Etude d’un dispatching économique par une technique méta heuristique

Abstract

Nous avons assisté ces dernières années à une croissance très rapide des travaux utilisant les méthodes métha-heuristiques. Cette tendance peut être observée dans tous les domaines de la science économique. Et parmi ces dernier : le problème de dispatching économique. Nous présentons dans ce mémoire l’application de la technique basée sur les algorithmes génétiques pour résoudre le dispatching économique avec considération des contraintes l’algorithme proposé est validé sur quatre réseaux test standard . Nous avons appliqué cet algorithme pour résoudre un problème multi-objectif tel que (coût-émission, coût-pertes et émission-pertes).

في السنوات الأخيرة ، شهدنا نموًا سريعًا للغاية في العمل باستخدام طرق الكشف عن مجريات الأمور. يمكن ملاحظة هذا الاتجاه في جميع مجالا علم الاقتصاد. ومن بين هذه الأخيرة: مشكلة التوزيع الاقتصادي الديناميكي. نقدم في هذه الأطروحة تطبيق التقنية على أساس الخوارزميات الجينية لحل مشكلة الشحن الاقتصادي الساكن والديناميكي مع مراعاة القيود ممارسات مثل تأثير فتح الصمام ، وكذلك إجهاد المنحدر. متانة تم التحقق من صحة الخوارزمية المقترحة في أربع شبكات اختبار قياسية. طبقنا هذه الخوارزمية لحل مشكلة متعددة الأهداف مثل (تكلفة الانبعاث ، خسارة التكلفة وخسارة الانبعاثات). تؤكد نتائج البرمجة كفاءة هذه الخوارزمية في حل مشاكل تحسين الوظائف غير الخطية و متعدد الأغراض

In recent years, we have witnessed a very rapid growth in work using metha-heuristic methods. This trend can be observed in all areas of economic science. And among the latter: the problem of dynamic economic dispatching. We present in this thesis the application of the technique based on genetic algorithms to solve static and dynamic economic dispatching with consideration of constraints practices such as the valve opening effect, as well as the Ramp stress. The robustness of the proposed algorithm is validated on four standard test networks. We applied this algorithm to solve a multi-objective problem such as (cost-emission, cost-loss and emission-loss). Programming results confirm the efficiency of this algorithm to solve the problems of optimization of nonlinear functions and multi-purpose.