Analyse Des Flux De Puissance Dans Un Réseau De Transport A Haute Tension (220 Kv) Sous L'environnement Digsilent Powerfactory

David KANYINDA LUMBALA, Jean Pierre TSHIBANGU RUKUBAYI, Ruphin MPOW MAYAMBA

Abstract


L'intégration de pôles industriels et de zones de développement économique au sein du réseau électrique national de la République Démocratique du Congo (RDC) impose des contraintes rigoureuses sur la stabilité et la gestion de la charge. Cet article aborde l’analyse de flux de puissance (Load Flow) d’un système de transport à 220 kV composé de trois Bus. Le modèle, développé sous l’environnement de DIgSILENT PowerFactory, simule l’approvisionnement d'une charge minière de 40 MW et d'une zone économique spéciale (ZES) de 70 MW à partir d’une unité de génération unique.L’objectif est d’évalu er le profil de tension aux différents nœuds, les pertes active et réactive sur les lignes de transport, ainsi que le taux de chargement des équipements. Les résultats de la simulation permettent d’identifier les marges de stabilité du réseau face à la demande croissante et de vérifier la conformité du plan de tension aux standards d’exploitation. Cette recherche fournit une base technique pour l’optimisation des infrastructures électriques régionales et l’extension future du réseau interconnecté en RDC. Les différentes simulations 2D développées vérifient la cohérence des modèles. Les résultats obtenus montrent que les approches d’analyse et les outils informatiques utilisés sont satisfaisants.

Keywords


Analyse, Load Flow, Réseau 220 kV, DIgSILENT PowerFactory, Simulations 2D, Tension, puissances, chute de tension, pertes énergétiques, compensation de puissance réactive.

Full Text:

PDF

References


Ravi Ucheniya; Amit Saraswat; Shahbaz Ahmed Siddiqui; Sunil Kumar Goyal; Neeraj Kanwar (2020). _Performance analysis of a wind farm on transmission network using DIgSILENT power factory_. Vol. 4, No. 4, pp. 292–309. _International Journal of Forensic Engineering (IJFE)_, Royaume-Uni e6b2

L. S. Mgaga; M. E. S. Mnguni; S. D. Lumina (2024). _Power Flow Analysis and Steady State Contingency of IEEE 9-bus System Using DIgSILENT_. Vol. 7, No. 1, pp. 005. _International Journal of Electrical Engineering and Applied Sciences (IJEEAS)_, Malaisie bd20

Xinliang Dai et al.(2025). _Distributed AC Optimal Power Flow: A Scalable Solution for Large-Scale Problems_. arXiv:2503.24086, v2. _arXiv preprint_, États-Unis e8f5

Xinliang Dai et al. (2026). _Distributed AC Optimal Power Flow: A Scalable Solution for Large-Scale Problems_. arXiv:2503.24086, v3. _arXiv preprint_, États-Unis 0783

Minseok Ryu; Kibaek Kim (2021). _A Privacy-Preserving Distributed Control of Optimal Power Flow_. *arXiv:2102.02276, v3*. _arXiv preprint_, États-Unis aa8b

Steffen Meinecke; David Sebastian Stock; Martin Braun (2022). _New Distributed Optimization Method for TSO–DSO Coordinated Grid Operation Preserving Power System Operator Sovereignty_. *Vol. 15, No. 5*. _Energies_, Suisse 51ec

Sambarta Dasgupta; Umesh Vaidya (2017). _Contingency Analysis of Power Networks: A System Theoretic Approach_. *arXiv:1801.00068, v1*. _arXiv preprint_, États-Unis 7f6b

MDPI (2022). _A Novel Methodology for Strengthening Stability in Electrical Power Systems by Considering Fast Voltage Stability Index under N − 1 Scenarios_. Vol. 15, No. 8. _Energies_, Suisse 37d9

MDPI (2024). _Assessing the Static Security of the Italian Grid by Means of the N-1 Three-Phase Contingency Analysis_. Vol. 17, No. 18. _Energies_, Suisse a79c

MDPI (2021). _Augmented Power Dispatch for Resilient Operation through Controllable Series Compensation and N-1-1 Contingency Assessment_. Vol. 14, No. 15. _Energies_, Suisse 21f3

Auteurs MDPI (2022). _Electrical Power Systems Reinforcement through Overall Contingency Index Analysis and Improvement_. Vol. 17, No. 10. _Energies_, Suisse 6ca4

MDPI (2023). _Multi-Period Optimal Power Flow with Photovoltaic Generation Considering Optimized Power Factor Control. Vol. 15, No. 18. _Sustainability_, Suisse 1738

MDPI (2024). _A Dual-Objective Voltage Optimization Method for Distribution Networks Based on a Holomorphic Embedding Time-Series Power Flow Model_. Vol. 14, No. 3. _Processes_, Suisse 5cef

Frontiers (2024). _Optimal power flow method with consideration of uncertainty sources of renewable energy and demand response_. Vol. 12. _Frontiers in Energy Research_, Suisse b8fa

MDPI (2022). Solution of the Optimal Reactive Power Flow Problem Using a Discrete-Continuous CBGA Implemented in the DIgSILENT Programming Language_. Vol. 11, No. 6. _Computers_, Suisse 3c41

MDPI (2023). Optimizing Real and Reactive Power Dispatch Using a Multi-Objective Approach Combining the ϵ-Constraint Method and Fuzzy Satisfaction_. Vol. 16, Special Issue. _Energies_, Suisse 51ec

arXiv(2025). A Decomposition Method for Solving Sensitivity-Based Distributed Optimal Power Flow_. arXiv:2512.22419, v1. _arXiv preprint_, États-Unis c1f7

arXiv (2023). Optimizing Parameters of the DC Power Flow_. arXiv:2310.00447, v2. _arXiv preprint_, États-Unis 930e

Springer (2024). _Optimization strategy for distributed photovoltaic access to distribution networks based on power data_. Vol. 6, No. 4. _Discover Applied Sciences_, Allemagne 7960




DOI: http://dx.doi.org/10.52155/ijpsat.v58.2.8476

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Francis Francis MPUTSHU BONYOMA

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.