GEI195 - Méthodes d'optimisation et d'apprentissage pour les réseaux électriques

Cible(s) de formation

Concevoir des approches basées sur des méthodes d'optimisation et d'apprentissage de pointe pour la gestion, l'opération, la planification et l'analyse des réseaux électriques. Implémenter numériquement les méthodes discutées en classes sur des réseaux électriques réels. Identifier les avantages et les limitations d'une méthode d'optimisation ou d'apprentissage lorsque appliquée à un problème de réseau électrique. Justifier son choix de méthode d'optimisation ou d'apprentissage dans le cadre d'un problème de réseau électrique étudié.

Contenu

Introduction aux méthodes d'optimisation et d'apprentissage pour la gestion, l'opération et la planification des réseaux électriques modernes. Optimisation convexe : écoulement de puissance optimal et relaxations convexes. Optimisation en nombres entiers : planification de la production (unit commitment), reconfiguration du réseau et planification de l'expansion du réseau de transport. Optimisation stochastique et robuste : écoulement de la puissance et planification de la production en présence d'énergie renouvelable. Apprentissage supervisé. Régression linéaire : formulation, identification de la topologie du réseau et estimation de l'état du réseau. Classification : K plus proches voisins (KNN), régression logistique, machine à vecteur de support (SVM) et reconfiguration automatique du réseau. Réseaux neuronaux : formulation, repérage des défauts des lignes et des fautes dans le réseau, approximation de fonctions. Apprentissage non supervisé. Méthode de groupement : K-moyenne et établissement des profils de consommation. Apprentissage par renforcement : programmation dynamique, Q-learning, SARSA, tarification dynamique (temps réel et tarif critique), gestion de la demande avec charge thermostatique, opération d'unité de stockage.