Sigle : GEN1693 Gr. 01 Titre : Optimisation des systèmes énergétiques Session : Automne 2017 Horaire et local Professeur : Sempels, Eric
|
Objectifs
Au terme de cette activité, l'étudiant(e) sera en mesure d'appliquer les techniques d'optimisation aux systèmes d'énergie électrique.
Contenu
Contraintes du monde de l'énergie et pertinence de l'optimisation et de la prise de décision. Analyse, modélisation et simulation de flux d'énergie et de systèmes énergétiques de cogénération. Optimisation énergétique des systèmes centralisés et décentralisés. Estimation de paramètres, simulations numériques étalonnées, modèles intégrés de systèmes. Programmation linéaire, méthode du simplexe, dualité. Programmation en nombres entiers. Programmation non linéaire. Programmation par objectifs. Application aux ressources énergétiques, à la production d'énergie électrique, à la transmission et à la distribution: modèles de charge, transformateurs, lignes de transmission, disjoncteurs.
|
Le cours couvre 3 des 12 qualités requises des diplômés telles que définies dans les normes d'agrément des programmes de génie au Canada (http://www.engineerscanada.ca/fr/ressources-en-matiere-dagrement) :
a. Qualité 1 : Connaissance en génie
b. Qualité 4 : Conception
c. Qualité 5 : Outils d'ingénierie
Les qualités 1, 4 et 5 sont mesurées dans ce cours pour fins de rétroaction.
Objectifs spécifiques |
Qualité |
Indicateurs |
Introduit |
Développé |
Appliqué |
- Connaissance, à un niveau universitaire, de méthodes d'optimisation mathématiques ainsi que leur application en génie électrique
- Capacité de classer des solutions en utilisant des méthodes d'optimisation afin de sélectionner la solution optimale, respectant les besoins spécifiques et les contraintes économiques, environnementales et législatives.
- Capacité d'utiliser un logiciel (programmation) afin de résoudre numériquement des problèmes d'optimisation
|
1 |
1. Démontrer une connaissance des mathématiques pour résoudre des problèmes. |
|
x |
|
1 |
3. Comprendre et appliquer les concepts de l'ingénierie propres au programme. |
|
x |
|
4 |
2. Produire et comparer différentes solutions possibles afin de sélectionner le meilleur concept. |
|
x |
|
5 |
2. Utiliser les outils, techniques de mesures, modèles ou simulation appropriés. |
|
x |
|
|
La formule pédagogique utilisée dans ce cours comprend les éléments suivants:
- Cours magistraux (une période de 3 heures par semaine).
- Problèmes à résoudre se rattachant au cours.
- Séances de travaux pratiques.
- Un projet avec rapport et présentation orale.
- Deux examens.
|
Disponible sur rendez-vous.
|
1 |
- Présentation du plan de cours et du projet
- Énergie, optimisation et prise de décision
- Classification des problèmes d'optimisation
|
07 sept. 2017 |
2 |
- Problèmes d'optimisation classique
|
14 sept. 2017 |
3 |
TP1: Modélisation, simulation et optimisation de systèmes énergétiques (22 septembre 2017)
|
21 sept. 2017 |
4 |
|
28 sept. 2017 |
5 |
- Optimisation en nombres entiers
TP2: Optimisation d'un systèmes de cogénération (6 octobre 2017)
|
05 oct. 2017 |
6 |
SEMAINE D'ÉTUDES
|
12 oct. 2017 |
7 |
Examen de mi-session (3 heures) - 19 octobre 2017
|
19 oct. 2017 |
8 |
- Optimisation non-linéaire
- Méthode d'interpolation (Newton-Raphson)
- Méthode du gradient (Cauchy)
TP3: Optimisation d'un système photovoltaïque (27 octobre 2017)
|
26 oct. 2017 |
9 |
- Optimisation non-linéaire
- Suite du cours de la semaine 8
- Méthode de pénalisation (Lagrangien)
|
02 nov. 2017 |
10 |
- Optimisation multi-objective
|
09 nov. 2017 |
11 |
- Optimisation stochastique
TP4: Optimisation du coût d'un système décentralisé hybride PV - éolien avec batteries (17 novembre 2017)
|
16 nov. 2017 |
12 |
- Optimisation stochastique
- Introduction à l'algorithme génétique
|
23 nov. 2017 |
13 |
- Analyse de sensibilité
- Révision
|
30 nov. 2017 |
14 |
Examen final (3 heures) - 7 décembre 2017
|
07 déc. 2017 |
15 |
Présentations orales
Remise des rapports avant le 18 décembre 2017, 16 h
|
14 déc. 2017 |
Outils d'évaluation |
Pondération |
Indicateurs mesurés |
Projet (rapport et présentation) |
20 % |
4.2 et 5.2 |
Examen de mi-session |
30 % |
1.1 et 1.3 |
Examen final |
30 % |
1.1 et 1.3 |
Travaux pratiques (4) |
20 % |
4.2 et 5.2 |
Par indicateur mesuré, on entend qu'à la fin du cours, un niveau de performance (0, 1, 2, 3) est donné pour chaque indicateur et pour chaque étudiant selon la grille ci-dessous.
Indicateurs |
Niveau 0 |
Niveau 1 |
Niveau 2 |
Niveau 3 |
1.1 Démontrer une connaissance des mathématiques pour résoudre des problèmes. |
Moins de 52% |
Entre 52 et 63% |
Entre 64 et 83% |
Plus de 84 % |
1.4 Comprendre et appliquer les concepts de l'ingénierie propres au programme. |
Moins de 52% |
Entre 52 et 63% |
Entre 64 et 83% |
Plus de 84 % |
4.2 Produire et comparer différentes solutions possibles afin de sélectionner le meilleur concept. |
Production et comparaison de solutions possibles inadéquates ou inexistantes |
Production et comparaison de solutions possibles acceptables, mais sélection du meilleur concept inadéquate |
Production et comparaison de solutions possibles, et sélection du meilleur concept acceptables |
Production, comparaison et sélection remarquables |
5.2 Utiliser les outils, techniques de mesures, modèles ou simulation appropriés. |
Utilisation inadéquate ou inexistante |
Utilisation partielle |
Utilisation adéquate |
Utilisation remarquable |
|
|
- Singiresu S. Rao, Engineering Optimization: Theory and Practice, Wiley, 4th edition, 2009.
- Dincer, Rosen & Ahmadi, Optimization of Energy Systems, Wiley, 2017.
- Knopf C., Modeling, Analysis and Optimization of Process and Energy Systems, Wiley, 2012.
|
https://moodle.uqo.ca |