Génération de Jeux de Données pour Entraîner un Classificateur de Sécurité de Réseau Électrique Intelligent de Basse Tension

La simulation du pilotage de ressources flexibles distribuées dans les réseaux électriques de basse tension nécessite des outils rapides et fiables pour l'étude de la sécurité de ces réseauxvérifier si les limites (ex : en tension, en courant) du réseau sont respectées. Cette communication décrit les performances de trois types de modèles de classification basés sur les données pour vérifier si l'état opérationnel d'un réseau peut être considéré comme "sûr" ou "non sûr". Le but de ces méthodes est de réduire l'effort computationnel par rapport aux outils classiques d'écoulement de puissance (power flow). Cinq stratégies de génération de données sont proposées pour l'entraînement de ces modèles, ensuite testés avec des scénarios réalistes. Nos résultats montrent que les modèles de type réseaux de neurones ont des performances acceptables à coût de calcul réduit. Notre étude souligne l'importance de produire des jeux de données synthétiques qui visent à une meilleure généralisation en inférence, avec des tailles de jeux de données réduites pour l'entraînement.