Un ingénieur militaire mauritanien publie une recherche sur le génie électrique dans une revue spécialisée.

Il ressort que les Nouvelles (Nouakchott) – Le capitaine ingénieur Said Abdallah Al‑Wafi a publié un article scientifique sur le génie électrique dans la revue *Electric Power Systems Research*, spécialisée dans les systèmes d’énergie électrique. L’article, édité par la maison d’édition internationale Elsevier, porte le titre « Fast and Robust Probabilistic AC Power Flow via a Hybrid MLP/Newton‑Raphson Framework ». Il traite du développement d’une approche de calcul combinant des techniques d’intelligence artificielle et des méthodes numériques classiques.

L’objectif de la recherche est d’accélérer les analyses des réseaux électriques et d’améliorer l’efficacité du calcul du flux de puissance, tout en préservant la précision et la fiabilité des résultats. Selon le résumé fourni à l’agence de presse, l’étude propose « un cadre hybride associant les réseaux de neurones artificiels multicouches (MLP) à l’algorithme Newton‑Raphson, l’une des méthodes numériques les plus largement utilisées pour le calcul du flux de puissance et l’analyse des performances des systèmes d’énergie électrique ». Le principe de base consiste à entraîner un modèle d’intelligence artificielle pour prédire les valeurs des tensions électriques et leurs angles de phase, puis à utiliser ces prédictions comme valeurs initiales pour l’algorithme Newton‑Raphson, ce qui réduit le nombre d’itérations nécessaires pour atteindre la solution.

L’ingénieur mauritanien souligne l’importance de cette approche, arguant qu’elle combine la rapidité de prédiction offerte par les réseaux de neurones artificiels avec la précision du calcul numérique fournie par Newton‑Raphson, permettant ainsi de tirer parti des avantages des deux techniques pour développer des méthodes plus efficaces d’analyse des réseaux électriques. Il indique que ces recherches gagnent en importance face aux défis auxquels sont confrontés les systèmes d’énergie électrique modernes, notamment les fluctuations de charge, les variations des conditions d’exploitation des réseaux et l’expansion de l’intégration des sources d’énergie renouvelable, dont certaines présentent des variations continues de production. Dans ce contexte, il souligne la pertinence de l’analyse probabiliste du flux de puissance, qui vise à évaluer l’impact de différentes incertitudes sur la performance des réseaux électriques.

De telles études nécessitent généralement l’exécution d’un grand nombre de calculs et de simulations, ce qui augmente le coût computationnel et rend l’accélération des processus de calcul un objectif majeur dans le développement d’outils d’analyse ingénierie. L’étude s’appuie sur des simulations Monte‑Carlo pour représenter les incertitudes, en introduisant des variations simultanées des injections de puissance et des paramètres des lignes de transport, et teste le cadre proposé sur des réseaux électriques standards de tailles variées, dont les réseaux IEEE de 9, 39 et 118 nœuds. Les résultats numériques montrent que le cadre proposé réduit le nombre d’itérations nécessaires à l’algorithme Newton‑Raphson tout en maintenant la précision de la solution.

Le travail aborde également les propriétés théoriques de la convergence quadratique locale de l’algorithme lorsqu’on utilise les prédictions du réseau de neurones pour déterminer le point de départ, un aspect important dans l’étude des performances des méthodes numériques employées pour résoudre les problèmes de flux de puissance. Enfin, l’auteur souligne que la recherche illustre l’importance d’intégrer les technologies d’intelligence artificielle dans la résolution de problèmes d’ingénierie complexes, en particulier dans le domaine des systèmes d’énergie électrique, qui requiert la combinaison de modélisation mathématique, d’algorithmes numériques et de techniques d’apprentissage automatique. Elle met en évidence le potentiel de développer des outils de calcul plus performants pour soutenir les études relatives à l’exploitation et à l’analyse des réseaux électriques dans des conditions d’incertitude.