Stage EDF R&D - Programmation par contraintes pour les outils de planification des arrêts nucléaires
Forum 'Stages' - Sujet créé le 2023-11-02 par Cécile Rottner
Contexte
En France, l'électricité est principalement produite par des centrales nucléaires. La planification pluriannuelle des arrêts de ces centrales doit respecter diverses contraintes en matière de sécurité, de maintenance, de logistique et d'exploitation des centrales, tout en conduisant à un programme de production réalisable à un coût minimum.
L’objectif de cette optimisation à 5 ans est de satisfaire la demande en électricité à coût minimum : l’arrêt d’un réacteur entraîne son indisponibilité et nécessite de substituer sa production par d’autres sources, généralement plus chères. Chaque tranche doit s’arrêter tous les 12 à 18 mois pour garantir son bon fonctionnement, et chaque arrêt nécessite un grand nombre de personnels et d’équipements spécifiques, ce qui limite le nombre d’arrêts autorisés en parallèle. De plus, la gestion de stock entre deux arrêts est elle-même soumise à des contraintes de sûreté et de garantie de bon fonctionnement.
Ce problème est difficile à résoudre de manière exacte, c’est pourquoi EDF utilise actuellement un algorithme de recherche locale sélectionnant des déplacements d’arrêts dans un voisinage pour optimiser la planification [1]. Le planning est réoptimisé tous les deux mois à la suite de mises à jour d’hypothèses. Cette méthode comporte deux phases :
- Une phase de réparation cherchant des mouvements permettant de résoudre certaines violations des contraintes introduites par la réactualisation des hypothèses,
- Une phase d’optimisation cherchant à trouver des mouvements améliorant une certaine fonction objectif économique.
Plus récemment, un paradigme de programmation par contraintes (PPC) [2] a été introduit afin de remplacer la première phase de cet algorithme. L’outil développé dans ce cadre, appelé Panacée, a pour objectif de trouver la solution réalisable la plus proche d’un planning initial mais ne prend pas en compte les aspects économiques du problème. Ce stage propose de s’intéresser à l’utilisation du paradigme de la PPC dans la phase d’optimisation de l’algorithme.
Objectif
L’objectif de ce stage est d’analyser les possibilités d’intégration de la PPC dans la phase d’optimisation de l’algorithme. Le stagiaire pourra réaliser les tâches suivantes :
- Réaliser un état de l’art sur les méthodes mêlant PPC et recherche locale telle que la méthode proposée dans [3].
- Analyser et tester les possibilités d’intégration des enjeux économiques dans un problème de satisfaction de contraintes.
- Proposer et tester des possibilités d’utilisation de la PPC dans l’algorithme d’optimisation, en particulier pour la génération des voisinages d’optimisation.
Conditions matérielles
Lieu du stage : EDF Lab Paris-Saclay (7, Boulevard Gaspard Monge ; 91120 Palaiseau)
Le site est accessible par transports en commun ou navette depuis Paris Porte d’Orléans
Durée : 6 mois.
Rémunération : Les stages sont rémunérés en fonction du niveau d’étude et de la formation préparée.
Profil du stagiaire
Domaines de compétence : Ecole d’ingénieur ou master recherche, niveau master
Profil : recherche opérationnelle, développement informatique
Renseignements complémentaires
Candidature (lettre de motivation et CV) à adresser de préférence directement aux encadrants.
Antoine Bambade
Alex Fauduet
Références
[1] Griset, Rodolphe. Méthodes pour la résolution efficace de très grands problèmes combinatoires stochastiques: application à un problème industriel d'EDF. Diss. Université de Bordeaux, 2018.
[2] Khemmoudj, Mohand Ou Idir, Marc Porcheron, and Hachemi Bennaceur. "When constraint programming and local search solve the scheduling problem of electricité de france nuclear power plant outages." International Conference on Principles and Practice of Constraint Programming. Berlin, Heidelberg: Springer Berlin Heidelberg, 2006.
[3] Pesant, Gilles, and Michel Gendreau. "A constraint programming framework for local search methods." Journal of Heuristics 5 (1999): 255-279.