Forecasting of Dynamic Line Rating and assessment of the impacts on power system management
Prévision du Dynamic Line Rating et impact sur la gestion du système électrique
Résumé
Dynamic Line Rating is the modification of the maximal current capacity of an overhead electrical line, depending on weather characteristics. Such modifications allow important decreases of congestion phenomena, around 99% of the time.Similarly to renewable generation, it is possible to forecast the modified constraints, accordingly to some historic observations, weather predictions and artificial intelligence methods.In this document, the development of short-term probabilistic DLR forecast models. A focus is especially made on methods providing forecasts having a very low probability of being overestimated. This is made through the development and the comparison of several forecast methods, and some improvements such as the remodelling of very low quantile forecasts with tail density modelling.Following that, a reflection is proposed on the use of such forecasts in practice, first with some simplified test cases, then with electrical grid simulations. These approaches allow us developing new strategies for the use of the DLR forecasts, maximizing the social welfare while keeping risks associated with forecasts errors at low levels.Finally, an evaluation of the forecast models function of their economic value is made with the electrical grids models, and the value of the proposed modifications of the forecast models is then demonstrated.
Le Dynamic Line Rating est la modification dynamique des contraintes de courant sur une ligne électrique aérienne, en accord avec la météorologie. De telles modifications permettent alors d’avoir des réductions des phénomènes de congestion près de 99% du temps.De manière similaire aux énergies renouvelables, il est possible de générer des prévisions de ces contraintes modifiées, en accord avec des observations historiques, des prévisions météorologiques et des méthodes d’intelligence artificielle.Dans cette thèse, nous proposons le développement de modèles de prévision probabilistes à court terme du DLR. Nous nous concentrons plus particulièrement sur des méthodes fournissant des prévisions ayant de très faibles probabilités d’être surestimées. Cela passe par le développement et la comparaison de plusieurs méthodes de prévision, ainsi que des améliorations comme des modifications de prévisions à très bas quantile à l’aide de remodélisations des queues de distribution.Par la suite, une réflexion est faite sur l’utilisation en pratique de ces prévisions, d’abord par des cas d’étude simplifié, puis à l’aide de simulations de réseaux électrique. Ces approches nous permettent de développer de nouvelles stratégies d’utilisation des prévisions DLR, optimisant le bien-être social tout en maintenant les risques associés aux erreurs de prévision à un niveau faible.Finalement, nous évaluons les modèles de prévisions développés en fonction de leurs performances économiques à l’aide des modèles de réseaux électriques, et nous démontrons la valeur des améliorations des modèles de prévision que nous proposons.
Origine : Version validée par le jury (STAR)
Loading...