Aleksandr PETRUSEV

Résumé de la thèse :
Les capacités des algorithmes traditionnels utilisés par les gestionnaires de réseau de distribution peuvent ne pas être suffisantes pour gérer efficacement le réseau avec une complexité croissante. La pénétration croissante des sources d'énergie renouvelables intermittentes peut provoquer des surtensions, et l'intégration massive des véhicules électriques entraîne des pics de consommation importants qui peuvent être trop dangereux pour le réseau, dépassant les limites thermiques des lignes. A ce titre, des outils plus rapides sont nécessaires pour réguler les flux de puissance et gérer les contraintes opérationnelles du réseau de distribution.
Cette thèse est dédiée au développement d'outils basés sur l'apprentissage automatique qui aident les opérateurs de réseaux de distribution à faire face à la complexité croissante de la gestion des réseaux de distribution. Trois outils différents sont proposés. Le premier détecte les installations photovoltaïques dans un réseau de distribution sans contrat de raccordement. Le deuxième outil est un contrôleur basé sur des algorithmes d'apprentissage par renforcement (RL), TD3PG et PPO, pour réguler la tension dans un réseau de distribution. Les performances de ce contrôleur sous des incertitudes de charge et d'impédance sont particulièrement étudiées. Le troisième outil est dédié au contrôle de la puissance échangée entre les réseaux de distribution et de transport à l'aide d'un contrôleur basé sur du RL.