Reconstruction de topologie d'un réseau ramifié par réflectométrie multicapteurs

Les réseaux électriques intelligents (smart grids) visent à surveiller et contrôler des réseaux électriques alors que de nombreux facteurs évoluent, tels que : les unités de production, les unités de consommation, mais aussi le réseau lui-même, sa structure et son état d'intégrité. Les smart grids visent à assurer la meilleure qualité de service possible tout en assurant la protection des personnes et des infrastructures. Dans ce domaine, une large part des algorithmes visent à "sortir l'humain" des boucles de rétroaction afin d'assurer une disponibilité permanente et une réactivité très élevée. C'est pourquoi de nombreux travaux visent à inclure des algorithmes d'intelligence artificielle dans la boucle décisionnelle. Dans ce contexte, nous nous intéressons à des moyens de déterminer la topologie d'un réseau électrique. La notion de topologie de réseau inclut la détermination des longueurs des tronçons et leurs caractéristiques, tout comme les caractéristiques des charges connectées au réseau (unités de productions et de consommation), mais aussi d'éventuels défauts dans le réseau. La détermination précise d'une topologie peut éventuellement être exploitée par la suite pour mieux monitorer le réseau en disposant d'informations a priori plus détaillées. Pour caractériser la topologie, nous proposons d'exploiter un système ponctuel ou distribué de réflectomètres électriques. Ces dispositifs génèrent des signaux dans le réseau sous test et l'étude des réflexions de ces signaux donne des informations pour révéler la structure du réseau, sachant que toute discontinuité d'impédance va créer des réflexions partielles des ondes injectées. De précédents travaux ont été menés au sein de nos équipes pour la reconstruction de topologie à l'aide de réflectomètre, en utilisant des algorithmes d'optimisation couplés à un simulateur. Nous souhaitons étendre ces travaux d'une part en explorant une approche par régresseur et apprentissage automatique, en monocapteur, et d'autre part en effectuant un analyse multicapteurs soit au moyen des algorithmes d'optimisation déjà existants, soit au moyen des nouveaux algorithmes de régression automatisés.