SOPF-Based Adaptive Droop Control for Hybrid AC--HVDC Grids Under Offshore Wind Uncertainty

Résumé technique : Commande de chute adaptative basée sur l'écoulement de puissance optimal stochastique (SOPF) pour les réseaux hybrides CA-HVCC sous incertitude éolienne offshore

Énoncé du problème
L'intégration massive de capacités éoliennes offshore dans les réseaux hybrides CA-HVCC nécessite une régulation robuste de la tension continue. Bien que la commande de chute décentralisée de la tension continue soit l'architecture prédominante pour les systèmes HVCC multi-terminaux (MTDC), les implémentations conventionnelles reposent sur des coefficients de gain fixes calibrés à un point de fonctionnement nominal. Ces coefficients fixes peinent à faire face à la volatilité stochastique sévère de l'éolien offshore, entraînant souvent le système loin des conditions nominales à une échelle infra-horaire. Ce décalage se traduit par des écarts de tension excessifs, une répartition de charge sous-optimale et des contraintes inégales sur les convertisseurs lors de fortes fluctuations ou de contingences. Les schémas adaptatifs existants recalibrent généralement les gains de manière réactive en fonction des écarts en temps réel ou de règles heuristiques, sans lien direct avec la répartition économique au niveau du système et sans offrir de garanties statistiques explicites de sécurité de la tension.

Méthodologie
L'article propose un cadre novateur qui fait le pont entre la répartition économique stochastique au niveau du système et la commande des convertisseurs au niveau local, en utilisant une approche d'écoulement de puissance optimal stochastique (SOPF). La méthodologie se compose de trois composantes principales :

1. Paramétrisation par zones du paramètre bêta de l'incertitude éolienne :
   Reconnaissant que les erreurs de prévision éolienne offshore présentent une hétéroscédasticité (la variance dépend du régime de fonctionnement), les auteurs rejettent les hypothèses de distributions fixes uniques. Au lieu de cela, ils partitionnent la prévision normalisée de la puissance éolienne en trois zones : Basse (seuil de démarrage), Moyenne (montée en puissance) et Haute (près de la puissance nominale). Dans chaque zone, les erreurs de prévision sont modélisées à l'aide d'une distribution bêta, dont les paramètres de forme ($\alpha, \beta$) sont ajustés aux statistiques historiques des erreurs de prévision. Cela garantit que le modèle d'incertitude est physiquement cohérent avec la nature bornée de la puissance éolienne et capture les caractéristiques statistiques distinctes des différents régimes de fonctionnement.

2. SOPF à contraintes de chance basé sur l'expansion du chaos polynomial (PCE) :
   Le problème de répartition est formulé comme un écoulement de puissance optimal (OPF) à contraintes de chance dans l'espace courant-tension (IV) du réseau hybride CA-HVCC. L'incertitude est propagée à travers les équations non linéaires de l'écoulement de puissance en utilisant l'expansion du chaos polynomial (PCE) avec une base de polynômes de Jacobi (degré $d=2$). Les états stochastiques sont représentés analytiquement, permettant de reformuler les contraintes de chance (par exemple, limites de tension continue avec 95 % de confiance) en contraintes de cône de second ordre traitables. L'optimisation minimise le coût attendu de génération tout en satisfaisant ces contraintes de sécurité probabilistes.

3. Extraction adaptative de la commande de chute basée sur la sensibilité :
   Une innovation clé réside dans la dérivation du gain de commande de chute adaptatif directement à partir des coefficients PCE du premier ordre obtenus à partir de la solution SOPF. Plutôt que de procéder à une formation et une inversion explicites de la matrice jacobienne, la méthode utilise une interprétation de la sensibilité où les coefficients du premier ordre représentent les dérivées partielles des variables d'état par rapport aux sources d'incertitude. Le gain de commande de chute optimal ($k_{opt}$) est calculé comme le rapport des magnitudes agrégées des coefficients de sensibilité de la puissance active et de la tension continue sur l'ensemble des sources éoliennes. Ce gain est ensuite normalisé à une échelle d'ingénierie et appliqué localement au convertisseur.

Contributions principales
L'article identifie trois contributions principales :

• Cadre unifié : Il établit un couplage entre la répartition économique stochastique au niveau du système et la commande de chute des convertisseurs au niveau local, garantissant que le coefficient de chute hérite des garanties de sécurité de la tension probabilistes encodées dans les contraintes de chance du SOPF.
• Modélisation de l'incertitude basée sur les données : Il introduit une paramétrisation bêta par zones ajustée à partir de données historiques, fournissant une entrée d'incertitude hétéroscédastique qui surpasse les hypothèses de distributions fixes courantes dans les études existantes de SOPF-PCE.
• Extraction de sensibilité sans jacobienne : Il dérive une règle de commande de chute basée sur la sensibilité directement à partir des coefficients PCE, évitant le besoin d'inversion explicite de la matrice jacobienne et produisant un gain interprétable qui varie continûment avec le point de fonctionnement stochastique.

Résultats
Le cadre proposé a été validé sur un système de test CA-HVCC à 4 terminaux avec deux parcs éoliens offshore. L'étude a comparé le schéma adaptatif à des réglages de commande de chute à coefficients fixes ($k=20$ p.u. et $k=15$ p.u.) et à une référence sans commande de chute.

• Caractéristiques adaptatives : Le gain adaptatif extrait ($k_{opt}$) a démontré une dépendance claire au point de fonctionnement, variant continûment à mesure que les prévisions éoliennes traversaient différentes zones. Le gain a été observé comme augmentant aux faibles puissances éoliennes et diminuant vers les régions nominales, reflétant l'évolution des sensibilités du système.
• Performance sous perturbation : En termes d'erreur de suivi de puissance active ($\Delta P$) par rapport à la répartition idéale post-réalisation, le schéma adaptatif a constamment surpassé les stratégies à coefficients fixes et sans commande de chute.
  • La méthode adaptative a atteint l'erreur de suivi la plus faible dans 67 % à 70 % des cas sur les bandes de perturbation Basse, Moyenne et Haute.
  • Dans la bande de perturbation Haute, le schéma adaptatif a réduit l'erreur de suivi moyenne de 13,9 % par rapport à la référence sans commande de chute (38,76 MW contre 45,01 MW).
  • Bien que l'amélioration par rapport au réglage fixe $k=20$ ait été modeste en erreur moyenne (car $k=20$ coïncidait fortuitement avec les gains typiques de la zone Moyenne), le schéma adaptatif a maintenu un "taux de victoire" nettement plus élevé, démontrant un avantage fiable par cas plutôt qu'un bénéfice moyen fortuit.

Importance et revendications
L'article revendique combler fondamentalement le fossé opérationnel entre la répartition économique probabiliste à l'échelle du système et la régulation locale des convertisseurs. En s'éloignant des hypothèses rigides de gains fixes, le mécanisme proposé garantit que les réponses locales des convertisseurs ne sont pas réglées de manière heuristique, mais sont ancrées dans l'efficacité économique et la sécurité probabiliste. Les auteurs affirment que cette approche minimise efficacement les erreurs de suivi de puissance active lors de perturbations éoliennes extrêmes, fournissant une base rationnelle pour la sélection des coefficients de commande de chute qui reflètent à la fois l'économie du système et la nature statistique de l'incertitude éolienne offshore. Il est noté que les travaux futurs se concentreront sur l'extension du cadre pour inclure les contingences de sécurité $N-1$ et la validation avec matériel en boucle.