Industry decarbonization comes with an increase in exchange capacities between countries and the electrification of uses, which will contribute to intensifying the power flows on the transmission network. Transmission System Operators (TSOs) conduct expansion studies to identify new network investments that can relieve potential congestion. The objective of this study is to develop an optimization tool for the French TSO RTE to perform Transmission Expansion Planning (TEP) on detailed networks and provide frameworks to make it applicable to large-scale studies. The method developed in this thesis is an optimization problem that models the functioning of a detailed electrical network under DC assumptions, over a year, with a timestep of 1 hour. At each hour, the power flows across the network are constrained by maximum electricity transmissions, in N and N-1 situations (the network should cope with the loss of one line). To ensure these constraints, the problem models free levers (optimization of HVDC line setpoints and Phase Shift Transformers (PSTs) phase) and costly levers (redispatching of electricity generation and loss of load). The model can also invest in new lines through binary variables, under a given maximum investment budget. The objective function of the problem is to minimize the operation costs, which arise from redispatching and loss of load. The problem is solved using the Benders decomposition method, which is well-suited for multi-stage problems like this one. This method decomposes the problem into a master problem (investment) and subproblems of a chosen size (operation costs computation). The tool is first developed and tested on the academic network IEEE RTS-96 (93 nodes). The advantage of the stabilization with Benders decomposition to accelerate the resolution is demonstrated, dividing by 3 the computation time for the yearly problem. The importance of finding the right subproblem size (i.e., the number of hours studied per subproblem) to make the problem tractable is also highlighted. A 1000 hours problem can be solved 2 times quicker with the right subproblem’s size choice. The tool is then tested on the European network (around 20 000 nodes), used in an RTE long-term expansion study on the French high-voltage network. Given the large size of the study, smaller test cases are created, varying the number of hours studied, the amount of investment candidates, and the maximum budget. Only N situations, i.e., without considering contingencies, are studied. These test cases ran successfully but with higher computation times than expected, exceeding sometimes 2 hours for only a one hour problem. Numerical issues that can be encountered in this more complex network should be addressed first, and secondly, the development of a method to reduce the master problem size (by reducing the number of  candidates or the maximum budget) should be considered. To account for contingencies and model the N-1 situation, the size of subproblems should be reduced.

Utfasningen av fossila bränslen inom industrin medför en ökning av utbyteskapaciteten mellan länder och elektrifieringen av användningsområden, vilket kommer att bidra till att intensifiera energiflödena i transmissionsnätet. Systemansvariga för överföringssystem (TSO:er) genomför expansionsstudier för att identifiera nya nätinvesteringar som kan avlasta de potentiella överbelastningarna. Syftet med denna studie är att utveckla ett optimeringsverktyg för den franska TSO:n RTE för att utföra Transmission Expansion Planning (TEP, på svenska Transmissionsutbyggnadsplaneri) på detaljerade nätverk och ge ramverk för att göra det tillämpligt på storskaliga studier. Metoden som konstrueras i denna avhandling är ett optimeringsproblem som modellerar funktionen hos ett detaljerat elektriskt nätverk under DC-antaganden, under ett år, med ett tidssteg på 1 timme. Vid varje timme begränsas kraftflödena över nätet av maximala elöverföringar, i N- och N-1-situation (nätet ska klara av förlusten av en linje). För att säkerställa dessa begränsningar modellerar problemet gratis hävstänger (optimering av HVDC-linjernas börvärde och fasskiftstransformatorernas (PST) fas) och kostsamma hävstänger (omfördelning av elproduktion och förlust av last). Modellen kan också investera i nya linjer genom binära variabler, under en given maximal investeringsbudget. Målfunktionen för problemet är att minimera driftkostnaderna, på grund av redispatching och lastförluster. Problemet löses med Benders dekompositionsmetod, som är väl lämpad för flerstegsproblem som detta. Denna metod dekomponerar problemet i ett huvudproblem (investering) och delproblem av en vald storlek (beräkning av driftkostnader). Verktyget utvecklas först och testas på det akademiska nätverket IEEE RTS-96 (93 noder). Fördelen med Benders dekomposition med stabilisering för att påskynda lösningen demonstreras, dividera med 3 beräkningstiden för det årliga problemet. Betydelsen av att hitta rätt storlek på delproblemen (dvs. antalet timmar som studeras per delproblem) för att göra problemet hanterbart betonas också. Ett 1000 timmar problem kan lösas 2 gånger snabbare med rätt val av storlek på delproblem. Verktyget testas sedan på det europeiska nätverket (cirka 20 000 noder), som används i en långsiktig expansionsstudie från RTE för det franska högspänningsnätet. Givet den stora storleken på studien skapas mindre testfall, där antalet studerade timmar, mängden investeringskandidater och den maximala budgeten varieras. Endast N-situationer, dvs utan att beakta contingencies, studeras. Dessa testfall kördes framgångsrikt men med högre beräkningstider än förväntat, ibland överstigande 2 timmar för ett problem som var tänkt att ta en timme. Numeriska problem som kan uppstå i detta mer komplexa nätverk bör åtgärdas först, och därefter bör utvecklingen av en metod för att minska huvudproblemet (genom att minska  antalet kandidater eller den maximala budgeten) beaktas. För att ta hänsyn till contingencies och modellera N-1-situationen bör storleken på delproblemen minskas. En nätverksreduktion med en detaljerad representation av enheter och laster är lämplig för vår metod.