Résolution du problème d’engagement d’unités de production d’énergie électrique, de dispatching économique et environnemental sélectif par la méthode des couloirs d’observations

Abstract

Cet article présente une méthode de résolution d’un problème d’engagement d’unités de production d’énergie électrique et de dispatching économique et environnemental (DEE) basée sur les algorithmes évolutionnaires. Le problème a été modélisé sous forme d’optimisation d’un problème tri-objectif que sont la minimisation du coût du combustible, de l’émission de NOx et de l’émission de SO₂ à des proportions désirées et ceci en introduisant un facteur de couplage des fonctions d’émission des gaz. La particularité de cette méthode est l’obtention du front de Pareto optimal par le concept des couloirs d’observations. Les résultats obtenus, comparés à ceux de « gamultiobj » du toolbox optimization de matlab présente une meilleure: sélectivité et dispatching des unités de production, minimisation des coûts de combustible, d’émission des gaz. Et un meilleur temps d’exécution moyen de l’algorithme soit une réduction de 100,817 secondes.

Mots-clés: couloirs d’observations, optimisation tri-objectif, engagement d’unités, dispatching économique et environnemental, coût du combustible, émissions de gaz, facteur de couplage, front de Pareto.

Resolution of the problem of commitment of production units of electrical energy, selective economic and environmental dispatching by using the method of the corridors of observations

This paper present a method to solve unit commitment and environmental/economic dispatch (EED) problem based on evolutionary algorithms. The problem was modeled as optimizing a tri-objective problem is the minimization of the cost of fuel, NOx and SO₂ emission in desired proportions. This introducing a coupling factor functions of emission gas. The particularity of this method is the achievement of optimal Pareto front using the concept of corridors observations. The results, compared to « gamultiobj » of toolbox optimization of matlab present better: selectivity and dispatching production units, minimisation of fuel cost, emission gaz. And better average execution time of algorithm (reduction to 100.817second).

Keyswords: corridors observations, tri-objective optimization, units commitment, environmental, economic dispatching (EED), fuel cost, gas emission, coupling factor, Pareto front.