Planification optimisee des reseaux electriques par la methode des algorithmes genetiques avec prise en compte uniquement de l’insertion des sources d’energies electriques renouvelables (eolien, solaire photovoltaïque et hydroelectrique)

Abstract

La planification des réseaux électriques est la recherche de la solution optimale qui correspond au minimum d’un ensemble de fonctions coûts liées aux différentes configurations possibles. Dans cet article, l’insertion des sources d’énergie électrique renouvelables (éolien, solaire photovoltaïque, hydroélectrique) dans un système électrique existant a été planifiée par la méthode des algorithmes génétiques en codage réel. L’objectif principal de cette planification est l’optimisation des coûts de production de ces sources d’énergie électrique renouvelables et de transit de puissance dans les lignes du réseau lors de leur insertion dans le réseau électrique en tenant compte de la quantité maximale de tonne de CO2 évitée pour la protection de l’environnement. Une simulation a été faite avec un réseau IEEE à 06 noeuds.

Mots clés: Planification, optimisation, coût d’insertion, sources de production d’énergies électriques renouvelables, transit de puissance, algorithmes génétiques.

The power system planning is research of the optimal solution corresponding to a set of minimum cost function related to the different possible configurations. In this paper, the insertion of renewable power sources (wind, solar photovoltaic, hydroelectric) in an existing electrical system was planned by the method of genetic algorithms in real coding. The main objective of this planning is the optimization of production costs of these renewable energy sources and electric power flow in the network lines when these power sources are inserted into the grid, taking into account the maximum quantity of ton CO2 avoided for environmental protection. A simulation was done with an IEEE network of 06 nodes.

Key words: Planning, optimization, insertion cost, sources of renewable electric energy production, power flow, genetic algorithms.