2016 - ENAM - 0018 o École doctorale n 432 : Sciencesdes Métiers de l’ingénieur Doctorat ParisTech THÈSE pour obtenir le grade de docteur délivré par École Nationale Supérieure d’Arts et Métiers Spécialité “Génie électrique” présentée et soutenue publiquement par Jonathan LÉSEL le 20 Juin 2016 Optimisation de la consommation énergétique d’une ligne de métro automatique prenant en compte les aléas de trafic à l’aide d’outils d’intelligence artificielle Directeur de thèse : Benoit ROBYNS Co-encadrants de thèse : Patrick DEBAY - Gauthier CLAISSE Jury M. Eric MONMASSON , Professeur, Laboratoire SATIE, Université de Cergy Pontoise Président M. Serge PIERFEDERICI, Professeur, GREEN- ENSEM, Université de Lorraine Rapporteur M. Stéphane CAUX , Professeur, LAPLACE, Université de Toulouse Rapporteur M. Julien POUGET , Docteur-Ingénieur, SNCF I&R Examinateur T M. Benoit ROBYNS , Professeur, L2EP-HEI Examinateur M. Patrick DEBAY , Docteur, HEI-Lille Examinateur H M. Gauthier CLAISSE , Ingénieur, SIEMENS Mobility Examinateur È Arts et Métiers ParisTech - Campus de Lille S EA 2697 - L2EP - Laboratoire d’Electrotechnique et d’Electronique de Puissance,F-59000 Lille, France E Table des matières Table des figures vii Liste des tableaux xi Table des abréviations xiii Remerciements xv Introduction générale1 1 Optimisation énergétique des tables horaires3 1.1 Introduction................................4 1.2 Contexte des travaux de thèse......................4 1.2.1 Contexte historique........................4 1.2.2 Contexte sociétal et environnemental..............5 1.2.2.1 Augmentation de l’urbanisation............5 1.2.2.2 Épuisement des ressources fossiles et contraintes envi- ronnementales......................6 1.2.2.3 Évolution des transports urbains...........7 1.2.2.4 Solutions envisagées...................8 1.3 Planification ferroviaire..........................9 1.3.1 Planification stratégique et Planification opérationnelle.....9 1.3.2 Évaluation de la capacité......................9 1.3.3 Problème de planification des trains................ 10 1.3.3.1 Utilisation de la Recherche Opérationnelle....... 10 1.3.3.2 Exemples de résolution du train timetabling problem. 11 1.4 Optimisation énergétique en milieu ferroviaire.............. 11 1.4.1 Réduction des pics de puissance électrique consommée..... 12 1.4.2 Diminution de la consommation électrique............ 12 1.4.3 Modélisation des flux de puissance................ 13 1.5 Conclusion.................................. 13 2 Modélisation d’une ligne de métro automatique 15 2.1 Introduction................................. 17 2.1.1 Enjeux - objectifs.......................... 17 2.1.2 Terminologie............................ 17 2.1.3 Spécificités de l’étude....................... 17 2.2 Présentation du réseau de traction..................... 19 2.2.1 Sous-station d’alimentation.................... 20 2.2.1.1 Caractéristiques des sous-stations d’alimentation... 20 i TABLE DES MATIÈRES 2.2.1.2 Problématique d’implantation.............. 20 2.2.2 Feeders................................ 20 2.2.3 Rails d’alimentation et système de guidage............ 21 2.2.4 Coffrets de Surveillance du Potentiel Négatif........... 22 2.3 Présentation du matériel roulant...................... 23 2.3.1 Alimentation électrique du matériel roulant........... 23 2.3.2 Description de la chaine de traction............... 24 2.3.3 Principe de fonctionnement du système de traction d’une voiture 24 2.3.4 Conditions d’utilisation du système de freinage.......... 25 2.3.5 Plage d’application du freinage conjugué............. 25 2.3.5.1 Cas particulier du système Néoval............ 26 2.3.6 Equipements auxiliaires...................... 27 2.4 Modélisation énergétique du matériel roulant.............. 27 2.4.1 Modélisation du déplacement des trains............. 28 2.4.1.1 Approche épisodique.................. 28 2.4.1.2 Approche temporelle.................. 28 2.4.2 Modélisation mécanique du matériel roulant........... 28 2.4.3 Modélisation électrique du matériel roulant........... 31 2.4.3.1 Conventions de modélisation............... 33 2.4.3.2 Modélisation du rhéostat de freinage.......... 33 2.5 Modélisation d’une ligne de métro..................... 34 2.5.1 Modélisation du système d’électrification ferrovaire....... 34 2.5.2 Présentation des hypothèses de modélisation........... 34 2.5.3 Application à un exemple simplifié................ 35 2.5.4 Analyse nodale modifiée...................... 35 2.6 Résolution d’un problème de répartition des charges.......... 37 2.6.1 Analogie avec une résolution load flow.............. 37 2.6.2 Historique de la résolution de problème de load flow....... 38 2.6.3 Méthode de Newton-Raphson................... 38 2.6.3.1 Présentation générale................... 38 2.6.3.2 Formulation mathématique du problème........ 40 2.6.3.3 Algorithme de résolution................. 40 2.6.4 Méthode de Broyden........................ 41 2.6.4.1 Mise à jour de Broyden................. 41 2.6.4.2 Mise à jour de Sherman-Morrison............ 41 2.6.4.3 Remarques générales sur la méthode.......... 42 2.6.5 Résolution par heuristique itérative................ 42 2.6.6 Résultats et performances de la résolution............ 43 2.7 Conclusion.................................. 45 3 Optimisation des paramètres d’exploitation 47 3.1 Introduction................................. 49 3.2 Formulation du problème d’optimisation................. 49 3.2.1 Cahier des charges......................... 49 3.2.2 Sélection des paramètres les plus influents en hors-ligne.... 50 3.2.3 Définition des variables utilisées.................. 51 3.2.4 Définition des contraintes..................... 51 3.2.5 Définition de la fonction objectif.................. 52 3.3 Optimisation de l’intervalle........................ 53 ii TABLE DES MATIÈRES 3.3.1 Simulation d’un carrousel établi................. 54 3.3.2 Etude des intervalles d’exploitation............... 55 3.3.3 Répartition des pertes dans une ligne de métro......... 57 3.3.4 Analyse d’une table horaire type................. 59 3.3.5 Confrontation avec des essais sites................ 60 3.4 Optimisation des temps d’arrêt en station................ 61 3.4.1 Principe de la modulation des temps d’arrêt en station.... 61 3.4.2 Estimation de l’espace des solutions............... 61 3.4.3 Détermination de la méthode d’optimisation.......... 62 3.4.4 Optimisation par métaheuristique................ 64 3.4.5 Algorithmes évolutionnaires................... 64 3.4.5.1 Optimisation par algorithme génétique........ 65 3.4.5.2 Représentation des chromosomes............ 66 3.4.5.3 Opérateurs de sélection................. 66 3.4.5.4 Opérateurs de croisement............... 67 3.4.5.5 Opérateurs de mutation................ 68 3.4.5.6 Paramétrage de l’algorithme.............. 68 3.4.6 Algorithmes d’intelligence en essaim............... 69 3.4.6.1 Optimisation par essaims particulaires........ 70 3.4.6.2 Règles de déplacement................. 71 3.4.6.3 Codage des solutions.................. 72 3.4.6.4 Notion de voisinage................... 72 3.4.6.5 Limitation de la vitesse de déplacement........ 73 3.4.6.6 Implémentation de l’algorithme............ 74 3.4.7 Hybridation des méthodes d’optimisation............ 75 3.4.7.1 L’hybridation dans la littérature............ 75 3.4.7.2 Choix d’hybridation retenu.............. 76 3.4.8 Comparaison des méthodes d’optimisation........... 77 3.4.9 Répartition des temps de calcul................. 82 3.4.10 Remarques............................. 82 3.5 Optimisation d’une table horaire journalière............... 82 3.5.1 Phases transitoires : notion de train tenant l’horaire....... 83 3.5.1.1 Principe de l’injection/retrait.............. 83 3.5.1.2 Notion de train tenant l’horaire............. 83 3.5.2 Méthodologie d’implémentation................. 83 3.5.3 Résultats d’optimisation..................... 84 3.6 Limites de l’approche hors-ligne..................... 85 3.6.1 Temps de calcul.......................... 86 3.6.2 Optimalité des solutions trouvées................. 86 3.7 Conclusion.................................. 86 3.7.1 Résumé des travaux effectués................... 86 3.7.2 Perspectives............................ 87 4 Optimisation temps réel des tables horaires 89 4.1 Introduction................................ 92 4.1.1 Limites de l’approche hors-ligne................. 92 4.1.2 Enjeux de l’approche temps réel................. 92 4.1.3 Cahier des charges......................... 93 4.1.4 Etat de l’art sur l’optimisation temps réel ferroviaire...... 94 iii TABLE DES MATIÈRES 4.1.5 Concept d’intelligence artificielle................. 96 4.1.6 Nécessité de synthétiser le processus de résolution itératif des flux de puissance............................ 97 4.2 Réseaux de neurones artificiels...................... 97 4.2.1 Applications............................ 97 4.2.2 Principe des Réseaux de Neurones Artificiels.......... 98 4.2.2.1 Modèle biologique.................... 98 4.2.2.2 Le neurone formel.................... 99 4.2.2.3 Le perceptron multicouche............... 100 4.2.3 Notion d’apprentissage....................... 101 4.2.3.1 Apprentissage supervisé................. 102 4.2.3.2 Apprentissage non-supervisé.............. 102 4.2.3.3 Apprentissage par renforcement............ 103 4.2.3.4 Apprentissage online ou offline ............. 103 4.2.3.5 Choix de la méthode d’apprentissage.......... 104 4.3 Apprentissage d’un estimateur neuronal des flux de puissance sur un réseau DC................................. 104 4.3.1 Caractéristiques du problème à estimer............