WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Utilisation des méthodes d'optimisations métaheuristiques pour la résolution du problème de répartition optimale de la puissance dans les réseaux électriques

( Télécharger le fichier original )
par Abdelmalek Gacem
Centre Universitaire d'El-oued - Magister  2010
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

IV-5 Conclusion :

Dans ce chapitre, on a appliqué quelques méthodes métaheuristiques, pour l'optimisation de l'écoulement de puissance, sur des réseaux standard. Les résultats obtenus par l'application de la méthode d'optimisation par particules d'essaims est satisfaisants par rapport à les algorithmes génétiques et très concluants du point de vu coût de production, ainsi que du point de vu pertes de puissances actives qui sont minimisés

CONCLUSION

Conclusion générale

Conclusion et perspectives

L'objective de cette thèse, on a présenté la formulation du problème de la répartition optimale

de puissance dans les réseaux électriques. Les méthodes classiques proposées ont été testées sur des réseaux électriques à moyenne échelle, dont les résultats ont été validés.

La complexité des problèmes liés aux réseaux électriques fait en sorte qu'il est souvent difficile d'utiliser des méthodes classiques, compte tenu du manque de flexibilité dans les cas d'intégrer diverses contraintes spécifiques. Les métaheuristiques constituent alors une stratégie de résolution de plus en plus privilégiée. Une des particularités importantes des métaheuristiques, réside dans l'absence d'hypothèses particulière sur la régularité de la fonction objective. Aucune hypothèse sur la continuité de cette fonction n'est requise, ses dérivées successives ne sont pas nécessaires, ce qui rend très vaste le domaine d'application. L'optimisation par particules d'essaim présente un fort potentiel d'application pratique, par rapport les algorithmes génétiques. Mais le choix de paramètres reste l'un des problèmes de l'optimisation par particules d'essaim, c'est très difficile de trouver des bons paramètres adaptés à la structure du problème.

Deux fonctions simulent dans notre travail. La première calcule la puissance optimale délivrée par chaque générateur avec l'utilisation de la fonction objective simple. La deuxième est multi objective qui introduit l'optimisation des pertes avec la minimise de coût. En perspective, nous proposons d'optimiser d'autres fonctions objectives importantes, comme la puissance réactive et les émissions des gaz toxiques dans l'atmosphère.

ANNEXE

A-1 Réseaux électrique à 6 jeux de barres

Tableau A.1 Données des lignes du réseau électrique à 6 J.B.

Du
J.B

Au
J.B

r
(p.u)

x
(p.u)

b/2
(p.u)

1

2

0.10

0.20

0.020

1

4

0.05

0.20

0.020

1

5

0.08

0.30

0.030

2

3

0.05

0.25

0.030

2

4

0.05

0.10

0.010

2

5

0.10

0.30

0.020

2

6

0.07

0.20

0.025

3

5

0.12

0.26

0.025

3

6

0.02

0.10

0.010

4

5

0.20

0.40

0.040

5

6

0.10

0.30

0.030

Tableau A.2 Données des jeux de barres du réseau électrique à 6 J.B.

Numéro

Type

Pd

Qd

V

è

Vmin

Vmax

J.B

 

(MW)

(MVAR)

(p.u)

(degré)

(p.u)

(p.u)

1

Ref

00.00

00.00

1.05

0.00

0.90

1.10

2

Pv

00.00

00.00

1.05

0.00

0.90

1.10

3

Pv

00.00

00.00

1.07

0.00

0.90

1.10

4

PQ

70.00

70.00

1.00

0.00

0.90

1.10

5

PQ

70.00

70.00

1.00

0.00

0.90

1.10

6

PQ

70.00

70.00

1.00

0.00

0.90

1.10

Tableau A.3 Données des générateurs du réseau électrique à 6 J.B.

Numéro Pg Qg Qmax Qmin Pgmax Pgmin ã â á

J.B (MW) (MVAR) (MVAR (MVAR (MW) (MW) ($/MW2h) ($/MWh) ($/h)

1

00.00

0.0

300.0

-300.0

200.0

50.0

0.00533

11.669

213.1

2

50.00

0.0

300.0

-300.0

150.0

37.5

0.00889

10.333

200.0

3

60.00

0.0

300.0

-300.0

180.0

45.0

0.00741

10.833

240.0

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Je voudrais vivre pour étudier, non pas étudier pour vivre"   Francis Bacon