Optimisation de l`opération d`une centrale de production d`eau
publicité
Optimisation de l'opération d'une centrale de production d'eau refroidie à l'aide des algorithmes génétiques Jean-François Gélinas Département de génie mécanique Résumé de la présentation pour l’obtention du diplôme de maîtrise ès sciences appliquées Montréal, 23 octobre 2001 Introduction - Bâtiment Centrale de production d'eau refroidie Refroidisseurs 10°C Q 35°C P1C3 47% E3 31% P2C2 E2 22% P3C1 E1 Tours de refroidissement PT14 5°C PT25 PT36 THa Circuit d'eau refroidie 30°C Circuit d'eau des condenseurs Problématique - Opération optimale ? Modèle de la centrale Q THa R1 T1 R2 T2 R3 T3 1152 possibilités d’opération Min ΣPk ? Problématique - Par exemple... Modèle de la centrale 5000 kW Q THa 20°C R1 T1 R2 T2 R3 T3 ΣPk = 917 kW 100% Modèle de la centrale 5000 kW Q THa 20°C R1 T1 75% R2 T2 100% R3 T3 ΣPk = 830 kW Coût annuel moyen d’électricité ≈ ½ million $ Modélisation - Ventilateur Milieu d’échange Tour de refroidissement Modélisation - 4 Refroidisseur centrifuge 3 Condenseur C Évaporateur 1 2 Problématique Modèle de la centrale Q THa R1 T1 R2 T2 R3 6 variables T3 de contrôle Min ΣPk ? 1152 possibilités d’opération • Complexité des modèles • Étendue du domaine solution (6D) • Présence de variables de contrôle discontinues => Algorithme génétique = méthode de choix Algorithme génétique Population initiale (choisie au hasard) • Sélection naturelle • Reproduction • Mutation • Nouvelle génération Population finale optimisée Processus évolutif Algorithme génétique - Variables de contrôle Gène 1/0 0 T1 - EFV 1 1 0 0 R1 R2 R3 0 T3 - 2 Vitesses 1 1 1 1 0 T2 - 2 Vitesses Marche / Arrêt Modèle de la centrale Q TH a R1 T1 R2 T2 R3 T3 Pi = ΣPk Algorithme génétique - Sélection naturelle Classement des individus d’une population Degré de compatibilité ( fi ) 20 Super-individu 15 33% 3% 10 11% 5 0 0,3 Reste de la population Individus pometteurs 0,4 0,5 0,6 0,7 0,8 0,9 Pi 1,0 Pmax 1,1 21 Algorithme génétique - Parents génération « g » 1 2 1 1 1 1 1 n 4 3 Point de croisement des gènes (stochastique) Reproduction « crossover » Algorithme génétique - Exemple Puissance (kW) Exploration Exploitation 1050 Pmoy 950 850 Pmin 750 650 0 1 2 3 4 5 6 Génération
