Algorithmes évolutionnaires multi objectifs pour l’identification des systèmes non linéaires : application a la commande des systèmes de puissance

Abstract

Le travail proposé concerne l’identification de modèles de systèmes dynamiques non linéaires (SDNL) à l’aide des algorithmes évolutionnaires multiobjectifs (AEMO). L’identification des SDNL comprend la sélection de la structure, l’estimation de paramètres, l’évaluation des performances du modèle ainsi que la validation de ce dernier ce qui implique un espace complexe de solutions possibles. Les Algorithmes Evolutionnaires (AE) constituent un outil de recherche et d’optimisation fondé sur les principes de l’évolution naturelle et de la génétique, et ont un grand domaine d’applications. En raison de la versatilité de cet outil, deux techniques évolutionnaires sont utilisées pour l’identification des SDNL, à savoir, les Algorithmes Génétiques (AG) et la Programmation Génétique (PG). Il a été montré que la PG est très performante, pour la fonction à objectif unique, et c’est pourquoi, elle a été généralisée aux fonctions multiobjectifs. La Programmation Génétique Multi-Objectifs (PGMO) est appliquée aux objectifs multiples et conflictuels et fournit un ensemble de solutions potentielles qui valident le comportement original du système pour différents modes de fonctionnement. L’approche d’identification par PGMO est appliquée à titre d’illustration à la commande des systèmes de puissance, systèmes fortement non linéaires, afin de mettre en évidence l’efficacité de cette approche.