Planification de la production hydroélectrique à court terme à l’aide de l’apprentissage par renforcement

Ce projet vise à développer différents modèles d’algorithmes d’apprentissage automatique afin de planifier la production hydroélectrique à court terme. La résolution de ce problème permet d’obtenir les débits, les volumes et les turbines en marche pour toutes les centrales d’un système de production hydroélectrique. Ayant accès à plusieurs années de données historiques, celles-ci seront exploitées afin de développer un modèle d’apprentissage par renforcement afin de l’intégrer aux modèles d’optimisation couramment utilisés afin de résoudre le problème de planification à court terme. Le Canada produit 63% de son énergie par l’hydroélectricité tandis que cette valeur est de 99% au Québec. Le développement de nouvelles méthodologies permet de gérer les systèmes de production plus efficacement afin de produire le plus d’énergie possible avec la quantité d’eau disponible.

Faculty Supervisor:

Sara Séguin

Student:

Partner:

University of Edinburgh

Discipline:

Computer science

Sector:

Natural Resources; Green/Alternative Energy; Artificial Intelligence

University:

Université du Québec à Chicoutimi

Program: