Développement et adaptation d'algorithmes d'optimisation en temps réel dans les applications d'énergie renouvelable

随着石油储备的减少，可再生能源的需求量增加。Toutefois，une caractéristique de ces sources d'énergie est la variation de la puissance qu'elles fournissent selon différents faculty fundamentals ou climatiques（radiations solaires，vitesse du vent，temperature，.）.这些类型的系统是具体的方法，这些方法可以在时间上进行优化，但在时间上进行调整，并在变化的情况下将这些系统保持在最大功率和最大功率。这两种方法分别对两个时间点进行了优化：一种是采用数值方法对过程的基本模型进行优化，另一种是对基本目标的外部梯度进行零估计和控制。如果采用数字解决方案，则会迅速收敛，并提供预测的可能性，因此会产生一种精确度。相反，外部命令非常精确，但迈斯不具备任何预测能力，而且对于多个系统而言，其收敛性也很慢。该研究计划的长期泰尔梅是在适当的时间内开发新的优化方法，能够进行预测和转换。到了之后法院有三个泰尔梅的目标。第一步是在不影响精确度的情况下，通过命令外部方法，使多个系统快速趋同。第二，在没有基本模型的情况下，时间优化方法的发展具有预测未来扰动的能力，最终收敛于精确的最优解。最后，法院泰尔梅的最后目标是在试点项目或可再生能源试验中采用可再生能源方法，以验证项目的性能。研究方法的基础是对可燃微生物堆试验和能量转化的数学分析，其结果是有效的。

Avec la diminution éminente des réserves de pétrole, les sources d'énergie renouvelable deviennent de plus en plus nécessaires. Toutefois, une caractéristique de ces sources d'énergie est la variation de la puissance qu'elles fournissent selon différents facteurs environnants ou climatiques (radiations solaires, vitesse du vent, température,...). Ces types de systèmes sont des exemples concrets où les méthodes d'optimisation en temps réel peuvent être appliquées dans le but d'amener et de maintenir ces systèmes à leur point maximal de puissance et ce, en dépit de ces variations. Ces méthodes d'optimisation en temps réel peuvent être regroupée selon 2 approches : l'approche avec résolution numérique du problème d'optimisation à partir d'un modèle fondamental du procédé ou la commande extrémale où le gradient de la fonction objectif est estimé et commandé à zéro. Si l'approche avec résolution numérique est rapide à converger et offre une possibilité de prédiction, elle souffre d'un manque de précision. En contrepartie, la commande extrémale est plus précise, mais ne possède aucune capacité de prédiction et est lente à converger notamment pour les systèmes à plusieurs entrées. L'objectif à long terme de ce programme de recherche est de développer de nouvelles méthodes d'optimisation en temps réel précises, capables de prédiction et convergeant rapidement. Pour y arriver, 3 objectifs à court terme devront être rencontrés. Le premier est de développer des méthodes de commande extrémale offrant une convergence rapide pour des systèmes à multiples entrées et ce, sans détérioration de la précision. Le second est le développement de méthodes d'optimisation en temps réel sans modèle fondamental offrant une capacité d'anticipation de perturbations futures afin de converger vers une solution optimale précise. Finalement, le dernier objectif à court terme est d'appliquer les méthodes développées à des projets pilotes ou expérimentaux d'énergie renouvelable pour valider les performances prédites. La méthodologie de recherche sera basée sur une analyse mathématique rigoureuse et les résultats seront validés sur des montages expérimentaux de piles à combustible microbiennes et de conversion d'énergie éolienne.