UNIVERSITE KASDI MERBAH OUARGLA

Faculté des Sciences Appliquées

Département de Génie Electrique

Mémoire
MASTER ACADEMIQUE
Domaine : Sciences et technologies
Filière : Electrotechnique
Spécialité : Réseaux électriques
Présenté par :
Debbakh Saad Elbar Yakoub

Thème:

Minimisation des pertes d'un réseau électrique de

distribution en présence d'un générateur d'énergie
dispersé par une méthode hybride PSO-Firefly

Soumis au jury composé de :

MrBouhadouza Boubekeur MAA Président UKM

Ouargla
MrGuehrar Youcef MAA Encadreur/rapporteur UKM
Ouargla
MrSadaoui Fares MCA Examinateur UKM
Ouargla

Année universitaire 2020/2021

 ‫بسماللهالرحمانالرحيم‬
Au nom d’Allah le Clément, le Miséricordieux.

Tout d’abord, Nous remercions ALLAH, le Tout puissant, pour toutes ses bénédictions

On trouve dans la tradition prophétique le hadith

« Celui qui ne remercie pas les gens n'a pas remercié Allah »

Je tiens à exprimer mes plus vifs remerciements à mon encadreur

monsieur Guehrar Youcef, maitre assistant à l’université de Kasdi Merbah

Ouargla, d’avoir proposé le sujet de ce mémoire et de me foire profiter de

ses conseils et de sa grande

compétence dans le domaine du réseau électrique.

J’exprime mes sincères remerciements à Monsieur Louazen , Chef de département de

génie électrique de l’université Kasdi Merbah Ouargla,

Mes remerciements vont au corps enseignants et administratifs de la Faculté des sciences

appliquées, en particulier ceux du département de Génie électrique, pour la richesse et la
qualité de leur enseignement et les efforts déployés pour assurer à leurs étudiants une
formation actualisée.

Enfin, nous adressons nos plus sincères remerciements à tous nos proches et amis, qui nous
ont toujours encouragés au cours de la réalisation de ce mémoire. Merci à tous et à toutes.
 Je dédie ce modeste travail

A ma mère, source d'affection, de courage et d'inspiration qui a

Autant sacrifié pour me voir atteindre ce jour .

A la mémoire de mon très cher père, source de respect, en témoignage de ma profonde

reconnaissance pour tout l'effort et le soutien incessant qui m'a toujours apporté

A mes frères et sœurs Farid , Rida , samir , Abd Arahman, Tahar ,

Noura , Fatima , Nadia , Sabrina

A tous mes oncles ainsi qu'à leurs familles.

A toutes mes tantes et leurs familles.

A tous mes ami(e)s du département,

A toute la famille,

A touts mes amis,

Une spéciale dédicace à mon collègue Yakoub Elbar

Enfin, je dédie ce travail à tous mes collègues et amis de la

promotion Réseaux électriques 2020/2021

Saad Debbakh
Je dédie ce modeste travail à mes parents en signe de reconnaissances pour tout ce qu’ils
ont consenti comme efforts, rien que pour me voir réussir, et voilà, l’occasion s’est
présentée

A mes frères Mohammed boudiaf , Abd mouaiz

et mes sœurs Kenza , Safa et Maroua et à toute la famille

A tous mes amis sans exception

A toutes les personnes importantes dans ma vie

Une spéciale dédicace à mon collègue Saad Debbakh

je dédie ce travail à tous mes collègues et amis de la

promotion Réseaux électriques 2020/2021.

Yakoub Elbar
 Liste des abréviations et symboles

Liste des abréviations et symboles

BT : Basse Tension.

B : Courants des Branches.

BCBV : Branch Current Bus Voltage (Tension de bus courant de branche).

BFS: Backward and Forward Sweep (Balayage arrière et avant).

BIBC : Bus Injection Branch Current (Branche d'injection de bus).

FP : Facteur de Puissance.

JDB : Jeu De Barres.

HTA : Haute de Tension classe A.

HTB : Haute de Tension class B.

GED : Générateur d’Energie Décentralisé.

𝑘 : Nombre d’itérations.

MT : Moyenne Tension.

P : Puissance Active.

PSO : Particule Swarm Optimisation (L’optimisation par essaim de particules

(PSO)).

FA : Firefly Algorithme.

Q : Puissance Réactive.

𝑆(𝑖) : Nouvelle Puissance apparente de JDB.

𝑆(𝑖)′: Ancienne Puissance de JDB.

𝑆𝐺𝐸𝐷(𝑖) : Puissance de GED au JDB.

LSF : Loss Sensitivity Factors.

PV : Photovoltaïque.

Pam : Pertes Actives Minimales .

Pbesti: Meilleure position de la particule i .

Gbest : Meilleure position de l'ensemble des particules de l'essaim .

 Liste des abréviations et symboles

Iv: Intensité lumineuse.

r: Distance enter deux particules .

Xi:Réactance de la ligne de transmission i .

xi : position de la particule i .

vi : position de la particule i .

ω: Masse d'inertie.

C1, C2 : Coefficients d'accélération.

Vi: Tension au nœud i.

 Table des figures

Table des figures

Chapitre I :

Figure (I.1):Réseau d’étude utilisé pour la mise en évidence des impacts de 7

l’insertion de GED .
Figure (I.2) : Transit des puissances dans le réseau test sans GED . 8

Figure (I.3) : Transit de puissance dans le réseau test avec une GED connecté au 8
nœud 5 .
Figure (I.4) : Exemple d’un export de puissance vers le réseau de transport . 9

Figure (I.5) : Impact de DEG sur la sélectivité du défaut . 11

Figure(I.6) : Aveuglement de la protection du départ en défaut . 11
Chapitre II :

Figure (II.1) :Réseau de distribution radiale . 14

Figure (II.2): Déplacement d’une particule . 17

Figure (II.3): Organigramme de l'algorithme d'optimisation d'essaim de 18

particules standard .
Figure (II.4) : Organigramme de l'algorithme Firefly 20

Figure (II.5): Organigramme de l'algorithme HFPSO proposé 22

Figure (II.6): Une ligne de distribution avec une impédance et une charge . 23

Figure (II.7) : Organigramme de l'algorithme de calcul optimal . 27

Chapitre III :

Figure (III.1) : Schéma unifilaire de réseau de 33 jeux de barres . 30

Figure (III.2) : Profil de tension en (pu) sans GED 30

Figure (III.3) : Profil LSF pour tous les jeux de barres pour réseau 33 JDB avec 32
un GED
Figure (III.4) : Convergence de la fonction objective «𝑙𝑒𝑠𝑝𝑒𝑟𝑡𝑒𝑠𝑎𝑐𝑡𝑖𝑣𝑒𝑠 » pour 33
réseau 33 JDB, ,JDB candidat 06 (FP=1).
Figure (III.5) : Profil de tension en (pu) sans et avec GED au JDB candidat 06 34
,facteur de puissance = 1 , réseau 33 JDB .

Figure (III.6) : Convergence de la fonction objective «𝑙𝑒𝑠𝑝𝑒𝑟𝑡𝑒𝑠𝑎𝑐𝑡𝑖𝑣𝑒𝑠 » pour 35

réseau 33 JDB, ,JDB candidat 06 (FP=0.9).
Figure (III.7) : Profil de tension en (pu) sans et avec GED au JDB candidat 06 35
 Table des figures

,facteur de puissance = 0.9 , réseau 33 JDB .

Figure (III.8) : Convergence de la fonction objective «𝑙𝑒𝑠𝑝𝑒𝑟𝑡𝑒𝑠𝑎𝑐𝑡𝑖𝑣𝑒𝑠 » pour 36
réseau 33 JDB, ,JDB candidat 06 (FP=0.8).
Figure (III.9) : Profil de tension en (pu) sans et avec GED au JDB candidat 06 37
,facteur de puissance = 0.8 , réseau 33 JDB .
Figure (III.10) : Profil de tension en (pu) sans et avec GED 38
 Liste des tableaux

Liste des tableaux

Chapitre III :

Tableau (III.1) : Caractéristiques du réseau de distribution pour le réseau de 33 29

JDB
Tableau (III.2) : L'amplitude de la tension aux jeu de barres du réseau 31
distribution de 33 JDB sans insertion de GED
Tableau (III.3) : Valeurs des paramètres du HFPSO de notre problème. 33

Tableau (III.4) : Résultat global pour réseau 33 JDB 37

 Table des matières

sdrèa aaT ed elbaT

Liste des abréviations et symboles
Table des figures
Liste des tableaux
sdrèa aaT ed elbaT
Introduction générale ............................................................................................................................................... 1
Chapitre I :Intégration de GED dans les réseaux de distribution
I.1.Introduction ................................................................................................................................... 2
I.2. Réseaux de distribution ................................................................................................................ 3
I.2.1.Réseaux de distribution à moyenne tension ............................................................................... 3
I.2.2.Réseaux de distribution à basse tension ..................................................................................... 3
I.3.Différents modèles de GED dans le réseau électrique .................................................................. 3
I.3.1. GED de type 1 capable d'injecter de la puissance active (P) uniquement ................................ 3
I.3.2. GED de type 2 capable d'injecter à la fois de la puissance active (P) et de la puissance
réactive (Q)......................................................................................................................................... 4
I.3.3. GED de type 3 capable d'injecter de la puissance réactive (Q) uniquement ............................. 4
I.3.4. GED de type 4 capable d'injecter de la puissance active (P), mais consommer de la puissance
réactive (Q)......................................................................................................................................... 4
I.4.Avantages des GED ...................................................................................................................... 4
I.5. Difficultés des GED ..................................................................................................................... 5
I.6. Impact de la production décentralisée sur le réseau de distribution............................................. 6
I.6.1.Impact sur le plan de tension ..................................................................................................... 6
I.6.2. Impacts sur le sens de transit de puissance ............................................................................... 7
I.6.3.Impacts sur la stabilité du système ............................................................................................. 9
I.6.4. Impacts sur la qualité de service ............................................................................................... 9
I.6.5. Impacts sur l’observabilité et de contrôlabilité du système ...................................................... 9
I.6.6. Impacts sur la continuité de service ........................................................................................ 10
I.6.7. Impact sur le plan de la protection .......................................................................................... 10
I.6.7.1.Impact sur les courants de court-circuit ................................................................................ 10
I.6.7.2. Influence sur la sélectivité des protections .......................................................................... 10
I.6.7.3. Aveuglement de la protection du départ en défaut .............................................................. 11
I.7. Conclusion ................................................................................................................................. 11
Chapitre II : Elaboration d'un algorithme de calcul optimal par PSO-Firefly
II.1. introduction............................................................................................................................... 13
II.2. Ecoulement de puissance du réseau de distribution ................................................................. 13
 Table des matières

II.2.1.Méthode BFS (BALAYAGE ARRIÈRE / AVANT) ............................................................. 13

II.2.2.Algorithme de BIBC ............................................................................................................... 14
Formulation de la matrice BIBC ...................................................................................................... 15
II.2.3. Algorithme de BFS ................................................................................................................ 15
II.3. Optimisation par la méthode Hybrid Firefly-Particle Swarm .................................................. 16
II.3.1. Méthode de L’optimisation par essaim de particules (PSO) ................................................. 16
II.3.2. Algorithme d'optimisation Firefly ......................................................................................... 18
II.3.3. Méthode de L’optimisation (HFPSO) ................................................................................... 21
II.4.Elaboration de l'algorithme de calcul ........................................................................................ 23
II.4.1. Facteurs de sensibilité aux pertes (Loss Sensitivity Factors) (LSF) ...................................... 23
II.4.2. La function objective (Algorithm de Backward/Forward Sweep modifier) .......................... 24
II.5. Organigramme de calcul global ................................................................................................ 26
II.6.Conclusion ................................................................................................................................. 27
Chapitre III: Résultats Et Discussions
III.1. Introduction ............................................................................................................................. 29
III.2. Résultats et interprétations ...................................................................................................... 29
III.2.1. Jeu de barres condidat .......................................................................................................... 30
III.2.2. Paramètres du HFPSO .......................................................................................................... 33
III.3. Réseau test 33 JDB.................................................................................................................. 33
III.3.1. FP = 1 ................................................................................................................................... 33
III.3.2. Amélioration du profil de tension ........................................................................................ 34
III.3.3. FP = 0.9 ................................................................................................................................ 34
III.3.4. Amélioration du profil de tension ........................................................................................ 35
III.3.5. FP = 0.8 ................................................................................................................................ 36
III.3.6. Amélioration du profil de tension ........................................................................................ 37
III.4. Comparaison entre les résultats ............................................................................................... 37
III.5. Conclusion............................................................................................................................... 38
Conclusion générale .............................................................................................................................................. 40
Références bibliographiques .............................................................................................................................. 41
 Introduction générale

Introduction générale

Un réseau électrique est un ensemble d'infrastructures permettant d'acheminer

l'énergie électrique des centres de production vers les consommateurs d'électricité. Il est
constitué de lignes électriques exploitées à différents niveaux de tension, connectées entre
elles dans des postes électriques. Les postes électriques permettent de répartir l'électricité
et de la faire passer d'une tension à l'autre grâce aux transformateurs. Un réseau électrique
doit aussi assurer la gestion dynamique de l'ensemble production, transport et
consommation, mettant en œuvre des réglages ayant pour but d'assurer la stabilité de
l'ensemble [1].

Les réseaux de distribution sont la dernière phase dans la procédure

d'acheminement de l'énergie électrique à partir des centrales de production aux
consommateurs. Ils constituent conventionnellement des circuits électriques passifs dans
lesquels les flux de puissance active et réactive s'écoulent des hautes vers les basses
tensions. Ces flux ainsi que les tensions sont déterminés par les charges.

L'objectif de ce mémoire consiste à trouver le meilleur emplacement de GED avec

une taille optimale dans un réseau de distribution dans le but de réduire les pertes actives
dans ces réseaux.

Ce mémoire est constitué de trois chapitres. Dans le premier chapitre, on présentera

une description et un état de l’art sur la production décentralisée.On décrira par la suite les
différents modèles de GED insérés dans le réseau électrique. Le deuxième chapitre
exposera le problème d’optimisation basé sur la méthode PSO-Firefly. Dans le chapitre
trois, l'algorithme présenté au chapitre deux sera appliqué sur un réseau de distribution test
IEEE 33 JDB. Enfin,une conclusion générale de ce mémoire dans laquelle nous ferons une
synthèse récapitulative du travail réalisé.

1
Chapitre I :Intégration de GED dans les
réseaux de distribution
 Chapitre I Intégration de GED dans les réseaux de distribution

I.1.Introduction
Les réseaux électriques sont considérés comme des infrastructures hautement
critiques pour notre société. Ces réseaux sont conçus traditionnellement d’une manière
verticale où les transferts de l’énergie suivent le schéma dit « du haut en bas » : Production
-Transport- Distribution. [2]

Les réseaux électriques sont traditionnellement exploités d'une manière centralisée.

Ainsi, la plus grande partie de la production électrique est centrée autour de centrales à
grande capacité de production (type centrales hydrauliques, thermiques, nucléaires). Cette
production est souvent liée à des emplacements géographiques adéquats (sources d'eau,
impératifs techniques, ...). L'énergie est ensuite acheminée vers les grands centres de
consommation à travers un réseau de lignes aériennes et de câbles, souvent à de grandes
distances et à des niveaux de tension plus au moins importants. Cette structure a été
construite sur des bases économiques, de sécurité du système et de qualité de fourniture de
l'énergie.

Les réseaux de distribution sont des réseaux de topologie radiale ramifiée et ont
plusieurs jeux de barres (JDB) de charges. Le problème qui se pose est comment choisir le
meilleur emplacement de GED avec une taille optimale dans un réseau de distribution pour
réduire les pertes dans ces réseaux.

Les principaux problèmes liés au raccordement de Génération d’Energie

Décentralisée(nommée GED) sur le réseau de distribution sont liés aux problèmes de
capacité techniqued’accueil d’une part et aux problèmes réglementaires qui obligent le
distributeur à accepter leur accordement d’un producteur sur le réseau de distribution
d’autre part. En effet, le réseau dedistribution n’a pas été conçu, à la base, pour accepter de
la production. Cette problématiquepeut remettre largement en cause la façon de planifier et
d’exploiter les réseaux dedistribution.

Dans ce chapitre, nous présenterons les caractéristiques de réseaux de distribution.

Nous décrirons par la suite les différents types de GED et l'impact de ce dernier sur le
fonctionnement du réseau

2
 Chapitre I Intégration de GED dans les réseaux de distribution

I.2. Réseaux de distribution

Les réseaux de distribution commencent à partir des tensions inférieures à 60 kV et
des postes de transformation HTB/HTA avec l’aide des lignes ou des câbles moyenne
tension jusqu’aux postes de répartition HTA/HTA. Le poste de transformation HTA/BTA
constitue le dernier maillon de la chaîne de distribution et concerne tous les usages du
courant électrique.

I.2.1.Réseaux de distribution à moyenne tension

HTA (30 et 10 kV le plus répandu),

 Neutre à la terre par une résistance,

 Limitation à 300 A pour les réseaux aériens,

 Limitation à 1000 A pour les réseaux souterrains,

 Réseaux souterrains en boucle ouverte.

I.2.2.Réseaux de distribution à basse tension

BTA (230 / 400 V),

 Neutre directement à la terre,

 Réseaux de type radial, maillé et bouclé.

I.3.Différents modèles de GED dans le réseau électrique

Les modèles de GED sont classés en fonction de leur capacité d'injection de
puissance active et / ou réactive dans le réseau. En conséquence, les modèles GED sont
regroupés de la manière suivante :

I.3.1. GED de type 1 capable d'injecter de la puissance active (P)

uniquement
Le GED capable d'injecter de la puissance active (P) uniquement comme le
photovoltaïque (PV), les micro turbines, les piles à combustible intégrées au réseau à l'aide
d’onduleurs [7,8], est modélisé comme une charge négative.

3
 Chapitre I Intégration de GED dans les réseaux de distribution

I.3.2. GED de type 2 capable d'injecter à la fois de la puissance active (P)

et de la puissance réactive (Q)
Le GED capable d'injecter à la fois de la puissance active (P) et de la puissance
réactive (Q) sont les unités de GED qui sont basées sur la machine synchrone comme les
petites hydroélectriques, géothermiques et les cycles combinés. Le GED avec les
générateurs synchrones peut être modélisé soit avec contrôle de la tension (tension à ces
bornes constant) ou avec contrôle du facteur de puissance (facteur de puissance constante).
Les GED avec le mode de contrôle de tension sont considérés comme des nœuds PV et les
GED avec le contrôle du facteur de puissance sont considérés comme des nœuds PQ [4].

I.3.3. GED de type 3 capable d'injecter de la puissance réactive (Q)

uniquement
Les unités GED équipées de compensateur synchrone sont considérées comme
catégorie de type 3.

I.3.4. GED de type 4 capable d'injecter de la puissance active (P), mais

consommer de la puissance réactive (Q)
Le générateur à induction à cage d'écureuil à vitesse fixe utilisé pour le système de
production d'éoliennes entre dans cette catégorie. En mode super-synchrone . Il est capable
d'injecter de la puissance active dans le réseau alors qu'il exige une puissance réactive du
réseau [5].

I.4.Avantages des GED

Les avantages de la production décentralisée sont énumérés ci-dessous : [6,7]

• Si les GED sont installés correctement et avec la bonne taille, ils amélioreront le profil
de tension du système d'alimentation électrique et ils réduiseront considérablement les
pertes du système.

• En générant de l'énergie à proximité des centres de charge, ils éliminent le besoin de

transmettre la puissance en vrac, ce qui réduit la pression sur les systèmes de transmission ;

• Une grande partie de l'énergie électrique fournie par les GED est fondée sur des sources
d'énergie renouvelable qui sont très respectueuses de l'environnement et ne produisent pas
d'émissions de gaz à effet de serre ;

4
 Chapitre I Intégration de GED dans les réseaux de distribution

• Le GED est un très bon choix pour l'électrification rurale où les coûts de transmission et
de distribution sont trop élevés ;

• Les unités GED modulaires peuvent être installées facilement et rapidement par les
services publics et les clients ;

• Si les GED sont attribués correctement, ils peuvent améliorer la fiabilité du système et la
qualité de l'alimentation ;

• Les technologies GED continuent à progresser, leur coût diminue et leur efficacité
augmente, il est donc envisagé qu'elles deviennent des choix plus attractifs pour la
production d'électricité dans le futur ;

• Les GED accroissent la diversité des sources d'énergie et, par conséquent, sur les marchés
de l'énergie libéralisés, ils accroissent la concurrence entre les acteurs du marché,
améliorant ainsi la qualité et diminuant le coût de l'énergie pour les utilisateurs finaux ;

• Puisque les GED sont modulaires, leur risque d'investissement est faible et leur délai
d'exécution est court ;

• Les unités GED modulaires à petite échelle peuvent suivre de près les variations de
charge. Comme les unités GED sont petites et n'ont pas besoin de beaucoup d'espace,
contrairement aux centrales électriques centralisées, elles peuvent être facilement installées
dans les centres de distribution ;

• Les GED sont efficaces dans le rasage de pointe et contribuent ainsi à la réduction des
coûts d'exploitation du système ;

• Grâce à l'amélioration de l'environnement, les GED réduisent les coûts des soins de
santé.

I.5. Difficultés des GED

Malgré leurs avantages très précieux, les GED peuvent entraîner certains
défisénumérés ci-dessous. [7-9] :

• Les systèmes de distribution ont été conçus et construits à l'origine pour gérer les flux de
puissance unidirectionnels allant des utilitaires aux utilisateurs finaux, tandis que l'ajout
d'unité GED peut conduire à une alimentation bidirectionnelle du flux de puissance. Cette

5
 Chapitre I Intégration de GED dans les réseaux de distribution

caractéristique affecte et perturbe particulièrement les performances des relais de

protection.

• Dans les systèmes de distribution intégrés GED, l'îlotage peut se produire. L'îlotage peut
mettre en danger l'équipage et le public et provoquer des surtensions.

• Le processus de contrôle des GED appartenant à des clients semble difficile.

• Dans les GED fondées sur l'énergie renouvelable telle que le PV et le vent, la puissance
de sortie sont fonctions de l'irradiation solaire / de la vitesse du vent, leur puissance de
sortie est donc intermittente et elles ne sont pas dispatchables.

I.6. Impact de la production décentralisée sur le réseau de distribution

La tendance vers la dérégulation devient de plus en plus répandue dans le monde,
d’ailleurs, la préoccupation accordée à l’aspect environnemental et au développement
durable a encouragé les producteurs à développer la production décentralisée d'électricité
sur la base des énergies nouvelles et renouvelables.

Ces évolutions sont les deux facteurs essentiels qui favorisent l’introduction des
nombreux producteurs de taille petite ou moyenne aux réseaux électriques de niveau de
tension inférieure (HTA et BT). [10]

Ce nouveau phénomène peut être positif et négatif à la fois. D’une part, l’insertion
des unités de la génération d’énergie dispersée (GED) est présentée comme un facteur de
renforcement des moyens de production du système. D’autre part, elles apportent
également des impacts négatifs à échelle du système en le fragilisant notamment dans les
situations critiques.

Les gestionnaires du réseau se préoccupent de ce type d’étude lors de la phase de

planification ou de l’approbation d’un projet de raccordement des GED. Les principaux
impacts à rappeler sont les suivants [10] :

I.6.1.Impact sur le plan de tension

Le réseau de distribution fonctionne sous une tension de (30kV et 10 kV).
L’utilisation de conducteurs pour transporter l’énergie aux consommateurs est responsable
d’une chute de tension ,c'est-à-dire que la tension relevée aux nœuds consommateurs est
plus faible que la tension relevée au niveau du poste source. Une tension trop faible

6
 Chapitre I Intégration de GED dans les réseaux de distribution

provoque le dysfonctionnement du matériel chez le consommateur et une tension trop forte

peut endommager les équipements du réseau et ceux du consommateur. Ainsi un
compromis technico-économique exige que la tension sur le réseau de distribution doive
rester dans les limites de +/- 5 % de la tension nominale.

La chute de tension dépend directement des puissances actives et réactives injectées mais
également du type et de la longueur des conducteurs utilisés. Ainsi la connexion de GED
sur le réseau peut faire varier le plan de tension, La tension peut alors dépasser les limites
admissibles même avec le fonctionnement des régleurs en charge [2].

Figure (I.1):Réseau d’étude utilisé pour la mise en évidence des impacts de l’insertion de
GED

I.6.2. Impacts sur le sens de transit de puissance

La connexion de GED sur le réseau de distribution modifie le transit de puissance
dans le réseau.

Nous reprenons l’exemple de la Figure (I-1). La Figure (I-2) montre les transits de
puissance obtenus sur ce réseau test sans GED. Les flux de puissance sont unidirectionnels
et proviennent du réseau amont, le réseau de transport. Le transformateur HTB/HTA
symbolise la frontière entre le réseau de distribution et le réseau de transport.

7
 Chapitre I Intégration de GED dans les réseaux de distribution

Figure (I.2) : Transit des puissances dans le réseau test sans GED

On connecte un GED au nœud 5 de puissance 5 MW comme indiquée sur la Figure

(I.3).

On suppose que ce GED fonctionne à sa puissance maximale. Non seulement il

alimente la charge connectée au même nœud mais, en plus, il va exporter de la puissance
vers les autres charges. Les flux de puissance deviennent alors bidirectionnels. La
puissance provenant du réseau de répartition est alors de 5,123 MW. Par ailleurs, dans le
cas précédent où la puissance provenait intégralement du réseau amont, les pertes sur le
réseau de distribution étaient de 465,6 kW. Dans le cas d’un GED connecté au nœud 5, les
pertes sont réduites à 122,5 kW. L’introduction de ce GED a donc diminué les pertes sur le
réseau d’un facteur 3,8. Les pertes Actives peuvent s’exprimer par la formule suivante :

𝑅
𝑃𝑒𝑟𝑡𝑒𝑠 = 𝑉 2 × (𝑃2 + 𝑄 2 )(𝐈. 𝟏) Ainsi grâce à la production locale de ce GED, les

transits de puissance active ont diminué et par conséquent les pertes également.

Figure (I.3) : Transit de puissance dans le réseau test avec un GED connecté au nœud 5

8
 Chapitre I Intégration de GED dans les réseaux de distribution

Selon le nombre et la taille des GED connectés au réseau, on peut se trouver dans
une situation d’export d’énergie vers le réseau de transport. La Figure (I-4) illustre un
exemple de cas d’export de puissance si on connecte, par exemple, 1 GED au nœud 3 de 5
MW et 1 GED au nœud 5 de 6 MW.

Figure (I.4) : Exemple d’un export de puissance vers le réseau de transport

I.6.3.Impacts sur la stabilité du système

Les générateurs de production décentralisés peuvent être de type synchrone ou
asynchrone. L’insertion de générateurs synchrones dans le réseau va changer le temps
critique d’élimination de défaut (correspondant à la durée maximale d’une perturbation à
laquelle le système peut résister sans perte de stabilité). Ceci influencera directement la
limite de la stabilité dynamique du système en considération [10].

I.6.4. Impacts sur la qualité de service

L'effet de l'intégration de GED sur la qualité de l'énergie concerne trois aspects
majeurs :

❖ Les creux et l'élévation de la tension.

❖ Flicker.

❖ harmoniques.

I.6.5. Impacts sur l’observabilité et de contrôlabilité du système

Les GED, notamment celles à type énergie nouvelle et renouvelable, sont
caractérisés par l’intermittence des sources primaires. Cela sera difficile pour l’opérateur

9
 Chapitre I Intégration de GED dans les réseaux de distribution

d’estimer la puissance de sortie de ces producteurs, donc la puissance fournie du système,

par conséquent.

I.6.6. Impacts sur la continuité de service

Pour la même raison concernant la caractéristique d’intermittence, l’indisponibilité
des GED lors que le système les sollicite peut occasionner la rupture d’électricité par
manque de puissance [10].

I.6.7. Impact sur le plan de la protection

La modification des courants de court-circuit due à l’insertion de GED peut
conduire à une modification du réglage des protections voire même à leur changement.
Deux principaux problèmes apparaissent suite à une insertion de GED : le problème
d’aveuglement de protections et celui déclenchement intempestif des protections[11].

I.6.7.1.Impact sur les courants de court-circuit

L’introduction de GED dans le réseau de distribution modifie l’impédance globale
du réseau et donc les courants de court-circuit et la puissance de court-circuit. Ainsi ,il est
possible que le courant de court-circuit soit modifié [12] et puisse provoquer le
dysfonctionnement du matériel de protection. Par ailleurs, lors d’un défaut, les producteurs
alimentent le courant de défaut. Celui-ci peut alors dépasser la limite admissible des
éléments du réseau (conducteurs entre autres).

I.6.7.2. Influence sur la sélectivité des protections

La sélectivité des protections peut être affectée par l’introduction d’unités de
production décentralisées dans le réseau de distribution dont la structure est de type radial.
Pour illustrer cette influence, considérons le schéma de la figure (I.5) ci-après
d’alimentation par une sous-station du réseau d’une charge par la liaison 2, et la connexion
à la sous-station par la liaison 1 d’une unité de production décentralisée. Ces deux liaisons
sont chacune protégées par un disjoncteur contre les surintensités comme c'est l'usage [11].

Dans cet exemple, la protection de la ligne 1 déconnecte inutilement l’unité de production

lors d’un défaut sur la ligne 2, car le courant du générateur lors de ce défaut est supérieur
au seuil de protection en cas de défaut sur la ligne 2. Les seuils de protection doivent donc
être revus pour que seule la ligne en défaut soit déconnectée [11].

10
 Chapitre I Intégration de GED dans les réseaux de distribution

Figure(I.5) : Impact de DEG sur la sélectivité du défaut

Pour toute implantation d’une unité de production décentralisé dans le réseau de

distribution, il faut impérativement vérifier la sélectivité des protections et le cas échéant
les ajuster.

I.6.7.3. Aveuglement de la protection du départ en défaut

Lorsque la production décentralisée est loin du poste source HT/MT et qu’un défaut
apparaît sur une dérivation proche de la centrale, il peut arriver que l’impédance de la ligne
entre le poste source et le défaut devienne très importante devant l’impédance entre la
centrale et le défaut ; on observe alors une diminution du courant de défaut injecté au
niveau du poste source par rapport au cas où la centrale n’est pas en fonctionnement ,
Figure (I.6). Il peut donc arriver que la protection au niveau du poste source ne détecte plus
dans un premier temps le défaut.

Figure(I.6) : Aveuglement de la protection du départ en défaut

I.7. Conclusion
L’intégration de production décentralisée dans le réseau de distribution provoque
de nombreuses modifications du comportement du réseau. Tout d’abord, les transits de
puissance, le plan de tension et les courants de court-circuit sont modifiés. Ces

11
 Chapitre I Intégration de GED dans les réseaux de distribution

modifications peuvent être bénéfiques pour le réseau mais également préjudiciables

(augmentation des tensions et des courants de court-circuit).

Dans le chapitre suivant, nous allons définir et expliquer la méthode

d’optimisationhybride PSO-Firefly et élaborer une méthodologie de calcul pour minimiser
les pertes actives d’un réseau de distribution.

12
Chapitre II : Elaboration d'un algorithme
de calcul optimal par PSO-Firefly
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

II.1. introduction
L'optimisation est une branche des mathématiques qui cherche à analyser et à
résoudre analytiquement ou numériquement les problèmes qui consistent à déterminer le
meilleur élément d'un ensemble, au sens d'un critère quantitatif donné.

Dans ce chapitre, ensuite nous présentons d'abordles étapes de la méthode de BFS ,

ensuite nous expliquons en détail le principe d'optimisation de l'essaim de particules
(PSO), de l’algorithme de Firefly (FA) ainsi que la méthode hybride HFPSO. Un
algorithme de calcul est abordé à la fin du chapitre.

II.2. Ecoulement de puissance du réseau de distribution

L’identification de la topologie du réseau par la détermination des vecteurs des
types des jeux de barres et des lignes est exploitée dans la solution de l’écoulement de
puissance pour calculer :

- Le courant dans chaque branche ;

- La puissance transitée dans chaque branche ;

- Les pertes totales de puissance active et réactive dans le réseau ;

- La tension de chaque jeu de barres.

II.2.1.Méthode BFS (BALAYAGE ARRIÈRE / AVANT)

Le calcul d’écoulement de puissance peut être effectué à l'aide d’une méthode
spécifique, connue sous le nom de balayage arrière / avant. Cette méthode se compose de
deux étapes

• Balayage vers l'arrière, où, à partir des nœuds d'extrémité et en allant vers le nœud
source, et en utilisant la loi de Kirchhoff, le courant à chaque nœud de charge, ainsi que le
courant circulant à travers sa branche entrante, sont calculés.

• Balayage avant, où, en partant dans le sens inverse, du nœud source (dont la tension
constante est prise comme référence) et allant vers les nœuds d'extrémité, en utilisant la loi
d'Ohm, la chute de tension sur chaque branche, ainsi que la tension à chaque nœud de
charge, sont calculés [13] .

13
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

II.2.2.Algorithme de BIBC
Le réseau de distribution radiale illustré à la Figure (2.1) peut être utilisé comme
exemple. Les puissances injectées peuvent être converties en courants équivalents injectés
𝐼𝑖

Les courants des branches peuvent être obtenus en appliquant les lois de Kirchhoff
au réseau de distribution. Les courants des branches peuvent être exprimés en fonction des
courants de charges

Figure(II.1) :Réseau de distribution radial

IB1 = I2 + I3 + I4 + I5 + I6

𝐼𝐵2 = 𝐼3 + 𝐼4 + 𝐼5 + 𝐼6

𝐼𝐵3 = 𝐼4 + 𝐼5

𝐼𝐵4 = 𝐼5

𝐼𝐵5 = 𝐼6

Par conséquent, le rapport entre les courants injectés aux nœuds et les courants de
branche peuvent être exprimé comme suit :

𝐼𝐵1 1 1 1 1 1 𝐼2
𝐼𝐵2 0 1 1 1 1 𝐼3
𝐼𝐵3 = 0 0 1 1 0 𝐼4
𝐼𝐵4 0 0 0 1 0 𝐼5
[𝐼𝐵5 ] [ 0 0 0 0 1] [𝐼6 ]

14
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

Formulation de la matrice BIBC

Étape (1) : Créer une matrice nulle de dimension m * (n-1)

Où,

m : nombre de branches.

n : nombre de Jdb.

Étape (2) : Si une section de ligne (𝐵𝑘 ) est située entre le bus i et le bus j, copier le colonne
du 𝑖é𝑚𝑒 bus de la matrice BIBC à la colonne du 𝑗é𝑚𝑒bus et remplisser un +1 dans la position
de la 𝑘𝑖é𝑚𝑒 ligne et de la 𝑗𝑖é𝑚𝑒 colonne de bus.

Étape (3) : Répéter l’étape (2) jusqu'à ce que toutes les sections de ligne soient incluses
dans la matrice BIBC.

II.2.3. Algorithme de BFS

Etape 1 : Lire les données du réseau

Etape 2 : Détermination de la puissance

Etape 3: Détermination de la matrice [𝐵𝐼𝐵𝐶]

Etape 4 : Initialiser la tension de tous les jeux de barres à la tension de jeu de barre
référence V0i=V1 i=1, 2….n [V]= [V0]

Etape 5 : sauvegardé le vecteur et [Va]= [V]

Etape 6 : Calculer les courants injectés [𝐼] par la relation Ii= (Si/Vi) *

Etape 7 : Calculer les courants traversant les branches [Ib] par [Ib]= [bibc] [I]

Etape 8 : Calculer les nouvelles tensions (modules et phases) au niveau de tous les jeux de
barres par [V]= [V0]-[bibc]’ [Zd] [Ib] où [Zd] matrice diagonale des impédances des
éléments de réseaux Zdjj=Rj+i Xj j=1…m

Etape 9 : Une fois le test de convergence est vérifié ΔV=max (|[𝑉] − [𝑉𝑎]|) ≤ 𝜖, les valeurs
des tensions de la dernière itération sont retenues, Sinon retourner à l’étape 5

Etape 10 : calculer les pertes dans le réseau.

15
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

II.3. Optimisation par la méthode Hybrid Firefly-Particle Swarm

Avant de parler sur la méthode Hybride PSO-Firefly, il faut d’abord parler sur les
deux méthodes séparément.

II.3.1. Méthode de L’optimisation par essaim de particules (PSO)

Dans cet algorithme, les solutions candidates d’une population, appelés particules,
coexistent et évoluent simultanément en se basant sur le partage des connaissances avec les
particules voisines. Alors qu’il volait à travers l’espace de recherche, chaque particule
génère une solution utilisant son vecteur vitesse. Chaque particule modifie sa vitesse pour
trouver une meilleure solution (position) en appliquant sa propre expérience de vol (c-à-d.
mémoire ayant la meilleure position trouvée dans les vols précédents) et l’expérience de
particules voisines (c-à-d meilleure solution trouvée de la population).
Le déplacement d’une particule est influencé par trois composantes [14] :

– une composante d’inertie : la particule tend à suivre sa direction courante de

déplacement.

– une composante cognitive : la particule tend à se fier à sa propre expérience et, ainsi, à
se diriger vers le meilleur site par lequel elle est déjà passée.

– une composante sociale : la particule tend à se fier à l’expérience de ses congénères et,
ainsi, à se diriger vers le meilleur site déjà atteint collectivement par l’essaim.

Dans un espace de recherche de dimension 𝑫, la particule i de l’essaim est

modélisée par son vecteur position xi = (𝑥𝑖1 , 𝑥𝑖2 , … , 𝑥𝑖𝐷 )𝑇 . T et par son vecteur vitesse

𝑇
vi = (𝑣𝑖1, 𝑣𝑖2 , … , 𝑣𝑖𝐷 )

La qualité de sa position est déterminée par la valeur de la fonction objective en ce

point. Cette particule garde en mémoire la meilleure position par laquelle elle est déjà
passée, que l’on note Pbest i = (𝑝𝑖1 𝑝𝑖2 … 𝑝𝑖𝐷 )𝑇 . La meilleure position atteinte par ses
particules voisines est notée

𝑔𝑏𝑒𝑠𝑡 = (𝑔1 , 𝑔2 , … , 𝑔𝐷 )𝑇

16
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

La mise à jour de la nouvelle vitesse et la nouvelle position de la particule i se fait

par les deux équations (II.1) ,( II.2)

𝑣𝑖 (𝑡 + 1) = 𝜔𝑣𝑖 (𝑡) + 𝑐1 𝑟1 (𝑝𝑏𝑒𝑠𝑡 𝑖 (𝑡) − 𝑥𝑖 (𝑡)) + 𝑐2 𝑟2 (𝑔𝑏𝑒𝑠𝑡 (𝑡) − 𝑥𝑖 (𝑡)) (𝑰𝑰. 𝟏)

𝑥𝑖 (𝑡 + 1) = 𝑥𝑖 (𝑡) + 𝑣𝑖 (𝑡 + 1)(𝑰𝑰. 𝟐)

La figure (II.3) représente l’organigramme de la méthode PSO

Figure (II.2): Déplacement d’une particule

17
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

Démarrer

Initialiser la position et la vitesse des particules

Evaluer la fonction objective fitness

Mettre à jourgbest et pbesti

Mettre à jour les vitesses Vi selon l'éq. (II.1)

Mettre à jour les positions Xi selon l'éq. (II.2)

Non Critères d’arrêt

Oui

Arrêter

Figure (II.3): Organigramme de l'algorithme d'optimisation d'essaim de particules

standard

II.3.2. Algorithme d'optimisation Firefly

L'algorithme Firefly a été inspiré par les lucioles, une sorte d'insecte dans la nature.
La plupart des lucioles génèrent des rythmes et clignotements courts. Le type de flashs est
souvent unique pour un type spécifique. La lumière clignotante est générée par un
processus de bioluminescence, et sa véritable fonction est encore un sujet de débat parmi
les chercheurs. Les lucioles utilisent leur attractivité de la lumière chimique pour
communiquer, chasser et avertir leurs ennemis L'organigramme de l'algorithme
Firefly est donné L'intensité lumineuse (Iv) à une distance spécifique (r) d'une source
lumineuse est déterminée par la loi du carré inverse. Par conséquent, l'intensité lumineuse
diminue à l'opposé des augmentations de distance. De plus, l'air absorbe la lumière et son

18
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

intensité diminue et s'affaiblit à mesure que la distance augmente. Pour ces raisons, la
plupart des lucioles peuvent être vues à une distance limitée de quelques centaines de
mètres et il est généralement satisfaisant pour les lucioles de communiquer. Ainsi, la
lumière clignotante peut être formulée comme la fonction objectif à optimiser, de sorte
qu'elle fournit un nouvel algorithme d'optimisation Firefly inspiré de la nature (FA) basé
sur la population . Selon la loi du carré inverse, une intensité lumineuse (𝐼v) à (r) distance
d'une source lumineuse (𝑙𝑠) est peut être calculé par Eq (II.3)

𝑙𝑠
𝐼𝑣 (𝑑) = (𝑰𝑰. 𝟑)
𝑟2

Dans un environnement, la lumière est absorbée avec un coefficient d'absorption

lumineuse constant (𝛾) ∈ [0, ∞]. Cette équation peut être formée en gaussienne par
l'équation (II.4).

2
𝐵(𝑟) = 𝐵0𝑒 −𝛾𝑟 (𝑰𝑰. 𝟒)

𝐵 (𝑟) est l'attractivité d'une luciole à une distance et 𝐵0 est l'attractivité lorsque 𝑟 = 0.

En supposant que 𝑖 ve 𝑗 soient deux lucioles et que leurs positions soient𝑋𝑖(𝑥𝑖 , y𝑖)
et 𝑋j(𝑥j , y𝑗) respectivement. La distance 𝑟𝑖𝑗 entre les deux firefly est calculé sur la bas
euclidienne par l'équation (II.5).

𝑟𝑖𝑗 = ‖𝑥𝑖 − 𝑥𝑗‖ = √(𝑥𝑖 − 𝑥𝑗)2 − (𝑦𝑖 − 𝑦𝑗)2 (𝑰𝑰. 𝟓)

Ainsi, la nouvelle position de la luciole 𝑖moins brillante et le mouvement vers une

luciole 𝑗 plus attrayante sont calculés par l'équation (II.6) [16] .

2
𝑥𝑖 = 𝑥𝑖 + 𝐵0 𝑒 −𝛾𝑟𝑖𝑗 (𝑥𝑗 − 𝑥𝑖) + 𝑎 ∈𝑖 (𝑰𝑰. 𝟔)

Dans l'équation (II.6)∈i est le vecteur de variables aléatoires et𝛼 est le paramètre de
randomisation , avec (𝛼) ∈ [0,1]

19
Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

Démarrer

Initialiser les lucioles Xi, (i=1,2,…,n) et les paramètres d'entrée

Évaluer la fonction objectivefitness

Classez les lucioles en fonction de leur fonction

objective et trouver gbest

Pour i = 1 Jusqu’à n Faux

Pour j = 1 Jusqu’à n
fitness (Xj)>fitness(Xi)

Vrai

Mettre à jour la position Xi selon l'équation (II.6)

Ainsi, Xi se dirige vers Xj

Calculer la fonction objective, mettre à jour le gbest

Vrai itération < Générationmax

Faux

Arrêter

Figure (II.4) : Organigramme de l'algorithme Firefly

20
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

II.3.3. Méthode de L’optimisation (HFPSO)

Dans ce travail, nous utilisons un algorithme (HFPSO) qui est proposé par[15]. Cet
algorithme d'optimisation qui combine la capacité de recherche des algorithmes
d'optimisation FA et PSO. En utilisant cette combinaison, un équilibre entre l'exploration
et l'exploitation vise à établir et il profite aux forces des deux algorithmes. Les lucioles
n'ont pas de mémoire de vitesse (V) et de meilleure position personnelle (pbest) par rapport
aux particules. Dans la combinaison hybride de deux algorithmes, PSO est généralement
utilisé dans la recherche globale, car il permet une convergence rapide dans l'exploration.

De plus, FA est généralement utilisé dans la recherche locale, car il permet un

réglage fin de l'exploitation .L'organigramme de l'algorithme HFPSO est présenté sur la
figure (II.5). Tout d'abord, les paramètres d'entrée qui sont utilisés par les deux algorithmes
dans les étapes suivantes sont insérés. Ensuite, des vecteurs de particules uniformes sont
préparés au hasard dans les plages de recherche et de vitesse prédéfinies. Les particules
globales (gbest) et personnelles (pbest) sont calculées et attribuées. Dans l'étape de
comparaison suivante, il est comparé que si la particule a une amélioration de sa valeur de
fitness dans la dernière itération selon l'équation. (II.11).

Ainsi, si une particule a une valeur de fitness meilleure ou égale à la meilleure

valeur globale précédente, on suppose que la recherche locale démarre et la particule est
gérée par un FA imitatif, sinon la particule sera gérée par le PSO et le PSO continue ses
procédés standards avec cette particule selon l'équation. (II.1) et (II.2). Dans l'étape de
comparaison suivante, les évaluations des fonctions de fitness et les limites de portée sont
vérifiées pour toutes les particules et les lucioles. Si maximum la limite d'itération est
atteinte, l'algorithme hybride sera terminé et gbest et sa valeur de fitness sera donnée
comme sortie de l'algorithme hybride proposé.
𝑤𝑖 − 𝑤𝑓
𝑤 = 𝑤𝑖 − ( ) × 𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑜𝑛(𝑰𝑰. 𝟏𝟎)
𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑜𝑛𝑚𝑎𝑥

𝑣𝑟𝑎𝑖, 𝑠𝑖𝑓𝑖𝑡𝑛𝑒𝑠𝑠(𝑝𝑎𝑟𝑡𝑖𝑐𝑙𝑒𝑖𝑖𝑡 ) ≤ 𝑔𝑏𝑒𝑠𝑡𝑡−1

𝑓(𝑖, 𝑡) = 𝑓(𝑥) = { (𝑰𝑰. 𝟏𝟏)
𝑓𝑎𝑢𝑥, 𝑑𝑒𝑓𝑖𝑡𝑛𝑒𝑠𝑠(𝑝𝑎𝑟𝑡𝑖𝑐𝑙𝑒𝑖𝑖𝑡 ) > 𝑔𝑏𝑒𝑠𝑡𝑡−1

𝑣𝑖 (𝑡 + 1) = 𝑥𝑖 (𝑡 + 1) − 𝑥𝑖_𝑡𝑒𝑚𝑝 (𝑰𝑰. 𝟏𝟐)

21
Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

Démarrer

Initialiser les paramètres d'entrée ( iter ,

swarm_size ,c1 ,c2 ,LB ,UB ,D ,vmax_coef
,func_no ,fhd

)
Initialisation aléatoire des positions et des
vitesses

de particules dans les plages

Calculer les valeurs de fitness, pbest et gbest

Une amélioration réalisée

dans sa valeur de fitness en

la dernière itération

Vrai )selon l'éq. (11 Faux

Algorithme de la luciole : Algorithme d'essaim de particules :

Selon l'éq. (II.6), Éq. (II.12) Selon l'éq. (II.1), Éq. (II.2)

Vérifier les limitations de la position et de la plage de vitesse

La limite
Faux
est atteinte

Vrai

Donner gbest et leur valeur de fitness

Arrêter
Figure (II.5): Organigramme de l'algorithme HFPSO proposé

22
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

II.4.Elaboration de l'algorithme de calcul

II.4.1. Facteurs de sensibilité aux pertes (Loss Sensitivity Factors) (LSF)
Pour identifier l'emplacement du placement du générateurd’énergie décentralisée
dans un système de distribution, les facteurs de sensibilité aux pertes ont été utilisés.

Le facteur de sensibilité aux pertes est capable de prédire quel sont les nœuds qui
engendrent moins de pertes actives et ils sont considérés comme nœuds candidats pour le
placement des GED . Cette démarche aide essentiellement à réduire l'espace de recherche
pour l'optimisation du problème.

Considérons une ligne de distribution k avec une impédanceZ[k]= R[k] + jX[k] et

une charge de Peff + jQeff connectée au nœud j comme indiqué ci-dessous dans la figure
(II.6)

Figure (II.6): Une ligne de distribution avec une impédance et une charge .

Ces perte de puissance actives dans la ligne de la figure (II.6) sont données par [Ik2]
* [Rk], qui peuvent également être exprimées comme :

2 2
(𝑃𝑒𝑓𝑓 [𝑗] + 𝑄𝑒𝑓𝑓 [𝑗])𝑅[𝑘]
𝑃𝑙𝑜𝑠𝑠 [𝑗] = (𝑰𝑰. 𝟏𝟒)
(𝑉[𝑗]) 2

De même, les pertes de puissance réactive dans la ligne sont données par

2 2
(𝑃𝑒𝑓𝑓 [𝑗] + 𝑄𝑒𝑓𝑓 [𝑗])𝑋[𝑘]
𝑄𝑙𝑜𝑠𝑠 [𝑗] = (𝑰𝑰. 𝟏𝟓)
(𝑉[𝑗])2

23
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

Où

Peff [j] = Puissance active effective totale fournie au-delà du bus (j)

Qeff [j] = Puissance réactive effective totale fournie au-delà du bus (j)

Désormais, les facteurs de sensibilité aux pertes peuvent être calculés comme suit :

𝜕𝑃𝑙𝑜𝑠𝑠 (2 ∗ 𝑃𝑒𝑓𝑓 [𝑗]) ∗ 𝑅[𝑘]

= (𝑰𝑰. 𝟏𝟔)
𝜕𝑃𝑒𝑓𝑓 (𝑉[𝑗])2

𝜕𝑄𝑙𝑜𝑠𝑠 (2 ∗ 𝑄𝑒𝑓𝑓 [𝑗]) ∗ 𝑋[𝑘]

= (𝑰𝑰. 𝟏𝟕)
𝜕𝑄𝑒𝑓𝑓 (𝑉[𝑗])2

II.4.2. La function objective (Algorithm de Backward/Forward Sweep

modifier)

Notre fonction objective est les pertes en fonction de la puissance du GED.Pour

cela, on va modifier l’algorithme de BFScomme suit :

1 ere Etape :
Lire les données du réseau.

2 éme Etape :
Modifier la puissance du JDB candidat comme suit :

𝑆(𝑖) = 𝑆(𝑖)′ – 𝑆𝐺𝐸𝐷(𝑖) × 𝐹𝑃

𝑆(𝑖) : Nouvelle puissance du JDB candidat.

𝑆(𝑖)′: Ancienne puissance du JDB candidat.

𝑆𝐺𝐸𝐷(𝑖) : Puissance de GED au JDB candidat.

𝐹𝑃 : Facteur de puissance du GED.

3 éme Etape :
Initialiser la tension de tous les jeux de barres à 1 pu

4 émeEtape :
Détermination des matrices [𝐵𝐼𝐵𝐶]et [𝐵𝐶𝐵𝑉]

24
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

BIBC (en Anglais Bus injection Branch Current) est la matrice qui exprime la relation
entre le courant injecté au nœud et le courant de branche.

BCBV (en Anglais Branch Current Bus Voltage) est la matrice qui représente la relation
entre les courants de branches et les tensions des nœuds.

5 éme Etape :
Calculer les courants injectés [𝐼] en appliquant l’équation suivante :
𝐼𝑖 𝑘
𝑃𝑖 + 𝑗𝑄𝑖 ∗
=( ) (𝑰𝑰. 𝟏𝟖)
𝑉𝑖 𝑘

6 éme Etape :
Calculer les courants traversant les branches en appliquant l’équation suivante:
[𝐵] = [𝐵𝐼𝐵𝐶] [𝐼]

7 éme Etape :
Calculer les nouvelles tensions (modules et phases) au niveau de tous les jeux de
barres en appliquant l’équation suivante :
[∆𝑉] = [𝐵𝐶𝐵𝑉][𝐵]

8 éme Etape :
Une fois le test de convergence est vérifié, les valeurs des tensions de la dernière
itération sont retenues. On calcule les pertes de puissance active et réactive dans chaque
branche selon les équations suivantes :

(𝑃𝑖 2 + 𝑄𝑖 2 )
𝑃𝐿𝑜𝑠𝑠 , 𝑖 = 𝑅𝑖
|𝑉𝑖 |2

(𝑃𝑖 2 + 𝑄𝑖 2 )
𝑄𝐿𝑜𝑠𝑠 , 𝑖 = 𝑋𝑖
|𝑉𝑖 |2

Calculer les pertes totales active et réactive selon les équations ci-dessous et
afficher les résultats finaux.

𝑃𝑇, 𝐿𝑜𝑠𝑠 = ∑ 𝑃𝐿𝑜𝑠𝑠 , 𝑖

𝑖=1

25
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly
𝑛

𝑄𝑇, 𝐿𝑜𝑠𝑠 = ∑ 𝑄𝐿𝑜𝑠𝑠, i

𝑖=1

Sinon retourner à l’étape 5

II.5. Organigramme de calcul global

La figure (II.7) représente l’organigramme de calcul global de notre problème. Cet
organigramme est très simple. Au départ,on lit les données de réseau choisi puis on fait un
calcul de l’écoulement de puissance sans insertion de GED pour trouver le JDB candidat
par la méthode LFS. Si le JDB candidat est déterminé, on peut choisir un facteur de

26
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

puissance de GED pour trouver la puissance de GED optimale par la méthode HFPSO

Début

Lire les données du réseau de

distribution

Calculer l’EP de ce
réseau par la
méthode BFS

Choisir le JDB candidat par la

méthode LSF
Donner le facteur
de puissance de
GED
Trouver𝑺𝑮𝑬𝑫 optimale par
la méthode hybride Firefly-
PSO- pour optimiser les
pertes active

s.t. BFS (modifier)

Résultat

Fin
.

Figure (II.7) : Organigramme de l'algorithme de calcul optimal .

II.6.Conclusion
La méthode HFPSO proposée combine les capacités de recherche des deux
méthodes : essaim de particules et algorithme d'optimisation Firefly . Une combinaison

27
 Chapitre II Elaboration d'un algorithme de calcul optimal par PSO-Firefly

équilibrée entre la capacité de recherche locale et globale est obtenue. Par conséquent, les
avantages des deux algorithmes sont utilisés dans une hybridation appropriée

Dans ce chapitre, un algorithme hybride combinant PSO et FA est proposé. Les

avantages et points forts de PSO et FA sont combinés et les inconvénients de ces
algorithmes sont atténués, c'est-à-dire la convergence prématurée et les optima locaux sont
essayé d'être atténué. L'utilisation hybride de ces algorithmes permet de trouver un
équilibre entre l'exploration et processus d'exploitation

Dans le chapitre suivant, nous allons appliquer cette méthode pour diminuer les
pertes actives du réseau de distribution.

28
Chapitre III: Résultats Et Discussions
Chapitre IIIRésultats Et Discussions

III.1. Introduction
L'objectif de ce chapitre est de déterminer le meilleuremplacement et la taille
optimale du GED dans les réseaux de distribution dans l’objectif de minimiser les pertes
actives.

Les différents algorithmes de calcul décrit au chapitre 2 sont implantés sur le

logiciel Matlab.

Nous présenterons les résultats des pertes actives et le profil de tension d'un réseau de
distribution IEEE 33 JDB avant et après l'insertion d'un générateur décentralisé avec des
valeurs de facteur de puissance de 1,0.9 et 0.8.

III.2. Résultats et interprétations

Pour tester notre algorithme, un réseau de distribution de 33 jeux de barres a été
utilisé figure(III.1) . Les données de ce réseau sont consignées dans le tableau(III.1)

Tableau (III.1) : Les caractéristiques du réseau de distribution pour le réseau de 33 JDB

Nombre de Nombre de Jeu de Tension de Puissance de Les pertes

jeux de branches barres de base (KV) base (KVA) actives sans
barres référence GED (KW)
N°
33 32 1 12,66 10000
211,0046

29
Chapitre IIIRésultats Et Discussions

Figure (III.1) : Schéma unifilaire de réseau de 33 jeux de barres

III.2.1. Jeu de barres condidat

Les résultats de l'écoulement de puissance duréseau test avant l'insertion du GED
sont illustrés dans le tableau (III.2)

0.99

0.98

0.97
La tension (pu)

0.96

0.95

0.94

0.93
X: 33
0.92 Y: 0.9166

0.91
0 5 10 15 20 25 30 35
Jeux de barre

Figure (III.2) : Profil de tension en (pu) sans GED

30
Chapitre IIIRésultats Et Discussions

Tableau (III.2) : L'amplitude de la tension aux jeu de barres du réseau distribution de 33

JDB sans insertion de GED

N°Je La Puissanc Puissanc Numéro Résistance Réactance

udeba tensio e active e réactive de La
rres n Sans branche
GED
(pu)
1 1 / / / / /
2 0.997 0.0100 0.0060 1 0.00575 0.00293
3 0.9829 0.0090 0.0040 2 0.03076 0.01567
4 0.9755 0.0012 0.0080 3 0.02284 0.01163
5 0.9681 0.0060 0.0030 4 0.02378 0.01211
6 0.9497 0.0060 0.0020 5 0.05110 0.04411
7 0.9462 0.0200 0.0100 6 0.01168 0.03861
8 0.9413 0.0200 0.0100 7 0.04439 0.01467
9 0.9351 0.0060 0.0020 8 0.06426 0.04617
10 0.9292 0.0060 0.0020 9 0.06514 0.04617
11 0.9284 0.0045 0.0030 10 0.01227 0.00406
12 0.9269 0.0060 0.0035 11 0.02336 0.00772
13 0.9208 0.0060 0.0035 12 0.09159 0.07206
14 0.9185 0.0120 0.0080 13 0.03379 0.04448
15 0.9171 0.0060 0.0010 14 0.03687 0.03282
16 0.9157 0.0060 0.0020 15 0.04656 0.03400
17 0.9137 0.0060 0.0020 16 0.08042 0.10738
18 0.9131 0.0090 0.0040 17 0.04567 0.03581
19 0.9965 0.0090 0.0040 18 0.01023 0.00976
20 0.9929 0.0090 0.0040 19 0.09385 0.08457
21 0.9922 0.0090 0.0040 20 0.02555 0.02985
22 0.9916 0.0090 0.0040 21 0.04423 0.05848
23 0.9794 0.0090 0.0050 22 0.02815 0.01924
24 0.9727 0.0420 0.0200 23 0.05603 0.04424

31
Chapitre IIIRésultats Et Discussions

25 0.9694 0.0420 0.0200 24 0.05590 0.04374

26 0.9477 0.0060 0.0025 25 0.01267 0.00645
27 0.9452 0.0060 0.0025 26 0.01737 0.00903
28 0.9337 0.0060 0.0020 27 0.06607 0.05826
29 0.9255 0.0120 0.0070 28 0.05018 0.04371
30 0.9219 0.0200 0.0600 29 0.03161 0.01613
31 0.9178 0.0150 0.0070 30 0.06080 0.06008
32 0.9169 0.0210 0.0100 31 0.01937 0.02258
33 0.9166 0.0060 0.0040 32 0.02128 0.03308

Avant l'insertion de GED , les pertes actives dont de 0.0203 pu.

Pour déterminer le jeu de barres candidat pour l'insertion du GED , on a utilisé la

méthode LFS. La figure (III.3)représente les valeur de LFS obtenues pour chaque jeu de
barres . Nous remarquons que le JDB 06 a la plus faible valeur LFS, donc on le sélectionne
comme le jeu de barres candidat .

0.022

0.02

0.018
LSF (pu)

0.016

0.014

0.012
X: 6
Y: 0.0104

0 5 10 15 20 25 30 35
Jeux de barre

Figure (III.3) : Profil LSF pour tous les jeux de barresdu réseau IEEE 33 JDB

32
Chapitre IIIRésultats Et Discussions

III.2.2. Paramètres du HFPSO

Tableau (III.3) : Valeurs des paramètres du HFPSO de notre problème.

Paramétré Nombred’itération Taille de w C1 C2

l'essaim
Valeur 100 30 0.9 1.49445 1.49445

III.3. Réseau test 33 JDB

III.3.1. FP = 1
L'insertion d'un GEDau JDB 06 d'une puissance optimal de 0.2575 pu a permes de
réduire les pertes actives (P=0.0104 pu).

La figure (III.4) représente la variation de la fonction objective de HFPSO (les

pertes actives) en fonction du nombre d’itération. On remarque que la convergence de
HFPSO à l’optimum globale est obtenue avant la 10iéme itération, cela prouve que la
puissance de la méthode HFPSO pour la minimisation de notre problème.

0.0114

0.0112

0.011
les pertes actives (pu)

0.0108

0.0106

0.0104

0.0102
0 10 20 30 40 50 60 70 80 90 100
Iteration

Figure (III.4) : Convergence de la fonction objective «𝑙𝑒𝑠𝑝𝑒𝑟𝑡𝑒𝑠𝑎𝑐𝑡𝑖𝑣𝑒𝑠 » pour réseau 33

JDB, ,JDB candidat 06 (FP=1).

33
 Chapitre IIIRésultats Et Discussions

III.3.2. Amélioration du profil de tension

1
sans GED
0.99 avec GED au JDB 06

0.98

0.97
Tension (PU)

0.96

0.95

0.94

0.93

0.92

0.91
0 5 10 15 20 25 30 35
jeu de barre

Figure (III.5) : Profil de tension en (pu) sans et avec GED au JDB candidat 06 ,facteur de
puissance = 1 , réseau 33 JDB.
On remarque qu’il y a une amélioration du profil de tension après l'insertion de
GED

III.3.3. FP = 0.9
Le JDB 06 est le JDB candidat vu que les valeurs des pertes actives diminue de
0.0200 pu (sans GED) à 0.0064 pu.La taille optimale du GED injecte au JDB 06 est dans
ce cas est égale à 0.3056 pu .

La variation de la fonction objective de HFPSO (les pertes actives) en fonction du

nombre d’itération est représentée sur la figure (III.6) :

34
Chapitre IIIRésultats Et Discussions

-3
x 10
9.5

8.5
les pertes actives (pu)

7.5

6.5

6
0 10 20 30 40 50 60 70 80 90 100
Iteration

Figure (III.6) : Convergence de la fonction objective «𝑙𝑒𝑠𝑝𝑒𝑟𝑡𝑒𝑠𝑎𝑐𝑡𝑖𝑣𝑒𝑠 » pour un réseau

33 JDB, ,JDB candidat 06 (FP=0.9).

III.3.4. Amélioration du profil de tension

sans GED
0.99 avec GED JDB 06

0.98

0.97
Tension (PU)

0.96

0.95

0.94

0.93

0.92

0.91
0 5 10 15 20 25 30 35
Jeu de barre

Figure (III 3.7) : Profil de tension en (pu) sans et avec GED au JDB candidat 06 ,facteur
de puissance = 0.9 , réseau 33 JDB

A partir de la figure (3.7), on remarque que le profil de tension s'est amélioré avec
un GED de facteur de puissance 0.9. La tension minimale obtenue est meilleure par rapport
à la tension obtenue avec un GED de facteur de puissance unitaire.

35
Chapitre IIIRésultats Et Discussions

III.3.5. FP = 0.8

Le JDB 06 est le JDB candidat vu que les valeurs des pertes actives diminue de
0.0200 pu (sans GED) à 0.0062 pu, alors 0.3086 pu est la taille optimale de GED injecte au
JDB 06 pour diminue les pertes active dans le réseau teste 33 JDB

La figure (3.8) représente la variation de la fonction objective de HFPSO (les pertes

active) en fonction du nombre d’itération. On remarque que la convergence de HFPSO à la
l’optimum globale est obtenue avant la 60iéme itération, cela prouve la puissance de la
méthode HFPSO pour la minimisation de notre problème

0.316

0.315

0.314
les pertes atives (pu)

0.313

0.312

0.311

0.31

0.309

0.308
0 10 20 30 40 50 60 70 80 90 100
Iteration

Figure (3.8) : Convergence de la fonction objective «𝑙𝑒𝑠𝑝𝑒𝑟𝑡𝑒𝑠𝑎𝑐𝑡𝑖𝑣𝑒𝑠 » pour réseau

33JDB ,le JDB candidat 06 (FP=0.8)

36
Chapitre IIIRésultats Et Discussions

III.3.6. Amélioration du profil de tension

sans GED
0.99 avec GED JDB 06

0.98

0.97
Tension (PU)

0.96

0.95

0.94

0.93

0.92

0.91
0 5 10 15 20 25 30 35
Jeu de barre

Figure (3.9) : Profil de tension en (pu) sans et avec GED au JDB candidat 06 ,facteur de
puissance = 0.8 , réseau 33 JDB.

On constate qu’il y a une amélioration de profile de tension avec GED au JDB 06

III.4. Comparaison entre les résultats

Tableau (III.4) : Résultat global pour un réseau 33 JDB

FP Pertes active SGED Vmin

Sans GED 0.0203 / /
1 0.0104 0.2575 0.951
0.9 0.0064 0.3056 0.965
0.8 0.0062 0.3086 0.966

Après l'analyse des résultats obtenus dans le tableau (III.4), avec les différents
facteurs de puissance, on remarque que le JDB 06 est la meilleurposition du GED vu que
les pertes actives obtenues sont les plus faibles.Les pertes actives diminuent lorsque le
facteur de puissance diminue.

37
Chapitre IIIRésultats Et Discussions

1.01

1 Sans GED
FP=1
0.99 FP=0.9
FP=0.8
0.98
La tension (pu)

0.97

0.96

0.95

0.94

0.93

0.92

0.91
0 5 10 15 20 25 30 35
Jeux de barre

Figure (3.10) : Profil de tension en (pu) sans et avec GED

Aprèsl'analyse de la Figure (3.7) représentant le profile des tensions, plusieurs

constatations peuvent être faites pour ce raccordement :

 L'insertion d’un GED dans le réseau améliore la tension de la zone où il est

raccordé.

 Pour toutes les dérivations de réseau, la tension est relevée aux limites admissibles
grâce à l’insertion de ce GED.

 Nous remarquons que la meilleure courbe des tensions est celle associée au facteur
de puissance 0.8 ou il y’a eu moins de chutes de tension.

III.5. Conclusion
Dans ce travail, on a présenté une étude sur l’emplacement et la taille optimale de
GED par la méthode hybride PSO-Firefly . Cette méthode est programmée sur MATLAB,
et elle est testée sur un réseau test IEEE à 33jeux de barres. L’étude est réalisée sur trois
types de GED qui sont : GED de facteur de puissance unitaire et GED opérant à un facteur
de puissance 0,9 et 0.8 en retard. La méthode hybride PSO-Firefly donne la taille optimale
de GED pour minimiser les pertes de puissance active pour chaque JDB. On peut conclure
que :

38
Chapitre IIIRésultats Et Discussions

− L’injection de puissance de GED dans le réseau électrique diminue les pertes actives et
améliore le profil de tension.

− Le profil de tension avec un GED de FP =0,9 et 0.8 en retard a été amélioré par rapport à
celui GED d'un facteur de puissance unitaire, puisque le GED fonctionnant au facteur de
puissance retardé fournit une puissance réactive au réseau donc il fonctionne comme un
compensateur.

39
 Conclusion générale

Conclusion générale

La production décentralisée d'énergie n'est pas une chose nouvelle. Elle bénéficie
cependant actuellement d'un essor important et trouve un écho important dans l'opinion.
Elle n’est plus uniquement limitée à fournir de l'énergie dans les zones difficiles d'accès,
elle permet de répondre à des besoins très divers, et couvre à ce titre une large plage de
puissances. Celles-ci s'étendent de quelques kW raccordés aux réseaux de distribution
HTA. L'injection d'énergie sur des réseaux qui n'avaient pas été conçus pour cela peut
cependant poser certains problèmes qui doivent être examinés entre producteurs et
gestionnaires de réseaux. Le premier problème concerne la localisation des installations de
production et le second concerne la taille GED acceptée par le réseau de distribution.

Dans le premier chapitre nous nous somme concentré sur la production

décentralisée et intégration de GED dans des réseaux de distribution et leurs impacts sur
les grandeurs électriques et sur plan de protection .

Dans le deuxième chapitre nous avons présenté la méthode PSO-Firefly et

l'algorithme élaboré .

Pour finaliser cette étude, nous avons concrétisé la partie théorique par une
simulation sur MATLAB d'un réseau test à 33 JDB avec différent facteur de puissance 1,
0.9 et 0.8 du GED.

L’objectif principal de cette étude est trouver le meilleur emplacement et la taille

optimaledu GED dans un réseau de distribution.

Enfin, les résultats obtenus montrent que la méthode HFPSO donne de meilleures
performances que d'autres algorithmes de référence.

40
 Références bibliographiques

Références bibliographiques

[1]. Joseph Voufo , Joseph Kenfack ,Videme Bossou , John Ngundam Mucho , Tamo
Tatiétsé , «Améliorations de Méthodes de Localisation de Défauts pour les Réseaux de.
Distribution Electrique» . INTERNATIONAL JOURNAL OF ENGINEERING
SCIENCES , 2277-9655,2017.

[2].BAKHTA NAAMA, «LA PRODUCTION DECENTRALISEE» , Master 1. 2017.

Université des Sciences et de la Technologie d’Oran-Mohamed Boudiaf-faculté de génie
électrique , année universitaire 2016/2017.

[3]. Ahmed Al, Ameri,«Méthodes analytiques d’étude pour la diminution des pertes de
puissance dans les réseaux électriques maillés en utilisant des techniques d’optimisation
pour le dimensionnement et l’emplacement des générateurs décentralisés», mémoire de
doctorat , Université Le Havre Normandie , 2017.

[4]. Freitas Walmir, Vieira Jose CM , Morelato Andre , « Influence of excitation system
control modes on the allowable penetration level of distributed synchronous generators» ,
IEEE Trans Energy Convers , pp. 80–474,2005.

[5]. Pankita Mehta, Praghnesh Bhatt, Vive k Pandya , «Optimal selection of distributed
generating units and its placement for voltage stability enhancement and energy loss
minimization» , AIN SHAMS Engineering Journal ,pp.2090-4479,2015.

[6]. Murty V,Kumar A,«Optimal placement of DG in radial distribution systems based on

new voltage stability index under load growth»,International Journal Electrique Power
Energy Syst,pp.246–56,2015.

[7]. Khamis A, Sharee fH, Bizkevelci E, Khatib T, «A review of islanding detection

techniques for renewable distributed generation systems»,Renew Sustain,pp.483–93, 2013.

[8]. Short TA,«Electric power distribution hand book», CR C press, 2014.

[9]. Gopalan SA, Sreeram V, Iu HHC ,«A review of coordination strategies and protection
schemes for microgrids» .Renew Sustain Energy,pp.222–8,2014.

41
 Références bibliographiques

[10]. Foued KOUADRA, « Etude Des Variations Rapides De Tension Pour Le

Raccordement D’une Production Décentralisée Dans Un Réseau Mt », mémoire de
Magistère en Electrotechnique , Université Constantine Algérie, 2009.

[11]. R Caire, N Retière, N Hadjsaid, S Martino, C Andrieu , « Permanent Short Circuit

Current Modification of Low Voltages Distributed Generation on Distribution Network »,
International Universities Power Engineering Conference UPEC 2002 Staffordshire,
Université Royaume , 9-11 septembre 2002,

[12]. Ciprian Bud, Bogdan, Mircea Chindriş, Antoni Sudrià i Anderu, « The Load Flow
Calculation in Harmonic Polluted Radial Electric Networks with Distributed Generation »,
9 ième conference international (electrical power quality and utilisation), Barcelon ,9-11
octobre 2007.

[13] Y. Cooren, « Perfectionnement d’un algorithme adaptatif d’optimisation par essaim

particulaire - applications en génie médical et en électronique», Thèse de Doctorat ,
Université Paris 12Val de Marne, 2008.

[14]. Ibrahim Berkan Aydilek, « A Hybrid Firefly and Particle Swarm Optimization
Algorithm for Computationally Expensive Numerical Problems», Applied Soft Computing
Journal ,pp. 1568-4946,2018.

42
 Résumé

Résumé

Le but de ce mémoire est de déterminer le meilleur emplacement et la taille

optimale d'un GED pour minimiser les pertes actives des réseaux de distribution. Une
étude et une simulation pour sélectionner l'emplacement optimal de GED est réalisée par
un programme basé sur le calcul de flux de puissance par la méthode BFS et la méthode
d'optimisation HFPSO pour déterminer l'emplacement optimal et la taille de GED pour
réduire les pertes actives

L'algorithme proposé est capable d'exploiter les forces de l'essaim de particules

PSO et mécanismes de l'algorithme Firefly.

La qualité des résultats de la solution de cette étude montre que l'algorithme

HFPSO proposé fournit des solutions d'optimisation rapides et fiables.

Mots clé : Réseau de distribution, GED , Firefly, PSO

‫الملخص‬

‫( لتقليل الخسائر النشطة لشبكات‬GED) ‫الهدف من هذه الرسالة هو تحديد أفضل موقع والحجم األمثل ل‬
‫التوزيع و دراسة ومحاكاة لتحديد الموقع األمثل لـها حيث يتم تنفيذ هذه الدراسة بواسطة برنامجا ً يعتمد على حساب تدفق‬
.(HFPSO)‫( و طريقة‬BFS) ‫الطاقة بطريقة‬

.(Firefly)‫( وآلية خوارزمية‬PSO) ‫الخوارزمية المقترحة قادرة على استغالل نقاط القوة في اختبار جسيم‬

. ‫( المقترحة توفر حلول تحسين سريعة وموثوقة‬HFPSO) ‫تُظهر جودة نتائج حل هذه الدراسة أن خوارزمية‬

GED , Firefly, PSO ,‫ شبكة التوزيع‬: ‫الكلمات المفتاحية‬

Abstract

The goal of this dissertation is to determine the best location and the optimal size of
a GED to minimize the active losses of the distribution networks. A study and simulation
to select the optimal location for GED. This study is carried out by a program based on the
calculation of power flow by the BFS method and the HFPSO optimization method to
determine the optimal location and size of GED to reduce active losses
 Résumé

The proposed algorithm is able to exploit the forces of the PSO particle swarm and
mechanisms of the Firefly algorithm.

The quality of the results of the solution of this study shows that the proposed HFPSO
algorithm provides fast and reliable optimization solutions.

Keywords: Distribution network, GED, Firefly, PSO