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

In 2014, as part of the Climate Plan, EU member countries have committed to reduce by 27% their energy consumption. One of the main focal areas consists in increasing the energy efficiency of urban transports. This thesis aims to propose a methodology to reduce the energy consumption of automatic metro lines while integrating traffic disruptions that occur under normal operating conditions. The principle adopted in this work is to maximize the reuse of electrical energy generated during braking of the train, by other trains running on the line. First part is dedicated to the electrical modeling of an automatic metro line and development of methods to calculate power flows between trains and power substations. Then, optimization algorithms are introduced to perform optimization of the most influential operating parameters in an ideal configuration ignoring traffic fluctuations. Finally, a methodology based on learning simulation data is developed in order to achieve optimization of energy consumption integrating traffic disruptions in real time. This last part will thus purchase the objective to provide a decision support to determine optimal dwell times to be carried out by trains in each station, so as to maximize braking energy recovery.En 2014, dans le cadre du Plan Climat, les pays membres de l’Union Européenne, se sont engagés à réduire de près de 27% leur consommation d’énergie. L’un des axes d’études concerne l’augmentation de l’efficacité énergétique des transports urbains. Cette thèse a pour objectif de proposer une méthodologie afin de réduire la consommation énergétique de lignes de métro automatique tout en intégrant les perturbations de trafic qui se produisent dans des conditions normales d’exploitation. Le principe retenu dans ces travaux est de maximiser la réutilisation de l’énergie générée lors du freinage des trains, par les autres trains présents sur la ligne. Une première partie est dédiée à la modélisation électrique d’une ligne de métro automatique et à la présentation de méthodes permettant de calculer les flux de puissances entre les trains et les sous-stations d’alimentation. Ensuite, des algorithmes d’optimisation sont introduits pour effectuer l’optimisation des paramètres d’exploitation les plus influents dans une configuration idéale n’intégrant pas les aléas de trafic. Enfin, une méthodologie basée sur un apprentissage des données de simulation est développée dans le but de réaliser l’optimisation énergétique de la consommation en temps réel et en intégrant les perturbations de trafic. Cette dernière partie aura ainsi pour objectif de fournir une aide à la décision dans le choix des temps d’arrêts que doivent effectuer chaque train en station afin de maximiser la récupération de l’énergie issue du freinage