Optimisation de la répartition coût-émission pondérée par hybridation GA–APO sous ordonnancement sensible aux priorités pour les systèmes thermiques

Pourquoi maintenir l'éclairage devient plus compliqué

À chaque fois que vous actionnez un interrupteur, les opérateurs des centrales électriques jonglent avec deux exigences contradictoires : maintenir l'électricité abordable et préserver la qualité de l'air. À mesure que les réglementations limitent davantage la pollution et que la demande devient moins prévisible, l'ancienne méthode consistant simplement à choisir les centrales les moins chères ne suffit plus. Cette étude explore une nouvelle méthode de planification qui aide les gestionnaires de réseau à ordonnancer des unités au charbon ou au gaz sur une journée complète tout en équilibrant coût et émissions de manière flexible et transparente.

La lutte entre l'argent et la fumée

Pendant des décennies, l'objectif principal de l'ordonnancement des centrales était de satisfaire la demande au moindre coût de combustible. Cela était gérable lorsque les profils de demande étaient stables et que les règles environnementales étaient laxistes. Aujourd'hui, les entreprises doivent aussi respecter des plafonds stricts sur les gaz à effet de serre et d'autres polluants. Pour compliquer les choses, les centrales réelles ne se comportent pas de manière lisse : de petits changements de puissance peuvent modifier brusquement la consommation de carburant et les émissions en raison des limites matérielles internes et de la diversité des combustibles. Par ailleurs, l'éolien, le solaire et la recharge des véhicules électriques rendent la demande et l'offre moins prévisibles. Tous ces facteurs transforment ce qui était autrefois une tâche simple de minimisation des coûts en un casse-tête multi-objectifs avec de nombreuses contraintes.

Une recherche en deux temps pour de meilleurs plannings journaliers

Les auteurs proposent qu'aucune méthode de recherche unique n'est optimale à toutes les étapes de ce problème. Au départ, l'algorithme doit explorer largement pour éviter de rester coincé dans une mauvaise solution ; plus tard, il doit effectuer des ajustements fins et précis près des limites techniques et environnementales. Leur réponse est un schéma hybride en deux étapes. Dans la première étape, un algorithme génétique crée et fait évoluer de nombreux candidats de plannings sur 24 heures pour trois générateurs thermiques. Chaque candidat respecte les limites de base des centrales et est évalué par un score combiné qui mélange coût et émissions. Cette phase d'exploration large se concentre sur les régions prometteuses de l'espace des solutions sans se soucier des détails fins.

Laisser un « macareux » peaufiner les détails

Une fois que l'algorithme génétique a trouvé son meilleur planning, la deuxième étape commence. Ici, le même planning est transmis à une technique plus récente appelée Arctic Puffin Optimization. Inspirée de manière lâche par la façon dont les oiseaux marins cherchent leur nourriture et se groupent, cette méthode est conçue pour effectuer de courts mouvements prudents autour d'un bon point de départ. Elle examine d'abord légèrement au-delà du planning initial, puis s'engage dans des ajustements plus précis, et enfin laisse les meilleurs candidats attirer les autres vers un groupe stable. Ce comportement est particulièrement utile près des limites serrées, où un petit changement de production peut réduire le coût ou les émissions sans enfreindre les règles de sécurité ou environnementales.

Régler les priorités sans reconstruire le modèle

Une caractéristique pratique clé de la méthode est la façon dont elle traite le compromis entre coût et pollution. Plutôt que de construire des modèles séparés pour une exploitation « bon marché », « propre » ou « intermédiaire », les auteurs utilisent un seul score combiné avec deux poids : l'un pour le coût, l'autre pour les émissions. En déplaçant simplement ces poids, le même cadre peut imiter une politique axée sur le coût, une politique axée sur les émissions ou une politique équilibrée. Dans les trois modes testés sur un profil de demande réaliste sur 24 heures, l'approche hybride a maintenu la production étroitement alignée sur la demande tout en respectant les limites techniques et environnementales. Par rapport à l'utilisation seule de l'algorithme génétique, l'hybride a réduit le coût d'exploitation total jusqu'à environ 1,9 % en mode priorité coût et a légèrement amélioré les émissions en mode axé sur l'environnement, le tout sans produire de plannings instables ou infaisables.

Ce que cela signifie pour la planification énergétique future

En termes simples, ce travail offre aux gestionnaires de réseau un « curseur » plus intelligent entre énergie bon marché et énergie propre qui ne nécessite pas de reprogrammation du système à chaque changement de priorité. Bien que le cas d'essai n'utilise que trois générateurs conventionnels, les résultats montrent que la méthode hybride apporte des gains modestes mais fiables et maintient la stabilité des plannings lorsque les politiques évoluent. Avec un développement ultérieur pour des réseaux plus vastes et davantage d'énergies renouvelables, des approches de ce type pourraient aider les systèmes électriques à évoluer vers une exploitation à plus faible émission de carbone tout en gardant les factures d'électricité sous contrôle.

Citation: Srinivas, C., Reddy, M.R.P., Kumar, V. et al. Weighted cost emission dispatch optimization using GA–APO hybridization under priority sensitive scheduling for thermal power systems. Sci Rep 16, 12160 (2026). https://doi.org/10.1038/s41598-026-41270-3

Mots-clés: répartition économique-émission, planification des centrales électriques, algorithmes d'optimisation, coût de l'électricité et pollution, systèmes thermiques