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

I-4-5 Les pertes de puissance dans lignes

Au niveau de J.d.B la puissance apparente écoule est la différance entre la puissance générée et la puissance demandée.

Pour un J.d.B « i » :

On a : Si = S Gi - SDi

Avec :

P i = P Gi - Di= Fip

Q Q Q F

= - =

i Gi Di iq

P= F =ipEP Gi - EPDi

Qi = Fiq = QGi - Q Di (I-13)

Le système d'équations (I-13) exprime l'expression des pertes.

Ou bien on peut calculer les pertes par une autre méthode, on calcule les pertes au niveau des lignes puis la somme algébrique donne l'expression des pertes [06]

P P P

= +

Lij ij ji

aij = Qj + Qji

(I-14)

I-5 Résolution des équations de l'écoulement de puissance

Il existe deux méthodes de base pour la résolution des équations non linéaires de l'écoulement de puissance : Gauss-Seidel (GS) et Newton-Raphson (NR). La méthode la plus utilisée est celle de NR à cause de sa convergence quadratique [02].

I-5.1 Méthode de Newton-Raphson

La méthode de NR, nous permet de remplacer le système d'équations non - linéaires, par un système linéaire.

Soit f( x 1 , x 2, xn ) une fonction à (n)variables. Le développement de cette fonction en série de

Taylor, au voisinage d'un point( a 1 , a 2, an ) , nous donne [05]

an

? f ? f ? f

f x x x f a a a x a

( ) (

) ( )

+ - ( )

x a .... ( )

1 2

, ,.... x a

n 1 2

, ,.... + + -

+ -

n 1 1 2 2 n n

? x ? x

? x

1 a 2 a n

1 2

Si on pose, Äx i = xi - a i ( i = 1,2, ...n)

on aura

an

? f ? f ? f

f x x x f a a a

( ) (

- )

1 2

, ,.... + Ä x

n 1 2

, ,.... = Ä x + + Ä

x ....

n 1 2 n

? x ? x ? x

1 a 2 2

a n

1

Considérons maintenant un système d'équations non - linéaires, à n variables

f1

f2

fn

(((x x x , ,... ) =
1 2 n
x x x
, ,... ) =
1 2 n
x x x
, ,... ) =
1 2 n

y 1

y 2
y n

(I-15)

Où,

f k ( x 1 , x 2 ,... x n ) = y k , k = 1,2, n

Le développement en série de Taylor, du système d'équations (I-15), au voisinage d'une

estimation initiale( 0 )

xk , donne

? f ? f

f x x x y f x x x

0 0 0 0

( ) (

= = ) x 0 x (I-16)

1 2

, ,.... , ,.... + + Ä

+ Ä ....

k n k 1 2 n 1 n

? x ? x

xn0

1 x 0 n

1

k = 1,2, n

Äxk , représente la correction à ajouter à 0

xk , pour se rapprocher de la solution correcte.

Le système (I-16), peut être écrit sous la forme matricielle suivante

f 1

y1

-

( )

0 x 0

x , ,

1 n

? f 1

? f 1

? f 1

0

Ä x

1

X 0

1

X 0

n

X 0

2

n

?x1

? x

? x

2

(I-17)

-

n n

0

( x 0

x , ,

1 n

y f

0

? fn

? f n

? f n

Ä x

n

X 0

1

X 0

n

X 0

2

2

?x

? x

? x

1

n

Ou encore

[ Ä U ] 0 = [ J ] 0 . [ Ä X ]0 (I-18)

[ J] est la matrice jacobéenne du système (I-15). d'où l'on tire

[ ] ( [ ] ) [ ]0

Ä X 0 = J 0 - . Ä U (I-19)

1

La première solution approchée du processus itératif est calculée par [ X ] 1 = [ X] 0 + [ ÄX]0

Généralement, pour une itération (k), On a

[ X ] K = [ X ] K + [ ÄX ]K

+1 (I-20)

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








"Piètre disciple, qui ne surpasse pas son maitre !"   Léonard de Vinci