L'application de l'algorithme génétique pour minimiser le coût de

combustible des unités de production thermique:

Cas 1: sans considéré les pertes dans les lignes électriques

cout = [...

%ng c b a pmin pmax

1 0.00375 2 0 50 200

2 0.0175 1.75 0 20 80

5 0.0625 1 0 15 50

8 0.0083 3.25 0 10 35

11 0.025 3 0 10 30

13 0.025 3 0 12 40 ];

Pdt=283.4; %puissance demande total

Le programme dans AG
%programme principal
clear all;clc;
A=[];
z=[];
g=[1 1 1 1 1 1];
e=283.4;%sum(Pg)=Pd=283.4
lb=[50 20 15 10 10 12];
ub=[200 80 50 35 30 40];
for run=1:20
optimset=gaoptimset('PlotFcns',@gaplotbestf,'PopulationSize',20,'
generation',100)
[pg(:,run),F(run),flag]=ga(@objec1,6,A,z,g,e,lb,ub,[],optimset)
end
%% Results
[bestrun bestF]=min(F);
bestPg=pg(:,bestF)

1
  En function:

function [F]=objec1( pg )
cout = [...
%ng c b a pmin pmax
1 0.00375 2 0 50 200
2 0.0175 1.75 0 20 80
5 0.0625 1 0 15 50
8 0.0083 3.25 0 10 35
11 0.025 3 0 10 30
13 0.025 3 0 12 40 ];
npg=length(cout(:,1));
F=0;
for i=1:npg
F=F+cout(i,4)+cout(i,3)*pg(i)+cout(i,2)*(pg(i)^2);
end

Valeurs des Paramètres d’un algorithme génétique:

N de J.D.B P min (MW) P max.(MW) c ($/MW2hr) b($/MWhr) a($/hr)

1 50 200 0.00375 2.00 0

2 20 80 0.0175 1.75 0
5 15 50 0.0625 1.00 0
8 10 35 0.0083 3.25 0
11 10 30 0.025 3.00 0
13 102 40 0.025 3.00 0
Les résultats:

N de J.D.B Puissances générées optimal (MW)

1 172.6312
2 41.2503
5 25.0662
8 15.4011
11 10.1197
13 18.9306
Coût optimal de génération ($/h)-8eme 774.012
itération-

2
3