Scribd
Importer
4 vues2 pages

Optimisation des systèmes ENR : variables et objectifs

Le document traite des problèmes d'optimisation dans le domaine des énergies renouvelables, en mettant l'accent sur les dynamiques d'état, les contraintes mixtes et les objectifs conflictuels. Il définit les variables de décision, leur nature et leur structure mathématique, ainsi que la fonction objective qui évalue la qualité des configurations. Des exemples concrets illustrent les défis liés à l'optimisation dans des systèmes hybrides tels que PV-éolien-batterie.

Transféré par

Clint Ngouleu
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
4 vues2 pages

Optimisation des systèmes ENR : variables et objectifs

Le document traite des problèmes d'optimisation dans le domaine des énergies renouvelables, en mettant l'accent sur les dynamiques d'état, les contraintes mixtes et les objectifs conflictuels. Il définit les variables de décision, leur nature et leur structure mathématique, ainsi que la fonction objective qui évalue la qualité des configurations. Des exemples concrets illustrent les défis liés à l'optimisation dans des systèmes hybrides tels que PV-éolien-batterie.

Transféré par

Clint Ngouleu
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

 la présence de dynamiques d'état (batterie, éolienne),

 des contraintes mixtes (continues, entières, logiques),


 des objectifs conflictuels (coût vs fiabilité, performance vs durée de vie),
 des modèles souvent non convexes.

La représentation d'un problème d'optimisation devient donc un outil intellectuel central


pour l'ingénieur ENR. Dans la littérature en optimisation, quel que soit le domaine –
ingénierie électrique, mécanique, systèmes énergétiques, robotique ou réseaux – un
problème d’optimisation est toujours décrit par : Les variables de décision, une fonction
objectif et un ensemble de contraintes

2.2. Variables de décision : nature, rôle et structure mathématique

2.2.1. Définition formelle


Un vecteur de décision s'écrit en général :

𝑥 = [𝑥1 , 𝑥2 , … , 𝑥𝑛 ]𝑇 ∈ ℝ𝑛

Dans un système hybride PV-éolien-batterie par exemple:


 𝑥1 = 𝑃𝑃𝑉 ( kW)
 𝑥2 = 𝐶bat (kWh)
 𝑥3 = 𝑃wind (kW)
 𝑥4 = 𝑟(𝑡) = variable de pilotage (consigne MPPT, angle de pale...)
Les variables peuvent être :

 Continues
Exemples:

 0 ≤ 𝑃𝑃𝑉 ≤ 200 kW
 0 ≤ SOC(𝑡) ≤ 1
Elles génèrent des problèmes généralement non linéaires, souvent non convexes.

 Discrètes
Exemples :- état ON/OFF du diesel : 𝑢diesel (𝑡) ∈ {0,1}
-choix d'onduleur parmi 4 modèles :𝑢𝑖𝑛𝑣 ∈ {1,2,3,4}
Les problèmes deviennent combinatoires (NP-complets au sens de Garey & Johnson,
1979).
2.2.4. Variables mixtes
Exemple typique :

𝑥 = [𝑃𝑃𝑉 , 𝐶𝑏𝑎𝑡 , 𝑁𝑖𝑛𝑣 , 𝑢diesel (𝑡)]

→ Mixed-Integer Nonlinear Programming (MINLP)


→ très difficile à résoudre de manière exacte.

2.3. La fonction objective : formes simples, avancées et multiobjectifs


La fonction objective (ou fonction objectif) est la grandeur que l’on cherche à minimiser
ou à maximiser dans un problème d’optimisation. Elle prend en entrée une configuration
(un vecteur de décisions x) et retourne un score (souvent scalaire) qui mesure la qualité
(performance) de cette configuration selon le critère retenu.

Ω Γ
x f

f:Ω Γ
x: f(Pi)

Figure : Formulation d’une fonction objective

Exemples concrets en ENR

2.3.1. Coût total (CAPEX + OPEX)


𝑓(𝑥) = 𝐶𝑃𝑉 (𝑥) + 𝐶𝑏𝑎𝑡 (𝑥) + 𝐶𝑖𝑛𝑣 (𝑥) + 𝐶𝑚𝑎𝑖𝑛𝑡 (𝑥) + 𝐶𝐸𝑁𝑆 (𝑥)

Où 𝑥 = {𝑁𝑃𝑉 , 𝑁𝑊𝑇 , 𝑃𝑑𝑖é𝑠𝑒𝑙 , 𝐶𝑏𝑎𝑡 , 𝑃𝑜𝑛𝑑 , … }

Avec typiquement (comme exemple):

 CAPEX PV = 700 − 1200€/kW


 Batterie = 300 − 600€/kWh

Vous aimerez peut-être aussi