|
Résumé :
|
Le Dispatching Economique Environnemental (DEED) est un problème d’optimisation complexe et fortement non linéaire avec deux objectifs totalement contradictoires, cette optimisation est sujet de plusieurs contraintes d’égalité et d’inégalité qu’il faut les satisfaires afin d’aboutir à une solution qui est un compromis entre le coût total de production de l’énergie et les émissions qui l’ accompagne, en revanche cette optimisation doit satisfaire toutes les contraintes pratiques imposées par les unités de production à savoir l’effet de valves, les contraintes rampes, les zones de fonctionnement prohibes, les pertes de transport en premier lieu et aussi doit vérifier en deuxième lieu plusieurs contraintes liées à la sécurité de notre réseau de transmission telles que les limites de production de l’énergie réactive et les limites de tensions de nos générateurs, les limites de puissances maximales supportées par les lignes de transport et les limites de tension imposées au niveaux de jeux de barres de charge. Cette thèse focalise la lumière sur l’application des algorithmes de l’intelligence artificielle pour résoudre la dite optimisation en appliquant plusieurs algorithmes à savoir l’algorithme de l’essaim de particules à coefficient d’accélération variable PSOTVAC, l’algorithme à base de biogéographie BBO, l’algorithme de luciole FA d’une part et plusieurs algorithmes hybrides développés dans le cadre de cette thèse tels que le FA-PSOTVAC, BBO-PSOTVAC et le FA-BBO d’autre part, cette hybridation est pour but de créer un équilibre entre l’exploration et l’exploitation de l’espace de recherche durant le processus de recherche, la robustesse de nos algorithmes est prouvée et validée pour plusieurs réseaux test à savoir 6, 10, 13, 14, 15 et 30 unités, finalement nos résultats expliquent l’efficacité et la qualité de solution offerte en terme de qualité de solution et caractéristique de convergence.
|
