Abstract:
L. ‘étude présentée dans ce mémoire porte sur, l. ‘ application des réseaux de neurones artificiels pour la résolution du problème de la répartition de puissance optimale dans les réseaux d. ‘énergie électrique. Nous avons pu constater tout le long de cette étude que ce dernier constitue un sujet d. ‘actualité et revêt une importance primordiale dans l’exploitation et la planification des réseaux électriques. Afin d. ‘atteindre cet objectif, nous sommes passés par plusieurs étapes : Le premier chapitre a été consacré pour donner des généralités sur les systèmes production-transport d. ‘énergie électrique. Dans le deuxième et le troisième chapitre, nous avons rappelé les différentes classifications et les définitions des méthodes classiques, ainsi que la technique des réseaux de neurones artificielle „RNA., utilisées dans la littérature pour résoudre le problème du dispatching économique. Le quatrième chapitre est dédié à la partie simulation de deux programmes, Newton-Raphson et RNA. Les résultats obtenus après validation sur le réseau IEEE 26 jeux de barres montrent que ces deux méthodes convergent rapidement vers presque les mêmes valeurs optimales, et l. ‘analyse de ces résultats, nous a mené à conclure que le modèle du RNA peut être capable avec une précision très satisfaisante de résoudre le problème du dispatching économique. On peut conclure que, la complexité des problèmes liés aux réseaux électriques fait en sorte qu.il est souvent difficile d. ‘utiliser des méthodes exactes de solution puisque d.une part le manque de flexibilité des méthodes classiques pour intégrer diverses contraintes spécifiques et d. ‘autre part la solution de ces problèmes par ces méthodes est complexe de point de vue modélisation et calcul (temps de calcul important qui ne permet pas d. ‘entreprendre des applications en temps réel). Cette limitation nous a poussé à appliquer l. ‘approche de l.une des méthodes méthaheuristiques ; le RNA, qui constitue une stratégie de résolution de plus en plus privilégiée. Ajoutant à ceci, que le RNA est bien adapté à la détermination des valeurs optimales des puissances générées par les centrales interconnectées pour avoir le minimum coût possible ainsi que le meilleur profit.
Rappelons que le programme de réseau de neurones utilise ses données à partir du programme classique, donc il ne pourra pas le remplacer qu’après que le programme.