⚡ génie électrique

Design and Implementation of Enhanced Load Frequency Control of a Two-Area Power System using the combination of PI–PD Controllers tuned by Lion Optimization Algorithm

Cet article propose et valide un contrôleur PI–PD réglé par l'algorithme d'optimisation du lion (LOA) pour un système de puissance à deux zones, démontrant sa performance dynamique et sa stabilité supérieures en matière de contrôle de la fréquence de charge par rapport aux contrôleurs optimisés par l'ACO, le PSO et le GWO.

Auteurs originaux : B Prakash Ayyappan, P Muthukrishnan, R Muthukumar, R Arunkumar, S Ragul

Publié 2026-09-25

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : B Prakash Ayyappan, P Muthukrishnan, R Muthukumar, R Arunkumar, S Ragul

Article original sous licence CC BY 4.0 (https://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

Dans le vaste réseau invisible qui alimente la vie moderne, l'électricité doit être générée au moment exact où elle est consommée. Si une usine dans une ville allume soudainement une machine massive, ou si une tempête neutralise un générateur dans une autre, l'équilibre bascule. Ce déséquilibre fait vaciller le rythme de l'ensemble du réseau électrique, un peu comme une toupie perdant sa vitesse. Si ce rythme, appelé fréquence, s'éloigne trop de sa cible, les équipements sensibles peuvent tomber en panne et, dans les cas graves, l'ensemble du système peut s'effondrer, laissant des millions de personnes dans l'obscurité. Pour éviter cela, les ingénieurs s'appuient sur un système d'ajustement automatique et constant appelé Contrôle de la Fréquence de Charge (Load Frequency Control). Ce système agit comme un gardien vigilant, détectant constamment quand le réseau accélère ou ralentit, et ordonnant aux centrales électriques d'augmenter ou de réduire leur production pour rétablir un équilibre parfait. Dans un monde où les centrales électriques sont souvent réparties dans différentes régions et connectées par de longues lignes de transmission, maintenir la stabilité de ce rythme devient un puzzle complexe de coordination et de rapidité.

Une équipe de chercheurs de l'Université Anna de Chennai et de plusieurs collèges d'ingénierie du Tamil Nadu a abordé ce casse-tête en testant une nouvelle façon de régler les contrôleurs automatiques qui gèrent cet équilibre. Ils se sont concentrés sur un modèle de système de puissance à deux zones, une représentation simplifiée de deux régions reliées par une ligne de transmission, pour voir comment différentes stratégies de contrôle gèrent les changements soudains de la demande. Les chercheurs ont comparé les méthodes traditionnelles de réglage de ces contrôleurs à une nouvelle approche qui combine deux types de logique de contrôle et utilise un algorithme informatique inspiré du comportement social des lions pour trouver les meilleurs paramètres. Leur travail, mené via des simulations informatiques détaillées, suggère que cette nouvelle combinaison offre une manière plus rapide et plus stable de maintenir le rythme du réseau par rapport à d'autres techniques modernes.

Le cœur de l'étude réside dans la façon dont ces contrôleurs sont « réglés ». Imaginez un thermostat qui contrôle un chauffage ; s'il est trop sensible, la température de la pièce oscillera violemment entre le chaud et le froid. S'il n'est pas assez sensible, la pièce mettra un temps infini à se réchauffer. Dans les systèmes de puissance, les contrôleurs doivent être réglés avec une précision extrême pour réagir rapidement aux perturbations sans provoquer de dépassement et d'oscillations. Les chercheurs ont testé trois configurations différentes : un contrôleur qui utilise des actions proportionnelles et intégrales, un qui utilise des actions proportionnelles et dérivées, et une version hybride qui combine les deux. Ils ont ensuite utilisé un programme informatique inspiré de la nature, appelé l'Algorithme d'Optimisation du Lion (Lion Optimization Algorithm), pour trouver les réglages parfaits pour ces contrôleurs. Cet algorithme imite la façon dont les lions chassent et défendent leur territoire, avec des groupes travaillant ensemble pour explorer l'espace de recherche et trouver la solution la plus efficace, tandis que d'autres errent de manière indépendante pour s'assurer qu'aucune bonne option n'est manquée.

Pour voir si cette nouvelle méthode fonctionnait, les chercheurs ont simulé une augmentation soudaine et légère de la demande électrique, équivalente à un bond de un pour cent de la charge, et ont observé la réponse du système. Ils ont mesuré trois facteurs critiques : le temps nécessaire pour que la fréquence se stabilise à nouveau à la normale, l'ampleur du dépassement de la cible avant la stabilisation, et l'erreur totale accumulée au fil du temps. Lorsqu'ils ont comparé les résultats de ce réglage inspiré des lions à d'autres méthodes d'optimisation informatique populaires, telles que celles imitant les colonies de fourmis, les nuées d'oiseaux ou les meute de loups, l'approche basée sur le lion a systématiquement obtenu de meilleurs résultats. Pour le contrôleur combiné réglé par l'algorithme du lion, le système s'est stabilisé en seulement huit secondes, avec un dépassement minimal de seulement deux pour cent et un score d'erreur totale très bas de 0,020. En revanche, le même contrôleur réglé par une méthode standard a mis 18 secondes pour se stabiliser avec un dépassement de huit pour cent.

L'étude a également analysé la performance des différents types de contrôleurs. Lorsque les chercheurs ont appliqué l'algorithme du lion au contrôleur proportionnel-intégral, le temps de stabilisation est passé de 25 secondes conventionnelles à 13 secondes, et le dépassement a été réduit de moitié. De même, pour le contrôleur proportionnel-dérivé, le temps de stabilisation est tombé de 22 secondes à 11 secondes. Cependant, l'amélioration la plus significative est venue du contrôleur hybride, qui a tiré parti des forces des deux approches. Les chercheurs ont découvert que cette structure combinée, lorsqu'elle est réglée par l'algorithme du lion, surpasse toutes les autres configurations testées. Elle a obtenu la réponse la plus rapide, le plus petit écart par rapport à la fréquence cible et l'accumulation d'erreur la plus faible. Les données indiquent que cette combinaison spécifique de logique de contrôle et de méthode d'optimisation offre une réponse dynamique supérieure, amortissant efficacement les oscillations qui surviennent lorsque le réseau est perturbé.

Bien que les résultats soient prometteurs, les conclusions reposent entièrement sur des simulations informatiques d'un système à deux zones. Les chercheurs n'ont pas testé cela sur un réseau électrique physique, mais les modèles mathématiques utilisés sont des outils standards pour comprendre le comportement des réseaux. L'étude exclut explicitement l'idée que les méthodes de réglage traditionnelles ou d'autres algorithmes inspirés de la nature, comme ceux basés sur les loups ou les fourmis, soient aussi efficaces pour cette tâche spécifique. Les auteurs concluent que le réglage basé sur le lion du contrôleur combiné est la stratégie la plus efficace parmi celles testées, offrant une solution hautement efficace pour maintenir la stabilité. Ils suggèrent que cette approche pourrait être étendue à des systèmes plus complexes, incluant ceux dotés de sources d'énergie renouvelables, bien que cela reste une étape future. Pour l'instant, la simulation prouve qu'en empruntant les tactiques de chasse stratégiques des lions, les ingénieurs peuvent concevoir des contrôleurs qui maintiennent la lumière allumée avec une vitesse et une précision accrues.

Résumé Technique : Conception et mise en œuvre d'un contrôle de la fréquence de charge amélioré d'un système de puissance à deux zones utilisant la combinaison de contrôleurs PI–PD réglés par l'algorithme d'optimisation du Lion

Énoncé du problème
Dans les systèmes de puissance multi-zones interconnectés modernes, le maintien de la stabilité de la fréquence dans des limites acceptables est un défi critique dû aux variations continues et imprévisibles de la charge. Les perturbations dans une zone se propagent à travers le réseau, provoquant des écarts de fréquence ( $\Delta f$ ) et des fluctuations de la puissance de la ligne d'interconnexion ( $\Delta P_{tie}$ ). Bien que les contrôleurs traditionnels tels que le Proportionnel-Intégral (PI) et le Proportionnel-Dérivé (PD) soient couramment utilisés, ils peinent souvent à satisfaire les exigences de performance dans des conditions dynamiques lorsqu'ils sont utilisés individuellement. Les contrôleurs PI éliminent efficacement les erreurs d'état stationnaire mais peuvent entraîner des réponses transitoires plus lentes, tandis que les contrôleurs PD améliorent la réponse transitoire et l'amortissement mais ne peuvent pas éliminer les erreurs d'état stationnaire. De plus, les méthodes de réglage conventionnelles sont souvent inadéquates face à la complexité des systèmes multi-zones, nécessitant des techniques d'optimisation avancées pour atteindre des paramètres de contrôle optimaux.

Méthodologie
L'article propose une stratégie complète de contrôle de la fréquence de charge (LFC) pour un système de puissance thermique interconnecté à deux zones utilisant une structure de contrôleur combiné PI–PD. La méthodologie comprend les composantes clés suivantes :

Modélisation du système : L'étude modélise un système à deux zones où chaque zone comprend un régulateur de vitesse, une turbine, un générateur et une charge. Le comportement dynamique est régi par l'équation de l'oscillation (swing equation) et l'erreur de contrôle de zone (ACE), définie par $ACE = \Delta P_{tie} + B \cdot \Delta f$ , où $B$ est le facteur de biais de fréquence.
Architecture du contrôleur : Un contrôleur PI–PD combiné est mis en œuvre. Le composant PI agit comme un contrôleur secondaire pour éliminer les erreurs de fréquence et de ligne d'interconnexion en régime permanent, tandis que le composant PD améliore la réponse transitoire en réduisant le dépassement maximal et le temps de stabilisation grâce à l'action dérivée sur le signal d'erreur.
Technique d'optimisation : Les paramètres des contrôleurs PI et PD sont réglés à l'aide de l'algorithme d'optimisation du Lion (LOA), un algorithme métaheuristique inspiré de la nature. Le LOA imite le comportement social des lions, distinguant entre les « troupes » (femelles et mâles résidents) et les « nomades ». L'algorithme utilise une double stratégie :
- Exploration : Les lions nomades se déplacent de manière aléatoire pour découvrir de nouveaux espaces de recherche.
- Exploitation : Les troupes chassent de manière coopérative pour encercler la proie (la solution optimale), en utilisant l'apprentissage par opposition (OBL) pour échapper aux optima locaux.
- Défense du territoire : Les mâles résidents défendent leur territoire ; si un mâle nomade possède une meilleure aptitude (fitness), il prend la tête de la troupe, mettant à jour la meilleure position.
Analyse comparative : La performance des contrôleurs réglés par le LOA est évaluée par rapport à d'autres techniques métaheuristiques, spécifiquement l'Optimisation par Colonies de Fourmis (ACO), l'Optimisation par Essaim de Particules (PSO) et l'Optimisation par Loup Gris (GWO).
Fonction objectif : L'optimisation vise à minimiser les écarts du système, ciblant spécifiquement la réduction des écarts de fréquence, des oscillations de puissance de la ligne d'interconnexion, ainsi que la réduction du temps de stabilisation et du dépassement. L'étude utilise des mesures de performance incluant le Temps de Stabilisation, le Dépassement Maximal et l'Erreur Quadratique Intégrale (ISE).

Contributions clés et résultats
La recherche présente des résultats de simulation démontrant l'efficacité du contrôleur PI–PD réglé par le LOA par rapport au réglage conventionnel et aux autres algorithmes d'optimisation.

Performance dynamique supérieure : Le contrôleur PI–PD basé sur le LOA a obtenu la réponse dynamique la plus rapide parmi toutes les configurations testées.
Améliorations quantitatives :
- Temps de stabilisation : La configuration PI-PD-LOA a réduit le temps de stabilisation à 8 secondes, contre 10 secondes pour PI-PD-GWO, 12 secondes pour PI-PD-PSO et 14 secondes pour PI-PD-ACO.
- Dépassement : Le dépassement a été minimisé à 2 % avec PI-PD-LOA, surpassant PI-PD-GWO (4 %), PI-PD-PSO (5 %) et PI-PD-ACO (6 %).
- Erreur Quadratique Intégrale (ISE) : Le PI-PD-LOA a atteint la valeur d'erreur la plus faible de 0,020, nettement inférieure à PI-PD-GWO (0,032) et aux contrôleurs conventionnels.
Comparaison des algorithmes : L'étude souligne que le LOA possède des capacités d'exploration et d'exploitation « Très Élevées » et une capacité « Excellente » à éviter les minima locaux, ce qui le rend plus adapté aux applications de LFC que l'ACO, le PSO ou le GWO.
Synergie des contrôleurs : Les résultats indiquent que la structure combinée PI–PD réglée par le LOA surpasse les contrôleurs PI-LOA et PD-LOA autonomes en termes de vitesse, de stabilité et de minimisation de l'erreur.

Signification et affirmations
Les auteurs affirment que cette recherche fournit une configuration de performance améliorée pour les applications de LFC, prouvant que la combinaison des contrôleurs PI et PD réglés par l'algorithme d'optimisation du Lion offre la stratégie de contrôle la plus efficace pour les systèmes de puissance à deux zones. L'article soutient que cette approche offre une stabilité supérieure, un dépassement minimal et un temps de stabilisation réduit par rapport aux techniques métaheuristiques existantes. Les auteurs concluent que le réglage basé sur le LOA est une solution hautement efficace pour le contrôle des systèmes de puissance modernes et suggèrent sa potentielle applicabilité à des systèmes plus complexes et intégrant des énergies renouvelables, bien que la validation primaire dans ce travail soit limitée à un modèle de système thermique à deux zones.

Articles similaires