système par un réseau de Kirchhoff infini (sans approximation) ;
4. troncature du réseau infini pour obtenir un modèle d’ordre réduit (approximation
rationnelle).
Chaque modèle approché sous forme d’un réseau tronqué présente une impédance qui
est une approximation rationnelle particulière de l’impédance d’ordre infini. Ces différentes
approximations2 donneront ensuite lieu à une comparaison dans le domaine fréquentiel.

4.1.1 Développement en éléments simples de l’impédance

La première méthode utilise le théorème de Mittag-Leffler pour développer l’impédance
d’ordre infini en série. Reprenons l’exemple de l’impédance d’une ligne de transmission en
court-circuit (figure 2.14) qui peut s’écrire
r
Z √
Z= tanh( ZY ) (4.1)
Y
en notant
Z = zx = R + Lp, Y = yx = G + Cp. (4.2)
2
Remarquons que M. Bayard [Bay54] présente ces méthodes dans le cas particulier de la synthèse de
« lignes artificielles ».

72
 Chapitre 4. Synthèse de réseaux par développements d’impédances

En utilisant le développement en série de la fonction tangente hyperbolique (3.111),

nous pouvons écrire cette impédance sous la forme
r X ∞ √
z 2 zyx
Z= (4.3)
y n=1 zyx2 + (nπ − π2 )2

Cette dernière expression se simplifiant :

∞
X 1
Z= (nπ− π2 )2
. (4.4)
Y
n=1 2 + 2Z

Cette forme est immédiatement identifiable à un réseau de Kirchhoff infini, formé

de cellules en série, chaque cellule étant elle-même formée d’une admittance et d’une
impédance en parallèle. En ne conservant que les 2N premiers termes de la série, c’est-
à-dire les 2N pôles dominants, nous obtenons l’impédance équivalente du réseau tronqué
de la figure 4.3, les valeurs des éléments étant :
2Z Y
Zn = Yn = (4.5)
(nπ − π2 )2 2

Zn

Yn

Fig. 4.2 – Cellule parallèle.

Z1 Z2 ZN

Y1 Y2 YN

Fig. 4.3 – Modèle d’ordre réduit obtenu par développement en série d’une impédance
d’ordre infini.

Chaque cellule peut être vue comme un circuit bouchon qui peut être le lieu d’une
résonance parallèle. Les cellules étant mises en série, il suffit alors que l’impédance de
l’une d’elle tende vers l’infini, ou prenne une valeur très grande3 , pour que l’impédance
globale du réseau tende elle aussi vers l’infini, ou prenne elle aussi une valeur très grande.
Dans le cas particulier où Z = lpx et Y = cpx (ligne sans pertes), ce développement
s’identifie à la première synthèse canonique de Foster d’une impédance [Fel86]. Cependant,
3
L’impédance ne tend vers l’infini ou vers zéro en régime harmonique que dans le cas sans pertes, avec
soit r = 0, soit g = 0, voir fig. 2.21.

73
4.1. Extension des synthèses de Foster et Cauer à l’ordre infini

nous l’appliquons à une fonction non rationnelle. La convergence n’est donc pas garantie
par un nombre fini de pôles, mais par le théorème de Mittag-Leffler 4 .

4.1.2 Développement en éléments simples de l’admittance

Si nous développons cette fois-ci l’inverse de l’impédance à l’aide de l’équation (3.112)
de la section 3.4, nous obtenons :
r ∞
1 Y √ 1 X 1
= coth( ZY ) = + (4.6)
Z Z Z n=1 + (nπ)2
Z
2 2Y

Cette expression peut être interprétée comme un réseau infini de cellules en parallèle,
chaque cellule étant composée d’une impédance et d’une admittance mises en série. Les
2N premiers termes correspondent maintenant aux zéros dominants de l’impédance Z qui
sont conservés dans le modèle d’ordre réduit de la figure 4.5. Les éléments composant le
réseau étant :
Z 2Y
Z1 = Z, Y1 ≡ ∞, Zn = , Yn = , pour n > 2. (4.7)
2 ((n − 1)π)2

De façon duale par rapport au développement en série d’éléments simples de l’impé-

dance, nous avons ici des cellules pouvant présenter des résonances parallèles. Si l’impé-
dance de l’une d’entre elles s’annule (ou devient faible, avec la même réserve que précé-
demment), elle annule (ou affaiblit) alors l’impédance globale du réseau car les cellules
sont disposées en parallèle.
De la même façon, remarquons que nous aboutissons à une topologie duale, semblable
à la deuxième synthèse canonique de Foster [Fel86] d’une impédance rationnelle.

4.1.3 Développement en fraction continue de l’impédance

Reprenons maintenant le développement en fraction continue de la fonction tangente
hyperbolique qui nous a servi d’exemple dans la section 3.3. À l’aide de ce résultat, nous
pouvons écrire l’impédance du modèle
r
z 1
Z= (4.8)
y 1 1
√ +
zyx 3 1
√ +
zyx 5 1
√ +
zyx 7
√ +
zyx . . .
4
En effet, dans le cas de la synthèse d’une fonction rationnelle, la décomposition en éléments simples
aboutit à une somme finie et non à une série. La limite est donc atteinte dès que le nombre de cellules N
égale le nombre de pôles de la fonction.

74
 Chapitre 4. Synthèse de réseaux par développements d’impédances

Zn

Yn

Fig. 4.4 – Cellule série.

Z1 Z2 ZN

Y1 Y2 YN

Fig. 4.5 – Modèle d’ordre réduit obtenu par développement en série d’une admittance
d’ordre infini.

Remarquons que le développement se fait suivant la variable x. En utilisant les règles

de calcul sur les fractions continues, nous simplifions cette expression :

1 1
Z=r =
y 1 1 1 1
√ +s +
z zyx Z 3 1
z 3 1 +
√ +r Y 5 1
y zyx y 5 1 +
√ +s Z 7
z zyx +
z 7
√ + Y ...
y zyx . . .
(4.9)
Considérons maintenant le réseau de la figure 4.7. Il est aisé de vérifier que son impé-
dance équivalente s’exprime par la fraction continue :

1 1
+ (4.10)
Y1 1 1
+
Z1 1
+
Y2 . . .
1
ZN

75
4.1. Extension des synthèses de Foster et Cauer à l’ordre infini

Nous obtenons donc le modèle approché par simple identification [Fry29] :

Z Y
Y1 ≡ ∞, Zn = , Yn = , pour n > 2. (4.11)
4n − 3 4n − 5

Yn

Zn

Fig. 4.6 – Cellule en échelle.

Y1 Y2 YN

Z1 Z2 ZN

Fig. 4.7 – Modèle d’ordre réduit obtenu par développement d’une impédance d’ordre
infini en fraction continue.

Les résonances et anti-résonances des cellules du réseau en échelle sont plus difficiles à
appréhender. En effet, chaque nouvelle cellule vient modifier les fréquences de résonance
des précédentes. Nous savons cependant qu’elles ne sont pas exactement confondues avec
les zéros et les pôles de l’impédance Z.
D’autre part, le cas particulier Z = lpx, Y = cpx s’identifie cette fois-ci à la première
synthèse canonique de Cauer [Fel86] appliquée à une impédance d’ordre infini.

Remarque Précisons que le développement de l’admittance du système en fraction

continue aboutit à la synthèse du même réseau en échelle. Il suffit en effet de remarquer
que :
1 1 1
= + (4.12)
Z Z 3 1
+
Y 5 1
+
Z 7
+
Y ...

Si nous tronquons cette fraction continue, et que nous l’identifions à l’admittance

d’entrée du réseau de la figure 4.7, nous retrouvons les mêmes valeurs pour les éléments.

76
 Chapitre 4. Synthèse de réseaux par développements d’impédances

4.1.4 Comparaison des réponses fréquentielles

Trois modèles d’ordres réduits ont été obtenus, en se basant sur différents dévelop-
pements de fonctions. Ces modèles ont en commun de pouvoir être représentés par des
réseaux de Kirchhoff. Ils peuvent donc être facilement comparés, à nombre équivalent
d’« étages » que nous choisirons successivement égal à trois puis à cinq. La comparaison
se fait en étudiant les variations du module et de la phase des impédances en régime
harmonique, à la fréquence ν :
p = 2iπν (4.13)

Les constantes physiques du système étant prises unitaires (R = L = C = G = 1), ce qui

correspond au cas α = 1 vu en 2.3.1, nous obtenons les courbes de la figure 4.8.
Nous pouvons conclure de cette première comparaison que :
– le modèle obtenu à l’aide du théorème de Mittag-Leffler appliqué à l’impédance
reflète mieux les maxima de Z puisque ses pôles sont parfaitement placés dans le
plan complexe ;
– celui obtenu par application du même théorème à l’admittance reflète mieux les
minima de Z puisque ses zéros sont parfaitement placés ;
– le modèle obtenu par développement en fraction continue offre le meilleur compor-
tement dans les basses fréquences, et la convergence la plus rapide.
Chaque méthode présente donc une convergence particulière dans le domaine fréquen-
tiel. Cependant, il est remarquable que les modèles obtenus par développement de Foster
ou de Cauer selon la variable spatiale x s’expriment comme des réseaux de Kirchhoff
constitués d’éléments discrets. Ces éléments discrets s’expriment très simplement comme
des fractions des constantes globales du système, soit R, L, C et G dans le cas général.
Nous avons donc montré que l’on peut représenter un système à constantes réparties
(d’ordre infini) par un système à constantes localisées (réseau infini) [SL02]. C’est sur ce
point que notre approche se distingue le plus de la méthode nodale (section 2.2.3) ou
l’ordre infini disparaît immédiatement du fait de la discrétisation spatiale.
Nous allons maintenant étudier les modèles d’ordres réduits correspondant à des sys-
tèmes physiques réels.

4.2 Application à une ligne monophasée

Les méthodes de synthèse présentées pour le développement de l’impédance d’une ligne
en court-circuit sont généralisables aux autres impédances d’ordre infini obtenues dans les
modèles issus de l’équation des télégraphistes (fig. 2.13).
Nous allons commencer par appliquer la synthèse de Cauer au modèle de ligne en Π,
chargé par une résistance de défaut (fig. 4.9).

77
4.2. Application à une ligne monophasée

Fig. 4.8 – Réponses fréquentielles des modèles approchés obtenus par les trois méthodes
présentées (cas N = 3 et N = 5) comparées à l’impédance d’ordre infini (en pointillés).

ZΠ

YΠ YΠ Rdef

Fig. 4.9 – Modèle de ligne monophasée en défaut.

78
 Chapitre 4. Synthèse de réseaux par développements d’impédances

4.2.1 Synthèse de Cauer

La synthèse de Cauer des impédances d’ordre infini figurant dans 2.13 est réalisée par
les développements en fractions continues suivants.

1 1
ZΠ = , YΠ = , (4.14)
1 1 2 1
+ +
Z 6 1 Y 6 1
− + +
Y 10 1 Z 10 1
− + +
7Z 686 Y 14
+ +
11Y . . . Z ...
1 1
ZT = , YT = . (4.15)
2 1 1 1
+ +
Z 6 1 Y 6 1
+ − +
Y 10 1 Z 10 1
+ − +
Z 14 7Y 686
+ +
Y ... 11Z . . .

4.2.2 Capacités de compensation

Choisissons Le modèle en Π d’une ligne monophasée. En tronquant les fractions conti-
nues au premier ordre, nous avons les approximations

1 1 Y
ZΠ ≈ = Z, YΠ ≈ = , (4.16)
1 2 2
Z Y
Nous retrouvons le modèle de ligne courte vu à la section 2.2.3.
Nous prenons maintenant un ordre de plus pour ZΠ ,

1
ZΠ ≈ , (4.17)
1 1
+
Z 6
−
Y
et nous supposons de plus les pertes transversales sont négligeables, g = 0 (cas α = 0 dans
la section 2.3.1), ce qui est souvent le cas pour la modélisation des lignes de transmission
industrielles. En rappelant que

Z = R + Lp Y = Cp (4.18)

nous obtenons facilement le modèle de la figure 4.10

79
4.2. Application à une ligne monophasée

− C6

R L

C C
2 2

Fig. 4.10 – Modèle de ligne courte avec capacité de compensation.

Nous retrouvons le modèle précédent de ligne courte, mais auquel on a adjoint une
capacité négative, ce qui en fait toute l’originalité. Ce nouveau modèle, possédant une
capacité de compensation a été proposé par M. Lagonotte [LPC00] en remplacement des
cellules chaînées (fig. 2.16) et mis en pratique notamment par [RM00].
Cette capacité négative apporte une nette amélioration de la réponse fréquentielle du
modèle, comme on peut le voir sur la figure 4.12, à comparer avec 4.11. Ces figures ont été
tracées en prenant les valeurs numériques d’une ligne à haute tension (tab. 4.1), chargée
par une résistance de défaut Rdef .

Paramètre Symbole Valeur

longueur x 300 km
résistance linéique r 3 10−2 Ωkm−1
inductance linéique l 1, 05 10−3 Hkm−1
conductance linéique g ∼ 0 Skm−1
capacité linéique c 11 10−9 Fkm−1
résistance de charge Rdef 103 Ω

Tab. 4.1 – Valeurs numériques du modèle de ligne.

4.2.3 Modèle développé

Au vu de l’amélioration apportée par l’ajout de capacités de compensation dans le
modèle de la ligne courte, il est tentant de continuer la synthèse de Cauer des impédances
du modèle.
Ainsi, à l’ordre six, nous obtenons la réponse fréquentielle de la figure 4.16.
Nous remarquons que la réponse fréquentielle converge bien vers la réponse du modèle
d’ordre infini, sauf sur une étroite bande de fréquence, qui dépend de l’ordre d’approxima-
tion. Pour connaître l’effet de cette erreur, nous avons décidé d’effectuer une simulation
dans le domaine temporel.

80
 Chapitre 4. Synthèse de réseaux par développements d’impédances

1200

1000

|Z| 800

600

400

200

0
0 100 200 300 400 500 600 700 800 900 1000

0.5

arg(Z) 0

−0.5

−1

−1.5

−2
0 100 200 300 400 500 600 700 800 900 1000

Fréquence

Fig. 4.11 – Réponse fréquentielle du modèle de ligne courte, comparée au modèle d’ordre
infini (en pointillés).
1200

1000

|Z| 800

600

400

200

0
0 100 200 300 400 500 600 700 800 900 1000

0.5
arg(Z) 0

−0.5

−1

−1.5
0 100 200 300 400 500 600 700 800 900 1000

Fréquence

Fig. 4.12 – Réponse fréquentielle du modèle à capacité de compensation, comparée au

modèle d’ordre infini (en pointillés).
1200

1000

|Z| 800

600

400

200

0
0 100 200 300 400 500 600 700 800 900 1000

arg(Z) 1

−1

−2
0 100 200 300 400 500 600 700 800 900 1000

Fréquence

Fig. 4.13 – Réponse fréquentielle du modèle développé à l’ordre deux, comparée au modèle
d’ordre infini (en pointillés).

81
4.2. Application à une ligne monophasée

2000

1500

|Z| 1000

500

0
0 100 200 300 400 500 600 700 800 900 1000

arg(Z) 1

−1

−2
0 100 200 300 400 500 600 700 800 900 1000

Fréquence

Fig. 4.14 – Réponse fréquentielle du modèle développé à l’ordre trois, comparée au modèle
d’ordre infini (en pointillés).
1500

|Z| 1000

500

0
0 100 200 300 400 500 600 700 800 900 1000

arg(Z) 1

−1

−2

−3
0 100 200 300 400 500 600 700 800 900 1000

Fréquence

Fig. 4.15 – Réponse fréquentielle du modèle développé à l’ordre quatre, comparée au

modèle d’ordre infini (en pointillés).
1200

1000

|Z| 800

600

400

200

0
0 100 200 300 400 500 600 700 800 900 1000

1
arg(Z) 0

−1

−2

−3
0 100 200 300 400 500 600 700 800 900 1000

Fréquence

Fig. 4.16 – Réponse fréquentielle du modèle développé à l’ordre six, comparée au modèle
d’ordre infini (en pointillés).

82
 Chapitre 4. Synthèse de réseaux par développements d’impédances

4.2.4 Simulation d’une réponses temporelle

Le modèle de ligne monophasée obtenu par la synthèse de Cauer est directement repré-
senté sous la forme d’un réseau de Kirchhoff. Nous pouvons donc effectuer une simulation
de réponse à une mise sous tension en utilisant un logiciel de simulation de réseau, tel que
Spice ou Esacap 5 .

1331Y
− 607202
3857Z
2178

11Y
686
− 7Z
10

− Y6
Z

Y Y Y Y Y Y
2 10 18 2 10 18

Rdef
Z Z Z Z Z Z
6 14 22 6 14 22

Fig. 4.17 – Modèle de ligne monophasée approché à l’ordre six sous la forme d’un réseau
de Kirchhoff.

La réponse de référence est calculée par une transformée de Fourier inverse, à partir
de l’impédance d’ordre infini du modèle en Π (fig. 4.9). Le calcul se fait numériquement
à l’aide du logiciel Matlab par fft6 .
Nous avons utilisé Esacap pour calculer la réponse du modèle approché à une tension
d’entrée imposée par intégration à pas constant dans le domaine temporel. Les réponses
sont comparées sur la figure 4.18.
Nous voyons que même avec un ordre réduit, la pointe de courant initiale est bien
reproduite, ainsi que les oscillations propres du système.

4.3 Application à un câble avec effet de peau

Jusqu’à présent, nous avons assimilé l’impédance interne des conducteurs composant
une ligne à une résistance linéique r. Cette approximation n’est en fait valable que dans
le domaine des très basses fréquences. Pour obtenir un modèle réaliste, nous devons tenir
5
[Link] [Link]
[Link]
6
Fast Fourier Transform.

83
4.3. Application à un câble avec effet de peau

5
x 10
2

Tension appliquée (V) 1

−1

−2
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16

400
Courant absorbé (A) 200
(Modèle de référence) 0
−200

−400
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16

400
Courant absorbé (A) 200
(Modèle approché) 0
−200

−400
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16

Fig. 4.18 – Simulation temporelle de la réponse du modèle de ligne à une mise sous
tension.

compte de l’effet de peau. Commençons par citer la définition qu’en propose M. Fournet
dans les Techniques de l’ingénieur [Fou93].
« L’expression effet de peau est relative aux phénomènes qui se produisent
quand un conducteur est parcouru par un courant électrique dépendant du
temps. L’expérience et la théorie montrent alors que la densité de courant
n’est pas uniforme : il y a concentration des lignes de courant vers la surface
extérieure du conducteur, cet aspect étant d’autant plus marqué que la vitesse
temporelle de variation du courant est plus grande. »
Ce phénomène, qui tend à restreindre le courant dans une faible partie de la section
des conducteurs, provoque une augmentation de la résistance apparente. Nous verrons que
cette augmentation s’accompagne d’une variation de la phase du courant.
Pour modéliser cet effet, nous allons dans un premier temps effectuer une analyse de
la répartition du courant dans un conducteur cylindrique, et nous en déduirons une ex-
pression de son impédance interne apparente. Dans un second temps, nous développerons
des modèles sous forme de réseaux de Kirchhoff pour rendre compte des variations de
cette impédance. Enfin nous proposerons un modèle de câble que nous confronterons à
des mesures réelles.

4.3.1 Calcul de la répartition des filets de courants

Nous considérons ici un conducteur cylindrique et nous admettons que les filets de cou-
rants sont exclusivement orientés selon l’axe des x (figure 4.19). Nous savons que la densité

84
 Chapitre 4. Synthèse de réseaux par développements d’impédances

de courant est proportionnelle au champ électrique : j = σE, σ étant la conductivité du

matériau. Elle vérifie donc la même équation de propagation
 
p2 σ
∆j − 2 1 + j = 0. (4.19)
v ǫp
où c est la vitesse de propagation des ondes électromagnétiques, ǫ la permittivité diélec-
trique absolue, et p la variable complexe de Laplace.
xxxxx
xxxxx
(S) xxxxx
xxxxx
xxxxx
xxxxx x
xxxxx
xxxxx
xxxxx
xxxxx
xxxxx j=jx
xxxxx

Fig. 4.19 – Filets de courants dans un conducteur cylindrique.

En utilisant l’expression du laplacien en coordonnées cylindriques, cette équation de-

vient :  
∂ 2 j 1 ∂j 1 ∂2j ∂2j p2 σ
+ + + − 2 1+ j = 0. (4.20)
∂ρ2 ρ ∂ρ ρ2 ∂θ2 ∂x2 c ǫp
1
Or, la permittivité électrique d’un conducteur métallique est ǫ ≈ ǫ0 = 36π 10−9 F.m−1
(permittivité du vide). Et d’autre part, la conductivité du cuivre est σ ≈ 6.107 S.m−1 , et
celle de l’aluminium, σ ≈ 3, 5.107 S.m−1 . La constante de temps σǫ étant alors de l’ordre
σ
de 10−18 s, le terme ǫp est négligeable devant 1 pour des fréquences inférieures à 1017 Hz
(c’est le domaine des ultraviolets) !
D’autre part, dans le cas de la propagation sans pertes, nous avons
∂2j p2
= j. (4.21)
∂x2 c2
Si les pertes sont faibles, nous pouvons alors supposer que ces deux termes restent du
même ordre de grandeur [Pél75] . Nous les négligerons donc tous deux de la même manière,
1
et en remarquant que c2 = ǫµ nous obtenons l’équation qui détermine la répartition du
courant.
∂ 2 j 1 ∂j 1 ∂2j
+ + − σµpj = 0 (4.22)
∂ρ2 ρ ∂ρ ρ2 ∂θ2
Au vu de la symétrie cylindrique du problème, nous pouvons rechercher des « solutions
élémentaires » de la forme j = f (ρ)g(θ). En reportant dans l’équation précédente, nous
obtenons
f ′ g f g ′′
f ′′ g + + 2 − σµpf g = 0. (4.23)
ρ ρ
2
Nous multiplions alors chacun des termes par fρg pour isoler les expressions respecti-
vement fonction de ρ et de θ.
 ′′

2f f′ g ′′
ρ +ρ + − σµp = 0. (4.24)
f f g

85
4.3. Application à un câble avec effet de peau

À p fixé, nous en déduisons que nécessairement

g ′′
=C C étant une constante. (4.25)
g

De plus, comme g est périodique de période 2π, nous pouvons écrire : g(θ) = cos(nθ + φn ),
d’où

ρ2 f ′′ + ρf ′ − n2 + σµpρ2 f = 0. (4.26)
Nous reconnaissons l’équation différentielle de Bessel modifiée [Lam78]. La fonction f
est donc la somme de fonctions de Bessel modifiées de première (In ) et de seconde espèce
(Kn ).
√ √
f (ρ) = an In ( µσpρ) + bn Kn ( µσpρ). (4.27)
Mais les fonctions de Bessel modifiées de seconde espèce admettent une singularité à
l’origine (figure 4.20). La densité de courant ne pouvant tendre vers l’infini au centre du
conducteur, la seule solution physiquement acceptable est celle correspondant à bn = 0.

2.5
K0 K1 K2 I0 I1 I2
2

1.5

0.5

0
0 0.5 1 1.5 2 2.5 3

Fig. 4.20 – Fonctions de Bessel modifiées de première (In ) et seconde espèce (Kn ).

La solution générale de l’équation (4.22) s’exprime comme une combinaison linéaire

de « solutions élémentaires » déterminées ci-dessus.
∞
X √
j= an In ( µσpρ) cos(nθ + φn ) (4.28)
n=0

Cette expression autorise le calcul du courant total i qui parcourt le conducteur. Par
définition, il suffit de sommer j sur une section du cylindre.
ZZ ∞ Z ρ0 Z 2π
X √
i= jdS = 2πan ρIn ( µσpρ)dρ cos(nθ + φn )dθ. (4.29)
(S) n=0 0 0

86
 Chapitre 4. Synthèse de réseaux par développements d’impédances

La seconde intégrale s’annulant pour tout n non nul, l’expression du courant se réduit
à Z ρ0
√
i = 2πa0 cosφ0 ρI0 ( µσpρ)dρ. (4.30)
0

En utilisant un résultat connu sur l’intégration des fonctions de Bessel, à savoir que
pour tout réel ν, Z
xν
xν Iν−1 (αx)dx = Iν (αx), (4.31)
α
nous avons au final
2πa0 cosφ0 ρ0 √
i= √ I1 ( µσpρ0 ). (4.32)
µσp

4.3.2 Calcul de l’impédance interne

Supposons maintenant que la composante longitudinale du champ électrique Ex est
uniforme à la surface du conducteur (ρ = ρ+0 ). Par continuité de la composante tangentielle
du champ électrique à l’interface air-métal, la densité de courant j = σEx à la périphérie
(ρ = ρ−0 ) est elle aussi uniforme. Cette condition n’est remplie que si les termes de la
somme (4.28) sont tous nuls à l’exception de celui correspondant à n = 0,
√
j = a0 cos φ0 I0 ( µσpρ). (4.33)

dv

Ex x
i

dx

Fig. 4.21 – Segment de conducteur cylindrique de longueur dx.

D’autre part, nous définissons l’impédance interne par unité de longueur zi à l’aide de
la relation analogue à la loi d’Ohm portant sur la différence de potentiel selon la direction
x et le courant total (figure 4.21).

−dv = zi dx i. (4.34)

Nous avons donc, par définition du potentiel,

1 dv Ex (ρ0 ) j(ρ0 )
zi = − = = , (4.35)
i dx i σi
87
4.3. Application à un câble avec effet de peau

et d’après les équations (4.32) et (4.33),

r √
1 µp I0 ( µσpρ0 )
zi = √ (4.36)
2πρ0 σ I1 ( µσpρ0 )

Cette dernière expression est due à Sergei A. Schelkunoff [Sch34] (selon [Joh97]). Elle
fournit une expression de l’impédance interne d’ordre infini. Nous allons donc naturel-
lement rechercher un modèle approché de l’impédance interne, comme nous l’avons fait
pour l’impédance de la ligne.

4.3.3 Synthèse de Cauer

La méthode pour générer un modèle de Kirchhoff du conducteur à effet de peau s’ap-
plique ici. En effet, remarquons que le rapport des fonctions de Bessel I0 (x) et I1 (x) forme
une fonction impaire admettant l’origine comme pôle d’ordre un. Son développement en
fraction continue s’écrit :
I0 (x) 2 1
= + (4.37)
I1 (x) x 4 1
+
x 6 1
+
x 8
+
x ...
Utilisons maintenant les définitions de R, la résistance totale du conducteur en continu,
et de Li l’inductance interne données en annexe D. Notons :

1 πρ2 σ µXp
Y = = 0 Z = Li p = (4.38)
R X 4π
Nous pouvons alors réécrire l’impédance interne totale apparente du conducteur,
r √
Z I0 (2 ZY )
zi X = √ (4.39)
Y I1 (2 ZY )

et en déduire une expression de zi sous forme de fraction continue, puis d’impédance de

réseau en échelle.
1 1
zi X = + (4.40)
Y 2 1
+
Z 3 1
+
Y 4
+
Z ...

88
 Chapitre 4. Synthèse de réseaux par développements d’impédances

4.3.4 Modélisation d’ordre non entier

Reprenons l’expression (4.36) de l’impédance interne de Schelkunoff Les comporte-
ments asymptotiques des fonctions de Bessel nous permettent d’en déduire des équivalents
classiques. Aux basses fréquences, nous avons en effet 7 :
√
I0 ( µσpρ0 ) ∼ 1 (4.41)
0

√ √ ρ0
I1 ( µσpρ0 ) ∼ µσp (4.42)
0 2
1
d’où zi ∼ 2 (4.43)
0 πρ σ

Nous retrouvons donc pour les basses fréquences zi = r, la résistance du conducteur en

continu par unité de longueur. De même, pour les hautes fréquences, les comportement
asymptotiques 8 fournissent :
√ √
I0 ( µσpρ0 ) ∼ I1 ( µσpρ0 ) (4.44)
∞
r
1 µp
zi ∼ (4.45)
∞ 2πρ0 σ
Ce dernier équivalent traduit le comportement non-entier (d’ordre un demi) de l’impé-
dance zi aux hautes fréquences.
Les variations de l’impédance et de ses équivalents figurent sur le graphique 4.22 avec
une échelle logarithmique, afin de mettre en évidence la bande de croissance à 10 dB
par décades. Les valeurs numériques correspondent à un conducteur fictif en cuivre de
un centimètre de rayon. Nous voyons que la fréquence de transition est de l’ordre de
la centaine de hertz. Aussi serait-il illusoire de vouloir négliger l’effet de peau pour les
gammes de fréquence auxquelles s’étudient les phénomènes transitoires.

4.3.5 Comparaison du modèle de Cauer et du modèle non entier

Cette modélisation de l’effet de peau par un réseau de résistances et d’inductances a
notamment été utilisé en simulation par [RM00]. Les éléments du réseau choisis varient
comme des puissances de deux. La comparaison des réponses fréquentielles de ce modèle
(figure 4.24) et de celui obtenu à l’aide du développement en fraction continue (figure 4.23)
montre que ce dernier se rapproche plus de la réponse théorique calculée.
Des modèles similaires ont aussi été obtenus sous forme de réseaux récursifs par décou-
page arbitraire du conducteur en éléments cylindriques [YFW82]. Ce découpage respectant
un rapport constant entre les résistances successives, il est à rapprocher des approches de
type « non-entiers » [Ous95].
1


x ν
7
Iν (x) ∼ Γ(ν+1) 2 pour tout ν réel, ν 6= −1, −2, −3, . . .
0 q
2
8
Iν (x) ∼ ex πx pour tout ν réel.
∞

89
4.3. Application à un câble avec effet de peau

Fig. 4.22 – Variation du module et de l’argument de l’impédance interne du conducteur.

90
 Chapitre 4. Synthèse de réseaux par développements d’impédances

Fig. 4.23 – Module et argument du réseau en échelle obtenu par synthèse de Cauer.

91
4.3. Application à un câble avec effet de peau

Fig. 4.24 – Module et argument du réseau en échelle obtenu par une modélisation de type
non-entier [RM00].

92
 Chapitre 4. Synthèse de réseaux par développements d’impédances

4.3.6 Application à un câble réel

Nous disposons de données mesurées sur l’impédance d’un câble électrique rigide de
type RO2V 3G1,5. Ces données proviennent de l’étude effectuée par M. Rossat-Mignod
[RM00]. Les caractéristiques du câble mesurées sont reportées dans le tableau 4.2. Ces
caractéristiques nous permettent de calculer l’impédance théorique du câble en court-
circuit. r
Z √
Zcc = tanh( ZY ) (4.46)
Y
Les expressions de Z et de Y sans prise en compte de l’effet de peau étant :

Z = (r + lp)X Y = (g + cp)X (4.47)

Nous pouvons comparer l’impédance calculée ainsi avec l’impédance mesurée (figure 4.25).

Paramètre Symbole Valeur

longueur X 200 m
section πρ20 1, 5 mm2
résistance linéique r 1, 215 10−2 Ωm−1
inductance linéique l 3, 2 10−7 Hm−1
conductance linéique g 3, 87 10−8 Sm−1
capacité linéique c 2, 5 10−11 Fm−1
Tab. 4.2 – Caractéristiques du câble mesurées à une fréquence d’environ 2 kHz.

Il est clair que les divergences sont très importantes. La modélisation choisie est donc trop
simpliste car elle fait abstraction de l’effet de peau.
Modifions donc l’expression de Z pour y introduire l’impédance interne du câble. Nous
faisons aussi apparaître l’inductance externe le 9 .
r √
1 µp I0 ( µσpρ0 )
Z = (zi + le p)X zi = √ (4.48)
2πρ0 σ I1 ( µσpρ0 )

Le calcul de l’impédance à l’aide de cette nouvelle expression fournit des valeurs en

bien meilleur accord avec celles relevées (figure 4.26).
Il subsiste tout de même des écarts qui nous ont amenés à modifier les valeurs des
paramètres du câble. Ces valeurs proviennent en effet d’une mesure faite à une unique
fréquence et qui n’offre peut être donc pas toute la précision requise.
Afin d’ajuster les paramètres du câble, nous avons utilisé un algorithme d’optimisation
qui minimise une fonction de coût quadratique de la différence entre les valeurs calculées et
mesurées de l’impédance. La fonction de coût a été pondérée par |p|1 2 afin d’accorder plus
1
9
Pour le calcul de la conductivité et de l’inductance externe, nous utiliserons σ = rπρ20
et le = l − li =
µ
l− 4π

93
4.3. Application à un câble avec effet de peau

12000

10000

8000
|Zcc| (ohm)

6000

4000

2000

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
6
x 10

1
Arg(Zcc)

−1

−2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Frequence (Hz) 6
x 10

Fig. 4.25 – Impédance du câble en court-circuit mesurée (pointillés) et calculée sans effet
de peau (trait plein).

94
 Chapitre 4. Synthèse de réseaux par développements d’impédances

2000

1500
|Zcc| (ohm)

1000

500

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
6
x 10

1
Arg(Zcc)

−1

−2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Frequence (Hz) 6
x 10

Fig. 4.26 – Impédance du câble en court-circuit mesurée (pointillés) et calculée en tenant

compte de l’effet de peau (trait plein).

95
4.3. Application à un câble avec effet de peau

d’importance aux basses fréquences. Les nouvelles valeurs des constantes électriques sont
reportées dans le tableau 4.3. Les corrections restent minimes, sauf en ce qui concerne
la valeur de la conductance linéique g. Cette correction n’est pas surprenante puisque
ce paramètre est réputé être le plus difficile à estimer et présente de plus une valeur
extrêmement faible.

Paramètre Symbole Valeur corrigée

résistance linéique r 1,134 10−2 Ωm−1
inductance linéique l 3,530 10−7 Hm−1
conductance linéique g 1,676 10−6 Sm−1
capacité linéique c 2,430 10−11 Fm−1
Tab. 4.3 – Caractéristiques corrigées du câble après optimisation.

Les valeurs corrigées des constantes du câble permettent de faire coïncider les variations
de l’impédance calculée avec les mesures (figure 4.27).

2000

1500
|Zcc| (ohm)

1000

500

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
6
x 10

1
Arg(Zcc)

−1

−2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Frequence (Hz) 6
x 10

Fig. 4.27 – Impédance du câble en court-circuit mesurée (pointillés) et calculée avec les
valeurs corrigées des paramètres (trait plein).

Notre modèle théorique étant maintenant validé, et les valeurs des paramètres ajustées,
nous pouvons mettre à profit le développement en fractions continues pour générer un

96
 Chapitre 4. Synthèse de réseaux par développements d’impédances

réseau de Kirchhoff approchant la réponse fréquentielle du câble. L’impédance Zcc est

d’abord développée suivant la fonction tangente hyperbolique, puis l’impédance zi X est
développée suivant le rapport II01 .
Le modèle approché obtenu est celui de la figure 4.28. Son impédance est représentée
sur la même figure. Le réseau d’éléments discrets obtenu a donc une impédance équivalente
très proche du câble réel en court-circuit.
2000

1500
|Zcc| (ohm)

1000

500

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
6
x 10

1
Arg(Zcc)

−1

−2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Frequence (Hz) 6
x 10

G/3 G/7 G/11

C/3 C/7 C/11

R R/5 R/9
R/3 R/5 R/7 R/15 R/25 R/35 R/27 R/45 R/63

Li/2 Li/10 Li/18

Li/4 Li/6 Li/20 Li/30 Li/36 Li/54
Le Le/5 Le/9

Fig. 4.28 – Modèle du câble en court-circuit avec effet de peau sous la forme d’un réseau de
Kirchhoff. L’impédance du modèle (trait plein) est comparée à celle mesurée (pointillés).

Nous avons donc validé notre modèle d’effet de peau, et montré qu’il était plus perti-
nent que l’approche non-entière habituelle. Nous pouvons donc conclure que la synthèse
de Cauer permet d’obtenir des modèles réalistes de câbles avec effet de peau, utilisables
en temps réel ([SL04] dans [cem04].

97
4.4. Application à une ailette de refroidissement

4.4 Application à une ailette de refroidissement

Nous avons vu à la section 2.3.1 que l’équation de la chaleur peut être vue comme un
cas dégénéré de l’équation des télégraphistes pour lequel l = 0. Nous allons le vérifier en
étudiant deux exemples de problèmes thermiques, puis nous utiliserons le développement
d’impédances pour modéliser ces systèmes.

4.4.1 Le système physique étudié

Commençons par un système thermique simple. La modélisation d’une ailette faisant
partie d’un dispositif de refroidissement nous permettra de comparer les modèles obtenus
par ces différentes méthodes.
Considérons une ailette en aluminium homogène, de masse volumique ρ, de chaleur
massique c et de conductivité thermique λ. Nous supposons que l’ailette est plongée dans
un fluide à la température uniforme T0 , et nous caractérisons les échanges thermiques avec
l’extérieur par une liaison convective de coefficient h. Nous portons à T0 la face arrière de
l’ailette, et nous notons T1 la température en entrée, où un flux thermique Φ est imposé
(fig. 4.29).

Fig. 4.29 – Le système thermique à modéliser : une ailette de refroidissement.

Vu de l’entrée, ce système est équivalent à une impédance d’ordre infini

r
Z √
Z= tanh( ZY ) (4.49)
Y
([Mar90]) avec
x
Z= , Y = (h(l + e) + ρclep)x. (4.50)
λle
Les différentes valeurs numériques utilisées pour la suite sont présentées dans le ta-
bleau 4.4.

4.4.2 La modélisation nodale classique

La modélisation nodale (vue dans la section 2.2.3) est la méthode la plus intuitive
pour obtenir un système d’ordre réduit sous la forme d’un réseau de résistances et de
capacités. Elle correspond à une discrétisation spatiale du système physique. Pour cela,
nous calculons d’abord les constantes thermiques globales de l’ailette :

98
 Chapitre 4. Synthèse de réseaux par développements d’impédances

Symbole Valeur
x 5 cm
l 3 cm
e 5 mm
ρ 2600 kg.m−3
λ 204 W(mK)−1
c 879 J(kgK)−1
h 100 WK−1 m−2

Tab. 4.4 – Valeurs numériques caractéristiques de l’ailette.

– la résistance thermique R,
– la capacité thermique C,
– la conductance fluidique G.
x
R= , C = ρcxle, G = h(l + e)x. (4.51)
λle
Nous choisissons ensuite d’utiliser trois cellules élémentaires en Π, telles que celles de
la figure 2.16, composées de fractions de ces constantes globales. En associant les cellules,
et compte tenu de la température imposée à l’extrémité (analogue à un court-circuit
électrique), nous obtenons le réseau de la figure 4.30.

Fig. 4.30 – Modèle de l’ailette obtenu par la méthode nodale.

4.4.3 Les synthèses de Foster et Cauer

Utilisons les résultats de la section 4.1. Le réseau de la figure 4.3 nous fournit le
deuxième modèle approché et les valeurs Z = R et Y = G + Cp nous permettent d’en
expliciter les éléments pour obtenir le modèle de la figure 4.31. Ce modèle correspond à
la première synthèse de Foster.
De la même façon, en utilisant le réseau de la figure 4.5, nous aboutissons au modèle
de la figure 4.32 par la deuxième synthèse de Foster. Nous fixons encore une fois N de
manière à conserver trois cellules.
Utilisons maintenant le développement de l’impédance formelle Z en fraction continue.
En remplaçant Z et Y par les éléments correspondants, le réseau de la figure 4.7 nous
fournit le quatrième modèle approché (fig. 4.33) qui est celui obtenu par synthèse de
Cauer.

99
4.4. Application à une ailette de refroidissement

Fig. 4.31 – Modèle de l’ailette obtenu par la première synthèse de Foster.

Fig. 4.32 – Modèle de l’ailette obtenu par la deuxième synthèse de Foster.

Fig. 4.33 – Modèle de l’ailette obtenu par la synthèse de Cauer.

100
 Chapitre 4. Synthèse de réseaux par développements d’impédances

4.4.4 Comparaison des modélisations

Les quatre réseaux présentés sont en tous points comparables :
– même nombre de composants,
– même nombre de nœuds,
– même ordre pour l’impédance approchée10 .
Une première comparaison entre ces différents modèles est faite dans le plan de Nyquist.
Sur la figure 4.34, nous avons donc tracé la réponse fréquentielle de chaque modèle ainsi
que la réponse du modèle original (en pointillés).

Modélisation nodale Première synthèse de Foster

Seconde synthèse de Foster Synthèse de Cauer

Fig. 4.34 – Diagrammes de Nyquist des différents modèles comparés à la réponse de

référence (en pointillés).

Nous pouvons utiliser ces modèles comme précédemment avec un logiciel de simulation
de réseau. Nous cherchons à déterminer la réponse temporelle en température T = T1 − T0
de l’ailette quand on lui impose un échelon de flux (réponse indicielle). Les réponses
simulées sont comparées à la réponse de référence, calculée par une transformée de Fourier
inverse, à partir de l’expression exacte de Z. Ces résultats sont reportés sur la figure 4.35.
10
Les impédances des réseaux présentés sont des approximations rationnelles de l’impédance d’ordre
infini. Elles sont assimilables à des fonctions de transfert d’ordre fini égal à trois, sauf pour le modèle
obtenu par la deuxième synthèse de Foster où trois cellules correspondent à un ordre deux, la première
branche ne comportant qu’une résistance.

101
4.4. Application à une ailette de refroidissement

1
Modèles réseaux à trois nœuds
Φ(W ) 0.5 entrée

0
Φ R/3 R/3 R/3 0 2 4 6 8 10
C/6 C/3 C/3 1
T
G/6 G/3 G/3 T (K) 0.5
Synthèse nodale 0
8R/π² 8R/9π² 8R/25π² 0 2 4 6 8 10
Φ G/2 G/2 G/2 1
C/2 C/2 C/2
T T (K) 0.5
Première synthèse de Foster 0
0 2 4 6 8 10
Φ R R/2 R/2
1
2G/π ² G/2π²
T T (K) 0.5
2C/π² C/2π²
0
Deuxième synthèse de Foster 0 2 4 6 8 10

G/3 G/7 G/11 1

Φ
C/3 C/7 C/11 T (K) 0.5
T R R/5 R/9
0
Synthèse de Cauer 0 2 4 6 8 10
temps (s)

Fig. 4.35 – Réponses comparées des réseaux avec la réponse de référence (en pointillés).

102
 Chapitre 4. Synthèse de réseaux par développements d’impédances

Le modèle obtenu par développement en fraction continue, du fait de sa bande pas-

sante optimale, a un comportement bien meilleur que le modèle nodal durant les phases
transitoires.

4.5 Application à la conduction thermique dans un cy-

lindre
Nous allons étudier maintenant un dernier exemple d’application dans le domaine de
la thermique en exploitant le développement de Cauer calculé pour modéliser l’effet de
peau. Plaçons dans le cadre de la conduction thermique simple, c’est-à-dire, avec nos
conventions de notation,

l = 0, g = 0. (4.52)

Soit un cylindre constitué d’un matériau homogène, de masse volumique ρ, de chaleur

massique c et de conductivité thermique λ. Nous noterons T0 la température au centre
du cylindre. Nous supposerons ensuite que la température est uniforme à la surface du
cylindre : T (r0 ) = T1 , ce qui est compatible avec la symétrie du problème (figure 4.36).

Fig. 4.36 – Les caractéristiques du cylindre.

Afin de se rapprocher d’un problème réel, nous considérerons par la suite que le cylindre
est plongé dans un fluide à la température Te et nous caractériserons les échanges par une
liaison convective de coefficient h.
Nous allons proposer un modèle thermique du cylindre basé sur l’analogie électrique
en nous limitant au cas où la diffusion est purement radiale (les extrémités sont adiaba-
tiques). Les valeurs numériques utilisées lorsque cela sera nécessaire sont rappelées dans
le tableau 4.5.

103
4.5. Application à la conduction thermique dans un cylindre

4.5.1 Modèle thermique d’ordre infini

É́quation de la chaleur

Fig. 4.37 – Volume de contrôle pour le bilan énergétique.

Soit un volume (V ) quelconque de matériau conducteur de chaleur, délimité par une

surface fermée (S) (figure 4.37). Notons q la densité de source de chaleur volumique. Le
bilan énergétique sur (V ) s’écrit :
ZZZ ZZZ I
∂T
qdτ − ρc dτ − jds = 0 (4.53)
(V ) (V ) ∂t (S)

A l’aide de la formule d’Ostrogradski, nous pouvons transformer la dernière intégrale de

façon à obtenir : ZZZ
∂T
(q − ρc − divj)dτ = 0 (4.54)
(V ) ∂t
Cette relation étant valable quel que soit le volume de contrôle (V ), nous pouvons écrire
de façon locale :
∂T
q − ρc − divj = 0 (4.55)
∂t
Exprimons maintenant le vecteur densité de chaleur à l’aide de la loi de Fourier, ce
qui permet d’exprimer l’équation de diffusion de la chaleur sous sa forme classique :

 = −λ∇T (4.56)

ρc ∂T q
∆T − = (4.57)
λ ∂t λ

Résolution à l’aide de la transformée de Laplace

Nous supposons que le cylindre ne contient pas de sources de chaleur. Après avoir
effectué une transformation de Laplace sur l’équation, il reste :
ρc
∆T − pT = 0 ; 0 < r < r0 (4.58)
λ
104
 Chapitre 4. Synthèse de réseaux par développements d’impédances

En utilisant l’expression du laplacien en coordonnées cylindriques, il vient :

∂2T 1 ∂T 1 ∂2T ∂2T ρc

2
+ + 2 2
+ 2
− pT = 0 (4.59)
∂r r ∂r r ∂θ ∂z λ
Et puisque nous nous sommes limité au cas de la diffusion radiale,

∂2T 1 ∂T ρc
2
+ − pT = 0 (4.60)
∂r r ∂r λ

Nous reconnaissons ici l’équation différentielle de Bessel modifiée d’ordre 0 [SL00]. La

solution générale T (r) est donc la somme d’une fonction de Bessel modifiée de première
espèce et d’une fonction de Bessel modifiée seconde espèce.
r  r 
ρcp ρcp
T = AI0 r + BK0 r (4.61)
λ λ

Mais les fonctions de Bessel modifiées de seconde espèce admettent une singularité à
l’origine (figure 4.20). La température ne pouvant tendre vers l’infini au centre du cylindre,
la seule solution physiquement acceptable est celle correspondant à B = 0. La condition
à la limite r = 0 fixe alors A = T0 .
r 
ρcp
T = T0 I0 r (4.62)
λ

Calcul de l’impédance équivalente

Calculons maintenant le flux à travers la surface r = r0 . La loi de Fourier donne :
r 
p ρcp
j = −λ∇T = −T0 ρcλpI1 r ur (4.63)
λ

Le flux est obtenu en intégrant j sur la surface du cylindre, dans le sens du flux « entrant ».
ZZ
Φ=− jds = Sj(r0 ) (4.64)
(S)

r 
p ρcp
Φ = 2πr0 lT0 ρcλpI1 r0 (4.65)
λ
Nous en déduisons l’expression de l’impédance thermique ([MAB+ 00]) équivalente du
cylindre : p
T1 1 I0 ( ρcp
λ 0
r)
Z= = √ p ρcp (4.66)
Φ 2πr0 l λρcp I1 ( λ r0 )

105
4.5. Application à la conduction thermique dans un cylindre

4.5.2 Modèles réduits

Nous allons chercher un modèle réduit du cylindre sous forme d’un réseau de Kirchhoff.
Un tel modèle pourra être exploité dans le domaine temporel. Pour cela nous allons
comparer deux méthodes. La première, consiste à discrétiser de façon régulière le cylindre,
puis de remplacer chaque élément par une cellule électrique équivalente. La seconde, moins
intuitive, se base sur le développement de l’impédance thermique en fraction continue.
Les deux modèles obtenus seront ensuite comparés à la fois du point de vue fréquentiel et
temporel.

Discrétisation régulière

Fig. 4.38 – Découpage régulier du cylindre en trois.

Il s’agit de la méthode la plus « classique » pour obtenir un modèle thermique appro-

ché. Nous découpons de façon arbitraire le cylindre en trois, en respectant la symétrie
cylindrique (figure 4.38). Nous attribuons à chaque segment une température moyenne.
Il convient alors de calculer la capacité thermique de chaque segment, ainsi que les résis-
tances inter-segments.

5 1 1
C1 = πρcr02 l C2 = πρcr02 l C3 = πρcr02 l (4.67)
9 3 9
1 1
R12 = R23 = (4.68)
4πλl 2πλl
Nous pouvons alors définir le réseau en échelle équivalent (figure 4.39), en notant C,
la capacité thermique totale du cylindre, et R la résistance thermique entre les segments
1 et 2 :
1
C = πρclr02 R= (4.69)
4πλl

106
 Chapitre 4. Synthèse de réseaux par développements d’impédances

Fig. 4.39 – Réseau en échelle équivalent, méthode nodale.

Développement de l’impédance en fraction continue

Nous pouvons utiliser les définitions (4.69) de R et de C afin de réécrire l’impédance
du cylindre (équation (4.66)) sous la forme :
s √
R I0 (2 RCp)
Z= √ (4.70)
Cp I1 (2 RCp)

Nous pouvons donc réutiliser les résultats de la section 4.3 pour donner une expression
de Z sous forme de fraction continue. En tronquant la fraction continue à un certain ordre,
on obtient un approximant de Padé de Z, qui est aussi l’impédance du réseau en échelle
de la figure 4.40.
1 1
Z= + (4.71)
Cp 2 1
+
R 3 1
+
Cp 4
+
R ...

Fig. 4.40 – Réseau en échelle équivalent – Seconde méthode.

4.5.3 Comparaison des modèles

Diagrammes de Bode
Nous pouvons comparer les deux types de réseaux obtenus dans le domaine fréquentiel.
Pour cela nous calculons l’impédance équivalente de chacun d’eux.

1 + 23 RCp + 27 2
R 2 C 2 p2
Z1 = (4.72)
Cp + 94 C 2 Rp2 + 243
10
C 3 R 2 p3

107
4.5. Application à la conduction thermique dans un cylindre

1 + 45 RCp + 40 3
R 2 C 2 p2
Z2 = 3 1 (4.73)
Cp + 10 C 2 Rp2 + 120 C 3 R 2 p3

En remplaçant l’opérateur complexe de Laplace p par la variable imaginaire pure 2πiν,

nos pouvons tracer les diagrammes de Bode de ces deux impédances, et les comparer à
l’impédance d’ordre infini (équation (4.66)). Le diagramme obtenu sur la figure 4.41 pour
un cylindre de cuivre de rayon un centimètre et de longueur dix centimètres permet de
conclure que la seconde méthode génère un modèle utilisable sur une plage de fréquence
bien plus large que le « découpage » de la méthode nodale.

Fig. 4.41 – Diagrammes de Bode des impédances Z1 et Z2 comparées à Z.

108
 Chapitre 4. Synthèse de réseaux par développements d’impédances

Modèles complets en simulation temporelle

Nous obtenons les modèles complets en ajoutant en série une résistance thermique
représentant les échanges convectifs entre la surface du cylindre et le fluide.

1
Rc = (4.74)
2πr0 lh

Nous obtenons alors un montage électrique appelé « diviseur de tension » (figure 4.42). La
relation qui relie alors T1 , la température à la surface du cylindre à la température Te du
fluide est un résultat connu :
Z
T1 = Te (4.75)
Rc + Z

Fig. 4.42 – Modèle électrique complet.

Nous comparons alors la réponse en température du cylindre à un échauffement du

milieu fluide (nous avons fixé h à 10 W K −1m−2 ) obtenue à l’aide d’une transformée de
Fourier inverse [MAB+ 00], à la réponse obtenue par simulation sous Esacap avec le premier
puis le second modèle. Les résultats sont tracés sur la figure 4.43.

Paramètre Symbole Valeur

rayon r0 0, 01 m
longueur l 0, 1 m
masse volumique ρ 8, 8.103 kgm−3
chaleur massique c 394 Jkg−1 K−1
conductivité thermique λ 384 Wkg−1 K−1
coefficient d’échange fluidique h 10 WK−1 m−2

Tab. 4.5 – Récapitulatif des valeurs numériques employées.

Nous pouvons conclure que la méthode présentée permet d’obtenir des modèles uti-
lisables dans le domaine temporel en simulation bien plus performants que des modèles
nodaux « intuitifs » lors des phases transitoires.

109
4.5. Application à la conduction thermique dans un cylindre

Fig. 4.43 – Réponses en température des deux modèles (simulation sous Esacap) comparés
à la réponse du modèle d’ordre infini obtenue par transformée de Fourier inverse (en
pointillés).

110
 Chapitre 4. Synthèse de réseaux par développements d’impédances

4.6 Conclusion sur les développements d’impédances

Au travers des différents exemples présentés dans ce chapitre, nous avons pu juger de
la qualité des modèles d’ordres réduits obtenus par la synthèse de réseaux de Kirchhoff par
développement d’impédances d’ordre infini. Il est remarquable que cette méthode permette
de traiter de façon unifiée les phénomènes propagatifs (équation hyperbolique) et diffusifs
(équation parabolique). Les applications dans le domaine de la thermique ont donné lieu
à un dea [Tri00] et à deux autres thèses actuellement en cours au sein du let, ainsi qu’à
plusieurs publications [LBBS01, TSL02]. Il serait sans aucun doute intéressant d’utiliser
ces modèles pour d’autres applications, toujours par le biais d’analogies électriques (voir
par exemple [Ber93] pour l’acoustique).
Le choix d’effectuer le développement selon des variables spatiales (X et ρ0 ) et non
fréquentielle (p), comme il est habituel de le faire pour l’approximation de modèles en
automatique, se justifie par le fait que nous ne conservons qu’un faible nombre de pa-
ramètres quel que soit la complexité du modèle développé. En effet, les éléments consti-
tuant les réseaux sont toujours des fractions des valeurs des paramètres globaux (R, L, C,
G) du système. Cet avantage est décisif dans une optique d’identification paramétrique
(chapitre 6). Notons toutefois que le développement suivant les variables spatiales ou fré-
quentielles coïncident dans certains cas (notamment pour α = 0 de 2.3.1, ou pour la ligne
sans pertes). Pour les autres cas, l’approximation n’est pas parfaite au voisinage de la
fréquence nulle.
Nous retiendrons que les modèles obtenus par développement d’impédances sont en
général beaucoup plus efficaces, à complexité égale, que les modèles obtenus par des mé-
thodes de discrétisation spatiale (méthode nodale). Enfin, les modèles obtenus par syn-
thèse de Foster convergent plus lentement que ceux obtenus par synthèse de Cauer, ce
qu’on peut expliquer par les propriétés des approximants de Padé. C’est pour cette raison
que nous retiendrons la synthèse de Cauer comme méthode de modélisation pour la suite
de cette étude.
L’approche que nous avons adoptée, repose cependant sur la résolution analytique des
équations décrivant le système. Cela n’est possible en pratique que pour des géométries
assez simples. Dans le cas de formes plus complexes, on peut utiliser l’interconnexion des
réseaux pour modéliser le système par parties. Il même possible de décrire ainsi des sys-
tèmes hétérogènes par couplage de modèles thermiques et électriques, comme par exemple
dans [Bro00].
Une autre approche développée au let par M. Nicolas Dollinger et M. Cédric Rouaud
est la synthèse de réseaux par optimisation, à partir de la seule réponse fréquentielle
du modèle. Les structures de Cauer donnent dans ce cas aussi de très bons résultats en
simulation.
Mais pour utiliser le développement d’impédances en modélisisation des lignes poly-
phasées, nous devons à présent généraliser cette méthode aux phénomènes propagatifs ou
diffusifs couplés. Nous allons voir dans le chapitre suivant que cette extension est possible
en utilisant un formalisme matriciel pour décrire les impédances.

111
4.6. Conclusion sur les développements d’impédances

112
Chapitre 5

Extension au cas des lignes polyphasées

Dans ce chapitre, nous allons démontrer que la synthèse de Cauer telle que nous l’avons
exploitée au chapitre 4 peut se généraliser pour modéliser la propagation des ondes de
courants et de tensions sur une ligne constituée de plusieurs conducteurs. Il peut s’agir
d’une ligne triphasée, à un ou plusieurs ternes, ou d’un câble, les conducteurs étant alors
l’âme et le blindage. Dans un cas encore plus général, on peut décider d’inclure les câbles
de garde ou le retour par la terre dans la description de la ligne.
La principale différence avec le cas monophasé est l’existence de couplage entre les
différents conducteurs. Nous les représenterons à l’aide d’un formalisme matriciel pour
l’équation des télégraphistes que nous résoudrons pour obtenir des modèles de lignes
composés d’impédances matricielles, auxquelles nous appliquerons la synthèse de Cauer.

5.1 Équation des télégraphistes matricielle

Commençons par exprimer, puis résoudre l’équation des télégraphistes pour une ligne
à plusieurs conducteurs en adaptant la méthode exposée dans l’annexe B.1.

5.1.1 Modélisation de l’élément de ligne multifilaire

Considérons donc un élément de ligne à n conducteurs. Notons vi et ii la tension et le
courant dans le conducteur i. Définissons alors les vecteurs
   
v1 i1
 v2   i2 
   
v =  ..  , i =  ..  . (5.1)
 .   . 
vn in

La description de l’évolution de l’état électrique au niveau local se fait par un sys-

tème d’équations aux dérivées partielles matricielles. Par la transformée de Laplace, nous

113
5.1. Équation des télégraphistes matricielle

obtenons 
dv

 = −zi
dx (5.2)
 di = −yv

dx
Cette équation a la même forme que dans le cas monophasé, à la différence que les
constantes réparties z et y sont des matrices n × n caractérisant la ligne et les couplages
locaux [Joh98]. Les éléments de z ont la dimension d’une impédance par unité de longueur,
les éléments de y celle d’une admittance par unité de longueur.
Par exemple, dans le cas d’une ligne triphasée parfaitement symétrique, nous pouvons
représenter l’élément de ligne par la figure 5.1 [Cla94] et [Esc97, ch. 9]. Ce qui se traduit
par
   
r + lp mp mp g + cp dp dp
z =  mp r + lp mp  , y =  dp g + cp dp  . (5.3)
mp mp r + lp dp dp g + cp

[Link]

[Link]

Fig. 5.1 – Élément de ligne triphasée (avec capacités interphases).

5.1.2 Passage en composantes modales

Pour résoudre l’équation des télégraphistes polyphasée, on utilise les composantes mo-
dales, c’est-à-dire les vecteurs propres pour diagonaliser les matrices [NR75, Gar76, Joh94].
Les équations de propagation pour une ligne multifilaire s’écrivent

d2 v d2 i
= zyv, = yzv. (5.4)
dx2 dx2
Du fait de la réciprocité des inductances et des capacités mutuelles, les matrices z et
y sont symétriques. Nous en déduisons que les matrices zy et yz sont transposées.

(zy)T = yT zT = yz. (5.5)

114
 Chapitre 5. Extension au cas des lignes polyphasées

Nous savons alors qu’elles possèdent les mêmes valeurs propres, que nous noterons γi2 ,
pour 1 6 i 6 n. Nous supposerons de plus que ces matrices sont diagonalisables et nous
notons Pv et Pi les matrices de vecteurs propres correspondants.
zy = Pv Γ2 Pv−1 , yz = Pi Γ2 Pi−1 , avec Γ2 = Diag(γi2 )16i6n . (5.6)
Le changement de base associé à chaque diagonalisation est une projection sur les vec-
teurs propres, encore appelés modes. Les composantes modales des courants et des tensions
peuvent s’exprimer sous la forme de vecteurs, vm et im , pour lesquels nous réécrivons les
équations de propagation.
vm = Pv−1 v, im = Pi−1i. (5.7)

d2 vm d2 im
= Γvm = Γim (5.8)
dx2 dx2

5.1.3 Résolution dans l’espace modal

Puisque Γ est diagonale, la résolution des équations s’apparente à celle utilisée pour
la ligne monophasée. Nous pouvons écrire, par exemple, pour chaque composante modale
de la tension (voir section B.1)
vmi (x) = λi eγi x + µi e−γi x , pour 1 6 i 6 n. (5.9)
ce qui se traduit plus simplement à l’aide des exponentielles de matrices eΓx = Diag(eγi x )16i6n
et e−Γx = Diag(e−γi x )16i6n .
vm = eΓx λ + e−Γx µ (5.10)
λ et µ étant les vecteurs composés des constantes d’intégration.
En utilisant les propriétés des exponentielles de matrices, nous pouvons exprimer la
dérivée des tensions modales vm :
dvm
= ΓeΓx λ − Γe−Γx µ (5.11)
dx
D’autre part, à l’aide des équations (5.2) et (5.7), nous pouvons écrire :
dvm dv
= Pv−1 = −Pv−1 zi = −Pv−1 zPi im (5.12)
dx dx
Supposons maintenant que la matrice Γ soit inversible, c’est-à-dire que les γi sont non
nuls. Nous avons alors la relation suivante :
eΓx λ − e−Γx µ = −Γ−1 Pv−1zPi im (5.13)
Nous voyons apparaître dans cette dernière expression l’analogue de l’impédance carac-
téristique pour une ligne monophasée. Cette matrice qu’il convient de nommer impédance
caractéristique modale, sera notée :
Zc = Γ−1 Pv−1 zPi (5.14)

115
5.2. Développement d’impédances matricielles

Remarque L’hypothèse d’inversibilité de Γ est une hypothèse forte. Elle implique en

particulier l’inversibilité de z et de y. En effet,

det(Γ) 6= 0 ⇒ det(Γ2 ) = det(zy) = det(z) det(y) 6= 0 (5.15)

L’impédance caractéristique, en tant que produit de matrices inversibles, est donc elle
aussi inversible.
Remarquons que la matrice Γ devient singulière pour des valeurs particulière de p
(variable de Laplace) dans le plan complexe (voir la note 2).

5.1.4 Conditions aux limites

Supposons connus les tensions et les courants à l’origine. Les tensions et courants
modaux sont alors connus eux aussi par les relations (5.7). Nous déduisons les vecteurs
de constantes d’intégration λ et µ des équations (5.10) et (5.13) appliquées en x = 0,
 
λ + µ = vm (0) λ = 21 (vm (0) − Zc im (0))
(5.16)
λ − µ = −Zc im (0) µ = 12 (vm (0) + Zc im (0))

En réécrivant (5.10) et (5.13) en remplaçant λ et µ par leurs expressions, nous faisons

apparaître des expressions analogues à celles de la représentation quadripolaire d’une ligne
monophasée de longueur X.

vm (X) = cosh(ΓX)vm (0) − sinh(ΓX)Zc im (0) (5.17)

im (X) = −Z−1 −1
c sinh(ΓX)vm (0) + Zc cosh(ΓX)Zc im (0) (5.18)
En notant dans cette dernière expression cosh(ΓX) = Diag (cosh(γi X))16i6n et de
même, sinh(ΓX) = Diag (sinh(γi X))16i6n .

5.2 Développement d’impédances matricielles

Nous utilisons encore une fois les relations (5.7) pour transformer les relations de type
« quadripolaire » précédentes de façon à ne faire intervenir que les tensions et les courants
de ligne (ceux qui sont directement mesurables).

v(X) = Pv cosh(ΓX)Pv−1 v(0) − Pv sinh(ΓX)Zc Pi−1 i(0) (5.19)

i(X) = −Pi Z−1 −1 −1 −1

c sinh(ΓX)Pv v(0) + Pi Zc cosh(ΓX)Zc Pi i(0) (5.20)
Nous allons chercher à représenter ce quadripôle « matriciel » par un réseau en Π. Pour
cela, nous devons nous donner une définition rigoureuse des impédances (ou admittances)
matricielles.

116
 Chapitre 5. Extension au cas des lignes polyphasées

5.2.1 Définition d’une impédances matricielles

Nous appellerons impédances matricielles des éléments électriques à 2n bornes tels
celui de la figure 5.2 pouvant être décrits par une relation du type
   
v1 i1
 v2   i2 
   
v = Zi, avec v =  ..  , et i =  ..  . (5.21)
 .   . 
vn in

Nous utiliserons pour représenter un tel élément le schéma simplifié apparaissant sur
la figure 5.2. De même une admittance1 matricielle sera caractérisée par une relation telle
que
i = Yv. (5.22)

Fig. 5.2 – É́lément électrique à 2n bornes.

Remarque Il est important de distinguer l’appellation « impédance matricielle » de la

« matrice d’impédance » d’un réseau. On pourra se reporter à l’annexe E pour voir des
exemples illustrant ces deux notions.
Ces éléments à 2n bornes obéissent à des lois de composition similaires à celles des
dipôles. Nous allons le vérifier en calculant les impédances et les admittances équivalentes
aux associations des figures 5.3 et 5.4. Pour une association en série, les relations suivantes
sont vérifiées :
v = v1 + v2 = Z1 i + Z2 i = (Z1 + Z2 ) i (5.23)
| {z }
Zeq

Et pour une association en parallèle :

i = i1 + i2 = Y1 v + Y2 v = (Y1 + Y2 ) v (5.24)
| {z }
Yeq

1
É́videmment, si Z est inversible, nous pouvons écrire Y = Z−1 .

117
5.2. Développement d’impédances matricielles

Fig. 5.3 – Associations en série d’impédances matricielles.

Fig. 5.4 – Associations en parallèle d’admittances matricielles.

5.2.2 Modèle en « Π » équivalent

I(0) ZΠ I(x)

V (0) YΠ YΠ V (x)

ZΠ = Pv sinh(ΓX)Zc Pi−1 (5.25)

 
−1 X
YΠ = Pi Zc tanh Γ Pv−1 (5.26)
2

Fig. 5.5 – Schéma en Π multifilaire.

Considérons le schéma de la figure 5.5, constitué d’impédances matricielles. Nous dé-

duisons les relations (matricielles) suivantes entre tensions et courants (vectoriels).
v(X) = v(0) − ZΠ (i(0) − YΠ v(0)) = (Id + ZΠ YΠ )v(0) − ZΠ i(0), (5.27)
i(X) = i(0) − YΠ v(0) − YΠ v = −(2YΠ + YΠ ZΠ YΠ )v(0) + (Id + YΠ ZΠ )i(0). (5.28)
Nous voulons que ce modèle soit équivalent à la ligne polyphasée. Il suffit pour cela
de choisir YΠ et ZΠ de façon à vérifier les équations (5.20). Rapprochons tout d’abord les
équations donnant la valeur de v. Par identification termes à termes nous obtenons :
ZΠ = Pv sinh(ΓX)Zc Pi−1 , (5.29)

118
 Chapitre 5. Extension au cas des lignes polyphasées

Id + ZΠ YΠ = Pv cosh(ΓX)Pv−1. (5.30)
Supposons maintenant que sinh(ΓX) soit inversible. Cela se traduit par le fait que
sinh(γiX) est non nul, quel que soit i ; ou encore que nous nous plaçons sur un domaine
du plan complexe ne contenant pas de zéros de ces fonctions2 . La matrice impédance ZΠ
est donc inversible, d’inverse :

Z−1 −1
Π = Pi Zc (sinh(ΓX)) Pv
−1 −1
(5.31)
 
1
La matrice (sinh(ΓX))−1 étant la matrice diagonale Diag sinh(γi X)
. La multiplica-
16i6n
tion à gauche de (5.30) par Z−1
Π nous fournit une expression de YΠ .

YΠ = Z−1 −1
Π Pv cosh(ΓX)Pv + ZΠ
−1

= Pi Z−1
c (sinh(ΓX))
−1
cosh(ΓX)Pv−1 − Pi Z−1 −1 −1
c (sinh(ΓX)) Pv (5.32)
= Pi Z−1
c (sinh(ΓX)
−1
cosh(ΓX) − sinh(ΓX)−1 )Pv−1.

Puisque les matrices sinh(ΓX)−1 et cosh(ΓX) sont diagonales, et par utilisation des
formules de trigonométrie hyperbolique, il reste au final :
 
−1 X
YΠ = Pi Zc tanh Γ Pv−1 . (5.33)
2

Il reste alors à vérifier que les expressions trouvées pour ZΠ et YΠ fournissent bien
l’expression de (5.20) pour le vecteur courant i. Ce qui revient à vérifier les relations :

2YΠ + YΠ ZΠ YΠ = Pi Z−1 −1
c sinh(ΓX)Pv , (5.34)
−1
Id + YΠ ZΠ = Pi Z−1
c cosh(ΓX)Zc Pi . (5.35)

Cela se fait en utilisant les équations (5.30) pour l’expression de ZΠ et (5.33) pour
l’expression de YΠ et les relations trigonométriques :
   
X 2 X
2 tanh Γ + sinh(ΓX) tanh Γ = sinh(ΓX), (5.36)
2 2
 
X
Id + sinh(ΓX) tanh Γ = cosh(ΓX). (5.37)
2

5.2.3 Fractions continues matricielles

Nous allons utiliser les résultats des développements en fractions continues des fonc-
tions (chapitre 3) et l’adapter au cas des impédances et des admittances matricielles
qui constituent le modèle en Π de la ligne multifilaire. En effet, considérons la matrice
2
Physiquement, nous excluons les valeurs particulières de p correspondant aux résonances ou anti-
résonances modales.

119
5.2. Développement d’impédances matricielles

sinh(ΓX). Nous pouvons développer chacun de ses termes en fraction continue, puis uti-
liser des relations d’inversion triviales pour des matrices diagonales.
sinh(ΓX) = Diag(sinh(γi X))16i6n (5.38)
 
1
 1 1 
 
 + 
sinh(ΓX) = Diag  γi X 6 1  (5.39)
 − + 
 γi X 10 
− +
7γi X . . . 16i6n
10
sinh(ΓX) = ((ΓX)−1 + (−6(ΓX)−1 + (− (ΓX)−1 + · · · )−1 )−1 )−1 (5.40)
7
Introduisons ce développement dans l’expression de ZΠ (équation (5.30)), puis explicitons
Zc .
ZΠ = Pv ((ΓX)−1 + (−6(ΓX)−1 + (− 10 (ΓX)−1 + · · · )−1 )−1 )−1 Zc Pi−1
7
10 (5.41)
= Pv ((ΓX) + (−6(ΓX) + (− 7 (ΓX)−1 + · · · )−1 )−1 )−1 Γ−1 Pv−1 z
−1 −1

Par simple utilisation des règles d’inversion matricielle, nous pouvons simplifier cette
dernière expression. Remarquons en effet la relation suivante :
z−1 Pv Γ(ΓX)−1 Pv−1 = (zX)−1 (5.42)
Et d’autre part, en utilisant l’équation (5.6)
Pv (ΓX)−1 Pv−1 z = (z−1 Pv Γ2 Pv−1 X)−1 = (z−1 zyX)−1 = (yX)−1 (5.43)
Ces deux relations sont à exploiter alternativement, comme suit.
ZΠ = (z−1 Pv Γ(ΓX)−1 Pv−1 + z−1 Pv Γ(−6(ΓX)−1 + (− 10 7
(ΓX)−1 + · · · )−1 )−1 Pv−1)−1
10
= −1 −1 −1 −1
((zX) + (−6Pv (ΓX) Γ Pv z + Pv (− 7 (ΓX)−1 + · · · )−1 Γ−1 Pv−1z)−1 )−1
= ((zX)−1 + (−6(yX)−1 + (− 10 7
z−1 Pv Γ(ΓX)−1 Pv−1 + · · · )−1 )−1 )−1
= ((zX)−1 + (−6(yX)−1 + (− 10 7
(zX)−1 + · · · )−1 )−1 )−1
(5.44)
De la même façon, nous pouvons développer la matrice admittance YΠ sous la forme :
YΠ = Pi Z−1
c (2(ΓX)
−1
+ (6(ΓX)−1 + (10(ΓX)−1 + · · · )−1 )−1 )−1 Pv−1
(5.45)
= (2(yX)−1 + (6(zX)−1 + (10(yX)−1 + · · · )−1 )−1 )−1
Donc, au final, avec Z = zX et Y = yX,
10 −1
ZΠ = (Z−1 + (−6Y −1 + (− Z + · · · )−1 )−1 )−1 , (5.46)
7
YΠ = (2Y −1 + (6Z−1 + (10Y −1 + · · · )−1 )−1 )−1 . (5.47)
Nous reconnaissons là des développements ayant une structure tout à fait similaire à
celle d’une fraction continue. Nous pouvons donc les représenter par des réseaux en échelle
constitués d’impédances matricielles.

120
 Chapitre 5. Extension au cas des lignes polyphasées

5.3 Synthèse de Cauer matricielle

5.3.1 Réseau d’impédances matricielles
Nous allons exploiter les développements précédents pour obtenir des modèles sous
forme de réseau. Vu les résultats de la section 5.2.1 nous pouvons identifier les déve-
loppements précédents à l’impédance équivalente d’un « réseau multifilaire en échelle »,
c’est-à-dire ayant une structure telle que celle présentée sur la figure 5.6.

Fig. 5.6 – Réseau multifilaire en échelle.

Les modèles approchés seront obtenus à partir de cette structure en tronquant le

réseau.
Z= Y0−1 + (Z−1 −1 −1 −1 −1 −1
1 + (Y2 + (Z3 + · · · ) ) )
−1 −1 −1 −1 (5.48)
≈ Y0 + (Z1 + (Y2 + (Z3 + · · · + YN )−1 )−1 )−1

5.3.2 Représentation du couplage capacitif

La présence de capacités interphases ne permet pas d’exprimer les tensions en fonc-
tion de courants par une relation matricielle correspondant à une admittance matricielle.
Nous définissons le couplage capacitif par dualité par rapport au couplage inductif (voir
annexe E). Ceci revient à modifier le schéma de la figure 5.1 pour le remplacer par celui
de la figure 5.7, ceci sans modifier les relations (5.2).
Nous pouvons alors appliquer les lois de composition « classiques » aux impédances
et admittances matricielles de la figure 5.8 (association en série ou en parallèle).

[Link]

[Link]

Fig. 5.7 – Élément de ligne triphasée avec couplage capacitif.

121
5.3. Synthèse de Cauer matricielle

Y = G + Cp

Z = R + Lp

Fig. 5.8 – Impédances et admittances matricielles triphasées.

5.3.3 Représentation d’une résistance de défaut triphasée

Le schéma de la figure 5.9 permet de définir une résistance de charge quelconque d’une
ligne triphasée. Elle se représente par sa matrice d’admittance (annexe E) Rdef qui est
une matrice 3 × 3.
Selon la valeur de ses éléments, cette matrice permet de modéliser aussi bien :
– les défauts monophasés ou phase-neutre lorsque R10 , R20 ou R30 deviennent très
faibles ;
– les défauts biphasés, lorsque R12 , ou bien R23 , ou bien R31 devient très faibles ;
– les défauts triphasés isolés, lorsque R12 , R23 , et R31 devient simultanément très
faibles, ou triphasés à la terre lorsque de plus R10 , R20 et R30 deviennent très faibles.
L’impédance d’entrée du modèle en Π est alors

Z = (YΠ + (ZΠ + (YΠ + R−1 −1 −1 −1

def ) ) ) , (5.49)

avec
 1 
R10
+ R112 + 1
R31
− R112 − R131
R−1
def =
 − R112 1
R20
+ R123 + 1
R12
− R123 . (5.50)
− R131 − R123 1
R30
+ R131 + 1
R23

122
 Chapitre 5. Extension au cas des lignes polyphasées

R31
Rdef

R23 R12

R30 R20 R10

Fig. 5.9 – Résistance de défaut triphasée.

5.4 Exemple de simulation d’une ligne triphasée

Nous pouvons dès lors utiliser ces résultats pour obtenir un modèle approché d’une
ligne triphasée utilisable avec un simulateur de réseaux. Considérons le cas (idéal) d’une
ligne triphasée totalement symétrique. De plus, nous supposerons pour simplifier que
G = 0 et qu’il n’y a pas de couplage capacitif (le couplage capacitif n’existe pas sous Spice
ou Esacap). Les matrices de constantes linéaires s’écrivent :

   
r + lp mp mp cp 0 0
z =  mp r + lp mp  y =  0 cp 0  (5.51)
mp mp r + lp 0 0 cp

Les valeurs numériques utilisées pour la similation sont données dans le tableau 5.1.

Paramètre Symbole Valeur

longueur X 300 km
résistance linéique r 3 10−2 Ωkm−1
inductance linéique l 1, 05 10−3 Hkm−1
inductance mutuelle linéique m 4 10−4 Hkm−1
conductance linéique g ∼ 0 Skm−1
capacité linéique c 11 10−9 Fkm−1
Tab. 5.1 – Valeurs numériques du modèle de ligne triphasée.

123
5.4. Exemple de simulation d’une ligne triphasée

5.4.1 Méthode modale

Dans ce cas simple, les produits de matrices zy et yz peuvent se diagonaliser à l’aide
des matrices de changement de base
 
1 1 1
2iΠ 2iΠ
Pv = Pi =  1 e− 3 e 3  (5.52)
2iΠ
− 2iΠ
1 e 3 e 3

 
1 1 1
1 2iΠ 2iΠ
Pv−1 = Pi−1 =  1 e 3 e− 3  (5.53)
3 2iΠ 2iΠ
1 e− 3 e 3
Les composantes modales correspondantes sont connues sous le nom de composantes
symétriques de Fortescue :
– composante homopolaire (indice 0 ),
– composante directe (indice d ),
– composante inverse (indice i ).
Remarquons que Pv (Pi ) diagonalise également z et y. Les équations (5.2) se réduisent
alors dans la base modale à la forme :
    
v0 r + (l + 2m)p 0 0 i0
d 
vd  = −  0 r + (l − m)p 0   id  (5.54)
dx
vi 0 0 r + (l − m)p ii
    
i0 cp 0 0 v0
d 
id  = −  0 cp 0   vd  (5.55)
dx
ii 0 0 cp vi
C’est-à-dire que chaque composante modale peut être traitée à l’aide d’un modèle
quadripolaire monophasé, à l’aide des valeurs

z0 = r + (l + 2m)p, zd = zi = r + (l − m)p, (5.56)

y0 = yd = yi = cp. (5.57)

Cette remarque nous permet de calculer par transformée de Laplace inverse les courants
de référence. Pour cela, nous supposons la ligne triphasée fermée sur des résistances de
1 kΩ, choisie pour bien mettre en évidence les reflexions d’ondes.

R10 = R20 = R30 = 1 kΩ, (5.58)

R12 = R23 = R31 = ∞. (5.59)

Un seul conducteur étant alimenté par une source de tension, les deux autres étant
mis à la terre. Nous calculons la réponse en courant pour chacun des modes par inversion
numérique (ifft). Les courants de lignes sont ensuite obtenus par multiplication par la
matrice Pi . Ces résultats sont présentés sur la figure 5.11.

124
 Chapitre 5. Extension au cas des lignes polyphasées

5.4.2 Modèle approché de la ligne polyphasée

Les développements des impédances ZΠ et YΠ en fractions continues matricielles per-
mettent d’obtenir le modèle approché de la figure 5.10, tronqué à l’ordre quatre. Ce
modèle utilisé avec un simulateur de réseau (Esacap) permet d’obtenir les courants de la
figure 5.12.
La comparaison de ces deux réponses temporelles nous permet de vérifier la qualité de
notre modèle pour la simulation des courants absorbés. Les phénomènes de couplage sont
bien reproduits, puisque les formes d’ondes correspondent, aussi bien pour le conducteur
alimenté que pour les conducteurs mis à la terre.

Fig. 5.10 – Modèle approché de la ligne triphasée.

5.5 Avantages du développement d’impédances matri-

cielles
Une démarche se rapprochant de la notre peut être trouvée dans [LK92]. Il s’agit de
calculer un approximant de Padé de chaque composante modale de l’impédance, puis de
calculer par transformée inverse (annexe A) la réponse impulsionnelle approchée de chaque
mode. La simulation de la réponse du système est alors effectuée de manière récursive par
une convolution. Cette méthode, qui donne d’excellents résultats, a été implémentée dans
le logiciel de simulation de réseau Kspice 3 , dérivé de Spice de l’université de Berkeley.
Cependant, comme cette méthode nécessite le calcul préalable des réponses impul-
sionnelles correspondant à chaque mode, elle est inadaptée à une brusque variation des
3
[Link]

125
5.5. Avantages du développement d’impédances matricielles

Fig. 5.11 – Courants de ligne obtenus par décomposition modale et transformée de Laplace
inverse.

Fig. 5.12 – Courants de ligne obtenus par utilisation du modèle approché avec un simu-
lateur de réseau.

126
 Chapitre 5. Extension au cas des lignes polyphasées

paramètres dont dépend le calcul de ces modes. Notre méthode ne souffre pas de cette
limitation puisque le modèle utilise directement les composantes de ligne et non les com-
posantes modales des tensions et des courants.
Il est en effet remarquable que les composantes modales des impédances n’interviennent
qu’en tant qu’étape dans le calcul du développement en fraction continue matricielle.
Il n’est donc pas en pratique nécessaire d’effectuer de diagonalisation pour calculer le
modèle. Seules sont nécessaires les valeurs des paramètres globaux de la ligne, c’est-à-dire
les matrices R, L, C et G, tout comme dans le cas monophasé.
C’est un avantage déterminant car le calcul des composantes modales peut être sujet à
caution. Les composantes de Fortescue dépendent notamment d’hypothèses géométriques
fausses dans le cas général pour les lignes de transmission, comme le fait remarquer M. Pé-
lissier :
« Donc si les trois tensions imposées à la ligne sont des tensions sinusoï-
dales formant un système symétrique direct ou inverse ou homopolaire, [...]
les courants ne pourront pas former un système semblable. Les systèmes de
coordonnées symétriques sont des « modes de génération » mais ne constituent
pas des « modes de propagation ». [Pél75, ch. 2] ».
Nous avons donc réussi à trouver une méthode innovante de modélisation des lignes
triphasées qui fournit des modèles fidèles tout en restant simples, ce qui est un avantage
pour l’utilisation en temps réel4 . Les paramètres du système apparaissent explicitement
dans les modèles, ce qui facilite leur identification, et enfin les modèles utilisent les com-
posantes de lignes issues directement des mesures, ce qui est un avantage pour la mise en
œuvre dans une protection numérique industrielle.
De tels modèles peuvent-ils être utilisés pour la détection de défauts ? C’est ce que
nous allons étudier au chapitre suivant.

4
Remarquons, que sans cette contrainte de rapidité de calcul, et puisque l’on contrôle l’ordre du
développement, on peut choisir des modèles avec des ordres bien plus grands pour simuler de façon
encore plus précise la réponse des lignes ; une application possible sont les logiciels de simulation de
réseaux.

127
5.5. Avantages du développement d’impédances matricielles

128
Chapitre 6

Application à la détection de défauts

Nous avons vu dans le chapitre 1 qu’un algorithme de protection de distance pouvait

se définir comme une méthode d’identification paramétrique d’une ligne de transmission.
Nous allons donc utiliser les modèles approchés obtenus par la synthèse de Cauer pour
identifier les paramètres d’un défaut à partir des mesures simulées des tensions et des
courants au niveau d’un poste d’interconnexion.

6.1 Modèle numérique d’une ligne en défaut

Le modèle quadripolaire d’une ligne en défaut est celui qui découle de la résolution de
l’équation des télégraphistes (section 5.2.2). En assimilant le défaut à une simple résis-
tance, nous obtenons le modèle de référence de la figure 5.5.

6.1.1 Synthèse de Cauer

Par développement des impédances d’ordre infini et synthèse de Cauer, nous obtenons
des modèles approchés à différents ordres (fig. 6.1 à 6.4).

Rdef

Fig. 6.1 – Modèle de ligne en défaut approché utilisé dans l’algorithme pxln (Alstom).

Pour pouvoir utiliser ces modèles avec un algorithme d’optimisation programmé sous
Matlab, il est nécessaire de procéder au calcul de la forme numérique des modèles, ou
modèles arma1 .
1
Modèle auto-régressif à moyenne mobile (Auto-regressive moving-average)

129
6.1. Modèle numérique d’une ligne en défaut

Y/2 Y/2 Rdef

Fig. 6.2 – Modèle de ligne en défaut approché à l’ordre un (modèle de ligne courte).

−Y/6

Y/2 Y/2

Rdef

Z/6 Z/6

Fig. 6.3 – Modèle de ligne en défaut approché à l’ordre deux.

−7Z/10

−Y/6
Z

Y/2 Y/2
Y/10 Y/10
Rdef

Z/6 Z/6

Fig. 6.4 – Modèle de ligne en défaut approché à l’ordre trois.

130
 Chapitre 6. Application à la détection de défauts

6.1.2 Modèle numérique monophasé

Pour simplifier la description de la méthode de numérisation nous commençons par
utiliser un modèle monophasé.
L’entrée du modèle est le courant mesuré i et nous devons calculer numériquement la
tension estimée v̂ comme la sortie du modèle approché. La fonction de transfert s’identifie
donc à l’impédance d’entrée du modèle de ligne Ẑ.

i(p) → Ẑ(p) → v̂(p) = Ẑi(p) (6.1)

Les modèles obtenus par synthèse de Cauer sont d’ordre fini, du fait de la troncature des
fractions continues. Ce sont des modèles d’ordres réduits. Leurs impédances équivalentes
s’expriment donc par une fraction rationnelle, soit

P (p)
Ẑ(p) = (6.2)
Q(p)

où P et Q sont des polynômes.

Nous discrétisons ensuite ce modèle par transformation bilinéaire. Fixons la fréquence
d’échantillonnage fe ,
z−1
p → 2fe (6.3)
z+1
La transformée en z du modèle discret s’écrit donc
z−1
P (2fe z+1 ) b0 + b1 z −1 + · · · + bn z −N v(z)
z−1 = −1 −N
= (6.4)
Q(2fe z+1 ) 1 + a1 z + · · · + an z i(z)

La transformée en z (TZ) permet d’obtenir directement les coefficients du modèle

arma. En effet, pour une suite quelconque (xn ) elle vérifie la propriété fondamentale

TZ(xn−N ) = z −N x(z). (6.5)

Ce qui fournit la structure du modèle sous forme auto-régressive :

v(n) = b0 i(n) + b1 i(n − 1) + · · · − bN i(n − N) − a1 v(n − 1) − · · · − aN v(n − N) (6.6)

Ou encore, sous forme vectorielle,

       
a1 b0 v(n − 1) i(n)
 a2   b1   v(n − 2)   i(n − 1) 
       
a =  ..  b =  ..  v= ..  i= ..  (6.7)
 .   .   .   . 
aN bN v(n − N) i(n − N)

v = bT i − aT v. (6.8)

131
6.2. Méthode d’identification paramétrique

6.1.3 Modèle numérique polyphasé

La numérisation d’un modèle polyphasé ne diffère que peu du cas monophasé. Sim-
plement, l’impédance matricielle s’identifie à la matrice de transfert d’un système mimo2 .
C’est-à-dire que Ẑ(p) est une matrice dont les éléments sont des fractions rationnelles de
p (pour les modèles d’ordre finis).
On montre qu’on peut toujours exprimer la matrice de transfert du modèle approché
sous la forme
P(p)
Ẑ(p) = (6.9)
Q(p)
où P est un polynôme de matrices et Q un polynôme scalaire, calculé comme le plus petit
multiple commun (ppcm) des dénominateurs des éléments de Ẑ(p) [Wol74, Kai80, ch. 6].
Comme précédemment, ce modèle se discrétise par la transformation bilinéaire.
z−1
P(2fe z+1 ) b0 + b1 z −1 + · · · + bn z −N v(z)
z−1 = −1 −N
= (6.10)
Q(2fe z+1 ) 1 + a1 z + · · · + an z i(z)
D’où les coefficients bk matriciels et ak scalaires du modèle arma
v(n) = b0 i(n) + b1 i(n − 1) + · · · − bN i(n − N) − a1 v(n − 1) − · · · − aN v(n − N) (6.11)

6.2 Méthode d’identification paramétrique

L’identification des paramètres du modèle de ligne est un problème d’optimisation
non linéaire. C’est-à-dire que la réponse v n’est pas une fonction linéaire3 des paramètres
(X, Rdef ). L’algorithme de Levenberg-Marquardt est une méthode d’optimisation qui fonc-
tionne très bien dans la pratique, est qui est devenu le standard pour les problèmes non
linéaires [Men99]. Nous allons voir qu’il associe les avantages des méthodes du gradient et
de Gauss-Newton [Mic92, SS89, WP94].
Ces méthodes d’optimisation visent à minimiser un critère quadratique J(θ) que nous
prendrons égal au carré de la norme de la différence entre la tension mesurée v(n) (sortie
du système réel) et la tension prédite par le modèle approché v̂(n).
J(θ) = (v̂(n) − v(n))T (v̂(n) − v(n)). (6.12)

6.2.1 Méthode du gradient

La méthode du gradient, ou de la plus forte pente consiste à faire varier les paramètres
dans proportionnellement au gradient de la fonction de coût J, et dans la direction opposée
à celui-ci.
θ(n + 1) = θ(n) − λ∇J(θ(n)) (6.13)
2
Plusieurs entrées, plusieurs sorties (Multiple inputs multiple outputs)
3
Cependant le système est linéaire, dans le sens où la sortie est une fonction linéaire de l’entrée. C’est
une des conditions nécessaires à l’emploi des modèles fréquentiels obtenus par les transformations de
Laplace et Fourier.

132
 Chapitre 6. Application à la détection de défauts

Le « pas » de l’algorithme est donc donné par λ. Il peut être fixe, ou alors adaptatif,
auquel cas, on l’augmente aux itérations où le critère J diminue, et on le diminue dans le
cas contraire.

6.2.2 Méthode de Gauss-Newton

La méthode de Gauss Newton est basée sur une approximation à l’ordre deux de la
fonction de coût à minimiser. Le calcul des paramètres se fait par

θ(n + 1) = θ(n) − (∇2 J(θ(n)))−1 ∇J(θ(n)). (6.14)

Dans le cas ou J est effectivement une paraboloïde, l’algorithme converge en une

itération. Il requiert cependant le calcul du Hessien ∇2 J(θ) et son inversion. Pour limiter
les calculs, et améliorer la stabilité de l’algorithme, il est habituel de le remplacer par un
« pseudo-hessien » en négligeant les termes du second ordre.

6.2.3 Méthode de Levenberg-Marquardt

La méthode de Levenberg-Marquardt repose aussi sur un algorithme itératif, défini
par la relation
θ(n + 1) = θ(n) − (∇2 J(θ(n)) + µI)−1 ∇J(θ(n)). (6.15)
Remarquons qu’on peut adapter le comportement de l’algorithme en faisant varier le
coefficient µ. En effet, si µ tend vers 0,

(∇2 J(θ) + µI) → ∇2 J(θ), (6.16)

et nous retrouvons l’algorithme de Gauss-Newton.

En revanche, si µ tend vers l’infini,

(∇2 J(θ) + µI) ∼ µI. (6.17)

L’algorithme se comporte alors comme la méthode du gradient, avec λ = 1/µ.

D’un point de vue pratique, µ est augmenté aux itérations où le critère J augmente, ce
qui permet d’utiliser le gradient lorsque l’on se trouve loin de l’optimum. Inversement, si
J diminue, on se rapproche de l’optimum, et on accélère la convergence par un algorithme
de type Gauss-Newton.

6.3 Mise en œuvre

D’après la section 5.3.3, la détection d’un défaut sur une ligne polyphasée est la dé-
termination de sa distance X et des éléments de la résistance matricielle Rdef. La mise
en œuvre de l’algorithme de Levenberg-Marquardt nécessite le calcul du gradient et du
Hessien à chaque itération. Précisons comment il est réalisé en pratique.

133
6.3. Mise en œuvre

6.3.1 Calcul du gradient

Développons L’expression du gradient de la fonction de coût J.
 ∂J 
∂θ1
 . 
∇J(θ) =  ..  (6.18)
∂J
∂θnp

où θ1 = X et θ2 , . . . , θnp sont les éléments distincts de la matrice symétrique Rdef (il y en

a p(p + 1)/2 pour une matrice de dimension p × p).
Seule la tension estimée dépend des paramètres θ, donc, à l’instant t = n/fe ,
 T
∂J ∂ v̂(n)
(n) = 2 (n) (v̂(n) − v(n)). (6.19)
∂θi ∂θi

Il apparaît donc une erreur de prédiction (v̂(n) − v(n)) multipliée par une fonction de
sensibilité
∂ v̂(n)
σi = . (6.20)
∂θi

6.3.2 Calcul du Hessien

Le terme général du Hessien est
 T
∂2J ∂ 2 v̂
(n) = 2σiT σj + 2 (n) (v̂(n) − v(n)), (6.21)
∂θi ∂θj ∂θi ∂θj

soit, en négligeant les termes d’ordre deux,

 2 
2 ∂ J

∇ J(n) = (n) ≈ 2 σiT σj 16i,j6np . (6.22)
∂θi ∂θj 16i,j6np

où np est le nombre de paramètres.

Le calcul des fonctions de sensibilité suffit donc à nous fournir à la fois le gradient et
le Hessien de J.

6.3.3 Calcul des fonctions de sensibilité

Les fonctions de sensibilité peuvent être calculées de manière exacte à l’aide du logi-
ciel de calcul symbolique tels que Maple ou Maxima 4 . En effet, nous pouvons reprendre
l’expression (6.11) du modèle arma vu à la section 6.1
4
[Link] [Link]

134
 Chapitre 6. Application à la détection de défauts

Les ak et les bk sont des fonctions connues des θi fournies par le modèle de la ligne.
Donc,

∂v(n) ∂b0 ∂b1 ∂bN

= i(n) + i(n − 1) + · · · − v(n − N)
∂θi ∂θi ∂θi ∂θi
(6.23)
∂a1 ∂aN
− v(n − 1) − · · · − v(n − N).
∂θi ∂θi

Mais dans la pratique, ces expressions deviennent rapidement inexploitables. Il ressort

de nos essais qu’une évaluation numérique des fonctions de sensibilité donne d’aussi bon
résultat.
v̂(θ1 , . . . , θi + ε, . . . ) − v̂(θ1 , . . . , θi , . . . )
σi ≈ (6.24)
ε
en prenant ε suffisamment petit.

6.3.4 Simulation pour une ligne monophasée

Pour tester cet algorithme, une simulation est effectuée sous Matlab, pour une ligne
monophasée de longueur X = 100 km et X = 300 km pour un défaut de Rdef = 50 Ω. Les
autres valeurs numériques sont celles du tableau 6.1. Les signaux de mesure sont simulés
par la méthode de la transformée de Fourier inverse déjà employée dans cette étude.

Paramètre Symbole Valeur

résistance linéique r 3 10−2 Ωkm−1
inductance linéique l 1, 05 10−3 Hkm−1
conductance linéique g 6, 5 10−9 Skm−1
capacité linéique c 11 10−9 Fkm−1

Tab. 6.1 – Valeurs numériques du modèle de ligne utilisé pour l’identification.

Les coefficients des modèles arma sont calculés de façon symbolique par un pro-
gramme Maple, qui écrit les fonctions correspondantes sous la forme de fichiers pouvant
être interprétés par Matlab.
Les modèles utilisés sont le modèle classique des protections Alstom (fig. 6.1), et les
modèles développés aux ordres un et deux (fig. 6.2 et 6.3). Pour des raisons pratiques,
nous effectuons une seule itération de l’algorithme de Levenberg-Marquardt à chaque pas
d’échantillonnage. Les résultats sont tracés sur les figures 6.5 à 6.10.
Pour une ligne de 100 km, nous pouvons conclure de ces résultats que le modèle des
protections Alstom utilisé avec l’algorithme de Levenberg-Marquardt conduisent à sous-
estimer la longueur de la ligne et la résistance de défaut. Cela s’explique bien par le fait
qu’elle ne tiennent pas compte des effets capacitifs (c), qui ont tendance à faire diminuer
le déphasage et des conductances réparties (g) que nous avons volontairement surestimées
et qui font diminuer la résistance en régime permanent.

135
6.3. Mise en œuvre

5
x 10
2

v(V) 0

−2
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
5000

i(A) 0

−5000
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
150
X̂(km) 100

50

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
R̂def (Ω) 60

40

20

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2

temps (s)

Fig. 6.5 – Identification par l’algorithme de Levenberg-Marquardt (ligne de 100 km, mo-
dèle Alstom).

136
 Chapitre 6. Application à la détection de défauts

5
x 10
2

v(V) 0

−2
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
5000

i(A) 0

−5000
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
150
X̂(km) 100

50

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
R̂def (Ω) 60

40

20

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2

temps (s)

Fig. 6.6 – Identification par l’algorithme de Levenberg-Marquardt (ligne de 100 km, mo-
dèle développé à l’ordre 1).

137
6.3. Mise en œuvre

5
x 10
2

v(V) 0

−2
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
5000

i(A) 0

−5000
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
150
X̂(km) 100

50

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
R̂def (Ω) 60

40

20

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2

temps (s)

Fig. 6.7 – Identification par l’algorithme de Levenberg-Marquardt (ligne de 100 km, mo-
dèle développé à l’ordre 2).

138
 Chapitre 6. Application à la détection de défauts

5
x 10
2

v(V) 0

−2
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
2000

i(A) 0

−2000
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
400
X̂(km)
200

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
R̂def (Ω) 300

200

100

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2

temps (s)

Fig. 6.8 – Identification par l’algorithme de Levenberg-Marquardt (ligne de 300 km, mo-
dèle Alstom).

139
6.3. Mise en œuvre

5
x 10
2

v(V) 0

−2
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
2000

i(A) 0

−2000
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
400
X̂(km)
200

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
R̂def (Ω) 300

200

100

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2

temps (s)

Fig. 6.9 – Identification par l’algorithme de Levenberg-Marquardt (ligne de 300 km, mo-
dèle développé à l’ordre 1).

140
 Chapitre 6. Application à la détection de défauts

5
x 10
2

v(V) 0

−2
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
2000

i(A) 0

−2000
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
400
X̂(km)
200

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
R̂def (Ω) 150

100

50

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2

temps (s)

Fig. 6.10 – Identification par l’algorithme de Levenberg-Marquardt (ligne de 300 km,

modèle développé à l’ordre 2).

141
6.3. Mise en œuvre

Les modèles développés sont quant à eux plus précis dans la détermination des para-
mètres, le modèle développé à l’ordre deux semblant un peu plus rapide que le modèle de
ligne courte (dépassements) et plus stable quand l’amplitude des signaux devient faible.
Toutefois, le gain de performances procuré par l’augmentation de l’ordre du modèle reste
faible.
En revanche, pour une ligne de 300 km, les effets de la propagation sont plus sensibles
et le modèle de ligne des protections Alstom ne peut pas en rendre compte de façon
satisfaisante. Le gain en précision et en stabilité est notable en passant à un modèle de
ligne courte (ordre un), et encore plus pour un modèle développé à l’ordre deux.
Malheureusement, dès que l’ordre du modèle dépasse trois (figure 6.4) ou que l’on
utilise un modèle polyphasé, le protocole de simulation que nous avons adopté montre ses
limites. En effet, les coefficients du modèle arma calculés par Maple ont des expressions
qui deviennent trop complexes pour être traitées dans un temps acceptable, voire pour
être simplement utilisables par Matlab, la taille des fichiers devenant trop importante.
Remarquons que l’algorithme de localisation de défauts que nous avons proposé ne
nécessite que le calcul de la réponse du modèle approché. En effet, le gradient et le Hessien
sont obtenus par les fonctions de sensibilité, et nous avons montré que l’on peut les estimer
à l’aide du modèle direct. Il suffit donc de trouver une méthode d’implémentation des
modèles plus efficace que la méthode arma utilisée, ce que nous nous proposons de faire
dans le chapitre suivant.

142
Chapitre 7

Implémentation numérique des réseaux

en échelle

Devant les problèmes rencontrés lors de la numérisation des modèles issus de la synthèse
de Cauer, nous allons rechercher dans ce chapitre une méthode d’implémentation originale.
Ces modèles approchés de ligne sont composés d’impédances développées sous la forme
de réseau en échelle. Cette forme présente une régularité remarquable, que nous allons
mettre à profit. Nous montrerons en effet que la réponse du modèle peut être simplement
obtenue par une succession de filtrages d’ordres peu élevés, à l’aide d’une boucle.

7.1 Équivalence entre réseaux en échelle et filtres en

treillis

v1 v2
i r2i
Y1 Y2
i1 i2
v Z1 Z2 r2v

Fig. 7.1 – Réseau en échelle obtenu par la synthèse de Cauer généralisée.

Considérons tout d’abord le cas d’une impédance développée scalaire, qui correspond
au cas monophasé. Nous allons exprimer les relations entre les tensions et les courants au
sein d’un réseau en échelle.

143
7.1. Équivalence entre réseaux en échelle et filtres en treillis

7.1.1 Relations de récurrence

En plus des notations présentes sur la figure 7.1, nous définissons un résidu de tension
rnv , ainsi qu’un résidu de courant rni .

n
X n
X
rnv =v− vi rni =i− ii (7.1)
i=1 i=1

L’application des lois de Kirchhoff sur le réseau infini (avant troncature) nous permet
d’écrire
∞
X X ∞
v= vn , i= in . (7.2)
n=1 n=1

La convergence de ces séries est donc équivalente à la convergence de la fraction conti-

nue, ce qui peut aussi s’exprimer par

lim rni = lim rnv = 0. (7.3)

n→∞ n→∞

Si nous posons de plus : r0v = v, r0i = i. À l’aide des lois de Kirchhoff appliquées au
réseau en échelle nous aboutissons aux relations de récurrence suivantes :
 v
rn−1


 in =


 Zn

 ri i
n = rn−1 − in
(7.4)
 ri


 vn = n


 Yn
 v v
rn = rn−1 − vn

7.1.2 Filtres en treillis

1 1
Les fonctions de transfert Zn
et Yn
peuvent aussi être considérées comme des filtres
passe-bas du premier ordre.

1 1 1 1
= , = , (7.5)
Zn Rn + Ln p Yn Gn + C n p

Les relations de récurrence précédentes correspondent alors à une succession de fil-

trages, que nous avons représentée sous la forme d’une association de filtres sous forme
de treillis, selon le schéma de la figure 7.2.

144
 Chapitre 7. Implémentation numérique des réseaux en échelle

v + +
− v − v
1 1 1 2
Z1 Z2
1 1
Y1 Y2
− i1 i2
i + +−

Fig. 7.2 – Filtre en treillis.

7.2 Synthèse du filtre numérique

7.2.1 Discrétisation
Pour numériser les filtres Z1n et Y1n , nous avons recours à la transformation bilinéaire
présentée au chapitre 6. Si nous écrivons un passe-bas sous la forme générale

1 1 + z −1
FA,B (p) = → FA,B (z) = , (7.6)
A + Bp (A + 2B) + (A − 2B)z −1

alors par transformation bilinéaire,

1 1
→ FRn ,Ln (z), → FGn ,Cn (z). (7.7)
Zn Yn
Nous pouvons donc remplacer les impédances et les admittances du réseau par un
même filtre numérique, en adaptant les paramètres A et B, ce qui présente une économie
pour l’implémentation.
Le filtre en treillis est alors mis en œuvre en programmant une boucle parcourue N fois,
N étant l’ordre de développement du modèle, en utilisant les relations de récurrence 7.4.

7.2.2 Troncature
Nous devons maintenant exprimer la troncature de la fraction continue qui apparaît
dans la synthèse de Cauer. Soit un modèle de Cauer d’ordre N. Par rapport aux équa-
tions (7.2), cela se traduit par l’approximation
N
X N
X
v(n) ≈ vk (n − 1), i(n) ≈ ik (n − 1). (7.8)
k=1 k=1

D’un point de vue pratique, pour synthétiser l’impédance (le courant est le signal
d’entrée, et la tension est le signal de sortie) sous la forme d’un filtre en treillis, nous
utilisons une somme et un retard pour réinjecter dans le réseau la tension calculée à
l’instant (n − 1). Le principe est schématisé sur la figure 7.3.

145
7.2. Synthèse du filtre numérique

v(n)
+ +
z −1
+ +
+ +
v(n − 1) − −
FR1 ,L1 FR2 ,L2 FRN ,LN

FG1 ,C1 FG2 ,C2 FGN ,CN

− − −
i(n) + + +

Fig. 7.3 – Structure du filtre en treillis.

7.2.3 Résultats de simulation

Pour vérifier cette méthode de simulation des modèles de lignes de transmission, nous
avons appliquer la synthèse du filtre en treillis à l’impédance d’une ligne de transmission
en court-circuit. r
Z √
Z= tanh ZY (7.9)
Y
Le modèle de Cauer de cette impédance est donné dans le chapitre 4, et correspond
aux valeurs
Z Y
Zn = , Yn = . (7.10)
4n − 3 4n − 1
Le filtre numérique passe-bas est implémenté sous Matlab et nous lui fournissons les va-
leurs successives des paramètres A et B dans une boucle correspondant aux équations de
récurrence (7.4).
Nous prenons pour valeurs numériques

r = 1, l = 1, c = .25, g = 1, x = 1, (7.11)

ce qui correspond à un cas général de l’équation réduite hyperbolique (α = 4, cf. sec-

tion 2.3.1).
Nous voyons sur la figure 7.4 la réponse du filtre en treillis à une arche de sinusoïde
de courant. La tension de référence est calculée par une transformée de Fourier inverse.
Sur la figure 7.5, sont tracées les différentes composantes de la réponse en tension et
de la décomposition du courant d’entrée par les différents étages du filtre. Ces signaux
correspondent aux courants et aux tensions qui pourraient être mesurés dans le réseau de
la figure 7.1.
Nous avons aussi tracé les sommes partielles successives de ces composantes, pour
montrer leur convergence vers les signaux d’entrée (i) et de sortie (v).

146
 Chapitre 7. Implémentation numérique des réseaux en échelle

0.8

0.6 Courant imposé

0.4

0.2

0
0 0.5 1 1.5 2 2.5

1.5 Tension de référence

1
Tension calculée par le filtre
0.5

−0.5

−1
0 0.5 1 1.5 2 2.5

Fig. 7.4 – Réponse temporelle du filtre en treillis à un courant imposé.

147
7.2. Synthèse du filtre numérique

2 0.5
v1 i1
0 0

−2 −0.5
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
2 1
v2 i2
0 0

−2 −1
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
1 1
v3 i3
0 0

−1 −1
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
0.5 0.5
v4 i4
0 0

−0.5 −0.5
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
0.5 0.2
v5 i5
0 0

−0.5 −0.2
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
0.2 0.2
v6 i6
0 0

−0.2 −0.2
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
temps temps

Fig. 7.5 – Composantes de la réponse temporelle du filtre en treillis.

148
 Chapitre 7. Implémentation numérique des réseaux en échelle

2 1
v1 i1
0 0

−2 −1
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
2 2
v2 i2
0 0

−2 −2
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
2 2
v3 i3
0 0

−2 −2
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
2 1
v4 i4
0 0

−2 −1
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
2 2
v5 i5
0 0

−2 −2
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
2 2
v6 i6
0 0

−2 −2
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
temps temps

Fig. 7.6 – Sommes partielles des composantes de la réponse du filtre en treillis.

149
7.3. Remarques sur le cas d’une ligne sans perte

7.2.4 Extension au cas polyphasé

L’extension de la synthèse d’un filtre en treillis à la modélisation des impédances
matricielles ne pose aucun problème particulier. La différence essentielle réside dans le
fait que les passe-bas Z1n et Y1n sont remplacés par des matrices de transfert du type mimo

Z−1
n et Yn−1. (7.12)

Ces filtres sont numérisés par transformation bilinéaire, comme décrit à la section 6.1.
L’ordre du filtre sera donc celui de la matrice. Il s’agit de passe-bas mimo d’ordre trois
pour la modélisation d’une ligne triphasée.

7.3 Remarques sur le cas d’une ligne sans perte

Nous allons nous attarder maintenant sur le cas particulier d’une ligne de transmission
« sans pertes » c’est à dire pour laquelle : R = G = 0 (voir section 2.3.1). En effet, en
exploitant les récurrence mise en évidence pour la synthèse du filtre en treillis, nous allons
montrer qu’il existe dans ce cas des relations intéressantes entre la synthèse de Cauer et
les polynômes orthogonaux de Legendre.

7.3.1 Réponse impulsionnelle

Commençons par calculer la réponse impulsionnelle d’une ligne de transmission sans
pertes en court-circuit. Exprimons l’impédance de court-circuit (7.9) en décomposant la
fonction tangente hyperbolique.
r √
v Z 1 − e−2 ZY
Z= = √ . (7.13)
i Y 1 + e−2 ZY

D’où l’expression de la tension

r r
Z Z −2√ZY √
v= i− ie − ve−2 ZY (7.14)
Y Y
√ √ q q
Puisque la ligne est sans pertes, nous avons ZY = LCp = τ p et YZ = CL = Zc
avec (τ, Zc ) ∈ R2 . Ce qui s’exprime dans le domaine temporel par des retards purs (voir
l’annexe A).
v(t) = Zc i(t) − Zc i(t − 2τ ) − v(t − 2τ ) (7.15)
Du point de vue de la propagation, 2τ est le temps mis par un onde progressive pour
faire un aller retour sur la ligne après réflexion sur le court-circuit.
En posant i(t) = δ(t) (distribution de Dirac [Sch66]), nous identifions v(t) à la réponse
impulsionnelle de la ligne en court-circuit, que nous obtenons simplement à l’aide de

150
 Chapitre 7. Implémentation numérique des réseaux en échelle

l’équation 7.15. !
∞
X
v(t) = Zc δ(t) + 2 (−1)n δ(t − 2nτ ) (7.16)
n=1

La réponse impulsionnelle est donc un « demi-peigne » de Diracs de poids alternés.

7.3.2 Décomposition de la réponse impulsionnelle

Nous considérons toujours une ligne en court-circuit sans pertes. Les filtres passe-bas
de la section 7.1.2 sont dans ce cas des intégrateurs purs.
1 1 4n − 3
= = (7.17)
Zn Ln p Lp
1 1 4n − 1
= = (7.18)
Yn Cn p Cp
Les relations de récurrence de la section 7.1.1 s’expriment facilement dans le domaine
temporel.  R
4n−3 t v

 in (t) = L
r (u)du
0 n−1
 i i
rn (t) = rn−1 (t) − in (t)
Rt i (7.19)

 vn (t) = 4n−1C 0
rn (u)du
 v v
rn (t) = rn−1 (t) − vn (t)
√
Pour
√ simplifier ce
√ système, introduisons
√ les changements de variables : v
˜n = Cvn ,
i˜n = Lin , r˜nv = Crnv , r˜ni = Lrni , t̃ = τt , ũ = uτ . Nous obtenons ainsi le système
d’équations réduites (section 2.3.1)
 R t̃ v


 ĩn (t̃) = (4n − 3) 0 r̃n−1 (ũ)dũ
 i i
r̃n (t̃) = r̃n−1 (t̃) − ĩn (t̃)
R t̃ (7.20)


 ṽn (t̃) = (4n − 1) 0 r̃ni (ũ)dũ
 v v
r̃n (t̃) = r̃n−1 (t̃) − ṽn (t̃)

Plaçons-nous dans le cas où ĩ = δ(t̃). Alors, en utilisant les résultats de la section 7.3.1
sur la réponse impulsionnelle de la ligne,
√ √ √ ĩ 1
ṽ = Cv = Cz ∗ i = Cz ∗ ( √ ) = z (7.21)
L Zc
∞
X
ṽ(t̃) = δ(t̃) + 2 (−1)n δ(t̃ − 2n) (7.22)
n=1

Pour simplifier la relation de récurrence, posons pour n > 1,

a2n−1 = ĩn a2n = ṽn (7.23)

151
7.3. Remarques sur le cas d’une ligne sans perte

a
r2n−1 = r̃ni a
r2n = r̃nv (7.24)
Avec le changement de variable 2n → n, nous sommes simplement ramenés à la récurrence
suivante :  a a
 r−1 = ĩ r0 = ṽ R
t̃ a
a (t̃) = (2n − 1) 0 rn−1 (ũ)dũ, n > 1 (7.25)
 an a
rn (t̃) = rn−2 (t̃) − an (t̃), n > 1
Ces relations peuvent être utilisées pour calculer les premiers termes de la suite des an .
Ainsi, pour les ordres n = 1 et n = 2, et en notant U la fonction de Heaviside (« échelon
unité »), nous avons
Z t̃
a1 (t̃) = r0a (ũ)dũ
0
Z t̃ ∞
X
= (δ(t̃) + 2 (−1)n δ(t̃ − 2n))dũ
0 n=1
∞
X
= U(t̃) + 2 (−1)n U(t̃ − 2n)
n=1

Ce qui peut encore se lire :


 a1 (t̃) = 1 pour t ∈ [4k, 4k + 2[
a1 (t̃) = −1 pour t ∈ [4k + 2, 4k + 4[ (7.26)

k∈N

De même, a2 se calcule par intégration.

Z t̃
a
a2 (t̃) = 3 (r−1 (ũ) − a1 (ũ))dũ
0
Z t̃
= 3 (δ(ũ) − a1 (ũ))dũ
0
Z t̃
= 3(U(t̃) − a1 (ũ)dũ)
0

C’est-à-dire 
 a2 (t̃) = 3(4k + 1 − t̃) pour t̃ ∈ [4k, 4k + 2[
a2 (t̃) = 3(t̃ − 4k − 3) pour t̃ ∈ [4k + 2, 4k + 4[ (7.27)

k∈N

a1 = i˜1 est une fonction constante par morceaux. Elle est formée de « créneaux »
successifs de valeur ±1. a2 = v˜1 est continue et linéaire par morceaux (« dents de scie »).
Les allures de ces deux premières composantes peuvent être observées sur la figure 7.7.

152
 Chapitre 7. Implémentation numérique des réseaux en échelle

7.3.3 Expression à l’aide des polynômes de Legendre

Nous nous limitons dans un premier temps à l’intervalle t̃ ∈ [0, 2[ allons démontrer que
les composantes an (et donc ĩn et ṽn ) présentent la propriété suivante.

Propriété ∀t̃ ∈ [0, 2[, an (t̃) = (−1)n+1 (2n − 1)Pn−1(t̃ − 1), les Pn étant les polynômes
orthogonaux de Legendre (annexe C).

Démonstration Procédons par récurrence. Vérifions la relation pour les deux premiers
termes. Soit t̃ ∈ [0, 2[, d’après le calcul de la section 7.3.2, nous avons a1 (t̃) = 1 et
a2 (t̃) = 3(1 − t̃).
Or, les premiers polynômes de Legendre sont P0 (x) = 1, P1 (x) = x. La relation est
donc vérifiée pour les ordres n = 1 et n = 2. Supposons maintenant la relation exacte
jusqu’à n > 2. En utilisant les relations de récurrence (7.25), il vient
Z t̃
an+1 (t̃) = (2n + 1) rna (ũ)dũ
0
Z t̃
a
= (2n + 1) (rn−2 (ũ) − an (ũ))dũ
0
Z t̃
2n + 1
= an−1 (t̃) − an (ũ)dũ
2n − 3 0

Puisque la relation est supposée vérifiée jusqu’à l’ordre n, nous pouvons écrire an+1 à
l’aide de polynômes de Legendre.
Z t̃
n n+1
an+1 (t̃) = (−1) (2n + 1)Pn−2 (t̃ − 1) − (−1) (2n + 1)(2n − 1) Pn−1 (ũ − 1)dũ (7.28)
0

Utilisons maintenant la propriété suivante des polynômes de Legendre (voir par exemple
[San59], p.178).
′ ′
Pn+1 (x) − Pn−1 (x) = (2n + 1)Pn (x) (7.29)
En remarquant que Pn+1 (−1) = Pn−1 (−1) (= ±1, selon la parité de n). Nous en déduisons
l’identité Z t̃
(2n + 1) Pn (ũ − 1)dũ = Pn+1 (t̃ − 1) − Pn−1 (t̃ − 1) (7.30)
0
Ce qui nous permet de conclure :
Z !
t̃
an+1 (t̃) = (−1)n+2 (2n + 1) Pn−2 (t̃ − 1) + (2n − 1) Pn−1 (ũ − 1)dũ
0

= (−1)n+2 (2n + 1)(Pn−2 (t̃ − 1) + Pn (t̃ − 1) − Pn−2 (t̃ − 1))

= (−1)n+2 (2n + 1)Pn (t̃ − 1)
La relation est donc bien vérifiée pour tout n > 1.

153
7.3. Remarques sur le cas d’une ligne sans perte

Périodicité
Montrons maintenant que l’on peut déduire an (t̃) pour tout t̃ > 0 de son expression
trouvée sur l’intervalle t̃ ∈ [0, 2[. Pour cela, nous allons étudier les propriétés de symétrie
et de périodicité des an .

Propriétés
(i) ∀t̃ > 0, an (t̃ + 2) = −an (t̃) (symétrie) ;
(ii) ∀t̃ > 0, an (t̃ + 4) = an (t̃) (périodicité).

Démonstration Raisonnons une nouvelle fois par récurrence. À l’aide des expressions
de a1 et a2 calculées dans la section 7.3.2, nous vérifions immédiatement la propriété (i)
pour les ordres n = 1 et n = 2.
Supposons dorénavant la relation vraie jusqu’à n > 2. Deux cas sont à distinguer
suivant la parité de n. Si n est pair, notons n = 2p, p ∈ N.
an+1 (t̃ + 2) = a2p+1 (t̃ + 2)
Z t̃+2
a
= (4p + 1) r2p (ũ)dũ
0
Z p
!
t̃+2 X
= (4p + 1) r0a (ũ) − a2k (ũ) dũ
0 k=1
Z p Z
!
t̃+2 X t̃+2
= (4p + 1) r0a (ũ)dũ − a2k (ũ)dũ
0 k=1 0

Remarquons d’une part que

Z t̃+2 Z t̃
a
r0 (ũ)dũ = a1 (t̃ + 2) = −a1 (t̃) = − r0a (ũ)dũ (7.31)
0 0
D’autre part, puisque les an sont R 2des polynômes de R 2Legendre, à un coefficient multi-
plicatif près, nous pouvons écrire : 0 a1 (ũ)dũ = 2 et 0 an (ũ)dũ = 0 si n 6= 1 (propriété
d’orthogonalité, annexe C). Nous pouvons en déduire, en utilisant de plus l’hypothèse de
récurrence,
Z t̃+2 Z 2 Z t̃ Z t̃
a2k (ũ)dũ = a2k (ũ)dũ + ˜
a2k (u + 2)dũ = −a2k (ũ)dũ (7.32)
0 0 0 0
Finalement,
Z p Z
!
t̃ X t̃
an+1 (t̃ + 2) = (4p + 1) − r0a (ũ)dũ − −a2k (ũ)dũ
0 k=1 0
Z p
!
t̃+2 X
= −(4p + 1) r0a (ũ) − a2k (ũ) dũ
0 k=1
= −a2p+1 (t̃) = −an+1 (t̃)

154
 Chapitre 7. Implémentation numérique des réseaux en échelle

Il nous reste à étudier le cas impair : n = 2p + 1. En procédant comme précédemment,

nous obtenons
an+1 (t̃ + 2) = a2p+2 (t̃ + 2)
Z p Z
!
t̃+2 X t̃+2
a
= (4p + 3) r−1 (ũ)dũ − a2k+1 (ũ)dũ
0 k=0 0

R t̃+2
D’une part, comme r−1
a
(ũ) = δ(ũ), 0
a
r−1 (ũ)dũ = 1, et d’autre part, si k > 0,
Z t̃+2 Z 2 Z t̃ Z t̃
a2k+1 (ũ)dũ = a2k+1 (ũ)dũ + ˜ 2)dũ = −
a2k+1 (u + a2k+1 (ũ)dũ (7.33)
0 0 0 0

Et si k = 0,
Z t̃+2 Z 2 Z t̃ Z t̃
a1 (ũ)dũ = a1 (ũ)dũ + ˜ 2)dũ = 2 −
a1 (u + a1 (ũ)dũ (7.34)
0 0 0 0
Pp R t̃+2 Pp R t̃
Au final, k=0 0
a2k+1 (ũ)dũ, et donc
a2k+1 (ũ)dũ = 2 − k=0 0
p Z t̃
!
X
an+1 (t̃ + 2) = (4p + 3) −1 + a2k+1 (ũ)dũ
k=0 0
Z p Z
!
t̃ X t̃
a
= −(4p + 3) r−1 (ũ)dũ − a2k+1 (ũ)dũ
0 k=0 0

= −a2p+2 (t̃) = −an+1 (t̃)

La propriété (i) est démontrée et (ii) résulte directement de (i).
Ces résultats nous permettent de tracer la décomposition de la réponse impulsionnelle
d’une ligne de transmission sans pertes en court-circuit par la synthèse de Cauer. La
figure 7.7 montre la forme réduite des composantes que nous avons exprimées comme des
polynômes de Legendre. Les figures 7.8 et 7.9 montrent quant à elles les premières sommes
partielles de ces composantes, pour observer la convergence, au sens des distributions
[Sch66].

Perspectives
Il y a donc dans ce système particulier une équivalence entre la synthèse de Cauer et
la transformée de Legendre. Les coefficients de Fourier (voir section 3.1.2) de la série sont
les coefficients du développement en fraction continue.
Ce résultat assez inattendu qui a donné lieu à une publication [SDL03] permet d’envi-
sager des applications pour la modélisation des lignes à retard en utilisant des polynômes
de Legendre. Une autre voie d’application pourrait être la mesure de retards par autocor-
rélation. En effet, les propriétés d’orthogonalité des polynômes de Legendre font envisager
un grand nombre de simplifications dans l’expression de cette autocorrélation.

155
7.3. Remarques sur le cas d’une ligne sans perte

1 ĩ1 = a1
0
−1
50 1 2 3 4 5 6
ṽ1 = a2
0
−5
50 1 2 3 4 5 6
ĩ2 = a3
0
−5
100 1 2 3
ṽ2 = a4
4 5 6
0
−10
100 1 2 3
ĩ3 = a5
4 5 6
0
−10
200 1 2 3 4 5 6
ṽ3 = a6
0
−20
200 1 2 3 4 5 6
ĩ4 = a7
0
−20
200 1 2 3 4 5 6
ṽ4 = a8
0
−20
0 1 2 3 4 5 6

Fig. 7.7 – Premières composantes de la réponse impulsionnelle.

156
 Chapitre 7. Implémentation numérique des réseaux en échelle

5 P1
n=1 ṽn
0

−5
0 1 2 3 4 5 6
10 P2
n=1 ṽn
0

−10
0 1 2 3 4 5 6
50
P3
n=1 ṽn
0

−50
0 1 2 3 4 5 6
50
P4
n=1 ṽn
0

−50
0 1 2 3 4 5 6

Fig. 7.8 – Sommes partielles de la décomposition de la tension.

157
7.3. Remarques sur le cas d’une ligne sans perte

1 P1
n=1 ĩn
0

−1
0 1 2 3 4 5 6
10 P2
n=1 ĩn
0

−10
0 1 2 3 4 5 6
20
P3
n=1 ĩn
0

−20
0 1 2 3 4 5 6
50 P4
n=1 ĩn
0

−50
0 1 2 3 4 5 6

Fig. 7.9 – Sommes partielles de la décomposition du courant.

158
 Chapitre 7. Implémentation numérique des réseaux en échelle

7.4 Conclusion sur filtrage récursif

Nous avons présenté une méthode de représentation des impédances développées sous
forme de réseaux en échelle qui résout le problème de l’implémentation. Parallèlement, le
travail sur la modélisation d’impédances par des filtres en treillis a permis de mettre en
évidence de nouveaux résultats théoriques sur les relations entre la décomposition sur la
base de Legendre et la synthèse de Cauer.
De plus, l’utilisation d’un filtre en treillis présente des avantages significatifs dans un
contexte industriel :
– le filtre d’ordre élevé (correspondant à l’ordre de développement de l’impédance) est
remplacé par une boucle ;
– la programmation d’un seul filtre du premier ordre (ou mimo d’ordre trois pour le
triphasé) est nécessaire ;
– l’expression des coefficients reste très simple puisqu’ils sont fonctions des constantes
globales de la ligne ;
Toutes ces spécificités permettent d’envisager une utilisation optimale sur dsp. Notons
que la programmation du calcul par une boucle permet d’envisager d’autres possibilités,
comme l’adaptation de l’ordre de l’approximation en temps réel.
Dans l’optique d’une future industrialisation, il sera bien sûr nécessaire de faire suivre
l’implémentation des modèles de lignes de tests exhaustifs avec des signaux réels issus d’en-
registrement de défauts. Il sera ainsi possible d’effectuer le meilleur choix sur l’ordre de
développement, qui sera notamment limité par la fréquence d’échantillonnage des conver-
tisseurs analogiques-numériques, et sur la forme du modèle, en Π ou en T.

159
7.4. Conclusion sur filtrage récursif

160
Conclusion

La volonté des initiateurs de ce travail de thèse était de développer une approche réseau
de la modélisation des lignes électriques, dans le but de trouver le juste compromis entre
simplicité et précision. Cette contrainte était liée au contexte industriel et aux limites
des technologies numériques. Cette démarche se démarquait à la fois de méthodes plus
classiques comme l’analyse modale et la modélisation non entière, et, quoique risquée, se
présentait comme un projet séduisant et motivant.
Pour mener à bien ce travail, des investigations dans des domaines scientifiques pluri-
disciplinaires furent nécessaires, comme :
– la modélisation des lignes mono et polyphasée en électrotechnique,
– les approximants de Padé, les fractions continues et les polynômes orthogonaux en
mathématiques,
– la théorie des réseaux de Kirchhoff,
– la modélisation des systèmes à paramètres répartis en automatique,
– la synthèse de filtres numériques et l’identification paramétrique en traitement du
signal.
Les principaux résultats scientifiques des travaux de recherche présentés dans ce mé-
moire concernent l’extension des synthèses de Cauer et Foster à l’ordre infini, et leur
utilisation systématique pour modéliser les systèmes à paramètres répartis. L’originalité
de notre approche réside dans le fait que les développements ne sont pas nécessairement
faits selon la variable fréquentielle. Nous sacrifions de ce fait l’exactitude de la fonction de
transfert pour la fréquence nulle, au profit de modèles dont les paramètres s’interprètent
physiquement avec une simplicité remarquable.
Il convient cependant de relativiser cet inconvénient car la vitesse de convergence des
approximants de Padé permet d’obtenir une large bande passante pour les modèles, y
compris dans les basses fréquences. Leur représentation par des réseaux en échelle nous a
poussé à retenir la synthèse de Cauer.
Notre démarche se distingue des travaux actuels sur les systèmes d’ordre infini en
ce qu’elle s’attache à garder une interprétation physique des modèles. Si elle présente
quelques ressemblances avec les méthodes basées sur la dérivation fractionnaire, elle s’en
démarque toutefois par le fait que nous isolons la seule approximation par rapport à l’ordre
infini comme étant la troncature d’un réseau infini. Cette approximation est parfaitement
définie et analysée à l’aide de la théorie de l’approximation rationnelle.
Les excellents résultats obtenus en simulation laissent envisager de nombreuses appli-

161
7.4. Conclusion sur filtrage récursif

cations pour les phénomènes diffusifs ou propagatifs. Le formalisme matriciel mis en place
pour les lignes polyphasées offre alors un outil de choix pour traiter tous les problèmes
relatifs aux phénomènes couplés, y compris les systèmes hétérogènes. Ici encore, notre dé-
marche se distingue particulièrement des travaux actuels, qui font essentiellement usage
des composantes modales.
L’application de cette modélisation aux lignes de transmission permet pour un faible
coût en calcul d’améliorer significativement la réponse fréquentielle des modèles. Il est ainsi
possible de mettre à profit les composantes à hautes fréquences des signaux de mesures
pour en extraire le maximum d’information durant les phases transitoires. L’utilisation
des composantes de lignes pour les modèles polyphasés, ainsi que l’interprétation physique
des paramètres permet de mettre au point des algorithmes très simples de détection et de
localisation de défauts.
Enfin, nous avons montré comment la représentation des modèles sous forme de réseaux
de Kirchhoff pouvait être utilisée pour implémenter ces algorithmes de manière pertinente,
et de réduire le coût en charge de calcul des dsp. L’application à des simulateurs de grands
réseaux électriques est également envisageable.
Certains résultats obtenus sont actuellement utilisés au laboratoire d’études ther-
miques dans le cadre de deux autres thèses de doctorat. L’une sur la thermique des
semi-conducteurs, l’autre sur la modélisation des moteurs thermiques avec, pour toutes
les deux, des conditions de refroidissement variables.
Bien qu’au cours de cette étude nous ayons fait appel à des notions issues de domaines
variés, nous pensons avoir obtenu un ensemble et une démarche cohérents. Nous espé-
rons enfin que ce travail ne restera pas sans suite, mais que nous pourrons voir un jour
fonctionner des protections industrielles utilisant ces résultats.

« C’est parfois très simple de faire compliqué, mais c’est toujours très compli-
qué de faire simple » (P. Lagonotte).

162
Annexe A

La transformation de Laplace

La transformée de Laplace a été initialement utilisée par Heaviside, sous la forme de

calcul opérationnel 1 pour résoudre des problèmes de type circuits électriques. Elle est
maintenant un outil de choix pour le traitement du signal et l’automatique.

A.1 Définition et premières propriétés

Définition Soit f une fonction causale du temps (f (t) = 0 si t < 0) telle que
– f soit localement sommable sur R ;
– f soit continue par intervalle sur tout intervalle du type 0 < T1 6 t 6< T2 ;
– f est d’ordre exponentiel à l’infini, c’est-à-dire qu’il existe M > 0, x0 ∈ R tel que
|f (t)| 6 Mex0 t , pour t suffisamment grand ;
alors la transformée de Laplace est définie par
Z ∞
φ(p) = e−pt f (t)dt (A.1)
0

où p appartient à C.

Notation On note

f (t) ⊐ φ(p), φ(p) ⊏ f (t). (A.2)

φ(p) existe quand l’intégral converge, dans le demi-plan ℜ(p) > x0 . De plus, φ est
continue et holomorphe dans le demi-plan.

Dérivation Z ∞
′
φ (p) = −te−pt f (t)dt (A.3)
0

1
Voir [Mik83] pour une forme moderne du calcul opérationnel.

163
A.2. Propriétés opérationnelles

Par conséquence,
(−t)n f (t) ⊐ φ(n) (p). (A.4)
Une multiplication par t sur la fonction f induit une dérivation sur la transformée de
Laplace.
Inversement,

f (n) (t) ⊐ pn φ(p) − pn−1 f (0+ ) − pn−2 f ′ (0+ ) − · · · − f (n−1) (0+ ). (A.5)

Une dérivation dans le temps induit une multiplication algébrique sur les transformées
de Laplace. C’est cette propriété qui est intéressante pour la résolution des équations
différentielles.

Théorème de la valeur initiale En supposant que | arg(s)| 6 α < π/2, on a la limite

lim pφ(p) = f (0+ ). (A.6)

|s|→∞

Théorème de la valeur finale Inversement,

lim pφ(p) = f (+∞). (A.7)

|s|→0

Transformée de Laplace d’une primitive Soit F la primitive

Z t
F (t) = f (u)du. (A.8)
0

Si F admet un transformée de Laplace, alors

φ(p)
F (t) ⊐ . (A.9)
p

A.2 Propriétés opérationnelles

Linéarité Si nous posons les transformées fi ⊐ φi , pour ℜ(p) > xi , alors
n
X n
X
αi fi ⊐ αi φi , ℜ(p) > sup(xi ). (A.10)
i=1 i=1

Facteur d’échelle
f (t) ⊐ φ(p), ℜ(p) > x0 ,
1 t (A.11)
f ( ) ⊐ φ(kp), ℜ(kp) > x0 .
k k
Une « dilatation » sur f induit une « contraction » sur φ.

164
 Annexe A. La transformation de Laplace

Retard sur la variable

f (t) ⊐ φ(p), ℜ(p) > x0 ,
(A.12)
e−λt f (t) ⊐ φ(p + λ), ℜ(p + λ) > x0 .
Un « déphasage » sur f induit un « translation » sur φ.
Inversement,
f (t) ⊐ φ(p), ℜ(p) > x0 ,
(A.13)
f (t − λ) ⊐ e−λp φ(p), ℜ(p + λ) > x0 .
Un « décalage » dans le temps induit un « déphasage » sur la transformée de Laplace.

Produit de convolution Le produit de convolution est défini par l’intégrale

Z +∞
f ∗ g(x) = f (t)g(x − t)dt. (A.14)
−∞
Si φ est la transformée de f et ψ la transformée de g, alors,
f ∗ g ⊐ φψ. (A.15)

A.3 Images de fonction usuelles

Les transformées de Laplace d’un grand nombre de fonctions usuelles sont tabulées
dans les ouvrages tels que [Pet95] ou [Spi85].

A.4 Transformation de Laplace inverse

Si deux fonctions f et g admettent la même transformée de Laplace, alors f et g sont
égales presque partout. Donc f = g sur le domaine de continuité.
Soit φ(p) holomorphe sur ℜ(p) > x0 . Le problème de la transformation inverse se réduit
à trouver f continue, causale, admettant φ comme transformée de Laplace. Ce problème
n’a pas toujours de solution.

Méthodes
– Il existe des tables de transformées de Laplace (voir section précédente) que l’on
peut utiliser pour trouver la transformée inverse ;
– si φ est une fraction rationnelle, on peut la décomposer en éléments simples, puis
utiliser les tables de transformées de Laplace ;
– si φ(p) = A(p)B(p), sous réserve d’existence, f (t) = a(t) ∗ b(t) ;
– formule de Mellin-Fourier :
Z
U(t)
f (t) = φ(z)ezt dz (A.16)
2iπ D
est la transformée inverse de φ qui est continue sur R+, avec (D) une droite verticale
quelconque dans le domaine d’holomorphie de φ.

165
A.5. Lien avec la transformée de Fourier

A.5 Lien avec la transformée de Fourier

La transformée de Fourier de f est définie par l’intégrale
Z +∞
F (f )(ν) = f (t)e−2iπνt dt, (A.17)
−∞

sous réserve d’existence.

On vérifie immédiatement que si f est causale et que φ est définie sur l’axe imaginaire,
alors
F (f )(ν) = φ(p)|p=2iπν . (A.18)
Cette dernière propriété permet d’obtenir rapidement la transformée de Fourier pour
étudier la réponse harmonique d’un modèle représenté par sa fonction de transfert dans
l’espace de Laplace.

166
Annexe B

Notes sur la résolution de l’équation

des télégraphistes

Nous avons donné dans le chapitre 2 la solution de l’équation des télégraphistes. Bien
que la résolution de cette équation ne pose pas de problèmes particuliers, nous tenons à
la rappeler ici. Elle utilise les résultats classiques sur les équations différentielles linéaires
du deuxième ordre.
Pour compléter cette démonstration, nous présenterons de plus deux autres méthodes
de résolution qui peuvent être avantageuses à utiliser selon la forme de la solution recher-
chée. Il s’agit pour la première d’utiliser une équation de Ricatti, et pour la seconde les
exponentielles de matrices.
Rappelons l’expression du système d’équations couplées donnant les relations locales
entre courant et tension (2.2)

∂v ∂i

 = −ri − l ,
∂x ∂t (B.1)
 ∂i ∂v
 = −gv − c ,
∂x ∂t
et sa transformée de Laplace, (2.35),

dv

 + zi = 0,
dx (B.2)
 di + yv = 0.

dx

B.1 Résolution par découplage des équations

Dérivons par rapport à la variable x chacune des équations précédentes, nous décou-
plons les variables, et nous obtenons donc les équations (2.20)

d2 v d2 i
− zyv = 0, − zyi = 0. (B.3)
dx2 dx2

167
B.1. Résolution par découplage des équations

L’équation différentielle du second degré (B.3) vérifiée par v et i est linéaire à coeffi-
cients constants (par rapport à la variable d’intégration x). Sa solution générale s’exprime
donc comme une combinaison linéaire de fonctions exponentielles. Posons les « constantes
d’intégration » λ et µ et notons γ une détermination de la racine carrée du produit zy.
√
γ = zy. (B.4)
Pour la tension,
v(p, x) = λeγx + µe−γx (B.5)
En utilisant l’équation (B.2) nous pouvons déduire l’expression du courant de celle de
la tension.
1
i(p, x) = − (λγeγx − µγe−γx ). (B.6)
z
Ou encore, en introduisant la quantité
r
z
Zc = , (B.7)
y
λ µ
i(p, x) = − eγx + e−γx . (B.8)
Zc Zc
On reconnaît γ le facteur de propagation et Zc l’impédance caractéristique de la ligne
définis au chapitre 2. Bien que cette dernière grandeur relie tension et courant en tout
point, remarquons que dans le cas général v 6= Zc i.

B.1.1 Conditions aux limites

Les constantes d’intégration sont fixées par la connaissance de la tension et du courant
à l’origine (x = 0). On a en effet :

 v(p, 0) = λ + µ
µ λ (B.9)
 i(p, 0) = −
Zc Zc
d’où 
v(p, 0) − Zc i(p, 0)
λ =

2 (B.10)

µ = v(p, 0) + Zc i(p, 0)
2
Nous en déduisons les expressions de la tension et du courant en fonction de x dans
l’espace de Laplace :

 v(p, x) = cosh(γx)v(p, 0) − Zc sinh(γx)i(p, 0)
sinh(γx) (B.11)
 i(p, x) = − v(p, 0) + cosh(γx)i(p, 0)
Zc
Nous reconnaissons bien la solution de l’équation des télégraphistes donnée au cha-
pitre 2 sous la forme quadripolaire (2.21)

168
 Annexe B. Notes sur la résolution de l’équation des télégraphistes

B.2 Utilisation de l’équation de Ricatti

B.2.1 Impédance locale
Nous nous proposons de calculer directement l’impédance d’une ligne électrique de
transmission, c’est à dire sans faire appel aux calculs intermédiaires de la tension v et du
courant i en tout point.
Pour cela, nous considérons l’impédance locale ζ définie par le rapport
v
ζ= (B.12)
i
Sa dérivée s’exprime par
 v ′ v ′ i − i′ v
ζ′ = = , (B.13)
i i2
soit, d’après le système (B.2),
−zi2 + yv 2
′
 v 2
ζ = =y − z. (B.14)
i2 i
L’impédance locale ζ vérifie donc l’équation de Ricatti

ζ ′ − yζ 2 + z = 0 (B.15)

B.2.2 Résolution
La résolution de cette équation se fait en se ramenant à une équation linéaire par un
changement de variable. Commençons par exhiber une solution particulière de l’équation
(B.15). q
Il apparaît immédiatement que l’impédance caractéristique (B.7) Zc = yz de la ligne
électrique est une telle solution particulière.
Le changement de variable consiste alors à poser
r
z 1
ζ= + . (B.16)
y ξ
L’équation de Ricatti (B.15) devient
r 2
ξ′ z 1
− 2 −y + + z = 0, (B.17)
ξ y ξ
et après développement du carré et simplification,
√
ξ ′ + 2 zyξ + y = 0. (B.18)

Résoudre l’équation différentielle linéaire du premier degré (B.18) ne pose aucun pro-
blème.

169
B.2. Utilisation de l’équation de Ricatti

√ √
– L’équation homogène ξ ′ + 2 zyξ = 0 admet la solution générale : ξ = Ke−2 zyx p; y
√ 1
– L’équation complète ξ + 2 zyξ + y = 0 admet la solution particulière : ξ = − 2 z .
′

La solution générale de l’équation (B.18) est donc

r
√
−2 zyx 1 y
ξ = Ke − , K ∈ C. (B.19)
2 z

Et par suite, en effectuant le changement de variable inverse, la solution de l’équation

de Ricatti (B.15) est donnée par
r
z 1
ζ= + √ p (B.20)
y Ke −2 zyx − 21 yz
√ √
zy
Kze−2 zyx +
= √ −2√zyx 2 y (B.21)
K zye − 2

Cette expression se simplifie en substituant la constante d’intégration K → 2K

√ √
Kze−2 zyx + zy
ζ = √ −2√zyx (B.22)
K zye −y

B.2.3 Exemples de calcul d’impédances

L’impédance d’entrée de la ligne est donnée est obtenue par
√
Kz + zy
ζ(x = 0) = √ . (B.23)
K zy − y

Supposons que la ligne soit en court-circuit en X. Nous avons la condition à la limite

suivante √ √
Kze−2 zyX + zy
0 = √ −2√zyX , (B.24)
K zye −y
dont nous déduisons la constante d’intégration
r
y 2√zyX
K=− e (B.25)
z

et l’impédance d’entrée
√ √ √
− zye2 zyX + zy
ζ(x = 0) = √
−ye2 zyX − y
r 2√zyX
ze −1
= 2
√
zyX
(B.26)
ye +1
r
z √
= tanh( zyX).
y

170
 Annexe B. Notes sur la résolution de l’équation des télégraphistes

Nous retrouvons bien l’expression de Zcc de la figure 2.14.

À l’inverse, si nous supposons que la ligne est en ouverte en X, la condition à la limite
devient   √ √
1 K zye−2 zyX − y
=0= √ √ . (B.27)
ζ x=X Kze−2 zyX + zy
Et la constante d’intégration r
y 2√zyX
K= e . (B.28)
z
Exprimons alors l’impédance d’entrée
√ 2√zyX √
zye + zy
ζ(x = 0) = √
ye2 zyX − y
r 2√zyX
ze +1
= 2
√
zyX
(B.29)
ye −1
r
z √
= coth( zyX).
y
Cette fois encore, nous retrouvons l’expression de Z0 de la figure 2.14.
Nous avons calculé l’expression de l’impédance locale en tout point d’une ligne élec-
trique qui est rarement mise en évidence lors de la résolution classique de l’équation des
télégraphistes. Grâce à ce résultat nous avons vu qu’il était possible de retrouver les ex-
pression connues des impédances d’entrée lorsque la ligne est ouverte ou en court-circuit
à son extrémité.
Remarquons enfin que cette façon de procéder, bien qu’équivalente mathématiquement
à la méthode classique, « cache » l’aspect propagatif des ondes de tension et de courant
pour se focaliser sur l’aspect local du couplage.

B.3 Utilisation d’une exponentielle de matrice

Écrivons sous forme matricielle l’équation des télégraphistes. Le système (B.2) donne
    
d v 0 z v
=− (B.30)
dx i y 0 i
Cette équation différentielle du premier degré admet une solution qui s’exprime avec
une « exponentielle de matrice ».
     
v −Ax v(x = 0) 0 z
=e ; A= . (B.31)
i i(x = 0) y 0
La matrice A étant clairement régulière, nous pouvons expliciter l’exponentielle à l’aide
√ √
d’une diagonalisation. Les valeurs propres sont : zy et − zy. La matrice de vecteurs
propres associés est  p p 
z/y − z/y
P = . (B.32)
1 1

171
B.3. Utilisation d’une exponentielle de matrice

Nous avons donc

   √   
v e− zyx
0 −1 v0
=P √
zyx P , (B.33)
i 0 e i0

et en effectuant les multiplications de matrices, nous retrouvons les relations qui sont
caractéristiques du quadripôle équivalent (2.22).
   √ √ p √ √  
1 − zyx zyx − zyx zyx
v e + e z/y(e − e ) v0
= p √ √ √ √ (B.34)
i 2 y/z(e− zyx − e zyx ) e− zyx + e zyx i0
   √ p √  
v cosh zyx − z/y(sinh zyx) v0
= p √ √ (B.35)
i − y/z(sinh zyx) cosh zyx i0

Remarque Nous pouvons faire apparaître deux « modes de courants » en posant

     p 
im1 −1 v 1 − y/zv + i
=P = p (B.36)
im2 i 2 y/zv + i

En effet, ces modes de propagation sont découplés. im1 correspond à l’onde progressive
et im2 à l’onde rétrograde. Les valeurs propres de la matrice A s’interprètent alors comme
les « constantes de propagation » de chacun de ces modes.
dim1 √ dim2 √
= − zyim1 , = zyim2 . (B.37)
dx dX

172
Annexe C

Polynômes orthogonaux

Nous présentons dans cette annexe quelques définitions et résultats mathématiques

concernant les polynômes orthogonaux. Les polynômes orthogonaux font partie des fa-
milles de fonctions orthogonales qui sont classiquement utilisées pour résourdre des pro-
blèmes physiques.
Parmi les familles de fonctions orthogonales, on peut citer les fonctions sinusoïdales,
utilisées par Fourier pour résourdre l’équation de la chaleur [Fou22], les ondelettes, qui
permettent de représenter les signaux non-stationnaires par des méthodes temps-échelle
[Fla98], et enfin, les polynômes orthogonaux qui sont depuis longtemps utilisés pour la
résolution d’équations différentielles et l’approximation de fonctions.

C.1 Familles de fonctions orthogonales

La notion d’orthogonalité est liée au produit scalaire. Pour définir l’orthogonalité entre
deux fonctions, commençons donc par expliciter un produit scalaire.

C.1.1 Produit scalaire et norme

Soit ρ une fonction positive, continue, sommable sur l’intervalle [a, b]. On appelle ρ
fonction poids ou mesure. Soit alors L2ρ (a, b) l’espace des fonctions à valeurs réelles telles
Rb
que a f 2 (x)ρ(x)dx converge.
L’application

2
L2ρ (a, b) −→ R
Rb (C.1)
(f, g) 7−→ hf, gi = a f (x)g(x)ρ(x)dx

définit un produit scalaire. La norme qui dérive de ce produit scalaire est donnée par
Z b
2
kf k = f (x)2 ρ(x)dx (C.2)
a

173
C.1. Familles de fonctions orthogonales

On dit alors que f et g sont orthogonales dans L2ρ (a, b) si

hf, gi = 0. (C.3)
Une famille de fonctions {fn }n∈N est dite orthonormée relativement à un produit sca-
laire, si les fonction fn sont orthogonales deux à deux et sont de plus normées.
(
1 si n = m,
hfn , fm i = (C.4)
0 si n 6= m.

Exemple Soit fn (x) = cos nx, n ∈ N. La famille {fn }n∈N est un système orthogonal si
on prend pour définir le produit scalaire
1
a = 0, b = 2π, ρ(x) = . (C.5)
π
C’est à dire Z 2π
hfn , fm i = cos(nx) cos(mx)dx. (C.6)
0

Remarques
1. Dans les cas de fonctions à valeurs complexes, on utilise le produit scalaire hermitien,
Z b
hf, gi = f (x)g(x)ρ(x)dx. (C.7)
a

2. Il existe d’autres formes de produits scalaires que nous n’utiliserons pas pas la suite
car ils ne sont pas liés à une forme linéaire. Par exemple
∞ Z  Z (n) 
X δ (n) (x) δ (x)
hf, gi = f (x)dx g(x)dx (C.8)
n=0
n! n!
définit le produit scalaire pour lequel la base canonique des polynômes est orthogonale.

C.1.2 Forme linéaire et moments

Un produit scalaire défini par une expression de la forme (C.1) ne dépend que du
produit f (x)g(x). C’est donc un produit scalaire lié à la forme linéaire


c : L2ρ (a, b) −→ R (C.9)
telle que
hf, gi = c(f (x)g(x)) (C.10)
Cette forme linéaire est parfaitement définie par ses moments
cn = c(xn ), n∈N (C.11)
L’étude des fonctions orthogonales est un vaste sujet, lié aux espaces de Hilbert. Nous
nous limiterons pour la suite aux polynômes orthogonaux. Cependant des approfondisse-
ments pourront être trouvés par exemple dans [Wal94] et [San59].

174
 Annexe C. Polynômes orthogonaux

C.2 Familles de polynômes orthogonaux

Soit un produit scalaire pouvant s’exprimer sous la forme de l’équation (C.1). Nous
recherchons une famille de polynômes {Pn }n∈N qui soit orthogonale par rapport à ce
produit scalaire.

C.2.1 Calcul direct

Supposons que l’on écrive Pn (x) = (a0 +a1 x+· · ·+an−1 xn−1 +xn )an . Pn est orthogonal
avec tous les Pk , pour k < n. Donc Pn est aussi orthogonal avec tous les xk . Le calcul de
Pn peut alors se faire directement en posant
c(xk Pn (x)) = 0, k = 0, . . . , n − 1. (C.12)
C’est-à-dire que les ak sont solutions du système linéaire

 c0 a0 + · · · + cn−1 an−1 = −cn

.. (C.13)
 .
 c a +···+ c
n−1 0 2n−2 an−1 = −c2n−1 .

La solution de ce système s’exprime en fonction du déterminant de Hankel [Ise88]

 
 c0 · · · cn−1 
 
 .. .
. 
Hn =  . . . (C.14)
 
cn−1 . . . c2n−2 

On pourra vérifier en développant le déterminant par rapport à sa dernière ligne que le

polynôme Pn s’exprime alors par
 
 c0 · · · c n

 
an  ...
 .. 
.  .
Pn (x) =  (C.15)
Hn cn−1 . . . c2n−1 
 
 1 ··· xn 

Exemple Calculons le polynôme de Legendre d’ordre trois.

Les polynômes de Legendre sont orthogonaux par rapport au produit scalaire défini
par
a = −1, b = 1, ρ(x) = 1. (C.16)
Les premiers moments de la forme linéaire associée sont
Z 1 Z 1 Z 1
2
c0 = dx = 2, c1 = xdx = 0, c2 = x2 dx = ,
−1 −1 −1 3
Z 1 Z 1 Z 1 (C.17)
2
c3 = x3 dx = 0, c4 = x4 dx = , c5 = x5 dx = 0.
−1 −1 5 −1

175
C.2. Familles de polynômes orthogonaux

Le déterminant de Hankel d’ordre trois est donc

 
2 0 2 
 3 
H3 =  0 23 0  = 32/135. (C.18)
2 0 2
3 5

Et
 
2 0 2 0 
 3     
135a3 0 23 0 25  135a3 32 32 3 3 3
P3 (x) = = − x+ x = a3 x − x . (C.19)
32  23 0 52 0  32 225 135 5
1 x x2 x3 

Le choix du coefficient a3 peut être fait pour normaliser le polynôme P3 . Mais la forme
classique des polynômes de Legendre est obtenue pour a3 = 25 .

5 3
P3 (x) = x3 − x. (C.20)
2 2

C.2.2 Récurrence à trois termes

La définition des polynômes orthogonaux est équivalente au fait qu’ils vérifient une
récurrence à trois termes (théorème de Shohat-Favard 1936). Si les polynômes Pn (uni-
taires1 ) sont orthogonaux par rapport à une forme c régulière, alors il existe deux suites
de constantes (βn )n , (γn )n telle que

P−1 = 0, P0 = 1,
(C.21)
Pn+1 = (x − βn )Pn − γn Pn−1 , ∀n ≥ 0, γn 6= 0.

On peut calculer les (βn )n , (γn )n en fonction de c

c(xPn2 ) c(Pn2 )
βn = , γ n = 2
. (C.22)
c(Pn2) c(Pn−1 )

Exemple Reprenons le produit scalaire défini par (C.16). Posons P0 (x) = 1 et P1 (x) =
x. Nous avons
c(x3 ) c3 c(x2 ) c2 1
β1 = 2
= = 0, γ 1 = = = . (C.23)
c(x ) c2 c(1) c0 3
Donc
1 1
P2 (x) = xP1 (x) − P0 (x) = x2 − . (C.24)
3 3
C’est, à un coefficient multiplicateur près, le polynôme de Legendre d’ordre deux.
1
Un polynôme est unitaire si son coefficient dominant est pris égal à un : an = 1 si Pn est de degré n.

176
 Annexe C. Polynômes orthogonaux

C.2.3 Fonctions génératrices

On appelle fonction génératrice d’une famille de polynôme {Pn }n∈nset, une fonction
G(x, t) telle que
X∞
G(x, t) = Pn (x)tn . (C.25)
n=0

Exemple La fonction génératrice des polynômes de Legendre est

1
G(x, t) = √ (C.26)
t2 − 2tx + 1

En effet, on a le développemnt en série de Taylor selon la variable t, au voisinage de zéro,

     
1 3 2 1 2 5 3 3 3 3 15 2 35 4 4
√ = 1 + xt + x − t + x − x t + − x + x t +···
2
t − 2tx + 1 2 2 2 2 8 4 8
(C.27)

C.3 Polynômes orthogonaux usuels

C.3.1 Polynômes de Legendre
Nous avons déjà vu en exemple les polynômes de Legendre, orthogonaux par rapport
au produit scalaire défini par

a = −1, b = 1, ρ(x) = 1. (C.28)

Rappelons la fonction génératrice

∞
1 X
G(x, t) = √ = Pn (x)tn . (C.29)
2
t − 2tx + 1 n=0

Les premiers polynômes de Legendre sont

3 1
P0 (x) = 1, P1 (x) = x, P2 (x) = x2 − ,
2 2
5 3 3 35 4 15 2 3 63 5 35 3 15
P3 (x) = x − x, P4 (x) = x − x + , P5 (x) = x − x + x, . . .
2 2 8 4 8 8 4 8
(C.30)
Ils sont représentés sur la figure C.1.

177
C.3. Polynômes orthogonaux usuels

2
1
0
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Fig. C.1 – Premiers polynômes de Legendre.

178
 Annexe C. Polynômes orthogonaux

C.3.2 Polynômes de Tchebytcheff de première espèce

Les polynômes de Tchebytcheff de première espèce sont orthogonaux par rapport au
produit scalaire défini par
1
a = −1, b = 1, ρ(x) = √ . (C.31)
1 − x2
Ils ont pour fonction génératrice
∞
1 − xt X
G(x, t) = 2
= Tn (x)tn . (C.32)
1 − 2xt + t n=0

Les premiers polynômes de Tchebytcheff de première espèce sont

T0 (x) = 1, T1 (x) = x, T2 (x) = 2x2 − 1,
(C.33)
T3 (x) = 4x3 − 3x, T4 (x) = 8x4 − 8x2 + 1, T5 (x) = 16x5 − 20x3 + 5x, . . .
Ils sont représentés sur la figure C.2.

C.3.3 Polynômes de Tchebytcheff de deuxième espèce

Les polynômes de Tchebytcheff de deuxième espèce sont orthogonaux par rapport au
produit scalaire défini par
√
a = −1, b = 1, ρ(x) = 1 − x2 . (C.34)
Ils ont pour fonction génératrice
∞
1 X
G(x, t) = = Un (x)tn . (C.35)
1 − 2xt + t2 n=0

Les premiers polynômes de Tchebytcheff de deuxième espèce sont

U0 (x) = 1, U1 (x) = 2x, U2 (x) = 4x2 − 1,
(C.36)
U3 (x) = 8x3 − 4x, U4 (x) = 16x4 − 12x2 + 1, U5 (x) = 32x5 − 32x3 + 6x, . . .
Ils sont représentés sur la figure C.3.

C.3.4 Polynômes de Gegenbauer

Les polynômes de Gegenbauer, ou ultra-sphériques sont orthogonaux par rapport au
produit scalaire défini par
1
a = −1, b = 1, ρ(x) = (1 − x2 )λ− 2 . (C.37)
Ils généralisent donc les polynômes de
– Legendre, corresondant donc au cas particulier λ = 21 ;
– Tchebytcheff de première espèce, λ = 0 ;
– Tchebytcheff de seconde espèce, λ = 1.

179
C.3. Polynômes orthogonaux usuels

2
1
0
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
1
0
−1
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Fig. C.2 – Premiers polynômes de Tchebytcheff de première espèce.

180
 Annexe C. Polynômes orthogonaux

2
1
0
2
0
−2
5
0
−5
5
0
−5
5
0
−5
10
0
−10
10
0
−10
10
0
−10
10
0
−10
10
0
−10
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Fig. C.3 – Premiers polynômes de Tchebytcheff de deuxième espèce.

181
C.3. Polynômes orthogonaux usuels

C.3.5 Polynômes de Jacobi

Les polynômes de Jacobi sont orthogonaux par rapport au produit scalaire défini par

a = −1, b = 1, ρ(x) = (1 − x)α (1 + x)β . (C.38)

Ils généralisent donc les polynômes de

– Legendre, corresondant donc au cas particulier α = β = 0 ;
– Tchebytcheff de première espèce, α = β = − 21 ;
– Tchebytcheff de seconde espèce, α = β = + 12 ;
– Gegenbauer, avec α = β = λ − 21 .

C.3.6 Polynômes de Hermite

Les polynômes de Hermite sont orthogonaux par rapport au produit scalaire défini par
2
a = −∞, b = +∞, ρ(x) = e−x . (C.39)

Ils ont pour fonction génératrice, à un coefficient multiplicatif n! près,

∞
2
X tn
G(x, t) = e−2xt−t = Hn (x) . (C.40)
n=0
n!

Les premiers polynômes de Hermite sont

H0 (x) = 1, H1 (x) = 2x, H2 (x) = 4x2 − 2,

H3 (x) = 8x3 − 12x, H4 (x) = 16x4 − 48x2 + 12, H5 (x) = 32x5 − 160x3 + 120x, . . .
(C.41)
Ils sont représentés sur la figure C.4.

C.3.7 Polynômes de Laguerre

Les polynômes de Laguerre sont orthogonaux par rapport au produit scalaire défini
par

a = 0, b = ∞, ρ(x) = tα e−t . (C.42)

Ils ont pour fonction génératrice

∞
1 X
Lα,n (x)tn . (C.43)
−xt
G(x, t) = e 1−t =
(1 − t)α+1 n=0

182
 Annexe C. Polynômes orthogonaux

2
1
0
5
0
−5
20
0
−20
50
0
−50
100
0
−100
200
0
−200
1000
0
−1000
5000
0
4
−5000 x 10
1
0
4
−1 x 10
5
0
−5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

Fig. C.4 – Premiers polynômes de Hermite.

183
C.3. Polynômes orthogonaux usuels

Les premiers polynômes de Laguerre pour α = 0 sont

L0,0 (x) = 1, L0,1 (x) = 1 − x,

1 3 1
L0,2 (x) = 1 − 2x + x2 , L0,3 (x) = 1 − 3x + x2 − x3 ,
2 2 6
2 1 4
L0,4 (x) = 1 − 4x + 3x2 − x3 + x,
3 24
5 5 4 1 5
L0,5 (x) = 1 − 5x + 5x2 − x3 + x − x ,...
3 24 120
(C.44)
Ils sont représentés sur la figure C.5.

184
 Annexe C. Polynômes orthogonaux

2
1
0
5
0
−5
1
0
−1
5
0
−5
2
0
−2
2
0
−2
2
0
−2
2
0
−2
2
0
−2
2
0
−2
0 0.5 1 1.5 2 2.5 3 3.5 4

Fig. C.5 – Premiers polynômes de Laguerre.

185
C.3. Polynômes orthogonaux usuels

186
Annexe D

Caractéristiques électriques d’un

conducteur cylindrique

Nous précisons ici les calculs permettant de définir les caractéristiques électriques
(constantes réparties) d’un conducteur cylindrique. Ces expressions apparaissent en par-
ticulier dans la modélisation de l’effet de peau.
Nous supposons que le courant qui traverse le conducteur est invariant dans le temps
(régime continu, ou basse fréquence). Les filets de courants sont alors uniformément ré-
partis sur toute la section du conducteur.
i i
j= = 2 (D.1)
S πρ0

La résistance totale s’exprime en fonction de la section S, de la longueur x du conducteur

et de la conductivité σ du matériau.
x x
R= = 2 = rx (D.2)
σS πρ0 σ

Calculons maintenant le champs d’induction magnétique B à l’intérieur et à l’extérieur

du cylindre. La symétrie nous permet de conclure que ce champ est purement orthoradial
et uniquement fonction de ρ. Puisque nous considérons un régime statique, nous pouvons
appliquer le théorème d’Ampère sur un circuit circulaire centré sur l’axe de symétrie du
cylindre (figure D.1).

Fig. D.1 – Contour fermé (C) pour l’application du théorème d’Ampère.

187
 I ZZ
Bdl = µ jds (D.3)
(C) (s)

À l’intérieur du cylindre (ρ < ρ0 ),

µi
2πρB = µπρ2 j d’où B = ρ (D.4)
2πρ20

À l’extérieur du cylindre (ρ > ρ0 ),

µi
2πρB = µπρ20 j d’où B = (D.5)
2πρ

Fig. D.2 – Calcul du flux d’induction magnétique à l’intérieur et à l’extérieur du conduc-

teur.

Nous pouvons alors calculer le flux du champ au travers du conducteur, mais unique-
ment du côté où se referme le circuit (figure D.2).
ZZ Z ρ0
µi µxi
Φi = Bds = 2
ρxdρ = (D.6)
(Si ) 0 2πρ0 4π

Calculons de façon similaire le flux à l’extérieur du conducteur :

ZZ Z ρ1  
µi µxi ρ1
Φe = Bds = xdρ = ln (D.7)
(Se ) ρ0 2πρ 2π ρ0

Nous pouvons alors définir les inductances « interne » et « externe » du conducteur

cylindrique par les relations :
Φi µx
Li = = (D.8)
i 4π
 
Φe µx ρ1
Le = = ln (D.9)
i 2π ρ0

188
Annexe E

Représentation matricielle de réseaux

élementaires

Dans cette annexe, nous présentons brièvement la représentation sous forme matricielle
des réseaux élémentaires monophasés, puis diphasés. Ce dernier cas faisant apparaître le
problème de la représentation des couplages, il nous permet de définir la représentation
d’une admittance matricielle capacitive, par dualité avec le couplage inductif. Les défini-
tions et les propriétés utilisées pourront être trouvées dans [BN96] et [Fel86].

E.1 Impédances et admittances monophasées

E.1.1 Résistance longitudinale
R
v1 r i
-1
i
2 r
v2
6 6

r r

Fig. E.1 – Résistance longitudinale

Matrice d’impédance Elle est non définie.

Matrice d’admittance Elle est singulière (non inversible). En effet, les courants i1 et
i2 sont liés (i1 = −i2 ).    1  
1
i1 − v 1
= R R (E.1)
i2 − R1 1
R
v2

189
E.1. Impédances et admittances monophasées

Matrice de chaîne     
v1 1 R v2
= (E.2)
i1 0 1 −i2

E.1.2 Conductance transversale

i1 i2
r -  r
6 6

G
v1 v2
r r

Fig. E.2 – Conductance transversale.

Matrice d’impédance Elle est singulière (non inversible). En effet, les tensions v1 et
v2 sont liées (v1 = v2 ).     
1 1
v1 i1
= G
1
G
1 (E.3)
v2 G G
i2

Matrice d’admittance Elle est non définie.

Matrice de chaîne     
v1 1 0 v2
= (E.4)
i1 G 1 −i2

E.1.3 Inductance longitudinale

i1 L i2
r -  r
6 6

v1 v2
r r

Fig. E.3 – Inductance longitudinale.

Matrice d’impédance Elle est non définie.

190
 Annexe E. Représentation matricielle de réseaux élementaires

Matrice d’admittance Elle est singulière (non inversible). En effet, les courants i1 et
i2 sont liés (i1 = −i2 ).
   1 1  
i1 − Lp v1
= Lp
1 1 (E.5)
i2 − Lp Lp
v2

Matrice de chaîne     
v1 1 Lp v2
= (E.6)
i1 0 1 −i2

E.1.4 Capacité transversale

i1 i2
r -  r
6 6

C
v1 v2
r r

Fig. E.4 – Capacité transversale.

Matrice d’impédance Elle est singulière (non inversible). En effet, les tensions v1 et
v2 sont liées (v1 = v2 ).
   1 1  
v1 i1
= Cp
1
Cp
1 (E.7)
v2 Cp Cp
i2

Matrice d’admittance Elle est non définie.

Matrice de chaîne     
v1 1 0 v2
= (E.8)
i1 Cp 1 −i2

E.2 Impédances et admittances biphasées

E.2.1 Inductances longitudinales couplées
Matrice d’impédance Elle est non définie.

191
E.2. Impédances et admittances biphasées

L1
v1 r -
i1 i
3 r
v3
6 6
I
M
L2
v2 r -
i2 i
4 r
v4
6 6

r r

Fig. E.5 – Inductances longitudinales couplées.

Matrice d’admittance Les relations



 v1 − v3 = L1 pi1 + Mpi2

v2 − v4 = Mpi1 + L2 pi2
(E.9)

 i3 = −i1

i4 = −i2

Nous permettent de calculer la matrice d’admittance. Elle est singulière (non inversible).
    
i1 L2 −M −L2 M v1
 i2  1  −M L1 M −L1   v2
  
 = 
 i3  (L1 L2 − M 2 )p 
 (E.10)
−L2 M L2 −M   v3 
i4 M −L1 −M L1 v4

Matrice de chaîne
    
v1 1 0 L1 p Mp v3
 v2   0 1 Mp L2 p   v4 
 i1  =  0 0 1
     (E.11)
0   −i3 
i2 0 0 0 1 −i4

E.2.2 Capacités transversales couplées

Matrice d’impédance Le couplage des capacités est défini par les relations duales du
couplage des inductances. 

 i1 + i3 = C1 pv1 + Dpv2

i2 + i4 = Dpv1 + C2 pv2
(E.12)

 v3 = v1

v4 = v2

192
 Annexe E. Représentation matricielle de réseaux élementaires

v1 r
i1
-
i
3 r
v3
6 6
v2 r i2
-
i
4 r
v4
6 6
D
R
C1 C2

r r

Fig. E.6 – Capacités transversales couplées.

D’où la matrice d’admittance, singulière (non inversible).

    
v1 C2 −D C2 −D i1
 v2  1  −D C1 −D C1   i2
   
 v3  = (C1 C2 − D 2 )p  C2 −D C2 −D   i3
  
 (E.13)
v4 −D C1 −D C1 i4

Matrice d’admittance Elle est non définie.

Matrice de chaîne
    
v1 1 0 0 0 v3
 v2   0 1 0 0   v4 
 i1  =  C1 p Dp 1
     (E.14)
0   −i3 
i2 Dp C2 p 0 1 −i4

Couplage par une capacité Exprimons la matrice de chaîne du schéma E.7.

Le schéma nous donne les relations


 v1 = v3

v2 = v4
(E.15)

 i1 + i3 = C10 pv3 + C12 p(v2 − v4 )

i2 + i4 = C20 pv4 + C12 p(v4 − v3 )

dont nous déduisons la matrice de chaîne

    
v1 1 0 0 0 v3
 v2   0 1 0 0   v4 
 i1  =  (C10 + C12 )p
     (E.16)
−C12 p 1 0   −i3 
i2 −C12 p (C20 + C12 )p 0 1 −i4

193
E.3. Propriétés

v1 r
i1
-
i
3 r
v3
6 6
v2 r i2
-
i
4 v4
C12 r
6 6

C10 C20

r r

Fig. E.7 – Couplage par une capacité.

Nous pouvons donc identifier 

 C1 = C10 + C12
C2 = C20 + C12 (E.17)

D = −C12
Les représentations par capacités couplées ou par capacité interphase sont donc équi-
valentes.

E.3 Propriétés
E.3.1 Passage entre les représentations
Regroupons les matrices de chaîne des impédances longitudinales sous la forme (I
représente une matrice identité)  
I Z
(E.18)
0 I
 
L1 p Mp
Suivant le cas, Z peut être scalaire : R, Lp,... ou bien matricielle : .
Mp L2 p
De même les admittances transversales
 
I 0
(E.19)
Y I
 
C1 p Dp
Avec Y scalaire : G, Cp,... ou bien matricielle : .
Dp C2 p
La matrice d’admittance correspondant à une impédance longitudinale est alors :
 
Z −1 −Z −1
(E.20)
−Z −1 Z −1

194
 Annexe E. Représentation matricielle de réseaux élementaires

Et la matrice d’impédance correspondant à une admittance transversale :

 −1 
Y Y −1
(E.21)
Y −1 Y −1
Remarquons que l’assemblage d’éléments pour obtenir des réseaux en échelle se traduit
par la multiplication de matrices de chaîne qui sont toujours définies.

E.3.2 Élément infinitésimal d’une ligne

Matrice de chaîne Il est admis qu’une section suffisamment petite d’une ligne de trans-
mission admet une matrice de chaîne qui est la combinaison d’une impédance longitudinale
et d’une admittance transversale.  
I Z
(E.22)
Y I
La longueur de cet élément de ligne étant noté dx, les paramètres distribués (ou constantes
répaties) z et y vérifient :
Z = zdx Y = ydx (E.23)

Remarque sur la représentation L’élément de ligne est souvent représenté par un

des schémas approchés

zdx zdx
r r r r

ydx ydx

r r r r
ou

Fig. E.8 – Représentations approximatives d’un segment élémentaire de ligne.

Par multiplication matricielle, nous obtenons les matrices de chaînes (z et y peuvent

être matricielles)
    
I zdx I 0 I + zy(dx)2 zdx
= (E.24)
0 I ydx I ydx I
ou bien     
I 0 I zdx I zdx
= (E.25)
ydx I 0 I ydx I + yz(dx)2
C’est en négligeant les termes d’ordre 2 que l’on retrouve l’expression de la matrice de
chaîne de l’élément infinitésimal d’une ligne de transmission.

195
E.3. Propriétés

E.3.3 Mise en parallèle d’impédances longitudinales

-
i′′1 -
i′′3

i′′2 Z2 i′′4
- -

v1 r -
i1 -
i′1 -
i′3 -
i3 r
v3
6 6
v2 r i i′ Z1 i′ i v4
-2 -2 -4 -4 r
6 6

r r

Fig. E.9 – Mise en parallèle d’impédances longitudinales.

D’après la définition des impédances longitudinales, nous avons les relations :

     
v1 v3 −i′3
= + Z1 (E.26)
v2 v4 −i′4
     
v1 v3 −i′′3
= + Z2 (E.27)
v2 v4 −i′′4
En supposant Z1 et Z2 inversibles, nous pouvons érire
     
−1 v1 −1 v3 −i′3
Z1 = Z1 + (E.28)
v2 v4 −i′4
     
v1 v3 −i′′3
Z2−1 = Z2−1 + (E.29)
v2 v4 −i′′4
Additionnons ces deux équations et supposons que la somme Z1−1 + Z2−1 est elle aussi
inversible.      
−1 −1 v1 −1 −1 v3 −i3
(Z1 + Z2 ) = (Z1 + Z2 ) + (E.30)
v2 v4 −i4
     
v1 v3 −1 −1 −1 −i3
= + (Z1 + Z2 ) (E.31)
v2 v4 −i4

196
 Annexe E. Représentation matricielle de réseaux élementaires

La matrice chaîne équivalente est donc

   
v1   v3
 v2  −1 −1 −1
I (Z1 + Z2 )  v4
 
 i1  = 0
 
 −i3
 (E.32)
I 
i2 −i4

E.3.4 Mise en série d’impédances longitudinales

Par utilisation des matrices de chaîne, nous pouvons écrire
   
v1    v3
 v2  Z Z
I I  v4
1 2
 
 i1  = 0 I
   (E.33)
0 I  −i3 
i2 −i4
   
v1   v3
 v2  I Z1 + Z2  v4
 
 i1  = 0
 
 −i3
 (E.34)
I 
i2 −i4

E.3.5 Couplage capacitif dans une impédance longitudinale

Considérons le réseau de la figure E.10.

C10

1 r 3r

C20 C12

2 r 4r

Fig. E.10 – Couplage par une capacité dans une impédance longitudinale.

La matrice d’admittance se déduit directement de la topologie.

    
i1 C10 p 0 −C10 p 0 v1
 i2   0 C20 p 0 −C20 p  v2 
 =
 i3   −C10 p
  (E.35)
0 (C10 + C12 )p −C12 p  v3 
i4 0 −C20 p −C12 p (C20 + C12 )p v4

197
E.3. Propriétés

La structure de cette matrice d’admittance est différente de celle d’une impédance

transversale (E.20).    
i1   v1
 i2  Z −1 −Z −1  v2 
 =   (E.36)
 i3  −Z −1 Z −1  v3 
i4 v4

C1

1 r r 3

I
C2 D

2 r r 4

Fig. E.11 – Couplage capacitif dans une impédance longitudinale.

Par contre, avec des capacités couplées, telles que nous les avons définies
 précédemment

−1 C 1 p Dp
(fig. E.11), la structure de la matrice d’admittance convient (Z = = Y ).
Dp C2 p
    
i1 C1 p Dp −C1 p −Dp v1
 i2   Dp C2 p −Dp −C2 p   v2
  
 i3  =  −C1 p −Dp C1 p
    (E.37)
Dp   v3 
i4 −Dp −C2 p Dp C2 p v4

Nous pouvons conclure sur cet exemple diphasé que la représentation du couplage
capacitif doit se faire par des capacités couplés lorsque l’on manipule des impédances et
admittances matricielles, et non par des capacités interphases. La généralisation au cas
n-phasé est admise.

198
Bibliographie

[AGV02] P. Abry, P. Gonçalves et J. L. Véhel (éds.) – Lois d’échelle, fractales et

ondelettes, Hermès Science Publications, vol. 1, Lavoisier, Paris, 2002, ISBN
2-7462-0409-6.
[AI87] M. Aguet et M. Ianoz – Haute tension, Traité d’électricité, d’électronique
et d’électrotechnique, Dunod, 1987.
[Bay54] M. Bayard – Théorie des réseaux de Kirchhoff, régime sinusoïdal et synthèse,
Collection technique et scientifique du CNET, Édition de la Revue d’optique,
ministère des postes, télégraphes et téléphones, Paris, 1954.
[Ber93] L. L. Beranek – Acoustics, Acoustical Society of America (through the Ame-
rican Institute of Physics), 1993, First edition in 1954 at the Acoustic Labo-
ratory, MIT.
[BG83] A. Bouvier et M. George – Dictionnaire des Mathématiques, 2e éd., Presses
Universitaires de France, Paris, 1983.
[BI94] C. Brezinski et J. V. Iseghem – « Padé approximations », Techniques of
Scientific Computing (Part 1), Numerical Methods for Solids (Part 1), Solution
of Equations in Rn (Part 2) (P. G. Ciarlet et J. L. Lions, éds.), Handbook of
Numerical Analysis, vol. 3, Elsevier Science, 1994.
[BI95] — , « A Taste of Padé Approximation », Acta Numerica (1995), p. 53–103.
[Blo20] A. Blondel – « Sur les méthodes modernes de calcul et sur le régime de
fonctionnement des lignes de transmission d’énergie à haute tension », Revue
générale de l’électricité VIII (1920), no. 5-6, p. 131–141(5), 163–174(6), 195–
206(6), 227–236(6).
[Blo37] — , « L’évolution des méthodes de calcul des phénomènes transitoires », Revue
générale de l’électricité XLI (1937), no. 8-11, p. 227–240(8), 259–271(9), 298–
311(10), 327–340(11), 579–596(19).
[BN96] R. Boite et J. Neirynck – Théorie des réseaux de kirchhoff, Traité d’élec-
tricité de l’École Polytechnique Fédérale de Lausanne, vol. 4, Presses Poly-
techniques et Universitaires Romandes, CH-1015 Lausanne, 1996.
[BPA02] J.-L. Battaglia, L. Puigsegur et [Link] – « Représentation non-
entière du transfert de chaleur par diffusion. Utilité pour la caractérisation

199
Bibliographie

et le contrôle non destructif thermique », International journal of thermal

science (2002).
[BR09] A. Blondel et C. L. Roy – « Calcul des lignes de transport d’énergie à
courants alternatifs en tenant compte de la capacité et de la perditance ré-
parties », La Lumière électrique VII (2) (1909), no. 38-52, p. 355–363(38),
387–394(39), 99–103(43), 131–136(44), 387–395(52).
[Bro00] M. Broussely – « Réduction de modèles thermiques par la théorie des ré-
seaux, application à la surveillance d’une machine asynchrone par couplage
d’un modèle thermique réduit avec un schéma équivalent électrique », Thèse
de doctorat, ENSMA, Poitiers, 2000.
[Bru31] O. Brune – « Synthesis finite two terminal network whose driving point impe-
dance is prescribeb function frequency », Journal of mathematics and physics
10 (1931), p. 191–236.
[Car93] P. A. Carré – « Brève histoire des télécommunications. Du réseau simple
aux réseaux pluriels », Le réseau intelligent, Les mémentos techniques des
conférences France Télécom recherche, no. 1, octobre 1993, [Link]
[Link]/fr/conseil/mento1/[Link].
[Cau26] W. Cauer – « Die Verwirklichung von Wechselstromwiderständen vor-
geschriebener Frequenzabhängigkeit », Archiv für Elektrotechnik 17 (1926),
p. 355–388.
[cem04] Colloque international de compatibilite électromagnetique – Toulouse, mars
2004.
[Cha96] M. Charbit – Éléments de théorie du signal, aspects aléatoires, Collection
pédagogique de télécommunication, Ellipses, Paris, 1996, ISBN 2-7298-5640-
4.
[Cla94] P. R. Clayton – Analysis of Multiconductor Transmisson Lines, Wiley series
in Microwave and Optical Engineering, J. Wileys and sons, 1994.
[CM95] E. Cauer et W. Mathis – « Wilhelm Cauer (1900-1945) », Archiv fur Elek-
tronik und Ubertragungstechnik 49 (1995), no. 5/6, p. 243–251.
[Coh35] L. Cohen – Théorie du circuit électrique de Heaviside. Application aux filtres
électriques, aux câbles sous-marins, aux lignes de transmission d’énergie et aux
lignes artificielles., Léon Eyrolles, Paris, 1935, Introduction de M. I. Pupin,
traduit de l’anglais par F. Sarrat, avant-propos par Paul Janet.
[Cor91] C. Corroyer – « Protection des réseaux, généralités », Génie électrique, no.
D 4 800, Techniques de l’ingénieur, 1991.
[CZ95] R. F. Curtain et H. Zwart – An Introduction to Infinite-Dimensional Li-
near Systems Theory, Texts in Applied Mathematics, Springer-Verlag, New-
York, etc., 1995, ISBN 0-387-94475-3.

200
 Bibliographie

[DC17] X. Devaux-Charbonnel – « La contribution des ingénieurs français à la

téléphonie à grande distance : Vaschy et Barbarat », Revue générale de l’élec-
tricité II (1917), no. 8, p. 288–295.
[DI87] A. Draux et P. V. Ingelandt – Polynômes orthogonaux et approximants de
Padé, Collection Langages et Algorithmes de l’informatique, Éditions Technip,
Paris, 1987.
[Duv91] P. Duvaut – Traitement du signal, Traité des nouvelles technologies, Hermés,
Paris, 1991, ISBN 2-86601-278-X.
[Esc97] J.-M. Escané – Réseaux d’énergie électrique. Modélisation : lignes, câbles,
collection de la DER d’EDF, Édition Eyrolles, 1997.
[Fal32] J. Fallou – « Propagation des courants de haute fréquence polyphasés le
long des lignes aériennes de transport d’énergie affectées de courts-circuits
ou de défauts d’isolement. Application à la protection sélective des réseaux
électriques. », Thèse, Faculté des sciences de l’université de Paris, juin 1932.
[Fel86] M. Feldmann – Théorie des réseaux et systèmes linéaires, deuxième éd.,
Collection technique et scientifique des télécommunications, Eyrolles, Paris,
1986.
[Fla98] P. Flandrin – Temps-fréquence, deuxième éd., collection traitement du si-
gnal, Hermès, Paris, 1998, ISBN 2-86601-700-5.
[Fos24a] R. M. Foster – « A reactance theorem », The Bell system technical journal
(1924), p. 259–267.
[Fos24b] — , « Theorems Regarding the Driving-Point Impedance of Two Mesh Cir-
cuits », The Bell System Technical Journal (1924).
[Fou22] M. Fourier – Théorie analytique de la chaleur, Firmin Didot, père et fils,
Paris, 1822, Réédition Jacques Gabay, 1988.
[Fou93] G. Fournet – « Électromagnétisme – Application à l’Électrotechnique »,
Traité de Génie Électrique, vol. D1, Techniques de l’Ingénieur, 1993.
[Fry29] T. Fry – « The use of continued fractions in the design of electrical networks »,
Bull. Amer. Math. Soc., vol. 35, 1929, p. 463–498.
[GABG70] J. George A. Baker et J. L. Gammel (éds.) – The Padé Approximant
in Theoretical Physics, Mathematics in Science and Engineering, Academic
Press, New-York et Londres, 1970.
[Gar64] P. R. Garabedian – Partial Differential Equations, John Wiley & Sons,
New York, London, Sydney, 1964.
[Gar76] C. Gary – « Approche complète de la propagation multifilaire en haute fré-
quence par utilisation des matrices complexes », Bulletin de la direction des
études et recherches – série B, Réseaux électriques, matériels électriques 3/4,
EDF, 1976.

201
Bibliographie

[Gau75] W. Gautschi – « Computational Methods in Special Functions – A Survey »,

Theory and Application of Special Functions (R. A. Askey, éd.), Academic
Press, 1975.
[GEC] GEC Alsthom T&D – Protection des réseaux de transport d’énergie électrique
à haute tension, Session technique de formation. FP5.
[Har98] K. Harker – Power Commissioning and Maintenance Practice, IEE Power
Series, no. 24, The Institution of Electrical Engineers, London, 1998.
[Ise88] J. V. Iseghem – « Polynômes orthogonaux : synthèse des présentations des
polynômes orthogonaux classiques, extensions », PUB. IRMA, Lille, 1988.
[Joh94] P. Johannet – « Les phénomènes de propagation – Généralités sur l’analyse
modale », Direction des Études et Recherches – Service Matériel Électrique
94NR00066, EDF, 1994.
[Joh97] — , « Lignes aériennes : chutes de tension », Traité de génie électrique, vol. D4,
Techniques de l’ingénieur, 1997.
[Joh98] — , « Constantes linéiques des lignes et des câbles : Formulaire pour le cal-
cul des chutes de tension et des phénomènes de propagation », Direction des
Études et Recherches – Service Matériel Électrique HM-76/98/022/A, EDF,
1998.
[JT80] W. B. Jones et W. J. Thron – Continued fractions : analytic theory and ap-
plications, Encyclopedia of mathematics and its applications, vol. 11, Addison-
Wesley Pub. Co., 1980.
[Kai80] T. Kailath – Linear systems, information and system sciences series,
Prentice-Hall, 1980, ISBN : 0-13-536961-4.
[Khi64] A. Y. Khinchin – Continued Fractions, 3e éd., Phoenix Science Series, The
University of Chicago Press, Chicago et Londres, 1964.
[Lam78] C. Lamoureux – « Fonctions Cylindriques de Bessel », cours de première
année d’étude de l’École Centrale des Arts et Manufactures, 1978.
[LBBS01] P. Lagonotte, M. Broussely, Y. Bertin et J.-B. Saulnier – « Impro-
vement of Thermal Nodal Models with Negative Compensation Capacitors »,
The European Physical Journal Applied Physics 13 (2001), no. 3, p. 177–194.
[LBS99] P. Lagonotte, Y. Bertin et J.-B. Saulnier – « Analyse de la qualité de
modèles nodaux réduits à l’aide de la méthode des quadripôles », International
Journal of Thermal Sciences 38 (1999), p. 51–65.
[LK92] S. Lin et E. S. Kuh – « Pade Approximation Applied to Transient Simula-
tion of Lossy Coupled Transmission Lines », Proc. IEEE Multi-Chip Module
Conference, 1992, p. 52–55.
[LN00] P. Lagonotte et F. Ndagijimana – « Modélisation de la propagation sur
des lignes électriques », Colloque international de compatibilité électromagné-
tique (Clermont-Ferrand (France)), mars 2000, p. 110–115.

202
 Bibliographie

[LPC00] P. Lagonotte, M. Poloujadoff et A. Calvaer – « Introduction to an

Improved Modelling of Electric Line Propagation », IEEE Power Engineering
Letters (2000), p. 49–51.
[LSOH99] F. Levron, J. Sabatier, A. Oustaloup et L. Habsieger – « From partial
differential equations of propagative recursive systems to non integer differen-
tiation », Fractional calculus and applied analysis 2 (1999), no. 3, p. 245–264.
[MAB+ 00] D. Maillet, S. André, J. C. Batsale, A. Degiovanni et C. Moyne –
Thermal Quadrupoles, Solving the Heat Equation through Integral Transforms,
John Wiley and Sons, Ltd, Chichester, Weinheim, New-York, Brisbane, Sin-
gapour, Toronto, 2000.
[Mar90] J. Martinet – Thermocinétique approfondie, Technique et Documentation,
Lavoisier, Paris, 1990.
[Mat94] D. Matignon – « Représention en variables d’état de guides d’ondes avec
dérivation fractionnaire », Thèse, université de Paris XI, novembre 1994.
[Mat02] — , « Introduction au calcul fractionnaire », ch. 4, vol. 1 de Abry et al.
[AGV02], 2002, ISBN 2-7462-0409-6.
[Men99] Mensler – « Analyse et étude comparative de méthodes d’identification des
systèmes à représentation continue, développement d’une boîte à outils logi-
cielle », Thèse de doctorat, université Henri Poincarré, Nancy I, Centre de
recherche en automatique de Nancy, janvier 1999.
[Mic92] F. Michaut – Méthodes adaptatives pour le signal, Traité des nouvelles tech-
nologies, série traitement du signal, Hermès, Paris, 1992.
[Mik83] J. Mikusiński – Operationnal calculus, second éd., International series of
monographs in pure and applied mathematics, Pergamon Press, New-York,
1983, Translation of Rachunek Operatorów.
[MK00] M. S. Mamis et M. Köksal – « Remark on the lumped parameter modeling
of transmission lines », Electric machines and power systems 28 (2000), no. 6,
p. 565–575.
[Mor00] R. Morvan – « Modélisation de circuits et systèmes de dimension infinie »,
thèse de doctorat, Université de Bretagne occidentale, Laboratoire d’électro-
nique et systèmes de télécommunications, janvier 2000.
[Mun90] S. M. Munk – Studies of the "PXLN LMS-algorithm", GEC-Alsthom, July
1990.
[Niv56] I. Niven – Irrationnal Numbers, The Carus Mathematical Monographs,
vol. 11, The Mathematical Association of America, 1956.
[NR75] J.-P. Noualy et G. L. Roy – « Réponse transitoire des câbles, première
partie : étude des modes de propagation », Bulletin de la direction des études
et Recherches – série B, Réseaux électriques, matériels électriques 1, EDF,
1975.

203
Bibliographie

[Ous83] A. Oustaloup – Systèmes asservis linéaires d’ordre fractionnaire, théorie et

pratique, 1983.
[Ous95] — , La dérivation non entière, théorie, synthèse et applications, Traité des
nouvelles technologies, série automatique, Hermès, Paris, 1995.
[Ous98] — , « Les Mathématiques de l’amortissement », Pour la Science (1998),
no. 253.
[Pet95] R. Petit – L’outil mathématique, 4 éd., Enseignement de la physique, Masson,
Paris, Milan, Barcelone, 1995.
[Pré98] C. Prévé – Protection des réseaux électriques, Hermés, Paris, 1998, ISBN
2-86601-688-2.
[Pél75] R. Pélissier – Les Réseaux d’Énergie Électrique – Propagation des Ondes
Électriques sur les Lignes d’Énergie, vol. 5, Dunod, Bordas Paris Bruxelles
Montréal, 1975.
[Riu01] D. Riu – « Modélisation des courants induits dans les machines électriques
par des systèmes d’ordre un demi », Thèse de doctorat, Institut national poly-
technique de Grenoble, Laboratoire d’électrotechnique de Grenoble, Décembre
2001.
[RM00] P. Rossat-Mignod – Contribution à la Modélisation d’un réseau d’éclairage
avec lampe à décharge type fluorescent, sous logiciel de type circuit simplo-
rer, Mémoire, Conservatoire National des Arts et Métiers, Lyon, 2000.
[Rou02] P. Rouchon – « A Catalogue of "Flat" Partial Differential Systems », In-
ternational School in Automatic Control of Lille, Control of Distributed Para-
meter Systems : Theory and Applications (École centrale de Lille), September
2002.
[Rés02] Réseau de transport d’électricité – Mémento de la sûreté du système élec-
trique, 2002, ISBN 2-912440-06-8, téléchargeable à partir du site [Link]
[Link].
[Sab98] J. Sabatier – « La dérivation non entière en modélisation des systèmes à
paramètres distribués récursifs et en commande robuste des procédés non sta-
tionnaires », thèse de doctorat, université Bordeaux I, laboratoire d’automa-
tique et de productique, novembre 1998.
[San59] G. Sansone – Orthogonal functions, Pure and applied mathematics, vol. IX,
Interscience publishers, inc., New York, 1959, Revised english edition, trans-
lated from the italian by A. H. Diamond.
[Sas94] A. Sastres – Protection des réseaux HTA industriels et tertaires, Merlin
Gérin, décembre 1994, CT 174.
[Sch34] S. A. Schelkunoff – « The electromagnetic theory of coaxial transmission
lines and cylindrical shields », Bell System Technical Journal (EU) 13 (1934).
[Sch66] L. Schwartz – Théorie des distributions, Hermann, Paris, 1966, Nouveau
tirage, 1998. ISBN 2 7056 5551 4.

204
 Bibliographie

[SDL03] F. Soulier, N. Dollinger et P. Lagonotte – « From Cauer synthesis to

Legendre polynomials. The case of the lossless transmission line », IFAC Work-
shop on Time-Delay Systems (TDS’03) (Rocquencourt (France)), september
2003.
[SL00] M. R. Spiegel et J. Liu – Formules et Tables de Mathématique, 2e éd.,
Schaum, Mac Graw-Hill, Londres, etc., 2000.
[SL02] F. Soulier et P. Lagonotte – « Modeling Distributed Parameter Systems
with Discrete Element Networks », Proceedings of the Fifteenth International
Symposium on Mathematical Theory of Networks and Systems (MTNS) (South
Bend, Indiana, USA) (D. S. Gilliam et J. Rosenthal, éds.), University of Notre
Dame, August 2002, Article [Link], [Link]/~mtns.
[SL04] — , « Synthèse de Cauer bidimensionnelle pour la simulation en temps réel
d’une ligne de transmission avec effet de peau », [cem04], soumis en octobre
2003.
[Spi73] M. R. Spiegel – Variables Complexes – cours et problèmes, Schaum, Mac
Graw-Hill, New-York, etc., 1973.
[Spi85] — , Transformées de Laplace : cours et problèmes, 4e éd., McGraw-Hill, 1985,
trad. française Romain Jacoud (Theory and Problems of Laplace Transforms).
[SS89] T. Söderström et P. Stoica – System Identification, Series in systems and
control engineering, Prentice Hall, New York, etc., 1989.
[Tou02] Y. Touré – « Semigroup Formalism and Internal Model Control for a Heat
Exchanger », International School in Automatic Control of Lille, Control of
Distributed Parameter Systems : Theory and Applications (École centrale de
Lille), September 2002.
[Tri00] J.-F. Trigeol – Nouvelles méthodes optimales de modélisation thermique
d’ordre infini. Application à des modèles réduits analytiques, Mémoire de dea,
Université de Poitiers, Laboratoire d’Études Thermiques, 2000.
[TSL02] J.-F. Trigeol, F. Soulier et P. Lagonotte – « Reduction of analytical
thermal models and their development in the form of networks », The european
physical journal applied physics 20 (2002), no. 2, p. 105–119.
[Val00] A. Valenti – « Localisation de défauts monophasés à la terre dans les réseaux
de distribution HTA », Thèse de doctorat, Université Paris 6, octobre 2000.
[Wal48] H. S. Wall – Analytic theory of continued fractions, The university series in
higher mathematics, D. Van Nostrand Co., New York, 1948.
[Wal94] G. G. Walter – Wavelets and Other Orthogonal Systems with Applications,
CRC Press, 1994, ISBN 0-8493-7878-8.
[WC97] D. J. Wilcox et D. J. Condon – « A New Transmission-Line Model for
Time-Domain Implementation », The international Journal for Computation
and Mathematics in Electrical and Electronic 16 (1997), no. 4, p. 261–274.

205
Bibliographie

[WC98] — , « Time-Domain Model for Multiconductor Power Transmission Lines »,

IEE Proceedings on Generation, Transmission and Distribution 145 (1998),
no. 4, p. 473–479.
[Wol74] W. Wolovich – Linear multivariable systems, applied mathematical sciences,
Springer Verlag, New York, etc., 1974, ISBN : 0-387-90101-9.
[WP94] E. Walter et L. Pronzato – Identification de modèles paramétriques :
à partir de données expérimentales, Modélisation, analyse, simulation, com-
mande, Masson, Paris, Milan, Barcelone, 1994.
[YFW82] C.-S. Yen, Z. Fazarinc et R. L. Wheeler – « Time-Domain Skin-Effect
Model for Transient Analysis of Lossy Transmission Lines », Proceedings of
the IEEE, vol. 70, juillet 1982.

206
 Bibliographie

207
 Résumé
La modélisation des lignes électriques a donné lieu à de nombreux travaux. De nos
jours, elle s’inscrit dans le contexte plus large de l’étude des systèmes à paramètres répartis.
Cependant, au fur et à mesure que se raffinent les solutions analytiques, des modèles
approchés doivent être développés pour des applications telles que la protection des lignes
à haute tension.
Nous étudions donc des approximations rationnelles de fonctions grâce au théorème de
Mittag-Leffler et au développement en fractions continues. Ces approches permettent de
généraliser les synthèses de Foster et Cauer aux impédances d’ordre infini. Des exemples
d’applications dans différents domaines de la physique sont donnés.
Nous montrons enfin que cette approche peut s’étendre aux fonctions matricielles et
fournir une méthode peu contraignante de modélisation des lignes polyphasées. Ce dernier
résultat permet de proposer un algorithme d’identification de défauts sur une ligne de
transport d’énergie électrique.

Mots-clefs Équation des télégraphistes, diffusion, propagation, systèmes à paramètres

répartis, théorème de Mittag-Leffler, fractions continues, approximants de Padé, synthèse
de Foster-Cauer, modèles d’ordre réduit, impédance matricielle, protection des lignes po-
lyphasées.

Abstract
Many researches have been made on the modeling of transmission lines. Nowadays,
it takes place in the realm of distributed parameter systems. Nevertheless, while the
analytical solutions get more sophisticated, approximate models need to be developed for
applications such as the protection of high voltage lines.
Thus we study rational approximations of functions thanks to the Mittag-Leffler’s
theorem and to the continued fraction expansions. These methods allow the generalization
of the Foster and Cauer’s syntheses to infinite order impedances. Some examples are given
as applications in different physical domains.
Eventually, we put in evidence how this approach can be extended to matrix functions,
that gives a method to model polyphase lines with few constraints. This result allows to
propose a fault identification algorithm on an electrical power transmission line.

Title Distributed parameter systems modeling by impedance expansions in the Laplace

domain. Application to the digital protections and to fault location on three phase lines.

Laboratoire Laboratoire d’études thermiques, umr cnrs 6608, ensma, 86 961 Futu-
roscope Chasseneuil.