Dumont, Axel (2024) Politique d’équilibrage des phases d’un réseau basse tension via apprentissage par renforcement PFE - Projet de fin d'études, ENSTA.
Fichier(s) associé(s) à ce document :
| PDF 3510Kb |
Résumé
Le déséquilibre des charges dans les réseaux de distribution d'électricité à basse tension est un problème critique qui entraîne des inefficacités et des pertes techniques importantes. Ce problème découle principalement de la répartition inégale des consommateurs monophasés dans le système triphasé et des charges non homogènes sur chaque phase. La résolution de ce déséquilibre offre de nombreux avantages, notamment la réduction des pertes de puissance, la diminution du courant du fil neutre, la prévention de la surchauffe et du vieillissement prématuré des transformateurs, l'évitement des dysfonctionnements des équipements et une meilleure utilisation de la capacité électrique existante. Ces améliorations renforcent non seulement l'efficacité globale du réseau de distribution, mais contribuent également à améliorer la qualité du service et à permettre aux entreprises de services publics de réaliser des économies. Par ailleurs cela permet aussi d'augmenter la capacité d'accueil de ressources énergétiques réparties comme le photo-voltaïque solaire. Ce travail a permis dans un premier temps d'observer l'état de l'art de ce problème par une recherche bibliographique et de comparer des résultats avec d'autres méthodes d'IA. Dans un second temps, ce stage a permis de modéliser le problème de l'équilibre des charges par un environnement d'apprentissage par renforcement. Finalement, des tests avec des modèles pré-implémentés ont été réalisé dans le but d'observer leurs performances dans l'environnement précédent, en ouvrant la porte à de futures recherches qui permettront de prendre le problème en main grâce à ces informations.
Type de document: | Rapport ou mémoire (PFE - Projet de fin d'études) |
---|---|
Mots-clés libres: | Apprentissage par Renforcement, Réseau électrique basse tension, Intelligence Artificielle, Réseau de neurones pour les graphes, Optimisation. |
Sujets: | Sciences et technologies de l'information et de la communication |
Code ID : | 10383 |
Déposé par : | Axel DUMONT |
Déposé le : | 24 sept. 2024 13:04 |
Dernière modification: | 24 sept. 2024 13:04 |