Développement, étude et mise en œuvre du contrôle hiérarchique intelligent pour un microréseau hybride dédié aux stations de télécommunication isolées
Bibliographic record
Abstract
Au Canada, du fait de la géographie du pays, de nombreuses Stations de Base de Télécommunication (SBT) ne sont pas connectées au réseau électrique principal et sont donc contraintes de produire leur électricité localement à l’aide de groupes électrogènes dans des microréseaux isolés autonomes. Or, le diesel est responsable de l’émission de Gaz à Effet de Serre (GES) et son prix ne cesse de varier. De plus, les contraintes logistiques liées à l’approvisionnement et au stockage du carburant engendrent une complexité supplémentaire et entrainent une augmentation des coûts d’exploitation ce qui se répercute sur les coûts des services offerts grâce aux SBT tels que l’accès à internet ou au réseau cellulaire. Également, les Générateurs Diesel (GD) sont bruyants et peuvent, dans certains cas, perturber la faune sauvage. Toutefois, le nord du Canada possède des potentiels solaire et éolien intéressants. L’exploitation de ces Sources d’Énergie Renouvelable (SÉR) disponible localement peut contribuer à la réduction du carburant utilisé pour la génération de l’électricité au niveau des SBT. Ce qui entrainerait une diminution des émissions de GES ainsi que des coûts d’exploitation et des prix des services. Cependant, du fait du caractère stochastique des SÉR, il est recommandé de renforcer l’installation électrique des microréseaux par un Système de Stockage d’Énergie (SSÉ). Pour limiter les coûts d’investissement et garantir un accès ininterrompu à une énergie stable, les GD devraient fonctionner comme source d’énergie de secours. Cependant, le fonctionnement de sources d’énergie de natures différentes dans la même installation soulève de nouveaux défis notamment liés à la synchronisation entre les différents éléments du système, à la protection, à la maximisation du bilan énergétique, aux échanges de puissance, à la stabilité et la continuité du service. Pour résoudre ces différents défis, des algorithmes de contrôle avancés sont nécessaires. Dans ce contexte et dans le cadre de ce projet, des algorithmes de contrôle intelligents sont introduits à différents niveaux hiérarchiques afin de garantir le bon fonctionnement du microréseau. Un modèle prédictif à ensemble fini (Finite Set Model Predictive Control, FS-MPC) est proposé pour les contrôleurs de niveau primaire du contrôle hiérarchique pour assurer la maximisation de la puissance extraite des SÉRs, la régulation de la tension du bus à CC, le contrôle du SSÉ et la régulation de la tension et de la fréquence au niveau du point de raccordement du réseau local (PCC). Également, l’utilisation d’une combinaison entre le FS-MPC et la théorie de la stabilité de Lyapunov est utilisée pour définir la fonction de coût et diminuer la charge de calcul. Pour adapter les références de puissance active et réactive du convertisseur d’interfaçage et ainsi contrôler les échanges de puissance entre les côtés à CA et CC du microréseau, un algorithme de contrôle pour le niveau supérieur du contrôle hiérarchique est également développé et implémenté. Cet algorithme de gestion de puissance est basé sur l’implémentation en temps réel de la méthode d’optimisation BFO (Bacterial Foraging Optimization). Enfin, un protocole de communication Modus RTU (Remote Terminal Unit) est implémenté afin de permettre les échanges d’informations entre les différents niveaux du contrôle hiérarchique. Des tests de performance de l’architecture proposée pour le microréseau hybride et son contrôle hiérarchique sont réalisés en présence de différentes conditions de fonctionnement en utilisant MATLAB/Simulink et au laboratoire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".