MEMOIRE_DE_MASTERE_OPTION_Georessources
MEMOIRE_DE_MASTERE_OPTION_Georessources
MEMOIRE_DE_MASTERE_OPTION_Georessources
In this paper we address the operation of a reservoir devoted both to low flow augmentation and to flood
control. A single operation rule, using hydrological model based on simulation of scenarios for future
flows, is developped and applied to a real case situation. Its results are compared to those given by a
stationary stochastic dynamic programming method using a simplified hydrological process description.
B
/ .........
Stock final
Lâchers cumulés
'"
Stock
initial
A ..
o T TEMPS
Soit M le module du cours d'eau au point considéré avenir connu et doit son nom à la solution graphique
(M est le débit moyen interannuel). introduite par H. VARLET (1966). Elle fournit une règle
Soit Qj' j = 1, n, la série des débits naturels pour une de gestion constante par morceaux, solution d'une
période donnée. Désignons par Rj , j = 1, n, la série des gamme très large de critères à optimiser: il suffit que ce
débits régularisés. critère se présente sous la forme d'une somme de termes
En fin de période, on peut calculer a posteriori (par la convexes stationnaires uniquement fonction des lâchers
méthode du fil tendu exposée ci-après) quelle aurait été comme c'est le cas pour le critère quadratique ci-dessus.
la meilleure gestion possible si l'on avait pu connaître a
priori la série des Qj (<< optimum en avenir connu »). Soit On trace sur un graphique (temps, volume) la courbe
Oj, j ='1, n, la série des débits régulés de cette façon. des apports cumulés du bassin iik (fig. 1).
C'est la limite physique des performances possibles de k
régulation offerte par le réservoir, c'est-à-dire la variance cik = L Qj'
minimale des débits à l'aval du réservoir. En temps réel, j = 1
4. Méthode de gestion par application du fil-tendu désire tester l'intérêt de scénarios plus courts que
sur de nombreux scénarios l'année, il faut pouvoir proposer une règle de fixation du
stock résiduel en fin de scénario. Cette tâche entraîne un
supplément de .calculs qui n'est pas compensé par la
Puisque la gestion en avenir certain est résolue de façon réduction des durées des scénarios (Yang X., 1989). On
très simple par l'algorithme du fil-tendu, on peut con- a donc retenu la solution plus simple d'une durée égale à
cevoir qu'une réponse acceptable au problème de la un nombre entier d'années. Bien évidemment, plus la
gestion en temps réel soit d'appliquer cet algorithme à durée du scénario sera grande et moins la fixation du
plusieurs scénarios équiprobables permettant de balayer niveau final aura d'importance pour la décision présente,
un large éventail d'avenirs possibles pour les écoulements
en début de scénario. Cependant le temps de calcul
du cours d'eau étudié, dans le même esprit que la
augmente proportionnellement et au-delà d'une certaine
programmation dynamique en avenir incertain simulé
durée de scénario le gain marginal est quasi nul. Comme
citée ci-dessus et avec les mêmes limitations. L'avantage
pour le nombre de scénarios, on devra déterminer la
est un allègement très sensible sur temps de calcul, durée par essais successifs (l an, 2 ans, rarement plus),
rendant maniable sur un microordinateur cette technique en s'arrêtant dès que les résultats ne s'améliorent plus.
plutôt réservée à des moyens puissants de calcul.
La méthode sera clairement explicitée lorsque l'on
4.3. Choix de la décision
aura répondu aux trois questions suivantes:
a) combien de scénarios simuler à chaque pas de Chaque scénario, résolu par la méthode du « fil-tendu»
temps? conduit à la décision optimale qui lui est propre. On
b) quelle durée donner à ces scénarios et quel stock propose de choisir la décision en temps réel au vu de ces
objectif viser à la fin des scénarios? différentes décisions optimales particulières. Il est prob-
c) comment choisir une décision au vu de ces able que l'on ne s'écartera pas beaucoup de l'optimum
scénarios? en adoptant la moyenne ou la médiane des décisions
relatives aux différents scénarios. Une règle de choix
Nous allons décrire successivement ces points.
plus complexe n'a pas été étudiée et on s'est limité à
l'utilisation de la valeur moyenne.
4.1. Nombre de scénarios à simuler
FrSM·BARJSElNE-I960
.".."'.
DEBmM3IS)
120,-------------------------,
100
80
60
40
20
JOURS
DEBITS NA TIJRELS
DEBITS REGlJllS(FTSM)
Tableau 1
Influence du nombre et de la durée des scénarios sur les performances de la méthode
~ 1 an
1
82.4
2
87.7
3
89.1 89.2
5
90.5
7
90.5
10
90.8
15
Tableau 2
Nombre de scénarios et méthode du scénario moyen (durée d'un an)
N 2 3 5 7 10 15 20 30
Les trois paramètres F o, a, Ct sont ajustés mensuelle- 9. Contrôle de la méthode sur une période
ment par détermination du nombre moyen de jours sans différente
pluie et par la méthode des moments.
Pour la simulation, on tire au hasard un nombre Maintenant que le nombre et la durée des scénarios ont
aléatoire F compris entre 0 et 1. été fixés on peut contrôler la rusticité de la méthode
Si F ",;: F 0' la pluie journalière est nulle. proposée en l'appliquant sur une période différente de
celle qui nous a permis d'en fixer les paramètres.
1 - Fo ) lia
Si F :> F 0' la pluie vaut: a ( ln 1 _ F . Les résultats ont été obtenus pour 3 ans de 1959 à
1961 : le critère est de 89,5 %, donc assez voisin de celui
En ce qui concerne la transformation pluie-débit on a obtenu précédemment. La régularisation sur l'année
choisi le modèle GR3 (EDIJATNO, MICHEL c., 1989) qui 1960 apparaît sur la figure 4. On peut dire que la
est un exemple récent de modèle à réservoirs, dépendant méthode donne de bons résultats et se révèle d'une
de trois paramètres à caler. efficacité tout à fait honorable compte tenu de sa
Pour l'utiliser pour la génération de scénarios (c'est-à- simplicité et de la rapidité de sa mise en œuvre.
dire comme modèle de prévision), il convient de faire
une mise à jour du modèle pour tenir compte de
l'écoulement observé le jour du début du scénario. Pour
simplifier, cette mise à jour porte uniquement sur l'état 10. Comparaison avec une méthode de
du réservoir eau gravitaire directement responsable des programmation dynamique stationnaire (PDS)
écoulements.
Pour mieux situer les méthodes simples proposées, noùs
les avons comparées avec une méthode de program-
mation dynamique stochastique en régime stationnaire.
7. Présentation du cas concret étudié (fig. 3) Cependant une telle méthode est difficile à mettre en
œuvre en utilisant le modèle GR3 dont l'état à un instant
On s'intéresse à la régularisation des débits de la Seine à donné est caractérisé par les niveaux de 2 réservoirs.
l'aval du réservoir de Bar-sur-Seine en amont de Troyes. Pour une mise en œuvre commode de la programmation
Le bassin versant de la Seine en amont de la dérivation dynamique, il a été nécessaire de recourir à un simple
vers le réservoir Seine a une superficie de 2 340 km 2. Le modèle autorégressif sur les logarithmes des débits:
module est de 22 m 3/s. Les lois mensuelles de distribution
des pluies journalières ont été ajustées sur 28 années de Y(t) = Log Q(t)
données. Les paramètres du modèle GR3 ont été calés
Y(t + 1) = a(t) + b (t) Y(t) + (T(t) G (t)
sur les années 1972-1977.
où les N (t) sont des variables aléatoires indépendantes,
normales centrées réduites (YANG X., 1989).
8. Choix du nombre et de la durée des scénarios Si on admet que cette modélisation peut aussi être
valable en temps continu, on obtient le processus de
diffusion particulier:
On a testé diverses valeurs du nombre de scénarios et de
la longueur de ceux-ci.
dY(t) = {a(t) + (b(t) - 1) Y(t)} dt + (T(t) dB(t)
N = Nombre de scénarios: l, 2, 3, 5, 7, 10, 15
où B(t) est un processus de Wiener.
L = Longueur des scénarios: l, 2, 3, 4 années.
Le stock S évolue, quant à lui, avec la loi:
Ces tests ont été réalisés sur la période 1975-1977 et
ont donné les résultats qui apparaissent dans le tableau 1. dS(t)/dt = - u(t)
On y a représenté pour chaque couple (N, L) la valeur Umin"';: U(t)",;: U max ; U (t) "'" - Q (t)
du critère de régularisation adopté.
0",;: Set) ",;: Smax
Des scénarios d'un an apparaissent suffisants dans ce
R(t) = Q (t) + u(t).
cas. Une dizaine de scénarios semblent souhaitables,
mais l'examen des graphiques montre une oscillation
On connaît R(t) quand on décide du lâcher u(t). Mis
excessive des débits régulés. 30 scénarios ont été suffi-
sous cette forme le problème est une recherche de
sants pour corriger cet effet.
contrôle optimal d'un processus de diffusion particulier,
Le temps calcul étant lié surtout à l'exécution de la
de vecteur d'état (S(t), Y(t), dont la commande est
méthode du fil-tendu, l'alternative qui consiste à utiliser
u(t). Le critère à optimiser est de la forme:
cette méthode sur le scénario moyen est beaucoup plus
rapide. Nous avons donc testé, à titre de comparaison,
les gestions ainsi définies pour une durée des scénarios v (S, Y, t) = Min E { fT (R (T) - M)2 dT}
égale à une année et un nombre de scénarios allant u(t) 1
1
::S;-.
80
I1t
5. Résultats de la programmation dynamique stationnaire lim _1_ E [fT (R(T) _ M)2 dT]
T_oo T-t t
(PDSj sur l'année 1960.
Tableau 3
Comparaison des différentes méthodes utilisées (test sur 1959-1961)
(A) COMPARAISON STATISTIQUE DES CRUES (D) COMPARAISON STATISTIQUE DES ImAGES
DEBITI(M3JS) DEBITI(M3JS)
211J'-,---------------------,------------,
180
160
30 ...
140 :
120
:1
\.
".......
100
80
\"
.. \ -' ........
- -.. ...... _-
",
------
10
-',
.........
40
F(") F(")
1_~. _ - r ~._ -_ ,- r_~ ,- r_~ ,_~-r_ ~-l o
o 10 20 30 40 50 60 70 80 90 100 10 20 30 40 50 60 70 80 90 100
DEBITSNA11JREl...S DEBITS NA1URELS
DEllITS REGUl...ES(FI'SM) D.EDITS REGUl.ES(FTSM)
DEBITS REGUUS(PDS) DEBITS REGUUS(POS)
6. COII/paraison du ji/-tendu sur scénarios II/oyens (FTSM) et de la programmation dynamique stationnaire (PDS) sur les distribu-
tions des crues (A) et des étiages (B).
Références