Please use this identifier to cite or link to this item: http://archives.univ-biskra.dz/handle/123456789/24482
Full metadata record
DC FieldValueLanguage
dc.contributor.authorLABBI, Yacine-
dc.date.accessioned2023-04-17T09:03:44Z-
dc.date.available2023-04-17T09:03:44Z-
dc.date.issued2016-04-26-
dc.identifier.urihttp://archives.univ-biskra.dz/handle/123456789/24482-
dc.description.abstractAu cours des dernières années, la demande de l’énergie électrique a augmenté avec le développement de l'industrialisation. Divers outils de gestion et de planification ont été utilisées, mais la recherche et le développement supplémentaires sont nécessaires pour les amener à l'utilisation et le contrôle optimale. L'engagement des unités (UC) et le dispatching économique (ED) sont les deux fondamentaux problèmes que les opérateurs du système résoudre afin de minimiser les coûts d'exploitation des réseaux électriques de manière optimale. Afin de minimiser le coût du carburant et de garder les sorties de puissance de générateurs et des tensions de bus dans leurs limites sûres, plusieurs méthodes métaheuristiques ont été utilisés dans ce travail, notamment des optimisation par essaims particulaires (OEP), Algorithme Génétique (AG), Pattern Search (PS) algorithme Big Bang-Big Crunch (BB-BC) et l'algorithme Artificiel Bee Colony (ABC) avec leurs hybrides. En outre, ces méthodes ont été appliquées pour déterminer l'ordre d'engagement des unités thermiques de production d'électricité dans les systèmes. Deux nouvelles approches ont été développées et introduites dans le cadre de notre thèse à savoir : algorithme d'optimisation de l'arbre racine (RTO) et GAGE. Les résultats obtenus par l'application de la première méthode développée (RTO) pour résoudre divers problèmes du types ED, comparativement aux méthodes récentes qui traitent le même problème, ont montré une meilleure qualité de la solution et réduire d'une manière significative le temps CPU d'exécution. La seconde, GAGE est basé sur l’opérateur de l'exploitation de l'ingénierie génétique dans l'algorithme génétique, a été développée pour résoudre le problème UC. Ainsi, cette méthode montre des améliorations remarquables dans les coûts totaux pour un système de test de 10 unités et le réseau électrique algérien pour une période de 24 heures.en_US
dc.description.sponsorshipUniversité Mohamed Khider - Biskraen_US
dc.language.isofren_US
dc.publisherUniversité Mohamed Khider - Biskraen_US
dc.subjectOptimisation par Essaims de Particules (PSO), Algorithmes Génétiques (AG), Recherche de motifs (PS), algorithme de Big Bang et de Big Crunch, Colonie d'Abeilles Artificielle (ABC), algorithme d'Optimisation des Racines des Arbres (RTO), Algorithmes Génétiques avec mécanisme de Génie Génétique (GAGE).en_US
dc.subjectOptimisation de l’écoulement de puissance, Réseau, Dispatching Economique, Engagement d'Unité de production, contrôle de pollution, émissionsen_US
dc.subjectMétaheuristiquesen_US
dc.subjectAlgorithmes Hybridsen_US
dc.titleGestion et contrôle optimale de l'énergie électrique sur les sites de production.en_US
dc.typeThesisen_US
Appears in Collections:Département de Génie Electrique

Files in This Item:
File Description SizeFormat 
Thèse_55_2016.pdf10,43 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.