Positionnement d'éoliennes par embryogenèse artificielle
Ce projet propose une approche novatrice pour l'optimisation de fermes d'éoliennes. Leur conception met en jeu un grand nombre d'acteurs et se déroule selon un processus complexe qui combine des simulations et des optimisations informatiques lourdes et des itérations menées par des ingénieurs.
Nous proposons une nouvelle approche basée sur un modèle bio-inspiré de développement cellulaire. L'environnement simulé est initié à l'aide d'une cellule souche virtuelle. Celle-ci peut se diviser afin de peupler l'environnement. Quand le développement de l'organisme virtuel est terminé, toutes les cellules sont remplacées par des éoliennes. C'est ainsi le comportement de la cellule initiale qui doit être optimisé par un algorithme évolutionnaire afin que le champ final soit optimal. Ce comportement permet à la cellule de savoir quoi faire en fonction de ce qu'elle perçoit. Un des avantages fondamental de cette approche est que la cellule initiale peut être réutilisée sans réapprentissage.
La vidéo ci-dessous montre un exemple d'une ferme d'éoliennes après l'optimisation du comportement de la cellule. Les images qui suivent montrent les fermes obtenues avec la même cellule, sans réoptimisation, dans différentes conditions (tailles des fermes et obstacles). Le temps de l'optimisation de ces fermes est de l'ordre de la minute au lieu de plusieurs jours pour les approches classiques (algorithme génétique, optimisation par essaim particulaires ou CMA-ES).
Sylvain Cussat-Blanc (Université Toulouse 1 Capitole - IRIT)
Hervé Luga (Université Toulouse Le Mirail - IRIT)
Dennis Wilson (MIT - CSAIL)
Kalyan Veeramachaneni (MIT - CSAIL)
Una-May O'Reilly (MIT - CSAIL)
Dennis Wilson, Sylvain Cussat-Blanc, Kalyan Veeramachaneni, Una-May O'Reilly, Hervﾃ Luga. A continuous developmental model for wind farm layout optimization. Genetic and Evolutionary Computation COnference (GECCO 2014), Vancouver, ACM, 2014. PDF
Dennis Wilson, Emmanuel Awa, Sylvain Cussat-Blanc, Kalyan Veeramachaneni, Una-May O'Reilly. On Learning to Generate Wind Farm Layouts (regular paper). Dans Genetic and Evolutionary Computation COnference (GECCO 2013), Amsterdam, 06/07/2013-10/07/2013, ACM, juillet 2013. PDF