Mixed Multi-objective Optimization using Hybrid Algorithms: Application to smart grids
El-GHazali Talbi & Rachid Ellaia
Porteurs du projet
Rachid Ellaia – EMI, Rabat, Maroc
El-Ghazali Talbi, équipe de recherche DOLPHIN, Inria
Résumé
Cette équipe-associée a intégré le LIRIMA en janvier 2016. Avec l’émergence des réseaux énergétiques intelligents (Smart Grids), la maitrise de la consommation d’énergie jouera un rôle important dans l’économie d’énergie. Les particuliers, responsables d’une part considérable de la demande énergétique mondiale, vont devenir des acteurs de leurs consommations, voir de leurs productions.
La demande d’énergie dans le secteur résidentiel est complètement inélastique par rapport au prix du marché, car il est difficile d’évaluer l’effet des variations du prix sur l’évolution de la demande énergétique. Ainsi, les performances des systèmes de production et de la distribution d’énergie peuvent être améliorés en optimisant la gestion de l’énergie résidentielle. Ce problème implique des objectifs multiples comme le coût et le confort des utilisateurs, et plusieurs décideurs notamment les utilisateurs finaux et les opérateurs énergétiques.
Nous proposons un système automatique qui permet de contrôler la planification d’appareils ménagers, afin d’optimiser simultanément le coût de l’énergie totale et la satisfaction du client.
Le défi majeur de ce projet est de proposer de nouveaux modèles d’optimisation et de nouveaux algorithmes hybrides pour la maîtrise de la demande en énergie (DSM) dans les réseaux électriques intelligents, dans un contexte d’incertitude et de présence de plusieurs objectifs contradictoires. Ces problèmes d’optimisation complexes sont également caractérisés par la présence à la fois des variables continues et discrètes.
L’enjeu du problème mixte et multi-objectif de la gestion d’énergie des ménages est de contrôler les appareils électriques en fonction de l’information opérationnelle des utilisateurs, afin de minimiser la facture d’électricité du client et de maximiser sa satisfaction. Le système automatique serait en mesure de surveiller l’équipement dans le logement en déterminant le temps de démarrage de certains services, ainsi qu’en régulant la température du système de refroidissement et de chauffage électrique..
Le système pourrait également générer le planning optimal du chargement des batteries domestiques (incluant les voitures électriques), en suggérant des décisions en temps de chargement et déchargement. Par ailleurs, le modèle intégrera certaines incertitudes dans les données : en effet, dans des situations réelles, de nombreuses données d’entrée du modèle sont incertaines, par exemple, la production et la consommation aléatoire dues aux conditions atmosphériques (ex. température). Ainsi, des solutions robustes, insensibles à ces incertitudes, doivent être développées.
