Résumé:
Le problème d’engagement des unités de production de l’énergie électrique « Unit Commitment Problem, UCP » est l'un des plus grands défis de l’industrie de l'énergie. Il consiste enla recherche de la politique optimale des états Marche/Arrêt des unités de production sur un horizon de planification dans le but de minimiser le coût de la production de l’énergie électrique tout en satisfaisant la demande, la réserve tournante et plusieurs contraintes techniques et opérationnelles.
Dans cette thèse, nous avons exploré le champ des méthodes d’optimisation intelligente dans le but de trouver les approches les plus adaptées à la résolution du problème UCP. Nous avons opté pour l’hybridation de ces techniques pour combiner leurs avantages et aboutir au meilleur résultat possible.En effet, nous avons proposé trois approches ; la première approche est un algorithme hybride PSO-ACO (Particle Swarm Optimization-Ant Colony Optmization) dans lequel l’ACO bien adapté aux problèmes d’optimisation combinatoire, est appliqué pour déterminer la meilleure politique des états Marche/Arrêt des unités dans l'horizon de planification, alors que l’algorithme PSO continu par nature est utilisé pour déterminer la puissance générée par les unités engagées. Pareil, pour la même raison, dans la deuxième approche, les deux versions binaire et réelle de l’algorithme CS sont hybridée spour donner une algorithme nommée « Binary-reel coded Cuckou Search, BCS ». La troisième approche est un algorithme hybride CS-TS (Cuckoo Search –Tabu Search) dans lequel l’algorithme CS est utilisé dans la recherche globale et le TS est utilisé pour la recherche locale. Les trois méthodes proposées sont appliquées avec succès au problème UCP standard et au problème d'engagement des unités de productions avec V2G (UC-V2G) avec la prise en compte dans la fonction objective la minimisation de l’émission polluante. Une étude comparative montre la supériorité de la méthode CS-TS.
