Gestion de la demande utilisant des techniques d'optimisation hybrides de recherche bactérienne et d'algorithme génétique

Aujourd'hui, l'énergie est la ressource la plus précieuse, de nouvelles méthodes et techniques sont découvertes pour satisfaire la demande d'énergie. Cependant, la croissance de la demande énergétique provoque une grave crise énergétique, surtout lorsque la demande est comparativement élevée et crée la charge de pointe. Ce problème peut être traité en intégrant la gestion de la demande (GdD) avec le réseau intelligent traditionnel (RI) grâce à une communication bidirectionnelle entre le fournisseur d'énergie et les clients. L'objectif principal de la GdD est la réduction de la charge de pointe, tandis que le RI vise la minimisation des coûts et la maximisation du confort utilisateur. Dans cette étude, notre accent est mis sur la minimisation des coûts et la gestion de la charge en déplaçant la charge des heures de pointe vers les heures creuses. Dans cette étude sous-jacente, nous adaptons l'hybridation de deux approches d'optimisation, la recherche bactérienne (RB) et l'algorithme génétique (AG). Les résultats de simulation vérifient que l'approche adaptée réduit le coût total et le ratio moyen de pointe en déplaçant la charge pendant les heures creuses avec très peu de différence entre l'intervalle de confiance de 95% minimum et maximum.