logo
2.12.17 (748)

Enseignement spécifique des masters - CSC_52069_EP : Theorie de la décision, avec applications aux systèmes d'énergie

Descriptif

English below: La gestion de systèmes d'énergie est l'un des plus grand défis de notre temps. La demande quotidienne d'énergie ne cesse d'augmenter pour diverses raisons, dont le développement à l'échelle mondiale de l'électrification/décarbonisation des véhicules pour le transport public et privé. De plus, l'utilisation intensive des énergies renouvelables, visant également à limiter les émissions polluantes, peut créer de l'instabilité dans les réseaux et de l'incertitude dans la production d'énergie. Les sources de production et les infrastructures actuelles pour la transmission et la distribution sont susceptibles de devenir bientôt insuffisantes pour faire face à ces changements. Les responsables auront donc besoin d'outils efficaces et performants visant à les aider à optimiser les décisions opérationnelles et stratégiques à prendre à court, moyen et long terme. Ce cours a pour objectif de fournir aux étudiants les connaissances en optimisation mathématiques nécessaire pour jouer un rôle fondamental dans les processus de prise de décision dans les systèmes d'énergie. L'optimisation mathématiques permet d'énoncer de manière formelle une très grande variété de problèmes d'optimisation sous la forme d'une formulation mathématique. Une fois le problème formalisé, sa soltution optimale peut être trouvé en utilisant correctement les solvers d'optimisation mathématiques ou en développant des algorithmes adaptés au problème précis. Dans ce cours, nous coderons les formulations et exécuterons les solvers grâce au langage de modélisation AMPL. Chaque cours se concentrera sur un aspect précis d'optimisation et une ou plusieurs applications en énergie. Les applications seront sur : la production, la transmission, la distribution énergétique, les marchés énergétiques, les énergies renouvelables, les réseaux intelligents. Tous ces problèmes sont difficiles à résoudre car ils comportent des aspects techniques, économiques, politiques et éthiques. Avertissement : ce cours est proposé par le département Informatique. Des connaissances en informatique de base sont requises. Management of energy systems is one of the biggest challenges of our time. The daily demand for energy increases constantly for many reasons, including the worldwide spreading of the electrification/decarbonization of vehicles used for public and private transportation. Moreover, the wide use of renewable energies, also aimed at limiting polluting emissions, can create instability in the networks and uncertainty in energy production. The current production sources and the current infrastructure for transmission and distribution are likely to soon become insufficient to cope with these changes. Decision makers will, thus, need efficient and effective tools aimed at helping them to optimize operational and strategic decisions to be taken in the short, medium, and long term. This course aims at providing the students with the background in mathematical optimization needed to play a fundamental role in the decision-making processes in energy systems. Mathematical optimization allows to formally state an extremely large variety of optimization problems as a so-called mathematical formulation. Once the problem is formalized, its optimal solution can be found by properly using mathematical optimization solvers or devising algorithms tailored for the specific problem. In this course, we will code the formulations and run solvers thanks to the modeling language AMPL. Each of the lectures will focus on a particular optimization aspect and one or more energy applications. The applications covered will be: production, transmission, distribution of energy; energy markets; renewable energies; smart grids. All these problems are challenging because they include technical, economic, political, and ethical issues. Warning: this is a course offered by the Computer Science Department. Basic knowledge of computer science is required.

Objectifs pédagogiques

English below: Les étudiants vont apprendre : - ce qu'est un problème d'optimisation mathématique et comment formaliser un problème d'optimisation comme modèle mathématiques - une grande variété d'applications dans les systèmes énergétiques : optimisation de production énergétique, transport et distribution énergétique, conception optimal de parcs éoliens, marchés énergétiques, réseaux intelligents, ... - AMPL, un langage de modélisation - comment faire face à un problème d'optimisation de difficulté croissante ; par ex. la programmation linéaire, la programmation linéaire mixte en nombres entiers, la programmation non linéaire mixte, les problèmes de biclasse, les problèmes d'optimisation avec incertitudes, les problèmes de l'optimisation multiobjectif - comment utiliser un solver d'optimisation - comment développer des algorithmes heuristiques simples - comment gérer les applications The students will learn \- what a mathematical optimization problem is and how to formalize an optimization problem as a mathematical model \- a wide variety of applications in energy systems: optimization of energy production, energy transportation and distribution, optimal design of wind farms, energy markets, smart grids, ... \- AMPL, a modeling language \- how to deal with optimization problem of increasing difficulty, e.g., linear programming, mixed integer linear programming, mixed non linear programming, bilevel problems, optimization problems with uncertainties, multiobjective problems \- how to use optimization solver \- how to devise simple heuristic algorithms \- how to deal with applications

Format des notes

Numérique sur 20

Pour les étudiants du diplôme M1 EN - Energy

Pour les étudiants du diplôme Inside ENSTA Paris

Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées

Le rattrapage est autorisé (Note de rattrapage conservée)
    L'UE est acquise si Note finale >= 10

      Programme détaillé

      English below: - introduction à l'optimisation mathématique - programmation linéaire et méthodes - programmation linéaire en nombres entiers et méthodes - programmation linéaire en nombres entiers et méthodes de linéarisation - méthodes heuristiques génériques ou pour une application spécifique - optimisation multi-objectifs - optimisation et incertitude des données - au moins une application en énergie sera présentée pendant chaque séance/TD - Introduction to Mathematical Optimization - Linear Programming and Methods - Integer Linear Programming and Methods - Integer Linear Programming and Linearization Methods - Generic Heuristic Methods or tailored for a Specific Application - Multi-Objective Optimization - Optimization and Data Uncertainty - At least one energy-related application will be presented during each lecture/exercise session

      Mots clés

      optimisation mathématique; programmation en nombres entiers; applications en énergie

      Méthodes pédagogiques

      amphi; travaux dirigés avec ordinateurs; projet en groupe
      Veuillez patienter