Optimisation des flux de puissance sur un réseau standard IEEE

Abstract

L’Optimisation de l’écoulement de puissance dans unréseau électrique est capitale pour les fournisseurs d’énergie électrique pour la prise de décision dans le cas de la minimisation des coûts d’exploitation, émission des gaz toxiques (préoccupation environnementale) des centrales d’énergies électriques, et pertes de transmission des puissances dans les lignes. Pour notre travail, nous avons exploré et testé le réseau (IEEE-30 nœuds) avec des méthodes métaheuristiques qui sont l’algorithme génétique etles essaims de particules dans la recherche de l’optimum de la fonction objective. Une première phase de ce travail est consacrée au calcul de l’écoulement de puissance par les différentes méthodes itératives à savoir : méthode de Gauss-Seidel, méthode de Newton-Raphson et méthode découplée rapide, afin de déterminer les tensions, les angles de phases, les puissances injectées aux jeux de barres et les pertes totales du réseau. Ensuite nous avons appliquées les méthodes des algorithmes génétiques et des essaimes de particules pour minimiser le coût de production et les pertes actives totales sous les contraintes d’égalités et d’inégalités. Les résultats de simulations confirment bien la validité et l’efficacité de ces Algorithmes. The Flow Power Optimization in an Electrical Network is capital for the suppliers of electrical energy to take decision in the case of the minimization of the costs of exploitation, emission of pollutant gases (environmental concern) of the power stations of electrical energies, and losses power in the lines of transmission. In our work, we have explored and tested the network (IEEE-30 nodes) with metaheuristic methods that are the genetic Algorithm and the swarm particles in order to research the optimum of the objective function. The first phase of this work consists to calculate the flow power by the iterative methods such as Newton-Raphson, Gauss-Siebel, and Rapid decoupled method in order to determine voltages, phases’ angles, and the injected powers in the buses and the total losses power of the network. Then we have applied the methods of the Genetic Algorithms and the Swarm particles to minimize the production costs under the constraintsof equalities and inequalities. Simulations results, well, confirm the validity andthe efficiency of these Algorithms.