WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Optimisation de l'énergie réactive dans un réseau d'énergie électrique

( Télécharger le fichier original )
par Brahim GASBAOUI
Université BECHAR - Magister 2008
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.3 3. MAX-MIN ANT SYSTEM

Dans [53,54] Stutzle et Hoos introduisent MMAS algorithme. Les modifications

introduites concernent :

L'utilisation de deux constantes et comme borne inférieure et

supérieure à la quantité de phéromone présentent sur les arcs du graphe. Ces deux

valeurs permettent de limiter les variations des taux de phéromone et éviter ainsi que

certains arcs soient totalement délaissés au profit d'autres ce qui est reconnu comme un

état de stagnation prématurée. Toutes les traces de phéromones sont initialisées à.

Les quantités de phéromones sont initialisées à la valeur maximale ;La mise à jour

des traces de phéromones n'est autorisée que par la fourmi ayant trouvé la meilleure

solution.

1.34. AUTRES DOMAINES D'APPLICATION

Les bonnes performances des algorithmes basés fourmis obtenues lors de leur

application au problème du voyageur du commerce ont incité beaucoup de chercheurs à

les utiliser dans d'autres domaines d'application. Sans vouloir dresser une liste

exhaustive de toutes les applications et variantes qui ont été produites, on peut citer le

problème d'affectation quadratique [54 , 59], le problème de coloration de

graphe[57,58], le problème de routage [69], les réseaux de communication [75], le

problème d'ordonnancement [62,63], les problèmes de satisfaction de contraintes [64],

la fouille de données [65], l'optimisation de site d'enseignement en ligne (notion d' « E-

59Learning »[66].Une bonne synthèse de ces algorithmes est reportée dans [70].

1.3 5. FORMULATION MATHEMATIQUE

La méthode proposée identifie la taille optimale des condensateurs en utilisant la

logique Flou pour déterminer les noeuds candidat ensuit minimiser la fonction de coût

avec la contrainte Perte désiré. La fonction de coût est énoncée comme, suite

[8, 18, 22, 23,39,40,41]:

Coût total de l'opération en ($/an).

Constante des Perte du système en ($/KW).

Petre du système en (KW)

Coût annule du noeud en ($/an).

La capacité du condensateur installée au noeud j en (Kvar).

Nombre de banque de capacité installé.

Contraintes d'inégalités

5.1.16. 1er Algorithme Pour l'identification des noeuds candidat

L'algorithme suivant explique la méthodologie pour identifier les noeuds candidats,

qui se prêtent mieux à l'emplacement des condensateurs.

1ere étape :

Entrée les données du réseau.

2eme étape :

Calcul de l'écoulement de puissance.

3eme étape :

Calcule des pertes actives du système.

4eme étape :

Compensation de la puissance réactive à chaque noeud en déterminant des pertes de

puissance active dans chaque cas.

5eme étape :

Calculer de la réduction des pertes active et les indices de pertes de puissance.par la

formule suivante.

Avec:

X = Réduction de perte.

Y = Réduction minimale.

Z = Réduction maximale.

n = number de noeuds

6eme étape :

Injecte les PLI (Indices de perte de puissance) et les tensions Nodales (V) à l'entrée du

contrôleur Flou.

7eme étape :

Les sorties du Contrôleur Flou nous donne les CSI (Indices de convenance des

condensateurs). Les noeuds ayant la plus forte valeur de CSI sont les plus adaptés pour

le placement condensateur.

8eme Etape :

Fin.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Entre deux mots il faut choisir le moindre"   Paul Valery