L’apprentissage au secours de la réduction de dimension pour des problèmes d’optimisation

Pour assurer la stabilité du réseau électrique, la production doit être ajustée en quasi temps réel à la consommation. Cet ajustement ne peut porter que sur un nombre limité de centrales et doit être effectué dans des délais réduits. La combinatoire du problème rend la recherche d’un optimum économique par des méthodes d’optimisation classiques très difficile. Ce travail cherche à montrer l’intérêt d’utiliser des algorithmes d’apprentissage supervisé performants comme le Boosting, pour sélectionner les centrales à redéclarer. Cette sélection préalable permet ensuite de réduire considérablement le temps de l’optimisation des programmes de production tout en garantissant l’optimalité économique.