The effect of HVDC lines in power-grids via Kuramoto modelling

Résumé technique : L'effet des lignes HVDC dans les réseaux électriques via la modélisation de Kuramoto

Énoncé du problème
Les réseaux électriques modernes, traditionnellement modélisés comme de grandes machines synchrones basées sur des générateurs rotatifs, deviennent de plus en plus vulnérables en raison de l'intégration des sources d'énergie renouvelables et de la réduction de l'inertie de rotation. Cette réduction diminue la capacité du système à amortir les perturbations du flux de puissance et de la fréquence, menant à des instabilités potentielles, des pertes de synchronisation et des défaillances en cascade (pannes généralisées). Bien que les lignes à courant continu haute tension (HVDC) soient reconnues pour transmettre efficacement la puissance sur de longues distances et puissent segmenter les réseaux pour limiter la propagation des cascades, leur impact sur la dynamique de synchronisation et les effets indésirables potentiels (tels que le paradoxe de Braess) nécessitent une investigation plus approfondie dépassant les approximations linéaires. L'article traite de la nécessité de comprendre comment le remplacement de liaisons CA spécifiques par des connexions HVDC affecte la stabilité de la synchronisation et le comportement des défaillances en cascade dans un régime non linéaire et à grande échelle.

Méthodologie
Les auteurs emploient une étude numérique utilisant le modèle de Kuramoto de second ordre adaptatif (KM) pour simuler la dynamique du réseau de haute tension (HV) européen (jeu de données EU2016, $N=13\,478$ nœuds). Le modèle intègre l'inertie ($I$), l'amortissement ($\alpha$) et des interactions de phase non linéaires, allant au-delà des équations de l'oscillation linéarisées souvent utilisées en génie électrique.

Composants méthodologiques clés :

• Dynamique du modèle : Le système est régi par des équations différentielles du second ordre où les nœuds représentent des oscillateurs avec des fréquences propres tirées d'un ensemble gaussien. Le modèle inclut un mécanisme de défaillance de ligne basé sur un seuil : si le flux de puissance $|\sin(\theta_j - \theta_i)|$ dépasse un seuil $T=0,99$, la ligne est définitivement supprimée, déclenchant une cascade.
• Mise en œuvre HVDC : L'étude simule le remplacement de 36 câbles sous-marins reliant la péninsule scandinave au reste de l'Europe (environ 0,2 % des liaisons totales) par des lignes HVDC. Deux approches de modélisation principales sont testées :
  1. HVDC Statique : Les liaisons sont retirées du graphe d'adjacence, et des injections/retraits de puissance fixes sont appliqués aux extrémités, découplant ainsi les phases des deux sous-réseaux.
  2. HVDC Adaptatif : Un nouveau terme est ajouté aux équations du mouvement, $f(\dot{\theta}_j - \dot{\theta}_i) \cdot D_{ij}$, où le flux de puissance dépend de la différence de fréquence locale. Diverses fonctions d'activation ($f$) sont testées, incluant les fonctions linéaire, $\tanh(x)$, $\text{softsign}(x)$ et $\text{sign}(x)$.
• Protocole de simulation : Les simulations sont exécutées sur des clusters GPU et CPU en utilisant des intégrateurs à pas de taille adaptative (Bulirsch-Stoer et Runge-Kutta). Le système est initialisé dans un état de synchronisation de phase, thermalisé vers un état stationnaire, puis perturbé par la suppression d'une ligne aléatoire pour observer l'évolution de la cascade. Les métriques incluent le paramètre d'ordre de Kuramoto ($R$), le paramètre d'ordre univers ($R_{uni}$), la variance de fréquence ($\Omega$) et la taille moyenne de la cascade ($\langle N_f \rangle$).

Contributions clés

1. Analyse non perturbative : L'étude fournit une simulation dynamique du modèle de Kuramoto de second ordre sur un réseau réaliste à grande échelle, capturant les effets non linéaires et les grands écarts de phase que les modèles linéaires ne saisissent pas.
2. Contexte de la dimension spectrale : Les résultats sont interprétés à travers le prisme de la dimension spectrale ($d_s \approx 2,34$ pour le réseau EU). Les auteurs relient l'amélioration de la synchronisation au comportement d'échelle de taille finie des modèles de Kuramoto de second ordre sur des graphes avec $d_s < 4$, où la force de couplage critique $K_c$ diverge avec la taille du système.
3. Modélisation comparative HVDC : L'article compare systématiquement la segmentation HVDC statique aux diverses stratégies de contrôle adaptatif (basées sur les différences de fréquence), offrant une perspective de physicien sur les compléments de stabilité de réseau aux études de flux de charge existantes en génie électrique.

Résultats

• Synchronisation et stabilité :
  • HVDC Statique : Remplacer les liaisons AC par des connexions DC statiques améliore la synchronisation de phase (R plus élevé) et réduit la taille des cascades pour des forces de couplage intermédiaires. Cependant, cela se fait au prix d'une augmentation de l'étalement des fréquences ($\Omega$) car les lignes DC ne transmettent ni l'information de phase ni de fréquence, créant de fait deux sous-réseaux indépendants avec des variances de fréquence individuelles plus élevées.
  • HVDC Adaptatif : Les méthodes adaptatives améliorent généralement la synchronisation en régime permanent. La fonction d'activation $\text{sign}(x)$ (fonction échelon) offre la stabilisation la plus robuste à travers toutes les valeurs de couplage, éliminant le paradoxe de Braess de fréquence observé dans les modèles statiques à fort couplage. Cependant, cette méthode introduit des discontinuités qui augmentent drastiquement les temps de relaxation (de plusieurs ordres de grandeur) et provoquent une convergence lente.
  • Activations Linéaires et Lisses : Les fonctions linéaire, $\tanh$ et $\text{softsign}$ améliorent la synchronisation pour de faibles valeurs de couplage ($K < 6000$) mais ne parviennent pas à atténuer la taille des cascades à des couplages plus élevés, montrant un comportement de croisement. Le rétrécissement de l'intervalle d'activation linéaire pousse le point de saturation plus bas, réduisant ainsi les tailles de cascade.
• Comportement de Cascade : Bien que l'HVDC réduise généralement la taille des cascades par rapport au modèle AC complet, l'efficacité dépend de la force de couplage et de la stratégie spécifique de contrôle HVDC. Les méthodes adaptatives sont prometteuses mais souffrent de temps de relaxation très longs.
• Effets de Braess : L'étude note que la variation de la puissance totale transmise à de grands et petits couplages globaux peut entraîner des inconvénients en termes d'étalement de fréquence et d'effets de Braess, particulièrement lorsque les fluctuations sont faibles, provoquant un « gel » dans la dynamique.

Signification et Revendications
Les auteurs affirment que leur travail constitue un complément approfondi, basé sur la physique, aux analyses de réseaux électriques existantes. En résolvant le modèle de Kuramoto de second ordre adaptatif sans approximations linéaires, ils démontrent que :

• La dimension spectrale du réseau ($d_s < 4$) influence fondamentalement les transitions de synchronisation, suggérant que la segmentation du réseau (via l'HVDC) en sous-graphes plus petits peut améliorer la stabilité de la synchronisation pour une force de couplage donnée.
• Les lignes HVDC adaptatives, particulièrement celles utilisant un contrôle basé sur la différence de fréquence, sont plus efficaces en régime permanent que les remplacements statiques, mais imposent une pénalité de temps de relaxation très longs.
• Le compromis entre la synchronisation de phase et l'étalement de la fréquence est un facteur critique ; si l'HVDC améliore l'alignement des phases, elle peut dégrader la cohérence de la fréquence.

L'article conclut que bien que la segmentation par l'HVDC soit une stratégie viable pour atténuer les défaillances en cascade et améliorer la synchronisation dans des régimes spécifiques, le choix de la stratégie de contrôle (statique vs adaptatif) implique des compromis importants entre stabilité, temps de relaxation et cohérence de fréquence. Les auteurs suggèrent modestement que les travaux futurs devraient étudier les effets des bruits stochastiques additifs et comparer les distributions de fréquence avec des données réelles.