EN VUE DE L’OBTENTION DU DIPLOME DE DOCTORAT EN SCIENCES
Loading...
Date
2019
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université 20 Août 1955 - Skikda
Abstract
Le but de ce travail est de résoudre le problème de la répartition optimale de la puissance
réactive (ORPD) qui est considéré comme un problème d’optimisation multivariable, avec
contraintes et à fonction objective non linéaire. Les objectifs peuvent être principalement résumés
dans la minimisation des pertes de puissance active dans les lignes et l'amélioration du profil de
tension dans un réseau électrique en utilisant un certain nombre de moyens de contrôle tels que les
sources de puissance réactive, les gradins des transformateurs réglables en charge et les tensions des
JdB des générateurs (PV JdB). L’ajustement optimal de ces moyens de contrôle peut mener à une
répartition optimale de la puissance réactive et à réduire au minimum les pertes de transmission.
Les méta-heuristiques sont des algorithmes stochastiques capables de résoudre une large
gamme de problèmes d’optimisation pour lesquels il n'existe pas de méthodes conventionnelles
efficaces connues. Ces techniques sont souvent inspirées de la biologie (algorithmes évolutionnaires,
évolution différentielle), de la physique (recuit simulé, algorithme de recherche gravitationnelle) et
de l’ethnologie (colonies de fourmis, optimisation par essaim de particules). L’intelligence inspirée
de la nature devient, de plus en plus, populaire et un nombre important de méthodes entraînées par
des concepts issus de la nature ou de la biologie ont été développées. La performance d'une
métaheuristique nécessite un compromis entre l'exploitation et l'exploration de l'espace de recherche.
Cependant, il est rare d'avoir les deux caractéristiques dans la même méthode de recherche, où
l'émergence actuelle des méthodes hybrides.
Dans ce travail, nous tenterons de résoudre le problème du contrôle de tension / puissance
réactive en appliquant plusieurs métaheuristiques telles que: les algorithmes génétiques améliorés
IGA, l’optimisation par essaims particulaires PSO, le recuit simulé SA, l’évolution différentielle DE
et deux formulations hybrides. La première est une formulation hybride entre l'optimisation par
essaims particulaires PSO et les algorithmes génétiques améliorés avec un codage réel IGA. La
deuxième est une formulation hybride entre l'algorithme de l’évolution différentielle DE (basé sur
une population de solution) et le recuit simulé SA (basé sur une solution unique).
Pour les variables de contrôle, une représentation mixte (continue / discrète) est proposée. La
robustesse des techniques utilisées est testée sur deux réseaux standards de test : Ward-Hale 6 bus et
IEEE 30 bus.