Memoire Romain PDF

Université d’Abomey-Calavi
École Polytechnique d’Abomey-Calavi
Département de Génie Électrique
Mémoire de fin de formation

En vue de l’obtention du diplôme d’Ingénieur de conception
en Génie Électrique
Option : Énergie électrique
THEME :
Optimisation technico-économique de l’insertion d’un système hybride

Photovoltaïque-Hydroélectrique-Diesel sur un réseau de distribution :
Application au départ HTA de Natitingou
Présenté par :
Romain Agossou OUSSOU
Soutenu le 27 Mars 2020, devant le jury composé de :
Président : Pr. François-Xavier FIFATIN, Enseignant à l’EPAC.

Membres : 1◦ ) Dr. Arouna OLOULADE, Encadreur du mémoire.
2◦ ) Dr. Macaire AGBOMAHENA, Enseignant à l’EPAC.
3◦ ) Dr. Richard Gilles AGBOKPANZO, Enseignant à l’ENSET, Lokossa.
Année universitaire : 2018-2019
12e promotion
Dédicaces
A l’endroit de ma famille et de mes proches, je voudrais en toute humilité leur dire merci
pour l’éducation et les valeurs inculquées. A ma sœur Romaine, merci d’exister. A mes pa-
rents, Samuel et Cécile. Trouvez ici, par ces mots bons et justes, le témoignage d’un fils
comblé et reconnaissant, pour les nombreux sacrifices déployés, pour m’élever dignement
et assurer mon éducation dans les meilleurs conditions. A la mémoire de mes grands pa-
rents, que Dieu le miséricordieux, vous accueille dans son éternel paradis. Merci infiniment
pour tous.
i
Remerciements
La rigueur scientifique et les exigences d’un mémoire de fin de formation sont souvent
au-delà des seules capacités de l’étudiant. Il serait ingrat de notre part d’entrer dans le vif
du sujet sans nous acquitter d’une dette de reconnaissance auprès des personnes qui ont
contribué à la réalisation de ce modeste travail.
Je remercie en premier, l’Éternel Dieu pour sa protection dans ma vie. Je souhaite après,
remercier le Directeur de l’EPAC et son adjoint : le Professeur Guy Alain ALITONOU et
le Professeur François-Xavier FIFATIN. Mes remerciements vont ensuite au Dr. Théophile
HOUNGAN, chef du département de Génie électrique et à tous mes enseignants.
Je ne sais pas si des remerciements, même les plus sincères et les plus profonds, suffi-
ront pour exprimer ma reconnaissance au Dr. Arouna OLOULADE sans qui ce mémoire ne
serait une réalité. Au delà d’un simple encadreur, vous avez été comme un père. De même
je remercie très chaleureusement le Dr. Ramanou BADAROU, mon maître de mémoire qui
n’a ménagé aucun effort pour que ce travail soit bien réalisé.
Je m’en voudrais de ne pas exprimer ma gratitude à l’endroit de mes aînés Ingénieurs,
qui m’ont toujours prodigué de nombreux conseils, pour le bon déroulement de mes tra-
vaux. Nély, Madeleine, Amédée, Charles ; merci d’être pour moi des précurseurs acadé-
miques. Merci également à M. Kévin SONON pour ses données si précieuses. Un merci
particulier à M. Arnaud MONTCHO pour ses conseils tant dans le fond que la forme de ce
manuscrit. Je n’oublie pas tous les camarades et amis que j’ai côtoyé et sur qui j’ai pu comp-
ter pendant ces cinq dernières années : Léonnel, Richard M., Maurice, Ghislain, Rémus, Ro-
mulus, Gisèle, Abdel, Richard D., Auriole, Prince, feu Sanni BANI...La liste est longue pour
tous les citer.
Je tiens à remercier tout particulièrement M. Augustin E. FOLLY, M. Miguel DEAKPO,
M. Symphorien DJIDENOU et M. Maurice HOUESSOU pour leur soutien respectif. Je tiens
également à remercier M. Calixte ADIKPETO et Mme Geneviève DJOGBENOU pour leurs
conseils tant sur le plan humain que professionnel.
Je remercie aussi M. Antoine KPADONOU, mon cousin Edouard, ma cousine Hélène
puis ma nièce Christiane pour leur amour et leur soutien : ce travail est le vôtre. Un merci
particulier à Nathalie. Que tous ceux qui de près et de loin ont contribué à l’aboutissement
de ce travail reçoivent ici mes sincères reconnaissances. Merci vraiment à tous.
ii
Sommaire
Dédicaces i
Remerciements ii
Sommaire iv
Liste des figures vi
Liste des tableaux viii
Liste des sigles et abréviations ix
Résumé x
Abstract xi
Introduction générale 1
1 Approvisionnement en énergie électrique du département de l’Atacora 4
2 Étude diagnostique du départ HTA de Natitingou 16
3 Méthodes d’optimisation 35
4 Simulation du système hybride PV-Hydro-Diesel-Réseau 54
Conclusion générale 93
Bibliographie 95
Annexes 100
A Données du réseau HTA de Natitingou 100
B Les températures moyennes mensuelles à Natitingou 106
iii
SOMMAIRE
C La composition chimique du gasoil 107
D Caractéristiques techniques du module solaire Trinasolar 300 Wc 108
Mémoire d’ingénieur de conception, Romain A. OUSSOU iv

Liste des figures
1.1 Évolution de la demande de pointe [8] . . . . . . . . . . . . . . . . . . . . . . 7

1.2 Schéma unifilaire du poste de répartition de Bérécingou . . . . . . . . . . . . 8
1.3 Récapitulatif du nombre de défauts par région . . . . . . . . . . . . . . . . . 11
1.4 Proportion des incidents par région . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Déclenchement par départ dans la région Atacora-Donga . . . . . . . . . . . 13
1.6 Proportion d’énergie non distribuée par région . . . . . . . . . . . . . . . . . 14
1.7 Énergie non distribuée par région en 2017 et 2018 . . . . . . . . . . . . . . . 15
2.1 Le schéma d’un générateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.2 Modèle en Π d’une ligne ou d’un câble . . . . . . . . . . . . . . . . . . . . . . 19
2.3 Modèle en Π d’une ligne électrique de distribution . . . . . . . . . . . . . . . 19
2.4 Modèle de charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Réseau à trois nœuds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.6 Profil de tension initial du réseau HTA de Natitingou . . . . . . . . . . . . . . 32
3.1 Crowding Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

3.2 Fonctionnement du NSGA II (exemple 3 fronts admis) [37] . . . . . . . . . . 47
3.3 Chromosome du problème d’optimisation . . . . . . . . . . . . . . . . . . . 48
4.1 Front de Pareto pour le problème de positionnement de la centrale PV . . . 56

4.2 Profil de tension du réseau après insertion optimale de la centrale PV . . . . 58
4.3 Graphe comparant le profil de tension avant et après insertion optimale de
la centrale PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.4 Graphe comparant le profil de tension initial à ceux après optimisation 1 et 2 62
4.5 Graphe comparant les positionnements optimaux multi-GED et l’option MCA
II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
v
LISTE DES FIGURES
4.6 Les données d’irradiation globale obtenus sous HOMER . . . . . . . . . . . . 67

4.7 Diagramme du système hybride PV-hydro-Diesel simulé sous HOMER . . . 71
4.8 Résultats option categorized . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.9 Répartition de coût du système 1 . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.10 Analyse de sensibilité sur le prix du diesel . . . . . . . . . . . . . . . . . . . . 76
4.11 Détail économique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.12 Production annuelle du système photovoltaïque . . . . . . . . . . . . . . . . 78
4.13 Production annuelle de la centrale thermique . . . . . . . . . . . . . . . . . . 79
4.14 Diagramme du système hybride PV-Hydro-Diesel-Réseau simulé par HOMER 81
4.15 Les meilleurs solutions obtenues . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.16 Diagramme du système hybride PV-hydro-Diesel-stockage simulé par HOMER 82
4.17 Résultats de l’optimisation du système PV-hydro-Diesel-stockage . . . . . . 84
4.18 Production prévisionnelle de la centrale thermique . . . . . . . . . . . . . . 84
4.19 Résultats optimaux pour le systèmes PV-Hydro-Diesel-Stockage-Réseau . . 85
4.20 Graphe comparant le positionnement optimal de 2,11 MW et 4 MW d’une
centrale PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
D.1 Données électriques du module solaire Trinasolar 300 Wc . . . . . . . . . . . 108

D.2 Données mécaniques du module solaire Trinasolar 300 Wc . . . . . . . . . . 108
Mémoire d’ingénieur de conception, Romain A. OUSSOU vi

Liste des tableaux
1.1 Production hydroélectrique à Yéripao entre 2005 et 2013 [8] . . . . . . . . . . 6

1.2 Les puissances installées au niveau des différents postes . . . . . . . . . . . . 9
1.3 Bilan de puissance du réseau HTA de Natitingou . . . . . . . . . . . . . . . . 9
1.4 Énergie Non Distribuée par région en 2018 . . . . . . . . . . . . . . . . . . . 13
2.1 Les types de nœuds dans les réseaux électriques. . . . . . . . . . . . . . . . . 25

2.2 Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3 Bilan de l’écoulement de puissance . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1 Paramètre de simulation NSGA II . . . . . . . . . . . . . . . . . . . . . . . . . 55

4.2 Paramètre du GED de type PV . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3 Paramètre du GED de type PV . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.4 Valeurs des fonctions objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.5 Récapitulatif des résultats de simulation avant et après optimisation . . . . 59
4.6 Récapitulatif des résultats de simulation avant et après optimisations . . . . 61
4.10 Puissance maximale en MW au poste de Natitingou . . . . . . . . . . . . . . 66
4.11 Spécifications techniques et économiques des groupes diesel . . . . . . . . . 68
4.12 Spécifications techniques et économiques de la centrale hydroélectrique. . 69
4.13 Spécifications techniques et économiques des modules PV. . . . . . . . . . . 69
4.14 Spécifications techniques et économiques de l’onduleur . . . . . . . . . . . 70
4.15 Spécifications techniques et économiques des batteries . . . . . . . . . . . . 70
4.16 Coûts optimaux des quatre systèmes . . . . . . . . . . . . . . . . . . . . . . . 74
vii
LISTE DES TABLEAUX
4.17 Détail de coût du système optimal . . . . . . . . . . . . . . . . . . . . . . . . 74

4.18 Comparaison en émission des gaz polluants des différents systèmes . . . . . 76
4.19 Énergie annuelle produite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.20 Énergie annuelle consommée . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.21 Paramètres de fonctionnement du générateur PV . . . . . . . . . . . . . . . . 78
4.22 Paramètres de fonctionnement du générateur diesel . . . . . . . . . . . . . . 79
4.23 Paramètres de fonctionnement de la micro-centrale hydroélectrique . . . . 80
4.25 Évaluation des paramètres économiques des différents systèmes . . . . . . . 89
4.26 Évaluation des paramètres économiques des différents systèmes . . . . . . . 91
A.1 Données du réseau HTA de Natitingou . . . . . . . . . . . . . . . . . . . . . . 100

A.2 Données du réseau HTA de Natitingou (suite) . . . . . . . . . . . . . . . . . . 101
B.1 Les températures moyennes mensuelles à Natitingou . . . . . . . . . . . . . 106
C.1 La composition chimique du gasoil [48] . . . . . . . . . . . . . . . . . . . . . 107
Mémoire d’ingénieur de conception, Romain A. OUSSOU viii

Liste des sigles et abréviations
AG : Algorithme Génétique
END : Énergie Non Distribuée
HTA : Haute Tension Catégorie A
CEB : Communauté Électrique du Bénin
GED : Générateur d’Electricité Décentralisé
hydro : hydroélectrique
IPP : Independent Power Producer
LCOE : Levelized Cost of Energy
MCA : Millenium Challenge Account
MCC : Millenium Challenge Corporation
NPC : Net Present Cost
PV : Photovoltaïque
SBEE : Société Béninoise d’Énergie Électrique
ix
Résumé
L’insertion optimale des centrales photovoltaïques (PV) dans les réseaux de distribution
constitue de nos jours un défi majeur pour les compagnies d’énergie Électrique. Ce travail
a consisté à dimensionner et positionner de façon optimale une centrale PV dans un sys-
tème hybride constitué d’une centrale hydroélectrique, d’une centrale thermique et d’un
réseau de distribution. Les outils et les méthodes utilisés dans le cadre de ce travail sont
inspirés des algorithmes génétiques du type NSGA II et du logiciel HOMER. Les critères
d’optimisation sont relatifs à la minimisation des pertes actives, des pertes réactives, de
la déviation de tension, du coût actualisé de l’énergie et des gaz à effet de serre. De cette
étude, il ressort que le système hybride constitué de 2,11 MW photovoltaïque, 1 MW hy-
droélectricité, 4 MW Diesel et 1 MW Réseau est celui qui réduit mieux les pertes actives et
réactives sur le réseau. En effet, l’insertion multi-GED de type PV (1,71 MW au noeud 169
et 0,4 MW au noeud 110) dans ce réseau a permis de réduire les pertes actives de 407,1 kW
à 79,5 kW, soit une réduction de 80,47 %. Les pertes réactives ont été réduites aussi de 351,4
kVar à 67,2 kVar, soit une réduction de 80,88 %. Quant à la déviation de tension, elle a été
réduite de 78,65 % faisant passer la tension minimale de 0,8378 p.u à 0,9637 p.u. Ensuite,
l’étude menée sur HOMER a démontré que le coût actualisé de l’énergie, pour le système
PV-hydro-Diesel-Réseau est inférieur à celui du système Diesel unique (soit 120 FCFA/kWh
contre 166 FCFA/KWh). De plus, les résultats de simulation ont montré que le système hy-
bride optimal émet une quantité de 20.464.022 Kg de dioxyde de carbone soit 5.426.394 Kg
de moins que le système Diesel unique, ce qui fait une réduction des émissions de gaz à
effet de serre de 20,96 %.
Mots clés : Optimisation, NSGA II, HOMER, Photovoltaïque, Diesel, Hydroélectricité, Ré-
seau.
x
Abstract
The optimal integration of photovoltaic (PV) power plants in the distribution networks is
today a major challenge for electric power companies. This work consisted in optimally
dimensioning and positioning a PV power plant in a hybrid system made up of a hydroe-
lectric power plant, a thermal power plant and a distribution network. The tools and me-
thods used in the work are inspired by genetic algorithms of the NSGA II type and HO-
MER software. The optimization criteria relate to the minimization of active losses, reactive
losses, voltage deviation, discounted cost of energy and greenhouse gases. From this study,
it emerges that the hybrid system consisting of 2.11 MW photovoltaic, 1 MW hydroelec-
tricity, 4 MW Diesel and 1 MW Grid is the one that best reduces active and reactive losses
on the grid. Indeed, the multi-GED PV type insertion (1.71 MW at node 169 and 0.4 MW
at node 110) in this network has enabled active losses to be reduced from 407.1 kW to 79.5
kW, a reduction of 80.47%. Reactive losses were also reduced from 351.4 kVar to 67.2 kVar,
a reduction of 80.88 %. As for the voltage deviation, it was reduced by 78.65 % bringing the
minimum tension from 0.8378 p.u to 0.9637 p.u. Then, the study carried out on HOMER
caused the updated cost of energy, for the PV-hydro-Diesel-Network system is lower than
that of the single Diesel system (ie 120 FCFA / kWh against 166 FCFA / KWh). In addition,
the simulation results have shown that the optimal hybrid system emits 20,464,022 Kg of
carbon dioxide, which is 5,426,394 Kg less than the single Diesel system, which reduces
greenhouse gas emissions of 20.96%.
keys words : Optimization, NSGA II, HOMER, Photovoltaic, Diesel, Hydroelectricity, Grid.
xi
Introduction générale
L’accès à l’énergie électrique est un facteur incontournable, pour le développement social

et économique de tout pays. Il permet l’amélioration des conditions de vie surtout dans les
pays en développement où l’accès à l’énergie reste un défi [1]. Néanmoins, les ressources
de la planète sont limitées. Ainsi, l’optimisation et l’augmentation de l’efficacité énergé-
tique sont des mesures qui peuvent contribuer à assurer un développement durable [2]. En
effet, les énergies fossiles représentent aujourd’hui plus de trois quarts de la consomma-
tion mondiale d’énergie [3]. De grandes quantités de gaz à effet de serre sont émises dans
l’atmosphère par les énergies fossiles, notamment les groupes électrogènes fonctionnant
au gasoil. Afin de réduire ces émissions de gaz à effet de serre, le protocole de Kyoto puis les
accords de la COP 21 (Conférence de Paris sur le Climat), ont conduit à un développement
significatif des énergies renouvelables (solaire, éolienne, etc.) [1].
Cependant, la nature intermittente des énergies renouvelables nécessite l’adoption d’une

solution alternative permettant de pallier ou d’atténuer ce problème. Les systèmes hy-
brides s’avèrent bien appropriés pour répondre à cette question ; ils se définissent comme
étant une combinaison de deux ou plusieurs dispositifs de conversion de l’énergie (par
exemple éolien/diesel, solaire/diesel, etc. avec ou sans technologie de stockage), ou deux
ou plusieurs ressources d’énergies renouvelables (par exemple solaire PV/Hydroélectrique).
Les systèmes hybrides comparativement aux systèmes avec une seule source, offrent un
haut niveau de sécurité énergétique et de fiabilité grâce à un ensemble intégré de produc-
tion [1].
Une analyse réalisée par le gouvernement du Bénin et le Millenium Challenge Corporation

(MCC) en octobre 2012 a démontré que l’insuffisance des infrastructures en électricité sont
des contraintes réelles qui freinent la croissance du Bénin. Ainsi pour propulser le secteur
de l’énergie électrique au Bénin, le programme MCA II va s’atteler à développer quatre pro-
jets qui en constituent le cœur dont le projet de production d’électricité. Ce projet a pour
objectif d’augmenter la capacité de production nationale du Bénin jusqu’à 46 MW tout en
diminuant la dépendance du pays aux sources d’énergies externes. Cet objectif sera réa-
lisé en installant des centrales de production solaire photovoltaïque ; en réhabilitant et en
installant une capacité de production supplémentaire au niveau d’une centrale hydroélec-
trique existante [4].
1
INTRODUCTION GÉNÉRALE
Dans le cadre de l’activité de production photovoltaïque, l’État en qualité d’autorité concé-

dante et représenté par le ministère de l’énergie a lancé en juin 2019 un avis de pré-qualification
pour la construction de quatre centrales solaires photovoltaïques (réparties en deux lots) à
Natitingou, Djougou, Parakou, Bohicon pour une puissance d’environ 50 MW sous forme
d’IPP (Independent Power Producer) [5].
Le lot A (20 MW) de ce projet est composé d’une centrale sur le site de Natitingou (20 ha),
d’une capacité maximale de 10 MW et d’une centrale sur le site de Djougou (25 ha), d’une
puissance maximale de 10 MW. Quant au lot B (30 MW), il est composé d’une centrale sur
le site de Bohicon (50 ha) d’une puissance maximale de 15 MW et d’une centrale sur le site
de Parakou (48 ha) d’une puissance maximale de 15 MW [5].
Notre étude portera sur le lot A en particulier sur la centrale solaire photovoltaïque projetée
sur le site de Natitingou.
L’activité de production de la centrale hydroélectrique consiste à : réhabiliter la centrale

existante à Yéripao (dans la ville de Natitingou) ; moderniser la centrale pour permettre sa
conduite à distance depuis la centrale thermique de Bérécingou ; renforcer la capacité de
la centrale par l’installation de la deuxième turbine qui portera la puissance de 0,5 MW à 1
MW [4].
Au regard de tout ce qui précède, la commune de Natitingou grâce à son potentiel hydrau-
lique et solaire (un ensoleillement moyen annuel de 7,50 kWh/m2 /j) [6], occupe une place
de choix dans le processus de développement du secteur de l’énergie au Bénin. Actuel-
lement desservie par la centrale thermique de Bérécingou et la centrale hydroélectrique
de Yéripao (actuellement en panne), l’insertion d’une centrale PV dans le mix énergétique
de Natitingou participera certainement à une réduction des émissions de gaz à effet de
serre engendrées par la centrale thermique. Cette intégration participera aussi à enrichir
un tant soit peu les infrastructures de production d’électricité du Bénin et par ricochet une
diminution de la dépendance du pays aux sources d’énergies externes. Cependant le rac-
cordement des systèmes PV au réseau nécessite une optimisation afin de ne pas perturber
les performances du réseau.
C’est dans ce cadre qu’intervient ce travail qui porte sur "l’optimisation technico-économique
de l’insertion d’un système hybride de production d’électricité sur le réseau de distribution
HTA (Haute Tension Catégorie A) de Natitingou". Il s’agit d’une part de faire l’optimisation
de la taille et de la position d’une centrale PV sur le réseau de distribution HTA de Nati-
tingou. D’autre part, nous utiliserons le logiciel HOMER pour effectuer une analyse sur la
viabilité technico-économique du système hybride PV-Diesel-hydroélectricité dont la pro-
duction sera injectée sur le réseau de distribution HTA de Natitingou.
Mémoire d’ingénieur de conception, Romain A. OUSSOU 2

INTRODUCTION GÉNÉRALE
La structure de ce document est organisée en quatre (04) chapitres :
• Le chapitre 1 présente l’approvisionnement en énergie électrique du département

de l’Atacora
• Dans le second chapitre, nous ferons l’étude diagnostique du départ HTA de Nati-
tingou
• Le chapitre 3 sera consacré aux méthodes d’optimisation.
• Enfin le chapitre 4 présente la simulation du système hybride PV-hydro-Diesel connecté

au réseau

Chapitre 1:
Approvisionnement en énergie électrique

du département de l’Atacora
Sommaire
1.1 Introduction partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Les sources d’approvisionnement en énergie électrique du département
de l’Atacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Description du réseau HTA de Natitingou et ses problèmes d’exploitation 7
1.4 Conclusion partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4
C HAPITRE 1 : Approvisionnement en énergie électrique du département de l’Atacora
1.1 Introduction partielle
L’Atacora est un département situé au nord-ouest du Bénin. Il est constitué de neuf com-
munes dont la commune de Natitingou. Cette dernière abrite la centrale thermique de
Bérécingou et la centrale hydroélectrique de Yéripao. L’énergie électrique est rendue dis-
ponible dans le département de l’Atacora grâce à ces deux centrales et la sous-station de
la CEB (Communauté Électrique du Bénin). Cette énergie est ensuite distribuée dans les
communes de Natitingou, Tanguiéta, Boukoumbé, Cobly, Matéri, Pehunko, Kouandé, Ké-
rou et Touncountouna grâce au réseau de distribution HTA de Natitingou. Dans ce cha-
pitre, nous présenterons les sources d’approvisionnement en énergie électrique du dépar-
tement de l’Atacora. Ensuite nous présenterons la description du réseau de distribution
HTA et ses problèmes d’exploitation.
1.2 Les sources d’approvisionnement en énergie électrique

du département de l’Atacora
Le département de l’Atacora est approvisionné en énergie électrique grâce au réseau de

distribution HTA de Natitingou auquel est raccordé la mini-centrale hydroélectrique de
Yéripao et la centrale thermique de Bérécingou. Le réseau est aussi alimenté par la sous-
station de la CEB.
La mini-centrale de Yéripao sur la rivière Kiatiko a une puissance de 0,5 MW et de pro-
ductible 1,7 GWh. Elle dessert une partie de la ville de Natitingou et constitue la première
expérience du Bénin en matière d’hydroélectricité en date de 1997. C’est l’œuvre de la co-
opération avec la Belgique. Les caractéristiques de l’aménagement sont présentées comme
suit [7] :
A. Données hydrologiques
1. Bassin versant 74 km2

2. Apport moyen annuel 78 Mm3
3. Débit moyen annuel 0,481 m3 /s
4. Crue décanale 100 m3 /s
B. Retenue
1. Côte de retenue normale 400 m

2. Niveau estimé en fond de vallée 367 m

3. Volume de retenue 95 Mm3

4. Volume utilisable 55 Mm3
5. Superficie de la retenue 7,7 km2
C. Barrage
1. Hauteur du barrage 7m
2. Volume du barrage (en terre) 2 Mm3
D. Centrale
1. Puissance potentielle 1 MW
2. Puissance installée 500 kW
3. Productible annuel 1,7 GWh
4. Turbine Pelton 500 kW
5. Énergie produite 14,7 GWh sur 10 ans
6. Chute 130 m
La centrale tourne sur une durée de 3 à 16h/jour en saison sèche et 24h/24 en saison plu-
vieuse. Il faut toutefois mentionner que cette centrale est actuellement à l’arrêt pour une
panne, faute de maintenance. Le tableau 1.1 présente la production hydroélectrique à Yé-
ripao entre 2005 et 2013.
TABLEAU 1.1 – Production hydroélectrique à Yéripao entre 2005 et 2013 [8]
Année Production en GWh

2005 0,8
2006 0,4
2007 0,2
2008 0
2009 0
2010 0
2011 0
2012 0,4
2013 0

On remarque que cette mini-centrale est pour la plupart du temps à l’arrêt pour faute de
maintenance. Le département de l’Atacora est donc le plus souvent alimenté par la sous
station de la CEB et la centrale thermique de Bérécingou. Mise en service en 2005 puis
réhabilitée en 2019, la centrale thermique de Bérécingou a actuellement une puissance
installée de 8 MW. Cependant l’évolution de la demande de charge a entrainé une évolution
de la demande de pointe ces dernières années. L’augmentation de la demande globale dans
la région, pourrait s’expliquer par le fait que la région soit un centre touristique mais aussi
par les nouvelles connexions des consommateurs [8].
La figure 1.1 présente la prévision de l’évolution de la demande de pointe au niveau de la
sous-station de Natitingou entre 2018 et 2025.
F IGURE 1.1 – Évolution de la demande de pointe [8]
On remarque une croissance de la demande de pointe (9,303 MWh en 2018) à (15,944 MWh
en 2025), soit une augmentation de 41,65 %. De nouvelles sources d’approvisionnement
s’avèrent donc nécessaires pour couvrir la demande de charge de Natitingou.
1.3 Description du réseau HTA de Natitingou et ses problèmes

d’exploitation
1.3.1 Description du réseau HTA de Natitingou
Le réseau de distribution HTA est essentiellement du type aérien dans le département de

l’Atacora. Ce réseau est constitué de l’ensemble des départs issus du poste de répartition.

Les départs HTA alimentent les postes de distribution HTA/BT qui sont soit en cabine (H
59) ou sur poteaux et parfois pour des contraintes d’exploitation exceptionnelle sur châssis
(H 61) [9]. En effet, le départ HTA de Natitingou est l’un des départs du poste de répartition
de Bérécingou (figure 1.2). Ce départ possède deux arrivées :
• l’arrivée 33 kV de la sous-station de la CEB ( le niveau de tension est ensuite abaissé
à 11 kV grâce à un transformateur (33/11 kV) ) ;
• l’arrivée 11 kV des groupes diesel de la centrale thermique de Bérécingou.
Le départ est ensuite alimenté en 15 kV via un transformateur (11/15 kV).
F IGURE 1.2 – Schéma unifilaire du poste de répartition de Bérécingou
Le réseau de distribution HTA de Natitingou est constitué de deux lignes aériennes : une
ligne de 15 kV et une autre de 20 kV. D’une topologie radiale ce réseau est constitué des
câbles de section 34 mm2 , 54,6 mm2 , 75,5 mm2 et 117 mm2 . Il comporte 2 types de postes
de transformation HTA/BT (un transformateur abaisseur 15/5,5 kV et un transformateur
élévateur 5,5/20 kV) puis 111 postes de transformation HTA/BT (15/0.41 kV).
Les postes de transformations HTA/BT (15/0.41 kV) sont réparties en deux catégories :
• Les postes H 61 montés sur poteaux ou sur châssis dont les puissances des transfor-
mateurs sont respectivement : 50, 65, 100, 160 kVA.

• Les postes en cabine H 59 de puissance respectives : 250, 350, 400 et 630 kVA.
Parmi ces postes de transformation, on distingue : les postes publics et les postes privés.
Les tableaux 1.2 et 1.3 présentent respectivement le détail des puissances installées au ni-
veau des différents postes puis le bilan de puissance.
TABLEAU 1.2 – Les puissances installées au niveau des différents postes
Types de postes Puissance unitaire Nombre Puissance totale

en kVA en kVA
250 8 2000
350 1 350
H 59
400 5 2000
630 1 630
Total 15 4980
50 39 1950
65 1 65
100 36 3600
160 20 3200
H 61
Total 96 8815
TABLEAU 1.3 – Bilan de puissance du réseau HTA de Natitingou
Types de postes Nombre Puissance totale

en kVA
H 59 15 4980
H 61 96 8815
Total 111 13 795
Le réseau de distribution de Natitingou est protégé par trois types d’équipements de pro-
tection : 90 Interrupteurs A Commande Manuelle (IACM) ; 25 éclateurs et 94 parafoudres.
Le schéma suivant présente l’architecture du départ HTA de Natitingou.

1.3.2 Les problèmes d’exploitation
Le réseau HTA de Natitingou est souvent soumis à de nombreux problèmes d’exploitation.

Une analyse effectuée par la Direction de la Distribution (DD) de la SBEE nous a permis
d’identifier la proportion des incidents par région.
La plupart des incidents sont dus aux pluies orageuses, qui ont entrainé la défectuosité des
équipements qui composent le réseau [9].
Les différents types d’incidents souvent constatés sont [9] :
— les transformateurs avariés,
— les isolateurs cassés,
— les conducteurs à terre,
— les infiltrations d’eau dans les boîtes de jonction.
Des accidents de véhicule et des actes de vandalisme sont également à l’origine des per-
turbations du réseau de distribution.
La figure 1.3 présente le récapitulatif du nombre de défauts par région.
F IGURE 1.3 – Récapitulatif du nombre de défauts par région
Avec :
DRL1 : Direction Régionale du Littoral 1
DRL2 : Direction Régionale du Littoral 2
DRA : Direction Régionale de l’Atlantique
DROP : Direction Régionale de l’Ouémé – Plateau

DRZC : Direction Régionale du Zou – Collines

DRMC : Direction Régionale du Mono - Couffo
DRBA : Direction Régionale du Borgou – Alibori
DRATAD : Direction Régionale de l’Atacora – Donga
On remarque sur la figure 1.3 que la proportion des incidents à la DRATAD a pratiquement
triplé entre 2017 et 2018.
En effet, à la DRATAD (Natitingou) la ligne 33kV qui relie Natitingou à Kouandé, Kérou, Pé-
hunco et Banikoara, subit régulièrement des perturbations. Cette ligne traverse les végéta-
tions sans couloirs appropriés, conséquences les branches d’arbre tombent régulièrement
dans le réseau. Par ailleurs, la ligne développe un courant capacitif lié à sa longueur et aux
ruptures récurrentes des assiettes des isolateurs en verres trempées réduisant les lignes de
fuites, source des amorçages par contournement et l’augmentation des courants homopo-
laires [9].
La figure 1.4 donne la proportion des incidents par région.
F IGURE 1.4 – Proportion des incidents par région
On remarque que la DRATAD fait partie des trois régions les plus touchées par des incidents
en 2018 avec un pourcentage de 13% derrière la DRBA (18%) et la DRA (21%).
Les proportions des déclenchements survenus sur les départs de la DRATAD sont présen-
tées par la figure 1.5.

F IGURE 1.5 – Déclenchement par départ dans la région Atacora-Donga
On remarque que le départ HTA de Natitingou fait partie des départs les plus impactés
par le phénomène de déclenchement avec un pourcentage de 16% derrière le départ de
Djougou 21% et celui de 2KP 36%.
Tous ces incidents ont entrainé des interruptions dans la fourniture d’énergie électrique.
Dans ces conditions, l’énergie étant bien disponible, ne parvient pas aux consommateurs :
on parle d’énergie non distribuée (END). Il s’agit en effet des kilowattheures (kWh) qui
auraient pu être distribués s’il n’y avait pas eu de coupure à cause des incidents.
Le tableau 1.4 présente la répartition des énergies non distribuées par région :
TABLEAU 1.4 – Énergie Non Distribuée par région en 2018
Régions END
DRL1 1 120 582
DRL2 1 227 472
DRA 1 623 615
DROP 246 159

Suite du TABLEAU 1.4
Régions END
DRMC 116 891
DRZC 840 304
DRBA 455 487
DRATAD 428 855
On remarque que la DRATAD fait partie des régions ayant le plus faible taux d’END (428855
kWh) en 2018. Néanmoins cette END aurait pu rapporter à la SBEE une somme non négli-
geable de 47 602 905 FCFA.
La proportion d’END par région est représentée sur la figure 1.6 avec un pourcentage de
9% pour la DRATAD
F IGURE 1.6 – Proportion d’énergie non distribuée par région
La figure 1.7 présente l’END par région en 2017 et en 2018.

On constate que mise à part la DROP et la DRMC où l’END a subi une tendance baissière,
elle a augmenté dans toutes les autres régions en l’occurence la DRATAD où elle a plus que
doublé.

F IGURE 1.7 – Énergie non distribuée par région en 2017 et 2018
1.4 Conclusion partielle
Dans ce chapitre, nous avons présenté les sources d’approvisionnement en énergie élec-
trique du département de l’Atacora. Ensuite, nous avons présenté le réseau de distribu-
tion HTA de Natitingou et ses problèmes d’exploitation. Nous remarquons que la demande
de pointe à la sous-station de Natitingou connaîtra une forte croissance à l’horizon 2025.
D’où la nécessité de disposer de nouvelles sources d’approvisionnement. Par conséquent,
l’étude diagnostique du réseau s’avère nécessaire car elle joue un rôle clé dans la planifica-
tion des extensions du réseau existant.

Chapitre 2:
Étude diagnostique du départ HTA de Na-

titingou
Sommaire
2.2 Formulation du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Modélisation des éléments du réseau électrique . . . . . . . . . . . . . . . 17
2.4 Équations de l’écoulement de puissance . . . . . . . . . . . . . . . . . . . . 21
2.5 Les types de nœuds dans les réseaux électriques . . . . . . . . . . . . . . . 24
2.6 Méthodes numériques de résolution d’un problème d’écoulement de
puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.7 Simulation du réseau HTA de Natitingou . . . . . . . . . . . . . . . . . . . . 31
16
C HAPITRE 2 : Étude diagnostique du départ HTA de Natitingou
Ce chapitre présente la modélisation du réseau électrique, les techniques itératives (mé-

thodes numériques) pour la résolution du problème de l’écoulement de puissance puis
l’utilisation de la méthode de Newton-Raphson pour la détermination de l’état du réseau
HTA de Natitingou.
2.2 Formulation du problème
Le réseau de distribution de Natitingou est constitué d’une série de charges à alimenter

à partir de générateurs. Toutes ces charges sont dispersées et reliées entre elles par des
lignes électriques, l’ensemble constituant le réseau lui-même. Les capacités de production
des différents générateurs étant connues, comment déterminer l’état électrique complet
du réseau ? Ce problème général est connu sous le vocable de calcul de l’écoulement de
puissance.
L’objectif de l’écoulement de puissance est donc de fournir les informations suivantes [10] :
• le module et la phase de la tension au niveau de chaque nœud ;
• les puissances active et réactive transitées dans chaque ligne ;
• la puissance réactive fournie par chaque générateur.
L’écoulement de puissance est calculé en supposant que [11] :

• le réseau fonctionne en régime permanent ;
• il y a équilibre des phases ;
• la fréquence du réseau est constante.
2.3 Modélisation des éléments du réseau électrique
Un réseau électrique est un système d’éléments interconnectés destiné à produire, trans-

porter, distribuer l’énergie électrique et veiller sur la qualité de cette énergie, notamment
la continuité de service et la qualité de la tension.
Les éléments principaux d’un réseau peuvent être classés en trois sous-systèmes [12] :
• Production (génératrices) ;
• Transport, répartition et distribution (lignes) ;
• Utilisation (consommateurs).
Pour étudier un réseau d’énergie électrique complexe, des modèles ou schémas équiva-
lents de ces principaux composants (générateurs, différents types de transformateurs, lignes

et charges) sont établis. Les modèles des différents éléments qui participent à l’étude diag-
nostique du réseau HTA de Natitingou sont présentés dans cette section.
2.3.1 Modèle du générateur
Un générateur est modélisé comme une injection de puissance complexe sur un nœud
spécifique. Pour le générateur i, l’injection est modélisé par l’équation 2.1 et la figure 2.1 :
SGi = PGi + jQGi (2.1)
F IGURE 2.1 – Le schéma d’un générateur
Avec :
SGi la puissance apparente complexe ;
Vi le module de la tension au nœud i ;
δi la phase de la tension au nœud i.
Les limites de production des générateurs sont définies par [13] :
PGi,min ≤ PGi ≤ PGi,max (2.2)
QGi,min ≤ QGi ≤ QGi,max (2.3)
Dans les calculs de transit de puissance, la puissance PGi est prise constante et la tension
peut être maintenue en module à une valeur de consigne constante. La puissance réactive
quant à elle dépend de l’état du réseau. Lorsque QGi dépasse une de ces limites, sa valeur
est fixée à cette valeur limite et la tension ne peut plus être contrôlée. Le nœud n’est plus
considéré comme générateur mais comme une charge [13].

2.3.2 Modèle des lignes
Les lignes et les câbles peuvent être modélisés par un schéma équivalent électrique en Π.
Le modèle en Π est l’un des plus répandus pour les éléments passifs. Il donne des caracté-
ristiques symétriques (quel que soit le sens de parcours de la puissance, l’impédance vue
du nœud i est la même que celle vue du nœud j) [14].
F IGURE 2.2 – Modèle en Π d’une ligne ou d’un câble
Avec :
R la résistance de la ligne ;
X la réactance de la ligne ;
C la capacitance de la ligne.
La capacité peut être ignorée sans beaucoup d’erreur si les lignes aériennes sont moins de
80 kilomètres de long ou si le niveau de tension ne dépasse pas 66 kV [15].
Selon la norme UTE C18-510, les lignes HTA sont des lignes pour lesquelles les tensions
sont comprises entre 1 kV et 50 kV. De plus la plupart des lignes du réseau HTA de Natitin-
gou ont leur longueur en dessous de 80 km. Il s’agit ainsi des lignes courtes. On peut donc
négliger l’effet capacitance pour avoir le modèle de la figure 2.3.
F IGURE 2.3 – Modèle en Π d’une ligne électrique de distribution
L’impédance de ligne est donnée par l’expression 2.4.
Z ij = Rij + jXij (2.4)

Avec :
Rij la résistance de ligne ;
Xij la réactance de ligne.
2.3.3 Modèle de charge
Une charge est modélisée par une impédance qui consomme une puissance active constante
Pi et une puissance réactive constante Qi [10].
La puissance apparente complexe d’une charge branchée au nœud i est donnée par l’ex-
pression 2.5.
S i = Pi + jQi (2.5)
Avec :
S i la puissance apparente complexe de la charge ;
Pi la puissance active de la charge ;
Qi la puissance réactive de la charge.
La figure 2.4 présente le modèle d’une charge :
F IGURE 2.4 – Modèle de charge
2.3.4 Le système per unit (p.u)
Le système p.u est un système de grandeurs réduites, qui permet d’avoir constamment
à l’esprit, des ordres de grandeurs relatifs de certains paramètres indépendamment des
niveaux de tension et de puissance. Il permet d’exprimer toutes les grandeurs des éléments
du réseau, dans un système unique de référence, donnant lieu à des grandeurs réduites. Il
est utilisé pour faciliter les calculs, et détecter rapidement les valeurs de calcul erronées
[16] [17].

Une grandeur réelle quelconque gr (tension, courant, impédance, admittance, etc) peut
être exprimée en p.u (gpu ) par rapport à la grandeur de base correspondante (gb ) par la
relation 2.6 [17] :
gr
gpu = [Sans dimension] (2.6)
gb
Dans le système p.u, la résistance et la réactance de la ligne sont respectivement normali-

sées en les rapportant à une impédance de base Zb calculée selon la formule 2.7. [18]
UB2
Zb = (2.7)
SB
Avec
• UB la tension de base en kV du réseau ;
• SB la puissance de base en kVA ;
• Zb l’impédance de base en Ω.
2.4 Équations de l’écoulement de puissance
2.4.1 Formulation de la matrice d’admittance
La matrice d’admittance est un ensemble de données qui représente les relations d’admit-
tance dans un réseau électrique. Autrement dit, dans un réseau électrique on peut repré-
senter le lien existant entre les courants injectés aux nœuds et leur tension par la matrice
d’admittance [10]. Soit le réseau à trois nœuds de la Figure 2.5 tiré de [11] :
De la figure 2.5, on a :
I 1 = I 11 + I 12 + I 13 (2.8)
I 1 = V 1 y 11 + (V 1 − V 2 )y 12 + (V 1 − V 3 )y 13 (2.9)
I 1 = V 1 (y 11 + y 12 + y 13 ) − V 2 y 12 − V 3 y 13 (2.10)
Avec V 1 , V 2 et V 3 , respectivement les tensions aux nœuds 1, 2 et 3

En posant :
Y 11 = y 11 + y 12 + y 13 , Y 12 = −y 12 et Y 13 = −y 13

F IGURE 2.5 – Réseau à trois nœuds
L’expression du courant I 1 devient :
I 1 = V 1 Y 11 + V 2 Y 12 + V 3 Y 13 (2.11)
De manière analogue, les expressions de I 2 et I 3 sont déterminées :
I 2 = V 1 Y 21 + V 2 Y 22 + V 3 Y 23 (2.12)
I 3 = V 1 Y 31 + V 2 Y 32 + V 3 Y 33 (2.13)
A un nœud i de ce réseau à trois nœuds, le courant injecté est donc :
3
X
Ii = Y ik V k (2.14)
k=1
De façon générale, pour un réseau à n nœuds, l’expression du courant au nœud i est :
n
X
Ii = Y ik V k (2.15)
k=1 i=1,....,n
La forme matricielle de cette équation est :

    
I1 Y 11 Y 12 · · · Y 1n V1
 I 2   Y 21 Y 22 · · · Y 2n   V 2 
    
 =
 ..   .. .. .. ..   .. 
 
.  . . . .  . 
In Y n1 Y n2 · · · Y nn Vn
La matrice Yij est appelée : matrice admittance du réseau.
2.4.2 Formulation des équations de l’écoulement de puissance
Les puissances apparentes injectées dans chaque nœud sont données par les équations
2.16 à 2.18 :
∗
S 1 = P1 + jQ1 = V 1 I 1 (2.16)
∗
S 2 = P2 + jQ2 = V 2 I 2 (2.17)
..
.
∗
S n = Pn + jQn = V n I n (2.18)
En tenant compte des équations précédentes, on a :
n
∗ ∗ ∗ ∗ ∗ X ∗
V 1I 1 =V 1 (y 11 V 1 + y ∗12 V 2 + ··· + y ∗1n V n ) =V1 y ∗1k V k (2.19)
k=1
n
∗ ∗ ∗ ∗ ∗ X ∗
V 2I 2 =V 2 (y 21 V 2 + y ∗22 V 2 + ··· + y ∗2n V n ) =V2 y ∗2k V k (2.20)
k=1
..
.
n
∗ ∗ ∗ ∗ X ∗
V n I n = V n (y ∗n1 V 1 + y ∗n2 V 2 + · · · + y ∗nn V n ) = V n y ∗nk V k (2.21)
k=1
Si on adopte la représentation polaire pour les admittances et les tensions :
y ik = yik ejθik (2.22)
V i = Vi ejδi (2.23)
V k = Vk ejδk (2.24)
L’équation 2.18 devient donc :

n
X
Pi + jQi = yik Vi Vk ej(δi −δk −θik ) (2.25)
k=1 i=1,n
Ainsi les équations non linéaires qui décrivent un réseau à n nœuds sont :
n
X
Pi = yik Vi Vk cos(δi − δk − θik ) (2.26)
k=1 i=1,n
n
X
Qi = yik Vi Vk sin(δi − δk − θik ) (2.27)
k=1 i=1,n
Si on adopte la représentation polaire pour les tensions et la représentation cartésienne

pour les admittances, on a :
n
X
Pi = Vi Vk [Gik cos(δik ) + Bik sin(δik )] (2.28)
k=1 i=1,n
n
X
Qi = Vi Vk [Gik sin(δik ) − Bik cos(δik )] (2.29)
k=1 i=1,n
Tel que : y ik = Gik + jBik et δik = δi − δk

A partir des équations 2.28 et 2.29, on remarque que chaque nœud est défini par quatre
grandeurs électriques à savoir :
• le module de la tension Vi ;
• la phase de la tension δi
• la puissance active Pi ;
• la puissance réactive Qi .
2.5 Les types de nœuds dans les réseaux électriques
Pour un nœud i donné, deux des quatre variables qui sont : le module de la tension Vi ,
la phase ou l’argument de la tension δi , la puissance active Pi et la puissance réactive Qi ,
doivent être spécifiées, les deux autres variables seront calculées par l’analyse de l’écoule-
ment de puissance. A cet effet, on distingue [10] :
— Les nœuds PV : Ce sont les nœuds de génération, la puissance active est contrôlée par
la vitesse de la turbine et la puissance réactive est contrôlée par le courant d’excita-
tion, ces deux grandeurs sont donc connues, l’analyse de l’écoulement de puissance

doit donc calculer l’argument de la tension et la puissance réactive concernant ces

nœuds.
— Les nœuds PQ : Ce sont les nœuds de charge (de consommation), les puissances
active et réactive doivent être estimées (connues) d’une manière précise.
— Le slack bus : Ce nœud est appelé nœud de référence ou de balancier (slack ou swing
bus). Pour le slack bus, le module et l’argument de la tension sont spécifiés (l’argu-
ment est généralement pris égal à 0), tandis que les puissances active et réactive sont
des inconnues.
Le tableau 2.1 présente le récapitulatif des types de nœuds dans les réseaux électriques.
TABLEAU 2.1 – Les types de nœuds dans les réseaux électriques.
Types de nœuds P Q V δ
PV connue inconnue connue inconnue
PQ connue connue inconnue inconnue
Slack bus inconnue inconnue connue connue
2.6 Méthodes numériques de résolution d’un problème d’écou-

lement de puissance
2.6.1 Revue de littérature sur les différentes méthodes
2.6.1.1 Méthode de Gauss Seidel
On utilise des valeurs estimées des tensions des jeux de barres pour calculer un ensemble
de nouvelles valeurs. Les nouvelles valeurs sont fonctions des valeurs estimées des ten-
sions, des puissances actives et réactives spécifiées et des admittances du réseau. Chaque
fois qu’un ensemble de valeurs de tensions est obtenu, le nombre d’itérations augmente
d’une unité, jusqu’au point où au niveau de tous les jeux de barres, la différence entre deux
tensions appartenant à deux itérations successives est inférieur à une certaine valeur qu’on
spécifie et qu’on appelle tolérance ou précision. Pour un réseau de N jeux de barres, la ten-
sion calculée à n’importe quel jeu de barres k est donnée par [19] :

a) Méthode de Gauss
" N
#
(l) 1 Pk − jQk X
Vk = ∗(l−1)
− Ykn Vn(l−1) (2.30)
Ykk Vk n=1
b) Méthode de Gauss-Seidel
" k−1 n
#
(l) 1 Pk − jQk X (l)
X (l−1)
Vk = ∗(l−1)
− Yki Vi − Yki Vi (2.31)
Ykk Vk i=1 i=k+1
Où :
• l indique l’itération en cours. Tandis que l − 1 indique l’itération précédente ;
• Vi le module de la tension au jeu de barres i ;
• Yij le module de l’admittance de la branche ij ;
• Pi la puissance active du jeu de barres i ;
• Qi la puissance réactive du jeu de barres i.
2.6.1.2 Méthode de Gauss Seidel avec accélération
La méthode de Gauss-Seidel avec accélération utilise le même processus que celle de Gauss-
Seidel sans accélération sauf que la valeur calculée sera accélérée avant d’être introduite
dans le calcul de la valeur suivante. La valeur accélérée est calculée à partir de l’expression
suivante [17] :
(k+1) (k) (k+1)

Vi = Vi + α∆Vi (2.32)
(k+1)
On calcule ∆Vi après chaque itération en utilisant l’expression suivante :
(k+1) (k+1) (k)

∆Vi = Vi − Vi (2.33)
Les calculs s’arrêtent lorsque la condition suivante est vérifiée :
(k+1)
|∆Vi |≤ (2.34)
Le coefficient α est dit « cœfficient d’accélération de convergence ». Chaque réseau pos-

sède son propre facteur optimal qui permet de réduire considérablement le nombre d’ité-
rations, par conséquent le temps de calcul. Ce facteur est compris généralement entre 1,4
et 1,8 [12].

Commentaire : La méthode de GAUSS-SEIDEL se caractérise par sa faible convergence ;

elle peut diverger complètement si la valeur initiale est mal choisie. Même si les petits ré-
seaux ne nécessitent que peu d’itérations pour converger, les grands réseaux, par contre,
demandent un grand nombre d’itérations si toutefois, ils convergent. Ce qui amena les
chercheurs à développer la méthode de Newton-Raphson [17].
2.6.1.3 La méthode de Newton-Raphson
Cette méthode est la plus utilisée pour résoudre les équations non linéaires. Dans les ré-
seaux électriques, elle a été aussi la méthode préférée pour la plupart des logiciels com-
merciaux d’analyse de réseaux électriques. La forte convergence et la simplicité de cette
méthode la rendent très efficace [10].
Une fois la modélisation des éléments réalisée et la formulation de l’ensemble des équa-
tions complétée, on utilise une méthode itérative afin d’obtenir les valeurs inconnues des
nœuds selon leur type.
Typiquement, un système d’équations non linéaires peut-être représenté par l’équation
suivante :
f (x) = 0 (2.35)
En appliquant les séries de Taylor, il est possible d’approcher une solution pour le système
d’équations 2.35 comme suit :
x(k+1) = x(k) − [j (k) ]−1 f (x(k) ) (2.36)
x(k+1) La solution estimée à l’itération k + 1

f (x(k) ) La fonction évaluée en x(k)
∂f
[j (k) ]−1 L’inverse de la matrice jacobienne, soit |
∂x x=x(k)
Les itérations sont faites jusqu’au moment où la différence entre x(k) et x(k+1) est inférieure
à l’erreur ou à une précision définie à l’avance. Dans ce cas, la solution est dite conver-
gente. Pour les réseaux électriques, les équations qui déterminent les puissances actives et
réactives sous forme rectangulaire sont données par les expressions suivantes :
n
X
Pi (x) = Vi Vk (Gik cos(δi − δk ) + Bik sin(δi − δk )) (2.37)
k=1 i=1,n

n
X
Qi (x) = Vi Vk (Gik sin(δi − δk ) + Bik cos(δi − δk )) (2.38)
k=1 i=1,n
Soit Pi et Qi la puissance active et réactive au nœud i. Alors, la formule de base 2.35 qui
caractérise l’écoulement de puissance devient :
(
Pi (x) − Pi = ∆Pi = 0
f (x) = (2.39)
Qi (x) − Qi = ∆Qi = 0
Il est important aussi de souligner que la complexité de cette méthode appliquée dans les
réseaux électriques est de calculer efficacement la matrice Jacobienne, c’est-à-dire, les dé-
rivées de la puissance active et réactive par rapport aux angles et aux modules de la tension.
La matrice Jacobienne dans l’écoulement de puissance est présentée en quatre sous-matrices
(équation 2.40) :
" # " #
∂∆Pi ∂∆Pi
J11 J12 ∂δi ∂Vi
J= = ∂∆Q ∂∆Qi
(2.40)
J21 J22 ∂δi
i
∂Vi
Par suite l’équation de l’écoulement de puissance par la méthode de Newton-Raphson est :

[20]
" # " #" #

∆Pi J11 J12 ∆δ
= (2.41)
∆Qi J21 J22 ∆V
La solution du système 2.41 est donnée par :
" # " #
∆δ ∆Pi
= [J]−1 (2.42)
∆V ∆Qi
Commentaire : La méthode de Newton-Raphson nécessite plus de temps par itération

que celle de GAUSS-SEIDEL, alors qu’elle ne demande que quelques itérations même pour
les grands réseaux. Cependant, elle requiert des capacités de stockage ainsi que des puis-
sances de calcul importantes. A cause de la convergence quadratique de la méthode de
Newton-Raphson, une solution de haute précision peut être obtenue en quelques itéra-
tions seulement. Ces caractéristiques font le succès de la méthode de Newton-Raphson
[17].

2.6.1.4 Méthode de Découplée Rapide (Fast Decoupled Load Flow)
Pour une petite variation dans le module de la tension au JdB (Jeu de barres), la puissance
active au JdB ne varie pas d’une façon appréciable. Même aussi pour une petite variation
de l’angle de phase de la tension au JdB, la puissance réactive ne subit pas une variation
appréciable. Donc on suppose que les éléments J12 et J21 de la matrice Jacobienne sont
nuls [17] :
" # " #" #

∆Pi J11 0 ∆δ
= (2.43)
∆Qi 0 J22 ∆V
Si on observe la valeur numérique des éléments de la matrice jacobienne utilisée dans plu-
sieurs systèmes, on découvre que les éléments de J11 et J22 sont invariablement beaucoup
plus grands que ceux de J12 et J21 . Et en se basant sur les découplés P δ et QV , on peut sup-
poser J12 = 0 et J21 = 0. A partir de cela, on peut avoir deux systèmes d’équations linéaires
indépendantes pour chaque itération. Ce qui réduit l’expression 2.43.
(
∆Pi = J11 .∆δ
(2.44)
∆Qi = J22 .∆V
Commentaire : La méthode de découplée rapide (FDL) effectue les mêmes temps d’exécu-
tion que celle de Newton-Raphson pour les petits réseaux [17]. Cependant, elle est moins
convergente que la méthode de Newton-Raphson. De plus, elle requiert plus d’itérations
que le Newton-Raphson et le nombre d’itérations augmente avec la taille du système [11].
2.6.2 Choix de la méthode numérique
La section précédente a été consacrée à une revue de littérature sur les différentes mé-
thodes numériques de résolution d’un problème d’écoulement de puissance. Dans cha-
cune de ces méthodes, on procède généralement de la manière suivante [11] :
• une solution initiale des variables est supposée ;
• cette solution est utilisée conjointement avec les relations 2.28 et 2.29 pour obtenir
une deuxième et meilleure solution ;
• cette deuxième solution estimée est ensuite utilisée pour trouver une troisième, etc
La procédure continue de façon répétitive jusqu’à la convergence vers une solution ac-
ceptable proche de la solution finale. Bien que ces différentes méthodes présentent une
similitude dans leurs manières de procéder, elles se différencient sur plusieurs points.

Après une étude comparative des différentes méthodes dans la section précédente, nous
choisissons la méthode de Newton-Raphson pour l’appliquer au problème d’écoulement
de puissance du réseau HTA de Natitingou. En effet, cette méthode ne dépend pas de la
taille du système et converge rapidement en peu d’itérations. De plus, dans la plupart des
travaux abordant l’étude de l’écoulement de puissance dans un réseau de distribution [12]
[20], la méthode de Newton-Raphson s’est avérée particulièrement efficace en raison de
ses caractéristiques de forte convergence.
Les différentes étapes du calcul de l’écoulement de puissance par la méthode de Newton-
Raphson sont détaillées dans l’algorithme 1 [11].
Cet algorithme a été implémenté sous le logiciel de calcul numérique Matlab. Développé
par la société Mathworks en 1984, nous avons choisi ce logiciel parce-qu’il s’agit d’un des
langages de programmation scientifique les plus populaires et les plus efficaces. Matlab
est un langage pour le calcul scientifique, l’analyse de données, leur visualisation, le dé-
veloppement d’algorithmes. Son interface propose un environnement de développement
intégré (IDE) pour la programmation d’applications. La particularité de Matlab est de ma-
nipuler uniquement des variables numériques (pas de calcul formel). Par défaut ces va-
riables sont codées sur 64 bits (double précision) et peuvent contenir jusqu’à 16 chiffres
significatifs [21].

Algorithme 1 : Algorithme de Newton-Raphson pour l’écoulement de puissance

Entrées Paramètres de branches
Valeurs de puissances sources et charges
Valeurs initiales de V et δ
Tolérance et nombre d’itération Ni
Former la matrice admittance
k←0
tant que (max|∆P | > OU max|∆Q| > ) ET (k < Ni ) faire
pour (tous les nœuds) faire
Calculer les éléments de la matrice Jacobienne
Calculer ∆V et ∆δ à partir de l’équation 2.42
Mettre à jour V et δ
V k+1 = V k + ∆V k (2.45)
δ k+1 = δ k + ∆δ k (2.46)
k ←k+1
fin
fin
2.7 Simulation du réseau HTA de Natitingou
Les paramètres de simulation de l’écoulement de puissance du réseau HTA de Natitingou

sont présentés dans le tableau 2.2 :
TABLEAU 2.2 – Paramètres de simulation
Puissance de base (M V A) 100

Type d’algorithme Newton-Raphson
Facteur de puissance cosφ 0,9
Le profil de tension issu de l’écoulement de puissance est présenté à la figure 2.6 :

F IGURE 2.6 – Profil de tension initial du réseau HTA de Natitingou

La zone délimitée par les deux traits en rouge est la plage spécifiée par la norme NF EN
50160, et dans laquelle les tensions doivent se situer.
A l’examen de la figure 2.6, nous remarquons que 107 nœuds sur les 211, soit environ 50,71
% des nœuds ne sont pas dans la plage spécifiée par la norme NF EN 50160. La tension la
plus faible est celle du nœud 211 et sa valeur est de 0,8378 p.u soit 16,756 kV (au lieu de 20
kV). Les chutes de tensions sont comprises entre 1 % et 16,22 % de la tension nominale,
ce qui est non conforme aux spécifications de la norme NF EN 50160. En effet, la norme
NF EN 50160 stipule que les tensions doivent se situer dans les proportions de ±5 % de la
tension nominale [20]. Cela signifie que le profil de tension du réseau de distribution HTA
de Natitingou ne respecte pas les exigences.
Le bilan de l’écoulement de puissance de base est résumé dans le tableau 2.3 :
TABLEAU 2.3 – Bilan de l’écoulement de puissance
Tension minimale (p.u) 0,8378

Tension maximale (p.u) 1
Pertes actives (kW) 407,1
Pertes réactives (kVAr) 351,4
Les chutes de tension sont très élevées surtout dans les zones éloignées du poste source en
raison de la longueur du réseau qui est très élevée. Ceci justifie la nécessité de décentrali-
ser la production d’énergie pour réduire les pertes en ligne. D’où l’intérêt de la construction
d’une centrale solaire photovoltaïque, à injecter sur le réseau de distribution de Natitingou,
dans le cadre du projet MCA II.
Le choix de la construction d’une centrale photovoltaïque à injecter sur le réseau de Nati-
tingou, pourrait se justifier également par les raisons suivantes [6][13] :
• Contribuer à la réduction de l’émission des gaz à effet de serre comme le CO2 ;
• Les systèmes PV nécessitent un coût d’exploitation et d’entretien très réduit ;
• La commune de Natitingou, dispose d’un fort potentiel solaire (7,50 kWh/m2 /j) pour
faire fonctionner les systèmes PV ;
• Le coût des systèmes photovoltaïques est actuellement en baisse progressive.

Dans ce chapitre, il a été présenté l’étude diagnostique du départ HTA de Natitingou. En

effet, les modèles des différents éléments qui participent à l’étude diagnostique du réseau
ont été présentés. Ensuite, nous avons présenté une revue de littérature sur les différentes
méthodes numériques de résolution d’un problème d’écoulement de puissance puis nous
avons choisi la méthode de Newton-Raphson, grâce à son efficacité et à sa forte conver-
gence. Les résultats de simulation montrent que les chutes de tension sont comprises entre
1% et 16,22% puis les pertes actives et réactives s’élèvent respectivement à 407,1 kW et 351,4
kVar. D’où l’intérêt de la construction d’un GED de type PV dont la production sera injectée
sur le réseau de distribution de Natitingou afin de réduire les pertes.

Chapitre 3:
Méthodes d’optimisation
Sommaire
3.2 Méthodes de dimensionnement et d’optimisation des systèmes hybrides . 36
3.3 L’optimisation multi-objectif par l’algorithme NSGA-II . . . . . . . . . . . 45
3.4 Formulation mathématique du problème d’optimisation du positionne-
ment de la centrale PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.5 Algorithme d’optimisation du positionnement du GED avec le NSGA II . . 52
35
C HAPITRE 3 : Méthodes d’optimisation
Le but de l’optimisation du dimensionnement d’un système hybride est de déterminer

l’ensemble des paramètres de dimensionnement du système afin de minimiser les diffé-
rents coûts, tout en assurant l’alimentation du consommateur sans interruption [22]. Dans
ce chapitre, nous présentons dans un premier temps les différentes techniques d’optimisa-
tion utilisées pour le dimensionnement et l’optimisation des systèmes hybrides de produc-
tion d’électricité. Ensuite nous présentons les critères et contraintes d’optimisation. Enfin,
nous présentons l’algorithme NSGA II utilisé pour le dimensionnement et le positionne-
ment optimal de la centrale PV sur le réseau de distribution HTA de Natitingou
3.2 Méthodes de dimensionnement et d’optimisation des sys-

tèmes hybrides
3.2.1 Méthodes de dimensionnement utilisant des techniques d’optimi-

sation
Plusieurs techniques d’optimisation ont été appliquées par de nombreux chercheurs pour
le dimensionnement et l’optimisation des systèmes hybrides de production d’électricité.
La manière la plus simple pour les classer pourrait être selon leur niveau de complexité et
d’efficacité [23].
• Méthodes de construction graphique
• Méthodes itératives
• Méthodes probabilistes
• Méthodes hybrides
• Méthodes analytiques
• Méthodes d’intelligence artificielle
Dans ce travail, nous allons nous intéresser aux deux dernières méthodes qui sont plus
utilisées et efficaces :
3.2.1.1 Méthodes analytiques
Ce sont des méthodes dans lesquelles les systèmes énergétiques hybrides sont représentés
au moyen de modèles de calcul qui décrivent la taille du système hybride en fonction de
sa faisabilité [23]. La plupart des logiciels disponibles pour l’optimisation se basent sur les

modèles analytiques pour le calcul des puissances nécessaires des générateurs (générateur
PV, aérogénérateurs, etc.) [24]. (Deepak Kumar Lal et al., 2011 ; J. B. Fulzele et Subroto Dutt,
2012 ; Ileberi R. Gbalimene et al., 2016 ; Mohammed BOUSSETTA et al., 2017) ont utilisé le
logiciel HOMER pour l’optimisation de différentes configurations de systèmes hybrides de
production d’électricité [25][26][27][28].
3.2.1.2 Méthodes d’intelligence artificielle
La méthode d’intelligence artificielle utilisée dans ce travail est la méthode des algorithmes
génétiques. En effet, les algorithmes génétiques (AG) sont basés sur des phénomènes bio-
logiques. Avec l’utilisation des AG, la reproduction et le recueil de meilleurs individus se ré-
pètent autant de fois qu’il y a besoin de générations (itérations de l’algorithme génétique)
pour satisfaire un critère d’arrêt. Les critères d’arrêt les plus utilisés sont [29] :
— l’arrêt après un certain nombre de générations ;
— l’arrêt lorsque le meilleur individu n’a pas été amélioré depuis un certain nombre de
générations ;
— l’arrêt lorsqu’il y a une perte de diversité génétique.
Pour atteindre la solution optimale, les algorithmes génétiques présentent l’avantage de
pouvoir appliquer des opérateurs génétiques à savoir la sélection, le croisement et la mu-
tation permettant ainsi de régénérer la population initiale en assurant une bonne diversité
de la population et d’atteindre l’optimum global [29].
La solution obtenue est alors représentée par le meilleur individu de la dernière généra-
tion. L’utilisation des algorithmes génétiques permet d’optimiser des problèmes aussi bien
mono-objectif que des problèmes multi-objectifs.
Les données d’entrée de la méthodologie basée sur l’AG (Algorithme Génétique) peuvent
être les conditions météorologiques et les prix unitaires des composants projetés pour
le système hybride, y compris les coûts d’installation et de maintenance. En effet, l’algo-
rithme génétique présente plus d’avantages comparé aux autres méthodes [24].
• Il permet de sortir de l’optimum local et de retrouver l’optimum global ;
• Il permet de considérer plusieurs variables, codées sous forme des «chromosomes
» rendant ainsi le problème adapté à l’optimisation. Cet avantage n’existe pas dans
la plupart des techniques d’optimisation proposées telle que l’optimisation par es-
saims de particules qui est moins adaptée aux problèmes d’optimisation quand le
nombre de variables dépassent trois
Dans le cadre de ce travail, la technique d’optimisation par algorithme génétique est utili-
sée pour faire le dimensionnement et l’optimisation du positionnement d’une centrale PV
sur le réseau de Natitingou.

L’algorithme 2 donne le pseudo-code d’un algorithme génétique [30] :
Algorithme 2 : Pseudo-code d’un algorithme génétique

Entrées : Fonction d’évaluation f , nombre d’itérations maximum n
Sorties : Meilleur individu trouvé
Générer aléatoirement la population initiale
i←0
tant que i < n et Condition d’arrêt non satisfaite faire :
Évaluer chaque individu de la population selon f
Sélectionner les parents dans la population
Produire les enfants des parents sélectionnés par croisement
Muter les individus
Étendre la population en y ajoutant les enfants
Réduire la population
i←i+1
fin tantque
Retourner le meilleur individu trouvé
3.2.2 Méthodes de dimensionnement utilisant des logiciels
Les programmes de simulation sont les outils les plus courants pour l’évaluation des per-
formances des systèmes hybrides. À l’heure actuelle, il existe de nombreux programmes
de logiciels qui peuvent être téléchargés à partir des sites Web de plusieurs laboratoires
de recherche et des universités. En utilisant ces programmes de simulation, la configura-
tion optimale peut être trouvée en comparant la performance et le coût de production de
l’énergie des différentes configurations du système. Parmi les outils de logiciel disponible,
on peut citer : HOMER, HYBRID2, HOGA et HYBRIDES [22].
3.2.2.1 HOMER
HOMER (Hybrid Optimization Model for Electric Renewables) est un outil développé par le
NREL « National Renewable Energy Laboratory » en 1993. Tout d’abord, ce logiciel permet
de faire des simulations pour ensuite optimiser les systèmes et pour finalement terminer
avec des analyses de sensibilité sur ces systèmes optimisés. La solution obtenue par HO-
MER est la solution la moins coûteuse parmi différentes combinaisons de systèmes d’éner-
gies renouvelables, d’énergies fossiles ou de systèmes hybrides comprenant deux sources
d’énergie ou plus [31].

En effet une seule optimisation consiste à faire plusieurs simulations. De même une ana-
lyse de sensibilité unique consiste en plusieurs optimisations [32].
En ce qui concerne les composants, des fonctions de coût linéaires sont adoptées et les di-
mensions des composants à prendre en considération doivent être préalablement prévues
afin de réaliser l’optimisation. Le nombre de tailles multiplié par le nombre de composants
donne le nombre de configurations de systèmes simulés par le programme [33].
Dans un premier temps, HOMER peut simuler le fonctionnement d’un ou plusieurs sys-
tèmes à la fois. Pour chaque configuration, Il établit le bilan énergétique avec un pas allant
d’une minute à une heure pour une période d’une année. Ainsi, pour chaque pas, HOMER
compare la demande d’électricité dans cet intervalle de temps à l’énergie que le système
peut fournir. C’est ainsi qu’il détermine la faisabilité technique du système. Aussi, suivant
les données techniques et de coût de chaque composant du système, HOMER calcule le
rendement énergétique, le cout du système et le pourcentage d’émission de gaz à effet de
serre pour chaque configuration [34].
Dans un deuxième temps, HOMER optimise le(s) système(s) déjà simulé(s). En effet, selon
les critères que nous définissons, il trie et filtre les systèmes, déjà simulés, de sorte que
nous pouvons voir les meilleurs ajustements possibles. Par défaut, il trie les systèmes en
fonction du coût actuel net du système [34].
Ensuite, HOMER peut modéliser l’impact des variables qui sont hors de contrôle, tel que
le vent, la vitesse, les coûts de carburant. . . etc., et de voir comment le système optimal
change avec ces variations : C’est l’analyse de sensibilité [34].
Enfin, une analyse de contrainte peut également être effectuée au moyen d’un facteur de
capacité annuelle limitée à une valeur maximale : si ce paramètre est fixé à 0%, alors le sys-
tème doit satisfaire les charges tout le temps, alors que s’il est fixé à des valeurs de 1% à
5% des économies considérables en puissance crête et des différences entre les scénarios
optimisés sont obtenues [33].
Les paramètres de sortie après simulation sont [24] :

— les différentes configurations optimales ;
— le coût capital du système ;
— le coût actuel net ;
— le coût actualisé de l’énergie consommée ;
— l’excédant d’énergie ;
— la quantité du combustible consommée ;
— la quantité de gaz à effet de serre émise ;
— la fraction des énergies renouvelables produite, etc.

3.2.2.2 HYBRID2
HYBRID2 a été développé par le laboratoire de recherche en matière d’énergie renouve-

lable (RERL) de l’université du Massachusetts. C’est un logiciel de simulation de système
hybride, la simulation est très précise, car elle peut définir des intervalles de temps de 10
minutes à 1h. Le laboratoire national d’énergie renouvelable recommande d’optimiser le
système avec HOMER et puis, une fois que le système optimal est obtenu, d’améliorer la
conception en utilisant HYBRID2 [22].
3.2.2.3 HOGA
HOGA est un programme d’optimisation de système hybride développé par le départe-

ment de technologie électrique de l’université de Zaragoza (Espagne). L’optimisation est ef-
fectuée au moyen d’algorithmes génétiques, et peut être mono-objective ou multi-objective.
La simulation est effectuée en utilisant les intervalles de temps d’une heure, pendant les-
quels tous les paramètres sont restés constants. Les stratégies de commande ont été égale-
ment optimisées en utilisant des algorithmes génétiques [22].
3.2.2.4 HYBRIDES
HYBRIDES est une application disponible dans le commerce produite par Solaris Homes.
Elle évalue le potentiel technique du système d’énergie renouvelable pour une configura-
tion donnée, déterminant la fraction renouvelable potentielle et évaluant la viabilité éco-
nomique basée sur le coût actuel net. HYBRIDES est un outil Microsoft Excel basé sur
le bilan d’application et de conception d’évaluation du système d’énergie renouvelable,
exigeant la charge quotidiennement moyenne et les conditions ambiantes estimées pour
chaque mois de l’année. À la différence de HOMER, les HYBRIDES peuvent seulement si-
muler une configuration à la fois, et ne sont pas conçus pour fournir une configuration op-
timisée. HYBRIDES est complet en termes de variables de système d’énergie renouvelable
et niveau de détail exigé et rend nécessaire un niveau plus élevé de la connaissance des
configurations de système d’énergie renouvelable que HOMER. Il est conçu de sorte que
l’utilisateur améliore leurs qualifications de conception de système d’énergie renouvelable
par son application [22].

3.2.3 Modélisation du système hybride PV-Diesel-hydro
3.2.3.1 Modèle d’un générateur diesel
Un groupe diesel est caractérisé par sa consommation du carburant et son rendement [35].
Ainsi si le générateur fonctionne pendant une heure donnée, HOMER calcule la consom-
mation de carburant pour cette heure en utilisant l’équation 3.1 :
F = APg + BPng (3.1)
Avec
• F la quantité de carburant consommée pour produire de l’électricité en [L/hr] ;
• Pg la puissance générée en [kW ] ;
• Png la puissance nominale du générateur en [kW ] ;
• A et B, les coefficients de la courbe de consommation en [L/hr/kW ].
Pour notre étude, les valeurs de A et B ont été prises respectivement égales à 0,0169 L/hr/kW
et 0,2486 L/hr/kW [35].
Le rendement d’un générateur diesel peut être calculé à partir de l’équation 3.2 :
3600.Png
η= (3.2)
ρ.F.Pc
Avec
• η le rendement électrique ;
• ρ la densité du carburant en [kg/m3 ] ;
• Pc le pouvoir calorifique du carburant en [M J/kg].
Pour notre étude, les valeurs respectives de la densité et du pouvoir calorifique du diesel
sont : 820 kg/m3 et 43,2 MJ/kg.
Les équations 3.1 et 3.2 ont été utilisées pour la modélisation des générateurs diesel dans
le cas du système hybride étudié. Ces équations sont intégrées dans le support HOMER
utilisé pour les simulations.
3.2.3.2 Modèle d’une micro-centrale hydroélectrique
HOMER calcule la puissance électrique générée par une micro-centrale hydroélectrique

en utilisant l’équation 3.3.

9, 81.ηHydro .Q.ρW ater .hnette

PM HP (t) = (3.3)
1000
Avec :
• PM HP (t) la puissance électrique générée à la sortie de la turbine en [kW ] ;
• ηHydro le rendement de la turbine en [%] ;
• Q le débit en [m3 /s] ;
• ρW ater la densité de l’eau [1000 kg/m3 ] ;
• hnette la hauteur de chute nette en [m].
La turbine utilisée dans le cadre de cette étude est la turbine Pelton. Elle s’utilise pour les
centrales hydroélectriques de hautes chutes et son rendement maximum varie entre 84%
et 90% [1]. Dans cette étude, nous avons travaillé avec 84 %.
Quant au débit, nous avons utilisé le débit moyen annuel de la rivière de Kiatiko qui est de
0,481 m3 /s.
HOMER calcule la hauteur nette de la chute en utilisant l’équation 3.4.
hnette = h(1 − fh ) (3.4)
Avec :
• h la hauteur brute ;
• fh les pertes de charges.
Dans le cadre d’une étude préliminaire de petite centrale hydraulique les pertes de charges
à considérer représentent environ 10% à 15% de la hauteur de chute brute [1]. Alors nous
avons choisi 15% pour se mettre dans le cas extrême.
3.2.3.3 Modèle d’une centrale PV
Les modules PV représentent la composante essentielle d’une centrale PV. En effet, un mo-
dule photovoltaïque est un assemblage de plusieurs cellules connectées entre elles et l’as-
semblage de plusieurs modules entre elles aboutissent à un panneau photovoltaïque. Et
enfin l’ensemble de ces modules et panneaux constituent le champ photovoltaïque.
HOMER calcule la puissance électrique générée par une centrale PV en utilisant l’équation
3.5 :
GT
Psolaire = PST C fP V ( )[1 + αP (TC − TC,ST P )] (3.5)
GST C

Avec :
• PST C la puissance électrique générée par les panneaux dans les conditions de test
standard ;
• fP V le facteur de déclassement (80 %) ;
• GT le rayonnement incident ;
• GST C le rayonnement dans les conditions de test standard (1000 W/m2 ) ;
• αP le coefficient de température de puissance en [%/◦ C], sa valeur varie entre 0,4
et 0,5 %/◦ C pour le cas des cellules silicium cristallines [27]. Pour cette étude, nous
avons utilisé 0,5 %/◦ C pour se mettre dans le cas extrême ;
• T C la température à laquelle les cellules PV sont soumises en [◦ C]. La température
moyenne annuelle à Natitingou est égale à 26,8 ◦ C. Le détail des températures men-
suelles est présenté dans l’annexe B ;
• T ,C,ST C la température à laquelle les cellules PV sont soumises dans des conditions
d’essai standard [25 ◦ C].
3.2.3.4 Modèles économiques utilisés par HOMER
Le coût actuel net
Le coût actuel net (CN P C ) représente le coût de cycle de vie du système. Le calcul évalue
tous les coûts se produisant dans la vie de projet, y compris des coûts initiaux d’installa-
tion, les coûts de remplacement, les coûts de fonctionnement et d’entretien, les coûts de
carburant. HOMER calcule (CN P C ) selon l’équation 3.6.
Cann,tot
CN P C = (3.6)
CRF
Avec :
• Cann,tot le coût total annualisé du système ;
• CRF le facteur d’actualisation du capital.
Le coût actuel net total est le principal produit économique de HOMER. Il classe tous les
systèmes en fonction du coût total actuel net .
Le facteur d’actualisation
Le facteur d’actualisation du capital est un ratio utilisé pour calculer la valeur actuelle
d’une annuité (une série de flux de trésorerie annuels égaux). Le facteur d’actualisation
du capital est donnée par la formule 3.7 :

i(1 + i)N
CRF (i, N ) = (3.7)
(1 + i)N − 1
Avec :
• i le taux d’intérêt réel ;
• N le nombre d’années (la durée de vie du projet est de 20 ans).
Pour cette étude, nous avons retenu un taux d’intérêt réel de 8%.
Le taux d’intérêt réel
Le taux d’intérêt annuel peut être calculé en utilisant l’équation 3.8 :
i0 − f
i= (3.8)
i0 + f
Avec :
• i0 le taux d’intérêt nominal ;
• f le taux d’inflation annuel.
Le coût de l’électricité
HOMER définit le coût normalisé de l’énergie électrique (LCOE) comme le coût moyen par
kWh d’énergie électrique utile produite par le système.
Le LCOE (Levelized Cost of Energy) d’une technologie est obtenu en divisant le coût total de
cycle de vie du projet par l’énergie totale générée par l’installation au cours de la durée du
projet. Le coût total de l’opération inclut tous les coûts du projet partant de la construction
à l’exploitation et en incorporant tous les coûts annexes tels que les coûts d’impôts, la TVA
(Taxe sur la Valeur Ajoutée) etc. C’est une valeur constante exprimée en devise/kWh ou en
devise/MWh. [36]
Le LCOE est équivalent au revenu minimum qui est attendu par kWh d’énergie généré par
le système et qui égalise les revenus de la vente aux dépenses faites dans le système. Le
LCOE est basé sur la méthodologie de la valeur actuelle nette économique dans un scénario
pluriannuel. [36]
Cann,tot
LCOE = (3.9)
E
Avec :
• Cann,tot le coût total annualisé ;
• E la quantité totale d’énergie fournie par le système.

La valeur résiduelle
La valeur résiduelle S est évaluée par le rapport de la durée de vie restante d0 d’un compo-
sant à la fin du projet et la durée de vie réelle du composant d . Elle s’exprime par la relation
3.10 :
d0
S = CR × (3.10)
d
Avec :
CR le coût de remplacement du composant.
3.3 L’optimisation multi-objectif par l’algorithme NSGA-II
Basée sur la méthode non-élitiste NSGA (Srinivas et Deb, 1994), le NSGA II (Deb et al. 2002),
corrige les principales failles de la première version qui sont : la complexité, l’approche non-
élitiste et la fonction de sharing qui nécessite l’intervention humaine pour fixer certains
paramètres. Nous allons dans cette partie, expliquer d’une manière détaillée le fonction-
nement, les avantages et les failles de cette méthode [37].
3.3.1 Définitions
Fitness sharing : C’est une technique de partage qui modifie l’espace de recherche en ré-
duisant le rendement dans les régions relativement peuplées, elle diminue les fitness des
éléments semblables de la population afin d’assurer une diversité [37].
Crowding distance : Pour une solution i on appelle « crowding distance » la distance moyenne
entre les deux points (i −1) et (i +1) encastrant le plus large cuboïde contenant uniquement
la solution i . La figure 3.1 illustre la notion du crowding distance [37].

F IGURE 3.1 – Crowding Distance
Le NSGA dans sa deuxième version passe de la technique de partage à la distance de crow-

ding dans son mécanisme de diversité.
3.3.2 Les nouvelles caractéristiques du NSGA II
Le NSGA I à son époque était l’un des plus performants de sa catégorie, mais après l’im-
portante avancée dans le domaine de l’optimisation multi-objectif par algorithmes évolu-
tionnaires, cette méthode a montré ses limites dont les principales critiques sont [37] :
• La complexité de calcul, le tri des solutions non-dominées est d’ordre O(mN 3 ) avec
m le nombre d’objectifs et N la taille de la population, dans le cas d’une popula-
tion assez large, le temps d’exécution devient un sérieux problème sachant que la
population est triée à chaque génération.
• L’approche non-élitiste de cette méthode augmente le risque de perdre des solu-
tions potentiellement bonnes et par conséquent la convergence prématurée vers un
optimum local se produit fréquemment.
• La technique du sharing qui nécessite la spécification du paramètre du sharing σs ,
et donc une intervention supplémentaire afin d’assurer la diversité.
Deb et al. (2002) ont alors travaillé sur une version (NSGA II) qui intègre de nouvelles fonc-
tionnalités afin de corriger les défauts qui faisaient sujets de critiques. Les nouveautés ap-
portées sont les suivantes [37] :
• Une méthode de tri rapide : Le degré de complexité est réduit à O(mN 2 ) .
• La distance du crowding : Afin de décider quelles sont les meilleures solutions dans
un front, le NSGA II les distingue à base de distances de crowding (que nous avons

défini en haut).
• Elitisme : Le NSGA II est fait de telle façon à intégrer les fronts obtenus dans les
populations qui suivent, la distance du crowding et la sélection par tournoi contri-
buent à l’obtention des populations diverses sans pour autant perdre des bonnes
solutions.
3.3.3 Fonctionnement de l’algorithme NSGA II
Une population P0 aléatoire de taille N est générée, elle est tirée à base de non dominance,
chaque solution se fait attribuer une fitness égale à son niveau de non-dominance. Après
l’application des opérations génétiques sur P0 , une population enfant Q0 de taille N est
créée. Après, cette première procédure, une boucle commence. Tant que le critère d’arrêt
n’est pas vérifié, les populations, parents et enfants sont mélangées (Rt = Pt ∪ Qt ), puis ti-
rées à base de non dominance, Rt est une population de taille 2N . Ensuite, une nouvelle po-
pulation de parents de taille N est créée à bases de fronts non-dominés (F1 , F2 , F3 , ...Fn ). Les
individus du premier front sont meilleurs que ceux du second qui sont à leur tour meilleurs
que ceux du troisième ainsi de suite. Les N meilleurs individus sont gardés dans une ar-
chive et sont donc sélectionnés pour la prochaine population Pt+1 . Si tous les membres
d’un front ne peuvent entrer dans la population sans un dépassement de la taille N , alors
les membres de ce front sont classés suivant une mesure de diversité qui détermine la po-
pulation autour de chaque individu pris séparément. Lorsque la taille de Pt+1 atteint N ,
tous les autres individus sont rejetés [13].
L’organigramme présenté sur la figure 3.2 illustre le fonctionnement du NSGA II :
F IGURE 3.2 – Fonctionnement du NSGA II (exemple 3 fronts admis) [37]

3.3.4 Adaptation de l’algorithme NSGA II au problème d’étude
Dans cette section, nous présentons l’application de l’algorithme NSGA-II au problème de

choix de l’emplacement et la taille de la centrale PV sur le réseau de distribution HTA de
Natitingou.
Ainsi, nous définissons les correspondances ci-après :
Gènes : ce sont les variables impliquées dans le problème du choix de l’emplacement et
de la taille de la centrale PV. Il s’agit de :
• la position (numéro du nœud) de la centrale PV sur le réseau ;
• la puissance active de la centrale PV (PP V ).
Chromosome : ce sont les individus obtenus par combinaison des variables (gènes) pré-
cédemment cités. Le chromosome retenu pour le problème d’optimisation est schématisé
sur la figure 3.3 :
F IGURE 3.3 – Chromosome du problème d’optimisation
Avec :
• N la position de la centrale PV ;
• P la puissance active du GED de type PV.
3.4 Formulation mathématique du problème d’optimisation

du positionnement de la centrale PV
3.4.1 Modèle du PV
Pour un générateur de type PV, la puissance réactive n’est pas considérée. Dans l’écoule-
ment de puissance, la puissance active injectée au nœud i où est connecté un GED de type
PV est définie selon l’expression 3.11 [13] :
PD∗ = PDi − PP V i (3.11)
Avec :

— PDi la puissance active de la charge au nœud i ;

— PP V la puissance active du GED de type PV.
3.4.2 Critères d’optimisation
3.4.2.1 Minimisation des pertes actives
Pour des raisons économiques, l’un des objectifs principal est de minimiser les pertes en
ligne. La fonction à minimiser pour la réduction des pertes est :
nb
X
f1 = Ploss = Rj Ij2 (3.12)
j=1
Avec :
Rj la résistance de la branche j ;
Ij le courant dans la branche j ;
nb le nombre de branche.
3.4.2.2 Minimisation de la déviation de tension
Cet objectif consiste à améliorer le profil de tension du réseau.
n
X
f2 = |Viref − Vi | (3.13)
i=1
Avec :
Vi la tension au nœud i ;
Viref = 1 p.u la tension de référence ;
n le nombre de nœuds.
3.4.2.3 Minimisation du coût de la centrale PV
Le coût de la centrale PV est proportionnel à la taille de cette dernière. Il comprend en

effet le coût des équipements (panneaux, onduleur, équipements de protection), le coût
d’installation et de maintenance sur sa durée de vie.
f3 = 1000.CP V .PP V (3.14)

Avec :
CP V le coût de la centrale PV en $/kW ;
PP V la puissance totale fournie par la centrale PV en MW.
3.4.2.4 Pondération des fonctions objectifs
Nous avons utilisé une méthode agrégée (la méthode de moyenne pondérée) décrite pré-
cédemment à la section 3.4.1.1 pour combiner certaines fonctions objectifs. Ainsi les pertes
actives et la déviation de tension sont les fonctions à pondérer pour avoir une seule fonc-
tion objectif F1 définie par l’équation 3.15.
F1 = ω1 .f1 + ω2 .f2 (3.15)
Nous prenons ω1 = ω2 = 0, 5.
Les fonctions objectifs finalement retenues pour l’algorithme NSGA-II sont F1 (équation
3.15) et F2 = f3 (équation 3.14).
3.4.3 Les contraintes
L’optimisation des fonctions énumérées ci-dessus a été effectuée sous les contraintes sui-
vantes :
3.4.3.1 Contraintes d’égalité
n
X
Pslack + Pthermiq + Phydro = PD + Ploss (3.16)
i=2
n
X
Qslack = QD + Qloss (3.17)
i=2
Où :
• Pslack , Qslack désignent respectivement les puissances active et réactive fournie par le
nœud balancier ;
• Pthermiq et Phydro désignent respectivement la puissance active injectée par la cen-
trale thermique et la centrale hydroélectrique sur le réseau de distribution HTA de
Natitingou ;
• Ploss , Qloss désignent respectivement les pertes actives et réactives totales ;

• PD (i) et QD (i) désignent respectivement la demande de puissance active et réactive

de la charge au nœud i ;
• n désigne le nombre total de nœuds.
3.4.3.2 Contraintes d’inégalité
Contrainte liée au taux de pénétration du GED de type PV
Il n’est pas question de faire le procès des systèmes photovoltaïques mais bien de com-
prendre les nouvelles problématiques posées par l’arrivée de ces générateurs sur les ré-
seaux publics de distribution afin de pouvoir y apporter les réponses pertinentes [39].
Au nombre des principaux impacts générés par les installations photovoltaïques , on a
l’élévation locale du niveau de tension. Ces élévations de tension seront d’autant plus no-
tables qu’il y aura beaucoup de PV et peu de charges. Ce phénomène peut-être limité en
limitant la puissance totale d’injection afin de conserver en tout point du réseau une ten-
sion inférieure à la tension admissible.
En effet, le taux de pénétration T est le rapport de la puissance active du GED de type PV
sur la demande totale du réseau. Elle est donnée par l’expression [13] :
PP V
T = Pn (3.18)
i=2 PD (i)
Ce taux de pénétration du GED de type PV dans un réseau de distribution ne doit pas dé-
passer 30% de la demande totale afin de ne pas perturber les équipements de protection
du réseau. Cette contrainte est formulée comme suit [13] :
n
X
PP V ≤ 0, 3 ∗ PD (i) (3.19)
i=2

3.5 Algorithme d’optimisation du positionnement du GED

avec le NSGA II
Algorithme 3 : Optimisation de la taille et du positionnement du GED

Étape 1 : Lire les données du réseau, les paramètres du NSGA II et du GED
Étape 2 : Générer la population initiale P0 en tenant compte des informations lues à
l’étape 1 puis mettre le compteur de génération à zéro (t=0).
P0 = [x1 , x2 , ...., xN ]
où N désigne le nombre d’individus de la population et les xi sont les variables de

décisions définies à partir du chromosome de la sous-section 3.5.4
Étape 3 : Pour chaque individu de la population Pt , dérouler l’écoulement de
puissance en utilisant l’algorithme de Newton-Raphson et évaluer les
fonctions-objectif par les expressions (3.22) et (3.23).
Étape 4 : Vérifier les contraintes et ajouter la pénalité aux fonctions-objectif des
individus qui ont violé les contraintes.
Étape 5 : Générer la population Qt d’enfants à partir de Pt par application des
opérateurs génétiques pour obtenir la population intermédiaire Rt = Qt U Pt de taille
2Npop .
Étape 6 : Classer la population Rt par fronts (en reprenant l’écoulement de
puissance).
Étape 7 : Sélectionner Npop individus parmi les 2Npop pour former la population Pt+1
selon le processus décrit à la sous-section (3.5.3).
Étape 8 : Incrémenter le compteur de génération (t=t+1) et répéter l’étape 3 à 7
jusqu’à atteindre le nombre total de générations.
Étape 9 : Sortir les solutions optimales au sens de Pareto et choisir la meilleure
solution.
Dans ce chapitre, nous avons présenté les différentes méthodes d’optimisation utilisées
pour résoudre notre problème d’étude. Dans un premier temps, nous avons présenté les
méthodes de dimensionnement et d’optimisation des systèmes hybrides dont le logiciel
HOMER. Ensuite nous avons présenté une description détaillée de l’algorithme NSGA II

puis la formulation mathématique du problème d’optimisation de l’insertion du GED de

type PV sur le réseau.

Chapitre 4:
Simulation du système hybride PV-Hydro-

Diesel-Réseau
Sommaire
4.2 Optimisation du dimensionnement et du positionnement de la centrale
Photovoltaïque (PV) à l’aide du NSGA II . . . . . . . . . . . . . . . . . . . . 55
4.3 Optimisation du système hybride Photovoltaïque-Hydro-Diesel-Réseau
avec le logiciel HOMER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4 Étude financière . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
54
C HAPITRE 4 : Simulation du système hybride PV-Hydro-Diesel-Réseau
Dans ce dernier chapitre nous avons présenté les résultats de simulation du système hy-
bride PV-Hydroélectrique-Diesel connecté au réseau de distribution de Natitingou. D’une
part nous présenterons les résultats de l’optimisation de la taille et du positionnement de la
centrale PV dans le réseau de distribution de Natitingou par l’algorithme génétique NSGA
II. D’autre part, nous déterminerons comment les différentes sources d’énergies (le Photo-
voltaïque, l’hydroélectricité et le diesel) peuvent être intégrées de manière optimale sur le
réseau par le logiciel HOMER.
4.2 Optimisation du dimensionnement et du positionnement

de la centrale Photovoltaïque (PV) à l’aide du NSGA II
4.2.1 Paramètres de simulation
TABLEAU 4.1 – Paramètre de simulation NSGA II
Paramètres Valeur
Taille de la population 50
Nombre de générations 150
Probabilité de croisement 0,9
Probabilité de mutation 0,2
Nombre de fonctions objectifs 02
Nombre de variables 02
Nombre de contraintes 03

TABLEAU 4.2 – Paramètre du GED de type PV
Paramètre Valeur
Puissance minimale 0 MW
Puissance maximale 7 MW
Coût d’investissement 1350 $/kW
4.2.2 Résultats de simulation
4.2.2.1 Front de Pareto issu de l’optimisation
F IGURE 4.1 – Front de Pareto pour le problème de positionnement de la centrale PV
4.2.2.2 Positionnement de la centrale PV
La position et la taille de la centrale PV sont présentées dans le tableau 4.3.

TABLEAU 4.3 – Paramètre du GED de type PV
Paramètre Valeur
Taille 2,11 MW
Nœud 169
La solution choisie indique qu’il faut positionner une centrale PV de taille 2,11 MW au
nœud 169 du réseau de distribution de Natitingou pour un apport efficace en puissance
active et la réduction des pertes actives et réactives.
4.2.2.3 Valeurs des fonctions objectifs
Les valeurs prises par les fonctions-objectif après optimisation sont reportées dans le ta-
bleau 4.4. Les pertes actives sont de 149,1 kW, la déviation de tension de 3,4093 p.u et le
coût d’investissement de 2.851.190 $ soit un milliard six cent quatre vingt dix millions neuf
cent trente huit mille sept cent soixante cinq francs CFA (1.690.938.765 FCFA ).
TABLEAU 4.4 – Valeurs des fonctions objectifs
Fonctions objectifs Valeurs
f1 (Pertes actives) 149,1 kW
f2 (Déviation de tension) 3,4093 p.u
f3 (Coût d’investissement) 1.690.938.765 FCFA
4.2.2.4 Profil de tension après insertion optimale de la centrale PV
Le graphe de la figure 4.2 présente le profil de tension du départ de Natitingou après le

positionnement d’une centrale PV de façon optimale dans le réseau.

F IGURE 4.2 – Profil de tension du réseau après insertion optimale de la centrale PV

4.2.3 Analyses et interprétations
4.2.3.1 Fonctionnement simultané de la centrale PV, de la centrale hydroélectrique et

de la centrale thermique
Les résultats obtenus avant et après le positionnement optimal de la centrale PV sont pré-
sentés dans le tableau 4.5 :
TABLEAU 4.5 – Récapitulatif des résultats de simulation avant et après optimisation
Paramètres Avant optimisation Après optimisation Réduction

Pertes actives (kW) 407,1 149,1 63,37 %
Pertes réactives (kVar) 351,4 125,9 64,17 %
Tension minimale (p.u) 0.8378 0.8991 -
Déviation de tension (p.u) 15,8098 3,4093 78,43 %
Taille de la centrale PV (MW) - 2,11 -
Position (Nœud) - 169 -
de la centrale PV
Coût d’investissement - 1.690.938.765 FCFA -
Les pertes actives sont passées de 407,1 kW à 149,1 kW après l’insertion de la centrale PV
dans le réseau de distribution de Natitingou, ce qui correspond à une réduction de 63,37
%. Les pertes réactives quant à elles sont passées de 351,4 kVar à 125,9 kVar soit une réduc-
tion de 64,17 %. Ainsi, la centrale PV fournira une partie de la puissance active à satisfaire
au niveau des consommateurs. Les conducteurs seront alors préservés de certaines condi-
tions d’exploitation pouvant conduire à leur usure précoce. Par conséquent, le départ HTA
de Natitngou sera moins perturbé et les déclenchements enregistrés sur le départ subiront
une tendance baissière. Tout ceci a pour effet de réduire l’END qui constitue une perte
importante pour la SBEE. Réduire l’END implique d’une manière ou d’une autre une plus
grande disponibilité de l’énergie au niveau des abonnés. De plus, ce tableau nous montre
que la plus faible tension après optimisation est de 0,8991 p.u ce qui signifie une augmen-
tation de 6,82 % par rapport au cas de base qui était de 0,8378 p.u. Ceci n’est d’ailleurs pas
sans conséquence sur la déviation de tension. Celle-ci a connu une réduction de 78,43%
passant ainsi de 15,8098 p.u à 3,4093 p.u. La figure 4.3 présente le profil de tension du dé-
part de Natitingou avant et après optimisation du positionnement de la centrale PV.

F IGURE 4.3 – Graphe comparant le profil de tension avant et après insertion optimale de la centrale PV

La figure 4.3 montre une différence significative entre le profil de tension avant le position-
nement de la centrale PV et celui d’après optimisation. La courbe en bleue représente le
profil de tension initial du réseau tandis que celle en noir représente le profil de tension
après positionnement de la centrale PV sur lé réseau. En effet, les nœuds 101 à 119 puis 128
à 211 n’ont pas leur tension dans les plages normatives de (1 ± 0,05)p.u pour le cas de base.
Mais après le positionnement optimal de la centrale PV sur le réseau, le profil de tension a
subi une augmentation conséquente. Tous les nœuds ont eu leurs tensions dans les limites
admissibles sauf les nœuds 101 à 119. Néanmoins la tension de ces nœuds (101 à 119) a
connu une légère augmentation.
Afin de corriger le profil de tension des nœuds 101 à 119, on pourrait diminuer la puissance
photovoltaïque à insérer au nœud 169 et insérer la puissance extraite au nœud 110. En pro-
cédant par essai et par erreur, on remarque que l’insertion d’une puissance photovoltaïque
de 1,71 MW au nœud 169 et d’une puissance de 0,4 MW au nœud 110, permet de réduire les
pertes actives de 407,1 kW à 100,2 kW, soit une réduction de 75,95 %. Les pertes réactives
quant à elles sont passées de 351,4 kVar à 83,6 kVar, soit une réduction de 76,21 %. Tous les
nœuds ont désormais leurs tensions dans les plages normatives de (1 ± 0,05 p.u).
Les résultats sont présentés dans le tableau 4.6.
TABLEAU 4.6 – Récapitulatif des résultats de simulation avant et après optimisations
Paramètres Avant optimisation Optimisation 1 Optimisation 2

(mono GED) multi GED
Pertes actives (kW) 407,1 149,1 100,2
Pertes réactives (kVar) 351,4 125,9 83,6
Tension minimale (p.u) 0.8378 0.8991 0,9637
Déviation de tension (p.u) 15,8098 3,4093 3,3755
Taille de la centrale PV (MW) - 2,11 1,71 0,4
Position (Nœud) - 169 169 110
de la centrale PV
La figure 4.4 présente le graphe comparant le profil de tension initial du réseau, le profil
obtenu après l’optimisation 1 et celui après l’optimisation 2.

F IGURE 4.4 – Graphe comparant le profil de tension initial à ceux après optimisation 1 et 2

4.2.3.2 Fonctionnement simultané de la centrale PV, de la centrale thermique et de la

centrale hydroélectrique (1 MW)
Dans le cadre du programme MCA II, l’activité de production de la centrale hydroélectrique

consiste à renforcer la capacité de la centrale par l’installation d’une deuxième turbine de
0,5 MW. En effet, la puissance potentielle de la micro-centrale hydroélectrique de Yéripao
est de 1 MW [7]. Cependant une seule turbine Pelton de 0,5 MW a été installée depuis la
construction de la centrale. Ceci ne permet pas d’exploiter tout le potentiel de la centrale à
juste titre.
Dans cette sous-section, nous allons quantifier l’apport de la centrale hydroélectrique d’une
puissance de 1 MW. Ainsi, nous comparerons d’une part les résultats de l’écoulement de
puissance du réseau (en présence de la centrale thermique, la centrale PV puis la micro-
centrale hydroélectrique de 0,5 MW) et d’autre part les résultats de l’écoulement de puis-
sance (en présence de la centrale thermique, la centrale PV puis la micro-centrale hydro-
électrique de 1 MW). Ces résultats sont regroupés dans le tableau 4.7.
Paramètres Après optimisation 2 Après optimisation 2 Réduction

avec 0,5 MW d’hydro avec 1 MW d’hydro
Pertes actives (kW) 100,2 79,5 20,66 %
Pertes réactives (kVar) 83,6 67,2 19,62 %
4.2.3.3 Fonctionnement du réseau avec la centrale thermique uniquement
Dans cette partie, nous avons simulé le fonctionnement du réseau initial d’une part puis
d’autre part le fonctionnent du réseau en présence de la centrale thermique uniquement.
En effet, les sources présentes sur le réseau initial sont : la centrale thermique et la micro-
centrale hydroélectrique. Le but de cette simulation est d’étudier l’impact de l’absence de
la micro-centrale hydroélectrique sur le réseau. Les résultats de simulation sont présentés
dans le tableau 4.8
En cas de panne de la centrale hydroélectrique, le fonctionnement de la centrale thermique
uniquement entraine une augmentation des pertes actives de 17,86 % et une augmentation
des pertes réactives de 17,26 %.

Paramètres Centrale thermique + Centrale thermique

centrale hydroélectrique uniquement
Pertes actives (kW) 407,1 495,6
Pertes réactives (kVar) 351,4 424,7
4.2.3.4 Analyse comparative du positionnement optimal de la centrale PV et du posi-

tionnement au poste de Bérécingou
Le dimensionnement et les positionnements optimaux multi-GED de type PV sur le ré-

seau de distribution HTA de Natitingou nous ont indiqué qu’il faut injecter une puissance
photovoltaïque de 1,71 MW au nœud 169 (Tanguiéta) et une autre puissance de 0,4 MW
au nœud 110 (Boukoumbé). Ces positionnements optimaux ont eu comme impact une ré-
duction significative des pertes actives et réactives puis une amélioration nette du profil de
tension. Cependant, dans le cadre du programme MCA II, la production photovoltaïque a
été prévue pour être injectée au poste de répartition de Bérécingou. Dans le tableau 4.9,
nous comparons les résultats obtenus à l’option retenu par le MCA II.
Paramètres Avant Positionnements Positionnement

optimisation optimaux (MCA II)
Déviation de tension (p.u) 15,8098 3,3755 15,64
Taille (MW) - 1,71 0,4 2,11
Position - 169 110 3
Réduction totale - 75,95 5,21
de perte active (%)
Réduction totale) - 76,21 5,29
de perte réactive (%)
Réduction de déviation (%) - 78,65 1,07
La figure 4.5 présente les différents profils de tension pour les différents cas.

F IGURE 4.5 – Graphe comparant les positionnements optimaux multi-GED et l’option MCA II

4.3 Optimisation du système hybride Photovoltaïque-Hydro-

Diesel-Réseau avec le logiciel HOMER
4.3.1 Profil de charge et données d’ensoleillement
4.3.1.1 Profil de charge
Les détails de la charge sont les entrées des simulations exécutées par le logiciel HOMER.
La charge en entrée correspond à la demande en électricité auquel le système doit ré-
pondre. En effet, la demande en électricité au poste de Natitngou de 2017 à 2018 est pré-
senté dans le tableau 4.10. Cette charge prend en compte les villes de Natitingou, Kouandé,
Kérou, Péhounco, Banikoara, Tanguiéta, Boukoumbé, Cobly, Matéri, Porga et environs
TABLEAU 4.10 – Puissance maximale en MW au poste de Natitingou
PP
PP Années
P PP 2017 2018 Moyenne
Mois P PP
P
Janvier 4,236 3,9 4,068
Février 4,49 4,4 4,445
Mars 4,34 4,8 4,57
Avril 4,23 4,6 4,415
Mai 4,44 4,48 4,46
Juin 4,47 4,63 4,55
Juillet 3,94 4,2 4,07
Août 3,84 3,43 3,635
Septembre 3,85 4,47 4,16
Octobre 3,7 4,22 3,96
Novembre 3,69 4,17 3,93
Décembre 3,74 4 3,87
Source : SBEE
4.3.1.2 Données d’ensoleillement
Les moyennes mensuelles de l’ensoleillement journalier mesurée à la station de Natitingou

ont été obtenu dans le document [6]. Le rayonnement est compris entre 4,61 kWh/m2 .j et

9,08 kWh/m2 .j avec une moyenne annuelle estimée à 7,50 kWh/m2 .j. Le maximum étant
observé en février et le minimum en août. La figure 4.6 présente les données d’irradiation
globale. Les données sur le rayonnement solaire sont visibles sur l’axe gauche.
F IGURE 4.6 – Les données d’irradiation globale obtenus sous HOMER
4.3.2 Spécification technique et coût des composants
4.3.2.1 Groupe diesel
La centrale thermique de Natitingou (qui fait l’objet de notre étude) a été construite en
2005. Hors service à partir de 2015 pour cause de pannes, elle a été entièrement réhabili-
tée et mise en service à nouveau en février 2019. Cette infrastructure d’une puissance de
huit Mégawatt (8 MW) est constituée de quatre groupes électrogènes réhabilités pour un
coût global de près de deux milliards de francs CFA. Chacun des groupes a été entière-
ment désossé et totalement rénové avec des pièces dernières génération certifiées maison
"Wartsila" [41].
En nous basant sur le coût global de réhabilitation de la centrale ainsi que la revue de lit-
térature, le générateur diesel proposé dans le système hybride pour notre simulation coû-
terait initialement 421 $/kW, le coût de remplacement coûterait 421 $/kW, puis le coût de
fonctionnement et d’entretien couterait 0,015 $/h. La durée de vie moyenne de la centrale
a été prise égale à 20 ans [1].
En outre, les études de marché et la revue de littérature nous ont permis de constater que le

prix du gasoil au Bénin varie le plus souvent entre 0,90 $/L (535 FCFA) et 1 $/L (594 FCFA).
La valeur considérée dans cette simulation est donc le prix moyen (0,95 $/L soit 565 FCFA).
La taille de la centrale diesel considérée dans cette simulation varie entre 0 MW et 8 MW
avec un pas de 1 MW ;
Le tableau 4.11 résume les spécifications techniques et économiques des groupes diesel
[1][41].
TABLEAU 4.11 – Spécifications techniques et économiques des groupes diesel
Description Détails
Capacité nominale 1 kW
Coût d’installation 421 $ (250 000 FCFA)
Coût de remplacement 421 $ (250 000 FCFA)
Coût d’opération et de maintenance 0,015 $/h (8,91 FCFA)
Durée de vie 20 ans
4.3.2.2 Hydroélectricité
La micro-centrale hydroélectrique étudiée dans ce travail est celle de Yéripao dans la ville
de Natitingou. Actuellement en panne, l’activité de production électrique du projet MCA II
vise à réhabiliter cette centrale de 0,5 MW puis renforcer sa capacité par l’installation d’une
deuxième turbine qui portera la puissance de 0,5 MW à 1 MW.
L’AIE (Agence International de l’Énergie) estime un coût d’investissement pour l’hydro-
électricité compris entre 1900 et 2600 $/kW [42].
En effet, pour avoir un ordre d’idée, les travaux de génie civil représentent la majeure partie
des coûts d’investissement (60-70%), ensuite vient le coût de la centrale hydraulique (25-
35%) puis les études nécessaires à la réalisation de l’ensemble (5-10%) [42]. Notre étude
étant une réhabilitation, nous prendrons uniquement en compte le coût de la centrale hy-
draulique ainsi que les études nécessaires à sa réalisation.
Le tableau 4.12 présente les spécifications techniques et économiques d’une micro-centrale
hydroélectrique [42].

TABLEAU 4.12 – Spécifications techniques et économiques de la centrale hydroélectrique.
Coût d’opération et de maintenance 52 $/an (30 888 FCFA)
4.3.2.3 Les modules PV
Les modules PV représentent la composante essentielle d’une centrale PV. En effet, un mo-
dule photovoltaïque est un assemblage de plusieurs de cellules connectées entre elles et
l’assemblage de plusieurs modules entre elles aboutissent à un panneau photovoltaïque.
Et enfin l’ensemble de ces modules et panneaux constituent le champ photovoltaïque.
Par ailleurs, Bloomberg New Energy Finance (BNEF) évalue la baisse des technologies so-
laires de 60 % d’ici 2040 [43].
Le tableau 4.13 présente les spécifications techniques et économiques des modules PV
[1][43].
TABLEAU 4.13 – Spécifications techniques et économiques des modules PV.
Coût d’installation 809,49 $ (480 837 FCFA)
Coût de remplacement 323,80 $ (192 340 FCFA)
Coût d’opération et de maintenance 8,09 $/an (481 FCFA)
4.3.2.4 L’onduleur
L’onduleur est la composante du système qui assure la transformation de l’énergie conti-

nue à la sortie des modules PV en énergie alternative. Un bref résumé des données sur

l’onduleur est présenté dans le tableau 4.14 [27][43]. La durée de vie de l’onduleur est de
20 ans.
TABLEAU 4.14 – Spécifications techniques et économiques de l’onduleur
Coût de remplacement 207,2 $ (123 077 FCFA)
Coût d’opération et de maintenance 5,18 $/an (308 FCFA)
4.3.2.5 Les batteries
Le stockage d’énergie est un facteur clé dans un système d’énergie hybride à base d’éner-
gies renouvelables. Cette solution est retenue pour combler le déficit de fluctuation des
énergies renouvelables (hydro et PV) et celui de la centrale thermique.
Le stockage sert à stocker le surplus de production PV pendant la journée et décharger cette
énergie pendant la nuit pour compenser la production hydro et thermique afin d’assurer
la pointe nocturne. Ainsi, en cas de panne de la centrale thermique, les batteries pourront
également fournir l’énergie nécessaire pendant la nuit.
Le tableau 4.15 fournit les spécifications techniques et économiques de la batterie retenue
[43][46].
TABLEAU 4.15 – Spécifications techniques et économiques des batteries
Quantité 1
Coût d’installation 1815 $ (1 078 110 FCFA)
Coût d’opération et de maintenance 2 $/an (1200 FCFA)

4.3.3 Les contraintes
Les contraintes de la simulation comprennent :

• un taux d’intérêt annuel supposé être égal à 8 % ;
• la durée de vie du projet est supposée de 20 ans ;
• la capacité de coupure annuelle est supposée de 0 %.
4.3.4 Simulation du système PV-hydro-Diesel
Après simulation, nous obtenons plusieurs résultats optimisés sur deux options de l’on-
glet Optimization Results à savoir l’option « Categorized » qui donne les différentes archi-
tectures optimales possibles et l’option « Overall » qui donne un choix multiple détaillant
chaque architecture. Ces résultats présentent plusieurs paramètres tels que :
— la taille optimale de chaque composante ;
— le coût initial d’investissement ;
— les coûts d’opération et maintenance ;
— le coût du kilowattheure (kWh), etc.
Le diagramme du système hybride PV-hydro-Diesel simulé sous le logiciel HOMER est pré-
senté à la figure 4.7.
F IGURE 4.7 – Diagramme du système hybride PV-hydro-Diesel simulé sous HOMER
4.3.4.1 Configuration et coûts optimaux des systèmes
Le classement est fait sur la base du coût du kWh, c’est-à-dire l’architecture la plus optimale
placée en première position représente le coût du kWh le plus faible.
Nous pouvons voir les meilleures solutions obtenues par type de configuration dans l’on-
glet Optimization Results. La figure 4.8 présente les résultats selon l’option categorized

F IGURE 4.8 – Résultats option categorized
4.3.4.2 Analyse des différents scénarios
On distingue quatre scénarios différents pour ce système. Ainsi pour répondre à la de-
mande d’énergie de la ville de Natitingou et de ses environs la SBEE pourrait se pencher
sur les quatre scénarios suivants, ceci pourrait permettre de ne plus avoir à importer de
l’énergie et être ainsi autonome.
• Photovoltaïque - Diesel - Hydroélectricité
• Photovoltaïque - Diesel
• Hydroélectricité - Diesel
• Diesel
I Scénario 1 : Photovoltaïque - Diesel - Hydroélectricité
Suivant les résultats obtenus, ce système est classée en première en ligne comme l’indique
la figure 4.8.
Avec différentes puissances : 2,11 MW Photovoltaïque, 1 MW hydroélectricité, 2000 kW on-
duleur et 4,5 MW diesel, la réalisation de ce système nécessiterait un montant initial total
de 5.547.490 $. Le coût actuel net (CN P C ) et le coût de l’électricité sont respectivement
égales à 85.955.704 $ et 0,239 $/kW.
La production annuelle totale de ce système est de 36.979.220 kWh en dépit de la demande
qui est de 36 571 896 kWh.
Le Diesel est la source principale de ce système avec une part de 79% de la production an-
nuelle totale soit 29.178.200 kWh contre 11 % pour le photovoltaïque soit 4.078.166 kWh et
10 % pour l’hydroélectricité soit 3.722.853 kWh. La fraction d’énergie renouvelable résul-
tant de l’insertion du PV et de l’hydroélectricité dans ce mix est de 21 %.
L’analyse des émissions de gaz à effet de serre révèle un chiffre de 20.854.724 kg/an

I Scénario 2 : Hydroélectricité - Diesel
Ce système est classée en deuxième ligne comme l’indique la figure 4.8.

Avec différentes puissances : 1 MW Hydroélectricité et 4,5 MW diesel, la réalisation de ce
système nécessiterait un montant initial total de 2.804.500 $. Le coût actuel net (CN P C ) et
le coût du kWh sont respectivement égales à 91.456.976 $ et 0,255 $/kW.
La production annuelle totale de ce système est de 36.573.308 kWh .
Le Diesel est la source principale de ce système avec une part de 90% de la production
annuelle totale soit 32.850.456 kWh contre 10% pour l’hydroélectricité soit 3.722.853 kWh.
Ce système émet plus de gaz à effet de serre que le premier soit 23.256.810 kg par an.
I Scénario 3 : Photovoltaïque - Diesel
Ce système vient en troisième position parmi les configurations optimales.

Avec différentes puissances : 2,11 MW Photovoltaïque et 5 MW diesel, la réalisation de ce
système nécessiterait un montant initial total de 4.847.990 $. Le coût du kWh et le coût
actuel net (CN P C ) sont respectivement égales à 0,264 $/kW et 94.752.480 $.
Le Diesel est la source principale de ce système avec une part de 89% de la production
annuelle totale soit 32.899.694 kWh contre 11% pour le photovoltaïque soit 4.078.166 kWh.
Ce système émet une quantité de 23.486.774 kg/an de gaz à effet de serre.
I Scénario 4 : Diesel
Ce système est la pire de toute les configurations possibles.

Elle émet non seulement la plus grande quantité de gaz à effet de serre, mais le coût de
l’électricité revient également plus chère que toutes les autres configurations à cause du
coût élevé du gasoil.
La réalisation de ce système nécessiterait un montant initial total de 2 105 000 $. Le coût du
kWh et Le coût actuel net (CN P C ) sont respectivement égales à 100 259 232 $ et 0,279 $/kW
Ce système émet une quantité de 25 890 416 kg/an de gaz à effet de serre.
Le tableau 4.16 présente les coûts optimaux des quatre systèmes :

TABLEAU 4.16 – Coûts optimaux des quatre systèmes
Système Coût d’investissement NPC LCOE

(FCFA) (FCFA) (FCFA/kWh)
PV/hydro/Diesel 3.290.105.370 50.978.610.708 142
Hydro/Diesel 1.663.292.860 54.241.303.327 152
PV/Diesel 2.875.245.910 56.195.800.839 157
Diesel 1.248.433.400 59.461.745.315 166
HOMER énumère les résultats dans l’ordre du haut en bas du plus rentable au moins ren-
table. Le rapport coût efficacité d’un système est donné par son coût net actuel. Ainsi le
résultat nous montre que le système PV/hydro/Diesel est le plus rentable par rapport aux
autres systèmes pour un coût de 0,239 $/kWh (142 FCFA), Ce qui justifie le choix du sys-
tème.
4.3.4.3 Bilan de coût du système optimal
Après l’analyse des résultats des quatre configurations, il est certain que le recours au sys-
tème PV/hydro/Diesel présente un choix stratégique et justifié sur le plan économique. Le
tableau 4.17 présente le détail de coût du système optimal.
TABLEAU 4.17 – Détail de coût du système optimal
Système Capital Rempla- O&M Gasoil Valeur Total

(FCFA) cement (FCFA) (FCFA) résiduelle (FCFA)
(FCFA) (FCFA)
PV 1.012.381.630 0 98.291.149 0 0 1.110.672.779
Hydro 539.702.800 0 302.793.436 0 -23.158.588 819.337.648
Diesel 1.123.590.060 0 3.443.107.555 43.809.225.401 0 48.375.923.016
Onduleur 614.430.880 0 58.229.188 0 0 672.660.068
Système 3.290.105.370 0 3.902.421.328 43.809.225.401 -23.158.588 50.978.593.511

En examinant de plus près la répartition des coûts sur le tableau 4.17, on peut remarquer
que pour la plupart des équipements le cout d’investissement est plus important par rap-
port aux autres coûts d’exploitation (remplacement de maintenance etc.). Cependant le
coût d’exploitation de la centrale thermique est très important par rapport à son coût d’in-
vestissement, ceci est dû au prix élevé du carburant et au prix d’entretien et de la main-
tenance. Le prix du carburant représente à lui seul 85,94 % du coût total du projet sur sa
durée de vie.
La figure 4.9 présente la répartition de coût du système 1
F IGURE 4.9 – Répartition de coût du système 1
4.3.4.4 Les émissions de gaz
Le tableau 4.18 présente la comparaison en émission des gaz polluants des diffèrent sys-
tèmes.
Avec
Système 1 : PV-Diesel-hydro
Système 2 : hydro-Diesel
Système 3 : PV-Diesel
Système 4 : Diesel
Les résultats du tableau 4.18 montre que le système 1 émet une quantité de 20.854.724
kg de CO2 soit 5.035.692 kg de moins que le système 4. Ces résultats peuvent contribué au
choix du système 1 par rapport au système 4. On peut ainsi conclure qu’un mix-énergétique
éco-responsable contribue à une réduction significative des émissions de gaz à effet de
serre.

TABLEAU 4.18 – Comparaison en émission des gaz polluants des différents systèmes
Émissions [kg/an]
```
``` Configuration
Système 1 Système 2 Système 3 Système 4
```
```
Polluant ```
```
Dioxyde de carbone 20.854.724 23.256.810 23.486.774 25.890.416
Monoxyde de carbone 51.477 57.406 57.974 63.907
Hydrocarbure non brûlé 5.702 6.359 6.422 7.079
Particule 3.881 4.328 4.370 4.818
Dioxyde de soufre 41.880 46.704 47.166 51.992
Oxydes de nitrogènes 459.333 512.239 517.304 570.246
4.3.4.5 Choix du système hybride optimal
De l’analyse des différentes scénarios, il ressort que le système PV-Diesel-hydro est la confi-
guration la plus optimale possible que la SBEE pourrait adopter pour déservir Natitingou
et ses environs. Ce système diminue de 19,45 % les émissions de gaz à effet de serre par
rapport au système constitué du Diesel seul.
Le coût de production de kWh le plus attrayant est également observé dans ce système
(142 FCFA/kW). L’insertion des sources d’énergies renouvelables dans le mix permet ainsi
de réduire le coût de production. En outre une analyse de sensibilité effectué sur le coût du
gasoil nous a permis de remarquer que le coût de production diminue au fur et à mesure
que le prix du gasoil diminue (figure 4.10). Ainsi une diminution du coût du gasoil pourrait
contribuer de manière significative à une réduction de la valeur actuelle nette du système
optimal choisi puis une réduction du coût de production. Pour le prix du gasoil égal à 0,85
$/L (505 FCFA) par exemple, le coût de production de l’énergie pourrait chuter de 142 FCFA
à 130 FCFA/kWh.
F IGURE 4.10 – Analyse de sensibilité sur le prix du diesel

La figure 4.11 permet d’observer une production prévisionnelle de des différentes sources
du système à partir du logiciel Homer.
F IGURE 4.11 – Détail économique
La production et la consommation d’énergie électrique sur une année sont détaillées res-
pectivement dans les tableaux 4.19 et 4.20.
TABLEAU 4.19 – Énergie annuelle produite
Production kWh/an %
Champ PV 4.078.166 11
Hydro 3.722.853 10
Diesel 29.178.200 78
Total 36.979.220 100
TABLEAU 4.20 – Énergie annuelle consommée
Production kWh/an %
Charge AC 36.571.896 100
Total 36.571.896 100
Notons que 1,10 % (407.324 kWh) de la production totale d’électricité est excédentaire,
cette production peut-être utilisée en cas d’extension de la demande.

La figure 4.12 permet d’observer une production annuelle prévisionnelle du système pho-
tovoltaïque.
F IGURE 4.12 – Production annuelle du système photovoltaïque
La couleur rouge de la figure 4.12 représente selon l’échelle à droite le pic de production
tandis que la couleur noire montre les périodes d’arrêt ou de faible production.
Les paramètres de fonctionnement du champ PV sont présenté dans le tableau 4.21 :
TABLEAU 4.21 – Paramètres de fonctionnement du générateur PV
Variable Valeur Unité

Heures de fonctionnement 4380 h/an
Puissance minimale 0 kW
Énergie moyenne 11.173 kWh/j
Coût spécifique de l’énergie 28 FCFA/kWh
Pénétration PV 11 %
Après l’analyse des résultats obtenus pour les puissances moyennes mensuelles du PV, on
remarque que la période de fonctionnement du PV est plus étroite pendant la période al-
lant du mois de Juillet au mois de Septembre. Ceci s’explique par le fait que les plus faibles
irradiations de l’année sont connues au cours de cette période.
La figure 4.13 permet d’observer une production annuelle prévisionnelle de la centrale
thermique.

F IGURE 4.13 – Production annuelle de la centrale thermique
La couleur rouge de la figure 4.13 représente selon l’échelle à droite le pic de production
tandis que la couleur noire montre les périodes d’arrêt ou de faible production.
Avec l’injection d’une production photovoltaïque sur le réseau de distribution de Natitin-
gou, la centrale Thermique ne tourne que pour compléter la demande de puissance non
couverte par la centrale photovoltaïque et hydroélectrique.
Les paramètres de fonctionnement de la centrale thermique issus de la simulation sous
HOMER sont présentés dans le tableau 4.22 :
TABLEAU 4.22 – Paramètres de fonctionnement du générateur diesel

Puissance maximale 4145 kW
Puissance moyenne 3331 kW
Carburant consommé annuellement 7.919.528 L/an
Énergie moyenne 11.782 kWh/j
Utilisation spécifique du carburant 0,272 L/kWh
Apport d’énergie du carburant 77.928.168 kWh/an
Rendement électrique moyen 37,4 %
Coût de production marginal 140 FCFA/kWh

Le tableau 4.23 présente les paramètres de fonctionnement de la micro-centrale hydro-

électriques obtenus à partir du logiciel Homer.
TABLEAU 4.23 – Paramètres de fonctionnement de la micro-centrale hydroélectrique

Puissance maximale 425 kW
Puissance nominale 1000 kW
Coût spécifique de l’énergie 23 FCFA/kWh
4.3.5 Simulation du système PV-Hydro-Diesel-Réseau
Le départ HTA de Natitingou est souvent alimenté par : la centrale thermique de Bérécin-
gou et/ou la sous station de la CEB puis la centrale hydroélectrique de Yéripao.
Dans la section précédente, nous avons simulé le fonctionnement du système PV-hydro-
Diesel pour couvrir la demande de charge de Natitingou. Dans la présente section, nous
insérons le réseau dans le mix. En effet, le réseau représente ici l’énergie venant de la sous-
station de la CEB. Étant donné que la SBEE achète le kWh chez la CEB à 58 FCFA, l’objectif
de cette analyse est d’étudier l’impact de l’insertion de la sous-station de la SBEE dans le
mix.
Pour cette analyse, nous fixons la puissance du réseau à 1 MW
Le diagramme du système PV-Hydro-Diesel-Réseau simulé sous le logiciel HOMER se pré-
sente à la figure 4.14.

F IGURE 4.14 – Diagramme du système hybride PV-Hydro-Diesel-Réseau simulé par HO-

MER
Les meilleures solutions obtenues sont présentées à la figure 4.15.
F IGURE 4.15 – Les meilleurs solutions obtenues
De cette simulation, il ressort que l’achat de l’énergie chez la CEB permet de réduire le
coût spécifique de l’énergie qui passe de 0,239 $/kWh (142 FCFA/kWh) à 0,202 $/kWh (120
FCFA/kWh). Ce système permet de réduire également les émissions de gaz à effet de serre
qui passent de 20.854.724 kg/an à 20.464.022 kg/an, soit une réduction de 1,87 %
4.3.6 Simulation du système PV-hydro-Diesel-stockage
Le diagramme du système hybride PV-hydro-Diesel-stockage simulé sous le logiciel HO-

MER est présenté à la figure 4.16.
Pour cette étude nous avons choisi les batteries hoppecke OpzV solar (2V, 3000 Ah). Notre
attention est accordée à la technologie de stockage ayant une longue durée de vie (20 ans),
une forte résistance, une haute sécurité de fonctionnement et un entretien minimal. La
technologie des batteries gel scellées Hoppecke OPzV solar autorise une utilisation sans
entretien. Leur haute résistance au cyclage leur confère une grande fiabilité d’alimenta-
tion dans les systèmes photovoltaïques connectés ou non au réseau . De plus, par souci de
protection de l’environnement, leur recyclage est assuré dans un circuit fermé certifié de
valorisation des matériaux [45].

F IGURE 4.16 – Diagramme du système hybride PV-hydro-Diesel-stockage simulé par HO-

MER
4.3.6.1 Pré-dimensionnement du système PV
HOMER utilise les détails de charge que nous avons entrés pour calculer le besoin journa-
lier moyen Bj en énergie électrique.
Pour le pré-dimensionnement du système, le mois le plus défavorable correspondant au
mois d’Août a été retenu compte tenu du fait que la centrale doit produire toute l’année.
La puissance à installer afin de satisfaire la charge est déterminée par l’expression 4.1 :
Bj
PP V = (4.1)
Rond × Rbat × H
Avec :
Bj = 100 MWh ;
Rond le rendement de l’onduleur estimé à (90 %) ;
Rbat le rendement du parc de stockage estimé à (86 %) ;
H l’irradiation solaire du mois le plus défavorable [kWh/m2 ].
La puissance du système PV à installer est donc égale à 28 MWc.
4.3.6.2 Pré-dimensionnement du système de stockage
La capacité minimale est déterminée par la formule 4.2 :
Bj
Cbat = .Jraut (4.2)
Vsyst × Rbat × DM
Avec :

Vsyst la tension du système (elle dépend de la puissance photovoltaïque installée et/ou de

l’onduleur chargeur, ici nous choisirons 48 V ) ;
Rbat le rendement de la batterie ;
Jraut le nombre de jour d’autonomie (fixé à 1 jour) ;
DM la profondeur de décharge estimé à 80 %.
La capacité du système de stockage est donc égale à 3028,1 kAh.
Le nombre de strings (chaînes de batteries) est déterminé par la formule 4.3 :
Cbat
Nstr = (4.3)
Cnom
Avec Cnom la capacité nominale d’une batterie en Ah.

Le nombre de strings trouvé est égal à 1010.
Le nombre de batteries par string est déterminé par la formule 4.4 :
Vsyst
Nser = (4.4)
Vnom
Avec Vnom la tension nominale d’une batterie en V.

Le nombre de batteries à câbler par string est donc égal à 24.
4.3.6.3 Simulation et optimisation du système PV-Hydro-Diesel-Stockage
Les différentes données obtenues au cours du pré-dimensionnement ont été intégrées

dans le logiciel HOMER puis la simulation lancée. Ensuite, vient la phase d’optimisation
qui est le cœur même de la démarche. L’optimisation se fait de façon itérative, on tient à
tendre vers la solution optimale. HOMER donne la solution optimale parmi les grandeurs
de système proposées. Le principe est le suivant ; on utilise la solution optimale donnée par
HOMER, on remet cette valeur dans HOMER ainsi que la valeur au-dessus et au-dessous
et des valeurs intermédiaires. On refait le même processus jusqu’à ce qu’on obtienne une
solution optimale. On s’est fait guider avec une donnée intéressante des résultats autre que
le coût : l’excès d’énergie du système.
Les résultats de l’optimisation sont présentés à la figure 4.17 :

F IGURE 4.17 – Résultats de l’optimisation du système PV-hydro-Diesel-stockage
De cette étude, le système optimal avec stockage obtenu est constitué de 11,5 MW de
champ PV, 1 MW d’hydroélectricité, 4 MW de diesel, 2400 batteries et 5 MW d’onduleur.
Le coût du kWh pour ce système est égal à 0,202 $ (120 FCFA). Ce coût paraît plus attrayant
que le coût du kWh du système optimal étudié dans la section 4.3.4. Cependant, le coût
d’investissement initial et le coût actuel net d’un système avec stockage sont plus impor-
tants.
Mis à part le coût réduit du kWh, ce système ne produit que 13.137.441 kg de gaz à effet
de serre contre 25.890.416 kg pour un système 100% diesel. Soit une réduction de 49,26%.
Ainsi la centrale thermique est moins sollicité dans cette configuration (fig 4.18) que le cas
étudié à la section 4.3.4. Ceci s’explique par la taille plus importante du champ PV et l’in-
sertion d’un parc de stockage dans le système. La centrale thermique ne tourne donc que
pour combler la demande d’énergie non couverte par la centrale photovoltaïque et hydro-
électrique.
F IGURE 4.18 – Production prévisionnelle de la centrale thermique
Des résultats de l’optimisation présentés à la figure 4.17, il ressort que le système opti-
mal est constitué de 12 MW de photovoltaïque, 1 MW d’hydroélectricité et 4,5 MW de

Diesel. Quant au système optimal avec stockage, il est constitué de 11,5 MW de photovol-
taïque, 1 MW d’hydroélectricité, 4 MW de Diesel et 2400 batteries. Ces deux systèmes pré-
sentent des coûts d’électricité respectifs de 0,198 $/kWh (118 FCFA/kWh) et 0,202 $/kWh
(120 FCFA/kWh). Ces deux coûts sont plus intéressants (inférieurs) au coût du kWh du sys-
tème étudié à la section 4.3.4.
4.3.7 Simulation du système PV-Hydro-Diesel-Stockage-Réseau
Dans cette section, nous insérons le réseau dans le mix étudié à la section 4.3.6. L’objectif
de cette analyse est d’étudier l’impact de l’achat de l’énergie chez la CEB, sur le système.
La figure 4.19 présente les résultats optimaux obtenus.
F IGURE 4.19 – Résultats optimaux pour le systèmes PV-Hydro-Diesel-Stockage-Réseau
De cette simulation, il ressort que l’achat de l’énergie chez la CEB permet de réduire le
coût spécifique de l’énergie qui passe de 0,198 $/kWh (118 FCFA/kWh) à 0,168 $/kWh (100
FCFA/kWh). La taille de la centrale PV est également réduite dans cette configuration.
Le système optimal obtenu à l’issu de cette optimisation est constitué de 9 MW Photovol-
taïque, 1 MW d’hydro, 4 MW Diesel et 1 MW Réseau. Quant au système avec stockage, il
est constitué de 10 MW Photovoltaïque, 1 MW Hydro, 3 MW Diesel, 2400 batteries et 1 MW
Réseau.
Cependant, bien que la taille du PV dans ces deux systèmes soient respectivement de 9 MW
et 10 MW, la puissance disponible à la sortie de la centrale PV est de 4 MW (taille de l’ondu-
leur). On pourrait expliquer cette taille de l’onduleur par le profil de charge qui varie entre
3 MW et 4,5 MW.
En utilisant l’algorithme NSGA II, nous rechercherons la position optimale de cette pro-
duction photovoltaïque (4 MW), qui minimise les pertes actives et la déviation de tension
sur le réseau de distribution HTA de Natitingou.
La solution obtenue indique qu’il faut injecter cette production photovoltaïque au nœud
134 du réseau.

L’impact de ce positionnement sur les paramètres techniques du réseau sont présentés

dans le tableau 4.24
Paramètres Avant Positionnement Positionnement

optimisation optimal optimal
mono-GED (2,11 MW) mono-GED (4 MW)
Déviation de tension 15,8098 3,4093 3,8262
Taille (MW) - 2,11 4
Position - 169 134
Réduction totale - 63,37 19,63
de perte active (%)
Réduction totale) - 64,17 18,30
de perte réactive (%)
Réduction de déviation (%) - 78,43 75,80
La figure 4.20 présente les différents profils de tension pour les différents cas.
La courbe en bleue indique le profil de tension du réseau avant positionnement de la cen-
trale PV.
La courbe en noir indique le profil de tension du réseau après le positionnement optimal
d’une centrale PV de 2,11 MW au nœud 169 du réseau.
La courbe en vert indique le profil de tension du réseau après positionnement d’une cen-
trale PV qui injecte 4 MW au nœud 134 du réseau.
La courbe en rouge indique le profil de tension du réseau après positionnements optimaux
multi-GED d’une puissance photovoltaïque de 1,71 MW au nœud 169 et 0,4 MW au nœud
110.

F IGURE 4.20 – Graphe comparant le positionnement optimal de 2,11 MW et 4 MW d’une centrale PV

De l’analyse des résultats du tableau 4.24 et de la figure 4.20, il ressort que l’insertion d’une
centrale PV qui injecte 2,11 MW (au nœud 169) ou 4 MW (au nœud 134) sur le réseau de
distribution de Natitingou peut contribuer à minimiser de façon significative les pertes ac-
tives, réactives et les gaz à effet de serre.
L’option 1 (2,11 MW) minimise mieux les pertes actives et réactives que l’option 2 (4 MW).
Par contre l’option 2 (4 MW) minimise mieux les gaz à effet de serre que l’option 1. Cepen-
dant aucun de ces deux options ne conduit à un profil de tension respectant entièrement
la norme NF EN 50160.
L’option multi-GED (1,71 MW au nœud 169 et 0,4 MW au nœud 110) est celle qui minimise
de façon optimale les pertes actives et réactives. Cette option conduit également à un profil
de tension respectant entièrement la norme NF EN 50160.
4.3.8 Estimation du champ photovoltaïque
4.3.8.1 Choix du panneau
Dans cette section, nous procèderons au choix du module à utiliser pour constituer le
champ PV. A cet effet le module mono-cristallin (Trinasolar) de puissance crête 300 Wc
a été choisi. La fiche technique de ce module se trouve en annexe D de ce document.
4.3.8.2 Nombre total de module
Le nombre total de module à utiliser peut être déterminé par la formule 4.5 :
Pc
Np = (4.5)
Pcmod
Avec :
Np le nombre de modules PV à utiliser ;
Pcmod la puissance crête d’un module ;
Pc la puissance crête de la centrale.
4.3.8.3 Estimation de l’espace occupée par le champ PV
Pour produire 1 MW d’énergie solaire photovoltaïque, il faut installer des panneaux sur 2
ha environ [40].
L’espace occupé par le champ PV peut-être exprimé par la formule 4.6 :

E P V = 2 × PP V (4.6)
Avec :
EP V l’espace occupée par le champ PV ;
PP V le nombre total de modules PV.
4.3.8.4 Estimation du du champ PV des différents systèmes
Nous présentons les résultats du dimensionnent du champ PV dans le tableau 4.25 :
TABLEAU 4.25 – Évaluation des paramètres économiques des différents systèmes
XX
XXX Systèmes
XXX
XXX Système 1 Système 2 Système 3
Paramètres XXX
X
Nombre total de modules 7034 30.000 33.334
Surface du champ PV (ha) 4,22 18 20
Nota : Système 1 : 2,11 MW ; Système 2 : 9 MW ; Système 3 : 10 MW
4.4 Étude financière
4.4.1 Les indicateurs économiques utilisés
Il existe plusieurs indicateurs financiers permettant de juger de la rentabilité ou non d’un

investissement. Pour cette étude, nous allons utiliser les recettes annuelles réalisées, la Va-
leur Actuelle Nette (VAN) et la Période de Retour sur Investissement (PRI).
4.4.1.1 Les recettes annuelles
On calcule les recettes annuelles Rann (en FCFA/an) en multipliant le nombre de kWh pro-
duits en une année par le prix d’un kWh.
Le coût des recettes annuelles est donné par l’expression 4.7 :
Rann = Cvente × Ea (4.7)

Avec :
Rann la recette annuelle réalisée ;
Cvente le coût moyen du kWh ;
En effet, les études menées par la SBEE à propos de l’amélioration du sous-secteur de
l’électricité ont conclu à une revue à la hausse du prix de l’électricité afin de garantir l’équi-
libre financier. Ce réajustement est jugé nécessaire du fait de la situation financière de la-
dite société. La société s’est donc engagée à mettre en œuvre un plan tarifaire qui se traduit
par le maintien du statut quo en 2018, une augmentation de 5% à opérer en 2019-2020
d’une part, et une autre de 10% en 2020-2021 [44]. Ainsi le coût moyen du kWh qui était à
109 FCFA pourrait passé à 125 FCFA.
Ea l’énergie annuelle produite par le système.
4.4.1.2 La Valeur Actuelle Nette (VAN)
En supposant que les recettes annuelles générées par le système et la demande en énergie
garderont la même valeur chaque année, la VAN est donnée par la formule 4.8 :
V AN = CRF (i, N )−1 .Rann − CN P C (4.8)
Avec :
CRF le taux d’actualisation (10,18 %) ;
CN P C le coût actuel net.
L’investissement est rentable lorsque la VAN est positive.
4.4.1.3 La période de Retour sur Investissement (PRI)
Pour calculer la « période de Retour sur Investissement (PRI) », on divise le coût actuel net
CN P C par les recettes annuelles. Cependant le PRI n’est pas un indicateur adéquat pour dé-
cider de la rentabilité (surtout les projets à long terme) en ce sens qu’il ne tient pas compte
du taux d’actualisation.
CN P C
P RI = (4.9)
Rann
4.4.2 Évaluation des paramètres économiques des différents systèmes
Le tableau 4.26 présente l’évaluation des paramètres économiques des différents systèmes :

Le système A est constitué de 2,11 MW de photovoltaïque, 1 MW d’hydroélectricité et 4,5

MW diesel.
Le système A’ est constitué de 2,11 MW de photovoltaïque, 1 MW d’hydroélectricité, 4 MW
diesel et 1 MW Réseau.
Le système B est constitué de 12 MW de photovoltaïque, 1 MW d’hydroélectricité et 4,5 MW
diesel.
Le système B’ est constitué de 9 MW de photovoltaïque, 1 MW d’hydroélectricité, 4 MW
diesel et 1 MW Réseau.
Le système C est constitué de 11,5 MW de photovoltaïque, 2400 batteries, 1 MW d’hydro-
électricité et 4 MW diesel
Le système C’ est constitué de 10 MW de photovoltaïque, 2400 batteries, 1 MW d’hydro-
électricité, 3 MW diesel et 1 MW Réseau.
Le système D est constitué de 1 MW d’hydroélectricité et 4,5 MW de diesel
Le système E est constitué du diesel uniquement (5 MW)
TABLEAU 4.26 – Évaluation des paramètres économiques des différents systèmes
XXX
XXX Paramètres
XXX Rann (FCFA) VAN (FCFA) PRI
Systèmes XXX
XX
X
Système A 4.622.402.500 -4.001.630.726
Système A’ 4.622.319.000 3.947.914.620 9 ans, 3 mois, 28 jours
Système B 5.844.952.000 17.421.848.272 7 ans, 2 mois, 8 jours
Système B’ 5.216.535.000 17.391.330.828 6 ans, 10 mois, 4 jours
Système C 5.677.437.000 14.838.770.388 7 ans, 6 mois, 24 jours
Système C’ 5.389.317.000 18.493.211.556 6 ans, 9 mois
Système D 4.565.937.000 -7.787.090.796
Système E 4.565.917.500 -13.012.540.986
De cette évaluation, il ressort que l’insertion du diesel dans le mix-énergétique a un impact

négatif sur la rentabilité et la période de retour sur investissement d’un système hybride.
Par contre, l’achat de l’énergie auprès de la CEB pourrait permettre à la SBEE de rentabi-
liser et tendre vers un équilibre financier. De même, plus on insère des sources d’énergies
renouvelables dans le mix-énergétique, plus le projet est rentable et la période de retour
sur investissement est vite atteinte.
La rentabilité d’un système hybride constitué de Diesel serait donc lié au coût de vente de

l’énergie. Ceci pourrait expliquer la revue à la hausse du prix de l’électricité par la SBEE afin
de garantir l’équilibre financier
Des différentes analyses, il ressort les conclusions suivantes :
• Pour que le système hybride PV-hydro-Diesel-stockage soit rentable, le coût de vente
du kWh doit être supérieur au coût marginal de production de la centrale thermique
• L’insertion des sources d’énergies renouvelables au sein d’un système hybride PV-
hydro-Diesel-stockage a un impact positif sur la rentabilité du système à cause de
leur faible coûts marginaux de production d’énergie.
Dans ce chapitre, nous avons présenté les différents résultats de simulation. De ce travail,
il ressort que l’option multi-GED photovoltaïque (1,71 MW au nœud 169 et 0,4 MW au
nœud 110) est celle qui minimise de façon optimale les pertes actives et réactives. Ces po-
sitionnements optimaux multi-GED photovoltaïque et l’ajout d’une deuxième turbine de
0,5 MW sur la micro-centrale hydroélectrique de Yéripao a permis d’obtenir une réduc-
tion des pertes actives globales de 407,1 kW à 79,5 kW. Ce qui fait une réduction d’environ
80,47 %. Les pertes réactives quant à elles sont passées de 351,4 kVar à 67,2 kVar, soit une
réduction de 80,88 %. De plus, le profil de tension a été entièrement amélioré, la plus faible
tension après optimisation étant de 0,9637 p.u, ce qui signifie une augmentation de 13,06
% par rapport au cas de base qui était de 0,8378 p.u. La déviation de tension quant à elle
a connu une réduction de 78,65 % passant de 15,8098 à 3,3755. Par ailleurs, la simulation
avec le logiciel HOMER nous a permis d’évaluer le coût du kWh produit par le système hy-
bride étudié en fonction de la meilleure configuration du système de production en com-
paraison avec la centrale thermique uniquement. Les résultats ont révélé que la meilleure
configuration était le système hybride PV-Hydro-Diesel-Réseau.

Conclusion générale
L’objectif de notre étude consiste d’une part à faire le dimensionnement et le positionne-

ment optimal d’une centrale PV sur le réseau de distribution HTA de Natitingou par l’algo-
rithme NSGA II. D’autre part nous avons étudier comment les différentes sources Photo-
voltaïque, Diesel, Hydroélectricité peuvent être intégrées de façon optimale sur ce réseau
par le logiciel HOMER. Cette étude nous a donc permis de déterminer la taille et le posi-
tionnement optimal de la centrale PV qui permet de réduire les pertes sur le réseau tout en
ne perturbant pas les équipements de protection et le fonctionnement du réseau.
Pour atteindre ces objectifs, dans le premier chapitre, il a été présenté l’approvisionnement
en énergie électrique du département de l’Atacora. Ainsi nous avons présenté en premier
lieu les différentes sources d’approvisionnement en énergie électrique du département de
l’Atacora. Ensuite le réseau de distribution HTA de Natitingou a été présenté et les pro-
blèmes d’exploitations de ce réseau ont été passé en revue. Nous avons fait la remarque
que la demande de pointe à la sous station de Natitingou connaitra une forte croissance à
l’horizon 2025 d’où la nécessité de disposer de nouvelles sources d’approvisionnement.
Le second chapitre a été consacré à l’étude diagnostique du départ HTA de Natitingou.
Les différents éléments qui participent à l’étude diagnostique ont été modélisé. Ensuite
la résolution du problème de l’écoulement de puissance a été effectué par la méthode de
Newton-Raphson à cause de son efficacité et sa forte convergence. Les résultats de simu-
lation ont montré que les chutes de tension sont comprises entre 1% et 16,22% puis les
pertes actives et réactives sont respectivement égales à 407,1 kW et 351,4 kVar. Quant au
profil de tension 50,71 % des nœuds n’ont pas leur tension dans les limites normatives et
la tension minimale est de 0,8378 p.u.
Dans le chapitre 3, nous avons présenté les différentes méthodes d’optimisation utilisées
dans notre étude. Ainsi le logiciel HOMER a été présenté ainsi que les modèles utilisés par
ce logiciel. Ensuite, une description détaillée de l’algorithme NSGA II a été présentée ainsi
que la formulation mathématique du problème d’optimisation.
Le dernier chapitre a été consacré à la présentation des résultats de simulation et leur inter-
prétation. Les résultats montrent que l’insertion d’une puissance PV de 1,71 MW au noeud
169 et d’une autre de 0,4 MW au noeud 110 du réseau de Natitingou, puis le renforcement
de la capacité de la micro-centrale hydroélectrique par l’installation d’une deuxième tur-
93
CONCLUSION GÉNÉRALE
bine de 0,5 MW permettent de réduire les pertes actives globales de 80,47 % passant de
407,1 kW à 79,5 kW. Quant aux pertes réactives, elles passent de 351,4 kVar à 67,2 kVar, soit
une réduction de 80,88 %. L’insertion du système PV sur le réseau pourrait permettre de ré-
duire les émissions de gaz à effet de serre de 20,96 % par rapport aux polluants en dioxyde
de carbone rejetés par la centrale thermique uniquement.
De ce travail, se dégagent quelques perspectives à savoir :
• Contribution à l’étude de la stabilité en tension de l’injection de 10 MW d’une ins-
tallation photovoltaïque sur un réseau de distribution : Application au départ HTA
de Natitingou.
• Optimisation du dimensionnement et du positionnement optimal d’un GED de type
PV en présence de FACTS dans un réseau de distribution : Application au départ HTA
de Natitingou.

Bibliographie
[1] Issa DAGNON. Étude de faisabilité technico-économique d’une centrale électrique hy-
bride hydroélectrique-solaire PV-stockage : Cas de la localité de Farako au Mali. Mé-
moire de Master en Génie électrique, Institut International d’Ingénierie (2IE), 2018, 79
p.
[2] Nassim HOCINI & Elyazid TAZAMOUCHET. Sur la maîtrise de l’insertion des ressources
renouvelables aux réseaux électriques. Mémoire de master en électrotechnique, Univer-
sité ABDERAHMANE MIRA DE BEJAIA, 2015, 88 p.
[3] GEO. Les énergies fossiles [en ligne]. (modifié le 19 Juin 2012). Disponible sur :
<https ://www.geo.fr/> (Consulté le 22/11/2019)
[4] Millenium Challenge Account BENIN II. Le programme MCA-Bénin II. Disponible sur
<https ://www.mcabenin2.bj> (Consulté le 02/11/2019)
[5] Ministère de l’énergie du Bénin. Appel d’offres international : Construction de 4 cen-
trales solaires photovoltaïques à Natitingou, Djougou, Parakou, Bohicon pour une puis-
sance d’environ 50 MW, Juin 2019
[6] PNUD & Direction Général de l’énergie du Bénin. Identification et cartographie des po-
tentialités et sources d’énergie renouvelables assorties des possibilités d’exploitation, Juin
2010
[7] Daniel ASSOGBA. Développement des petites centrales hydroélectriques au Bénin. [en
ligne], 2012.
[8] Millenium Challenge Corporation. Rapport d’étude de faisabilité sur le système de dis-
tribution : Développement du réseau de distribution et Centres Nationale de Contrôle de
Répartition de la Distribution, Juin 2015
[9] Direction de la Distribution (SBEE). Rapport d’analyse des incidents sur le réseau HTA,
2018
[10] Adlane BONOUIRA. Étude de la stabilité transitoire des réseaux électriques. Mémoire
de master en électrotechnique, Université Constantine I, 2014, 52 p.
[11] Amédée GANYE. Optimisation muti-critère technico -économique du placement d’un
UPFC dans un réseau de transport par le U-NSGA-III : application au réseau de trans-
port de la CEB. Mémoire d’Ingénieur de conception en Génie électrique, Université
d’Abomey-Calavi, 2019
95
BIBLIOGRAPHIE
[12] BENCHEIKH Abdelhak & DEROUICHE Abdelghani. Etude de l’écoulement de puis-

sance sur un réseau électrique en présence des systèmes FACTS. Master académique en
Réseaux électriques, Université KASDI MERBAH OUARGLA, 2016
[13] Robert O. ADEKAMBI, Optimisation du positionnement simultané de Générateurs
d’Energie Décentralisée (GED) et de Compensateurs Statiques de Puissance Réactive
(SVC) dans un réseau de distribution par l’algorithme génétique NSGA II : application
au départ Calavi, p.103, UAC-EPAC, 2019
[14] Raphael Caire. Gestion de la production décentralisée dans les réseaux de distribution
[en ligne], Thèse de doctorat, Institut National Polytechnique de Grenoble, 2004, 213 p,
Format PDF
[15] HADDAD LYAZID & HAMI KHODIR. Calcul des paramètres et caractéristiques des
lignes électriques triphasées. Mémoire de master II en Génie électrique. Options : Réseau
électrique. Université Abderrahmane mira – BEJAÏA, 2015, 80p
[16] Jean-Louis LILIEN. Transport et distribution de l’énergie électrique. Université de Liège
/ Faculté des sciences appliquées, Cours, 1998.
[17] SEDIKKI ZAHIRA. Optimisation de l’écoulement de puissance dans un système d’éner-
gie électrique par la méthode du point intérieur. Université HASSIBA BEN BOUALI DE
CHLEF, Mémoire de Magister en Réseaux électriques, 2009
[18] Jean Marie Kauffman. Conduite des réseaux. Université de Franche Comté, Cours.
[19] Fares ZITOUNI. Amélioration de la Stabilité Transitoire des Réseaux Electriques par
l’utilisation des Systèmes FACTS, Mémoire de master en électrotechnique, Université
Ferhat Abbas-Setif (UFAS), 2010, 85 p.
[20] Léré Mitterand DEGUENON, Optimisation de la marge de stabilité de tension d’un ré-
seau électrique par insertion de D-FACTS à l’aide du NSGA-II : cas du départ de Cotonou
4, p.117, UAC-EPAC, 2019
[21] Yassine Ariba & Jérome Cadieux, Manuel matlab, Icam-Toulouse, 55 p.
[22] BENCHERIF MOHAMMED. Modélisation de systèmes énergétiques photovoltaïques et
éoliens intégration dans un système hybride basse tension [en ligne], Thèse de doctorat,
Université ABOU-BEKR BELKAID TLEMCEN, 249 p. Format PDF.
[23] MOHAMED MLADJAO Mouhammad Al anfaf. Contribution à la modélisation et à l’op-
timisation de systèmes énergétiques multi-sources et multi-charges [en ligne], Thèse de
doctorat, Université de Lorraine, 2016, 173 p. Format PDF.
[24] B. Ould Bilal. Mise en œuvre de nouvelles approches d’optimisation multi-objectif de
systèmes hybrides éolien-solaire-batterie-groupe électrogène [en ligne], Thèse de docto-
rat, Université CHEIKH ANTA DIOP DE DAKAR, 2012, 154 p. Format PDF.

BIBLIOGRAPHIE
[25] Deepak Kumar Lal, Bibhuti Bhusan Dash and A. K. Akella. Optimization of
PV/Wind/Micro-Hydro/Diesel Hybrid Power System in HOMER for the study Area, Inter-
national Journal on Electrical Engineering and Informatics - Volume 3, Number 3, 2011
[26] J. B. Fulzele & Subroto Dutt. Optimium Planning of Hybrid Renewable Energy System
Using HOMER. International Journal of Electrical and Computer Engineering (IJECE).
Vol. 2, No. 1, February 2012, pp. 68 74
[27] Ileberi R. Gbalimene, Adikankwu O. Henry, Timi A. Ekubo, and Adenekan I. Olan-
rewaju, Grid Integration of Renewable Technology : A Techno-economic Assessment.”
American Journal of Mechanical Engineering vol. 4, no. 5 (2016) : 182-190. doi :
10.12691/ajme-4-5-3.
[28] Mohammed BOUSSETTA, Ilyas KHELAFA1, Saad MOTAHHIR, Abdelaziz ELGH-
ZIZAL, Aziz DEROUICH,Optimisation technico-économique d’un système hybride
PV/Eolien/Batterie connecté au réseau pour l’électrification d’une villa, 2ème Colloque
franco-marocain sur les Energies Renouvelables et leur intégration aux réseaux de
transport et de distribution, Avril 2017
[29] https ://fr.m.wikipedia.org/wiki/Algorithme-génétique (Consulté le 02/12/2019)
[30] Jean-Marc Trémaux. Algorithmes génétiques pour l’identification structurelle des ré-
seaux bayésiens. Mémoire de Master de recherche en Informatique, Université Lumière
Lyon II, 2006, 28 p.
[31] Joséanne Bélanger-Gravel. Analyse technico-économique d’un système hybride éolien-
photovoltaïque en comparaison avec les systèmes photovoltaïque et éolien seuls [en
ligne], Université de Montréal, Décembre 2011.
[32] Tom Lambert, Paul Gilman and Peter Lilienthal. Micropower system modeling with
HOMER. [on line], 40 p.
[33] GUERIDI Amina. Dimensionnement d’un système hybride pour subvenir aux besoins
de l’Université de Chlef. Mémoire de Magister, Université Hassiba Ben Bouali de Chlef,
2011, 121 p.
[34] Koutar Bouyachou. Développement d’une approche décisionnelle multicritère pour
le choix d’un système énergétique renouvelable à implanter dans les sites isolés. Cas
d’étude : maison partielle aux îles de la madeleine, Mémoire de maîtrise en gestion de
projet. Université du Québec à Rimouski (UQAR), Octobre 2017, 125 p.
[35] Makbul A.M. Ramli, Ayong Hiendro & Ssennoga Twaha. Economic analysis of PV/diesel
hybrid system with flywheel energy storage, Renewable Energy 78 (2015) 398-405. Avai-
lable on <www.elsevier.com/locate/renene>
[36] ELHADJI MAMADOU ADJI Doundo. Amélioration de la production électrique d’une
centrale thermique à mi-temps par injection solaire photovoltaïque : cas de Tamaya au

BIBLIOGRAPHIE
Niger. Mémoire de Master d’ingénierie en Génie électrique et énergétique, 2IE, 83 p.,

2017.
[37] BENHAMA Abdelouhab & BENKHELOUF Yacine.Etude comparative des algorithmes
génétiques multi-objectifs. Mémoire de Master en Automatique, Université Abderrah-
mane MIRA de Bejaia, 2015, 92 p.
[38] Ke-Lin Du & M.N.S. Swamy. Search and Optimization by Metaheuristics : Techniques
and Algorithms Inspired by Nature. Springer International Publishing Switzerland 2016.
[39] H. Colin, C. Duvauchelle, G. Moine, Y. Tanguy, B. Gaiddon, ), T. Tran-Quoc. Raccor-
dement des installations photovoltaïques au réseau public de distribution électrique à
basse tension. Cadre réglementaire, impacts et préconisations, Avril 2010, 64 p.
[40] Marion Douet. Énergies renouvelables. Disponible sur <https :
www.jeuneafrique.com>. Mise à jour le 25 Janvier 2017 à 11h46. Consulté le 27/02/2020
[41] Didier Pascal DOGUE. La centrale électrique de Bérécingou rénovée, mise en service.
Disponible sur <https ://lanationbenin.info>. Consulté le 27/01/2020
[42] JUNIUS Adrien. Le marché de l’hydroélectricité dans le monde, [en ligne]. Mémoire de
DESS Économie et Politique de l’Energie, 2014.
[43] TECSOL. Formation énergie solaire, [en ligne]. Disponible sur <https ://tec-
sol.blogs.com>, Publié le 15 juin 2016. Consulté le 16 Avril 2020.
[44] Laurent Kossouho. Subvention du prix de l’électricité, [en ligne], publié le 6 décembre
2019. Disponible sur <https ://news.acotonou.com>. Consulté le 12/01/2020.
[45] TRITEC Group. Hoppecke, les batteries solaires pour toutes les situations, [en ligne].
Disponible sur <https ://www.tritec-energy.com>. Consulté le 15/01/2020.
[46] Hoppecke. Batterie Gel Hoppecke 2V 24 OPzV 3000, [en ligne]. Disponible sur
<https ://www.batterie-solaire.com>. Consulté le 18/01/2020.
[47] CLIMATE-DATA. Climat Natitingou. Disponible sur <https : www.climate-data.org>.
Consulté le 29/02/2020
[48] <https : www.homer-energy.com>. Consulté le 29/02/2020

ANNEXES
99
Annexe A:
Données du réseau HTA de Natitingou
TABLEAU A.1 – Données du réseau HTA de Natitingou
Nœud début Nœud arrivé Résistance (p.u) Réactance (p.u)

1 2 0,00938108 0,01285583
2 3 0,07077333 0,06222222
3 4 0,17693333 0,15555556
4 5 0,08846667 0,07777778
5 6 0,08846667 0,07777778
6 7 0,02837778 0,03888889
6 8 0,02837778 0,03888889
8 9 0,03405333 0,04666667
9 10 0,03405333 0,04666667
10 11 0,10216 0,14
11 12 0,21135769 0,28964444
12 13 0,03632356 0,04977778
13 14 0,07310116 0,10017778
14 15 0,04426933 0,06066667
15 16 0,03632356 0,04977778
16 17 0,01475644 0,02022222
17 18 0,020432 0,028
18 19 0,02724267 0,03733333
19 20 0,00681067 0,00933333
20 21 0,04075049 0,05584444
21 22 0,11453271 0,15695556
22 23 1,61594418 2,21448889
23 24 2,260256 1,27266667
5 53 0,02368 0,01333333
7 52 0,43216 0,24333333
8 51 0,0253376 0,01426667
10 50 0,0589632 0,0332
11 49 0,01184 0,00666667
12 48 0,001184 0,00066667
13 47 0,127872 0,072
100
A NNEXE A : Données du réseau HTA de Natitingou
TABLEAU A.2 – Données du réseau HTA de Natitingou (suite)

14 44 0,108928 0,06133333
44 45 0,0871424 0,04906667
44 46 0,010656 0,006
15 43 0,073408 0,04133333
16 42 0,00592 0,00333333
17 41 0,010656 0,006
28 29 0,26444444 0,15715556
29 30 0,13354444 0,07936356
30 31 0,14253556 0,08470684
31 32 0,07854 0,0466752
32 33 0,33610889 0,19974471
33 34 0,32262222 0,19172978
34 18 0,09255556 0,05500444
18 34 0,09255556 0,05500444
34 33 0,32262222 0,19172978
33 32 0,33610889 0,19974471
32 31 0,07854 0,0466752
31 30 0,14253556 0,08470684
30 29 0,13354444 0,07936356
29 35 0,0357 0,021216
30 36 0,00581778 0,00345742
31 37 0,00661111 0,00392889
32 38 0,00661111 0,00392889
33 39 0,16025333 0,09523627
34 40 0,00581778 0,00345742
20 27 0,0819328 0,04613333
21 26 0,09472 0,05333333
23 25 0,6635136 0,3736
9 54 0,1184 0,06666667
54 55 0,0376868 0,03313333
55 56 0,06564227 0,05771111
54 57 0,0376868 0,03313333
57 58 0,01822413 0,01602222
58 59 0,04122547 0,03624444
59 60 0,13411547 0,11791111
60 61 0,1576476 0,1386
61 62 0,0233552 0,02053333
62 63 0,0843972 0,0742
63 64 0,05272613 0,04635556
64 65 0,08103547 0,07124444
65 66 0,09519013 0,08368889


66 67 0,069004 0,06066667
67 68 0,03644827 0,03204444
68 69 0,10810627 0,09504444
69 70 0,11270653 0,09908889
70 71 0,03750987 0,03297778
71 72 0,01981653 0,01742222
72 22 0,05675556 0,07777778
22 72 0,05675556 0,07777778
72 71 0,01981653 0,01742222
71 70 0,03750987 0,03297778
70 69 0,11270653 0,09908889
69 68 0,10810627 0,09504444
68 67 0,03644827 0,03204444
67 66 0,069004 0,06066667
66 65 0,09519013 0,08368889
65 64 0,08103547 0,07124444
64 63 0,05272613 0,04635556
63 62 0,0843972 0,0742
62 61 0,0233552 0,02053333
61 60 0,1576476 0,1386
60 59 0,13411547 0,11791111
59 58 0,04122547 0,03624444
58 57 0,01822413 0,01602222
57 54 0,0376868 0,03313333
55 73 0,1051392 0,0592
57 74 0,0123136 0,00693333
58 75 0,0066304 0,00373333
59 76 0,0203648 0,01146667
60 77 0,026048 0,01466667
77 79 0,07104 0,04
77 78 0,1809152 0,10186667
61 80 0,0073408 0,00413333
62 81 0,5005952 0,28186667
81 82 0,07104 0,04
82 83 0,07104 0,04
83 84 0,2661632 0,14986667
82 85 0,28416 0,16
83 86 0,09472 0,05333333
63 87 0,002368 0,00133333
64 88 0,1179264 0,0664
65 89 0,02368 0,01333333


66 90 0,0369408 0,0208
67 91 0,1096384 0,06173333
91 92 0,07104 0,04
92 93 0,2476928 0,13946667
91 94 0,0111296 0,00626667
68 95 0,0206016 0,0116
95 96 0,0206016 0,0116
69 97 0,0388352 0,02186667
70 98 0,002368 0,00133333
72 99 0,07077333 0,06222222
99 100 0,07077333 0,06222222
100 101 15,7470667 13,8444444
101 102 1,0472684 0,92073333
102 103 0,34785093 0,30582222
103 104 2,38417667 2,09611111
104 105 0,045118 0,03966667
105 106 0,22576693 0,19848889
106 107 0,0997904 0,08773333
107 108 0,21992813 0,19335556
108 109 0,60848667 0,36161493
108 110 0,00396667 0,00235733
107 111 0,01586667 0,00942933
106 112 0,0119 0,007072
106 113 0,0119 0,007072
105 114 0,01137111 0,00675769
104 115 0,01057778 0,00628622
104 116 1,55625556 0,92486044
103 117 0,00925556 0,00550044
102 118 0,02062667 0,01225813
101 119 0,01983333 0,01178667
100 120 0,01983333 0,01178667
99 121 0,6560688 0,5768
121 123 0,2489452 0,21886667
123 125 0,06404987 0,05631111
125 127 0,16260173 0,14295556
127 129 0,00353867 0,00311111
129 131 0,058388 0,05133333
131 133 2,2495304 1,97773333
121 122 0,07104 0,04666667
123 124 0,09472 0,06222222
125 126 0,0454656 0,02986667


127 128 0,07104 0,04666667
129 130 0,05328 0,035
131 132 0,05328 0,035
133 135 1,41504645 1,244075
133 134 0,013986 0,0091875
135 136 0,013986 0,0091875
135 137 0,4669713 0,41055
137 138 0,0092225 0,0054808
138 139 0,044625 0,02652
139 140 0,044625 0,02652
140 141 0,0127872 0,0072
140 142 1,7555475 1,0432968
137 143 0,05328 0,03
137 144 0,00935535 0,008225
144 145 0,17138205 0,150675
145 146 0,86118983 0,7571375
146 147 1,0880073 0,95655
147 148 0,88746443 0,7802375
148 149 0,4761276 0,4186
149 150 0,0298575 0,02625
149 151 0,026775 0,015912
148 152 0,027965 0,0166192
152 153 0,01978375 0,0117572
147 154 0,00491645 0,0067375
146 155 0,01085875 0,0064532
144 156 0,01085875 0,0064532
138 158 0,03981 0,035
157 158 0,03981 0,035
157 159 0,063696 0,056
159 160 0,0051753 0,00455
160 161 0,0927573 0,08155
161 162 0,0696675 0,06125
162 163 0,06996608 0,0615125
163 164 1,07596478 0,9459625
159 165 0,044625 0,02652
160 166 0,0395675 0,0235144
161 167 0,0740775 0,0440232
167 168 0,044625 0,02652
162 169 0,044625 0,02652


163 170 0,01323875 0,0078676
164 171 0,65363245 0,8957375
171 172 0,36911685 0,5058375
172 173 0,02554 0,035
173 174 0,02554 0,035
174 175 0,02554 0,035
175 176 0,0146855 0,020125
176 177 0,02554 0,035
177 178 0,019155 0,02625
178 179 0,02554 0,035
179 180 0,02554 0,035
171 187 0,044625 0,02652
187 188 0,0595 0,03536
172 186 0,044625 0,02652
173 185 0,0595 0,03536
174 184 0,044625 0,02652
175 183 0,0595 0,03536
176 182 0,044625 0,02652
179 181 0,0595 0,03536
164 189 0,30036645 0,264075
189 190 0,85501928 0,7517125
190 191 0,13485638 0,1185625
191 192 0,50299935 0,442225
192 193 0,79988243 0,7032375
193 194 0,19905 0,175
194 195 0,19905 0,175
195 196 0,91264425 0,802375
196 197 0,03981 0,035
197 198 0,099525 0,0875
189 199 0,02543625 0,0151164
190 200 0,00342125 0,0020332
192 201 0,83999125 0,4991948
201 203 0,461125 0,27404
203 205 0,08449 0,0502112
201 202 0,008925 0,005304
203 204 0,008925 0,005304
193 206 0,00826058 0,0072625
194 207 0,0298575 0,02625
195 208 0,33171683 0,2916375
196 209 0,03154943 0,0277375
209 210 0,0298575 0,02625
197 211 0,0298575 0,02625

Annexe B:
Les températures moyennes mensuelles à

Natitingou
TABLEAU B.1 – Les températures moyennes mensuelles à Natitingou
Mois Températures (◦ C)
Janvier 26,4
Février 28,7
Mars 30
Avril 29,4
Mai 27,6
Juin 26,3
Juillet 25,2
Août 24,4
Septembre 25,1
Octobre 26,3
Novembre 26,2
Décembre 26,4
Moyenne 26,8
Source : [47]
106
Annexe C:
La composition chimique du gasoil
TABLEAU C.1 – La composition chimique du gasoil [48]
Polluants Valeurs
Dioxyde de carbone (g/L) 6,5
Hydrocarbure non brûlé (g/L) 0,72
Particule 0,49
Dioxyde de souffre (%) 2,2
Oxyde de nitrogènes 58
107
Annexe D:
Caractéristiques techniques du module so-

laire Trinasolar 300 Wc
F IGURE D.1 – Données électriques du module solaire Trinasolar 300 Wc
F IGURE D.2 – Données mécaniques du module solaire Trinasolar 300 Wc
108
Table des matières
Dédicaces i
Remerciements ii
Sommaire iv
Liste des figures vi
Liste des tableaux viii
Liste des sigles et abréviations ix
Résumé x
Abstract xi
Introduction générale 1
1 Approvisionnement en énergie électrique du département de l’Atacora 4

1.1 Introduction partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Les sources d’approvisionnement en énergie électrique du département de
l’Atacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Description du réseau HTA de Natitingou et ses problèmes d’exploitation . . 7
1.3.1 Description du réseau HTA de Natitingou . . . . . . . . . . . . . . . . 7
1.3.2 Les problèmes d’exploitation . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Conclusion partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Étude diagnostique du départ HTA de Natitingou 16

2.2 Formulation du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Modélisation des éléments du réseau électrique . . . . . . . . . . . . . . . . 17
2.3.1 Modèle du générateur . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.2 Modèle des lignes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
109
TABLE DES MATIÈRES
2.3.3 Modèle de charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2.3.4 Le système per unit (p.u) . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 Équations de l’écoulement de puissance . . . . . . . . . . . . . . . . . . . . . 21
2.4.1 Formulation de la matrice d’admittance . . . . . . . . . . . . . . . . . 21
2.4.2 Formulation des équations de l’écoulement de puissance . . . . . . . 23
2.5 Les types de nœuds dans les réseaux électriques . . . . . . . . . . . . . . . . 24
2.6 Méthodes numériques de résolution d’un problème d’écoulement de puis-
sance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.6.1 Revue de littérature sur les différentes méthodes . . . . . . . . . . . . 25
2.6.2 Choix de la méthode numérique . . . . . . . . . . . . . . . . . . . . . 29
2.7 Simulation du réseau HTA de Natitingou . . . . . . . . . . . . . . . . . . . . . 31
3 Méthodes d’optimisation 35
3.2 Méthodes de dimensionnement et d’optimisation des systèmes hybrides . . 36
3.2.1 Méthodes de dimensionnement utilisant des techniques d’optimisa-
tion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.2 Méthodes de dimensionnement utilisant des logiciels . . . . . . . . . 38
3.2.3 Modélisation du système hybride PV-Diesel-hydro . . . . . . . . . . . 41
3.3 L’optimisation multi-objectif par l’algorithme NSGA-II . . . . . . . . . . . . 45
3.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.2 Les nouvelles caractéristiques du NSGA II . . . . . . . . . . . . . . . . 46
3.3.3 Fonctionnement de l’algorithme NSGA II . . . . . . . . . . . . . . . . 47
3.3.4 Adaptation de l’algorithme NSGA II au problème d’étude . . . . . . . 48
3.4 Formulation mathématique du problème d’optimisation du positionnement
de la centrale PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.1 Modèle du PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.2 Critères d’optimisation . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.3 Les contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.5 Algorithme d’optimisation du positionnement du GED avec le NSGA II . . . 52

TABLE DES MATIÈRES
4 Simulation du système hybride PV-Hydro-Diesel-Réseau 54

4.2 Optimisation du dimensionnement et du positionnement de la centrale Pho-
tovoltaïque (PV) à l’aide du NSGA II . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2.1 Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2.2 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2.3 Analyses et interprétations . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.3 Optimisation du système hybride Photovoltaïque-Hydro-Diesel-Réseau avec
le logiciel HOMER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3.1 Profil de charge et données d’ensoleillement . . . . . . . . . . . . . . 66
4.3.2 Spécification technique et coût des composants . . . . . . . . . . . . 67
4.3.3 Les contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3.4 Simulation du système PV-hydro-Diesel . . . . . . . . . . . . . . . . . 71
4.3.5 Simulation du système PV-Hydro-Diesel-Réseau . . . . . . . . . . . . 80
4.3.6 Simulation du système PV-hydro-Diesel-stockage . . . . . . . . . . . 81
4.3.7 Simulation du système PV-Hydro-Diesel-Stockage-Réseau . . . . . . 85
4.3.8 Estimation du champ photovoltaïque . . . . . . . . . . . . . . . . . . 88
4.4 Étude financière . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.4.1 Les indicateurs économiques utilisés . . . . . . . . . . . . . . . . . . . 89
4.4.2 Évaluation des paramètres économiques des différents systèmes . . 90
Conclusion générale 93
Bibliographie 95
Annexes 100
A Données du réseau HTA de Natitingou 100
B Les températures moyennes mensuelles à Natitingou 106
C La composition chimique du gasoil 107
D Caractéristiques techniques du module solaire Trinasolar 300 Wc 108

Memoire Romain PDF

Transféré par

Droits d'auteur :

Formats disponibles

Memoire Romain 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

Memoire Romain PDF

Transféré par

Droits d'auteur :

Formats disponibles

Université d’Abomey-Calavi

École Polytechnique d’Abomey-Calavi

Département de Génie Électrique

Mémoire de fin de formation

Option : Énergie électrique

Optimisation technico-économique de l’insertion d’un système hybride

Soutenu le 27 Mars 2020, devant le jury composé de :

Président : Pr. François-Xavier FIFATIN, Enseignant à l’EPAC.

Année universitaire : 2018-2019

Liste des figures vi

Liste des tableaux viii

Liste des sigles et abréviations ix

1 Approvisionnement en énergie électrique du département de l’Atacora 4

2 Étude diagnostique du départ HTA de Natitingou 16

4 Simulation du système hybride PV-Hydro-Diesel-Réseau 54

A Données du réseau HTA de Natitingou 100

B Les températures moyennes mensuelles à Natitingou 106

C La composition chimique du gasoil 107

D Caractéristiques techniques du module solaire Trinasolar 300 Wc 108

Mémoire d’ingénieur de conception, Romain A. OUSSOU iv

1.1 Évolution de la demande de pointe [8] . . . . . . . . . . . . . . . . . . . . . . 7

2.1 Le schéma d’un générateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.1 Crowding Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4.1 Front de Pareto pour le problème de positionnement de la centrale PV . . . 56

4.6 Les données d’irradiation globale obtenus sous HOMER . . . . . . . . . . . . 67

D.1 Données électriques du module solaire Trinasolar 300 Wc . . . . . . . . . . . 108

Mémoire d’ingénieur de conception, Romain A. OUSSOU vi

1.1 Production hydroélectrique à Yéripao entre 2005 et 2013 [8] . . . . . . . . . . 6

2.1 Les types de nœuds dans les réseaux électriques. . . . . . . . . . . . . . . . . 25

4.1 Paramètre de simulation NSGA II . . . . . . . . . . . . . . . . . . . . . . . . . 55

4.17 Détail de coût du système optimal . . . . . . . . . . . . . . . . . . . . . . . . 74

A.1 Données du réseau HTA de Natitingou . . . . . . . . . . . . . . . . . . . . . . 100

B.1 Les températures moyennes mensuelles à Natitingou . . . . . . . . . . . . . 106

C.1 La composition chimique du gasoil [48] . . . . . . . . . . . . . . . . . . . . . 107

Mémoire d’ingénieur de conception, Romain A. OUSSOU viii

END : Énergie Non Distribuée

HTA : Haute Tension Catégorie A

CEB : Communauté Électrique du Bénin

GED : Générateur d’Electricité Décentralisé

IPP : Independent Power Producer

LCOE : Levelized Cost of Energy

MCA : Millenium Challenge Account

MCC : Millenium Challenge Corporation

NPC : Net Present Cost

SBEE : Société Béninoise d’Énergie Électrique

L’accès à l’énergie électrique est un facteur incontournable, pour le développement social

Cependant, la nature intermittente des énergies renouvelables nécessite l’adoption d’une

Une analyse réalisée par le gouvernement du Bénin et le Millenium Challenge Corporation

Dans le cadre de l’activité de production photovoltaïque, l’État en qualité d’autorité concé-

L’activité de production de la centrale hydroélectrique consiste à : réhabiliter la centrale

Mémoire d’ingénieur de conception, Romain A. OUSSOU 2

La structure de ce document est organisée en quatre (04) chapitres :

• Le chapitre 1 présente l’approvisionnement en énergie électrique du département

• Le chapitre 3 sera consacré aux méthodes d’optimisation.

• Enfin le chapitre 4 présente la simulation du système hybride PV-hydro-Diesel connecté

Mémoire d’ingénieur de conception, Romain A. OUSSOU 3

Approvisionnement en énergie électrique

1.1 Introduction partielle

1.2 Les sources d’approvisionnement en énergie électrique