⚡ electrical engineering

Probabilistic Frequency Hazard Analysis: Adapting the Seismic Hazard Framework to Power System Frequency Exceedance Risk

Cet article propose le Probabilistic Frequency Hazard Analysis (PFHA), un cadre novateur adapté de l'analyse sismique probabiliste pour quantifier avec précision les risques de dépassement de fréquence dans les réseaux électriques, en intégrant l'incertitude et la désagrégation des sources de perturbation.

Auteurs originaux : Sewedo Todowede

Publié 2026-04-09

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Sewedo Todowede

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que le réseau électrique de la Grande-Bretagne est comme un immense tapis roulant qui transporte de l'électricité vers nos maisons. Pour que ce tapis reste stable et ne s'arrête pas, il doit avoir un certain poids (de l'inertie) pour résister aux secousses. Autrefois, ce poids venait de grosses machines lourdes (centrales à charbon ou à gaz). Aujourd'hui, on remplace ces machines par des éoliennes et des panneaux solaires, qui sont plus légers et plus volatils.

Le problème ? Si une grosse machine tombe en panne ou si un câble se coupe, le tapis roulant (la fréquence) peut se mettre à vaciller dangereusement. Si ça va trop loin, des millions de foyers peuvent être coupés, comme cela s'est produit en 2019.

C'est là qu'intervient l'auteur de cet article, Sewedo Todowede, avec une idée géniale : emprunter les outils des sismologues pour protéger le réseau électrique.

Voici l'explication simple de sa méthode, qu'il appelle l'Analyse Probabiliste des Aléas de Fréquence (PFHA).

1. L'Analogie : Tremblements de Terre vs Pannes Électriques

Imaginez que vous voulez savoir à quelle fréquence votre maison risque de trembler à cause d'un séisme. Les ingénieurs sismologues utilisent une méthode très précise (la PSHA) qui calcule :

La probabilité qu'un tremblement de terre se produise.
Sa force (magnitude).
La distance entre le séisme et votre maison.
La qualité du sol sous votre maison.

L'auteur dit : "Et si on utilisait la même logique pour l'électricité ?"

Le séisme devient une panne (une turbine qui s'arrête, un câble qui saute).
La magnitude devient la taille de la perte (combien de mégawatts sont perdus).
Le sol devient l'état du réseau (est-ce qu'il y a beaucoup d'énergie stockée ? Est-ce qu'il y a beaucoup de demande ?).
La secousse devient la chute de fréquence (le "nadir").

2. Comment ça marche ? (La "Recette" Mathématique)

Au lieu de dire "Si ça arrive, ça va être grave", cette nouvelle méthode dit : "Regardons toutes les possibilités, du plus petit incident au pire scénario, et calculons la probabilité de chaque chose."

L'auteur a construit un catalogue de 51 sources de danger (toutes les grandes centrales et les câbles qui relient la Grande-Bretagne à l'Europe). Pour chacun, il a demandé trois questions :

À quelle fréquence ça tombe en panne ? (Il utilise des statistiques intelligentes pour ne pas dire "jamais" juste parce qu'on n'a pas vu de panne cette année).
Quelle est la taille de la panne ? (Est-ce qu'on perd 100 MW ou 1000 MW ?).
Dans quel état est le réseau au moment de la panne ? (Est-ce qu'il y a beaucoup de vent ? Est-ce qu'il fait chaud ?).

Ensuite, il combine tout cela dans une équation magique qui ressemble à celle des sismologues. Le résultat n'est pas un simple "Oui/Non", mais une courbe de risque qui vous dit : "Il y a X chances par an que la fréquence descende en dessous de 49,2 Hz".

3. Les "Super-Héros" du Réseau (Les Contre-Mesures)

Le papier montre aussi comment les "boucliers" du réseau fonctionnent. Imaginez deux types de défenseurs :

Le Dynamic Containment (DC) : C'est un système de freinage ultra-rapide. Dès qu'une panne est détectée, il injecte de l'énergie en quelques millisecondes pour stabiliser le tapis roulant.
Le LFDD (Déconnexion de la demande) : C'est le système d'urgence. Si le tapis commence vraiment à vaciller, il coupe automatiquement l'électricité de certains quartiers pour sauver le reste du réseau (un peu comme couper des passagers d'un ascenseur qui tombe pour sauver la structure).

La grande force de cette méthode est qu'elle permet de calculer exactement combien de risques chaque "super-héros" enlève. Par exemple, elle montre que le système de freinage rapide (DC) évite 77 % des chutes graves, et que le système de coupure (LFDD) en évite encore plus pour les pires scénarios.

4. Pourquoi c'est important ?

Avant, on utilisait des méthodes un peu "à l'aveugle" ou basées sur des scénarios fixes. Cette nouvelle approche est comme passer d'une carte papier à un GPS en temps réel.

Elle est transparente : On sait exactement d'où viennent les chiffres.
Elle est détaillée : On sait quel type de centrale ou quel câble pose le plus de problème.
Elle est prédictive : Elle aide les décideurs à acheter la bonne quantité de "freins" (DC) pour ne pas gaspiller d'argent ni prendre de risques inutiles.

En résumé

Cet article est une révolution parce qu'il dit : "Ne regardons plus le réseau électrique comme une machine statique, mais comme un système dynamique soumis à des aléas, exactement comme la Terre est soumise aux séismes."

En utilisant les maths des tremblements de terre pour gérer l'électricité, l'auteur nous donne une boussole beaucoup plus précise pour naviguer dans la transition énergétique, où le vent et le soleil remplacent les grosses machines lourdes. C'est une façon plus intelligente, plus sûre et plus transparente de garantir que nos lumières resteront allumées.

1. Contexte et Problématique

Le défi de la transition énergétique :
La transition énergétique vers des sources renouvelables basées sur des convertisseurs réduit l'inertie synchrone des réseaux électriques. En Grande-Bretagne (GB), l'inertie agrégée est passée de plus de 300 GVA·s en 2010 à un niveau opérationnel minimum approuvé de 120 GVA·s. Cette baisse d'inertie augmente la sensibilité de la fréquence du système aux perturbations (déconnexion de générateurs ou d'interconnexions), entraînant des taux de variation de fréquence (RoCoF) plus élevés et des creux de fréquence (nadir) plus profonds.

Limites des méthodes actuelles :
L'opérateur du système énergétique national (NESO) utilise actuellement le rapport « Frequency Risk and Control Report » (FRCR). Bien que ce rapport soit une référence opérationnelle pionnière, il repose sur une approche déterministe d'énumération de périodes de règlement. Il présente plusieurs lacunes :

Absence de quantification formelle des incertitudes (aléatoires et épistémiques).
Manque de courbes d'aléa continues (taux de dépassement en fonction du seuil).
Incapacité à désagréger les risques par source spécifique.
Difficulté à quantifier systématiquement la réduction des risques apportée par des contrôles individuels.

L'objectif de l'article est de combler ces lacunes en développant un cadre analytique complémentaire basé sur des méthodes probabilistes éprouvées dans d'autres domaines de l'ingénierie.

2. Méthodologie : L'Analyse Probabiliste de l'Aléa de Fréquence (PFHA)

L'auteur propose le PFHA (Probabilistic Frequency Hazard Analysis), qui transpose l'architecture mathématique de l'Analyse Probabiliste de l'Aléa Sismique (PSHA), standard en ingénierie sismique, vers le domaine de la stabilité de fréquence.

A. L'Intégrale de l'Aléa

Le cœur du modèle est une intégrale de probabilité totale qui calcule le taux annuel de dépassement ( $\lambda$ ) d'un seuil de fréquence ( $\delta$ ) :
$\lambda(\Delta f > \delta) = \sum_{i=1}^{N_{src}} \nu_i \int \int P(\Delta f > \delta | \Delta P, s) \cdot f_i(\Delta P) \cdot g(s) \, d\Delta P \, ds$
Où :

$N_{src}$ : Nombre de sources de perturbation (générateurs, interconnexions).
$\nu_i$ : Taux annuel de déclenchement de la source $i$ (estimé par inférence bayésienne).
$f_i(\Delta P)$ : Distribution empirique de la taille de la perte de puissance.
$g(s)$ : Densité de probabilité conjointe de l'état du système (Inertie $H$ , Demande $D$ , Réserve de réponse $R$ ).
$P(\Delta f > \delta | \Delta P, s)$ : Probabilité conditionnelle de dépassement fournie par une équation de prédiction.

B. Composants Clés

Catalogue des Sources (51 sources) : Inclut des centrales CCGT, nucléaires, éoliennes et des interconnexions. Les distributions de perte sont construites à partir de données opérationnelles réelles (périodes de règlement de 30 min), capturant des profils bimodaux (ex: interconnexions) sans hypothèses paramétriques.
Estimation des Taux (Bayésienne) : Utilisation d'un modèle conjugué Gamma-Poisson pour estimer les taux de déclenchement. Cela résout le problème des sources sans événements observés (taux nul) en utilisant des priors par classe technologique, garantissant un taux non nul même pour les sources rares.
Équation de Prédiction de la Réponse en Fréquence (FRPE) : L'équivalent de l'équation de prédiction du mouvement du sol (GMPE) en sismologie. Le modèle utilise une architecture duale :
- Un modèle analytique simplifié (SFR) pondéré à 40 %.
- Un moteur de simulation physique complet (pondéré à 60 %) qui modélise les profils de réponse, le « Dynamic Containment » (DC) et l'amortissement de charge.
- Une variabilité aléatoire ( $\sigma$ ) est calibrée à partir de la réanalyse de 283 événements historiques.
Arbre de Logique (324 chemins) : Pour quantifier l'incertitude épistémique (liée aux choix de modèles), un arbre de logique à 6 niveaux explore différentes hypothèses (type de modèle FRPE, biais, efficacité du contrôle DC, efficacité du LFDD, etc.).
Modélisation des Contrôles : Intégration explicite du « Dynamic Containment » (réponse rapide) et du « Low-Frequency Demand Disconnection » (LFDD, déconnexion de charge). Le modèle distingue les événements simples (Couche A), les paires simultanées (Couche B) et les cascades composées (Couche C, comme l'événement du 9 août 2019).

3. Contributions Principales

Formulation Mathématique : Première formulation explicite d'une intégrale d'aléa de style PSHA pour le risque de dépassement de fréquence dans les réseaux électriques massifs.
Catalogue et Données : Création d'un catalogue de 51 sources avec des distributions de perte empiriques et des taux de déclenchement bayésiens.
Architecture Hybride : Combinaison de modèles analytiques et physiques dans un cadre d'incertitude robuste (arbre de logique).
Capacités de Désagrégation : Le modèle permet d'identifier non seulement le risque global, mais aussi quelles sources, quelles tailles de pertes et quels états du système (ex: faible inertie) dominent le risque à chaque seuil de sévérité.
Quantification de la Réduction des Risques : Capacité à isoler l'impact marginal de chaque mesure de contrôle (DC, LFDD) sur le taux de dépassement.

4. Résultats et Validation

L'application du modèle au réseau GB sur quatre années de données opérationnelles (2022-2026) a produit les résultats suivants :

Validation Croisée (FRCR) : Les résultats du PFHA concordent avec le rapport FRCR indépendant à un facteur de 1,5 pour le seuil critique de 49,2 Hz. À 48,8 Hz, le PFHA est environ deux fois plus conservateur que le FRCR, ce qui est attribué à la différence entre une probabilité de dépassement continue (PFHA) et une comparaison binaire (FRCR).
Validation Empirique : Le modèle a été confronté aux données historiques (2014-2026). Bien que le taux prédit à 49,2 Hz soit plus élevé que la moyenne historique (en raison de l'inertie plus faible actuelle), il reste dans l'intervalle de confiance de Poisson pour un événement observé en 12 ans.
Réduction des Risques :
- Les contrôles combinés (DC + LFDD) réduisent le taux de dépassement de 77 % à 49,2 Hz et de 92 % à 48,8 Hz.
- Le LFDD est dominant pour les seuils profonds (48,8 Hz), tandis que le DC offre une réduction plus uniforme sur l'ensemble des seuils.
Désagrégation des Scénarios : L'analyse montre que le risque à 49,2 Hz est dominé par des pertes de 1000-1500 MW survenant lors de périodes de faible inertie ( $H < 140$ GVA·s), représentant moins de 25 % du temps opérationnel mais contribuant à plus de 60 % du risque.

5. Signification et Conclusion

Ce travail établit un pont méthodologique entre l'analyse des aléas géophysiques et la fiabilité des réseaux électriques.

Transparence et Auditabilité : Chaque paramètre du modèle est traçable vers une source de données documentée, offrant une transparence supérieure aux méthodes déterministes actuelles.
Outil Décisionnel : La capacité à générer des courbes d'aléa continues et à quantifier l'incertitude épistémique permet aux opérateurs et régulateurs de prendre des décisions plus éclairées concernant l'achat de services de réponse (DC) et les contraintes d'inertie minimale.
Extensibilité : Le cadre est modulaire et peut être appliqué à d'autres systèmes synchrones (Irlande, Europe continentale, Australie) ou à des scénarios futurs (FES 2030/2040) en mettant simplement à jour les catalogues de sources et les distributions d'états.

En conclusion, le PFHA ne remplace pas les outils opérationnels existants mais fournit une perspective complémentaire, rigoureuse et probabiliste, essentielle pour gérer les risques de fréquence dans un réseau électrique de plus en plus décarboné et faible en inertie.