Académique Documents
Professionnel Documents
Culture Documents
Introduction
Plusieurs techniques et algorithmes ont été développés et analysés afin de résoudre les
systèmes hybrides. Suivant le système étudié, les chercheurs ont développé des algorithmes
consommation de l’énergie. Parmi ces techniques et méthodes utilisées, nous pouvons citer
deux types : les méthodes d’optimisation mono-objective qui permettent de donner à la sortie
multicritères qui se basent sur le contrôle de plusieurs paramètres à la fois. Dans ce qui suit,
nous allons énumérer les différentes méthodes utilisées dans la littérature pour faire
Dans l’article [189], cet algorithme est utilisé pour l’optimisation des problèmes de
des flux énergétiques (EFOM) est adoptée, détaillant les sources d'énergie primaire
d'utilisation finale.
5
Ces algorithmes ont été utilisés pour déterminer la surface des unités de gachette et l’envoi
dans un système d’energie « wind-diesel » avec stockage d’hydrogène afin d’optimiser le cout
Cet algorithme est utilisé pour l’optimisation des problèmes des systèmes hybrides
complexes.
Cet algorithme est utilisé pour l’optimisation d’un système « diesel-éolien ». Les résultats
sont plus performants que ceux obtenus par control logique floue- régulateur PID.
Dans l’article [2], cet algorithme de PSO a été proposé pour résoudre la coordination de capacité
éolienne-photovoltaïque pour un taux de temps d'utilisation industrielle dans le but de maximiser les
système de production photovoltaïque. Dans le papier [191], cet algorithme permet d’optimiser
fiable à la demande. Dans l’article [207] le PSO a été utilisé pour minimiser les couts totaux d’un
système hybride d’énergie composé de « fuell cell, wind units, electrolysers, a reformer,
anaerobic reactor and hydrogen tanks ». Aussi cet algorithme est utilisé dans le problème de
Dans l’article [196], cet algorithme a été appliqué pour une configuration optimale du système
d’énergie « diesel generators, wind turbine generators, photovoltaic system and batteries ».
5
Dans les articles [201,202], le GA a été développé pour le dimensionnement optimal d’un
du système « solar-wind-battery ». Dans l’article [213], cet algorithme est utilisé pour la
7. GA and PSO :
Ces deux algorithmes ont été combinés dans le papier [209] pour résoudre le problème de
planification pour les unités thermiques intégrés avec un système d’énergie « éolien-solaire ».
Dans [176], ces algorithmes ont été appliqués pour optimiser un système hybride composé
« d’une cellule photovoltaïque, une batterie et une pile à combustible » pour l’éclairage d’un
système autonome.
Dans [204], cet algorithme a été présenté pour une conception efficace et un contrôle d’un
composé de « photovoltaic-wind-diesel-batteries-hydrogene ».
Ces méthodes sont été développées [192,193, 195, 210] : pour la conception des systèmes
hybrides.
5
systèmes d'énergie renouvelable afin de maximiser leurs contributions à la charge de pointe,
d'énergie (COE), tandis que la fonction environnementale objective est l'équivalent total des
3. PSO (particle swarm optimization) : dans [182], cet algorithme est utilisé aussi pour
l’environnement d’un système d’énergie hybride. Cet algorithme permet de minimiser à la fois
les coûts de carburant et les émissions de gaz polluants, tout en utilisant les GA pour
production éolienne.
5. SPEA (Strength Pareto Evolutionary Algorithm) [184] : cet algorithme est appliqué à
la conception multi-objective des systèmes hybrides isolés où les objectifs sont de minimiser
le coût total tout au long de la vie utile de l'installation et les émissions de polluants. Les
démontrent l'utilité pratique de la méthode de conception utilisée. Ces auteurs ont appliqué
une MOEA par la suite pour résoudre une version à trois objectifs de ce problème qui, en plus
5
objectif est de réduire au minimum le système de coûts annualisées et la probabilité de perte
d'alimentation électrique.
Annealing) et TS (Tabu Search) afin de minimiser les écarts de tension et les pertes de
puissance dans les réseaux d'énergie, qui peut être étendu aux systèmes hybrides.
Références :
[2] Lee T-Y, Chen C-L. Wind-photovoltaic capacity coordination for a time-of- use rate industrial user. IE
[180] Moura PS, De Almeida AT. Multi-objective optimization of amixed renewable system with demand-side
[181] Katsigiannis YA, Georgilakis PS, Karapidakis ES. Multiobjective genetic algo- rithm solution to the
optimum economic and environmental performance problem of small autonomous hybrid power systems with
[182] Mahor A, Prasad V, Rangnekar S. Economic dispatch using particle swarm optimization: a review.
[183] Brini S, Abdallah HH, Ouali A. Economic dispatch for power system included windand solar thermal
[184] Bernal-Agustín JL, Dufo-López R, Rivas-Ascaso DM. Design of isolated hybrid systems minimizing costs
[186] Ould B, Sambou V, Ndiaye PA, Kébé CMF, Ndongo M. Optimal design of a hybrid solar-wind-battery
system using the minimization of the annualized cost system and the minimization of the loss of power supply
5
[187] Bilal BO, Sambou V, Ndiaye PA, Kébé CMF, Ndongo M. Optimal design of a hybrid solar–wind-battery
system using the minimization of the annualized cost system and the minimization of the loss of power supply
[188] Montoya FG, Ba˜nos R, Gil C, Espín A, Alcayde A, Gómez J. Minimization of voltage deviation and
power losses inpower networks using Pareto optimization methods. Engineering Applications of Artificial
Intelligence 2010;23:695–703.
[189] Cormio C, Dicorato M, Minoia A, Trovato M. A regional energy planning methodology including
renewable energy sources and environmental con- straints. Renewable and Sustainable Energy Reviews
2003;7(2):99–130.
[190] Courtecuisse V, Sprooten J, Robyns B, Petit M, Francois B, Deuse J. A methodology to design a fuzzy
logic based supervision of hybrid renew- able energy systems. Mathematics and Computers in Simulation 2010,
doi:10.1016/j.matcom.2010.03.003.
[191] Kaviani AK, Riahy GH, Kouhsari SHM. Optimal design of a reliable hydrogen- based stand-alone
[192] Eke R, Kara O, Ulgen K. Optimization of a wind/PV hybrid power generation system. International
[193] Giannakoudis G, Papadopoulos AI, Seferlis P, Voutetakis S. On the systematic design and optimization
under uncertainty of a hybrid power generation sys- tem using renewable energy sources and hydrogen storage.
[194] Sreeraj ES, Chatterjee K, Bandyopadhyay S. Design of isolated renewable hybrid power systems. Solar
Energy 2010;84(7):1124–36.
[195] Bernal-Agustín JL, Dufo-López R. Simulation and optimization of stand- alone hybrid renewable energy
[196] Senjyu T, Hayashi D, Yona A, Urasaki N, Funabashi T. Optimal configuration of power generating
systems in isolated island with renewable energy. Renew- able Energy 2007;32(11):1917–33.
5
[197] Balamurugana P, Ashok S, Jose TL. Optimal operation of biomass/wind/PV hybrid energy system for rural
[198] Nema P, Nema RK, Rangnekar S. A current and future state of art development of hybrid energy system
using wind and PV-solar: a review. Renewable and Sustainable Energy Reviews 2009;13(8):2096–103.
[199] Dufo-López R, Bernal-Agustín JL, Contreras J. Optimization of control strate- gies for stand-alone
[200] Garcia RS, Weisser D. A wind-diesel system with hydrogen storage: joint optimization of design and
[201] Koutroulis E, Kolokotsa D, Potirakis A, Kalaitzakis K. Methodology for opti- mal sizing of stand-alone
[202] Yang H, Zhou W, Lu L, Fang Z. Optimal sizing method for stand-alone hybrid solar-wind system with
[203] Del Real AL, Arce A, Bordons C. Optimization strategy for element siz- ing in hybrid power systems.
[204] Bernal-Agustín JL, Dufo-López R. Efficient design of hybrid renewable energy systems using
[205] Zervas PL, Sarimveis H, Palyvos JA, Markatos NCG. Model-based optimal con- trol of a hybrid power
generation system consisting of photovoltaic arrays and fuel cells. Journal of Power Sources 2008;181(2):32738.
[206] Diaf S, Belhamel M, Haddadi M, Louche A. Technical and economic assessment of hybrid
photovoltaic/wind system with battery storage in Corsica island. Energy Policy 2008;36(2):743–54.
[207] Hakimi SM, Moghaddas-Tafreshi SM. Optimal sizing of a stand-alone hybrid power system via particle
swarm optimization for Kahnouj area in south-east of Iran. Renewable Energy 2009;34(7):1855–62.
[208] Razak JA, Sopian K, Ali Y, Alghoul MA, Zaharim A,AhmadI. Optimization of PV- wind-hydro-diesel
hybrid system by minimizing excess capacity. European Journal of Scientific Research 2009;25(4):663–71.
[209] Chakraborty S, Senjyu T, Saber AY, Funabashi T. Optimal thermal unit com- mitment integrated with
5
renewable energy sources using advanced particle swarm optimization. IEEJ Transactions on Electrical and
[210] Matevosyan J, Olsson M, Söder L. Hydropower planning coordinated with wind power in areas with
congestion problems for trading on the spot and the regulating market. Electric Power Systems Research
2009;79(1): 39–48.
[211] Castronuovo ED, Lopes JAP. On the optimization of the daily opera- tion of a wind-hydro power plant.
[212] Jurado F, Saenz JR. Neuro-fuzzy control for autonomous wind-diesel systems using biomass. Renewable
Energy 2002;27(1):39–56.
Références à ajouter :