Ajustement diffus et adaptatif de la consommation électrique résidentielle par un système multi-agent auto-adaptatif

Victor Lequay 1, 2 Mathieu Lefort 1 Saber Mansour 2 Salima Hassas 1
1 SMA - Systèmes Multi-Agents
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
Résumé : L'effacement diffus est un moyen économique et écologique pour garantir l'équilibre du réseau électrique, en alignant la consommation sur la production. La problématique sou-levée dans ce contexte consiste à faire en sorte qu'un ensemble de foyers puisse d'une part anticiper sa demande et, d'autre part, ajuster collectivement son effort d'effacement. En choi-sissant une approche ascendante au problème de l'effacement diffus nous proposons un modèle décentralisé fondé sur un algorithme de diffusion épidémique. Cet algorithme fournit une base robuste et évolutive sur laquelle nous avons construit un mécanisme d'auto-évaluation garan-tissant la fiabilité nécessaire au fonctionnement d'un réseau électrique, c'est-à-dire la capacité à maintenir un effacement stable. Dans cet article, nous présentons notre système et discutons les résultats que nous avons obtenus sur des données simulées réalistes, puis nous proposons des pistes d'amélioration possibles.
Type de document :
Article dans une revue
Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2017, 31 (4/2017), pp.427-447. <10.3166/RIA.31.427-448>
Liste complète des métadonnées


https://hal.archives-ouvertes.fr/hal-01578976
Contributeur : Victor Lequay <>
Soumis le : mercredi 30 août 2017 - 10:59:50
Dernière modification le : mercredi 30 août 2017 - 16:47:47

Fichier

Lequay-SMA-corrigé-V2.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Victor Lequay, Mathieu Lefort, Saber Mansour, Salima Hassas. Ajustement diffus et adaptatif de la consommation électrique résidentielle par un système multi-agent auto-adaptatif. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2017, 31 (4/2017), pp.427-447. <10.3166/RIA.31.427-448>. <hal-01578976>

Partager

Métriques

Consultations de
la notice

19

Téléchargements du document

13