Tableau d'honneur de la Faculté des études supérieures et postdoctorales, 2017-2018 / La validité des modèles des générateurs est essentielle aux analyses de stabilité et de performance dynamique des réseaux électriques. Les producteurs d’énergie doivent fournir aux transporteurs d’électricité les paramètres électriques dynamiques du modèle de tous les générateurs mis en service après 1990. Les paramètres fournis doivent obligatoirement être validés par des mesures expérimentales. En Amérique du Nord, la procédure d’estimation des paramètres la plus acceptée est l’essai de courtcircuit brusque. Pour des cas de réfection, les risques élevés de bris peuvent devenir inacceptables. L’essai SSFR (« Standstill Frequency Response ») décrit dans la norme ANSI/IEEE Std 115-2009 comporte plusieurs avantages par rapport aux méthodes plus traditionnelles, notamment l’amélioration de la précision des modèles sur une bande passante plus large (> 200 Hz) et l’élimination des risques d’endommager le générateur. L’objectif du projet de recherche est de développer un système de mesure automatisé répondant à des contraintes industrielles afin d’assister la réalisation de l’essai SSFR sur de grands alternateurs hydrauliques. La solution proposée vise à maximiser la qualité des mesures tout en minimisant le nombre d’interventions manuelles et la complexité du montage expérimental. Le système a été utilisé pendant plus de deux mille heures afin de réaliser des essais de validation sur des générateurs de 5.4 kVA. Les essais ont permis de démontrer que le système est robuste et qu’il possède les spécifications requises pour effectuer des essais SSFR répondant aux exigences de la norme ANSI/IEEE Std 115- 2009. Les trois premiers chapitres du mémoire introduisent les bases théoriques liées à la modélisation dq0 d’un générateur synchrone, puis décrivent les principaux essais permettant l’identification des paramètres du modèle. La seconde partie du mémoire se concentre sur les divers aspects de conception du système de mesure automatisé. / Generator models validity is essential to analyze power grids stability and dynamic performance. Energy producers must provide power carriers with the model parameters of all generators commissioned after 1990. The parameters supplied must be validated by experimental measurements. In North America, the most accepted parameter estimation procedure is the short-circuit test. For repair cases, the high risk of damaging the alternator may become unacceptable. The SSFR (« Standstill Frequency Response ») test described in the ANSI / IEEE Std 115-2009 standard has several advantages over more traditional methods, namely an improvement of the models accuracy over a wider bandwidth (> 200 Hz) and the elimination of the risk of damaging the generator. The research project objective is to develop an automated measurement system meeting industrial constraints in order to assist the realization of the SSFR test on large hydraulic alternators. The proposed solution aims to maximize the quality of measurements while minimizing the number of manual interventions and the complexity of the experimental setup. The system has been used for more than two thousand hours to perform validation tests on 5.4 kVA generators. The tests demonstrated that the system is robust and has the required specifications to perform SSFR tests that meet the requirements of the ANSI / IEEE Std 115-2009 standard. The first three chapters of the thesis introduce the theoretical framework related to the dq0 modelisation of a synchronous generator, then describe the main tests allowing the identification of the model parameters. The second part of the thesis focuses on the various design considerations of the automated measurement system.

Toute déséquilibre entre génération de puissance et consommation de charge doit être corrigée rapidement afin d’éviter une déviation de fréquence qui risquerait de menacer la stabilité et la sécurité du réseau électrique. La génération est typiquement centralisée à quelques endroits sur le réseau électrique, par contre la charge est fortement distribuée partout sur le réseau. Comparés à la plupart des générateurs conventionnels, les dispositifs de commutation toutou- rien installés du côté de la demande permettent aux charges de réagir plus rapidement aux perturbations du système. Cette caractéristique, associée aux nouvelles technologies de mesures, de télécommunication, et de calcul à haute performance, permettent d’agir efficacement sur les dispositifs du côté de la demande et font de ces dispositifs des candidats idéaux pour la régulation des fréquences primaires. Cette thèse propose trois solutions permettant de pallier aux limites de performance des approches de contrôle de charge décentralisées utilisées à ce jour dans les réseaux électriques comportant des ressources distribuées du côté de la charge : *Contrôle de charge optimal amélioré (IOLC) : Nous introduisons une approche améliorée du contrôle de charge optimal (IOLC) en appliquant une méthode systématique de réglage du gain à l’OLC conventionnel. l’Algorithme génétique NSGA-II (Non-dominated Sorting Genetic Algorithm II) avec Algorithme de Sélection de logique flou (Fuzzy Selection Algorithm) est employé comme procédure d’ajustement de gain multi-objectif dans l’approche IOLC. Nous montrons par simulation que l’IOLC peut atteindre une meilleure performance générale par rapport à l’OLC, que la boucle d’asservissement turbine-régulateur de vitesse (TG) soit activée ou désactivée. *Contrôle direct de la charge avec une architecture hiérarchique, clairsemée et résiliente : Nous concevons et développons une stratégie hiérarchique de modulation de charge et d’élagage des capteurs pour l’amélioration de la réponse en fréquence primaire et l’amortissement des oscillations inter-zones. La structure de commande de charge hiérarchique coordonnée que nous proposons, utilise à la fois la commande locale et la commande globale, avec des contrôleurs utilisant des mesures à distance et des signaux de commande dans une structure distribué sur une grande surface, de façon éparse et optimale. La couche locale de bas niveau traite avec précision la réponse à la demande et la régulation de fréquence, tandis que la couche de supervision agencée de manière creuse avec un nombre minimal de paires (mesure-contrôle) améliore les performances et les marges de stabilité du système, tout en réduisant le coût du transfert des données, les liaisons de communication et la complexité du réseau. *Contrôle de charge basé sur l’inertie virtuelle : Compte tenu des charges agrégées intégrées au stockage, nous étendons le contrôle de charge conventionnel pour habiliter l’inertie virtuelle dans les réseaux électriques à faible inertie. Le signal de contrôle de charge basé sur l’inertie virtuelle minimise donc le taux de variation de fréquence ainsi que l’erreur de fréquence afin de rétablir plus promptement l’équilibre production-demande souhaité sur le réseau. Nous montrons par simulation que l’inertie virtuelle basée sur la charge permet une meilleure régulation de la fréquence du système avec une performance transitoire remarquablement améliorée, une un nadir (creux) de fréquence et une erreur en régime permanent en supprimant approximativement des charges égales ou même avec moins de charges contrôlables par rapport au contrôle de charges conventionnel. En outre, nous développons deux systèmes de références à l‘aide du logiciel de simulation Simscape Power Systems (SPS) couramment utilisés pour l’éducation et la recherche dans le domaine des réseaux électriques dans le monde entier. Nous présentons également un bloc de mesure de fréquence, qui a été ajouté à la bibliothèque de modèles de la dernière version commerciale de SPS (R2018a), permettant de mesurer la fréquence dans un modèle simulé en mode phaseur. / Any inequality between power system generation and load must be corrected in a short time, otherwise frequency deviation will happen and consequently the stability and security of the power system will be threatened. Demand-side endpoints are distributed on the load side of power systems in contrast to traditional control resources such as centralized bulk generators. The ability of outright ON/OFF switching devices on the demand side enables the loads to respond faster to system disturbances, compared to most conventional generators. This feature, along with the integration of sensing, computation and communication technologies, makes demand-side resources an ideal candidate in primary frequency regulation. This thesis focuses on controlling power systems using distributed load-side resources. Specifically, it proposes three main solutions to overcome the limitations of decentralized load control approaches: *Improved Optimal Load Control (IOLC): We introduce an Improved Optimal Load Control (IOLC) approach by applying a systematic gain-tuning method to the conventional OLC. A joint Non-dominated Sorting Genetic Algorithm-II (NSGA-II) with Fuzzy Selection Algorithm (FSA) is employed as the multi objective gain-tuning procedure in IOLC approach. We show by simulation that in comparison with OLC, IOLC can achieve a better generalization performance in the case of turbine-governor (TG) control action whether enabled or disabled. *Sparse and Resilient Hierarchical Direct Load Control: We design and develop a hierarchical sensor pruning load modulation strategy for primary frequency response improvement and inter-area oscillations damping. The proposed coordinated hierarchical load control structure utilizes both local and distributed wide-area control, where controllers make use of remote measurements and control signals in an optimal sparse wide-area structure. To be precise, device layer deals with demand-response and frequency regulation, while the sparse supervisory layer improves the system’s closed-loop performance and stability margins, with simultaneous reduction of the cost of data transfer, communication links and power network complexity. *Virtual Inertia-based Load Control: Considering the storage built-in aggregated loads, we extend the conventional load control to enable virtual inertia in low-inertia rate power systems. The virtual inertia-based load control signal therefore minimizes the rate of change of frequency as well as frequency error to provide desired power balance over the network. We show by simulation that enabling load-based virtual inertia provides better power system frequency regulation with remarkably improved transient performance, frequency nadir and steady state error by shedding approximately equal or even less amount of controllable loads compared to the conventional load control. Furthermore, we develop two commonly used Simscape Power Systems (SPS) benchmarks for power system education and research worldwide. We also present a frequency measurement block (which will be included in Matlab 2018a measurement library) to measure the frequency in a SPS model running in phasor mode.

Cette thèse s’intéresse à différentes variantes du problème des bandits, une instance simplifiée d’un problème de reinforcement learning (RL) dont l’accent est mis sur le compromis entre l’exploration et l’exploitation. Plus spécifiquement, l’accent est mis sur trois variantes, soient les bandits contextuels, structurés et multi-objectifs. Dans la première, un agent recherche l’action optimale dépendant d’un contexte donné. Dans la seconde, un agent recherche l’action optimale dans un espace potentiellement grand et caractérisé par une métrique de similarité. Dans la dernière, un agent recherche le compromis optimal sur un front de Pareto selon une fonction d’articulation des préférences non observable directement. La thèse propose des algorithmes adaptés à chacune de ces variantes, dont les performances sont appuyées par des garanties théoriques ou des expériences empiriques. Ces variantes de bandits servent de cadre à deux applications réelles et à haut potentiel d’impact, soient l’allocation de traitements adaptative pour la découverte de stratégies de traitement du cancer personnalisées, et l’optimisation en-ligne de paramètres d’imagerie microscopique à grande résolution pour l’acquisition efficace d’images utilisables en neuroscience. La thèse apporte donc des contributions à la fois algorithmiques, théoriques et applicatives. Une adaptation de l’algorithme best empirical sampled average (BESA), GP BESA, est proposée pour le problème des bandits contextuels. Son potentiel est mis en lumière par des expériences en simulation, lesquelles ont motivé le déploiement de la stratégie dans une étude sur des animaux en laboratoire. Les résultats, prometteurs, montrent que GP BESA est en mesure d’étendre la longévité de souris atteintes du cancer et ainsi augmenter significativement la quantité de données recueillies sur les sujets. Une adaptation de l’algorithme Thompson sampling (TS), Kernel TS, est proposée pour le problème des bandits structurés en reproducing kernel Hilbert space (RKHS). Une analyse théorique permet d’obtenir des garanties de convergence sur le pseudo-regret cumulatif. Des résultats de concentration pour la régression à noyau avec régularisation variable ainsi qu’une procédure d’ajustement adaptative de la régularisation basée sur l’estimation empirique de la variance du bruit sont également introduits. Ces contributions permettent de lever l’hypothèse classique sur la connaissance a priori de la variance du bruit en régression à noyau en-ligne. Des résultats numériques illustrent le potentiel de ces outils. Des expériences empiriques illustrent également la performance de Kernel TS et permettent de soulever des questionnements intéressants relativement à l’optimalité des intuitions théoriques. Une nouvelle variante de bandits multi-objectifs généralisant la littérature est proposée. Plus spécifiquement, le nouveau cadre considère que l’articulation des préférences entre les objectifs provient d’une fonction non observable, typiquement d’un utilisateur (expert), et suggère d’intégrer cet expert à la boucle d’apprentissage. Le concept des rayons de préférence est ensuite introduit pour évaluer la robustesse de la fonction de préférences de l’expert à des erreurs dans l’estimation de l’environnement. Une variante de l’algorithme TS, TS-MVN, est proposée et analysée. Des expériences empiriques appuient ces résultats et constituent une investigation préliminaire des questionnements relatifs à la présence d’un expert dans la boucle d’apprentissage. La mise en commun des approches de bandits structurés et multi-objectifs permet de s’attaquer au problème d’optimisation des paramètres d’imagerie STED de manière en-ligne. Les résultats expérimentaux sur un vrai montage microscopique et avec de vrais échantillons neuronaux montrent que la technique proposée permet d’accélérer considérablement le processus de caractérisation des paramètres et facilitent l’obtention rapide d’images pertinentes pour des experts en neuroscience. / This thesis deals with various variants of the bandits problem, wihch corresponds to a simplified instance of a RL problem with emphasis on the exploration-exploitation trade-off. More specifically, the focus is on three variants: contextual, structured, and multi-objective bandits. In the first, an agent searches for the optimal action depending on a given context. In the second, an agent searches for the optimal action in a potentially large space characterized by a similarity metric. In the latter, an agent searches for the optimal trade-off on a Pareto front according to a non-observable preference function. The thesis introduces algorithms adapted to each of these variants, whose performances are supported by theoretical guarantees and/or empirical experiments. These bandit variants provide a framework for two real-world applications with high potential impact: 1) adaptive treatment allocation for the discovery of personalized cancer treatment strategies; and 2) online optimization of microscopic imaging parameters for the efficient acquisition of useful images. The thesis therefore offers both algorithmic, theoretical, and applicative contributions. An adaptation of the BESA algorithm, GP BESA, is proposed for the problem of contextual bandits. Its potential is highlighted by simulation experiments, which motivated the deployment of the strategy in a wet lab experiment on real animals. Promising results show that GP BESA is able to extend the longevity of mice with cancer and thus significantly increase the amount of data collected on subjects. An adaptation of the TS algorithm, Kernel TS, is proposed for the problem of structured bandits in RKHS. A theoretical analysis allows to obtain convergence guarantees on the cumulative pseudo-regret. Concentration results for the regression with variable regularization as well as a procedure for adaptive tuning of the regularization based on the empirical estimation of the noise variance are also introduced. These contributions make it possible to lift the typical assumption on the a priori knowledge of the noise variance in streaming kernel regression. Numerical results illustrate the potential of these tools. Empirical experiments also illustrate the performance of Kernel TS and raise interesting questions about the optimality of theoretical intuitions. A new variant of multi-objective bandits, generalizing the literature, is also proposed. More specifically, the new framework considers that the preference articulation between the objectives comes from a nonobservable function, typically a user (expert), and suggests integrating this expert into the learning loop. The concept of preference radius is then introduced to evaluate the robustness of the expert’s preference function to errors in the estimation of the environment. A variant of the TS algorithm, TS-MVN, is introduced and analyzed. Empirical experiments support the theoreitcal results and provide a preliminary investigation of questions about the presence of an expert in the learning loop. Put together, structured and multi-objective bandits approaches are then used to tackle the online STED imaging parameters optimization problem. Experimental results on a real microscopy setting and with real neural samples show that the proposed technique makes it possible to significantly accelerate the process of parameters characterization and facilitate the acquisition of images relevant to experts in neuroscience.