These de Magister PDF

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Université des Sciences et de la Technologie

«Mohamed Boudiaf »
Oran
FACULTE DE GENIE ELECTRIQUE

DEPARTEMENT D’ELECTROTECHNIQUE
MEMOIRE EN VUE DE L’OBTENTION DU DIPLOME DE MAGISTER
SPECIALITE : ELECTROTECHNIQUE
OPTION : FIABILITE DES SYSTEMES ELECTRO-ENERGETIQUES
THEME
Présenté et soutenu par
Mme : Benayed Fatima Zohra
SOUTENUE LE 17 /12 /2012 DEVANT LE JURY COMPOSE DE :
Mr. Bouthiba Tahar Professeur USTO-MB Président de jury

Mr. RAHLI Mostefa Professeur USTO-MB Directeur de projet
Mr. Sebbani Mohamed Professeur U. Essenia Examinateur
Mr. Kotni Lahouari MCA USTO-MB Examinateur
Année universitaire : 2011-2012

Résumé
L’exploitation rationnelle de système électrique dépend de sa configuration. Une

configuration optimale évite des dépenses excessives, dans le contexte d’ingénierie, le choix
des équipements en fonction de leurs disponibilité, coût et performance est la variable de
décision la plus importante pour optimiser un processus.
Le travail présenté ici, s’inscrit dans le cadre de la demande scientifique actuelle qui consiste
à l’optimisation et à la conception des configurations des systèmes électriques avec des
contraintes de fiabilité et de coût.
Dans ce contexte, l’optimisation des systèmes parallèles –séries dont la demande se distingue
par des niveaux différents qui doivent être satisfaits avec une fiabilité exigée est traitée.
Lorsque le système se caractérise par une disponibilité multi –états, une nouvelle méthode
d’évaluation de la fiabilité dite « UMGF (Univesal Moment GéneratingFunction) » offre
plusieurs avantages par rapport à la méthode classique, et comme le système comporte
plusieurs variétés d’éléments, une situation combinatoire de choix d’élément fait appel aux
méta – heuristiques qui permettent d’évaluer la structure ,nous nous sommesintéressés dans
notre travail à l’algorithme HarmonySearch.
REMERCIEMENTS
Je remercie ALLAH le Tout-puissant de m’avoir donné le courage, la

volonté et la patience de mener à terme ce présent travail.
Je tiens tout d’abord à remercier, mon encadreur, Monsieur

RAHLIMostefa, Professeur à l'université des Sciences et de la technologie
D'Oran Mohamed Boudiaf « USTO », de m’avoir reçu au sein de son
laboratoire d’optimisation des réseaux électriques « LORE » de la faculté de
génie électrique, pour son encadrement et ces précieux conseils qu’il m’a donné
et pour ces connaissances.
Je remercie particulièrement Monsieur AbdelhakemKoridakElhouari,

Maître de conférences à l’Université des Sciences et de la technologie d’Oran
Mohamed Boudiaf « USTO », Pour ses conseils ainsi que ses qualitéshumaines
et pour m’avoir apporté toute son énergie et son dynamisme, pour faire de la
recherche. Toutes ces qualités ainsi que son savoir ont fortement contribué à la
réalisation de ce travail dans des bonnes conditions.
J’exprime mes sincères remerciements à Monsieur,Bouthiba

TaharProfesseur à l’Université des Sciences et de la technologie d’Oran
Mohamed Boudiaf « USTO », d’avoir accepté de présider le Jury de cette thèse.
Je voudrais remercie sincèrement Messieurs, Sebbani

MohamedProfesseurà l’UniversitéEssenia et KotniLahouariMaître de
conférences Aà l’Universitédes Sciences et de la technologie d’Oran Mohamed
Boudiaf « USTO », qui ont accepté de participer à ce Jury, en tant
qu’’examinateurs et qui ont pris la peine de lire ce manuscrits avec attention.
Mes vifs remerciements s’adressent à toutes les personnes qui ont

contribuésde près ou de loin, directement ou indirectement à l’aboutissement
de ce travail. Je remercie tous particulièrement mes collègues du laboratoire
d’optimisation des réseaux électriques « LORE » de la faculté de génie
électrique.
Enfin, il m’est particulièrement agréable d’exprimer ma profonde

gratitudeà ma famille et à tous ceux qui m’ont permis d’en arriver là.
Sommaire
SOMMAIRE
Chapitres Pages
Introduction générale……………………………………………………………………. 1
Chapitre I
Généralité sur les réseaux électriques

I.1 Introduction…………………………………………………………………………………4
I.2 Structure d’un réseau électrique.....................................................................................…...4
I.2.1 La production………………………………………………………………………...…6
I.2.2 Transport d’énergie électrique…………………………………………………………7
I.2.3 Distribution……………………………………………………………………………..8
I.3 Constitution du réseau …………………………………………………………………….8
I.3.1 Poste Electrique………………………………………………………………………...8
I.3.2 Les lignes électriques………………………………………………………………….10
I.3.2.1 Composants des lignes aériennes………………………………………………….10
I.3.2.2 Les lignes souterraines…………………………………………………………….12
I.4 La conduite du réseau électrique ………………………………………………………...12
I.4.1 Fluctuations de la consommation……………………………………………………..13
I.4.2 Difficultés de prévision de la consommation…………………………………………13
I.5 Conclusion………………………………………………………………………………...15
Chapitre II
Fiabilité des systèmes

II.1 Introduction………………………………………………………………………………16
II.2 Systèmes………………………………………………………………………………….16
II.2.1 Différentes configuration du système………………………………………………17

Sommaire
II.2.2 Mesure de l'efficacité des systèmes……………………………………………………19
II.3 Les mesures associées à la fiabilité………………………………………………………20
II.3.1 Fonction de répartition, Densité de probabilité……………………………………...20
II.3.2 Taux de défaillance instantané………………………………………………………22
II.4 Technique d'évaluation de la fiabilité……………………………………………………25
II.4.1. Arbre de défaillance………………………………………………………………...25
II.4.2 Diagramme de fiabilité………………………………………………………………26
II.4.3 Modèle de Markov…………………………………………………………………..27
II.5 Fiabilité du système électrique…………………………………………………………...28
II.5.1 la sécurité du système électrique…………………………………………………….28
II.5.2 Adéquation du système électrique…………………………………………………...28
II.6 Hiérarchisation du système électrique dans l’évaluation de la fiabilité des systèmes

électriques…………………………………………………………………………………….29
II.7 Services auxiliaires……………………………………………………………………….30
II .8 Reserve d’énergie………………………………………………………………………..31
II.8.1 Reserve opérationnelle……………………………………………………………...31
II.8.2 Reserve tournante…………………………………………………………………...31
II.8.3 Reserve non tournante………………………………………………………………32
II.9 Conclusion………………………………………………………………………………..32
Chapitre III
Système multi-états
III.1 Introduction……………………………………………………………………………...33
III.2 Généralité sur le modèle du système multi- états………………………………………..33
III.3 Estimation de la fiabilité des systèmes multi états basée sur la méthode UMGF
(Universal Moment GeneratingFunction)……………………………………………………35
III. 3.1 Estimation de la fiabilité des systèmes séries……………………………………..37
III. 3. 2Estimation de la fiabilité des systèmes parallèles…………………………………38

Sommaire
III. 3. 3 Élément avec défaillance partielle………………………………………………..39
III. 3. 4 Composant avec défaillance totale……………………………………………….40
III .4 Algorithme de la technique d’Ushakov………………………………………………...41
III.5 Exemple illustratif……………………………………………………………………….43
III.5.1 Cas de deux états………………………………………………………………….43
III.5.2 Cas de multi états………………………………………………………………….45
III.6 Conclusion………………………………………………………………………………47
Chapitre IV
Les méthodes d’optimisation

IV.1 Introduction……………………………………………………………………………...48
IV.2 Généralités sur les algorithmes d’optimisation………………………………………….48
IV.2.1 Variables du problème……………………………………………………………..48
IV.2.2 Espace de recherche (domaine admissible)……………………………………….49
IV.2.3 Fonction d’adaptation……………………………………………………………...49
IV.2.4. Problème d’optimisation…………………………………………………………..49
IV.2.5 Algorithme d’optimisation pour la conception assistée par ordinateur…………...50
IV.3 Classification des méthodes d’optimisation…………………………………………….51
IV.3.1 Recherche d’un extremum…………………………………………………………51
IV.3.2. Méthodes locales et globales……………………………………………………...52
IV. 4 Quelques méthodes d’optimisation heuristiques……………………………………….54
IV.4.1 Recuit simulé……………………………………………………………………..54
IV.4.2 Recherche Tabou………………………………………………………………...54
IV.4.3 Algorithme génétique…………………………………………………………….54
IV.4.4 Colonie de fourmis……………………………………………………………….55
IV.4. 5 Algorithmed’Harmony Search…………………………………………………..55
IV.4.5. 1 Description des étapes……………………………………………………...57

Sommaire
IV.4.5.2 L’organigramme des étapes de l’harmonySearch………………………….60
IV.5 Conclusion………………………………………………………………………………61
Chapitre V
Application et Interprétation
V.1 Système série-parallèle………………………………………………………………...…62
V.1.1 Approche mathématique du système……………………………………………...62
V.2 Formulation du problème…………….………………………….……………………….63
V.3 Description du système à optimiser……………………………………………………...63
V.3.1 Sous-système 01(Production)…………………………………………………...…64
V.3.2 Sous-système 02 (transformateurs élévateurs)…………………………………….65
V.3.3 Sous-système 03 (lignes de transport HT)………………………………………...65
V.3.4 Sous-système 04 (Transformateurs abaisseurs)…………………………………...65
V.3.5 Sous-système 05 (lignes de répartition)…………………………………………..66
V.4 Résultats obtenues par l’algorithme HarmonySearch……...……………………………67
V.5 Interprétations des résultats d’optimisation par l’HarmonySearch……………………...69
Conclusion générale…………….……………………………………………………….71
Bibliographie……..……………………………………………………………………….73
Liste des figures
LISTES DES FIGURES
Figure I.1 Structure générale d’un réseau électrique…………………………………. 05
Figure I.2 Poste électrique aériennes…………………………………………………. 09
Figure I.3 Photo d’une ligne à très haute tension (pylône en acier)………………...... 10
Figure I.4 Photo d’une ligne à haute tension sur poteaux en bois………………….… 11
Figure I.5 Photo d’une ligne à moyenne tension sur poteaux en bois………………... 11
Figure I.6 Photo d’une ligne à basse tension sur poteaux en bois……………………. 11
Figure I.7 Photo d’une fibre optique insérée dans un câble de garde……………… 11
Figure I.8 Différence entre prévision et consommation (Prév. < cons.)……………….. 14
Figure I.9 Différence entre prévision et consommation (Prév. > cons.)……………... 14
Figure II.1 Système série……………………………………………………………. 17
Figure II.2 Les pylônes représentent un système série ………………………………. 17
Figure II.3 Système parallèle………………………………………………………….. 17
Figure II.4 Les transformateurs représentent un système parallèle…………………… 17
Figure II.5 Système à structure série-parallèle………………………………………... 18
Figure II.6 Système à structure parallèle-série………………………………………... 18
Figure II.7 Courbe de survie ou de fiabilité………………………………………….... 20
Figure II.8 Exemple de densité de probabilité……………………................................ 21
Figure II.9 Exemple de la fonction de répartition……………………………………... 22
Figure II.10 Taux de défaillance en fonction du temps………………………………… 23
Figure II.11 Courbe ……………………………………………………… 24
Figure II.12 Durée moyenne……………………………………………………………. 25
Figure II.13 Exemple d’un arbre de défaillance………………………………………... 26

Liste des figures
Figure II.14 Calcul de fiabilité d’un système parallèle –série …………………………. 27
Figure II.15 Hiérarchisation du système électrique…………………………………….. 29
Figure III.1 Système Série……………………………………………………………... 38
Figure III.2 Système parallèle………………………………………………………….. 39
Figure IV.1 Algorithme d’optimisation……………………………………………………….. 51
Figure IV.2 Convergence vers un extremum local…………………………………….. 52
Figure IV.3 Domaine admissible comportant des extremums locaux et globaux……… 53
Figure IV.4 Méthodes déterministes locales…………………………………………… 54
Figure IV.5 Principe de l’harmony search et analogie en optimisation……………….. 57
Figure V.1 Système parallèle-série……………………………………………………. 63
Figure V .2 Exemple réel d’un système parallèle-série………………………………... 64

Liste des Tableaux
LISTE DES TABLEAUX
Tableau III.1 Les paramètres du système électrique…………………………………. 43
Tableau III.2 Les caractéristiques de la charge………………………………………. 43
Tableau III.3 les paramètres du système électrique…………………………………... 45
Tableau III.4 les caractéristiques de la charge………………………………………... 45
Tableau V.1 Caractérisation de sous-système de production……………………….. 64
TableauV.2 Caractérisation de sous-système « transformateur élévateurs MT/HT ». 65
Tableau V.3 Caractérisation de sous-système «Lignes de transport HT »…………... 65
Tableau V.4 Caractérisation de sous-système «Transformateurs abaisseursHT/MT» 66
Tableau V.5 Caractérisation de sous-système «Lignes de répartition MT »………… 66
Tableau V.6 Les caractéristiques de la demande…………………………………….. 67
Tableau V.7 La conception optimale du système pour R 0 = 0.92…………………… 68
Tableau V. 8 La conception optimale du système pour R 0 = 0.95…………………… 68
Tableau V.7 La conception optimale du système pour R 0 = 0.98…………………… 68

INTRODUCTION
Générale
Introduction générale
INTRODUCTION GÉNÉRALE
L’industrie de l’électricité est l’industrie la plus importante. Son produit,l’électricité, est

essentiel à la société d’aujourd’hui. L’électricité fait partie intégrante de notrevie quotidienne.
Elle alimente les appareils ménagers, soutient nos vastes réseaux decommunications et
d’information, éclaire nos cités et nos villes et elle est considérablementutilisée dans de
nombreuses grandes entreprises. Un service d’approvisionnement en électricitéfiable et
économique est indispensable au bien-être de la population et des entreprises.
Le système électrique est un réseau-source alimentant un très grand nombre de clients à partir
d’un petit nombre de centrales de production. L’énergie produite par les centrales transite sur
les lignes de haute et très haute tensions du réseau de transport maillé sur une zone couvrant
un ou plusieurs états, puis est acheminée sur des réseaux de distribution de moyennes et
basses tensions dont l’arborescence permet d’atteindre les clients.
De ce fait les réseaux électriques modernes sont caractérisés par leur structure complexe, leur
majeure fonction est d’assurer une continuité de service pour le consommateur et le plus
économiquement possible tout en assurant une qualité de service raisonnable. Cette dernière
est extraordinairement importante lorsqu’on projette la signification de facteur de fiabilité et
de son implication dans une industrie de production de transport et de distribution d’énergie
électrique. De cette façon, il est indispensable de garantir une certaine qualité de service une
fois que le réseau dispose d’une réserve de production et d’une marge de réserve appropriée
au niveau du transport et de distribution. Cela est caractérisé par la disposition d’une capacité
de réserve appropriée au niveau de transport et de distribution. Le système nécessite donc la
disposition d’une capacité de réserve appropriée pour faire face à différentes fluctuations dues
à la charge. La détermination des marges de réserve que le système doit disposer afin de
garantir une continuité de service compte parmi les objectifs de la fiabilité. Celle-ci n’est pas
souvent facile à déterminer une fois que l’on connait que la plus part des réseaux électriques
sont caractérisés par leur structure complexe et la plupart d’entre eux assurent leur fonctions
selon des niveaux de charge déférentes.
1
Dans ce cas, ledéfaut peut entrainer l’incapacité de système à couvrir une charge donnée
sans causer sa défaillancecomplète du système. Le systèmese caractérise par une disponibilité
multi-états.Lesméthodes de solution traditionnelles ne sont pas valides.
Dans ce mémoire, nous abordons l’optimisation des systèmes parallèles-séries dont la

demande se distingue par des niveaux différents qui doivent être satisfaites par le système
(production, transport, répartition) avec un seuil de fiabilitéprédéterminé. La nouvelle
méthode de résolution offre plusieurs avantages par rapport aux méthodes classiques pour
estimer la fiabilité. Pour des systèmes fluides comme celui de la production
d’énergie,reconnaitre les différents niveaux de performance (dégradation du matériel) est
d’importancecritique afin que l’estimation de la fiabilité totale du système et la configuration
correspondante de la structure modélisentplus concrètement la fiabilité de système réel.
L’objectif de notre travail repose essentiellement d’une part sur le choix optimal des
composants du système au point de vue types, fiabilité et coût afin de faire une conception
nouvelle d’un système réseau électrique. Ce problème se résout au point de vue coût optimal
répondant à une contrainte de fiabilité.
Organisation
Le premier chapitre est une généralité sur les réseaux électriques avec une description de
chaque sous- système qui forme ce réseau.
Le deuxième chapitre est conçu pour décrire les concepts généraux de la fiabilité des
systèmes ainsi que les méthodes d’évaluer la fiabilité, puis une explication sur la fiabilité des
systèmes électrique et leur hiérarchisation.
Le troisième chapitre décritle principe sur les systèmes multi-états et où on abordera

l'évaluation de la fiabilité des systèmes parallèle-série par une nouvelle méthode : celle
d'USHAKOV connu sous le nom d’UMGF. Cette dernier sera directement implémentée par
hybridation avec l’algorithme d’HarmonySearch (HS : HarmonySearch).
2
Le quatrième chapitre décrit le problème d’optimisation et les différentes méthodes

d'optimisation déterministes, heuristique et méta-heuristique.
Le cinquième chapitre est la formulation mathématique de notre problème, ainsi une

application de notre programme de l’optimisation de coût d’investissement sous contraintes
de fiabilité par l’HarmonySearch. En fin une interprétation des résultats est faite. Le calcul a
été fait sur PC pentium 4 (2GHz) par une programmation en langage Matlab.
Et fin nous terminons avec une conclusion générale sur le travail effectué.
3
Chapitre I
généralité sur
les réseaux
électriques
Chapitre I Généralité sur les réseaux électriques
CHAPITRE I
GENERALITE SUR LES RESEAUX ELECTRIQUES
I.1 Introduction [1,2]
L'électricité, produite et livrée aux clients grâce à une installation complexe assumant un
objectif fonctionnel (la production, transport et distribution), constitue l'un des plus grands
marchés de consommation dans le monde.Pour assurer ces objectifs fonctionnels de haut
niveau, le processus fait appel à un ensemble de systèmes interconnectés. Chaque système
assure une ou plusieurs fonctions bien définies.
La fiabilité des systèmes d'alimentation électrique desservant des charges est d’assurer le non
interruption de la tension d'alimentation. Les centrales de production doivent produire
suffisamment d’énergie pour répondre à la demande des clients. Les réseaux de transport
doivent transporter toute l’énergie sur de longues distances sans échauffement ou perturbation
de la stabilité du système. Les réseaux de distribution doivent fournir de l’électricité à chaque
client.
I.2 Structure d’un réseau électrique[1, 3,4]
Traditionnellement, les réseaux électriques sont décomposés en trois systèmes : la production,

le transport et la distribution.Dans le cadre de fiabilité, la production, le transport et la
distribution sont considérés comme des blocs fonctionnels. Chaque bloc fonctionnel est
composé de plusieurs sous-systèmes. La production est composée de centrales de production
et des postes électriques de production. Le transport se compose de ligne de transport, les
postes de transport et les réseaux de répartition. Les systèmes de distribution composés de
postes de distribution, des réseaux de distribution primaires, les transformateurs des
distributions et des réseaux de distribution secondaires parfois le réseau de distribution
primaire est considéré comme le réseau de distribution et le réseau de distribution secondaire
est nommé le réseau de livraison de l’abonné. Un schéma simplifie du réseau électrique global
et ses sous-systèmes est illustré dans la figure (I.1).
4
Centrale de Le poste de production

production
Le poste de transport
Système de
transmission
Le poste de distribution
Sous système de transmission
Consommateur
Système primairede distribution
Figure. I.1 : Structure générale d’un réseau électrique [3]
5
I.2.1 La production [1, 5, 6]
La production est composée de centrales de production d’énergie électrique. La centrale de

production est la composante élémentaire de l’organisation des moyens de production
d’électricité. Une centrale peut regrouper sur un même site plusieurs unités de production, ou
tranches, souvent de même technologie et de même puissance. Chaque unité de production
est composée d’une turbine (ou en général un moteur) et d’un alternateur pour produire de
l’énergie électrique à courant alternatif.La plupart des turbines sont entrainées par la vapeur
produite dans une chaudière chauffée par le charbon, le gaz naturel ou de combustible
nucléaire. D’autre peuvent être entrainées par des sources non thermiques telles que les
barrages hydroélectriques et les éoliens. Les générateurs produisent des tensions entre phases
entre 11 et 30 KV.
Nous classons les centrales de production selon leur technologie, c’est-à-dire selonleurs
sources d’énergie primaire. Nous distinguons les centralesthermiques à flamme, les centrales
nucléaires, les centrales hydrauliques, et les centraleséoliennes.
 Centrales thermiques à flamme
Les centrales thermiquesà vapeur brûlent du charbon, du pétrole ou du gaz pour

vaporiser de l’eau. La vapeur ainsi produite se détend dans une turbine à vapeur, qui entraîne
un alternateur produisant l’électricité. Ces centrales sont caractérisées par un rendement
énergétique moyen. Leurs coûts variables dépendent notamment du prix du combustible
utilisé. Elles sont réputées pour être souples à l’exploitation, une fois en fonctionnement, mais
lentes à mettre en fonctionnement (une centrale à fioul ou au charbon prend environ 16h pour
démarrer à froid, et 8h pour démarrer à chaud).
Les turbines à combustion, ou les moteurs Diesel à combustion interne, utilisent la

détente des gaz produit par la combustion de pétrole ou de gaz. Ces centrales sont
caractérisées par un rendement énergétique bas. En revanche, elles sont réputées pour être très
flexibles et rapides au démarrage (entre 15 minutes et 1 h).
Les cycles combinés sont le fruit d’une technologie hybride. Une turbine à combustion
(ou plusieurs) fonctionne en parallèle d’une turbine à vapeur. Le gaz d’échappement de la
turbine à combustion est utilisé pour produire de la vapeur dans une chaudière classique. Cette
chaudière alimente la turbine à vapeur. Ces centrales sont caractérisées par un très bon
rendement, et donc un coût variable relativement faible (mais dépendant du prix du
combustible). En termes de souplesse, ces centrales sont un peu plus souples qu’une centrale
thermique classique en cycle simple. Le temps de démarrage est, également, plus court qu’une
centrale classique.
 Centrales nucléaires
On y utilise l’énergie émise lors de la fission d’un atome à base d’uranium. Lachaleur
qui en résulte est transmise à un fluide caloporteur qui est utilisé pour produire de lavapeur.
La vapeur, comme dans le cas des centrales thermiques classiques, est utilisée dansun
turboalternateur pour produire l’électricité.
6
Ces centrales sont caractérisées par un coûtvariable très faible. Leur souplesse dépend d’une
programmation conçue avec anticipation.De plus, les centrales de ce type ne sont pas flexibles
quand les variations sont demandées àdes délais très courts. Le temps de démarrage à froid est
assez long (~40 h).
 Centrales hydrauliques
L’énergie potentielle de gravité de l’eau est utilisée pour produire de l’électricité.
Deux types principaux de centrales hydrauliques sont distingués : les centrales hydrauliques
au fil de l’eau et les centrales à réservoir. Dans le premier type, l’eau est turbinée au fil du
courant des cours d’eau. On dit que cette production est « fatale » ; si cette énergie ne sert pas
à produire de l’électricité, elle est perdue.Les centrales installées au fil de l’eau fonctionnent
en continu au rythme des affluents. Dans le deuxième type, l’eau est stockée dans des
réservoirs (barrages), et turbinée au rythme des besoins. Certaines turbines sont conçues aussi
pour fonctionner comme pompes, afin de stocker de l’eau dans les moments de la journée où
il y a un excès d’électricité. La caractéristique de stockabilité de cette technologie amène à
considérer non seulement le coût variable de production pour leur exploitation, qui est réputé
être très faible, mais aussi le coût d’opportunité à produire à un moment où la production sera
mieux valorisée. En outre, bien que les centrales à réservoir soient caractérisées par un coût
variable très faible, étant donné qu’elles ont aussi des caractéristiques de souplesse
extraordinaires, elles sont utilisées en grande partie pour suivre les fluctuations brusques de la
consommation.
 Centrales de production éolienne

Les centrales éoliennes utilisent l’énergie mécanique contenue dans le vent
pourproduire de l’électricité. Elles sont caractérisées par un coût variable très faible.
Laproduction électrique des éoliennes est particulièrement intermittente, et est
considéréecomme fatale. Les difficultés de prévision de cette énergie (données
météorologiques)renforcent la nature aléatoire de cette technologie.
I.2.2 Transport d’énergie électrique [2,7]
L’électricité est acheminée depuis les centres de production vers les zones d’utilisation à
traversun réseau de lignes dont la longueur totale représente des milliers de kilomètres. La
répartition et lalivraison de l’électricité s’opèrent en cascade suivant des voies de plus en plus
ramifiées et des tensionsde plus en plus basses, afin d’être adaptées aux besoins des
utilisateurs.Le réseau de transport d’énergie électrique comprendle réseau de grand transport
et d’interconnexion, et les réseauxde répartition. Le réseau de grand transportet
d’interconnexion relie les centres de production aux zones de consommation. Il assure
également les exportations et importations d’électricité entre les pays.
En permettant le secours mutuel entre pays, ilaméliore la sécurité de fonctionnement des
systèmes électriques de toute l’Europe par exemple.
7
Sastructure maillée garantit la continuité de l’alimentation en cas de défaillance d’une liaison.
Cettestructure permet aussi de faire appel aux centrales par ordre croissant de coût (les moins
coûteusespour la production dite « de base », les plus coûteuses pour la production « de
pointe »), ajustant le différents moyens de production.
Le réseau de répartitionsestdestiné à répartir l’énergie en quantité sur des distances plus
courtes.Le transport est assuré en très haute tension (225KV) et en haute tension (90KV et
63Kvvolts). Ce type de réseau est l’équivalent des routes nationales dans le réseau routier. La
finalité de ce réseau est avant tout d’acheminer l’électricité du réseau de transport vers les
grands centres de consommation. Ces derniers sont : soit du domaine public avec l’accès au
réseau de distribution HTA, soit du domaine privé avec l’accès aux abonnés à grande
consommation (supérieure à10 MVA) livrés directement en HT.
I.2.3 Distribution [4]

Les réseaux de distribution acheminent l’énergie électrique du réseau de répartition (ou de
transport) aux clients résidentiels et aux petits clients industriels. Les tensions des réseaux de
distribution sont comprises entre 230V à 400V pour la basse tension et 4kV à 45 kV pour la
moyenne tension. La structure des réseaux de distribution est bouclable et exploitée en radial.
Néanmoins, certains pays disposent de réseaux maillés et avec la possibilité d’une
exploitation en boucle fermée.
I.3 Constitution du réseau [3, 8, 9, 10]

Le réseau est constitué de lignes aériennes, de câbles souterrains et de postes électriques, à
divers niveaux de tension.
I.3.1 Poste Electrique
Selon la définition de la Commission Electrotechnique internationale, un poste électrique est

« la partie d’un réseau électrique, située en un même lieu, comprenant principalement les
extrémités des lignes de transport ou de distribution, de l’appareillage électrique, des
bâtiments, et, éventuellement, des transformateurs ».
Un poste électrique est donc un élément clé du réseau électrique servant à la fois à la
transmission et à la distribution d’électricité. Il permet d’élever la tension électrique pour sa
transmission, puis de la redescendre en vue de saconsommation par les utilisateurs
(particuliers ou industriels). Les postes Electriques se trouvent donc aux extrémitésdes lignes
de transmission ou de distribution. Dans les autres langues, on parle généralement de sous-
station.
8
Figure. I.2 : Poste électriqueaériennes
Les postes électriques ont trois fonctions principales :
• Le raccordement d’un tiers au réseau d’électricité (aussi bien consommateur que

producteur type centrale nucléaire).
• L’interconnexion entre les différentes lignes électriques (assurer la répartition de
l’électricité entre les différentes lignes issues du poste).
• la transformation de l’énergie en différents niveauxde tension.
On distingue, suivant ces fonctions, plusieurs types de postes :
Postes de sortie de centrale : lebut de ces postes est de raccorder une centrale de production
de l’énergie au réseau ;
Postes d’interconnexion : le but est d’interconnecter plusieurs lignes électriques, ils

comprennent un ou plusieurs points communs triphasés appelés jeu de barres, sur lesquels
différents départs (lignes, transformateurs,...etc.) de même tension peuvent être aiguillés ;
Postes élévateurs : le but est de monter le niveau de tension, à l’aide d’un transformateur, ils
comprennent au moins deux jeux de barres à des tensions différentes liés par un ou plusieurs
transformateurs ;
Les postes de distribution : le but est d’abaisser le niveau de tension pour distribuer l’énergie
électrique aux clients résidentiels ou industriels.
L’aspect des postes électriques varie fortement suivant leurs fonctions. Les postes peuvent
être en surface à l’intérieur d’enceinte, souterrains, dans des bâtiments qu’ils desservent.
9
I.3.2 Les lignes électriques
Les lignes électriques assurant la fonction de transport de l’énergie sur les longues distances.
Le genre de ligne utilisée est imposé par les facteurs suivant : Puissance active à transporter,
distance de transport, coût, esthétique, encombrement et facilité d’installation. Nous
distinguons quatre types de lignes :
Lignes de transport très haute tension (THT) :Ce sont les lignes qui relient les centrales
éloignées aux centres d’utilisation. Ces lignes peuvent atteindre des longueurs de 1000 km et
elles fonctionnent à des tensions allant jusqu’à 765 kV.
Lignes de transport haute tension (HT) :Ce sont les lignes reliant les postes de
transformation principaux aux centrales de génération.
Lignes de distribution moyenne tension (MT) : Ce sont les lignes qui relient les clients aux
postes de transformation principaux de la compagnie d’électricité.
Lignes de distribution basse tension (BT) : Ce sont les lignes installées à l’intérieur des
édifices, usines et maisons pour alimenter les moteurs, cuisinières, lampes, etc.
I.3.2.1 Composants des lignes aériennes
Une ligne aérienne est composée de pylônes (supports), de câbles conducteurs et des
isolateurs.
Les pylônes : Le rôle des pylônes est de maintenir les câbles à une distance minimale de
sécurité du sol et des obstacles environnants, afin d’assurer la sécurité des personnes et des
installations situées au voisinage des lignes. Le choix des pylônes se fait en fonction des
lignes à réaliser, de leur environnement et des contraintes mécaniques liées au terrain et aux
conditions climatiques de la zone. Leur silhouette est caractérisée par la disposition des câbles
conducteurs.
 Pour les lignes à très haute tension, on a recours à des pylônes composés d’un treillis
enacier. Plus la tension est élevée, plus l’envergure est grande et plus les poteaux sont
élevés.
Figure. I.3 : photo d’une ligne à très haute tension (pylône an acier)
10
 Pour les lignes à haute tension, on utilise des pylônes en acier ou en béton
Figure. I.4 : photo d’une ligne à haute tension sur pylônes en béton
 Pour les lignes à moyenne tension, il s’agit de poteaux en bois ou de mâts en béton
Figure. I.5 : photo d’une ligne à moyenne tension sur poteaux en bois
 Pour les lignes aériennes basse tension, on utilise de simples poteaux en bois ou en béton.
Figure. I.6 : photo d’une ligne à basse tension sur poteaux en bois
11
Les câbles conducteurs : Pour transporter le courant, on utilise des câbles conducteurs qui
sont portés par les pylônes. Le courant utilisé étant triphasé, il y a trois câbles (ou faisceaux de
câbles) conducteurs par circuit. Les lignes sont soit simples (un circuit), soit doubles (deux
circuits par file de pylônes). Chacune des phases peut utiliser 1, 2, 3 ou 4 câbles conducteurs,
appelés faisceaux. Les câbles conducteurs sont « nus » c’est-à-dire que leur isolation
électrique est assurée par l’air. La distance des conducteurs entre eux et avec le sol garantit la
bonne tenue de l’isolement. Cette distance augmente avec le niveau de tension.
Les conducteurs en cuivre sont de moins en moins utilisés. On utilise en général des
conducteurs en aluminium, ou en alliage aluminium-acier ; on trouve aussi des conducteurs
composés d’une âme centrale en acier sur laquelle sont tressés des brins d’aluminium.
Câbles de garde : Les câbles de garde ne conduisent pas le courant. Ils sont situés au-dessus
des conducteurs. Ils jouent un rôle de paratonnerre au-dessus de la ligne, en attirant les coups
de foudre, et en évitant le foudroiement des conducteurs. Ils sont en général réalisés en acier.
Au centre du câble d’acier on place parfois un câble fibre optique qui sert à la communication
de l’exploitant.
Figure. I.7 : photo d’une fibre optique inséréedans un câble de garde
Les isolateurs : l’isolation entre les conducteurs et les pylônes est assurée par des isolateurs
(chaînes d’isolateurs). Ceux-ci sont réalisés en verre, en céramique, ou en matériau
synthétique. Les isolateurs verre ou céramique ont en général la forme d’une assiette.On les
associe entre eux pour former des chaînes d’isolateurs. Plus la tension de la ligne est élevée,
plus le nombre d’isolateurs dans la chaîne est important.
I.3.2.2 Les câblessouterrains
La structure des réseaux souterrains est un seul type de ligne : les dorsales. Ces réseaux de
faible longueur et forte section des conducteurs sont le siège de chute de tension réduite. De
ce fait, et tenant compte de l’importance des incidents, il sera prévu une réalimentation soit
par les réseaux voisins soit par un câble de secours.
I.4 La conduite du réseau électrique [6, 11, 12]

Le but premier d’un réseau électrique est de pouvoir alimenter la demande des
consommateurs.Comme on ne peut encore stocker économiquement et en grande quantité
l’énergie électrique il faut pouvoir maintenir en permanence l’égalité :
Production = Consommation + pertes(I.1)
12
Le principe de l’égalité (I.1) est assuré par une prévision statistique de l’évolution de la
charge, seule une gestion rigoureuse et continue permet d’éviter une instabilité, c’est le rôle
du dispatching national. Dans la plupart des pays, ce travail se fait la veille pour le lendemain.
La préparation de l’exploitation est contractualisée entre les acteurs. C’est lors de la
préparation journalière que sontfigées les demandes de chacun, que l’accès au réseau de
transport est accepté ou refusé, et que sontdéfinies précisément les conditions techniques et
économiques de la production électrique et des services de transport de l’énergie.
La prévision statistique est en grande partie aidée par les diagrammes de charge. À titre
exemplatif, la fluctuation par rapport aux prévisions est notamment liée à une variation de
latempérature ambiante.
I.4.1 Fluctuations de la consommation[12]
La consommation d’électricité varie en permanence : au cours des saisons, au cours

d’une journée, en suivant le rythme de l’activité quotidienne et économique et en temps réel
en fonction de la météo du moment. Les différentes utilisations individuelles de l’énergie
électrique, à chaque moment, se traduisent par de fortes fluctuations de la consommation dans
le temps. Cependant, pour un intervalle de temps d’une demi-heure, ces fluctuations ont un
certain caractère cyclique au cours de la journée, de la semaine, et de l’année en créant une
saisonnalité.
Il faut savoir aussi que la consommation d’électricité peut fluctuer très rapidement : elle peut
changer de plus de 10% de la consommation maximale en seulement 1 heure. Il faut noter
qu’il existe des fluctuations pour des échelles de temps inférieures plus fins qu’une demi-
heure. Ces fluctuations ont un caractère aléatoire minute par minute. On ne peut pas assigner
une quelconque périodicité à ces fluctuations.
I.4.2 Difficultés de prévision de la consommation[6]

Connaître la consommation de l’électricité d’une période future est important pour
l’exploitation du système électrique. Pour ce faire, une multitude de variables sont
traditionnellement utilisées pour expliquer et prédire le niveau de consommation d’électricité :
la température, l’heure de la journée, le jour de la semaine (jour ouvrable, week-end), le prix,
etc.
L’impact de la plupart de ces variables est lié aux conditions climatiques, aux habitudes de
consommation, aux rythmes de vie et au pays considéré. Naturellement, plus la prévision est
réalisée en avance par rapport au moment de la consommation, moins elle est précise. En
effet, les valeurs de ces variables, notamment celles liées aux conditions météorologiques,
peuvent se modifier dans ce laps de temps. Une prévision éloignée du temps réel génère des
erreurs de prévision, plus ou moins conséquentes. Les prévisions de consommation effectuées
plusieurs jours à l’avance se basent principalement sur la combinaison des consommations
réelles des jours précédents et la prévision des conditions climatiques.
Bien que la prévision de la consommation s’affine lorsque l’on s’approche de la période

prévue, il existe encore des écarts entre les prévisions faites la veille et la consommation
réelle.
13
Ces écarts, ou erreurs de prévision, peuvent provenir des erreurs de prévision des variables
explicatives (Température, nébulosité) ou/et des simplifications du modèle de prévision. Les
figures (I.8) et (I.9) montrent des exemples d‘écarts entre les valeurs de la consommation
prévue et de la consommation réelle pour le cas de la France.
Figure .I.8 : Différence entre prévision et consommation (prév.<conso. ;

Max écart = - 2485 MW à 12h45)
Figure .I.9 : Différence entre prévision et consommation (prév. >conso. ;

Max écart = 2758 MW à 14h)
14
I.5 Conclusion
La fonction principale des compagnies de production, de transport et de distribution de
l’énergie électrique est d’assurer une couverture du consommateur le plus économiquement
possible avec une qualité de service raisonnable. Ce service est importance majeur lorsqu’on
se fixe pour le but d’analyser la fiabilité du système de production et son implication sur le
réseau de transport et de distribution. De cette façon il est indispensable de garantir une
certaine qualité de service une fois que le système de production dispose d’une réserve
suffisante. Celle-ci se traduit par une marge de réserve appropriée au niveau du réseau de
transport et de distribution de l’énergie électrique. Avant d’aborder ces bases fondamentales,
on présentera dans ce chapitre les concepts de base nous permettant d’avoir les contextes des
arguments développés dans le chapitre suivants.
On a fait dans ce chapitre une étude générale du réseau électrique, avec l’étude de ses
différents composants nécessaire à la production, au transport, à la distribution et à la
livraison de l’énergie électrique.
15
Chapitre II
Fiabilité des
systèmes
Chapitre II Fiabilité des systèmes
CHAPITRE II
FIABILITE DES SYSTEMES
II.1 Introduction[3 ,13]

Un système est constitué de plusieurs composants assurant divers fonctions. Une des plus
importantes mesures de sa performance est sa fiabilité.La fiabilité d’un système est définie
comme étant la probabilité que le système fonctionne durant une période de temps sous des
conditions spécifiées. Un objectif de la théorie de la fiabilité est de trouver le moyen d’évaluer
la fiabilité d’un système complexe à partir de la connaissance des fiabilités des composants le
constituant. D’où l’évaluation de la fiabilité d’un système est une caractéristique importante.
Evaluer la fiabilité c’est le calcul(ou l’approximer) par des techniques probabilistes ou

algorithmiques ou bien trouver un encadrement de celle-ci lorsque la configuration du
système est trop compliquée.La théorie des systèmes cohérents binaires a servi comme base
pour la construction d’une théorie mathématique et statistique de la fiabilité pour le cas
dichotomique. Cette théorie ne conçoit pour les composants ou pour le système lui-même que
deux états possible : en fonction ou en panne. Cependant, dans beaucoup de situations réelles,
les systèmes et leurs composants peuvent être dans des états intermédiaires. Ni
complètement défaillant, ni fonctionnant parfaitement, mais étant plutôt capables d’occuper
un certain nombre de niveaux de performance allant du fonctionnement parfait à la panne
totale. Ce type de système est appelé un système multi états. Les modèles binaires,
constituent, dans ce genre de cas , une sur-simplification de la situation, et les modèles
représentant des systèmes et des composants à plusieurs états plus aptes à décrire la relation
liant la performance du système en termes de performance de ces composants.
Le problème de résolution d’un système multi états auquel se sont confrontés beaucoup de
chercheurs n’est pas aussi simple à résoudre. Levitin et Lisnianski ont utilisé la méthode de la
fonction génératrice universelle (appelé aussi la méthode d’Ushakov) qui est utilisée pour une
estimation rapide de la fiabilité des systèmes à multi états et donne la disponibilité des
systèmes parallèle-série et les systèmes ayant une structure de bridge qui s’appliquent bien à
des systèmes physiques.
On représentera dans ce chapitre les concepts généraux de la fiabilité des systèmes du point
du vue générale et les méthodes classiques pour évaluer leur fiabilité, en suite on expliquera la
fiabilité des réseaux électrique et leur hiérarchisation. Puis on considérera les services
auxiliaires et leurs rôles joués dans les réseaux électriques. Finalement, on finira ce chapitre
en discutant les réserves de puissance. La fiabilité des réseaux électriques considère la
performance de l’ensemble du système, on considérant les groupes de production, les réseaux
de transport et de distribution. Dans le cadre de cette thèse seulement la fiabilité de production
et de réseaux de transport est analysée.
16
II.2 Systèmes[1 ,2]

Un système est un ensemble d’éléments indépendant orientés vers la réalisation d’un objectif.
Tout système fait appel à des composants qui doivent être organisés de façon à former un
ensemble cohérent. Chaque composant exécute une fonction différente.
Dans la réalité, les systèmes rencontrés peuvent avoir des configurations différentes à savoir
des systèmes en série, en parallèle, une composition entre des composants en série et en
parallèle, c’est à dire., des systèmes série-parallèle, parallèle-série.
II.2.1 Différentes configuration du système[1,2]
 Système série
Considérons un système de éléments. Celui- ci est dit de type série si la défaillance de l’un
des composants entraine la défaillance du système.
E1 E2 E3 En
Figure II.1 : Système série
Exemple : les pylônes
Figure II.2 : les pylônes représentent un système série
 Système parallèle
Considérons un système de éléments. Celui- ci est dit de type parallèle si la défaillance de

l’ensemble des éléments entrainera la défaillance du système.
17
E1
E2
E3
En
Figure II.3 systéme paralléle
Exemple : les transformateurs
Figure II.4 : les transformateurs représentent un système parallèle
 Systèmesérie - parallèle
Le système série-parallèle est constitué de n sous- systèmes connectés en parallèle. Chaque

sous- système est composé de iéléments placés en série figure (II.5).
E11 E12
E21 E22
En1 En2
Figure II.5 : système à structuresérie- parallèle
18
 Systèmeparallèle - série
Le système parallèle-série est constitué de n sous- systèmes connectés en série. Chaque sous-
système est composé de i éléments placés en parallèle figure. (II.6).
E11 E21
E12 E22
E1n E2n
Figure II.6 : système à structure parallèle - série
II.2.2 Mesure de l'efficacité des systèmes[1,2,15,16,17,18]
Afin d'évaluer l'efficacité d'un système et d'apprécier la manière dont il remplit l'objectif pour
lequel il a été conçu, nous disposons de différents outils d'analyse. Le plus connu est la
fiabilité, mais nous avons également la disponibilité ou encore la maintenabilité.
 Fiabilité
Le terme « fiabilité » est un néologisme dans les années 60 pour traduire le terme anglo-saxon
« reliability » et, si l’on accepte de considérer comme une science, la fiabilité est la science
des défaillances. La Commission Electrotechnique Internationale donne la fiabilité la
définition suivante :
Aptitude d’un dispositif à accomplir une fonction requise, dans des conditions données,
pendant une durée donnée. Le terme fiabilité caractérise une probabilité de succès ou un
pourcentage de succès.
La fiabilité d’un système S est la probabilité que le système soit non défaillant sur
l’intervalle de temps [0, t]. C’est une fonction décroissante de 1 à 0 sur [0, +∞].
 La disponibilité
La disponibilité « Aviability en anglais » est l’aptitude d’un système à être d’accomplir les
fonctions requises dans les conditions données et à un instant donné.
19
Les éléments constituant le système sont susceptibles d’avoir des défaillances. Ces éléments
peuvent être réparables ou non réparables. Dans le cas de système non réparable la
disponibilité est égale à la fiabilité du système.
La disponibilité d’un système S est la probabilité que le système soit non défaillant à
l’instant t.
 Maintenabilité
La maintenabilité « Maintenability en anglais » est l’aptitude d’un système à être maintenue

ou rétablie dans un état dans lequel elle peut accomplir une fonction requise, lorsque la
maintenance est réalisée dans des conditions données avec des procédures et des moyens
prescrits.
La maintenabilité d’un système S est la probabilité que le système soit en état, à l’instant
t, à d’accomplir ses fonctions, sachant que le système était en panne à l’instant 0.
II.3 Les mesures associées à la fiabilité [19,20]

La qualité d’un composant élémentaire, du point de vue de la fiabilité, est donnée par certain
nombre d’indicateurs ou mesures de la performance qui sont présentés dans ce paragraphe.
II.3.1 Fonction de répartition, Densité de probabilité
Soit une variable aléatoire mesurant la durée de fonctionnement du composant avant

défaillance (représente le temps écoulé entre la mise en service et la première défaillance
observée), ou également mesurant la durée de vie pour les composants non réparables.
La fiabilité à l’instant est la probabilité qu’un composant soit non défaillant sur la
durée . On appelle également fiabilité, la probabilité associée définie par :
(II.1)
La figure (II.7) ci-dessous présente une allure de la fonction en fonction du temps.
20
Figure II.7 : Courbe de survie ou de la fiabilité
Pour compléter l’approche théorique de la notion de fiabilité, il est nécessaire de définir aussi
les notions suivantes, qui sont issues de la théorie des probabilités.
La fonction représente la fonction de répartition de la variable aléatoire . C’est la

défiabilité (la probabilité qu’un composant soit défaillant entre [0-t] ou la probabilité
complémentaire à 1de la fiabilité définie par :
(II.2)
Elle possède les propriétés suivantes :
est non décroissante
Sachant qu’une variable aléatoire est définie par sa fonction de réparation et par sa densité de
probabilité.
désigne la densité de probabilité de (ou fonction de distribution) et elle est donnée
(II.3)
(II.4)
(II.5)
Les figures (II.8) et (II.9) illustrant des exemples de fonctions de répartition et la densité de
probabilité.
est la surface délimité par la courbe et la droite qui coupe l’axe de à l’instant ,
pour cette raison la fonction de répartition est appelée également la probabilité cumulée.
21
Figure II.8 Exemple de densité de probabilité
Figure II.9 Exemple de la fonction de répartition
II.3.2 Taux de défaillance instantané
Le taux de défaillance , est un des mesures caractéristiques de la fiabilité. Il permet

d’estimer la probabilité conditionnelle qu’une défaillance se produise sur le composant
élémentaire pendant un temps à l’instant , en sachant que le composant n’a pas en de
défaillance sur .
D’après la définition précédente, nous pouvons écrire le taux de défaillance

:
(II.6)
22
Nous pouvons l’écrire également :
(II.7)
D’après le théorème des probabilités conditionnelles, l’équation devient :
(II.8)
Sachant que est inclus dans l’événement donc :
(II.9)
Notons que . Nous pouvons en déduire une relation entre le taux de

défaillance et la fiabilité :
(II.10)
En intégrant les deux membres de 0 à t, sachant que :
(II.11)
Comme l’indique la courbe en baignoire de la figure (II.11), le taux de défaillance est

dépendant du temps sur toute la durée de vie d’un composant élémentaire.
Durant la période de jaunasse, les pannes nombreuses du début diminuent avec le temps
contrairement à la période de vieillissement ou le nombre de pannes s’accroit sans cesse.
La période le plus importante est la période de vie utile durant laquelle le nombre de panne est
plus faible. Pour simplifier les calculs, il est communément admis pendant la période de vie
utile que le taux de défaillance soit approximé une constante appelée .
Figure II.10 : Taux de défaillance en fonction du temps
23
Sinon, le problème posé est de modéliser ces grandeurs par les lois de probabilité connues. En
effet, il existe plusieurs lois, à titre d’exemple la loi exponentielle, la loi Normale, la loi log-
Normale, la loi de Weibell et la loi Gamma.
Sous l’hypothèse que la distribution des durées de vie est représentée par une loi
exponentielle, la fiabilité peut être exprimée comme suit :
(II.12)
La figure (II.11) présente la courbe en fonction du temps t avec constant. Notons que
la loi exponentielle représente correctement la fonction de distribution lorsque :
• Les défaillances sont indépendantes.

• Le taux de défaillance est constant.
Elle est caractérisée par les relations suivantes :
Figure II.11 : courbe
Il existe plusieurs représentation du taux de défaillance telles que :
• MTTF (Mean Time To Failure) : durée moyenne de fonctionnement d’une entité avant
la première défaillance.
(II.13)
24
• MTTR(Mean Time To Repair) : durée moyenne de réparation.
(II.14)
• MUT (Mean Up Time) : durée moyenne de fonctionnement après réparation.

• MDT (Mean Down Time) : durée moyenne d’indisponibilité après défaillance.
• MTBF(Mean Time BetweenTwofailure) :durée moyenne entre deux défaillances.
(II.15)
Ces durées sont représentées dans la figure (II.12) :
Figure II.12 : Durée moyenne
II.4 Technique d'évaluation de la fiabilité[1,15,18,20]

Dans la littérature, il existe plusieurs techniques pour évaluer la fiabilité des systèmes,
lestechniques les plus utilisées sont:
II.4.1. Arbre de défaillance:
Les arbres de défaillances modélisent l’ensemble des combinaisons d’événements qui

conduisent à un événement redouté. Par définition, L’arbre de défaillance est une
représentation graphique de type arbre généalogique. Il représente une démarche d’analyse
d’événement.
L’arbre de défaillance est construit en recherchant l’ensemble des événements élémentaires

ou les combinaisons d’événements, qui conduisent à un Evénement Redouté (ER) ».
L’objectif est de suivre une logique déductive en partant d’un Evénement Redouté pour
déterminer de manière exhaustive l’ensemble de ses causes jusqu’aux plus élémentaires.
25
Exemple :
E.R
Débit nul en Débit nul en

aval de V1 aval de V2
!
!
V1 bloquant Débit nul en

le circuit aval de P1
V1 Réservoir
Opérateur P1 en Vide
bloquéef
défaillant panne
ermée
Figure II.13 : Exemple d’un arbre de défaillance
II.4.2 Diagramme de fiabilité
Le diagramme de fiabilité est une représentation graphique du système sous forme de boites
ou de blocs. C’est une modélisation naturelle car elle est proche du schéma fonctionnel de
celui-ci. Le diagramme de fiabilité est un graphe orienté sans boucle, comprenant une entrée
et une sortie. Dans les cas les plus simples : les nœuds du graphe représentent des
composants. Un nœud est passant si le composant correspondant est en marche. Le système
fonctionne si et seulement s’il existe un chemin dans le graphe entre l’entrée et la sortie. Les
systèmes ayant une structure élémentaire indépendants en série ou en parallèle ou toutes
combinaisons possibles de ces deux cas.
Un système peut être décomposé en plusieurs modules à structure élémentaire, est considéré
comme système simple ou compliqué si sa taille est très importante. A l’inverse nous parlons
de systèmes complexes quand le système n’est pas constitué de structure élémentaire et si les
composants ne sont pas indépendants.
26
Le diagramme de fiabilité représente une démarche d’analyse par décomposition

fonctionnelle du système en sous –fonction ou mission. Le diagramme de fiabilité est
construit en recherchant la mission de chaque sous ensemble qui permet d’atteindre la mission
globale du système. Les boites peuvent représenter des fonctions ou des composants. Cette
modélisation ne permet pas de prendre en compte les réparations des composants. Cette
modélisation est donc utilisée uniquement pour l’analyse de la fiabilité des systèmes.
Exemple
Un système parallèle-série se compose de cinq modules dont le schéma fonctionnel de

fiabilité est montré sur la figure ci-dessous.
M1 M4
E S
M3
M2 M5
E S
P1 M3 P2
E S
Figure. II. 14 : Calcul de fiabilité d’un système parallèle-série
II.4.3 Modèle de MARKOV
Le modèle de Markov est une méthode puissante basée sur des états et la transition du
système entre ces états. Bien qu’elles soient purement informatiques (calculs intenses), les
techniques de Markov sont bien adaptées à une variété de modèle des problèmes et ont été
avec succès appliquées à de nombreux domaines liés à l’analyse de la fiabilité. Les modèles
de Markov font deux hypothèses de base concernant le comportement du système.
La première hypothèse est que le système est sans mémoire. Ceci signifie que la probabilité
des futures événements est seulement une fonction de l’état actuel du système et non pas de ce
qui s’est produit avant que le système entre dans l’état actuel. La deuxième hypothèse est que
le système est stationnaire, ce qui signifie que les probabilités de transition entre les états sont
constantes et ne changent pas avec le temps.
27
Les modèles de Markov peuvent être discrets ou continus. Les modèles discrets ont des
transitions d’états qui se produisent à des intervalles spécifiques, alors que les modèles
continus ont des transitions d’états constantes. Bien que la ^plupart des applications de
modélisation de la fiabilité utilisent les modèles continus de Markov, les modèles discrets
sont plus faciles à comprends.
II.5 Fiabilité du système électrique[21,22,23]

La fiabilité du système électrique constitue la préoccupation majeure des régulateurs
desmarchés électriques après la restructuration et l’ouverture à la concurrence de
l’industrie.Assurer la fiabilité implique un mixte de règles ayant diverses implications
économiques ettechniques. Le National Electric Reliability Council (NERC) définit la
fiabilité par laperformance du système électrique à satisfaire la demande d’électricité des
consommateursdans les montants désirés et les standards acceptables.La fiabilité couvre deux
attributs : la sécurité et l’adéquation. La sécurité décrit la capacité du système à faire face
aux perturbations. L’adéquation représente la capacité du système à satisfaire la demande
d’énergie à chaque instant.
II.5.1 la sécurité du système électrique
La sécurité du système électrique est une problématique de court terme. Elle concerne les
opérations visant à assurer la stabilité du système. Ces opérations sont appelées les services
auxiliaires qui incluent la prise en compte des pertes en ligne, les besoins de réserves
tournantes, les réserves non tournantes, etc. Assurer la sécurité ne permet pas d’éviter
quelques externalités.
II.5.2 Adéquation du système électrique

L’adéquation du système électrique signifie l’existence d’une capacité disponible et installée
capable de satisfaire, en temps réel, la demande d’électricité anticipée. Dans une perspective
technique, la sécurité et l’adéquation visent le même objectif : améliorer la qualité du service
de production en temps réel. Sauf que l’adéquation touche plutôt des questions de long terme.
Cela concerne les investissements en capacités de production d’électricité, les décisions de
retrait ou d’extension des capacités existantes ainsi que les décisions d’exploitation de long
terme affectant la disponibilité d’une unité de production pour répondre aux besoins du
système à un moment donné.
II.6 Hiérarchisation du système électrique dans l’évaluation de la fiabilité

des systèmes électriques[22,23]
L’évaluation de la fiabilité du système électrique se décompose en trois niveaux. Le premier

niveau (HL-I) correspond à la production, le deuxième (HL-II) à la production et au réseau de
transport (y compris les interconnexions) et le troisième (HL-III) au système global intégrant
le réseau de distribution.
28
La figure (II.15) présente les différents niveaux de hiérarchisation du système électrique.
HL-III
HL-II
HL-I
Production
Transport et interconnexion
Distribution
Figure. II.15: Hiérarchisation du système électrique
Niveau HL-I : l’adéquation de la capacité de production
Dans l’analyse de fiabilité au niveau HL-I, on vise à déterminer les besoins en capacité
installée pour satisfaire la demande future et pour fournir une marge suffisante permettant une
maintenance préventive, ainsi que de garantir des situations aléatoires de la production et de la
demande. A ce niveau, on ne tient pas compte de la capacité du système pour transporter
l’énergie depuis les unités de production jusqu’aux consommateurs finaux. Historiquement, la
marge de capacité est déterminée en fonction d’un pourcentage de la demande ou de la
production, ou d’une combinaison de ces derniers critères déterministes. Ceux-ci peuvent être
remplacés par des critères probabilistes qui sont plus adaptés pour représenter les facteurs
stochastiques dans l’analyse de fiabilité.
Niveau HL-II : l’adéquation et la sécurité du système intégré (production et transport)
L’analyse de fiabilité au niveau HL-II évalue la capacité du système pour transporter l’énergie
provenant des unités de production. A la différence de l’évaluation au niveau HL-I, on prend
en compte (en plus de déterminer les besoins en capacité installée) le réseau de transport et les
interconnexions. L’analyse de fiabilité du système intégré est plus complexe, car elle doit
tenir compte des effets de chaque sous-système (production et transport) sur la fiabilité de
fourniture et du phénomène des foisonnements des aléas entre systèmes interconnectés.
Niveau HL-III : la fiabilité du système global (production, transport et distribution)
A ce niveau, on tient compte de la production, du transport (y compris les interconnexions) et

de la distribution pour évaluer le niveau de fiabilité du système. Les méthodes basées sur des
analyses par découpage de zones permettant une analyse simplifiée du système global, sont
souvent les plus utilisées pour évaluer la fiabilité de fourniture dans ce niveau hiérarchique.
29
II.7 Services auxiliaires[24,25,26,27,28]
Le terme service auxiliaire a été utilisé pour la première fois durant le premier processus
de restructuration et de libéralisation du marché de l’énergie électrique aux Etats Unis. Il
désigne la gamme entière des services nécessaires pour la réussite des différentes taches de
bases à savoir la production et la distribution de l’énergie électrique. Les services auxiliaires
assurent les fonctions de bases de livraison de l’énergie électrique qui sont essentielles pour la
fiabilité du système. En effet, le problème d’estimation de la fiabilité du système devrait
obligatoirement passer par l’évaluation de disponibilité des services auxiliaires. On peut
d’ailleurs définir les services auxiliaires comme étant ceux nécessaires pour supporter le
transport de l’énergie électrique depuis les centrales de production jusqu’aux abonnées avec
l’obligation de maintenir un fonctionnement fiable du réseau électrique interconnecté. On
reconnait les services auxiliaires suivants :
• Service de programme (prévision).
• Service de contrôle et de dispatching.
• Service de la régulation et du contrôle de tension.
• Service de la régulation de la fréquence.
• Service d’équilibre d’énergie.
• Gestion de la réserve d’énergie.
II .8 Reserve d’énergie [25,29,30,31,32,33,34,35]
Une amélioration de la fiabilité du système peut être obtenue par l’utilisation des
meilleurs composants ou par l’introduction des éléments à redondances. Ces unités permettent
la poursuite de la couverture de la charge en cas de pannes d’unités déjà en service. Les unités
redondantes sont contraintes à desservir une énergie dépassant l’ensemble de l’énergie
demandée par la charge et des pertes encourues durant le transport. Cette énergie qui devrait
être disponible à n’importe quel moment représente la réserve de production nécessaire afin
d’éviter tout risque de manque de puissance marquée par la chute de production au-delà d’un
certain niveau.
Dans ces conditions, la détermination de la réserve exigée devient un aspect important pour le
bon fonctionnement du réseau électrique. De plus le problème peut en premier lieu être posé
par les exigences de la puissance maximale installée, en second lieu posé par les exigences de
la puissance maximale opérationnelle. Sachant que la puissance de réserve installée se traduit
par la capacité à couvrir à long terme les charges prévisionnelles, la réserve quant à elle ne
couvre ces charges qu’à court terme.
30
En outre, elle est obligatoirement planifiée pour couvrir les incertitudes résultantes des
prévisions de la croissance de la demande, des révisions des équipements de production
suivant une politique de maintenance planifiée ou tout simplement des pannes de production.
A ce stade, une coordination est plus que nécessaire afin de programmer les entretiens durant
la saison de basse demande, ou des périodes creuses pour lesquelles le prix de l’énergie
descend au-dessous d’une certaine moyenne.
II.8.1 Reserve opérationnelle
Bien que la puissance maximale installée est suffisante, le réseau doit disposer de
moyen de réserve afin qu’il soit prêt à couvrir tout manque de puissance provoqué par une
panne de ses unités. Dans ce cas, l’attribution de la réserve n’est autre qu’une
décisionconcernant les unités de production destinée à commuter afin de remplacer les unités
en panne. Cette pratique vise à minimiser le risque de délestage suite à tout défaut de l’unité
de production, tout maintenant une partie de la réserve fonctionnelle par le maintien d’unités
synchronisées et reliées au réseau. Pour cela, on doit maintenir disponible un groupe d’unités
rapidement mises en ligne afin de couvrir la charge. Issus de cette considération, deux types
de réserves sont à dénombrer, les réserves à maintenir en service continu ou réserve tournante
et les réserves normalement à l’arrêt ou réserve non tournante.
II.8.2 Reserve tournante
Plusieurs auteurs utilisent le terme de réserve tournante mais peu d’entre eux donnent
une définition plus ou moins précise. Soit parce qu’ils considèrent que sa signification
physique est évidente ou qu’elle est parfaitement claire. De plus, en consultant plusieurs
ouvrages on constate les définitions suivantes :
 L’ensemble des unités opérationnelles synchronisées au réseau pouvant répondre à une

grande panne de puissance dans un délai de 10 minutes.
 La puissance totale résultante de l’opération de soustraction suivante : puissance produite-

(puissance de la charge + les pertes).
 Composée de l’ensemble des groupes tournant à vide capable de répondre de façon

immédiate afin de satisfaire la charge dans un délai de 5 minutes.
 C’est l’ensemble des centrales thermiques et à gaz fonctionnant à charge partielle.
 Composée des groupes synchronisés tournant à vide prêts à couvrir une charge
supplémentaire.
II.8.3 Reserve non tournante
La réserve non tournante est une réserve moins rapide obtenue à partir des turbines
hydrauliques ou à gaz, ces derniers ont un temps très lents.
31
Elle correspond à la puissance susceptible d’être rajoutée après un intervalle de temps

nécessaire à la mise en service des centrales qui sont à l’arrêt.Comparée à la puissance totale,
la puissance de réserve peut présenter des pourcentages différents au sein de chaque réseau
alors qu’elle peut varier d’une région à une autre (cas des Etats Unis d’Amérique).
Actuellement il n’existe aucune forme fixant ce taux de réserve. Cela dépend de la région de
la charge et de l’expérience professionnelle acquise à partir de la gestion des réserves de
puissances électriques.
II.9 Conclusion
Nous nous somme intéressé à l’évaluation de la fiabilité des systèmes. En règle générale, la
fiabilité est considérée comme un critère pertinent quant à l’évaluation de l’efficacité des
systèmes. Dans ce chapitre, nous avons parlé sur la fiabilité des systèmes de point de vue
générale, ainsi que les grandeurs qui caractérise et prévoit la fiabilité d’un système à partir de
la connaissance de la fiabilité de ses composants, et aussi nous avons cité quelques méthodes
classiques pour évaluer la fiabilité des systèmes.
Les méthodes classiques présents l’inconvénient de ne mesurer la fiabilité que pour des
modèles binaires simples, alors la réalité du comportement des composants d’un système
peut être en dégradation, ce type de système est appelé système multi-états.
On considérera plus tard l’évaluation de fiabilité d’un système multi états en utilisant la
méthode de la fonction universellement appelée technique d’Ushakov.
32
Chapitre III
Systèmes multi-
états
Chapitre III Système multi-états
CHAPITRE III
SYSTEME MULTI-ETATS
III.1 Introduction [2, 36]
Tous les systèmes sont conçus pour effectuer leurs taches destinées dans un
environnement donné. Certains systèmes ne peuvent accomplir leur tâche avec différent
niveaux distinctifs de l’efficacité habituellement appelé le taux de rendement. Un système qui
peut avoir un nombre fini de taux de rendement est appelé un système Multi-états « MSS »
(Multi-states system).
En réalité, les éléments du système peuvent fonctionner à des performances multi-niveaux dus
à la dégradation des éléments du système. Cette dégradation est maintenue entre les états
binaires du bon fonctionnement et l’échec total de l’élément.
En général, le taux de rendement d’un importe élément peut varie de parfait fonctionnement
jusqu’à a rupture. Les échecs qui conduisent à une diminution de la performance des éléments
sont appelés des échecs partiels. Après un échec partiel les éléments continuent de fonctionner
à des taux de rendement réduits, et après l’échec complet les éléments sont totalement
incapables d’accomplir leurs taches.
Prenons un exemple d’un système multi- états : dans un système électrique constituant à
générer et transporté de l’électricité, chaque unité de production peut fonctionner à différents
niveaux de capacité. Les unités de production sont des assemblages complexes de plusieurs
parties. Les échecs des différentes parties peuvent conduire à des situations dans lesquelles
l’unité de production continue de fonctionner, mais à un taux de capacité réduit. Cela peut se
produite en cas de panne de plusieurs auxiliaires tels que les pulvérisateurs, pompes à eau,
ventilateurs, … etc.
III.2 Généralité sur le modèle du système multi- états [1, 36, 37]
Afin d'analyser un comportement d’un MSS doit connaître les caractéristiques de
ses éléments. Tous élément du système peuvent avoir différentes états, correspondant à
un taux de performance représentés par l’ensemble
(III.1)
Ou : la performance de l’élément dans l’état avec

Le taux de rendement de l'élément à tout instant est une variable aléatoire
qui prend ses valeurs dans , avec .
33
Par conséquent, pour l'intervalle de temps [0, T], où T est la période d'exploitation du système
multi-états (Multi State system : MSS), le taux de rendement de l'élément est définie
comme un processus stochastique.
Les probabilités associées aux différents états d'élément du système à tout instant peuvent
être représenté par l'ensemble :
(III.2)
Où
(III.3)
A noter que depuis les états d’élément compose le groupe complet des événements s'excluant
mutuellement (ce qui signifie que l'élément peut toujours être dans l'un et un
seul des états ),
(III.4)
Lorsque le MSS est formé de éléments, son taux de rendement est

clairement déterminé par les taux de rendement de ces éléments. A chaque instant, les
éléments du système ont des taux de rendement correspondant à certains de leurs états.
L'état de l'ensemble du système est déterminé par les états de ses éléments.
Supposons que l'ensemble du système a états différents et que est la performance

d'ensemble du système dans l'état . Le taux de rendement de tout l’ensemble
du MSS au moment est une variable aléatoire qui prend des valeurs dans
l’ensemble .
Soit , l'espace
des combinaisons possibles des taux de rendement pour tous les éléments du MSS et
, l'espace des valeurs possibles du taux de rendement pour l'ensemble du système.
La transformation , , qui mappe l’espace de taux de rendement

des éléments dans l’espace des taux de rendement du système est appelée la fonction de
structure d’un système multi-états (MSS ).
Notez que la fonction de structure MSS est une extension d'une fonction
de structure binaire. La seule différence est dans la définition de l'espace d'état: la fonction
de structure binaire est mappée comme {0,1}n → {0,1}, tandis que dans le MSS, on a affaire
à beaucoup plus d'espaces complexes.
34
Maintenant, nous pouvons définir un modèle générale du MSS. Ce modèle devrait inclure des
modèles de processus stochastiques .
Pour chaque élément j du système, la fonction de structure du système qui produit le

processus stochastique correspondant à la performance de sortie de l'ensemble du MSS :
(III.5)
Dans la pratique, les performances des processus stochastiques Gj(t) peuvent être
présentées dans certaines formes différentes. Par exemple, les distributions de probabilité de
rendement pour tous les éléments du système peut être donné à tout instant t au cours de la
période d'exploitation [0, T]. Ensuite, le MSS est présenté par ces distributions de probabilité
(III.6)
Beaucoup d'efforts sont intensifiés afin de développer une méthode pour analyser la
disponibilité ou bien la fiabilité d'un système multi-états (MSS). Ces méthodes reposent sur la
technique d'Ushakov. Généralement, la méthode d'évaluation de la disponibilité et la fiabilité
des systèmes multi-états (MSS) est basée sur quatre approches :
 Stochastique (Chaîne de Markov),

 Monté- Carlo,
 UMGF
Dans plusieurs problèmes d'application de nature combinatoire ou la taille de l'espace de

recherche est exhaustive, l'application de l'UMGF devient l'outil impératif aux calculs des
différentes probabilités des évènements qui caractérisent l'élément du système. UMGF est
analogue à la transformée de Laplace.
L'extension d’UGF en UMGF est l'outil efficace dans la résolution des problèmes du type
combinatoire. Cette modification nous permet un algorithme.
III.3 Estimation de la fiabilité des systèmes multi états basée sur la méthode
UMGF (Universal Moment Generating Function) [38, 39, 40]
Les méthodes d'évaluation de la disponibilité sont des méthodes nouvelles développées afin
de résoudre le problème d'estimation de la disponibilité. Certaines de ces méthodes se sont
basées sur des méthodes déjà existantes, les autres sont nouvelles comme UMGF. Vu
l'estimation qualitative et quantitative de cette méthode, elle est devenue plus moderne par
rapport à celle de Monté- Carlo, Markovienne et logique représentative des systèmes (coupe
minimale et arbre de défaillance), cette méthode permet une analyse spécifique des cas
dégradables d'un système. Cette dégradation conduit le système à se présenter sous forme d'un
système à plusieurs niveaux de performances ou capacité. Les systèmes dégradables se
présentent généralement dans le cas des générateurs de production en électrotechnique,
capacité d'un conduit en hydraulique, ...etc.
35
La technique UMGF permet l'estimation des de la disponibilité des systèmes de grandes
dimensions ou les méthodes itératives (stochastiques, markoviennes, monté- Carlo) restent
inapplicables à ces systèmes.
Pour un système de grandes dimensions séries-parallèles, la numérotation des états est trop
fastidieuse alors avec l'introduction d'une nouvelle méthode d'évaluation a prouvé que son
efficacité dans les systèmes combinatoires complexe est assez puissante. Généralement dans
la littérature moderne (Fiabilité Moderne) cette méthode n'est que l'extension de la transformé
de LAPLACE, la raison qu’elle peut prendre une variable de la transformé variable (Z). Elle a
pris les noms : Z transformé, et a fait naître L'UMGF (Universal Moment Generating
Function) ou simplement u-transform. D'UMGF est largement connu à partir de l'extension
de « UGF » (Ordinary Générationg Function).
Par définition pour un élément L’UMGF est un polynôme d’Ushakov de la forme suivante :
(III.7)
Ou la variable (Z) présente J possible valeur et P est la probabilité que G soit égal à G j . la
probabilité caractéristique de la variable aléatoire G peut se calculer par l’utilisation de la
fonction d’Ushakov (u(Z)).
En pratique, si la variable discrète aléatoire G d’un système Multi-Niveaux ou Multi-States

(MSS) est définit pour une performance de sortie stationnaire (Output Stationary
Performance), dans ce cas la disponibilité est noté par (A) est donnée par la probabilité
suivante :
(III.8)
Qui peut être donnée à son tour par :
(III.9)
Ou
: Représente les niveaux de charges
Et
: Représente un opérateur disruptif définit par :
(III.10)
36
(III.11)
On remarque facilement les équations (III.7) et (III.8) rencontrent les conditions :
(III.12)
Par l’utilisation de l’opérateur . Finalement les coefficients du polynôme u(Z) sont sommés
pour tous les termes avec Considérons le cas d’une machine simple avec en seul
mode de défaillance (Tous- Rien) et chaque élément i à une performance G i et une
disponibilité A i .
L’UMGF avec deux états peut être définit par :
(III.13)
(III.14)
III. 3.1 Estimation de la fiabilité des systèmes séries [36, 41]
Soit la configuration d’un système de production qui représente par la figure (III. 1).
Produit M1 M2 M3 Mn Produit
Brut Fini
G1 G2 G3 Gn
Figure III.1 : Système Série
G 1 , G 2 , … ,G n : Représentent la performance ou bien la capacité des éléments M 1 , M 2

, ……,M n .
Avec {(G 1 >G 2 > …> G n ) < G n-1 }.
Alors G n-1 : représente la performance la plus faible dans le système de l’élément M n-1.
37
Alors la performance du système équivalent peut être donnée par la performance de cet
élément du système de plus faible performance.
Quand les composants ou les éléments d’un système sont placés en série, l’élément de plus
faible performance détermine l’étranglement de la ligne à son tour le système équivalent aura
sa performance.
Pour le calcul de L’UMGF du système contenant éléments en série on fait introduire un

opérateur δ qui peut être utilisé dans les expressions suivantes :
(III.15)
(III.16)
(III.17)
(III.18)
III. 3. 2Estimation de la fiabilité des systèmes parallèles [36, 40, 42]
Maintenant on suppose que le système est représenté par une configuration parallèle. Le
système comporte des éléments placés en parallèle figure (III. 2). La performance du système
est déterminée par la somme de toutes les performances individuelles de chaque composant.
La performance totales est donnée par la fonction u(Z) du système multi states de l’élément
composant éléments en parallèle peut être calculé en utilisant l’opérateur :
(III.19)
(III.20)
Cependant pour une paire d’élément connecté en parallèle l’UMGF est donné par :
M1
M2
MEqui
M3
Mn
Figure III.2: Système parallèle
38
(III.21)
(III.22)
Physiquement sont interpréter comme performances des éléments n et m.
: Représente les probabilités stationnaires pour ces deux performances.
: est un opérateur qui permet de faire un produit simple entre les fonctions individuelles
u(Z).
Dans ce cas L’UMGF est :
(Z) (III.23)
Et l’UMGF d’un élément individuel est :
(III.24)
Appliquant la composition de ses deux opérateurs et consécutive nous obtenons l’UMGF

du système total série-parallèle, pour faire ça en premier il faut déterminer individuellement
l’UMGF pour chaque composant.
III. 3. 3 Élément avec défaillance partielle
C’est le cas le plus général ou les défaillances peuvent causer des réductions sur la
performance des éléments du composants et cependant différentes performances appeler
dégradation peuvent être pris considérations dans ce cas ou il y a une dégradation L’UMGF
d’un élément est :
(III.25)
Avec les notions suivantes :
K : nombre possible d’états (ou bien le niveau de performance de Kiéme élément i.
j: index des niveaux de performance (j=1,2, …., k).
G ij : la performance de l’élément i dans état j.
P ij : Probabilité de transition avec la performance qui correspond à G ij .
39
La première étape (j=1) peut être considérée comme une défaillance totale (G ij =0) et la kiéme
état est comme élément à performance nominale. Utilisant l’opérateur ; nous obtenons
iéme
l’UMGF du i composant du système contenant K i éléments en parallèle comme :
(III.26)
L’UMGF du système entier contenant n composants connectés en série est :
(III.27)
III. 3. 4 Composant avec défaillance totale [41, 43]
Considérons le cas le plus général quand la défaillance est totale et chaque sub-système de
type i et de version V i a des performances nominales G iv et disponibilité A iv . Dans ce cas
nous aurons la proba(G=G iv ) = A iv et proba(G=W) =1- A iv . L’UMGF des éléments à
défaillance totales se procure par deux états q i peuvent être formulé comme suite :
(III.28)
L’utilisons l’opérateur , nous obtenons L’UMGF du iiéme élément su système contenant K i

éléments en parallèle par :
(III.29)
L’UMGF du système entier contenant n éléments connectés en série est :
(III.30)
40
III .4 Algorithme de la technique d’Ushakov [1, 2]
Étape 1. Lecture des données à partir du fichier de données :
Étape 2. Set i=0

j :=0
for i :=1to n /* n : Nombre maximal des éléments en série*/
for j :=1to J /* J : Nombre maximal des éléments en parallèle*/
Do Begin
q= 1-A /* q : Indisponibilité de l’élément*/
Étape 3. Polynôme d’Ushakov /* système parallèle*/
/*Z : transformé de Laplace*/
/*Polynôme d’Ushakov de la colonne*/
Étape 4. Si /* les éléments sont identiques*/
Alors :
Si non allez à Étape 3

Étape 5. Polynôme d’Ushakov /*Système Série*/
For i :=1 to n /* n : Nombre maximal des éléments en série*/
41
Avec :
Étape 6. Si /* les éléments sont identiques*/
Sinon allez à Étape 5

Étape 7. Polynôme d’Ushakov /* Système Série Parallèle*/
For i :=1 to n /* n : Nombre maximal des éléments en série*/
For j :=1 to J /* J : Nombre maximal des éléments en parallèle*/
Stop
Étape 8. Polynôme d’Ushakov /*Système de charge + Production*/
La Charge
Étape 9. Lecture des données de la charge à partir du fichier de données :
For m :=1 to M /* M : nombre de niveaux de charges*/

For t := 1 to T /* T : Temps correspondant aux niveaux de charges*/
/*A : Disponibilité des niveaux de charges*/
/* W : Niveaux de charges* /
La Production
STOP
42
III.5 Exemple illustratif [1, 2, 36]

Considérons un système électrique de petite taille constitué de deux sous-systèmes.
Sous-système 1 : deux alternateurs connectés en parallèle.
Sous-système 2 : un transformateur
III.5.1 Cas de deux états
Sous système1 Sous système2
Unité1 Unité2 Unité3
Etat 1 2 1 2 1 2
Capacité G (%) 0 60 0 80 0 150
Probabilité 0.1 0.90 0.05 0.95 0.05 0.95
Tableau III.1 : les paramètres du système électrique
Charge en MW 100 70
Durée en (h) 6570 2190
(%) 75 25
Tableau III.2 : les caractéristiques de la charge
L’UMGF du système complet est obtenue par l’application des opérateurs ,
: Pour les éléments en parallèle ;
: Pour les éléments en série.
Pour évaluer la probabilité proba ( ) que la capacité totale du système multi états
n’est pas inferieure aux différents niveaux requis de la demande , nous appliquons
l’opérateur défini par : ).
Donc, la disponibilité pour chaque niveau de demande est calculée par :
43
La disponibilité totale du système est calculée par :
Ou :
S : Représente les différents niveaux de demande
M : Les différents états du système
: La probabilité que la production du système satisfait chaque niveau de demande
: étant la probabilité de cette demande
Donc la disponibilité totale du système par rapport à la demande est :
On constate que le système considéré dans cet exemple satisfait la demande de 70Mw avec
une probabilité de 90.25% et la demande de 100Mw avec une probabilité de 81.22%. La
disponibilité moyenne du système est de 83.48%.
44
III.5.2 Cas de multi états
Sous-système 1 Sous-système 2
Unité 1 Unité 2 Unité 3
Etat 1 2 3 1 2 3 4 1 2 3
Capacité G(%) 0 30 60 0 30 50 80 0 100 150
Probabilité 0.10 0.30 0.6 0.05 0.25 0.30 0.40 0.05 0.30 0.65
Tableau III.3 : les paramètres du système électrique
Charge en MW 100 70
Durée en (h) 6570 2190
(%) 75 25
Tableau III.4 : les caractéristiques de la charge
L'UMGF de chacun des trois unités est par définition :
, nous avons donc :
Pour l’unité 1 du sous-système 1 :
Pour l’unité 1 du sous-système 1 :
Pour l’unité du sous-système 2 :
L'UMGF du système est obtenue par l'application des opérateurs et , pour les éléments
en parallèles et pour les éléments en séries
45
Pour évaluer la probabilité proba ( ) que la capacité totale du système multi états
n'est pas inférieure aux différents niveaux requis de la demande , nous appliquons
l'opérateur défini par les équations (4) et (5).
Donc, la disponibilité pour chaque niveau de demande est calculée par :
La disponibilité totale du système est calculée par :
Ou S représente les différents niveaux de la demande et M les différents états du système.

c’est la probabilité que la production du système satisfait chaque niveau de demande ,
étant la probabilité de cette demande.
Donc, la disponibilité totale du système par rapport à la demande est :
46
A=0.25 *(0.779) + 0.75*(0.5131) = 0.5795
On constate que le système considéré dans cet exemple satisfait la demande de 70MW avec
une probabilité de 77.9% et la demande de 100MW avec une probabilité de 51.31%. La
disponibilité moyenne du système et de 57.97%.
III.6 Conclusion
Le nombre important d’états pris en compte constitue à la fois comme une force, car
elle permet d’envisager tous les situations possibles, et une faiblesse car le nombre important
de ces états est très difficiles à résoudre. Deux inconvénients majeurs, et inhérents à
l’utilisation des systèmes multi-états : la capacité de charge ainsi que la taille des états pris en
considération rend la modélisation du système très difficile, d’autre part, les techniques
actuelles de résolution et de simulation ne permettent pas d’obtenir rapidement des résultats.
L’évaluation de la fiabilité d’un système multi-états par la nouvelle méthode de la fonction

universellement appelée technique d’Ushakov, adapte de manière très bien à notre cas «
évaluation de la fiabilité d’un réseau, électrique ». Elle permet de tenir compte des différents
niveaux de performances. Une fois l’algorithme mis en œuvre, il nous restera plus qu’à
choisir la méthode d’optimisation relative au problème choisi. Celles-ci sont nombreuses. On
s’intéressera alors au chapitre suivant à l’exposé les différentes méthodes d’optimisation et la
nouvelle méthode d’optimisation s’appelée Harmony Search utilisé dans notre travail.
47
Chapitre IV
Les méthodes
d’optimisation
Chapitre IV Les méthodes d’optimisation
CHAPITRE IV
LES METHODES D’OPTIMISATION
IV.1 Introduction[45-46]
La fonction d’optimisation consiste à rechercher l’ensemble des paramètres permettant

d’obtenir le meilleur résultat. Parmi les problèmes rencontrés par le chercheur et l’ingénieur,
les problèmes d’optimisation occupent à notre époque une place de choix.
La méthode de base pour optimiser un dispositif est la méthode d’essai et erreur : il s’agit de
tester un certain nombre de solutions jusqu’à l’obtention d’une solution adéquate. Les
solutions inadéquates sont éliminées, jusqu’à ce qu’un essai se révèle satisfaisant. Ce schéma
est très général, c’est ce que nous faisons quand nous donnons à un paramètre
plusieursvaleurs successives, de façon continue ou aléatoire et que nous observons le résultat.
La méthode d’essai et erreur nécessite un grand nombre d’essais ce qui n’est pas toujours
compatible avec la modélisation numérique même de manière automatique. Nous allons
donner quelques généralités sur les algorithmes d’optimisation avant de présenter quelques
méthodes couramment utilisées pour l’optimisation de la réserve de puissance.
IV.2 Généralités sur les algorithmes d’optimisation[45-46-47]

La résolution d’un problème d’optimisation s’appuie généralement sur un algorithme
d’optimisation. L’algorithme d’optimisation cherche le jeu de paramètres de l’objet à
optimiser donnant à une fonction relative au problème, la valeur maximale ou
minimale.L’algorithme d’optimisation doit permettre de converger vers l’objet optimal en
minimisant ou maximisant cette fonction par rapport aux paramètres variables. Généralement,
pour toute méthode d’optimisation, l’ingénieur définit les variables du problème, l’espace de
recherche et la fonction d’adaptation relative au problème.
IV.2.1 Variables du problème
C’est à l’utilisateur de définir les variables du problème. Il peut avoir intérêt à faire varier un
grand nombre de paramètres pour augmenter les degrés de liberté de l’algorithme afin de
découvrir des solutions nouvelles, ou bien, s’il a une vue suffisamment précise de ce qu’il
veut obtenir, il peut limiter le nombre de variables.
Les variables peuvent être de natures diverses. Nous désignerons par x 1 ,  , x n les n
variables du problème. Celles-ci peuvent être continues (réelles ou complexes) ou discrètes
(entières ou booléennes).
48
IV.2.2 Espace de recherche (domaine admissible)

Cette limitation de l’espace de recherche est liée à des contraintes de conception de l’objet et
les intervalles de définition des variables sont en général naturellement limités. De plus, on a
souvent une idée des ordres de grandeur des variables du problème.
Nous désignerons par x i min et x i max les bornes de chaque variable x i :
x i min ≤ x i ≤ x i max , ∀i ∈ [1; n ]

(IV.1)
IV.2.3 Fonction d’adaptation

Les grandeurs à optimiser peuvent être par exemple un comportement électrique, un coût de
combustible, les pertes de transmission, une durée de développement, etc. Un algorithme
d’optimisation nécessite généralement la définition d’une fonction rendant compte de la
pertinence des solutions, à partir des grandeurs à optimiser. Nous la nommerons fonction
d’adaptation f . On parle généralement de fonction de coût pour un problème de
minimisation et de fonction objectif pour un problème de maximisation.
L’algorithme convergera vers un optimum de cette fonction d’adaptation, quelle que soit sa
définition. La pertinence de la solution dépendra donc de la pertinence de la « question »
posée. La fonction f doit donc exprimer le plus fidèlement possible le désir de l’utilisateur
sous forme mathématique.
La fonction d’adaptation est donc une fonction des variables x 1 ,  , x n et sa définition peut
être analytique ou peut éventuellement faire appel au jugement de l’utilisateur.
IV.2.4. Problème d’optimisation

Un problème d’optimisation peut s’écrire sous la forme générale suivante :
(IV.2)
(IV.3)
x 1 ,  , x n Sont les n variables du problème, f la fonction d’adaptation, g lafonction des

contraintes et d les bornes.
∆ i est un opérateur ≤=, ou ≥ . Optimiser peut signifier minimiser ou maximiser selon le
problème traité.
Si le vecteur x satisfait toutes les contraintes, x est une solution admissible. L’ensemble de
toutes les solutions admissibles est l’ensemble admissible ou la région admissible.
*
Une solution admissible x qui minimise la fonction d’adaptation pour tout x admissible est
appelée solution admissible optimale.
49
IV.2.5 Algorithme d’optimisation pour la conception assistée par ordinateur
La figure IV.1 montre la structure d’un algorithme d’optimisation itératif pour la conception
assistée par ordinateur (CAO).
Figure IV.1 : Algorithme d’optimisation
L’algorithme d’optimisation évalue la fonction d’adaptation au moyen d’une analyse de

l’objet pour un jeu de valeurs de ses paramètres.
Le bloc de convergence comporte un critère d’arrêt et une méthode de génération des
nouveaux paramètres qui est en quelque sorte la méthode d’optimisation utilisée au cœur de
l’algorithme.
Les nouveaux points (un point équivalent à un jeu de paramètres) sont acceptés et conservés
pour l’étape suivante selon que :
 Ils minimisent ou maximisent la fonction d’adaptation,

 Ils permettent de constituer une base d’expériences.
Suivant la méthode d’optimisation choisie, un nouveau jeu de paramètres est généré pour
effectuer une nouvelle itération.
Le critère d’arrêt peut être par exemple :
 Un certain seuil atteint par la fonction d’adaptation

 Un nombre de maximal d’évaluations de la fonction d’adaptation,
 Un temps de calcul fixé.
50
IV.3Classification des méthodes d’optimisation [45-47]
IV.3.1 Recherche d’un extremum

La recherche d’un extremum pour une fonction f revient à résoudre un système de n
équations à n inconnues, linéaires ou non :
(IV.4)
 Recherche locale
La figure IV.2 montre le comportement d’une méthode de recherche locale d’un

extremum.Une méthode de recherche locale, de type gradient, permet de minimiser la
fonction de coûtavec une convergence relativement rapide. Néanmoins les méthodes
d'optimisation localesdépendent fortement du point de départ en cas de non-convexité et ont
tendance à êtrefortement couplées au domaine de solution.
Figure IV.2 : Convergence vers un extremum local
 Recherche globale
Les méthodes de recherche globales d’un extremum sont typiquement employées

pourrésoudre les problèmes non-convexes complexes d'optimisation en explorant très
largement le domaine pour éviter les optimums locaux et ainsi localiser l'optimum global. Les
méthodes globales sont moins dépendantes des conditions initiales mais ces techniques ne
peuvent pas profiter des caractéristiques locales de l'espace de solution comme les méthodes
de type gradient, et leur convergence sera plus lente. La figure IV.3 illustre un espace avec
des optimums locaux et un optimum global.
51
Figure IV.3 : Domaine admissible comportant des extremums locaux et globaux
IV.3.2. Méthodes locales et globales
 Méthodes locales déterministes (basées sur un gradient)
Les méthodes déterministes sont les plus appropriées en cas de convexité. Toutefois, elles
ne sont pas indiquées pour les problèmes non convexes, c’est à dire quand on a une forte
probabilité de rester bloqué dans un optimum local.
Il y a plusieurs méthodes pour réaliser la recherche d’un optimum. Ces méthodes

secaractérisent par le fait qu'elles permettent d'obtenir une ou plusieurs solutions dont
l'optimalité est garantie. Elles permettent d'obtenir la solution optimale d'un problème en
parcourant la fermeture convexe de l'ensemble de recherche (ensemble des solutions
admissibles).
Malgré une certaine complexité mathématique, les méthodes déterministes permettent de

résoudre la plupart des problèmes rapidement. Elles ne peuvent généralement s'appliquer
qu'aux problèmes en variables continues ou à des problèmes en variables entières ayant une
matrice de la contrainte uni-modulaire (car dans ce cas, tous les sommets de l'ensemble de
recherche sont entiers).
Pour améliorer l’efficacité de la recherche ou en cas de doute sur la convexité du problème

d’optimisation, on peut faire une énumération implicite en séparant le problème en sous
problèmes et en évaluant ceux-ci à l'aide d'une relaxation (continue ou lagrangienne
principalement) jusqu'à ne plus avoir que des problèmes faciles à résoudre ou dont on sait
avec certitude qu'ils ne peuvent pas contenir de solution optimale.
52
La figure IV.4 présente une liste de méthodes déterministes en deux groupes, avec et sans
contraintes.
SQP : programmation quadratique séquentielle (SQP)

SLP : programmation linéaire séquentielle
Figure IV.4 : Méthodes déterministes locales
 Méthodes globales (non-déterministes) heuristiques
Les méthodes non-déterministes (ou stochastiques), sont des méthodes

d’optimisationpermettant de résoudre préférentiellement les problèmes non convexes. Pour
les méthodes dites heuristiques, la stratégie de recherche est élaborée par l’usage d’une ou
plusieurs règles empiriques (heuristiques), souvent spécifiques à un type de problème, qui
produit une solution non nécessairement optimale.
Le nombre d’évaluations de la fonction d’adaptation pour ce type de méthode peut être

considérable. Dans un contexte de ressources (temps de calcul et/ou mémoire) limitées,
l'optimalité de la solution ne sera pas garantie, ni même l'écart avec la valeur optimale.
Les méthodes dites méta-heuristiques constituent une partie importante de ces méthodes. Une
méthode méta-heuristique est définie de manière similaire à d’une méthode heuristique, mais
avec un niveau d’abstraction plus élevé. C’est à dire que les méta-heuristiques sont une forme
d’algorithme d’optimisation stochastique, hybridé avec une recherche locale. Les méta-
heuristiques concernent les algorithmes évolutionnaires tels que les algorithmes génétiques.
Les méthodes glouton, tabou, du recuit simulé, des essaims particulaires et de type
algorithmegénétique sont les méthodes d’optimisation globales les plus connues.
53
IV. 4 Quelques méthodes d’optimisation heuristiques
IV.4.1 Recuit simulé[1-24-47]
Le recuit simulé trouve ses origines dans la thermodynamique. Cette méthode est
issue d'une analogie entre le phénomène physique de refroidissement lent d'un corps en
fusion, qui le conduit à un état solide, de basse énergie. Il faut abaisser lentement la
température, en marquant des paliers suffisamment longs pour que le corps atteigne
l'"équilibre thermodynamique" à chaque palier de température. Pour les matériaux, cette basse
énergie se manifeste par l'obtention d'une structure régulière, comme dans les cristaux et
l'acier.
L'analogie exploitée par le recuit simulé consiste à considérer une fonction f à minimiser
comme fonction d'énergie, et une solution x peut être considérée comme un état donné de la
matière dont f(x) est l'énergie. Le recuit simulé exploite généralement le critère défini par
l'algorithme de Metropolis pour l'acceptation d'une solution obtenue par perturbation de la
solution courante.
IV.4.2 Recherche Tabou [2-45-47]
La recherche taboue RT est un métaheuristique originalement développée par

Gloveret indépendamment par Hansen. Elle est basée sur des idées simples, mais elle est
néanmoins très efficace. Cette méthode combine une procédure de recherche locale avec un
certain nombre de règles et de mécanismes permettant à celle-ci de surmonter l'obstacle des
optima locaux, tout en évitant de cycler.
Dans une première phase, la méthode de recherche Tabou peut être vue comme une
généralisation des méthodes d'amélioration locales. En effet, en partant d'une solution
quelconque x appartenant à l'ensemble de solutions X, on se déplace vers une solution s (x)
située dans le voisinage [S (x)] de x. Donc l'algorithme explore itérativement l'espace de
solutions X.
Afin de choisir le meilleur voisin s(x) dans S(x), l'algorithme évalue la fonction objectif f en
chaque point s(x), et retient le voisin qui améliore la valeur de la fonction objectif, ou au pire
celui qui la dégrade le moins.
IV.4.3 Algorithme génétique [49-50]
Un algorithme génétique est une méthode méta-heuristique qui simule des évolutions
biologiques, en parcourant l’espace des paramètres. Le changement des paramètres de
conception suit un processus d’évolution basé les règles de la génétique qui modifient les
chromosomes.Dans un problème d’optimisation, les variables définissent chacune un gène du
chromosome. Ces chromosomes évoluent grâce à différentes opérations (reproduction,
croisement, mutation) et calquées sur les lois de la génétique vers un chromosome optimal.
54
Premièrement cet algorithme génère aléatoirement une population initiale (comme solution
possible). Il opère, ensuite à un croisement des meilleurs chromosomes (les meilleurs sont
choisis par une fonction d’évaluation propre au problème à résoudre). Ce croisement consiste
en l’échange d’un certain nombre de bits (gène) entre les deux parents. Les meilleurs seront
croisés, à leur tour, pour obtenir encore une meilleure génération.
L’algorithme crée des mutations (change la valeur de quelques bits aléatoirement) pour bien
imiter le processus naturel. Selon la théorie évolutionniste, la nouvelle génération sera
globalement plus adaptée au problème que précédente. On répété ces étapes jusqu’à ce qu’un
enfant soit estimé proche de la solution recherché.
IV.4.4 Colonie de fourmis[1-2-24]
Les colonies de fourmis se situent au carrefour de nombreuses disciplines de la méta-

heuristique. Les algorithmes de fourmi ont été proposés par Dorigo dans les années 90 en tant
qu’approche multi-agent pour résoudre des problèmes combinatoires comme PVC (TSP en
anglais).
Cette technique s’inspire de la manière qu’ont les fourmis, malgré leurs limitations
importantes, d’avoir un comportement de groupe cohérent. Les fourmis déposent un chemin
d’une manière stochastique dépendante de ces phéromones. Elles prennent donc plus
facilement un chemin qui a plus de phéromones qu’un autre.
Les fourmis artificielles sont des entités qui construisent une solution en choisissant la
prochaine étape de la solution par une fonction du taux de phéromone, et en déposant des
phéromones sur leurs points de passage. Cette phéromone va aller en s’évaporant, au bout
d’un certain nombre de cycles sans ajout, elle peut être annulée.
Ces fourmis possèdent, en règle générale, une mémoire des états récents ou elles se sont
trouvées qui leur permet de ne pas faire de retour et de donner la solution qu’elles ont
trouvée.Pour définir un problème et le comportement des fourmis sur ce problème, il faut un
graphe sur lequel les fourmis vont pouvoir « circuler » des points de départ, des conditions de
terminaison, des règles de construction du chemin et de mise à jour du taux de phéromone par
évaporation. Ce taux d’évaporation va servir à privilégier les chemins les plus courts.
Le temps mit par une fourmi pour passer d’un point A à un point B laisse le temps à la
phéromone de s’évaporer. Le but de cette technique est donc qu’au bout d’un certain nombre
de tour, la majorité des fourmis empruntent le même chemin, la solution.
IV.4. 5Algorithme d’HarmonySearch[51-52-53]
Récemment le Dr ZongWooGeem a développé une nouvelle méthode d’optimisation

méta- heuristique issus de l'étude de musicien, appelé "algorithme de recherche d'harmonie"
(HS :HarmonySearch en englais). L’algorithme HS imite processus d'improvisation musicale
où les musiciens tentent de trouver une meilleure harmonie. Un musicien désire toujours
d'atteindre la meilleure harmonie, qui peut être obtenue par de nombreuses pratiques. Les
emplacements des instruments sont ajustés après chaque pratique.
55
Dans le processus, chaque musicien joue une note pour trouver une meilleure harmonie tous
ensemble. De même que, dans les processus d’optimisation, chaque variable de décision
prend une valeur de façon à avoir une meilleure combinaison (vecteur) de l’ensemble.
Figure IV. 5 : Principe de l’harmonysearch et analogie en optimisation
Prenons un exemple d’un trio de jazz composé d’un saxophone, contrebasse et guitare.
Supposons qu’il existe un certain nombre de notes préférables dans la mémoire de chacun des
musiciens : le saxophoniste (Do, Mi, Sol), le contrebassiste (Ti, Sol, Re) et guitariste (La, Fa,
Do). Si le saxophoniste joue la note Sol, le contrebassiste joue Ti, et le guitariste joue Do,
ensemble leurs notes produit une nouvelle harmonie (Sol, Ti, Do). Si cette nouvelle harmonie
est meilleure que la mauvaise harmonie dans leurs mémoires, la nouvelle harmonie est incluse
dans leurs mémoires el la mauvaise harmonie est exclue. Cette procédure est répétée jusqu’à
ce qu’une harmonie sensationnelle soit trouvée. De même dans les techniques d’optimisation,
chaque variable de décision choisit au commencement n’importe quelle valeur dans un
intervalle possible, faisant l’ensemble d’un vecteur de solution. Si toutes les valeurs des
variables de décision font une bonne solution, cette expérience est stockée dans la mémoire de
chaque variable, et la possibilité pour faire une bonne solution est également augmentée la
fois prochaine.
Selon le concept ci- dessus, l’algorithme de HS comprend les cinq étapes suivantes :
 Etape 1 : Initialiser le problème et les paramètres de l’algorithme.
 Etape 2 : Initialiser la mémoire d’harmonie (HM :Harmonysearch).
 Etape 3 : Improviser une nouvelle harmonie.
 Etape 4 : Faire la mise à jour de la mémoire de l’harmonie(HM).
 Etape 5 : Atteindre le critère d’arrêt.
56
IV.4.5. 1Description des étapes [54-55-56]
 Initialiserle problème et les paramètres d’algorithme
D’abord, le problème d’optimisation est spécifié comme suit :
Minimise f ( xi ) (IV.5)
Avec xi ∈ X i , i = 1,2,......., N (IV.6)
f(x i ) : est la fonction objective ;

x i : est l’ensemble de chaque variable de conception de (x i ) ;
X i : est l’ensemble des valeurs de la gamme possible pour chaque variable de conception,
X i = {xi (1), xi (2 ),  , xi (k )} pour des variables de décision discrète,
[ xi (1) < xi (2 ) <  < xi (k ) ] ouLXi ≤ X i ≤ U Xi pour les variables continues.
N : le nombre de variable de conception, k : le nombre des valeurs possibles pour les variables
discrètes.
Les paramètres d’algorithme HS qui sont exigés pour résoudre les problèmes d’optimisation
de l’équation (V.5) sont également spécifies dans cette étape :
 La capacité de la mémoire d’harmonie HMS (vecteur de solution dans la mémoire) ;
 Considérant la mémoire d’harmonie par le taux HMCR ;
 Ajustant le lancement par le taux PAR ;
 Critère d’arrêt (nombre maximum des recherches) ;
HMCR et PAR sont des paramètres qui sont employés pour améliorer le vecteur de solution.
Tous les deux sont définis dans l’étape 3.
 Initialiser la mémoire d’harmonie [56-57]
Dans l’étape 2, la matrice (HM) de la mémoire d’harmonie, montrée dans l’équation

(7), est remplie aléatoirement par des vecteurs de solution et assortie par les valeurs de la
fonction objective f (x).
 x11 x12 ........ x1N −1 x1N  ⇒ f ( x1 )

 
 ⇒ f (x )
2 2
 x1 x22 ........ x N2 −1 x N2
 . 
HM =  . . . . .  ⇒ ........... (IV.7)
 
 . 
 x HMS −1 x NHMS −1  ⇒ f ( x
HMS −1
x2HMS −1 ........ x NHMS −1
)
 1 HMS −1

 ⇒ f ( x
HMS
 x1 x2HMS x NHMS HMS
........ −1 xN )
57
 Improvisation d’une nouvelle harmonie [58-59]
Dans l’étape (3), un nouveau vecteur d’harmonie x ′ = (x1' , x 2' ,  , x N' ) , est produit et basé
sur trois règles :
 Considération de mémoire ;
 Ajustement de première variable de décision ( x1' ) pour le nouveau vecteur est choisie de
n'importe quelle valeur dans la gamme spécifique de HM ( x11 ∼ x1HMS ). Des autres variables de
décision ( x1' ,…, x N' ) sont choisies de la même manière. lancement,
 Choix aléatoire.
Production d'une nouvelle harmonie qui s'appelle « l'improvisation ».
Dans la considération de mémoire, la valeur de la Le HMCR, qui varie entre 0 et 1, est le taux
de choisir une valeur des valeurs historiques stockées dans HM., alors que (1-HMCR) est le
taux de choisir aléatoirement une valeur à partir de la gamme possible des valeurs.
{ }
 xi' ∈ xi1 ; xi2 ;.......; xiHMS w. p.HMCR
x ← '
'
i (IV.8)
 xi ∈ X i .........................w. p.(1 − HMCR).
Dans le nouveau vecteur d'harmonie x ′ = (x1' , x 2' ,  , x N' ) , n'importe quel composant obtenu par
la considération de mémoire est examiné pour déterminer s'il devrait être ajusté pour le lancer.
Cette opération emploie le paramètre de PAR qui est le taux d'ajustement de lancement.
oui → PAR
Taux d ' ajustement pour xi' ←  (IV.9)
 Non → (1 − PAR)
Le lancement ajustant le processus est exécuté seulement après qu'une valeur soit choisie de
HM. La valeur (1-PAR) place le taux de nerien faire. Si la décision d'ajustement de lancement
pour xi' est oui, et on assume que xi' est xi (K ) , c-à-d, l'élément de K eme dans Xi , la valeur est
lancée à partir du xi (K ) :
xi' ← xi (K + m ) pour des variables de décision discrète

xi' ← xi' + α avec α = bw × u (0,1) pour des variables de décision continues
m : Index voisin, m ∈ {0,1,2, } ;
bw : Largeur de bande arbitraire de distance pour la variable continue ;
u (0,1) : Distribution uniforme entre 0et 1 ;
58
Les paramètres d'algorithme HMCR et PAR présentés dans cette étape aident à constater que
les solutions globalement et localement sont améliorées.
 Mise à jour de mémoire d’harmonie [60-61]
Si le nouveau vecteur d'harmonie x ′ = (x1' , x 2' ,  , x N' ) est meilleur que le plus mauvais vecteur
d'harmonie dans le H.M,en termes de valeur de fonction objective, la nouvelle harmonie est
incluse dans HM et la plus mauvaise harmonie existante est exclue de HM.
 Vérification de critère d’arrêt [62-63]
Les calculs sont terminés quand le critère d'arrêt est satisfaisant. Sinon, les étapes 3 et 4 sont
répétées.
59
IV.4.5.2 L’organigramme des étapes de l’harmonySearch :
Initialiser les paramètres de problème pour trouver le minimum de

la fonction objectif f(x) :
Spécification de chaque variable de décision
Gamme possible de valeur pour chaque variable de décision,
Capacité de la mémoire d’harmonie (HMS),
Etape 1 Considérant la mémoire d’harmonie par le taux (HMCR),
Ajustant de lancement par le taux (PAR),
Critère d’arrêt (nombre de maximum des recherches).
Nombre Uniforme
aléatoire
Initialiser la mémoire d’harmonie (HM) produit Valeurs de la

de l’harmonie initiale fonction objective
Etape 2 [Vecteur de solution] f (x)
(Autant comme valeur de HMS)
HMCR, PAR
Improviser une nouvelle harmonie de (HM) basée sur des

considérations de mémoire, des ajustements de lancement, et
la randomisation
Etape 3
OUI
La nouvelle harmonie est
meilleure que l’harmonie
stockée dans HM ? Etape 4
Non Mise à jour de (HM)

Non
Critère d’arrêt satisfait ?
Etape 5
OUI
Stop
IV.5 Conclusion
Dans ce chapitre nous avons fait un aperçu sur les problèmes d’optimisation et leur résolution
par les méthodes d’optimisation, nous avons cité quelquesméthodes méta-heuristiques. Pour
notre travail, nous avons opté pour une nouvelle méthode méta-heuristique pour la recherche
d’une conception optimale de réseaux électriques. Cette méthode est appelée
« HarmonySearch ».
60
CHAPITRE V
APPLICATION et
INTERPRETATION
Chapitre V Application et Interprétation
CHAPITREV
APPLICATION ET INTERPRETATION
L’objectif de notre travail est de déterminer la structure optimale d’un réseau suivant le
critère désiré et de faire une optimisation du réseau électrique en utilisant une fonction
objectif pour le choix minimal des composants en utilisant la méthode d’optimisation
« HarmonySearch » afin de faire une conception nouvelle d’un réseau électrique.
La fonction objective considérée est :
 la minimisation du coûtdu système sous contraintes de fiabilité
V. Système parallèle -série

V.1 Approche mathématique du système
Considérons un systèmeparallèle-série contenant n sous-système C i dans un arrangement série

comme est illustré dans la figure (V.1). Chaque sous-système C i contient un certain nombre
d’éléments ou composants connectés en parallèle. Pour chaque sous–systèmes i, il existe
différente version des éléments (générateurs, transformateurs et lignes) disponible dans le
marché. Pour chaque sous système d’éléments, différentes versions et nombre de composant
peut être choisi.Pour chaque sous-systèmei les éléments sont caractérisés par leur coût(C iv ),
fiabilité (R iv ), et leur performance (G iv ) accordés à leur version.
La structure du système d’éléments i peut être définit par le nombre des éléments ou
composants en parallèle (de chaque version) k iv pour , ou V i est le nombre de
versions pour les éléments de type i. la structure du système entier est définit par les
vecteursK i , avec et .
Pour un ensemble de vecteurs le coût total du système est donné par

l’expression suivante :
(V.1)
61
Sous -système i Sous -système n
A11, C11, G11 An1, Cn1, Gn1
K11 Kn1
A11, C11, G11 An1, Cn1, Gn1
A1vi, C1vi, G1vi Anvi, Cnvi, Gnvi

K1vi Knvi
A1vi, C1vi, G1vi Anvi, Cnvi, Gnvi
Figure V.1 : système parallèle-série
V.2 Formulation du problème
Le problème d’optimisation d’un système multi-états redondent peut être formulé comme
suite :
Trouver la configuration / ou la structure du système à coût minimal {k 1 ,k 2 , ...,k n } qui est à

un niveau de fiabilité supérieur ou égal au seuil donné R 0 .
(V.2)
(V.3)
V.3 Description du système à optimiser

Dans cet exemple, nous appliquons la méthode d’optimisation du système électrique couplée
à la charge pour déterminer une structure optimale au point de vue coûtd’investissement, toute
en satisfaisant le niveau de fiabilité prescrite.La structure du système électrique est un réseau
électrique (production transport et répartition), fait intervenir cinq (05) grands sous-systèmes.
62
Figure V.2 : exemple réel d’un système parallèle-série
Chaque composant du sous-système est caractérisé par les paramètres suivants :
: représente la performance ou bien la capacité en MW ;
: représente la fiabilité de l’élément considéré en % ;
: représente le coût en % de l’investissement du chaque élément.
Les tableaux suivants donnent les caractéristiques des composants disponibles sur le marché
utilisées dans la construction du réseau électrique.
V.3.1 Sous-système 01 (Production)
Ce sous- système représente le sous-système de production d’énergie électrique. Il comprend

07 générateurs.
Sous système Version Capacité Fiabilité Coût

(production) (%) (%) (%)
01 120 0.890 0.590
02 100 0.977 0.535
03 85 0.982 0.470
04 85 0.978 0.420
05 48 0.983 0.400
06 31 0.920 0.180
07 20 0.984 0.220
Tableau V.1 : Caractérisation de sous-système de production
63
V.3.2 Sous-système 02(transformateurs élévateurs)
Ce sous- système représente le sous-système de transformation d’énergie. Il comporte 05

transformateurs élévateurs de tension MT/HT.

(postes élévateurs) (%) (%) (%)
01 100 0.995 0.205
02 92 0.996 0.189
03 53 0.997 0.091
04 28 0.997 0.056
05 21 0.998 0.042
Tableau V.2 : Caractérisation de sous-système « transformateur élévateurs (MT/HT) »
V.3. 3 Sous-système 03(lignes de transport HT)
Ce sous- système représente les lignes de transport HT qui comporte 04 lignes HT.

(lignes de transport HT) (%) (%) (%)
01 100 0.971 7.525
02 60 0.973 4.720
03 40 0.971 3.590
04 20 0.976 2.420
Tableau V.3 : Caractérisation de sous-système «Lignes de transport HT »
V.3. 4 Sous-système 04(transformateurs abaisseurs HT/MT)
Ce sous- système représente le sous-système de transformation d’énergie.Il comporte 09

transformateurs abaisseurs de tension HT/MT.
64

(postes abaisseurs) (%) (%) (%)
01 115 0.977 0.180
02 100 0.978 0.160
03 91 0.978 0.150
04 72 0.983 0.121
05 72 0.981 0.102
06 72 0.971 0.096
07 55 0.983 0.071
08 25 0.982 0.049
09 25 0.977 0.044
Tableau V.4 : Caractérisation de sous-système «Transformateurs abaisseurs HT/MT »
V.3. 5 Sous-système 05(lignes de répartition MT)
Ce sous- système représente les lignes de répartition MT qui comporte 04 lignes MT.

(lignes de transport HT) (%) (%) (%)
01 128 0.984 0.986
02 100 0.983 0.825
03 60 0.987 0.490
04 51 0.981 0.475
Tableau V.5: Caractérisation de sous-système «Lignes de répartition MT »
65
 La demande (la charge)
La demande des consommateurs est estimée à une puissance maximale de 90 MW sur le

réseau électrique. Cette demande est estimée sur la base annuelle de 8760h. Alors la
répartition saisonnière et journalière moyenne représente quatre niveaux de charge d’une
valeur maximale de 90MW vers une valeur minimale de 18MW. Les paramètres de la
demande est illustré dans le tableau suivant :
La demande (%) 100 80 50 20
Duration(h) 4203 788 1228 2536
Probabilité 0.480 0.090 0.140 0.290
Tableau V.6 les caractéristiques de la demande
V.4 Résultat obtenues par l’algorithme HarmonySearch

Nous avons fait une application de l’algorithme d’HarmonySearch pour optimiser la structure
du système électro-énergétique (figure V.1).
Nous avons testé notre programme pour trois niveau de fiabilité 0 .92, 0.95, 0.98, nous avons
choisi ces niveaux sur la base des causes et des indices pratiques, le tableau qui suive indique
les résultats obtenus par une hybridation entre la méthode UMGF et l’algorithme
HarmonySearch.
Les paramètres de l’algorithme HarmonySearch ont été ajustés comme suit dans notre
programme :
HMS = 5
HMCR= 0.7
PAR= 0.5
NI=75
Les données dans notre systèmes sont rassemblées dans les tableaux(V.1) jusqu’à (V.5), ainsi
que les données de la charge sont présentées dans le tableau (V.6).
Après l’exécution de notre programme en obtient les résultats suivants :
66
Test N° 1
Contraintes de La structure optimale Le coût Fiabilité

fiabilité d’investissement calculé
R0 (%) Min DA R (%)
Sous-système 1 :1-2
0.92 10.98 0.9501
Sous-système 2 :2-3-3
Sous–système 3 :2-3-3
Tableau V. 7 : la conception optimale du système pour R 0 = 0.92
Test N° 2

R0 (%) Min DA R (%)
Sous-système 1 : 1 -2-2
0.95 13.43 0.9708
Sous-système 2 : 1-2-3
Sous–système 3 : 2-2
Sous-système 4 : 4-4-7-7
Sous-système 5 : 3-3-3
Test N°3

R0 (%) Min DA R (%)
Sous-système 1 : 3-4-4-6
0.98 17.872 0.99835
Sous–système 3 :2-2-2
Sous-système 4 :6-6-6-8-9
67
V.5 Interprétations des résultats d’optimisation par L’algorithme HS
Dans notre travail, nous appliquons la méthode d’optimisation HarmonySearch sur un

système électro-énergétique qui comporte 05 sous système couplée avec une charge, pour
déterminée avec un coût d’investissement minimum une configuration du système qui
satisfaire la fiabilité désirée.
Dans le premier test en ajustée le contrainte la fiabilité à la valeur 0.92 donc en obtient la
conception optimale suivante :
Sous-système 01 Sous-système 02 Sous-système 03 Sous-système 04 Sous-système 05
1*180 MW 1*120 MW 1*225 MW 2*30 MW 3*14 MW

1*160 MW 2*100 MW 2*60 MW 1*20 MW
Dans le deuxième test en ajustée le contrainte la fiabilité à la valeur 0.95 donc en obtient la
1*180 MW 1*160 MW 2*225 MW 2*30 MW 3*14 MW

2*160 MW 1*120 MW 2*20 MW
1*100 MW
Dans le troisième test en ajustée le contrainte la fiabilité à la valeur 0.98 donc en obtient la
1*110 MW 1*120 MW 3*225 MW 3*30 MW 3*14 MW

2* 90 MW 2*100 MW 2*1 0,4 MW
1* 54 MW
Les tableaux (V.7, V.8, et V.9), récapitule les résultats donnés par notre programme pour un
problème de référence.
68
On constate pour un niveau de fiabilité important le choix de la structure devinent important
concernant le coût. Alors ces valeurs sont :
92% 10,98%
95% 13,43%
98% 17,832
Alors l’investisseura le choix qu’il répond à une structure plus fiable, elle se répercute par une
structure trop chère(point de vue investissement) et vice versa une structure moins chère
oblige la perte du niveau de fiabilité non important.
Donc nous avons proposé dans notre travail, des structures avec différentes niveaux de
fiabilité qui donnent à l’investisseur du choix et lui facilitent la prise en décision concernant
tel ou tel investissement.
Selon la stratégie adoptée nous permettent de valider notre configuration la plus optimale
selon le cas :
La formulation de minimiser le coût sous contraintes de fiabilité, donne aux investisseurs la

possibilité de limiter les coûts investissements d’un projet d’alimentation.
69
CONCLUSION
Générale
Conclusion générale
CONCLUSION GENERALE
Habituellement, les ingénieurs essayent de réaliser un niveau optimal avec un

coût minimal. Le problème de la minimisation du coût avec des contraintes de
fiabilité est bien connu comme problème d’optimisation de redondances RPT
(Problème combinatoire d’allocation de redondances).
Pour résoudre les problèmes pratiques dans lesquels une variété de produits
existe sur le marché et les dépendances analytiques sont indisponibles pour le
coût de composants du système, l’ingénieur de fiabilité devrait avoir une
méthodologie d’optimisation dans laquelle chaque produit est caractérisé par sa
productivité (capacité), fiabilité, prix et /ou d’autres paramètres. Pour distinguer
parmi des produits avec différentes caractéristiques, la notion de la version
d’élément ou composant est présentée.
Pour trouver la structure optimale du système, on devrait choisir les versions

appropriées d’une liste de produitsdisponibles pour chaque type d’équipement,
aussi bien que le nombred’éléments parallèles de ces versions. L’objectif est
réduire au minimum le coût avec la condition de satisfaire la demande avec le
niveau désiré de la fiabilité. Lors le système est caractérisé par une disponibilité
multi états, une nouvelle méthode UMGF (UniversalGenerating Moment
Function) d’évaluation de la fiabilité offre plusieurs avantages par rapport à la
méthode classique.
La formulation la plus générale de la structure d’un système électrique de nature

parallèle-série est comme suit :
 Une décomposition hiérarchique en cinq sous-systèmes.
 Chaque sous-système contient un certain nombre des composants

différents reliés en parallèles. Différents versions et nombres des
composantes peuvent être choisis pour n’importe quel sous-système.
Chaque composant est caractérisé par son taux disponibilité, capacité et
son coût.
70
Conclusion générale
Le problème d’optimisation des systèmes parallèle-série a été largement étudié

en utilisant des méthodes traditionnelles telle que la programmation dynamique
et récemment les algorithmes génétiques et les algorithmes de fourmis. Peu de
travaux ont utilisé l’algorithme HarmonySearch.
Dans ce mémoire, nous avons présenté une problématique relative aux buts des
investisseurs qui résident dans le choix d’avoir une conception à moindre coût
de point de vue production et structure tout en garantissant un niveau de
fiabilité acceptable.
Nous avons développé, dans ce mémoire une programme sous langage Matlab
basé sur la méthode méta-heuristique « HarmonySearch » qui optimise la
structure du système électro-énergétique sous contraintes de fiabilité.
Les résultats dans ce mémoire nous ont conduit à proposer des structures avec
différents niveaux de fiabilité (R 01 =0 .92, R 02 = 0.95, R 03 =0.98) qui donnent à
l’investisseur le choix et lui facilitent la prise en décision concernant tel
investissement.
Alors l’investisseur a le choix qu’il répond à une structure plus fiable, il se

répercute par une structure trop chére (point de vue investissement) et vice versa
une structure moins cher oblige la perte du niveau de fiabilité.
71
BIBLIOGRAPHIE
Bibliographie et Références
BIBLIOGRAPHIE
[1] A. Rami, « Conception et optimisation d’un système électro-énergétique par les

méthodes méta heuristiques », thèse de doctorat en science, université Djilali Liabesde
sidi bel abbés 2010
[2] S. Bouri, « Optimisation de la production et la structure d’énergie électrique par les
colonies de fourmis », thèse de doctorat en science, Université sidi bel abbés 2007-2008
[3] RichardE. Brown, «Electric Power distribution reliability», second Edition, 2009,
Taylor & Francis Group, LLC, P.18
[4] M. FontelaGarci, «Interaction des réseaux de transport et de distribution en présence
de production décentralisé », thèse de doctorat, l’institut polytechnique de Grenoble
2008
[5] M. Haikelkhalfallah, « Etude quantitative et expérimentale de mécanismes
d’incitation aux investissements dans les marchés d’électricité : Analyse à court terme
et à long terme des stratégies des acteurs », thèse de doctorat en science économique,
Université Lumière Lyon 2 Décembre 2009
[6] M. Saguan, « Architectures de marché électrique. Application au market design dur
temps réel ‘», thèse de doctorat en science économique, Université paris- sud 11- Avril
2007
[7] J.Pierlot, « électricité, de la production à la distribution », organisation européenne
pour la recherche nucléaire, France 15 janvier 2002
[8]http://fr.wikipedia.org/wiki/ poste électrique
[9]http://fr.wikipedia.org/wiki/ lignes électriques
[10]http://www.scrib.com/doc/4597291/Generalites-sur-les-reseaux-electriques
[11] J. Lilien, cours donné à l’institut d’énergie Montefiore, « transport et distribution de

l’énergie électrique », Université de Liège 2009
[12] L. Slimani, « Contribution à l’application de l’optimisation par des méthodes méta-
heuristiques à l’écoulement de puissance optimal dans un environnement de l’électricité
dérégulé », thèse de doctorat en science, Université de Batna 2008-2009
[13] S.Belaloui, « Evaluation de systèmes de fiabilité à configuration complexe », thèse de
doctorat d’état mathématique, Université Mentouri-Constatine
[14]B. Jacques. « Fiabilité du réseau électrique ». In cahier/ groupe réseaux n°9,1987.33-42
72
[15]A. Pagés&M.Gondran,« Fiabilité des systèmes », Edition EYROLLES 1980
[16] cour « fiabilité des systèmes »
[17] A. Mihalache, « Modélisation et évaluation de la fiabilité des systèmes

mécatroniques », thèse de doctorat en sciences d’ingénieure, Université D’Angers207
[18] Y. Berrou, « Evaluation de la fiabilité des systèmes temps réel distribués embraqués »,
Mémoire de Magister, Université hadj Lakhedar Batna
[19]http://fr.Fiabilité. Mathématique.free
[20] A. Zeblah, « réalisation d’un logiciel pour la reconstruction d’un réseau électrique
fiable et sa reconfiguration optimale », thèse de doctorat d’état, université des sciences
et de la technologie d’Oran, 2000/2001
[21]I .Mauricio Forero, « Electricité et sécurité de fourniture de long terme. La
problématique de l’évaluation de l’adéquation de capacité en environnement
concurrentiel », mémoire de master recherche, Ecole du pétrole et des moteurs 2006-
2007
[22]P. Lamy, « Probabilité de défaillance dangereused’un système : explication et exemple
de calcul », Note scientifique et technique n° 225, septembre 2002
[23]E.U. Landeck, H.J. Haubrich, B. Siemes, W.L. Kling « Evaluation de la fiabilité des
transits d’énergie dans les réseaux interconnectes », CIGRE 1996 :38-108
[24]R. Meziane, « optimisationde la structure d’un réseau de production », Université des
sciences et de la technologie d’Oran ‘MOHAMED BOUDIAF’
[25] J. FernandoParada, « The value of reliability in power- Pricing operating reserves »,
Massachasetts institute of technology, June 1999.
[26] BILLINTO R, “Power system reliability evaluation engineering systems-concepts and
techniques ”, plemuim press , ,new york,1986.
[27]BILLINTOR.and allan R .N, « power system reliability evaluation engineering
systemes-conceptes and techniques », plemuim press, new york,1994
[28] HIESTE. and KIRBEY B, « services:the neglected features of bulk », electricity
journal, vol11,No3, Elsevier science ,pp50-57,1998.
[29] HIEST E. and KIRBEY B, « technical and market issue for operating reserve”,
electricity journal, vol11, No3, Elsevier science, pp36-48, 1999.
[30]KIRSH L. and RAJARAMAN R.«profiting from operating reserves »,electricity
journal, vol11, No2, Elsevier science, pp40-49,1998.
[31] LisnianskiA. LevitinG. ben-haimH.elmakis D« power system structure optimization
subject to reliability constraints », electric power system research, vol39 pp145-
152,1996.
73
[32]Lisnianski A .levitinG..elmakis D« structure optimization of power system with
defferent redundant elements », electric power system research,vol43pp19-27,1997.
[33]SahinogluM,longneckerM.T,ringer.L.J,singhC.andayoub K.H « probability
distribution functions for generation reliability indices », IEEE trans. on power
apparatus and system, pas-102,pp1486-1493,1983.
[34]Allan R,N,and D.GOMEZ,« operational parameters in generation reliability evaluation
» ,power system computation conf,psochelseinkipp,174-178,1984.
[35]billinton R, « power system reliability evaluation», Gordon and science breach science
publisher new york ,1770.
[36]Linsniansk, Anatoly, Frenkel, Ilia, Ding, Yi, « Multi-State system reliability analysis
and optimization for enginners and industrial Managers », Edition, 2010, XVI,
393p114, springerlink
[37]k. Mendez, N. skonni,« Optimisation de la structure des réseaux de répartition en
utilisant les algorithmes de fourmis », mémoire d’ingéniorat, Universite Djilali Liabess,
Sidi bel Abbes, 2006
[38]Y. Massim, « Aviability and performance optimization of série-parallèle industrial
process », thèsed’octorat, UniversiteDjilaliLiabess, Sidibel Abbes, 2005
[39]Y. Massim, A. Zeblah, R. Meziane and M. Rahli « Ant colony optimization for multi-
states série-parallèlesystème expansion sheduling », electrical engineering journal,
springer verlags 2005
[40]R. Meziane, Y.Massim, A.Zeblah, A.Ghoraf and M. Rahli, « Reliability computation
for algerian power network considering MSS », international journal of nonlinear
dynamics and chaos in engineering system, Klewer Academic publisher vol 40 number
4 Jaune 2005pp 309-321
[41]A. Zeblah, A. Ghoraf, S. Hadjeri and H. hamdaoui,« optimization for série-parallèle
continuous power systems with buffers under reliability constraints using Ant
colony»accepted paper in Internationnel journal of industrial and management
optimization (JIMO), vol N° 2, number 4 pp 467-479, 2006
[42]Y. Massim, A. Zeblah, A. Ghoraf and R. Meziane, « Reliability evaluation of multi-
states serie-parallele power system under multi-states constraints », Electrical
engineering journal, springer verlags, vol N°87, pp327-336, 2005
[43]A. Zeblah, E. Chatelet, M. Elsamrout, F. Yalaoui, Y. Massim, « Série-parallèle power
system optimization using a harmony search algorithm », Journal power and energy
conversion vol1 N°1, 2009
[44]Y. Massim, A. Zeblah, M. Benguediad, A. Ghouraf,« Reliability evaluation of
electrical power systems including multi-state considerations », Journal electrical
engineering (2006).88: 109-116
[45]A. AssadiHaghi, « contribution au développement de méthodes d’optimisation
structurelles pour la conception assistée par ordinateur de composants et de circuits
hyperfréquences », thèse de doctorat, Université de LIMOGES, 27 mars 2007
74
[46] L.AbdelhakemKoridak, « Etude d’un dispatching économique par l’algorithme
génétique », Mémoire de Magister, Université des sciences et de technologie d’Oran,
[47] L.AbdelhakemKoridak, « contribution à l’étude des coûts optimaux de la production
d’énergie électrique et des émissions de gaz par les algorithmes génétiques », thèse de
doctorat en science, Université des sciences et de technologie d’Oran, 2010
[48]L.AbdelhakemKoridak, M.Rahli et R.Ouidir, « application des algorithmes
génétiques à la répartition optimale des puissances dans un réseau d’énergie
électrique »,4ème Conférence Internationale sur les Mathématique Appliquées et les
Sciences de l’Ingénieur (CIMASI’2002), du 23 au 25 octobre 2002 Casablanca, Maroc.
[49] R.Ouidir, M.Rahli, L.AbdelhakemKoridak et M.Tamali, «Minimisation du coût de
combustible et des pertes de transmission dans un réseau électrique par les
algorithmes génétiques», 6ème Séminaire Internationale sur la Physique Energétique du (
SIPE’6), du 21 au 23 Octobre 2002 Béchar, Algérie.
[50]M.Younes, M.Rahli, M.Kandouci, «Répartition économique des puissances par un
algorithme Génétique en code réel (Application a un réseau 118 nœuds) »,6e
Conférence Francophone de MOdélisation et SIMulation - MOSIM’06 - du 3 au 5
avril 2006 – Rabat- Maroc.
[51] L. A-Koridak, M. Rahli, D. Lefebvre,F-Z. Benayed, « optimisation d’un dispatching
économique et environnemental d’energieelectrique par l’algorithme
HarmonySearch »,Évaluation des Performances et Maîtrise des Risques Technologiques
pour les Systèmes Industriels et Energétiques’EPMRT’28-29 mai 2009, GREAH,
Université du Havre
[52]A.Belmadani, L.Benasla, M.Rahli, « Etude de Dispatching Economique : Comparaison
entre HARMONY SEARCH (HS) et Réseau de Neurones », 4emeConférence
Internationale sur l’Electrotechnique, Oran le 10-11 novembre 2009
[53]Seok Lee and Zong Woo Geem «A new structural optimization method based on the
harmony search algorithm», Materials and Construction Research Division, National
Institute of Standards and Technology, 100 Bureau Drive, Gaithersburg,MD208998611,
USA, Department of Civil and Environmental Engineering, University of Maryland,
College Park, MD20742, USA Received 14 April 2003; accepted 6January 2004.
[54]Zong Woo Geem and Jeong-Yoon Choi «Music composition Using Harmony Search
Algorithm »,JohnsHopkins University, Environment planning and management
Program, 729 Fallsgrove Drive #6133, Rockville, Maryland20850, USA.
[55] Zong Woo Geem, Kang Seok Lee and Yongjin Park « Application of Harmony
Search to Vehicle Routing»,Environmental Planning and Management Program, Johns
Hopkins University 729 Fallsgrove Drive #6133, Rockville, Maryland 20850, USA,
Advanced Structure Research Station, Hanyang University, Seoul, South Korea,
Department of Transportation Engineering, Keimyung University, Daegu, South Korea.
[56]Zong Woo Geem,«Optimal cost design of water distribution networks using harmony
search», Environmental Planning and Management Program, Johns Hopkins University,
729 Fallsgrove Drive #6133, Rock ville, MD20850, USA (Received 1February 2005; in
final form 12April2005.
75
[57] Zong Woo Geem, Chung-Li Tseng, and Yongjin Park « Harmony Search for
Generalized Orienteering Problem: Best Touring in China», Johns Hopkins University,
Environmental Planning and Management Program, 729 Fallsgrove Drive #6133,
Rockville, Maryland 20850, USA;University of Missouri, Department of engineering
Management, 215 Engineering Management, Rolla, Missouri 65409, USA;Keimyung
University, Department of Transportation Engineering, 1000 Sindang, Dalseo, Daegu,
704-701, South Korea.
[58] A.Vasebia and M.Fesangharyb and S.M.T.Bathaeea«Combined heat and power
economic dispatch by harmony search algorithm»,Power System Research Laboratory,
Department of Electrical and Electronic Engineering, K.N. Toosi University of
Technology,322-Mirdamad Avenue West,19697 Tehran, Iran;Department of
Mechanical Engineering, Amir kabir University of Technology, 424-Hafez Avenue,
Tehran, Iran Received 19September2006; received inrevised form30May2007;
accepted9June2007.
[59]Kang Seok Lee and Zong Woo Geem, « A new meta-heuristic algorithm for continuous
engineering optimization: harmony search theory and practice»,Materials and
Construction Research Division, Building and Fire Research Laboratory, National
Institute of Standards and Technology, Gaithersburg, MD20899-8611, USA
;Department of Civil and Environmental Engineering, University of Maryland, College
Park, MD20742, USA Received 4August 2003; received in revised form
31August2004; accepted 30 September2004.
[60] M.Mahdavi and M.Fesanghary and E.Damangir, «An improved harmony search
algorithm for solving optimization problems», Department of Computer Engineering,
Sharif University of Technology, Tehran, Iran; Department of Mechanical Engineering,
Amirkabir University of Technology, Tehran15875-4413, Iran.
[61] Zong Woo Geem, « Improved Harmony Search from Ensemble of Music Players»,
Johns Hopkins University, Environmental Planning and Management Program, 729
Fallsgrove Drive #6133, Rockville, Maryland 20850, USA
[62] S. M. T. Bathaee, M. Fesanghary, A. Vasebi, M. HassaniKeleshtery, «A New
Stochastic Algorithm for Various Types of Economic Dispatch Problems: Harmony
Search», The 8th International Power Engineering Conference – IPEC2007 3-6
December 2007, Singapore.
[63] Zong Woo Geem and JoongHoon Kim and G. V. Loganathan, « A New Heuristic
Optimization Algorithm Harmony Search», SIMULATION 76:2,60-68©2001,
Simulation Councils Inc. ISSN 0037-5497/01Printed in the United States of America.
76

These de Magister PDF

Transféré par

Droits d'auteur :

Formats disponibles

These de Magister PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These de Magister PDF

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université des Sciences et de la Technologie

FACULTE DE GENIE ELECTRIQUE

MEMOIRE EN VUE DE L’OBTENTION DU DIPLOME DE MAGISTER

OPTION : FIABILITE DES SYSTEMES ELECTRO-ENERGETIQUES

Présenté et soutenu par

Mme : Benayed Fatima Zohra

SOUTENUE LE 17 /12 /2012 DEVANT LE JURY COMPOSE DE :

Mr. Bouthiba Tahar Professeur USTO-MB Président de jury

Année universitaire : 2011-2012

L’exploitation rationnelle de système électrique dépend de sa configuration. Une

Je remercie ALLAH le Tout-puissant de m’avoir donné le courage, la

Je tiens tout d’abord à remercier, mon encadreur, Monsieur

Je remercie particulièrement Monsieur AbdelhakemKoridakElhouari,

J’exprime mes sincères remerciements à Monsieur,Bouthiba

Je voudrais remercie sincèrement Messieurs, Sebbani

Mes vifs remerciements s’adressent à toutes les personnes qui ont

Enfin, il m’est particulièrement agréable d’exprimer ma profonde

Généralité sur les réseaux électriques

I.2 Structure d’un réseau électrique.....................................................................................…...4

I.2.2 Transport d’énergie électrique…………………………………………………………7

I.3.1 Poste Electrique………………………………………………………………………...8

I.3.2 Les lignes électriques………………………………………………………………….10

I.3.2.1 Composants des lignes aériennes………………………………………………….10

I.3.2.2 Les lignes souterraines…………………………………………………………….12

I.4 La conduite du réseau électrique ………………………………………………………...12

I.4.1 Fluctuations de la consommation……………………………………………………..13

I.4.2 Difficultés de prévision de la consommation…………………………………………13

Fiabilité des systèmes

II.2.1 Différentes configuration du système………………………………………………17

II.2.2 Mesure de l'efficacité des systèmes……………………………………………………19

II.3 Les mesures associées à la fiabilité………………………………………………………20

II.3.1 Fonction de répartition, Densité de probabilité……………………………………...20

II.3.2 Taux de défaillance instantané………………………………………………………22

II.4 Technique d'évaluation de la fiabilité……………………………………………………25

II.4.1. Arbre de défaillance………………………………………………………………...25

II.4.2 Diagramme de fiabilité………………………………………………………………26

II.4.3 Modèle de Markov…………………………………………………………………..27

II.5 Fiabilité du système électrique…………………………………………………………...28

II.5.1 la sécurité du système électrique…………………………………………………….28

II.5.2 Adéquation du système électrique…………………………………………………...28

II.6 Hiérarchisation du système électrique dans l’évaluation de la fiabilité des systèmes

II.7 Services auxiliaires……………………………………………………………………….30

II.8.1 Reserve opérationnelle……………………………………………………………...31

II.8.2 Reserve tournante…………………………………………………………………...31

II.8.3 Reserve non tournante………………………………………………………………32

III.2 Généralité sur le modèle du système multi- états………………………………………..33

III. 3.1 Estimation de la fiabilité des systèmes séries……………………………………..37

III. 3. 2Estimation de la fiabilité des systèmes parallèles…………………………………38

III. 3. 3 Élément avec défaillance partielle………………………………………………..39

III. 3. 4 Composant avec défaillance totale……………………………………………….40

III .4 Algorithme de la technique d’Ushakov………………………………………………...41

III.5 Exemple illustratif……………………………………………………………………….43

III.5.1 Cas de deux états………………………………………………………………….43

III.5.2 Cas de multi états………………………………………………………………….45

Les méthodes d’optimisation

IV.2 Généralités sur les algorithmes d’optimisation………………………………………….48

IV.2.1 Variables du problème……………………………………………………………..48