Stratégies d'amélioration de la sécurité d ...

HAL Id: hal-02074381https://hal.archives-ouvertes.fr/hal-02074381

Submitted on 20 Mar 2019

HAL is a multi-disciplinary open accessarchive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come fromteaching and research institutions in France orabroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, estdestinée au dépôt et à la diffusion de documentsscientifiques de niveau recherche, publiés ou non,émanant des établissements d’enseignement et derecherche français ou étrangers, des laboratoirespublics ou privés.

Stratégies d’amélioration de la sécuritéd’approvisionnement électrique de la province du

Katanga RD/CongoKyoni Nkulu Idriss, Pierre-Etienne Labeau, Ngenda Banka Richard

To cite this version:Kyoni Nkulu Idriss, Pierre-Etienne Labeau, Ngenda Banka Richard. Stratégies d’amélioration de lasécurité d’approvisionnement électrique de la province du Katanga RD/Congo. Congrès Lambda Mu21 “ Maîtrise des risques et transformation numérique : opportunités et menaces ”, Oct 2018, Reims,France. �hal-02074381�

https://hal.archives-ouvertes.fr/hal-02074381

https://hal.archives-ouvertes.fr

21e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ21 Reims 16-18 octobre 2018

Stratégies d’amélioration de la sécurité d’approvisionnement électrique de la province du Katanga RD/Congo

Improvement strategies of the security of electricity supply in the Katanga province DR / Congo

Kyoni Nkulu Idriss, Pierre-Etienne Labeau Université libre de Bruxelles, 50, Av Franklin Roosevelt, 1050, BruxellesBelgique, +32466318529, [email protected]

Ngenda Banka Richard Université de Lubumbasi, route Kasapa, 1825, Lubumbashi, République Démocratique du Congo

Résumé La province du Katanga étant le poumon économique de la République Démocratique du Congo (RDC) est dotée de 24 sites hydroélectriques pouvant produire une puissance exploitable de 1952 MW, mais actuellement, seulement 4 sites sont en exploitation pour une puissance de 468 MW. Suite à l’intensification d’activités industrielles dans la province du Katanga pour la production de matièrespremières (cuivre et cobalt essentiellement) ces dernièresannées et à l’accroissement de la population urbaine, la demande en énergie électrique ne fait qu’augmenter d’année en année. L’objectif de cette communication sera alors d’étudier les stratégies d’amélioration de la sécurité d’approvisionnement électrique de la province du Katanga par des approches locales. Pour arriver à nos objectifs, un modèle simplifié, mais réaliste du réseau katangais a été utilisé pour suivre l’évolution du parc de production et de la charge sur une période de dix ans, et l’application desoutils de résolution des OPF (Optimal Power Flow) à ce réseau nous a permis d’estimer les indicateurs de fiabilité tels que LOLP (Loss Of Load Probability), LOLE (Loss Of Load Expectation) EENS (Expected Energy Not Served). La caractérisation de la fiabilité du système électrique a été limitée aux niveaux hiérarchiques I et II.

Summary The province of Katanga, considered as the economic lung of the DRC, is endowed with 24 sites, which can produce an exploitable power of 1952MW. At present, only 4 out of the 24 sites are in exploitation, for an installed power of 468MW. These last years, the province of Katanga has encountered an intensification of industrial activities for the production of raw materials such as copper and cobalt. Furthermore, the urban population is rapidly expanding. These two factors are causes of a constant increase of the demand in electrical energy. The purpose of this paper will be to study strategies for improving the security of electricity supply in Katanga province by local approaches. To reach this goal, a simplified yet sufficiently detailed modeling of the south network was necessary to monitor the evolution of the production fleet and the load over a period of ten years, and the application of the OPF (Optimal Power Flow) tools to this network model allowed us estimating the reliability indicators such as Loss Of Load Probability (LOLP), Loss Of Load Expectation (EENS), and Expected Energy Not Served (EENS). The characterization of the reliability of the electrical system will be limited to hierarchical levels I and II.

1. Introduction1.1 Contexte La qualité de l’approvisionnement électrique de la province du Katanga est mauvaise suite à une demande croissante des opérateurs du secteur minier et à l’accroissement de la population dans les zones urbaines et surtout face à un parc de production qui n’évolue pas depuis plusieurs années et une infrastructure de réseau vieillissante. Pour faire face à la demande croissante d’énergie le gestionnaire du réseau, SNEL (Société Nationale d’Electricité), a recours aux barrages d’Inga et aux imports depuis la Zambie. Malgré ces recours, la demande énergétique n’est toujours pas totalement satisfaite, et le gestionnaire procède au délestage tournant de consommateurs pour soulager son réseau [1]. Pour améliorer la fiabilité du réseau électrique, le gestionnaire, en partenariat avec les opérateurs miniers, a planifié la construction de trois nouvelles centrales électriques, dont deux, de puissances installées respectives de 120MW et 240MW, seront hydrauliques, et une de 500MW sera thermique. Mais en plus des stratégies de construction de centrales électriques pour améliorer l’approvisionnement et de garantir la stabilité du réseau, nous avons opté pour une autre stratégie qui est l’insertion des unités de stockage dans les nœuds charges dudit réseau.

1.2 Objectifs

Ces travaux visent à étudier les stratégies d’amélioration de la sécurité d’approvisionnement électrique de la province du Katanga par des approches locales. Cette sécurité sera matérialisée par des indicateurs de fiabilité. Dans ces travaux, parmi les critères qui existent pour analyser les unités de stockage, nous allons en utiliser deux : celui de la fiabilité sans considérations économiques d’une part, et celui du coût de production annuel d’autre part. Nos analyses s’articuleront sur l’adéquation du système de production (le parc de production sera exploité en nœud unique en ignorant le réseau, niveau hiérarchique I (HL1)), ensuite sur l’adéquation du système production-transport (à cette étape, nous allons rajouter le réseau unifilaire avec ses contraintes d’exploitation, niveau hiérarchique II (HL2)).

Communication 6B /3 page 1/8

mailto:[email protected]


2. Description du réseau sud Katanga

2.1 Présentation du site (cas de base) Le réseau sud Katanga est composé de quatre centrales hydrauliques comme indiqué dans le tableau 2.1 :

Tableau 2 1: Caractéristiques de centrales du Katanga

Centrale Puissance

installée [MW]

Machines

opérationnelles

1 Nseke 248.4 ¾

2 Nzilo 108 4/4

3 Mwadingusha 69.39 3/6

4 Koni 42 2/3

Puissance totale

[MW]

468

Les quatre centrales sont interconnectées par des lignes hautes tensions de 120 kV et 220 kV, le réseau sud est connecté aux centrales d’Inga par une ligne à courant continu (560 MW, 500 kV) et à la Zambie comme illustré sur la figure 2.1.

Figure 2.1 : Localisation des centrales du Katanga,

injection Inga et import Zambie [2]

2.2 Démarche générale Un modèle simplifié du réseau électrique de la province du Katanga a été construit en partant des données électriques des générateurs, des transformateurs ainsi que des lignes, le traitement des données (charges) a été réalisé en partant des charges pour les années 2014 et 2015, les simulations du modèle en partant du cas de base ont été réalisées ainsi que la validation du modèle. La validation du modèle a consisté à comparer les résultats obtenus après simulations avec les ceux fournis par le gestionnaire du réseau sud Katanga. Après validation du modèle, nous avons envisagé les scénarios (stratégies) d’évolution du parc de production ainsi que de la charge. Les productions ont été considérées probabilistes en tenant compte des indisponibilités des machines (groupe turbine-alternateur), par contre la charge a été représentée par une distribution séquentielle déterministe. Sur la base d’un échantillonnage par Monte Carlo, divers indicateurs

de fiabilité ont été estimés, en utilisant les méthodes classiques de résolution des OPF. La particularité de ces travaux a été l’application de ces méthodes classiques, dans un réseau très fragile, où le délestage est du vécu journalier et possédant une réserve tournante juste pour l’exploitation.

2.3 Modélisation du réseau katangais 2.3.1 Construction du modèle Nous avons débuté la construction du modèle par la réduction de charges, cette réduction a consisté à sommer les charges des mêmes nœuds et à ramener toutes les charges des différents nœuds Basse Tension (BT) et Moyenne tension (MT) à leurs nœuds sources Haute Tension (HT) du réseau. Ainsi nous sommes partis de 13 à 6 charges. Pour les générateurs, les quatre centrales hydroélectriques du Katanga sont composées de plusieurs générateurs par centrale ; pour tenir compte du fait que certains générateurs sont en panne et que le planning de maintenance est élaboré par générateur, nous allons opter pour une modélisation détaillée des générateurs par leurs puissances actives ainsi que leurs modèles de défaillance (Weibull dans notre cas). Les lignes et les transformateurs ont été modélisés par leurs schémas en impédance. Pour avoir les ordres de grandeurs des paramètres de lignes et transformateurs indépendamment des niveaux de tension et de puissance, le système de grandeurs réduites pu (per unit) a été utilisé. Les hypothèses suivantes ont été prises dans notre étude pour réduire les paramètres :

- La puissance de base, 𝑆𝑆𝐵𝐵 est de 69 MVA,

elle correspond à la plus grande puissance apparente d’un des générateurs (Nseke) du réseau sud de la SNEL qui est en même temps pris pour nœud de référence ; dans la littérature la valeur la plus utilisée est celle de 100MVA.

- La tension de base, 𝑈𝑈𝐵𝐵 est de 120 kV, elle

correspond à la tension du nœud de référence.

- L’impédance de base est donnée par

l’expression : (1)

La ligne Inga (cf. figure 2.1) avec ses compensateurs et convertisseurs a été modélisée dans notre étude par une centrale thermique. La ligne Zambie qui relie le réseau sud à la Zambie via le poste Karavia (cf. figure 2.2), elle a été modélisée par une centrale thermique. Pour utiliser en premier lieu l’énergie interne du Katanga, problème de dispatch économique, les centrales thermiques du Katanga ont été modélisées avec des coûts de production relativement faibles par rapport à la centrale thermique de la Zambie. Les cercles bleus indiquent les points de compensation en énergie réactive, tandis que les flèches (noires) indiquent les points d’injection de nouvelles centrales ; les flèches vertes sont quant ’à elles les charges principalement industrielles qui sont dans les trois grands répartiteurs de la SNEL : Répartiteur Ouest (RO), Répartiteur Centre (RC) et Répartiteur Sud (RS) et les flèches rouges charges sont des charges mixtes (industrielles et résidentielle). Pour résoudre le problème de tension, le réseau sud HT a été équipé des compensateurs d’énergie réactive, ils sont de deux modèles [3-7]:

B

BB S

UZ2

=



1°) A la Station de Conversion de Kolwezi (SCK, nœud 13), il y a trois compensateurs synchrones de puissance 70MVA chacun avec convertisseurs à thyristors.

2°) A Kavaria (nœud 16), il y a un compensateur statique de puissance 12.4Mva, illustrés à la figure 2.2.

Figure 2.2 : Modèle simplifié du réseau électrique katangais

2.3.2 Modèle de charge La littérature [8] donne deux approches pour modéliser la charge : modèle probabiliste et modèle déterministe. Le modèle probabiliste exige la connaissance de la loi que la charge peut suivre et donc l’utilisation des probability density function (pdf), la pdf va être établie pour tous les nœuds charges, une fois cette étape terminée, il faudra vérifier les corrélations existant entre les différents nœuds charges et remplacer les distributions marginales de charge par des distributions multivariées des charges à l’aide des copules. L’autre approche est le modèle déterministe, ce modèle exige la connaissance des données de charge sur toutes les heures de l’année et donc 8760 points. La figure 2.3 illustre le modèle de charge déterministe pour la charge prévisionnelle du réseau sud Katanga.

Figure 2.3: Modèle déterministe de charges

Figure 2.4 : Load Duration Curve

Pour notre étude, nous allons utiliser le modèle déterministe car le modèle probabiliste exige la bonne connaissance de la loi que la charge peut suivre, or à ce jour les demandes énergétiques du Katanga ne sont pas correctement connues et les charges ne sont pas alimentées à 100% et donc donner une bonne loi pour cette étude pourrait induire d’énormes erreurs dans l’étude de planification. La demande (en rouge) ainsi que la charge alimentée (en pointillée) pour 2015 sont représentées par leurs Load Duration Curve (LDC) dans la figure 2.4. C’est cette courbe de la demande de 2015 que nous allons utiliser dans notre modèle pour estimer les indicateurs de fiabilité de l’année 2015, et qui nous servira de point de départ pour la planification de la charge. En analysant les courbes de la figure 2.4, pour une production moyenne de 611MW (Katanga, Inga et Zambie), nous constatons qu’il sera difficile de la part du gestionnaire de couvrir toute la demande et que le délestage va s’opérer presque sur toute l’année. Il faudra nécessairement investir dans le parc de production pour améliorer la fiabilité du réseau et procéder à une reprise de certaines charges.

3 Présentation et Implémentation dans Plexos

3.1 Présentation Le choix de cet outil a été guidé par les réalités katangaises (prise en compte de la cascade des centrales hydroélectriques ainsi que du délestage intempestif). Cet outil, développé par Energy Exemplar, un outil sophistiqué de modélisation de power systems. Il utilise des techniques d’optimisation de nombres entiers mixtes pour déterminer la solution la moins chère pour les unités de production en fonction du dispatching pour répondre à la demande, en respectant les contraintes techniques et économiques des générateurs. Advanced Mixed Integer Programming est l’algorithme de base de la simulation et de l’optimisation. L’outil Plexos est capable de :

- Évaluer le coût de production, par OPF en

simulant le modèle dans les quatre phases Long Terme (LT), Projected Assessment of System Adequacy (PASA), Moyen Terme (MT) et Court Terme (ST).

L’optimisation dans Plexos comprend quatre phases : le long terme, le moyen terme, l’évaluation de l’adéquation et le court terme [9]. L’outil nous a servi aussi à l’estimation des indicateurs de fiabilité.



3.2 Implémentation 3.2.1 La fonction objectif La fonction objectif implémentée dans l’outil Plexos répond à l’équation (2) ci-dessous, c’est donc une minimisation des coûts en respectant les contraintes opérationnelles.

( ) ( )∑ ∑= =

+−=K

k

J

jttjjtt ENSVollVkPkCx

1 1, .min ε

(2)

Avec :

( )kC : Coût de la production pour l’unité k [€/MW],

( )kP : Production thermique de l’unité k [MW], K :

nombre d’unités thermiques, :jε facteur indiquant la

valeur future de l’eau dans le réservoir j à la fin de l’optimisation [€/m3], :,tjV volume stocké dans le

réservoir j à la fin du temps t [m3] et J : nombre de réservoirs, Voll : coût du délestage [€/MWh] et ENS : énergie non desservie [MWh].

Dans l’expression (2), le coût actuel est donné par

( ) ( )∑ kPkC t et le coût futur par ∑ tjjV ,ε

Pour que cette équation (2) soit d’application et ait un sens dans le cas du Katanga où le parc de production est insuffisant, nous allons proposer : Un délestage systématique (problème réel pour le Katanga) dans notre modèle en fixant un coût bas de Voll. Mais après la prise en compte des stratégies pour le parc de production, en tenant compte de la demande énergétique actuelle, le délestage ne sera plus systématique et cela avant la prise en compte des stratégies sur l’augmentation de la charge; Une valeur nulle du facteur :jε car à ce jour l’énergie

hydraulique des barrages n’est pas valorisée économiquement au Katanga outre la production des centrales; Un volume minimum d’eau (contraintes 3.2.3) dans tous les barrages pour modéliser les sables non drainés qui diminuent significativement la capacité du volume d’eau stockée. Les contraintes d’exploitation sont données dans les sous-points 3.2.2 à 3.2.6 : Avec la prise en compte des hypothèses énoncées, le modèle de l’équation (2) a répondu favorablement à nos attentes, car il nous a permis d’évaluer outre les indicateurs de fiabilités, les pertes globales du réseau ainsi que le rendement du réseau qui nous ont permis de validé notre modèle unifilaire utilisé.

3.2.2 Bilan hydraulique Les centrales hydroélectriques de la province du Katanga sont principalement alimentées par deux rivières, à savoir la rivière Lualaba et la rivière Lufira, comme illustré à la figure 3.1. Dans cette figure, les centrales en noir existent et celles en rouge sont en projet. Le schéma de principe des cascades de centrales du Katanga est donné à la figure 3.1. En exploitant la figure 3.1, on se rend compte de la cascade des centrales de C1 à C3, de même que celle de C4 à C6.

Figure 3.1: Schéma de la cascade de centrales du Katanga

Où : Ci : représente le réservoir couplé à la centrale i; tiq , :

Débit turbiné par la centrale i à l’instant t [m3/s], (variable

de décision) ; tis , : Débit déversé (débordement) à

l’instant t [m3/s], (variable de décision) ; :,tiV Volume

d’eau dans le réservoir à l’instant t [m3], (valeur connue) ;

ti ,γ : Inflow [m3/s] ; β : Constante de conversion

volume/débit [m3/m3/s], pas de temps. Dans le réservoir i, le bilan hydraulique sera donné par l’équation (3) :

( ) ( ) ( )∑=

− =+−++−L

ktitktktitititi sqsqVV

1,,,,,1,, γβ

(3)

Où L, est le nombre de réservoirs en amont.

De l’équation (3), nous pouvons déterminer les débits turbinés et les débits déversés à chaque centrale comme suit:

( ) ttttt VVsq ,1,11,1,1,1 γβ +−=+ −

(3a)

3.2.3 Limites de réservoirs et de débits turbinés

Les contraintes pour les réservoirs et les débits turbinés sont représentées par les expressions suivantes :

max,1,min VVVV titi ≤−≤ − (4) ;

max,,min, tititi qqq ≤≤ (5) ;

( ) tqVV titititi ∆−+= − .,,1,, γ (6) ti,∀

Où : minV , maxV , tiV , minq , maxq , tiq ,

représentent : le volume minimum, le volume maximum, volume échangé, débit minimum, débit maximum et débit turbiné.



3.2.4 Limites de puissanceLes générateurs thermiques et hydrauliques ont deslimites en puissance développée qui sont données par lesexpressions suivantes :

( )kk PP max≤, ( )jj PP max≤

Avec : 31 ≤≤ ket 191 ≤≤ j (7)

3.2.5 Limites de fluxEn considérant un modèle DC, les flux dans les différenteslignes sont donnés par l’équation (8).

( ) ( )( )ltolfrl

l xf θθ −=

1 (8)

Avec ix : les réactances des lignes et θ : les angles endébut et bout de lignes. Les limites sur les flux de lignes sont données par l’équation (9).

lll FfF−−

≤≤− (9)

3.2.6 Modèle des batteries

∑==

−=JK

jk

tjki dPn,

11

, (10) ; où in

représente les batteries.

3.3 Les indicateurs de fiabilitéLes indicateurs de fiabilité sont estimés à partir de la Capacity Outage Probability Table (COPT) qui est un tableau qui comprend les états de pannes ainsi que les probabilités pour chaque combinaison de générateur, cette table est ensuite utilisée pour construire la courbe de charge LDC, à partir de la charge maximale de la région. L’expression (11) est celle utilisée pour calculer les nouvelles probabilités lors de la convolution des générateurs.

𝑓𝑓�𝑋𝑋𝑝𝑝� = (1 − 𝐹𝐹𝐹𝐹𝑅𝑅𝑐𝑐).𝑓𝑓𝑝𝑝−1�𝑋𝑋𝑝𝑝� + (𝐹𝐹𝐹𝐹𝑅𝑅𝑐𝑐). 𝑓𝑓𝑝𝑝−1(𝑋𝑋𝑝𝑝 − 𝐶𝐶𝑐𝑐) (11)

Où

𝑓𝑓𝑝𝑝−1(𝑋𝑋𝑝𝑝) : est la probabilité qu’une panne de X (MW) arrive avant la convolution de la nouvelle unité ;

𝐹𝐹𝐹𝐹𝑅𝑅𝑐𝑐 : est le taux d’indisponibilité de la nouvelle unité ; 𝐶𝐶𝑐𝑐 : est la capacité (MW) de la nouvelle unité.

L’expression (11) est répétée pour tous les générateurs, avec leurs taux d’indisponibilité forcée dans toute la région. Le processus de convolution dans l’outil que nous avons utilisé repose sur une hypothèse d’un seuil minimum de génération à définir. Dans notre étude, ce seuil est de 10 MW. Lorsque 𝑋𝑋𝑝𝑝 ≤ 𝐶𝐶𝑐𝑐, la probabilité 𝑓𝑓𝑝𝑝−1�𝑋𝑋𝑝𝑝 − 𝐶𝐶𝑐𝑐� = 0, est la condition initiale pour calculer les probabilités par la méthode de convolution [11]. C’est ce que l’on appelle, l’approche de la charge effective. Cette courbe modifiée est ensuite utilisée pour calculer le LOLP. Alors une fois la charge effective constituée, l’indicateur LOLP pourra être estimé en utilisant l’expression (12). 𝐿𝐿𝐹𝐹𝐿𝐿𝐿𝐿 = ∑ (𝑓𝑓𝑦𝑦.𝐶𝐶𝑐𝑐 .𝐹𝐹𝑑𝑑(𝐼𝐼𝐶𝐶 − 𝐶𝐶𝑐𝑐))𝑁𝑁

𝑐𝑐=1 (12) Où : 𝐶𝐶𝑐𝑐 : est la capacité de défaillance (indisponibilité) en MW, vu du tableau COPT, 𝑓𝑓𝑦𝑦.𝐶𝐶𝑐𝑐 : est la probabilité d’avoir une

indisponibilité de capacité 𝐶𝐶𝑐𝑐, 𝐼𝐼𝐶𝐶 : est la capacité installée dans la région, 𝐹𝐹𝑑𝑑(𝐼𝐼𝐶𝐶 − 𝐶𝐶𝑐𝑐) : est la densité de probabilité pour construire la LDC. 𝐿𝐿𝐹𝐹𝐿𝐿𝐿𝐿 = 𝑁𝑁.𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿

24 (13)

4 Résultats relatifs au cas de base

4.1 Résultats relatifs à l’adéquation production Notre étude a débuté par l’utilisation d’un modèle en nœud unique qui a pour avantage de ressortir rapidement la capacité nécessaire de production pour couvrir la charge sans tenir compte des contraintes d’exploitation du réseau électrique.

Le tableau 4.1 donne les résultats des indicateurs de fiabilité de l’adéquation du système de production.

Tableau 4.1: Indicateurs associés à la production actuelle HL1

Méthodes Blocs EENS [GWh/an]

LOLE [h/an]

LOLP [%]

Analytique 7 1010 7704 88 80 694 6696 76

Monte Carlo

7 805 7104 81 80 551 6240 71

4.2 Résultats relatifs à l’adéquation production transport Tableau 4.2: Indicateurs associés à la production actuelle

HL2

Méthode USE [GWh/an] USE [h/an] Monte Carlo 865 7896

Le tableau 4.1 donne les résultats des indicateurs de fiabilité obtenus au niveau hiérarchique I par deux méthodes différentes (analytique et Monte Carlo). La méthode analytique fournie des résultats différents de la méthode Monte Carlo, cette différence est significative. Pour que l’approche analytique soit précise, il faut accroitre la discrétisation de la charge : nous avons commencé par une discrétisation de la charge par semaine en sept blocs comme illustré dans le tableau 4.1, puis par quatre-vingt blocs et ainsi les deux résultats se rapprochaient. Mais plus que la discrétisation est fine, plus la taille du problème d’optimisation augmente ainsi que le temps de calcul, nous avons été limité par la taille du problème car le solveur GLPK qui accompagne la licence académique ne pouvait pas aller plus loin. Outre le temps de calcul, l’approche analytique a une autre limitation importante car la charge effective est calculée sur base de l’ensemble des générations en place et non ajustée pour chaque combinaison de nouvelles constructions. Les nouvelles constructions sont modélisées avec leurs capacités actualisées en fonction de leurs taux d’indisponibilité forcé. Tandis que l’approche Monte Carlo séquentielle tient compte de la charge horaire (LDC) répartie en blocs au cours des simulations. La valeur de LOLE trouvée théoriquement à l’aide de la figure 2.4 a été confirmée par les valeurs du tableau 4.1, ce qui démontre de la validité de notre modèle. Les résultats du tableau 4.2 sont ceux du niveau hiérarchique II, comme l’outil que nous avons utilisé reposait sur l’hypothèse que les équipements du réseau de transport (lignes et transformateurs) étaient disponibles, les indicateurs EENS, LOLE et LOLP sont les mêmes pour les deux niveaux hiérarchiques. Pour évaluer la fiabilité du réseau au niveau hiérarchique II, un autre indicateur estimé par l’approche Monte Carlo est introduit à savoir USE (Unserved Energy) exprimé en



GWh/an qui est presque l’équivalent de EENS et USE exprimé en heures/an qui est l’équivalent de LOLE. Les résultats (tableaux 4.1 et 4.2) obtenus en simulant notre modèle en tenant compte du parc de production actuel font ressortir la mauvaise qualité de l’approvisionnement électrique de la province du Katanga pour le fait d’une forte croissance de la charge d’une part et d’un parc de production insuffisant d’autre part, d’où la prise en compte des stratégies pour le parc de production et de la charge qui seront présentées dans la suite du travail.

5. Stratégies d’évolution de la charge et du parc de production

5.1 : Stratégies pour la charge Pour élaborer notre modèle de charge (tableau 5.1), nous sommes partis de la souscription de 2015 qui est de 5955GWh, elle est composée de la demande totale des abonnés HT, MT et BT qui sont raccordés au réseau sud SNEL et pour tenir compte de l’incertitude sur la charge, nous allons considérer trois scénarios avec une croissance exponentielle de la charge chaque année de 5%, 10% et 15%. Notre modèle de charge répond à l’équation (14) ci-dessous.

𝐿𝐿(𝑛𝑛) = 𝐿𝐿(0). (1 + 𝑥𝑥)𝑛𝑛 [GWh] (14), où 𝐿𝐿(0) : est la demande d’énergie de 2015 [GWh] et 𝑥𝑥 : taux de croissance [%]. 𝑛𝑛 : Années.

Tableau 5.1: Energies prévisionnelles [GWh] 2015-2024

Scenarios Croissance faible, taux

de 5%

Croissance normale, taux de

10%

Croissance rapide, taux

de 15%

Années GWh 2015 5955 5955 5955 2016 6253 6551 6848 2017 6565 7206 7876 2018 6894 7926 9057 2019 7238 8719 10415 2020 7600 9591 11978 2021 7980 10550 13774 2022 8379 11605 15840 2023 8798 12765 18216 2024 9238 14042 20949

Cette construction de la charge est basée sur les hypothèses suivantes : Les scénarios de croissance de la charge seront de 5% par année, période de faible développement ; 10% par année, période de développement normal et 15% par année, période de développement rapide.

La figure 5.1 illustre l’évolution de nos trois scénarios de charge sur la période de planning en considérant aussi les données historiques de 2012 à 2015.

Figure 5.1: Energies planifiées du Katanga

Pour la suite de nos travaux, nous allons utiliser la nomenclature suivante pour les modèles de charge : le modèle de charge avec accroissement de 5% sera appelé modèle 1, celui avec accroissement de 10% sera appelé modèle 2 et en fin modèle 3 pour celui avec accroissement de 15%.

5.2 : Stratégies pour le parc de production Pour le parc de production, nous allons considérer neuf scénarios ci-dessous :

- La production actuelle (cas de base), (PA) ; - La rénovation des centrales, (CR) ; - La construction de 120 MW, (I1) ; - La construction de 240 MW, (I2) ; - La construction de 500 MW, (I5) ; - La combinaison de 120 MW et 240 MW, (I12) ; - La combinaison de 120 MW et 500 MW, (I15) ; - La combinaison de 240 MW et 500 MW, (I25) ; - La combinaison de 120 MW, 240 MW et 500

MW, (I125) ; - La déconnexion de la Zambie, (SZ).

5.3 : Stratégies d’insertion d’unités de stockage. Pour cette phase, nous allons insérer les unités de stockage dans les nœuds charges pour ressortir leurs impacts sur l’approvisionnement électrique du Katanga.

Leur fonctionnement sera de huit heures par jour qui correspondent à la durée de délestage journalier pour les nœuds résidentiels.

6. Résultats relatifs à la prise en compte des stratégies

6.1 Parc de production et charge 1: indicateurs de fiabilité sans considérations économiques HL2

Le tableau 6.1 résume les résultats des indicateurs de fiabilité au niveau hiérarchique II du réseau sud Katanga en fonction des scénarios d’évolutions du parc de production et de la charge sur la période de planning (2015-2024).



Tableau 6.1: Indicateurs de fiabilité sans US HL2

Modèle 1 Modèle 2 Modèle 3 USE

[GWh/an]

USE [h/an]

USE [GWh/an]

USE [h/an]

USE [GWh/an]

USE [h/an]

PA 2315 8658 4485 8698 7509 8730 CR 1553 8244 3667 8490 6671 8523 I1 769 5353 2778 6922 5749 7133 I2 498 6973 2158 7185 5007 7752 I5 934 8244 2267 8490 4796 8523

I12 161 3667 1518 5432 4256 6256 I15 324 5353 1473 6922 3936 7133 I25 441 6973 1507 7185 3751 7752 I125

140 3667 907 5432 3026 6256

SZ 171 3667 1086 6045 3327 6874

2 : indicateurs de fiabilité avec considérations économiques HL2

Tableau 6.2: Indicateurs de fiabilité relatifs aux coûts


[GWh/an]

USE [h/an

]

USE [GWh/an]

USE [h/an

]

USE [GWh/an]

USE [h/an]

PA 2311 8658 4483 8698 7509 8730 CRS6

1527 8451 3652 8519 6658 8523

I1S6

726 5013 2760 6667 5731 7116

I2S6

433 5912 2137 7129 4996 7667

I5 450 5353 2257 8519 4099 7133 I12S6

104 2717 1496 5400 4237 6463

I15 84 2232 909 4355 3349 5421 I25 395 5912 758 4601 2933 6022 I125

91 2542 345 2615 2334 4531

SZ 159 3366 530 2938 2717 4854

Les résultats du tableau 6.2 font ressortir en rouge les scénarios qui ont conduit à des valeurs faibles en termes d’indicateurs de fiabilité. Pour le modèle 1, c’est l’injection des centrales de 120 MW et 500 MW qui semble être la meilleure solution et pour les modèles 2 et 3 c’est l’injection des centrales de 120 MW, 240 MW et 500 MW semblent être les meilleures solutions.

6.2 Utilisation des unités de stockage Les résultats du tableau 6.3 donnent les indicateurs de fiabilité estimés avec utilisation des unités de stockage au niveau hiérarchique II.

Tableau 6.3: Indicateurs de fiabilité relatif à l'utilisation des US6 HL2


[GWh/an]

USE [h/an

]

USE [GWh/an]

USE [h/an

]

USE [GWh/an]

USE [h/an

] PA 2311 8658 4483 8698 7509 8730 CR 1527 8451 3652 8519 6658 8523 I1 726 5013 2759 6667 5731 7116 I2 468 6765 2137 7129 4996 7667 I5 930 8451 2254 8519 4786 8523

I12 135 3500 1495 5376 4237 6439 I15 310 5042 1455 6670 3922 7148 I25 427 6765 1488 7129 3739 7667 I125

128 3325 887 5347 3010 6235

SZ 156 3325 1069 5794 3316 6790

En comparant les résultats du tableau 6.1 (sans utilisation du stockage) et les résultats du tableau 6.3 (avec utilisation du stockage), nous constatons de très faibles améliorations des indicateurs de fiabilité et pouvons tirer une première conclusion que les unités de stockage dans notre modèle que ce soit au niveau hiérarchique I, qu’au niveau hiérarchique II, pour une utilisation à grande échelle ont un impact très faible sur les indicateurs de fiabilité.

Conclusion La demande électrique dans la province du Katanga augmente exponentiellement d’année en année suite à la libération du secteur minier qui a conduit à plusieurs investissements dans ce secteur et à la croissance démographique. Le parc de production de ladite province ainsi que son réseau électrique n’ont pas évolué depuis plusieurs années. Face à une demande supérieure à la production, le gestionnaire du réseau recourt à l’importation depuis la Zambie et au délestage tournant pour satisfaire tant bien que mal ses abonnés. Cette politique de délestage évolue à plusieurs vitesses car pour les abonnés industriels les mieux offrants, la société passe par des négociations pour réduire la charge, mais pour le secteur résidentiel les coupures sont inévitables, allant parfois de zéro à huit heures par jour ou plus. L’état de l’art de cette problématique a conduit à la modélisation du réseau électrique de la province du Katanga, des équipements et de la charge. Pour que notre étude ait un sens, nous l’avons développé sur plusieurs années (dix ans). La caractérisation de la performance est partie du réseau dans son état actuel (cas de base), a évolué avec la prise en compte des stratégies d’amélioration de la sécurité d’approvisionnement électrique du Katanga. La sécurité d’approvisionnement a été caractérisée par les indicateurs de fiabilité. Pour estimer les indicateurs de fiabilité du réseau sud, nous avons eu recours à l’outil probabiliste PLEXOS qui fait l’analyse technico-économique des systèmes électriques en alimentant la charge à moindre coût mais en respectant les contraintes opérationnelles. Cet outil donne les indicateurs globaux du système électrique du fait qu’il est basé sur l’hypothèse que le réseau électrique est sain (FOR=0 pour les lignes et les transformateurs).



L’outil Plexos a démontré que notre modèle a été très sensible à la variation des paramètres d’entrée (charge et production). Nous avons appliqué diverses stratégies pour l’amélioration des indicateurs, en premier lieu par la prise en compte des projets planifiés de construction de nouvelles centrales et en deuxième lieu l’insertion d’unité de stockage dans les nœuds charges. L’accroissement de la production a été effectué en plusieurs scénarios d’évolution du parc de production avec possibilité de déconnexion de l’import venant de la Zambie. L’utilisation des unités de stockage au niveau du réseau HT n’a pas donné de bons résultats du point de vue fiabilité et pensons que leurs utilisations pourraient se justifier pour d’autres applications telle que la stabilisation du réseau et la gestion rationnelle de l’énergie importée depuis la Zambie car elle est pré payée.

Remerciements Idriss KYONI bénéficie, pour la réalisation de ce projet, d’une bourse de doctorat du Fonds des bourses pour la coopération de l’ULB.

Bibliographie [1] E. Mbala, la problématique du déficit énergétique dans

la province du Katanga. Table ronde miniers 29-30 mars

2012 tenue à Lubumbashi.

[2] I. Kyoni, et al, Contribution to improving reliability of the

electric network of Katanga province RD/Congo. In 20e

Congrès de maitrise des risques et de sureté de

fonctionnement. Saint-Malo, France, 2016.

[3] RDC, Ministère du plan et révolution de la modernité.

http://www.cd.undp.org/content/dam/-2015, (dernière

consultation : 08/avril/2017).

[4] SNEL, direction provinciale du Katanga, division

transport du Katanga, service mouvement d’énergie.

Rapport annuel, 2016.

[5] RDC, Province du Katanga, plan quinquennal de

développement 2011-2015.

http://www.congomines.org/.../ProvinceKatanga, (dernière

consultation : 04/mars/2017.

[6] Ministère des ressources hydrauliques et électricité,

2014, Atlas des énergies renouvelables de la RDC.

http://www.cd.undp.org/rdc/, (dernière consultation :

11/juin/2017).

[7] Rapport technique SNEL, 2015. Rapport annuel.

[8] H. Samet, et al, Analytic time series load flow,

Renewable and sustainable energy reviews, 2018.

https://ideas.repec.org/a/eee/rensus/, (dernière

consultation: 20 février/2018).

[9] Energy Exemplar, Plexos guide, 2017.

https://energyexemplar.com/, (dernière consultation :

27/mars/2018).

[10] G. K. Stefopoulos, et al, Probabilistic power flow with

non-conforming electric loads, in 8th International

Conference on Probability Methods Applied to Power

Systems (PMAPS), Iowa State University, Ames, Iowa,

USA, 2004.

[11] X. Fan, et al, Modern power systems analysis,

Springer Science & Business Media, Verlag US, 2011.


http://www.congomines.org/.../ProvinceKatanga,%20(derni%C3%A8re

http://www.cd.undp.org/rdc/

https://ideas.repec.org/a/eee/rensus/

https://energyexemplar.com/

Stratégies d'amélioration de la sécurité d ...

Documents

Transcript of Stratégies d'amélioration de la sécurité d ...