Grand établissement public d'enseignement supérieur, pôle de recherche reconnu, élément fondateur de l'écosystème grenoblois : Grenoble INP, l'institut d'ingénierie et de management de l’Université Grenoble Alpes (UGA), occupe une place de premier plan dans la communauté scientifique et industrielle.
Grenoble INP - UGA est membre de réseaux internationaux de formation et recherche en ingénierie et management.
Il est reconnu dans les classements nationaux et internationaux.
Le Laboratoire G2elab de Génie Électrique de Grenoble est une unité mixte de recherche (UMR 5269) de Grenoble INP - UGA, de l'Université Grenoble Alpes et du CNRS, dans le domaine de la Recherche en Génie Électrique.
Il couvre un spectre scientifique qui va des matériaux et des composants, pour aboutir à la conception et au pilotage de systèmes d’énergie électrique. Son action peut être résumée par les mots clefs suivants : énergie électrique, matériaux, procédés et systèmes innovants, modélisation et conception.
Avec plus d'une centaine de personnels permanents, une centaine d'étudiants en doctorat et 70 autres acteurs comme les master, les post-docs ou les professeurs invités, le G2Elab s'impose dans ces domaines comme un acteur majeur au niveau national et international, au cœur de l’efficacité énergétique des composants et systèmes.
-
The G2elab Grenoble Electrical Engineering Laboratory is a joint research unit (UMR 5269) of Grenoble INP - UGA, Grenoble Alpes University and CNRS, in the field of Electrical Engineering Research.
It covers a scientific spectrum ranging from materials and components to the design and control of electrical energy systems. Its activities can be summed up in the following key words: electrical energy, materials, innovative processes and systems, modelling and design.
With more than a hundred permanent staff, around a hundred doctoral students and 70 other members of staff such as masters, post-docs and visiting professors, G2Elab is a major national and international player in these fields, at the heart of the energy efficiency of components and systems.
https://g2elab.grenoble-inp.fr/
Thèse intitulée " Gestion des boucles 63kV en forte présence de production décentralisée - une approche distribuée optimale"
La transition énergétique confronte les réseaux électriques à un triple défi. Ils doivent interconnecter un nombre croissant
d'acteurs du fait de la généralisation des centrales renouvelables distribuées. Les flux d'électricité sont croissants à cause de
l'électrification de la mobilité et des secteurs industriels comme la chaleur. Enfin leurs réactions à un incident ou à un déséquilibre
sont de plus en plus rapides. Ce dernier point est causé par l'augmentation des productions fluctuantes et de la diminution relative
des machines tournantes dans le mix de production. Le contrôle optimal d'un réseau électrique, cristallisé autour du problème
d'optimal power flow, doit donc prendre en compte le passage à l'échelle du nombre des variables de décision, l’anticipation du
futur et la surveillance de l'état actuel afin d'améliorer la réactivité lors d'un défaut.
Le problème d'optimal power flow occupe une place centrale dans l'état de l'art du contrôle optimal d'un réseau électrique. Il
cherche à déterminer le plan d'injection de puissance permettant de minimiser les couts de production, d'acheminement et de
flexibilité, tout en respectant les contraintes techniques d'exploitation. Des extensions ont été faites afin de prendre en compte
la perte d'un équipement (security constraint, N-1) et la reconfiguration des lignes lorsqu'il est nécessaire de modifier la topologie
du réseau. Du fait de leur cout calculatoire important, ces extensions nécessitent une linéarisation du problème et donnent donc
une solution approximée. Parallèlement, de nombreux travaux considèrent la possibilité de répartir le problème global entre
plusieurs zones qui résolvent des problèmes locaux, puis se coordonnent entre elles afin d'obtenir un optimum global. Ceci
nécessite l'échange de nombreux messages et donc un couplage entre les réseaux de puissance et d'information. Ces deux
réseaux deviennent alors un système cyber physique. L'impact d'un réseau de communication imparfait a été exploré afin
d'établir des stratégies algorithmiques permettant de garantir le temps de convergence des algorithmes distribués, même lors
de la perte de certains messages. En revanche la prise en compte des reconfigurations de réseau au sein de ces approches
distribuées n'a pas été investiguée à notre connaissance.
Par ailleurs la nécessité d'anticiper les évènements à venir ajoute une complexité temporelle à un problème qui présentait déjà
une grande dimension spatiale. Ce contrôle anticipatif optimal MPC a montré ses avantages. Les contrôleurs installés sur le réseau
de RTE utilisent ce principe afin d'améliorer leur gestion. En revanche l'anticipation du futur ne peut être parfaite du fait des
erreurs de prévision. Les algorithmes MPC ont encore des limites quant à la prise en compte des incertitudes et des décisions des
autres acteurs. Ces enjeux font l'objet de recherches actives. Cependant plusieurs verrous demeurent concernant le passage à l'échelle des
problèmes de gestion de réseau et la prise en compte des incertitudes. Tout d'abord les actions de reconfiguration de réseau
soulèvent des enjeux combinatoires car elles ajoutent des variables booléennes. Il en résulte des problèmes à variables entières
de grande dimension qui admettent des heuristiques de résolution performantes, sous une approximation linéaire. En revanche
la résolution d'un optimal power flow non relaxé, prenant en compte les reconfigurations reste une question ouverte.
Par ailleurs la gestion d'un réseau exige de prendre en compte de plus en plus d'incertitudes. Celles-ci peuvent être aussi bien
dues à la prévision des évènements futurs qu'à l'observation incertaine de l'état actuel. A notre connaissance, l'état de l'art du
contrôle prédictif optimal à l'échelle d'un réseau de grande dimension ne permet pas à l'heure actuelle de prendre en compte
ces deux limitations.