Face à des événements météorologiques violents, un système de distribution électrique peut souffrir de la perte ou de la défaillance d'un ou de plusieurs de ses composants. Ce phénomène est connu sous le nom de contingence de système. Néanmoins, en tirant parti des systèmes de protection, de l'électronique de puissance et de la pénétration des ressources énergétiques décentralisées dans le réseau électrique, un système de distribution électrique a la possibilité d'être reconfiguré en micro-réseaux. Cela permet de résister contre de telles éventualités en gardant au minimum la possibilité d'une interruption de l'alimentation. Poussé par des facteurs techniques, économiques et environnementaux, ainsi que par le déploiement rapide d'un grand nombre de ressources de production décentralisées, le micro-réseau est récemment devenu un concept important dans un système de distribution actif et rapidement reconfigurable. Les micro-réseaux ont la capacité de fonctionner à la fois en mode connecté au réseau et en mode isolé. En raison de cet avantage, le micro-réseau est devenu un élément clé du futur réseau intelligent. Bien que le concept de micro-réseau puisse apporter différents avantages aux services de distribution et aux clients, à savoir une amélioration de l'économie, de l'environnement et de la résilience, il offre toujours un défi au niveau de la planification et la gestion opérationnelle. Les défis de la planification des micro-réseaux proviennent de : 1) la nature intermittente et incertaine des ressources décentralisées et des charges des systèmes distribués, ainsi que l'incertitude relative aux contingences auxquelles le réseau de distribution est confronté, 2) la charge de calcul que la prise en compte des incertitudes du micro-réseau implique, et 3) le grand nombre de compromis entre les différents objectifs d'optimisation possibles du micro-réseau qui doivent être pris en compte dans la phase de planification. Motivée par ces défis, cette recherche propose le développement de nouvelles méthodologies d'analyse et de planification qui peuvent assurer l'efficacité du processus de création du micro-réseau en tenant compte des caractéristiques particulières et de la philosophie opérationnelle du micro-réseau. Dans un premier temps, les modèles d'étude d'écoulement de puissance linéaires et non linéaires sont développés en prenant compte des caractéristiques réelles d'un micro-réseau insulaire équilibré et déséquilibré, c'est-à-dire l'absence de bus infini, la présence d'une fréquence du système variable et de certains générateurs fonctionnant en mode de contrôle « statisme ». Tout d'abord, nous présentons un algorithme non linéaire basé sur la méthode des mailles et la matrice Z[indice bus] pour un micro-réseau opéré en mode « droop ». Cet algorithme sans inversion est particulièrement adapté aux grandes dimensions des systèmes de distribution pratiques comprenant des milliers de nœuds électriques, lorsqu'ils fonctionnent comme des micro-réseaux insulaires. Deuxièmement, un modèle linéaire pour étudier l'écoulement de puissance (LPF) basé sur la méthode des nœuds est proposé. Étant basé sur la méthode des nœuds, le modèle proposé est utilisable dans différents problèmes d'optimisation de micro-réseaux. Des études de cas numériques sont développées et utilisées pour démontrer la précision des modèles proposés et garantir leur application réussie pour modéliser avec précision l'écoulement d'énergie dans un micro-réseau. Cela permet son application dans un processus d'optimisation présenté à l'étape suivante de cette recherche. Dans la deuxième étape, cette recherche propose un modèle d'écoulement de puissance optimal (OPF) pour le fonctionnement optimal des micro-réseaux à courant alternatif, équilibrés et déséquilibrés, avec un contrôle hiérarchique (c'est-à-dire, un contrôle primaire et secondaire). Le modèle proposé a d'abord été formulé comme un modèle non linéaire en nombres entiers (MINLP), puis il a été linéarisé et converti en un modèle linéaire en nombres entiers (MILP) en utilisant le modèle LPF développé dans la première étape de cette recherche. La philosophie de fonctionnement du micro-réseau, en mode connecté au réseau et en mode îloté, a été prise en compte. De plus, plusieurs types de générateurs distribués, y compris ceux qui sont disptachables et non disptachables, ainsi que des ressources de stockage d'énergie, ont été pris en compte dans le modèle MILP proposé. Plusieurs études de cas numériques ont été menées pour valider et prouver l'efficacité et la précision du modèle MILP développé. Les résultats de ces études de cas ont démontré la précision et la supériorité de calcul du modèle MILP proposé Enfin, un cadre de planification pour les micro-réseaux dans les réseaux de distribution actifs est proposé. Ce cadre de planification vise à améliorer la résilience des systèmes de distribution d'électricité face à des événements de faible probabilité, à fort impact. Dans le cadre proposé, le problème de planification a été présenté comme un problème d'optimisation stochastique à deux niveaux. Tout d'abord, le niveau externe traite du placement optimal des éléments de planification du système de distribution (c.-à-d. les ressources répartissables ou non répartissables, les unités de stockage d'énergie et les interrupteurs d'isolement). Ce problème a été formulé en utilisant une formulation d'optimisation multi-objectifs et ensuite l'algorithme métaheuristique bien connu NSGA-II est adopté pour la recherche d'une solution optimale. Cette approche permet de déterminer les solutions qui impliquent le meilleur compromis entre plusieurs objectifs éventuellement conflictuels du problème de planification, à savoir le coût, la résilience et l'impact environnemental. Deuxièmement, le niveau interne du cadre de planification traite du problème d'optimisation relatif au fonctionnement optimal des micro-réseaux qui peuvent être créés par les éléments de planification du système de distribution alloués dans le niveau externe. Le problème du fonctionnement optimal du micro-réseau est présenté comme un problème d'étude de l'écoulement de puissance optimal linéaire (LOPF). À cette fin, le modèle MILP développé dans la deuxième étape est adopté. Néanmoins, il est nécessaire de prendre en compte différents scénarios stochastiques dans le niveau interne pour tenir compte des différentes incertitudes du système. Il faut aussi considérer la nature métaheuristique du niveau externe ce qui demande la résolution du modèle LOPF pour chacun des scénarios stochastiques et aussi pour chaque individu de la population. La prise en compte de ces facteurs présente un défi au niveau du calcul. Par conséquent, une nouvelle méthodologie utilisant un modèle de réseau de neurones (DNN) est proposée. Cette méthode permet de dériver rapidement l'information requise des solutions LOPF pour les scénarios stochastiques considérés. Enfin, l'efficacité du cadre proposé est validée par des résultats de simulation numérique. / Facing severe weather events, a distribution system may suffer from the loss or failure of one or more of its components, known as N-K contingencies. Nevertheless, taking advantage of the system's isolate switches and the penetration of the distributed energy resources in the electrical grid, a distribution system has the possibility to be clustered into microgrids in order to with stand such contingencies with minimal power interruption. Driven by technical, economic and environmental factors, as well as by the rapid deployment of a large number of distributed generation resources, the microgrid has recently become an important concept in the active distribution system. Microgrids have the ability to operate in both grid-connected and islanded modes. The benefits that the microgrid concept can bring to the operation of the distribution grids make the microgrid a key component of the future smart grid. While, the microgrid concept can bring different benefits to both distribution utilities and customers i.e., economic, environmental and resilience enhancement; the planning and operational management of microgrids still present several challenges for the decision maker and the distribution network operator. The challenges with the planning of microgrids arise from: 1) the intermittent and uncertain nature of the distributed energy resources and loads as well as the uncertainty pertaining to the contingencies facing the distribution network, 2) the computational burden that considering the microgrid's uncertainties entails, and 3) the large number of trade-offs between the different possible microgrid optimization objectives that need to be considered in the planning stage. Motivated by these challenges, this research proposes the development of new analysis and planning methodologies that can ensure the efficacy of the microgrid creation process considering the microgrids special features and operational philosophy. Initially, nonlinear and linear power flow models are developed to cope with the real characteristics of balanced and unbalanced islanded microgrid i.e. the absence of the slack bus, the system frequency being a variable and some DGs operating in droop-control mode. First, a non-linear branch-based Z[subscript bus] algorithm for the droop-controlled islanded microgrid is introduced. This algorithm is inversion free and is particularly suited for the large dimensions of practical distribution systems comprising up to thousands of electrical node, i.e., when operated as islanded microgrids. Secondly, a node-based linear power flow (LPF) model for droop-controlled islanded microgrids is proposed. The node-based nature of the proposed LPF model, allows this model to be integrated in different microgrid optimization models. Numerical case studies are developed and are used to demonstrate the accuracy of the proposed power flow models and guarantee its successful application to accurately model the microgrid power flow in the optimization application in the next stage of this research. In the second stage, this research proposes an optimal power flow (OPF) model for the optima operation of balanced and unbalanced AC microgrids with hierarchical control (i.e., primary droop and secondary control). The proposed model has been first formulated as a mixed integer nonlinear programing (MINLP) model, then it was linearized and converted into a mixed integer linear programing (MILP) model by adapting the LPF model developed in the first stage of this research. The operating philosophy of the microgrid, in both grid-connected and islanded modes of operation, was considered. Additionally, several types of distributed generators, including dispatchable and non-dispatchable, as well as energy storage resources, were considered in the proposed MILP model. Several numerical case studies were conducted to validate, and prove the effectiveness and the accuracy of the developed MILP model. The results from the developed case studies demonstrated the accuracy and the computational superiority of the proposed MILP model. Finally, a planning framework for microgrids in active distribution networks is proposed. The proposed planning framework is aimed at enhancing the resilience of power distribution systems facing high impact low probability events. In the proposed framework, the planning problem has been casted as a stochastic bi-level optimization problem. First, the outer level deals with the optimal placement of the distribution system planning elements (i.e., dispatchable/non-dispatchable resources, energy storage units and isolating switches). This problem has been formulated using a multi-objective optimization formulation and the well know metaheuristic Non-dominated Sorting Genetic Algorithm (NSGA-II) algorithm is adopted for its solution. This approach allows for determining the solutions that entail the best trade-off between the possibly conflicting multi-objectives of the planning problem, namely, cost, resilience and environmental impact. Second, the inner level of the planning framework handles the optimization problem pertaining to the optimal operation of the microgrids that can be created by the distribution system planning elements allocated in the outer level. The problem of the microgrid's optimal operation is casted as a Linear Optimal Power Flow (LOPF) problem. To this end, the proposed MILP model developed in the second stage is adopted. Despite using a LOPF model, considering different stochastic scenarios in the inner level, to account for the different system uncertainties, along with the metaheuristic nature of the outer level make solving the LOPF model for each of the stochastic scenarios for each individual in the metaheuristic optimization's population, using a numerical optimization solver computationally challenging. Motivated by this challenge, a novel methodology using a deep neural network (DNN) model is proposed for deriving the information required from the LOPF solutions for the stochastic scenarios under consideration. The effectiveness of the proposed framework is finally validated by numerical simulation results.

Face à des événements météorologiques violents, un système de distribution électrique peut souffrir de la perte ou de la défaillance d'un ou de plusieurs de ses composants. Ce phénomène est connu sous le nom de contingence de système. Néanmoins, en tirant parti des systèmes de protection, de l'électronique de puissance et de la pénétration des ressources énergétiques décentralisées dans le réseau électrique, un système de distribution électrique a la possibilité d'être reconfiguré en micro-réseaux. Cela permet de résister contre de telles éventualités en gardant au minimum la possibilité d'une interruption de l'alimentation. Poussé par des facteurs techniques, économiques et environnementaux, ainsi que par le déploiement rapide d'un grand nombre de ressources de production décentralisées, le micro-réseau est récemment devenu un concept important dans un système de distribution actif et rapidement reconfigurable. Les micro-réseaux ont la capacité de fonctionner à la fois en mode connecté au réseau et en mode isolé. En raison de cet avantage, le micro-réseau est devenu un élément clé du futur réseau intelligent. Bien que le concept de micro-réseau puisse apporter différents avantages aux services de distribution et aux clients, à savoir une amélioration de l'économie, de l'environnement et de la résilience, il offre toujours un défi au niveau de la planification et la gestion opérationnelle. Les défis de la planification des micro-réseaux proviennent de : 1) la nature intermittente et incertaine des ressources décentralisées et des charges des systèmes distribués, ainsi que l'incertitude relative aux contingences auxquelles le réseau de distribution est confronté, 2) la charge de calcul que la prise en compte des incertitudes du micro-réseau implique, et 3) le grand nombre de compromis entre les différents objectifs d'optimisation possibles du micro-réseau qui doivent être pris en compte dans la phase de planification. Motivée par ces défis, cette recherche propose le développement de nouvelles méthodologies d'analyse et de planification qui peuvent assurer l'efficacité du processus de création du micro-réseau en tenant compte des caractéristiques particulières et de la philosophie opérationnelle du micro-réseau. Dans un premier temps, les modèles d'étude d'écoulement de puissance linéaires et non linéaires sont développés en prenant compte des caractéristiques réelles d'un micro-réseau insulaire équilibré et déséquilibré, c'est-à-dire l'absence de bus infini, la présence d'une fréquence du système variable et de certains générateurs fonctionnant en mode de contrôle « statisme ». Tout d'abord, nous présentons un algorithme non linéaire basé sur la méthode des mailles et la matrice Z[indice bus] pour un micro-réseau opéré en mode « droop ». Cet algorithme sans inversion est particulièrement adapté aux grandes dimensions des systèmes de distribution pratiques comprenant des milliers de nœuds électriques, lorsqu'ils fonctionnent comme des micro-réseaux insulaires. Deuxièmement, un modèle linéaire pour étudier l'écoulement de puissance (LPF) basé sur la méthode des nœuds est proposé. Étant basé sur la méthode des nœuds, le modèle proposé est utilisable dans différents problèmes d'optimisation de micro-réseaux. Des études de cas numériques sont développées et utilisées pour démontrer la précision des modèles proposés et garantir leur application réussie pour modéliser avec précision l'écoulement d'énergie dans un micro-réseau. Cela permet son application dans un processus d'optimisation présenté à l'étape suivante de cette recherche. Dans la deuxième étape, cette recherche propose un modèle d'écoulement de puissance optimal (OPF) pour le fonctionnement optimal des micro-réseaux à courant alternatif, équilibrés et déséquilibrés, avec un contrôle hiérarchique (c'est-à-dire, un contrôle primaire et secondaire). Le modèle proposé a d'abord été formulé comme un modèle non linéaire en nombres entiers (MINLP), puis il a été linéarisé et converti en un modèle linéaire en nombres entiers (MILP) en utilisant le modèle LPF développé dans la première étape de cette recherche. La philosophie de fonctionnement du micro-réseau, en mode connecté au réseau et en mode îloté, a été prise en compte. De plus, plusieurs types de générateurs distribués, y compris ceux qui sont disptachables et non disptachables, ainsi que des ressources de stockage d'énergie, ont été pris en compte dans le modèle MILP proposé. Plusieurs études de cas numériques ont été menées pour valider et prouver l'efficacité et la précision du modèle MILP développé. Les résultats de ces études de cas ont démontré la précision et la supériorité de calcul du modèle MILP proposé Enfin, un cadre de planification pour les micro-réseaux dans les réseaux de distribution actifs est proposé. Ce cadre de planification vise à améliorer la résilience des systèmes de distribution d'électricité face à des événements de faible probabilité, à fort impact. Dans le cadre proposé, le problème de planification a été présenté comme un problème d'optimisation stochastique à deux niveaux. Tout d'abord, le niveau externe traite du placement optimal des éléments de planification du système de distribution (c.-à-d. les ressources répartissables ou non répartissables, les unités de stockage d'énergie et les interrupteurs d'isolement). Ce problème a été formulé en utilisant une formulation d'optimisation multi-objectifs et ensuite l'algorithme métaheuristique bien connu NSGA-II est adopté pour la recherche d'une solution optimale. Cette approche permet de déterminer les solutions qui impliquent le meilleur compromis entre plusieurs objectifs éventuellement conflictuels du problème de planification, à savoir le coût, la résilience et l'impact environnemental. Deuxièmement, le niveau interne du cadre de planification traite du problème d'optimisation relatif au fonctionnement optimal des micro-réseaux qui peuvent être créés par les éléments de planification du système de distribution alloués dans le niveau externe. Le problème du fonctionnement optimal du micro-réseau est présenté comme un problème d'étude de l'écoulement de puissance optimal linéaire (LOPF). À cette fin, le modèle MILP développé dans la deuxième étape est adopté. Néanmoins, il est nécessaire de prendre en compte différents scénarios stochastiques dans le niveau interne pour tenir compte des différentes incertitudes du système. Il faut aussi considérer la nature métaheuristique du niveau externe ce qui demande la résolution du modèle LOPF pour chacun des scénarios stochastiques et aussi pour chaque individu de la population. La prise en compte de ces facteurs présente un défi au niveau du calcul. Par conséquent, une nouvelle méthodologie utilisant un modèle de réseau de neurones (DNN) est proposée. Cette méthode permet de dériver rapidement l'information requise des solutions LOPF pour les scénarios stochastiques considérés. Enfin, l'efficacité du cadre proposé est validée par des résultats de simulation numérique. / Facing severe weather events, a distribution system may suffer from the loss or failure of one or more of its components, known as N-K contingencies. Nevertheless, taking advantage of the system's isolate switches and the penetration of the distributed energy resources in the electrical grid, a distribution system has the possibility to be clustered into microgrids in order to with stand such contingencies with minimal power interruption. Driven by technical, economic and environmental factors, as well as by the rapid deployment of a large number of distributed generation resources, the microgrid has recently become an important concept in the active distribution system. Microgrids have the ability to operate in both grid-connected and islanded modes. The benefits that the microgrid concept can bring to the operation of the distribution grids make the microgrid a key component of the future smart grid. While, the microgrid concept can bring different benefits to both distribution utilities and customers i.e., economic, environmental and resilience enhancement; the planning and operational management of microgrids still present several challenges for the decision maker and the distribution network operator. The challenges with the planning of microgrids arise from: 1) the intermittent and uncertain nature of the distributed energy resources and loads as well as the uncertainty pertaining to the contingencies facing the distribution network, 2) the computational burden that considering the microgrid's uncertainties entails, and 3) the large number of trade-offs between the different possible microgrid optimization objectives that need to be considered in the planning stage. Motivated by these challenges, this research proposes the development of new analysis and planning methodologies that can ensure the efficacy of the microgrid creation process considering the microgrids special features and operational philosophy. Initially, nonlinear and linear power flow models are developed to cope with the real characteristics of balanced and unbalanced islanded microgrid i.e. the absence of the slack bus, the system frequency being a variable and some DGs operating in droop-control mode. First, a non-linear branch-based Z[subscript bus] algorithm for the droop-controlled islanded microgrid is introduced. This algorithm is inversion free and is particularly suited for the large dimensions of practical distribution systems comprising up to thousands of electrical node, i.e., when operated as islanded microgrids. Secondly, a node-based linear power flow (LPF) model for droop-controlled islanded microgrids is proposed. The node-based nature of the proposed LPF model, allows this model to be integrated in different microgrid optimization models. Numerical case studies are developed and are used to demonstrate the accuracy of the proposed power flow models and guarantee its successful application to accurately model the microgrid power flow in the optimization application in the next stage of this research. In the second stage, this research proposes an optimal power flow (OPF) model for the optima operation of balanced and unbalanced AC microgrids with hierarchical control (i.e., primary droop and secondary control). The proposed model has been first formulated as a mixed integer nonlinear programing (MINLP) model, then it was linearized and converted into a mixed integer linear programing (MILP) model by adapting the LPF model developed in the first stage of this research. The operating philosophy of the microgrid, in both grid-connected and islanded modes of operation, was considered. Additionally, several types of distributed generators, including dispatchable and non-dispatchable, as well as energy storage resources, were considered in the proposed MILP model. Several numerical case studies were conducted to validate, and prove the effectiveness and the accuracy of the developed MILP model. The results from the developed case studies demonstrated the accuracy and the computational superiority of the proposed MILP model. Finally, a planning framework for microgrids in active distribution networks is proposed. The proposed planning framework is aimed at enhancing the resilience of power distribution systems facing high impact low probability events. In the proposed framework, the planning problem has been casted as a stochastic bi-level optimization problem. First, the outer level deals with the optimal placement of the distribution system planning elements (i.e., dispatchable/non-dispatchable resources, energy storage units and isolating switches). This problem has been formulated using a multi-objective optimization formulation and the well know metaheuristic Non-dominated Sorting Genetic Algorithm (NSGA-II) algorithm is adopted for its solution. This approach allows for determining the solutions that entail the best trade-off between the possibly conflicting multi-objectives of the planning problem, namely, cost, resilience and environmental impact. Second, the inner level of the planning framework handles the optimization problem pertaining to the optimal operation of the microgrids that can be created by the distribution system planning elements allocated in the outer level. The problem of the microgrid's optimal operation is casted as a Linear Optimal Power Flow (LOPF) problem. To this end, the proposed MILP model developed in the second stage is adopted. Despite using a LOPF model, considering different stochastic scenarios in the inner level, to account for the different system uncertainties, along with the metaheuristic nature of the outer level make solving the LOPF model for each of the stochastic scenarios for each individual in the metaheuristic optimization's population, using a numerical optimization solver computationally challenging. Motivated by this challenge, a novel methodology using a deep neural network (DNN) model is proposed for deriving the information required from the LOPF solutions for the stochastic scenarios under consideration. The effectiveness of the proposed framework is finally validated by numerical simulation results.

Avec la croissance des nouvelles technologies émergentes dans les réseaux de distribution, tels que les éoliennes, les panneaux solaires, les véhicules électriques et les sources de génération distribuées, la nécessité d'étudier simultanément les réseaux de transmission et de distribution (T&D) et leurs interactions bilatérales ne peut plus être négligée. Une forte pénétration des sources d'énergie renouvelable, naturellement stochastiques, peut inverser le flux d'énergie, ce qui ne rentre pas dans le paradigme d’un écoulement de puissance à flux descendant qui caractérise les systèmes d'alimentation conventionnels. Par conséquent, les méthodes d'étude de réseaux telles que le fux de puissance optimal (Optimal Power Flow), l'engagement des groupes de production (unit commitment) et l'analyse de la stabilité doivent être revisitées. Cette thèse propose l'application de systèmes de stockage d'énergie sur batterie (BESS) dans un cadre intégré de T&D minimisant les impacts négatifs des énergies renouvelables insérées dans le réseau de distribution ou chez le client. Les BESS peuvent être interprétés comme des équipements flexibles supplémentaires, contrôlés à distance et/ou localement, qui absorbent ou libèrent des puissances actives et réactives et améliorent l'efficacité globale du système T&D au complet du point de vue de la stabilité et de la performance dynamique. Selon la pratique courante, les études des systèmes T&D intégrés peuvent être classées en sous-groupes d’études dynamiques vs stationnaires ou en sous-groupes d’études de cooptimisation vs co-simulation. Suivant la même approche, l’analyse à l’état d’équilibre est d’abord lancée par un nouvel outil d’allocation optimisée stochastique de BESS (VSCSOBA) à contrainte de stabilité de tension. L'outil d'optimisation développé basé sur GAMS à deux niveaux prend en compte les BESS et des modèles détaillés de ressources énergétiques distribuées stochastiques tout en minimisant principalement les pertes de puissance active, mais les écarts de tension, les coûts de délestage, l'augmentation de la capacité de charge (chargeabilité ou « loadbility ») ainsi que la réduction de la vulnérabilité sont aussi des fonctions objectives qui ont été considérées. L’applicabilité de l’outil proposé a été confirmée sur des cas d’utilisation basés sur des réseaux T&D benchmark de l’IEEE comportant des centaines de variables et contraintes. Dans la partie suivante, l'architecture du framework de co-simulation, ainsi que les différents acteurs clés qui y participent seront examinés. Les objectifs de cette partie sont les suivants : développer, simuler et résoudre des équations algébriques de chaque niveau indépendamment, à l'aide de simulateurs bien connus, spécifiques à un domaine (c’est-à-dire, transport vs distribution), tout en assurant une interface externe pour l'échange de données. L'outil d'interface devrait établir une connexion de partage de données robuste, fiable et bilatérale entre deux niveaux de système. Les idées et les méthodologies proposées seront discutées. Pour completer cette étude, La commutation optimale de réseaux de transport (Optimal Transmission Switching) en tant que nouvelle méthode de réduction des coûts d'exploitation est considérée d'un point de vue de la sécurité, en assument ou non la présence des BESS. De toute évidence, l'OTS est un moyen efficace (tout comme la référence de tension ou le contrôle des références de puissances P-Q) qui s’avère nécessaire dans le cadre T&D intégré, tel que nous le démontrons à travers divers cas d'utilisation. Pour ce faire, afin de préserver la sécurité des systèmes de transport d'électricité contre les attaques ou les catastrophes naturelles telles que les ouragans et les pannes, un problème OTS stochastique orienté vulnérabilité (VO-SOTS) est également introduit dans cette thèse tout en considérant l'incertitude des charges via une approche par échantillonage de scénarios respectant la distribution statistique des incertitudes. / With the growing trend of emerging new technologies in distribution networks, such as wind turbines, solar panels, electric vehicles, and distributed generations, the need for simultaneously studying Transmission & Distribution (T&D) networks and their bilateral interactions cannot be overlooked anymore. High penetration of naturally stochastic renewable energy sources may reverse the energy flow which does not fit in the top-down energy transfer paradigm of conventional power systems. Consequently, network study methods such as optimal power flow, unit commitment, and static stability analysis need to be revised. This thesis proposes application of battery energy storage systems (BESS) within integrated T&D framework minimizing the adverse impacts of renewable energy resources. The BESSs can be interpreted as additional flexible equipment, remotely and/or locally controlled, which absorb or release both active and reactive powers and improve the overall efficiency of the complete T&D system from both steady-state and dynamic viewpoints. As a common practice, the integrated T&D framework studies are categorized into either dynamic and steady-state subcases or co-optimization framework and co-simulation framework. Following the same approach, the steady-state analysis is first initiated by a novel voltage stability constrained stochastic optimal BESS allocation (VSC-SOBA) tool. The developed bi-level GAMS-based optimization tool takes into account BESSs and detailed models of stochastic distributed energy resources while minimizing active power losses, voltage deviation, load shedding costs, increasing loadability, and vulnerability mitigation are objective functions. The applicability of proposed tool has been confirmed over large IEEE recognized T&D benchmarks with hundreds of variables and constraints. In the next part, the architecture of co-simulation framework and different key players will be investigated. The objectives of this part are set as: developing, simulating, and solving differential and algebraic equations of each level independently, using existing well-known domain-specific simulators, while externally-interfaced for exchanging data. The interface tool should stablish a robust, reliable, and bilateral data sharing connection between two levels of system. The ideas and proposed methodologies will be discussed. To complete this study, optimal transmission switching (OTS) as a new method for reduction of operation costs is next considered from a security point of view. It is shown clearly that OTS is an effective mean (just like voltage reference or P-Q reference control), which is necessary in the integrated T&D framework to make it useful in dealing with various emerging use cases. To do so without impeding the security of power transmission systems against attacks or natural disasters such as hurricane and outages, a vulnerability oriented stochastic OTS (VO-SOTS) problem is also introduced in this thesis, while considering the loads uncertainty via a scenario-based approach.

Thèse ou mémoire avec insertion d'articles / L'intégration à grande échelle d'actionneurs électroniques dispersés a rendu le système d'alimentation plus difficile à observer, à identifier et contrôler. Cette thèse introduit une nouvelle méthodologie axée sur les données pour les le contrôle des systèmes d'alimentation enrichis en ressources énergétiques distribuées (RED) afin d'améliorer le potentiel du système à héberger un grand nombre de RED tout en préservant le comportement dynamique du réseau. Notre approche incorpore des données historiquement enregistrées pour obtenir des modèles de prédiction distribués qui manifestent le comportement dynamique réel. La méthode proposée est décentralisée dans les phases d'apprentissage et de contrôle. Le schéma de conception n'utilise que les mesures locales de l'actionneur d'intérêt dans la phase d'apprentissage et reçoit les signaux de retour localement dans la phase de contrôle sans hébergement d'états supplémentaires provenant du reste du réseau, donc aucun problème d'extensibilité n'est posé. Dans la première étape, les modèles obtenus sont utilisés pour construire un module de contrôle par modèle prédictif (MPC) distribué et centré sur les données qui génère des signaux auxiliaires pour l'amortissement des oscillations et par les RED. La conception proposée module les injections de puissance active et réactive des onduleurs RED afin de réduire les oscillations pendant les conditions de perturbation. Le processus d'apprentissage est basé sur la théorie des opérateurs de Koopman où le sous-système inconnu est reconstruit projetant sa dynamique dans un espace linéaire de grande dimension, afin d'approximer le système non linéaire avec une trajectoire d'état approximativement linéaire. Dans la deuxième étape, nous considérons une contribution collective de grands groupes de charges contrôlables qui modulent leur puissance agrégée de manière à réguler la fréquence primaire. Le modèle de Koopman est à nouveau développé de la même manière pour traiter les variations locales de fréquence causées par diverses perturbations à chaque bus de charge, en considérant des modèles de charges incertains. Le schéma de contrôle est adapté à un grand nombre de charges contrôlables, sans ajustement manuel du modèle. Les tests montrent une amélioration des performances de régulation de la fréquence par rapport au contrôle par la génération ou à gain proportionnel, ainsi qu'une diminution de la dépendance au déploiement de la génération de réserve de secours lorsque le contrôle par la demande est activé. L'approche permet d'améliorer les performances avec un nombre minimal de charges contrôlables. En outre, un plus grand nombre de charges non sensibles à la fréquence peuvent être en réserve pour des scénarios inattendus, ce qui ne compromet pas la qualité des services. Dans la dernière étape, nous utilisons des réseaux de distribution actifs (ADN) pour la régulation de fréquence primaire, en considérant ensemble plusieurs petites unités contrôlables (charges intelligentes et RED) de sorte que leur impact (collectivement) soit significatif. Notre approche consiste à traiter chaque unité contrôlable comme un petit contributeur à la fréquence primaire. La commande prédictive par modèle de Koopman est conçue pour traiter les variations locales de fréquence au point de couplage commun (PCC), en supposant un modèle incertain du système associé à chaque unité. Le schéma est entièrement décentralisé et adapté à un grand nombre de charges flexibles et de REDs, sans ajustement manuel du modèle. Il est démontré que l'activation de la fonctionnalité de contrôle du côté de la demande fournit une meilleure performance de fréquence avec les REDs, avec une utilisation moindre de la réserve de puissance disponible dans celles-ci. / Large scale integration of dispersed generation units has made the power system more difficult to observe, identify and control. This dissertation provides a novel data-driven methodology for power systems enriched with distributed energy resources (DERs) to enhance the system's potential to host huge number of DERs while preserving network dynamic behavior. Our approach incorporates historically recorded data to obtain distributed prediction models that manifest the actual dynamic behavior. The proposed method is decentralized in both learning and control phases. The design scheme utilizes only the local measurements of the controllable unit of interest in the learning phase and receives the feedback signals locally in the control phase with no extra states hosted from the rest of the grid, thus no scalability issues are posed. In the first stage, the obtained models are used to construct a distributed data-centric model predictive control (MPC) modules that generate auxiliary signals for oscillation damping and the DERs. The proposed design controls the active and reactive power injections of the DER inverters to reduce the oscillations during disturbance conditions. The learning process is based on Koopman operator theory where the unknown subsystem is reconstructed by lifting its dynamics to a linear space with an approximate linear state evolution. In the second stage, we consider a collective contribution of large clusters of controllable loads which modulate their aggregate demand power to regulate the primary frequency. Koopman model is again developed by the same manner to handle local frequency variations caused by various disturbances at each load bus, considering uncertain loads models. The control scheme is suited for a large-scale number of controllable loads, with no manual model adjustments. The tests show an improved frequency regulation performance compared to generation-side and a decreased reliance on standby reserve generation deployment when demand-side control is enabled. The approach can raise the performance with the minimum number of loads. Furthermore, more non-spinning frequency-responsive loads can be on standby for unexpected scenarios, thus no jeopardy to the quality of the services might occur. In the last stage, we utilize active distribution networks (ADNs) for primary frequency regulation, considering several small controllable units (smart loads and DERs) such that their impact (collectively) is significant. Our approach focuses on treating each controllable unit as a small contributor to the primary frequency. Koopman model predictive control is designed to handle local frequency variations at the point of common coupling (PCC), assuming an uncertain system model associated with each unit. The scheme is fully decentralized and suited for a large-scale number of flexible loads and DERs, with no manual model adjustments. It is shown that enabling the demand-side control functionality provides a better performance along with the DER, whilst keeping less usage of the DER surplus power reserve.

La transition énergétique mondiale en cours incite à l'exploration et au développement d'approches holistiques incluant la modélisation et la simulation des ressources énergétiques distribuées (RED) et des charges flexibles modernes de manière intégrée, tout en évaluant leurs impacts sur le réseau de distribution. Avec le déploiement croissant de ces technologies dites vertes ces dernières décennies, caractérisées principalement par des dispositifs intelligents et un marché énergétique transactionnel en croissance, le système énergétique a acquis une dynamique significative, en particulier du côté de la distribution. Le comportement des consommateurs intelligents et la variabilité des RED changent radicalement les paradigmes traditionnels de planification et d'opération. Cette recherche contribue au domaine de la co-simulation distribution et client (D&C) en introduisant FlexSimNet, une plateforme de simulation innovante open-source, construite autour des technologies de flexibilité et des ressources énergétiques distribuées qui seront cruciales pour fournir de l'électricité Décarbonée, Numérisée et Décentralisée (3D) de manière rentable pour permettre l'émergence de systèmes énergétiques plus verts. FlexSimNet est une plateforme de simulation multi-sectorielle conçue comme un repère pour la recherche et l'analyse de systèmes de distribution et de clients intégrés à grande échelle. FlexSimNet est développé dans un environnement Python et utilise des solveurs de systèmes tels qu'OpenDSS et EnergyPlus en co-simulation. Il comprend plusieurs modules, chacun exécutant des fonctions spécifiques avec des entrées et des sorties distinctes, et conçu pour offrir une flexibilité dans le contrôle de l'opération des charges flexibles et des RED. Ces modules incluent : - Un outil Générique Tierme-Series Pow Flow (GTSPF), qui tire parti d'OpenDSS et de Python pour la simulation dynamique des réseaux de distribution, qui est également intégré à la plateforme d'Énergie Transactionnelle ETSim, permettant un examen détaillé des échanges d'énergie transactionnelle et de leur impact sur les opérations et l'efficacité du réseau. - Un module de Modélisation de l'Énergie Domestique qui utilise EnergyPlus pour une modélisation précise de l'énergie des bâtiments, facilitant une analyse plus approfondie des modèles de consommation tels que les niveaux de confort et leur influence sur le système énergétique global. - La mise en œuvre de simulation de Monte Carlo pour explorer la nature stochastique de la charge et de la décharge des VE, fournissant des aperçus sur la flexibilité et les défis posés par une forte pénétration des VE. - Et, l'application de techniques d'apprentissage machine pour la prévision précise de l'irradiance solaire et de la température, démontrant le potentiel des approches basées sur les données pour améliorer la précision prédictive. Le potentiel et les capacités de FlexSimNet sont évalués de manière approfondie à travers une variété de scénarios et de configurations de simulation. Les résultats confirment l'efficacité et la fiabilité de la plateforme comme cadre robuste pour simuler les interactions entre les RED, les charges flexibles et les réseaux de distribution, offrant un nouveau repère pour l'analyse techno-économique. Les simulations démontrent la complexité supplémentaire introduite dans le réseau par la haute pénétration des ressources énergétiques distribuées et des charges flexibles. Bien que ces ressources offrent des avantages tels que l'intégration des énergies renouvelables et les services de soutien potentiels au réseau, elles défient également l'efficacité du réseau. Cela souligne l'importance d'optimiser l'opération et la coordination de ces ressources au sein du réseau de distribution pour exploiter pleinement leurs avantages tout en maintenant ou en améliorant la performance du réseau. Cela impose également des défis pour la stabilité de la tension. La gestion de ces fluctuations devient cruciale, surtout à mesure que les niveaux de pénétration de ces technologies augmentent. Les opérateurs de système doivent employer des stratégies de régulation de tension avancées et exploiter la flexibilité de ces ressources énergétiques distribuées pour maintenir la stabilité du réseau. / The ongoing global energy transition urges the exploration and development of holistic approaches that include the modelling and simulation of distributed energy resources (DER) and modern flexible loads in an integrated manner while evaluating their impacts on the distribution network. With the increasing deployment of these so-called green technologies in recent decades, characterized primarily by smart devices and a growing transactional energy market, the power system has gained significant dynamism, especially on the distribution side. The behaviour of smart consumers and the variability of DER drastically change traditional planning and operational paradigms. This research contributes to the distribution and client (D&C) co-simulation field by introducing FlexSimNet, an innovative open-source simulation platform, built around flexibility technologies and distributed energy resources that will be crucial for delivering cost-effective Decarbonized, Digitized and Decentralized (3D) electricity to enable emerging greener energy systems. FlexSimNet is a multi-sector simulation platform designed as a benchmark for the research and analysis of large-scale integrated distribution and customer systems. FlexSimNet is developed in a Python environment and employs system solvers such as OpenDSS and EnergyPlus in co-simulation. It comprises several modules, each performing specific functions with distinct inputs and outputs, and designed to offer flexibility in controlling the operation of flexible loads and DER. These modules include: - A Generic Time-Series Power Flow (GTSPF) tool, which leverages OpenDSS and Python for dynamic simulation of distribution networks which is also integrated with the transactive energy ETSim platform, enabling detailed examination of transactive energy exchanges and their impact on network operations and efficiency. - A Home Energy Modelling module which utilizes EnergyPlus for accurate building energy modelling, facilitating a deeper analysis of consumption patterns such as comfort levels and their influence on the overall energy system. - The implementation of Monte Carlo simulations to explore the stochastic nature of EV charging and discharging, providing insights into the flexibility and challenges posed by high EV penetration. - And, the application of machine learning techniques for precise forecasting of solar irradiance and temperature, demonstrating the potential of data-driven approaches inenhancing predictive accuracy. FlexSimNet's potential and capabilities are thoroughly assessed through a variety of scenarios and simulation setups. The results confirm the platform's effectiveness and reliability as a robust framework for simulating the interactions between DER, flexible loads, and distribution networks, offering a new benchmark for techno-economic analysis. The simulations demonstrate the additional complexity introduced into the network by the high penetration of distributed energy resources and flexible loads. While these resources offer benefits such as renewable integration and potential grid support services, they also challenge network efficiency. This underscores the importance of optimizing the operation and coordination of these resources within the distribution network to harness their full benefits while maintaining or enhancing network performance. It also imposes challenges for voltage stability. Managing these fluctuations becomes crucial, especially as the penetration levels of such technologies grow. System operators need to employ advanced voltage regulation strategies and leverage the flexibility of these distributed energy resources to maintain grid stability.

Dans ce mémoire, des questions associées à la simulation en régime transitoire et à l'intégration au réseau de distribution d'une génératrice asynchrone privée (« NUIG : Non-Utility Induction Génération ») sont étudiées. L'objectif de ce travail est de vérifier l'influence de différents facteurs tels le niveau et l'emplacement de la charge et de la compensation capacitive ainsi que le type de charge sur les phénomènes d'auto-excitation de la génératrice asynchrone et les surtensions indésirables qui résultent d'un défaut et/ou d'une condition d'îlotage. Les résultats de simulation montrent que les phénomènes d'auto-excitation semblent très complexes et multidimensionnels et ils impliquent l'interaction de différents facteurs. Les courbes obtenues dépendent fortement des spécifications du système et il est difficile de dériver des critères précis qui puissent être appliqués de façon générale à tous les cas d'intégration de la génération asynchrone au réseau. Cependant, des principes directeurs pratiques pour limiter l'occurrence de l'auto-excitation ont été dérivés et selon ces principes directeurs, un système de protection et un réglage de rélai recommandés sont présentés pour l'interconnexion de génératrices asynchrones privées (« NUIG ») au réseau de distribution. / In this thesis, some topics related to the dynamic simulation and operations of Non-Utility Induction Generation (NUIG) are investigated. The objective of this thesis is to put focus on the influence of different factors such as load and capacitive compensation levels and positions as well as load type on induction generator self-excitation phenomenon and related overvoltages, resulting from a fault and/or an unwanted islanding condition. The results of simulations showed the self-excitation phenomenon appear to be very complex and multidimensional and implying the interaction of many different factors. The obtained curves and behaviors highly depend on the system specifics, and it is difficult to drive precise criteria applicable in a general manner to ail cases of generation’s integration. However, practical guidelines to limit the occurrence of self-excitation have been derived and, as per these guidelines, recommended protection System and relay settings are presented for interconnection of NUIGs to the distribution networks.