Un cadre de modélisation de simulation et d'optimisation pour l'analyse de la résilience des systèmes de puissance de trafic interdépendants

La pénétration croissante des véhicules électriques (VE) et le déploiement des bornes de recharge rapide (FCS) font que le réseau routier électrifié (ERN) et le réseau électrique (PN) se couplent de plus en plus. Une telle interdépendance pourrait apporter de nouvelles contraintes et de nouveaux risques aux systèmes couplés. Cela remet également en cause leurs opérations en raison des contraintes physiques des deux systèmes individuels. Dans ce contexte, la présente thèse vise à développer des modèles de système, qui décrivent les caractéristiques et les contraintes critiques de l’ERN et du PN, pour évaluer leur résilience face aux événements perturbateurs lorsqu’ils se couplent de manière dépendante et interdépendante. Cette thèse propose tout d’abord un cadre de simulation basé sur le modèle de transmission cellulaire (CTM) et le modèle alternatif de flux de puissance pour décrire l’évolution du flux de trafic et du flux de puissance. Pour éviter de saisir de manière exogène les taux de rotation des cellules divergentes et les priorités des cellules fusionnantes, un nouveau modèle d’optimisation linéaire basé sur la CTM est proposé pour : 1) prendre en charge les caractéristiques critiques des véhicules électriques et des stations de recharge rapide (FCS), telles que EVs et capacités des FCS ; 2) modéliser explicitement le processus de recharge des véhicules électriques ; 3) résoudre le problème d’affectation dynamique optimale du trafic (SO- DTA) du système en tenant compte du mélange de véhicules électriques et de véhicules à essence (GV). Sur la base de ce modèle, un modèle d’optimisation basé sur un modèle de transmission de liaison est en outre proposé pour améliorer l’efficacité de calcul. Cette thèse étudie les perturbations propagées de l’ERN ou du PN dépendant au réseau étudié, où la demande de recharge spatio-temporelle des VE et les FCS jouent le rôle de liens entre eux. Pour analyser le risque du PN en termes de surcharge de ligne et de problèmes de basse tension, les perturbations propagées par la congestion du trafic dans l’ERN sont considérées. Pour modéliser les caractéristiques d’un incident de circulation routière, des scénarios d’incident dans l’ERN sont générés. Ensuite, le cadre de simulation proposé est utilisé pour simuler l’évolution des flux de trafic et des flux de puissance. Le risque pour la PN provenant des scénarios ERN est évalué dans un cadre d’analyse de risque probabiliste. Pour évaluer la résilience de l’ERN, la réduction des performances du système causée par les défaillances du FCS est étudiée. Le modèle SO-DTA basé sur CTM proposé est utilisé comme modèle de première étape dans le cadre des opérations FCS normales. Un modèle de deuxième étape est ensuite étendu après l’occurrence stochastique des défaillances du FCS. Le modèle d’optimisation proposé basé sur le LTM pour le système de puissance de trafic est utilisé pour étudier leurs opérations optimales dans des conditions normales et post-perturbation, respectivement. Dans des conditions normales, la thèse développe des modèles mathématiques pour décrire les environnements décisionnels décentralisés, centralisés et de partage d’informations. Conditions post-perturbation, la thèse présente un modèle de programme mixte en nombres entiers pour fournir une reconfiguration optimale et des solutions opérationnelles, qui minimisent la perte de performance des systèmes de puissance de trafic. Deux schémas de reconfiguration du réseau, à contre-courant dans l’ERN et la commutation de ligne dans le PN, sont adoptés comme réponses d’urgence aux perturbations.Increasing penetration of electric vehicles (EVs) and deployment of fast charging stations (FCSs) make the electrified road network (ERN) and the power system (PS) growingly couple together. On the one hand, such interdependence might bring new stresses and risks. On the other hand, it also challenges their operations due to the physical constraints from the individual systems. In this context, the present thesis aims at developing system models, which consider the critical features and constraints from both the ERN and the PS, to investigate their interdependence and optimal operation.The thesis first proposes a simulation framework based on the cell transmission model (CTM) and alternative current power flow model to describe the evolution of traffic flow and power flow. To avoid exogenously inputting turning rates of diverging cells and the priorities of merging cells, a novel linear optimization model based on CTM is proposed to 1) accommodate the critical features of EVs and fast charging stations (FCSs), such as different driving ranges of EVs and capacities of FCSs; 2) explicitly model the charging process of EVs; 3) solve the system optimal dynamic traffic assignment (SO-DTA) problem considering the mix of EVs and gasoline vehicles. To improve the efficiency, a link transmission model-based optimization model is proposed without dividing road sections into homogeneous cells. The thesis proposes a traffic-power system optimization model, whose operations are linked via the locational marginal electricity price and the EVs charging demand.The thesis investigates the propagated disruptions from the coupled system. Firstly, the PS risk is assessed considering the traffic congestions; Then, the thesis analyzes the ERN resilience subject to the potential FCSs failures. To model the characteristics of a road traffic incident, incident scenarios in the ERN are generated. Then, the proposed simulation framework is used to simulate the evolution of the traffic flows and power flow. The risk for the PS coming from the ERN scenarios is assessed within a probabilistic risk analysis framework. For assessing the resilience of the ERN, the proposed cell-based SO-DTA model is used as the first stage model under normal FCS operations. A second stage model is, then, extended after the stochastic occurrence of FCS failures. The results show that deploying FCSs near the highway entrances and maintaining their operation are relevant factors to enhance the system’s resilience.The proposed optimization model for the traffic-power system is used to investigate their optimal operations under normal and post-disruption conditions, respectively. Under normal conditions, the thesis develops mathematical algorithms to model the decentralized, centralized and information-sharing decision-making environments. The results show that losses of operational cost and renewable integration under a decentralized environment can be greatly mitigated by having ERN and PS operators share information. Under post-disruption conditions, the thesis presents a stochastic optimization model to provide reconfiguration solutions maximizing the traffic-power system resilience under uncertain traffic demand. Two network reconfiguration schemes, contraflow in the ERN and switching operations in the PS, are adopted as emergency responses to the disruptions. The results demonstrate the benefits of adopting reconfiguration solutions and the added value of using the stochastic model as opposed to the deterministic model