Publications

• Articles
• Communications
• Ouvrages
• Brevets
• Thèses soutenues
  • Détail des thèses
    • Soutenance de these de Papa GUEYE
    • Soutenance de thèse de Etta GROVER-SILVA
    • Soutenance de thèse de Ghislain AGOUA
    • Soutenance de thèse de Thibaut BARBIER
    • Soutenance de thèse de Fabien LABBE
    • Soutenance de thèse de Lucia IANNICIELLO
    • Soutenance de thèse de Romain DUPIN
    • Soutenance de these de Pedro AFFONSO NOBREGA
    • Soutenance de these de Youssef ABDO
    • Soutenance de thèse de Kévin NOCENTINI
    • Soutenance de thèse de Carlos Adrian CORREA FLOREZ
    • Soutenance de thèse de Alexis GEROSSIER
    • Soutenance de thèse de Sahng Hyuck WOO
    • Soutenance de thèse de Li DI
    • Soutenance de these de Simon CAMAL
    • Soutenance de these de Thomas CARRIERE
    • Soutenance de these de Antoine ROGEAU
    • Soutenance de thèse de Lluis SOLA HERNANDEZ
    • Soutenance de these de Thomas HEGGARTY
    • Soutenance de these de Valentin MAHLER
    • Soutenance de these de Kevin BELLINGUER
    • Soutenance de these Emilie Powaga
    • Soutenance de thèse de Hongxin GE
    • Soutenance de Akylas STRATIGAKOS
    • Soutenance de Biswarup MUKHERJEE
    • Soutenance de Shengfei WANG
    • Soutenance de Fian ASSEMIEN
    • Soutenance de Stefano CASSANO
    • Soutenance d'Anaëlle JODRY
    • Soutenance d'Alberto VAZQUEZ
• HDR

Soutenance de thèse de Romain DUPIN

Prévision du Dynamic Line Rating et Impact sur la Gestion du Système Electrique

Titre anglais : Forecasting of dynamic line rating and assessment of the impacts on power system management
Date de soutenance : mardi 3 juillet 2018 à 14h00
Adresse de soutenance : 1 Rue Claude Daunesse 06904 Sophia Antipolis - Amphithéâtre Mozart
Directeur de thèse : Georges KARINIOTAKIS
Maitre de thèse : Andrea MICHIORRI

devant le jury composé de :

Mots clés en français : Ampacité dynamique,Prédiction de séries temporelles,Réseau électrique,Energies renouvelables,
Mots clés en anglais : Dynamic Line Rating,Time series forecasting,Electrical network,Renewable energies,

Résumé de la thèse en français
Le Dynamic Line Rating est la modification dynamique des contraintes de courant sur une ligne électrique aérienne, en accord avec la météorologie. De telles modifications permettent alors d'avoir des réductions des phénomènes de congestion près de 99% du temps. De manière similaire aux énergies renouvelables, il est possible de générer des prévisions de ces contraintes modifiées, en accord avec des observations historiques, des prévisions météorologiques et des méthodes d'intelligence artificielle. Dans cette thèse, nous proposons le développement de modèles de prévision probabilistes à court terme du DLR. Nous nous concentrons plus particulièrement sur des méthodes fournissant des prévisions ayant de très faibles probabilités d'être surestimées. Cela passe par le développement et la comparaison de plusieurs méthodes de prévision, ainsi que des améliorations comme des modifications de prévisions à très bas quantile à l'aide de remodélisations des queues de distribution. Par la suite, une réflexion est faite sur l'utilisation en pratique de ces prévisions, d'abord par des cas d'étude simplifié, puis à l'aide de simulations de réseaux électrique. Ces approches nous permettent de développer de nouvelles stratégies d'utilisation des prévisions DLR, optimisant le bien-être social tout en maintenant les risques associés aux erreurs de prévision à un niveau faible. Finalement, nous évaluons les modèles de prévisions développés en fonction de leurs performances économiques à l'aide des modèles de réseaux électriques, et nous démontrons la valeur des améliorations des modèles de prévision que nous proposons.

Résumé de la thèse en anglais
Dynamic Line Rating is the modification of the maximal current capacity of an overhead electrical line, depending on weather characteristics. Such modifications allow important decreases of congestion phenomena, around 99% of the time. Similarly to renewable generation, it is possible to forecast the modified constraints, accordingly to some historic observations, weather predictions and artificial intelligence methods. In this document, the development of short-term probabilistic DLR forecast models. A focus is especially made on methods providing forecasts having a very low probability of being overestimated. This is made through the development and the comparison of several forecast methods, and some improvements such as the remodelling of very low quantile forecasts with tail density modelling. Following that, a reflection is proposed on the use of such forecasts in practice, first with some simplified test cases, then with electrical grid simulations. These approaches allow us developing new strategies for the use of the DLR forecasts, maximizing the social welfare while keeping risks associated with forecasts errors at low levels. Finally, an evaluation of the forecast models function of their economic value is made with the electrical grids models, and the value of the proposed modifications of the forecast models is then demonstrated.