You are on page 1of 216

^S^S

{5}
UNIVERSITE DE PARIS-CRETEIL

ECOLE NATIONALE DES PONTS ET CHAUSSEES

ELABORATION DES CONSIGNES DE GESTION DES BARRAGES - RESERVOIRS

pastel-00569481, version 1 - 25 Feb 2011

Eric PARENT

Mmoire de dissertation doctorale prsent pour l'obtention du diplme de Docteur de l'ECOLE NATIONALE DES PONTS ET CHAUSSEES. Domaine : Environnement

DECEMBRE 1991

pastel-00569481, version 1 - 25 Feb 2011

^IZL

NSASW3
ECOLE NATIONALE DES PONTS ET CHAUSSEES UNIVERSITE DE PARIS-CRETEIL

ELABORATION DES CONSIGNES DE GESTION DES BARRAGES - RESERVOIRS

pastel-00569481, version 1 - 25 Feb 2011

Eric PARENT

Mmoire de dissertation doctorale prsent pour l'obtention du diplme de Docteur de l'ECOLE NATIONALE DES PONTS ET CHAUSSEES. Domaine : Environnement

Thse soutenue le 13 dcembre 1991 devant le jury compose de: R. POCHAT, president J. BERNER, rapporteur L. DUCKSTEIN, rapporteur P.A. ROCHE, examinateur P. HURAND. examinateur P. CAZES. examinateur
E-N.P.C.

DOC08418

pastel-00569481, version 1 - 25 Feb 2011

SOMMAIRE Avant-Propos Rsum PARTIE 1: LA GESTION DES BARRAGES-RESERVOIRS 1. La gestion des barrages rservoirs 1.1. Un enjeu conomique important 1.1.1. Quelques exemples 1.1.2. Etudes, investissement et fonctionnement 1.1.3. La rigidit introduite par les grands amnagements 1.1.4. Valeur de l'eau et rentabilit conomique des amliorations de gestion 1.1.5. Le contrle-commande et la gestion 1.2. Un contexte alatoire 1.3. Des systmes dplus en plus complexes 1.4. Des objectifs multiples et parfois mal dfinis 1.5 Conclusions PARTIE 2: DU GESTIONNAIRE A L' HOMME D'ETUDES 1. Prsentation du systme Neste 1.1. Introduction : Un dsquilibre hydrologique 1.2. L'hydrologie des apports 1.2.1. Le rgime nival de la Neste 1.2.2. Les rgimes de type pluvial des rivires de coteaux 1.3. La demande en eau pour l'irrigation 1.4. Fonctionnement actuel 1.4.1. Les acteurs 1.4.2. Le mode opratoire 1.4.3. Conclusions 1.5. Les problmes du systme Neste : quelques chiffres 1.5.1. Bilan en terme de dbit de transit instantan 1.5.2. Bilan en terme de dbits hebdomadaires 1.5.3. Bilan en termes de volumes 1.5.4. Conclusions 2. L' exemple du barrage Seine 2.1 .Prsentation 2.2.0bjectifs 2.3. Les donnes disponibles._ 3. Les problmes du gestionnaire et la problmatique du charg d'tudes T. '. .". 3.1. De l'utilit de la modlisation 3 1 1 La situation oblige reposer le problme ae gestion 3 1 2 Une justification de nature scientifique Dour convaincre du bien fond de sa politique 3 1 3 L' interface entre le gestionnaire et l'homme d'tuaes 3.2. Les embches de la modlisation 3.2.1. Identifier le dcideur 3.2.2. Reconnatre les enjeux 3.2.3 Le pige du langage : " systme". Un concept pratique en trompe-l'il 15 15 15 16 16 17 18 21 23 23 25 30 30 32 32 33 34 37 37 37 38 .39 39 39 41 42 43 43 43 -o 46 46 -6 -~ 47 -7 -X :0 2 3

pastel-00569481, version 1 - 25 Feb 2011

3.3. Le point de vue du modlisateur 3.3.1. Dcrire au mieux la rponse du systme 3.3.2. Respecter le processus de dcision 3.4. Conclusions PARTIE 3: DEMARCHES DE MODELISATION 1. Cadre mthodologique pour l'analyse de systmes 1.1.Modlisation d'tat: le cas dterministe 1.1.1. Systme dynamique dterministe de barrages 1.1.2. Les commandes u 1.1.3. Les tats du systme x 1.1.4. La fonction d'volution f 1.2. Feedback et rgle de gestion 1.3. Modlisation d'tat: le cas stochastique 1.3.1. L'exemple de la gestion d'un rservoir avec apports indpendants : une chane de Markov 1.3.2. Matrice de transition 1.3.3. Les proprits asymptotiques des chanes de Markov stationnaires : indices statistiques de dfaillances 1.3.4. Formalisme gnral du modle d'tat en avenir incertain 1.3.5. Modlisation de l'ala 1.3.6. Commentaires 1.4. Commande optimale 1.4.1. La fonction d'valuation J 1.4.2. Le cas dterministe : principe du minimum 1.4.3. Le cas alatoire: recours au gradient stochastique 1.4.4. Le principe de Mass-Bellman 1.4.5. Applications directes de la programmation dynamique 2. Pratiques courantes de modlisation pour la gestion de barrages 2.1. Le fil tendu .7... .7 2.2. Rgles empiriques par courbe objectif de remplissage 2.2.1. Dtail de la reprsentation d'un rservoir 2.2.2. Fonctionnement au cours de l'anne 3. Dmarches originales de modlisation pour la gestion de barrages 3.1. Restreindre la classe des rgles de gestion 3.1.1. Rgles linaires 3.1.2. Rgle paramtre 3.2. Circonscrire l'ala 3.2.1. La programmation dynamique par simulation de scnarios 3.2.2. Mthode de GAL 3.2.3. Programmation dynamique avec chantillonnage ! 7. 3.2.4. Mthode de KITANIDIS 3.2.5. Mthode de SAAD et TURGEON 3.2.6. Mthode de FANG et al 3.3. Introduire des risques spcifiques 3.3.1. Rgles S et SQ avec quivalents dterministes 3.3.2. Transformation du risque en cot : programmation non linaire avec fiabilit 4. Avantages et limites du cadre modles d'tat pour l'aide la dcision 7 .' 4.1. Critiques de l'utilit espre

52 52 55 56

60 60 60 61 61 61 64 65 65 66 68 .69 71 73 75 75 77 78 80 87 94 94 96 96 97 98 98 99 .99 100 101 101 102 103 103 104 104 104 107 109 109

pastel-00569481, version 1 - 25 Feb 2011

4.1.1 On peut objecter qu'elle traduit mal l'attitude face au risque 4.1.2 L'utilit espre impose fans le cas multicritre une vision de complte transitivit sur les prfrences 4.2. Tableau de bord et gestion du risque 4.3. Retour sur le principe de Mass-Bellman 4.4. Quelques points sur le multicritre 4.5. Formulation linaire simple 4.6. Programmation dynamique et compromise programming 4.7. Retour sur le principe de Mass-Bellman : le cas multicritre PARTIE 4: MODELES LE CAS DE LA NESTE 1. Tentatives de modlisation mathmatique du systme 1.1. Modle complet 1.1.1. Les quations de bilan 1.1.2. Les quantits r k (t) restantes aprs les prlvements

110 110 110 111 113 114 114 117

127 127 127 129 130 130 131 134 134

pastel-00569481, version 1 - 25 Feb 2011

1.1.3. Contraintes de capacit 1.2. Description globale deux rservoirs 1.3. Le systme agglomr 1.3.1. Description du systme agglomr 1.3.2. Prise en compte de la contrainte de capacit du canal Neste .......135 1.3.3. Que perd-on par rapport aux modles prcdents ? 135 1.4. Hypothses complmentaires de modlisation 136 1.4.1. Priode d'analyse du systme 136 1.4.2. Conditions initiales et constantes 137 1.4.3. Etat d'information du gestionnaire 137 2. Prise en compte du risque 139 2.2. Un mode opratoire qui intgre dj le risque 139 2.2.1. Le fonctionnement normal 139 2.2.2. Le fonctionnement de pr-crise 139 2.2.3. Le fonctionnement de crise 140 2.2.4. Transition possible d'un mode de fonctionnement un autre 140 2.3. Petit lexique du risque 140 2.4. Simulations de vidanges 141 2.5. En qute d'objectifs de gestion 142 1-P 2.5.1. Hirarchisation des objectifs et recherche d'un compromis 2.5.2. Le respect d'une contrainte du type dbit rserve ' 143 2.5.3. Modlisation de l'objectif d'irrigation 143 2.5.4. Calcul de l'indice de prcrise 143 2.5.5. Satisfaction de l'objectif d'augmentation de a 3. Gestion de compromis qualit .1-h 4~ 3.1. Objectifs de gestion..... 146 3.1.1. Les objectifs d'augmentation de la quaiit 146 3.1.2. Les objectifs de satisfaction de l'irrigation 147 3.1.3. Le compromis global 147

pastel-00569481, version 1 - 25 Feb 2011

3.1.4. Optimisation avec contraintes de fiabilit 3.1.5. Les gains suivant les modes de fonctionnement une priode donne 3.1.6. Restriction sur a et 3.2. Contraitnes et indicateurs de gestion 3.2.1. Les contraintes fonctionnelles 3.2.2. Les indicateurs de gestion 3.3. Analyse du systme 3.3.1. L'tat du systme 3.3.2. Les commandes du systme 3.3.3. Les transitions 3.3.4. Les quations et inquations du systme 3.4. Rsolution du problme par programmation dynamique stochastique 3.4.1. Le calcul numrique.. 3.4.2. Contraintes de fiabilit 3.5. Gestion de compromis 3.6. Un exemple de l'optimisation squentielle de la fonction de Bellman 3.6.1. La fonction de Bellman 3.6.2. Les autres indicateurs: 4. Prise en compte des tours d'eau et modifications du modle 4.1. Les modifications apportes 4.2. Le nouveau modle 4.2.1. L' objectif gnral de compromis 4.2.1. Analyse du systme 4.3. Exemple de tableaux de bord 4.4. Validation par rapport un autre modle 5. Gestion stratgique par synthse d'une courbe de vidange type 5.1. Principes de la synthse 5.2. Comment tablir une gestion du compromis 5.2.1 La statistique des V . ( T ) 5.2.2 Frquence des dfaillances par rapport au dbit seuil 5.2.3 Frquence de dfaillance par rapport au dbit objectif 5.3. Choix d'une loi pour les dbits de salubrit 5.4. Courbes vidanges-type VL(F, t) 5.5. Prvision et calcul d'une stratgie 5.6. Etude de la gestion sur les chroniques passes 5.6.1. Anne humide du type 1977 5.6.2. Anne normale du type 1980 5.6.3. Anne exceptionnellement sche du type 1985 5.7. Conclusions partielles LE CAS DE LA SEINE 6. Comparaison de la programmation dynamique en avenir certain avec la mthode des scnarios 6.1. Modles et mthodes 6.1.1. Le critre de gestion 6.1.2. La composante hydrologique 6.1.3. La composante dcisionnelle: 6.2. Rsultats numriques 6.3.Validation des politiques de gestion en crues et soutien d'tiage 6.4. Discussions et conclusions

148 149 149 150 150 150 151 151 151 151 151 152 153 154 ....154 156 156 157 160 160 160 160 160 161 164 165 165 165 165 166 166 167 .....167 168 170 170 170 170 171 172 172 1 ~2 172 173 174 178 178 179

PARTIE 5: DISCUSSIONS ET CONCLUSIONS 1. Remarques sur les hypothses restrictives 1.1. Ngliger les phnomnes de transfert 1.2. Les systmes multi-ouvrages : 1.3. Les systmes multi-acteurs: 2. Apports de l'tude : Dynamique et dcision, deux aspects interconnects 2.1. Vers une meilleure reprsentation physique: le dilemme 2.1.1. Importance des modles hydrologiques 2.1.2. Rduire la dimension d'tat 2.2. Mieux cerner les mcanismes de la dcisions 2.2.1. L'importance du dialogue entre le gestionnaire et le charg d'tude 2.2.2. L'tat d'information du gestionnaire 2.2.3. L'importance du risque : 2.2.4. Positionnement de nos mthodes face au risque 2.3. Apports mthodologiques pour l'aide la formalisation d'obiectifs: 3. Dveloppements possibles et pistes de recherches 3.1. Pistes de recherche: utilisation d'autres outils 3.1.1. Intelligence artificielle 3.1.2. Logique floue 3.2. Pistes de recherche : amlioration du modle existant 3.2.1. Indice de dficit 3.2.2. Modle et rationalit conomique 3.2.3. Vers une approche plus conomique 4. Conclusions Gnrales BIBLIOGRAPHIE RESUME LONG 185 185 185 ..186 187 187 187 187 187 187 188 188 189 189 190 190 190 192 193 193 194 194 195

pastel-00569481, version 1 - 25 Feb 2011

LISTE
Annexe 1 : p 209

DES

ANNEXES

Etude Hydrologique des apports de la Neste, des rivires de Gascogne et de la demande pour l'irrigation. Annexe 2 : p 236

Exemple de demande de rpartition des dbits. Annexe 3 : p 238

Dcret de 1909. Annexe 4 : sur la Neste. Annexe 5 : p 250 p 242

Etudes prliminaires des donnes brutes et reconstitution de la demande pastel-00569481, version 1 - 25 Feb 2011

Essai de modlisation mathmatique des divers usages de l'eau. Annexe 6 : p 262

Gestion du risque et courbe de remplissage de la Seine. Annexe 7 : p 272

Un exemple de gestion paramtre de la Seine. Annexe 8 : p 280

Mthode des scnarios sur un exemple simple. Annexe 9 : p 285

Listing des programmes de gestion de la Neste. Annexe 10 : p 314

Listing des programmes de gestion de la Seine. Annexe 11 : p 329

Etude des fuites sur le canal. Annexe 12 : p 334

Incertitudes sur i'objectif et sur le modele dynamiuue Annexe 13 : p 339

Modle de gestion incluant la production agricole.

A Franoise, Marianne et Viviane, pour le temps que je ne leur ai pas donn.

Avant-Propos Ce rapport de recherche a t ralis au cours des annes que j'ai passes depuis 1985 au Centre de Recherche et d'Enseignement pour la Gestion des Ressources Naturelles et de l'Environnement. H constitue un travail de modlisation pour ia gestion des ressources en eau qui fait appel des techniques de la recherche oprationnelle, notamment la statistique, la thorie de l'optimisation et l'aide la dcision. Les motivations qui m'ont port raliser ce travail tiennent en deux ides simples : 1) L'eau constitue une vritable ressource, la ressource premire de la vie, et ce titre, elle doit tre gre avec efficacit malgr un contexte conflictuel et incertain. 2) Les techniques du "gnie" peuvent contribuer grandement l'amlioration de la gestion rationnelle des ressources en eau. A mes yeux, le gnie de l'environnement propose l'ingnieur de demain un dfi relever, aussi noble et essentiel que le furent leur poque le gnie aronautique ou le gnie gntique. Je veux exprimer ma gratitude Monsieur de Directeur de l'ENGREF qui partage ces deux proccupations, pour m'avoir autoris poursuivre ce travail de recherche. Je tiens remercier Rmy POCHAT, directeur du CERGRENE, qui a dirig cette thse et qui m'a fait l'honneur d'accepter la prsidence du Jury. Je remercie Pierre-Alain ROCHE qui m'a encadr tout au long de ce travail. Je tiens exprimer ma trs profonde reconnaissance Jacques BERNIER, Andr TURGEON, Lucien DUCKSTEI, Claude MICHEL pour les prcieux conseils d'orientation mthodologique qu'ils m'ont prodigus tout au long de ce travail, ainsi qu a Patrick HURAND et Lucien SORMAJL qui m'ont offert leur concours pour ie cas d'tude pratique sur le systme Neste. Merci enfin Jean VERDR, Yves LABYE, Paul BOURGINE et Fethi LEBDI pour avoir relu ce texte et m'avoir suggr modifications et amliorations au cours de l'avancement de mes recherches. Que mes collgues et amis du CERGRENE, ainsi que mes parents qui ont encourag tous mes efforts depuis ie premier jour, trouvent dans ce rapport toute ma reconnaissance pour le soutien et la confiance qu'il.1" m'ont tmoignes.

pastel-00569481, version 1 - 25 Feb 2011

pastel-00569481, version 1 - 25 Feb 2011

RF.SIMF. COURT

L'objet de ce mmoire de recherche est de proposer un modle thorique permettant de modliser le fonctionnement d'un systme de gestion des ressources en eau, d'tudier les mthodes de calcul que l'on peut utiliser pour l'laboration rationnelle des consignes de gestion des barrages-rservoirs . L'application oprationnelle a t ralise pour deux situations particulires trs diffrentes. Sur la cas du systme Neste, l'tude propose s'inscrit dans le cadre des problmes d'optimisation hebdomadaire bidimensionneile (irrigation et salubrit) des ressources en eau durant la priode d'tiage. La rsolution est effectue selon deux approches: -un modle de programmation dynamique avec tat de dimension deux (niveau des rserves, niveau dans la rivire) o dans la solution numrique les variables sont discrtises; -un modle "synthtique" o l'on calcule une probabilit de non dpassement caractrisant l'tat hydrique des ressources du systme. Une rgle empirique permet d'associer cette grandeur une dcision de consigne effectuer. L'tude de la gestion journalire du barrage Seine quant elle, combine divers modles de prvision des apports et d'optimisation des consignes. Elle permet de mettre en vidence que la performance globale de la gestion dpend fortement du couplage entre la rponse du systme dynamique et le processus dcisionnel. Nous dveloppons la aussi deux techniques. La premire est une extension au cas stochastique de la technique du fil tendu au moyen de simulations des apports venir. Cette mthode trs simple mais qui s'appuie sur un modle conceptuel pluies-dbit est compare une programmation dynamique stochastique associe un modle hydrologique de type "boite noire". La comparaison porte sur la rduction de variabilit interannuelle des dbits de la rivire l'aval du rservoir. Le calcul numrique sur ordinateur est facilit par une approche de la programmation dynamique fonde sur le contrle stochastique d'un processus de diffusion. Sur ce cas aussi, les rsultats numriques sont compars sur une srie de chroniques historiques. A partir de ces deux exemples, nos conclusions portent sur les limites et les avantages des outils de modlisation et d'aide la dcision pour une meilleure gestion des systmes de ressources en eau. MOTS CLES

pastel-00569481, version 1 - 25 Feb 2011

Rgulation- Gestion de rservoir - Programmation dynamique stochastique- Modlisation - Prvision d'apports- Aide la dcision- Dcision muiticritre.

ABSTRACT

This Phd dissertation deals with models for building rational allocation of water in natural resources systems and numerical tools for reservoir operation. Applications have been developped for two distinct water resources systems. The Neste case study shows bicreteria (irrigation & water quality) weekly operation of a water resource system during dry period. Two ways of handling the problem are assessed and compared on a real case study: -a stochastic dynamic programming model with a two dimensionnal state (reservoirs level, river level) that is numerically solved by discretization; -a more "synthetic" model where the state is expressed in term of a tail aera probability related to the consumption of all the present water resources in the futur. A practical decision rule is based upon the associated critical value. Numerical results are plotted on historical series for both methods. On the Seine case study, we provide the elements for a trade-off between the quality of the optimization model and the efficiency of the hydrological model in the field of water resources system management. In this paper, we develop two techniques. The first one is an extension of the Mass Curve technique to the stochastic case by means of simulation. This very simple management technique linked to a conceptual rainfall-runoff model, is confronted to a stochastic dynamic programming technique working with a blackbox rainfall-runoff model . The comparison is made from the viewpoint of efficiency. One is specifically interested in reducing streamflow variability downstream a reservoir.To make this comparison easily implemented on a computer, a new approach to stochastic dynamic programming based on the stochastic control of a diffusion process is derived. From these two examples, general conclusions on limits and advantages of modelization techniques and decision making toois are derived for water resources systems.

pastel-00569481, version 1 - 25 Feb 2011

KEY-WORDS

Regulation- Reservoir operation - Stochastic dynamic programming - Conceptual rainfall- runoff modelling - Streamflow forecasting Multicriteria Decision making.

TNTROmJCTTON Une production de mas en recul de plus de 2 millions de tonnes, plus de 300 000 agriculteurs touchs par le manque de pluie dans une quarantaine de dpartements, 580 millions de Francs d'aide aux exploitants sinistrs : triste bilan pour cet t 1989 exceptionnellement sec! Pourtant, en France, la ressource en eau avait pu paratre ni chre ni limite, mais les conditions climatiques exceptionnellement sches de 1989 et 1990 ont mis en vidence, si besoin tait, que dans le Sud de la France (Est ou Ouest), la ressource en eau est le facteur limitant du dveloppement d'activits agricoles, industrielles et mme urbaines1. L'volution des besoins de toute nature et l'expression d'une nouvelle volont de valorisation de cet lment essentiel du patrimoine naturel conduisent les gestionnaires d'ouvrages poner un intrt accru l'efficacit de la gestion des amnagements. Il est certain que la gestion des amnagements recouvre des domaines techniques varis. La qualit des eaux joue un rle de plus en plus prpondrant dans la conception des ouvrages, et les impacts sur le milieu naturel sont prendre en compte de faon complte. Mais la mise au point des consignes de gestion, souples et adaptables en fonction des nouvelles informations susceptibles d'intervenir tout instant, est dj en soi un problme dlicat auquel les praticiens sont toujours confronts. Les nombreux modles thoriques et les mthodes d'optimisation proposs par les laboratoires de recherche sont peu utiliss, bien souvent parce qu'ils correspondent une reprsentation trs gnrale et bien simpliste du problme pos. Les praticiens prfrent alors des mthodes simples et robustes, plus directement lies une reprsentation raliste du cas d'tude. Ces mthodes ont d'ailleurs permis de grer quotidiennement maints ouvrages mais ne rpondent que trop partiellement aux problmes quotidiens d'analyse du bien-fond des investissements, de prise en compte du risque pour amliorer une conduite difficile en cas de crise, de recherche d'allocation optimale face des objectifs multiples. Pour ne citer que quelques exemples, l'Agence Financire du Bassin Seine-Normandie travaille actuellement l'aide d'un modle de simulation journalier l'amont de Paris sur la prospective des bilans ressources et demandes en eau l'horizon 2000 et sur l'tude de l'impact des rgles d'opration des barrages-rservoirs de ce bassin. Une grande opration de redfinition des rgles de fonctionnement et des objectifs du systme Neste dans le Sud-Ouest a t mise en uvre par la Compagnie d'Amnagement des Coteaux de Gascogne. En 1989, les agriculteurs de la valle du Sor (Tarn) ont mis en demeure le Prfet de justifier les rationnements en matire d'irrigation ds le dbut de la campagne dont ils s'estimaient injustement victimes. L'objet de ce mmoire de recherche est de proposer un modle thorique permettant de modliser le fonctionnement d'un systme de gestion des ressources en eau, d'tudier les mthodes de calcul que l'on peut utiliser pour l'laboration rationnelle des consignes de gestion des barrages-reservoirs. L'appiicanon oprationnelle a t ralise pour deux situations Darticulires trs diffrentes. Dans la premire partie de cette dissertation, nous prsentons tout d'abord l'intrt et les limites des mthodes de gestion des barrages rservoirs. La deuxime partie met en vidence, a partir des exemples illustratifs de la Seine et de la Neste, les difficults rencontres par le gestionnaire de systme de ressources en eau, et la dmarche ncessaire pour traduire les problmes de terrain par une modlisation approprie. Dans la troisime partie, le problme gnrai est d'abord presente sous forme aun modle de base issu de l'anaiyse des systmes et du contrle optimal Les dmarches classiques rencontres aans la littrature sur ta gestion des systmes cie ressources en eau sont tudies et ies techniques d'optimisation utilisables sont
Circonstance aggravante, la rgion de Toulouse et le littoral mditranneen ont une pluviomtrie trs infrieure l'vapo-transpiraiion potentielle, ce qui. compte tenu de la trs mauvaise rparution spatiale et temporelle des prcipitations, pose un proolme aigu de gestion hydraulique agncoie et d'allocation des ressources en eau.

pastel-00569481, version 1 - 25 Feb 2011

dcrites. En effet, en raison de l'intrt accru port l'efficacit des ouvrages, la demande de connaissances concernant les mthodes d'optimisation s'est dveloppe. Ce document peut contribuer familiariser les ingnieurs ayant raliser ces tudes avec un certain nombre de mthodes et d'outils encore mal connus, notamment du fait de l'absence d'une prsentation en langue franaise de l'application de ces mthodes la gestion des ouvrages hydrauliques, alors qu'elle est largement dcrite dans la littrature anglosaxonne. Nous y soulignons aussi les avantages de la dmarche de modlisation que nous adoptons pour traiter de la gestion du risque et des usages multiples de la ressource, qui sont deux aspects spcifiques de la conduite des barrages rservoirs. La quatrime partie est une application des dmarches de modlisation deux cas pratiques. On propose d'abord la mise en place oprationnelle de rgles de gestion de compromis (irrigation-qualit) pour le systme Neste, mobilisant de nombreuses rserves de capacits moyennes dont la source principale d'approvisionnement est une rivire de montagne. Ce cas d'tude met l'accent sur la prise en compte du risque et la recherche d'une allocation bi-critre acceptable des richesses en eau au cours de la saison d'irrigation tout en soutenant les tiages. D'autre part, on dcrit les applications de ces mthodes au systme du barrage Seine du lac de la fort d'Orient, mono-ouvrage, mobilisant une grosse rserve sur une rivire de plaine et dont la gestion a dj fait l'objet de nombreuses tudes. Ce dernier cas d'tude permet de mettre en vidence que la performance globale de la gestion dpend fortement du couplage entre la rponse du systme dynamique et le processus dcisionnel. La dernire partie conclut sur les limites et les avantages des outils de modlisation et d'aide la dcision. On y retrace les passages d' obstacles successifs : - de la phase de modlisation (comment traduire rationnellement les problmes du gestionnaire d'un systme de gestion de ressources en eau en une problmatique scientifique?) - de la phase d'aide la dcision (quelles sont les conditions ncessaires pour, qu' partir d'une approche scientifique labore dans un bureau d'tudes ou un laboratoire de recherche, on puisse russir un passage oprationnel sur le terrain?) Les dveloppements numriques, les algorithmes et programmes informatiques, ainsi que les tudes complmentaires sont reports dans les annexes.

pastel-00569481, version 1 - 25 Feb 2011

Ecole Nationale des Ponts et Chausses (ENPC-ENGREF) CERGRENE

ELABORATION DES CONSIGNES DE GESTION DES BARRAGES RESERVOIRS

pastel-00569481, version 1 - 25 Feb 2011

PARTIE 1 LA GESTION DES BARRAGES

DECEMBRE 91 2. PARENT

14

SOMMAIRE DE LA PARTIE 1

1. La gestion des barrages rservoirs 1.1. Un enjeu conomique important 1.1.1. Quelques exemples 1.1.2. Etudes, investissement et fonctionnement 1.1.3. La rigidit introduite par les grands amnagements 1.1.4. Valeur de l'eau et rentabilit conomique des amliorations de gestion 1.1.5. Le contrle-commande et la gestion 1.2. Un contexte alatoire 1.3. Des systmes de plus en plus complexes pastel-00569481, version 1 - 25 Feb 2011 1.4. Des objectifs multiples et parfois mal dfinis 1.5 Conclusions

15 15 15 16 16 17 18 21 23 23 25

LA GESTION DES BARRAGES 15

LA GESTION DES BARRAGES

1. LA GESTION DES BARRAGES RESERVOIRS 1.1. Un enieu conomique important pastel-00569481, version 1 - 25 Feb 2011 1.1.1. Quelques exemples On peut juger de l'efficacit de la gestion d'un barrage-rservoir : . moyens fixs (problme habituel de gestion); . objectifs fixs (problme de dimensionnemht et de programmation). A moyens fixs D. DUBAND (1975) a par exemple montr, pour le barrage de Serre-Ponon - dont les objectifs sont l'irrigation et la production hydrolectrique - que l'introduction de prvisions d'apports moyen terme dans la gestion de l'ouvrage permet de gagner une production d'nergie d'une valeur de 16 millions de Francs par an en moyenne. Pour pallier la scheresse de 1989, notamment en ce qui concerne les primtres d'irrigation et le soutien d'tiage automnal, le gestionnaire des ressources en eau de la Neste avait d faire appel aux rserves Pyrnennes de haute montagne normalement utilises par EDF pour la production hydrolectrique. Durant l'tiage svre de 1990, l'utilisation des outils d'aide la gestion stratgique, dvelopps dans ce document, a permis la Compagnie d'Amnagement des Coteaux de Gascogne de prendre le risque de ne pas solliciter EDF pour la fourniture de 10 millions de m3 supplmentaires . On Deut estimer que cette dcision a permis une conomie de 10 millions ae Francs. A objectifs fixs La gestion la plus efficace sera celle qui aura mobilis la rserve la plus faible. Ainsi,en tudiant le barrage de Chambonchard sur le Cher, J. MIQUEL (1980) a caicui que pour obtenir le mme soutien d'tiage Montjean (point de contrle), le volume ncessaire de la retenue pouvait tre divis par deux si on tenait compte de previsions pour tablir la gestion du barrage plutt que d'effectuer des lchers constants. Puisse notre connaissance des dbits futurs tre parfaite, on n'aurait plus Desoin pour le mme objectif que d'un quart de cette retenue ! C'est pourquoi les problmes de dimensionnement, de gestion d'ouvrages et ae prvisions hydrologiques sont troitement lis. L'analyse de l'utilit d'une amelioration de gestion est cependant parfois complexe.

LA GESTION DES BARRAGES 16

1. .2. Etudes, investissement et fonctionnement Les trois exemples prcdents montrent qu' l'vidence, pour de grands ouvrages, le cot des tudes (quelques centaines de milliers de Francs) ncessaires une gestion fine des ouvrages, est infrieur d'un bon ordre de grandeur aux bnfices qu'elles peuvent permettre. En revanche, si la gestion ncessite : * la mise en uvre d'un systme de tltransmission, * l'quipement ou le rquipement d'organes de commande, pastel-00569481, version 1 - 25 Feb 2011 une tude conomique doit tre engage ds qu'une premire analyse a permis de cerner le gain d'efficacit. Cette tude se justifie d'autant plus qu'elle souligne en gnral le manque de formation des gestionnaires et de sensibilisation des dcideurs politiques aux techniques de gestion scientifique des barrages On peut penser que des ouvrages dj construits de faible capacit (infrieurs quelques millions de m^), et dont l'amlioration de la gestion n'apporte donc que des moyens supplmentaires modestes, ne peuvent justifier un tel effort qu'en l'absence d'alternative d'amnagement (par exemple, pour des problmes d'insertion dans l'environnement). Le choix initial est alors irrversible. Par contre, si cette tude est mise en uvre ds la programmation de l'ouvrage, l'conomie d'investissement peut tre suffisante pour quiper le barrage d'un systme de commande ds sa cration. Ce fut le cas du barrage de l'Astarac (10 Mir) pour lequel l'tude d'quipement d'un systme de commande a permis une conomie d'investissement de l'ordre de 10 MF. Dans ce bilan conomique, les cots de fonctionnement jouent aussi un rle essentiel, en particulier parce que de tels amnagements s'amortissent sur de longues ou trs longues dures (suprieures 50 ans). Les thories conomiques classiques sont impuissantes analyser la rentabilit de tels investissements. Il est ainsi difficile de dire si, de faon gnrale, la gestion permet des conomies de fonctionnement, et chaque cas doit tre tudi en particulier. 1.1.3. La rigidit introduite par les grands amnagements Le dimensionnement des ouvrages rpond des contraintes de gnie civil bien souvent prpondrantes au plan conomique. Ainsi, sur un bassin tel que celui de la Seine, la capacit de rgulation voiue-t-elle par paliers, alors que les besoins voluent. eux, de faon rgulire, sauf vnements exceptionnels : mise en route d'une tranche de centrale nuclaire par exemoie (Figure 1).

LA GESTION DES BARRAGES 17

ro
Q CO

400

M O R V A N + SEINE + AUBE

300

CO
L

pastel-00569481, version 1 - 25 Feb 2011

C Z3 X CJ <

200

barrage MORVAN + SEINE

1975

980

985

990

995

200C

Figure 1 .Programmation des barrages-rservoirs sur la Seine (Document Comit de Bassin, 1980). Ce programme a subi un certain dcalage. Mais il montre les effets de seuils lis au caractre discontinu des amnagements Dans un tel systme de programmation, chaque nouvel ouvrage apporte un saut quantitatif majeur dans la satisfaction des objectifs. L'optimisation des consignes de gestion des ouvrages qui, elle, permettra de gagner de l'efficacit la marge, parat l'amnageur une proccupation de second ordre, sauf quand on atteint la saturation d'un ouvrage ou d'une ressource et que l'alternative est l'amlioration de la gestion actuelle ou la construction de nouveaux ouvrages (si c'est possible). Dans le contexte mondial actuel, la premire alternative est presque toujours prfre la seconde, notamment dans les pays en voie de dveloppement. L'Institut international pour le Management de l'Irrigation mis en place par la Banque Mondiale traduit cette volution des priorits d'un amnagement efficace des ressources naturelles en eau. En France aussi, il n'est pas rare d'envisager d'abord un accroissement des ressources avant une meilleure utilisation des ressources dj utilisables. Ainsi, par exemple, en rgion Midi-Pyrnes, le programme de dveloppement de la ressource en eau dans le Sud-Ouest de la France, mis en place par le comit de bassin Adour-Garonne, a subi une acclration manifeste en 1989 et 1990. Trois sites (Charlas, Laurelie, Vabre) permettant une augmentation de la ressource d'au moins 50 millions de m3 chacun sont l'tude. On peut aisment imaginer ies pressions des diffrentes instances iocales encore sous le coup des scheresses de 1989 et 1990 pour que le Prfet de Rgion Midi-Pyrnes s'oriente d'abord vers une dcision court terme !

LA GESTION DES BARRAGES

18

1.1.4. Valeur de i'eau et rentabilit conomique des amliorations de gestion Pour mieux cerner les enjeux de cette gestion, il est intressant de mesurer ce que cote pour la collectivit cette production d'eau non potable qu'est le soutien aux tiages par des barrages-rservoirs. Prenons pour exemple les chiffres du barrage Aube. D'un cot total de 1.6 Milliards de francs, ce stock cote 8 F/m^. Supposons que cet ouvrage soit amorti sur 5 0 annes en "vendant" l'eau, ou la protection obtenue contre les crues, aux usagers, chaque fois que celle-ci est utile pour eux. A quel prix estimerait-on ce service? Un premier raisonnement est que chaque m^ est revendu environ deux fois chaque anne (une fois lors du remplissage titre de bnfice de protection contre les crues, et une fois la vidange en soutien d'tiage). En ngligeant actualisation et incertitudes, cela conduit un prix faible : 0,08 F/m^. Mais, bien entendu, la protection et le soutien n'intressent les usagers que dans des conditions bien particulires. En fait, ce n'est qu'une anne sur dix environ que toute la capacit serait vendue. Le prix est donc plus prs de 1 F/wP que de 0,1 F/nA C'est le prix qu'implicitement les collectivits sont prtes payer, pour le compte des divers usagers concerns, en finanant un tel ouvrage. 11 est videmment intressant de rapprocher, pour tout projet, une telle estimation de cot aux bnfices, conomiques et sociaux attendus, ou, plus exactement dans ce cas prcis, de cot vit des dommages et dgts ds aux inondations, l'estimation dlicate. On comprend que dans de tels cas, une amlioration, mme marginale, de l'efficacit des ouvrages existants, puisse permettre de gagner plusieurs annes sur l'chancier de programmation, et. compte-tenu des sommes en jeu, que ces annes gagnes reprsentent une trs grande conomie. 1.1.5. Le contrle-commande et la gestion Les performances de la plupart des systmes sont conditionnes par : - la qualit du contrle-commande : il s'agit d'asservir les manuvres des ouvrages pour rpondre immdiatement aux besoins le plus efficacement possible, en respectant des rgles de scurit et de fiabilit dans la manipulation des organes de commande (vannes, seuils, etc...). - l'adquation de la gestion aux objectifs : il s'agit de dfinir une politique de choix, que l'on appellera stratgique, si cet arbitrage porte sur le moyen ou le long terme. ou tactique, pour les enjeux court terme, entre maintenant et plus tard, entre ici et l et entre tel et tel usage, tout en se prmunissant du mieux possible contre les risques de dfaillance. Le prsent rapport est orient principalement vers les questions de gestion. Nous voquons cependant ici rapidement es enjeux du domaine du contrle-commande. Il existe de nombreux exemples de progrs considrables apports par des automatismes adquats dans les systmes d'ouvrages antrieurement rgls la main par des oprateurs mobiles. Ces applications sont particulirement spectaculaires ds qu'il existe une distance importante entre l'ouvrage commandable et l'objectif, ou que ie systme comporte de trs nombreuses commandes manipuler de faon cohrente.

pastel-00569481, version 1 - 25 Feb 2011

LA GESTION DES BARRAGES 19

La gestion d'ouvrages en cascade, pour des usages multiples, peut tre illustre par le systme de rgulation des dbits du Rhne par la Compagnie Nationale du Rhne. Dans le cadre des systmes d'irrigation, les progrs obtenus grce la rgulation dynamique entre les ouvrages de la Socit du Canal de Provence ou de la Compagnie d'Amnagement des Coteaux de Gascogne (systme Neste) sont tout fait significatifs. On trouvera dans VALIRON et al. (1988, tome 3) une description de ces deux exemples et de cas issus de l'alimentation en eau potable et de l'assainissement, ainsi qu'une description dtaille des moyens techniques ncessaires la mise en uvre d'un systme de contrle-commande. Un exemple de taille plus modeste permet de cerner les enjeux d'une amlioration du contrle-commande d'un systme qui n'a pas t conu initialement cet effet. Les donnes suivantes sont extraites d'une note de la Direction Dpartementale de l'Agriculture et de la Fort du Tarn de 1988 sur l'automatisation des lchers du barrage des Cammazes pour l'irrigation sur le Sor. Les calculs d'efficacit conomique y ont t ajouts par les auteurs et sont estims grossirement. Ni les procds d'actualisation, ni la prise en compte explicite de la distribution statistique des vnements secs exceptionnels ne sont mis en uvre dans ces calculs sommaires. Le systme Sor-Cammazes fait partie de l'ensemble complexe d'amnagement hydraulique de la Montage Noire. Le barrage de Cammazes, destin satisfaire les besoins en eau d'irrigation (pompages individuels et collectifs sur le Sor), fonctionne actuellement de faon manuelle, et on estime que seulement 42 % de l'eau stocke est valorise. Ainsi en 1986, durant l'tiage, sur 5.360 Mm 3 lchs pour cet usage, seulement 2.250 Mm 3 ont t facturs aux irrigants. En 1987, ces chiffres sont respectivement de 4.060 Mm 3 et 1.725 Mm 3 . Un systme de contrle automatique a t tudi. Il compone un poste central reli par un rseau de tltransmission (rseau tlphonique commut) des stations de mesures de terrain; au poste central, un logiciel temps rel dfinit les consignes des actionneurs et les transmet des automates locaux qui assurent le calcul des commandes et la rgulation des actionneurs. Ce dispositif est l'organisation typique d'un tel systme dans un cas simple.

pastel-00569481, version 1 - 25 Feb 2011

LA GESTION DES BARRAGES 20

MONTAGNE NOIRE

pastel-00569481, version 1 - 25 Feb 2011

La Barftassi Cana du Midi

VERSANT MEDITERRANEEN

Figure 2 : Systme SOR- CAMMAZES

Le cot de l'opration se dcompose de la faon suivante : - poste central (quipement) - 5 stations de mesures (quipement) - quipement des vannes et automates locaux de commande (4 systmes) - tude et ralisation de loaicieis - divers " Total 220 000 F 250 000 F 550 000 F 250 000 F 30 000 F 1 300 000 F

L'efficience espre des lchers est de 70 %. Il aurait donc t possible d'conomiser 2.160 Mm-5 en 1986 et 1.610 Mm J en 1987. Une conomie de 2 Mm J en anne sche pourra donc tre obtenue pour un cot de 0.65 F/m J . On peut supposer que ces 2 Mm J supplmentaires seraient essenneilement utiliss une anne sur cinq, et pour une dure d'environ cinquante ans, ce qui conduit un cot d'amortissement de l'ordre de 0.06 F par nv5" dlivr. Le cot annuel d'exploitation et d'entretien est anralement estim de l'ordre de 10% de la valeur des quipements (ROCHE P.A. et al.. 1984) soit 130 000 F/an. Par

LA GESTION DES BARRAGES

21

ailleurs, dans ce cas, l'automatisation permet d'conomiser des frais de gestion significatifs sur l'ensemble du systme : on peut raisonnablement considrer que l'conomie ralise est quivalente au surcot. L'eau supplmentaire ainsi obtenue devrait donc tre vendue environ 0.06 F par m^ dlivr pour quilibrer l'opration. En comptant un volume de prlvement l'hectare de l'ordre de 1 500 m^/ha/an, l'eau ainsi dlivre entrerait pour 90 F/ha dans la composition du cot de production pour les annes sches. Il apparat clairement qu'une telle opration est trs immdiatement valorisable. Ds lors qu'un systme de contrle-commande est mis en place, le cot d'une amlioration de la gestion du systme est limit celui des tudes.: hydrologie (rgime des apports et mthodes de prvision), analyse des demandes,(caractristiques statistiques et ventuelle prvision), simulation et ventuellement optifm9itnS\Cos analyses sont videmment facilites si l'on a pris la prcaution le plus ^t^S^jiia qn^cueillir et d'archiver dans de bonnes conditions les donnes net ~ pastel-00569481, version 1 - 25 Feb 2011 1.2. Un contexte alatoire L'aspect alatoire des phnomnes hydrologiques domine l'vidence les problmes de gestion : il s'agit de trouver une rgle de gestion la plus conomique possible, c'est--dire qui ralise un compromis entre les cots de protection contre des vnements exceptionnels et les rsultats moyens que l'on escompte la suite du fonctionnement normal "de croisire" de l'ouvrage. Le rle essentiel d'un barrage est de rguler en absorbant la variabilit des apports : d'une faon ou d'une autre, il reporte de l'eau prleve dans une priode o elle est abondante, voire excessive, sur une priode o elle prsente une plus grande valeur d'usage. Un modle illustratif simple de ce concept est le suivant : l'application d'une rgle de gestion se traduit par la transformation d'une distribution statistique des apports de la rivire en une distribution statistique de lchers en sortie de barrage. Supposons que nous comparions deux gestions, l'une idale, totalement rgule, fournissant un lcher \i = apport moyen et l'autre ayant encore un caractre alatoire et une variabilit fournissant un lcher not u, sur la base d'une fonction de gain V(u) (On suppose ici que V ne dpend que du lcher u et non du stock et de la saison). En admettant que V puisse se dvelopper autour de u,, sous la forme :

v u

( o) (u - v r

92y u

( o)

puis en appliquant l'oprateur esprance, tant donne que E(u) = u^ = apport moyen, un a en premire approximation :

EV(u)) = V(E(u)) + - ^

--+...

Ou)

LA GESTION DES BARRAGES 22

Si la fonction V est un indice de performance classique obissant la loi des rendements dcroissants (V concave), on voit que : V(E(u))>E(V(u)) et que l'cart entre une rgulation idale constante et une rgulation soumise une variabilit statistique est, en premire approximation, proportionnel la variabilit du lcher. En d'autres termes et sous ces hypothses simplificatrices, la premire raison d'tre d'une rgle de gestion est d'amortir la variabilit des apports pour produire une squence de lchers aussi rguliers que possible. Les premires mthodes de dimensionnement (RIPPL (1883), VARLET (1923)) sont d'ailleurs fondes sur le principe que la rgulation est avant tout la rduction de la variabilit des coulements. Elles s'intressent un objectif de rgulation totale (dbit constants) et on en dduit la capacit ncessaire pour une chronique d'apports particulire. Le dimensionnement ne peut bien entendu tre ralis pour une rgulation totale. Il s'agit de mettre en balance les cots de construction (certains) de l'ouvrage et les cots des dgts que pourraient entraner des vnements hydrologiques exceptionnels que le barrage n'est pas capable de rguler (stock limit). Ce problme de stock limit est au centre des tudes de dimensionnement et doivent tre pris en compte pour les calculs de valeurs extrmes. BUCHBERGER et MAIDMENT (1989) proposent une mthode d'approximation base sur la thorie des processus de diffusions markoviens pour estimer la frquence avec laquelle un rservoir se retrouve l'tat vide ou en situation de dbordement. MICHEL (1989) propose une formule empirique pour estimer ces probabilits de dfaillance. Supposons maintenant que la rserve soit construite : comme sa capacit ne lui permet pas de mobiliser des ressources en eau en quantit illimite (le pourrait-elle qu'il faudrait encore tenir compte d'une phase transitoire de remplissage), il faut bien trouver une rgle de gestion qui ralisera chaque instant un compromis entre les dommages ventuels provoqus par une dfaillance et l'intrt immdiat de satisfaction des objectifs pour lesquels le barrage a t construit. Pour amliorer ce choix et le rendre plus efficace, il est utile de prvoir le mieux possible l'volution des apports et des besoins venir. Comme on conduit mal dans le brouillard, on gre de faon inefficace dans l'incertain. Grer, c'est prvoir. C'est aussi savoir prendre des risques pour faire la juste part entre des cots incertains de protection contre des dfaillances exceptionnelles et des bnfices incertains a plus ou moins long terme. En matire de dimensionnement de rservoir, on peut essayer de suivre une approche analogue celle de BERNIER et ULMO (1973): sur le cas d'une digue latrale, ces derniers effectuent un calcul simplifi de dimensionnement o le compromis ralis entre les bnfices de protection contre les crues (vnement exceptionnel futur) et l'investissement de la construction (vnement certain immdiat) est mis en vidence. En ce qui concerne la gestion de barrages-rservoirs aussi, ia gestion du risque est une proccupation majeure. L'objectif du prsent travail de recherche est d'apporter aes mthodes d'aide ia dcision et la gestion du risque pour l'laboration aes consignes de gestion des barrages rservoirs. Mais il y a des limites : une part de l'incertitude est incontournable, c'est l'ala naturel. Il faut alors tre prudent, et adapter ia gestion cette incertitude. C'est l'objet des mthodes d'optimisation en avenir alatoire, qui ont t introduites par MASSE (1946) pour la gestion des barrages-rservoirs et que nous dvelopperons dans la troisime partie de ce document.

pastel-00569481, version 1 - 25 Feb 2011

LA GESTION DES BARRAGES 24

* protection du milieu : durant les priodes critiques de la vie de la flore et de la faune lies la rivire (frai, hivernage, etc.), on se doit de respecter les conditions naturelles ncessaires au bon fonctionnement des cycles (couche d'eau suffisante en hiver sur les trous poissons, courant faible sur les gravires en priode de frai, etc.). Ces objectifs de protection sont mal connus, mal dfinis, assez difficiles quantifier a priori puisque l'amnagement cre une situation nouvelle donc "anormale", mais qui n'est pas pour autant "moins bonne". Nanmoins, ils sont essentiels, notamment pour assurer la qualit de l'eau dlivre en aval. * production hydrolectrique : elle demande utiliser au mieux l'nergie potentielle du barrage sous les contraintes de fonctionnement de l'usine. 11 faut noter que cet objectif de production d'lectricit a un cot facilement modlisable et donc se prte commodment des calculs d'optimisation s'il est seul pris en compte, les autres aspects tant retenus comme des contraintes, souvent mal dfinies. * navigation : il faut assurer, d'une part une profondeur suffisante pour les voies navigables, de l'eau en quantit suffisante pour le bon fonctionnement des cluses, et d'autre part, viter les cotes et les vitesses trop leves. * sports et activits rcratives lis un pian d'eau : descente en cano au moment de lchers importants, voile sur le lac de retenue, camping, plages, e t c . Les impacts conomiques pour la rgion sont rarement quantifis en France, mais font partie des mesures compensatoires essentielles pour les collectivits amont qui subissent, sans en tirer de bnfice direct, l'inconvnient de la dtrioration des sites existants. Les variations de niveau en priode estivale doivent tre les plus faibles possibles pour satisfaire cet objectif. Ces objectifs sont la plupart du temps en contradiction les uns avec les autres. Voici par exemple quelques conflits types qui peuvent se produire : * En t, notamment lorsqu'il y a scheresse, on peut imaginer de dstocker en masse pour les besoins d'irrigation, d'adduction d'eau potable, de qualit et de navigation : le lac de retenue verra donc son niveau baisser fortement, ce qui risque de mcontenter plaisanciers et estivants. On peut aussi prendre l'option radicalement inverse, ce qui conduit une rserve insuffisamment vide pour effectuer un iaminage efficace en cas de fortes pluies et crues en dbut de saison hivernale. * Pour les besoins de rgulation (soutien aux tiages, laminage de crues, etc.) qui sont gnralement prioritaires (ce sont eux qui, la plupart du temps, ont motiv l'amnagement), on effectue au jour le jour des lchers en dents de scie qui vont a rencontre des objectifs de qualit et de protection du milieu. Ne connatre que les objectifs quantitatifs se retournerait cependant contre le gestionnaire : sans respecter les objectifs de qualit, l'eau" produite " serait "invendable" (inapte aux usages). En matire de barrages, l'efficacit rside autant dan:; la qualit que dans la quantit de production. Dans le cas d'un systme de plusieurs rservoirs, des actions non concertes de vidange et de stockage diminuent l'efficacit du fonctionnement global du systme. Ces objectifs ne sont connus et quanrifiables qu a des degrs divers. Les effets rels des lchers sont parfois difficiles estimer : des mcanismes contradictoires peuvent jouer. Par exemple, dans les rivires canalises, il est ncessaire d'assurer un dbit minimal autant que possible afin de diluer et de transporter les effluents ou d'absorber ie choc thermique en cas de refroidissement. Nanmoins, le courant ne doit pas tre trop

pastel-00569481, version 1 - 25 Feb 2011

LA GESTION DES BARRAGES 23

1.3. Des systmes de plus en plus complexes Une troisime caractristique de l'optimisation de la gestion des barrages est que, de plus en plus, il faudra raisonner l'chelle d'un ensemble de barrages-rservoirs interconnects, cause des effets induits (modification en cascade ou compensation) qui peuvent exister entre eux. La rgulation du bassin de la Seine l'amont de Paris comprend, par exemple, quatre rservoirs principaux (Seine, Marne, Aube, PannessireChaumard sur l'Yonne), dont on conoit bien qu'il est utile d'en coordonner les actions puisqu'ils contrlent chacun l'un des principaux bassins versants. Le systme du bassin du Trent en Ontario, CANADA (SIGVALDASON,1976) comprend 92 rservoirs et 14 usines hydrolectriques faire fonctionner en harmonie ! Il est dans ce cas difficile d'imaginer l'laboration de consignes de gestion performantes sans avoir recours la modlisation du "systme", avec l'appui de mthodes mathmatiques d'optimisation et l'utilisation de techniques informatiques. L'optimisation globale d'un systme de rservoirs n'est pas en effet assure par la ralisation des optimisations locales du fonctionnement de chacun des sous-systmes qui le composent. En revanche il existe des mthodes itratives qui permettent de faire des essais successifs de rpartition des objectifs entre les divers sous-systmes, en optimisant le fonctionnement de chacun d'eux, et en corrigeant la rpartition au vu de leurs rsultats respectifs. 1.4. Des objectifs multiples et parfois mal dfinis Une retombe indirecte de l'introduction des techniques d'optimisation pour la gestion des barrages est d'obliger les gestionnaires afficher, voire clarifier les objectifs qu'ils poursuivent. Aujourd'hui les gestions de rservoirs sont de type multi-usage. Des consignes de gestion figes a priori n'offrent pas la possibilit de modifier de faon explicite les rgles de conduite du barrage lorsque les objectifs voluent ou que surviennent de nouveaux lments d'information (installation d'un rseau d'annonce des crues par exemple). Optimiser une rgle de gestion oblige remettre en cause priodiquement sa validit, afficher clairement l'objectif ou les objectifs pour lesquels le barrage a t construit, estimer le cot de dfaillances ou de catastrophes, assumer les priorits ou les pondrations entre les objectifs que l'on a dfinis . Ces ouvrages constituent la fois un rservoir (rle de rgulation permettant la protection contre les crues, la satisfaction des demandes en eau pour l'irrigation et l'adduction d'eau potable et d'objectifs de qualit en eau), un barrage crant une retenue (potentiel hydrolectrique), un plan d'eau (possibilit rcrative) et un lac artificiel (dveloppement d'un cosystme nouveau, adapt aux fluctuations saisonnires imposees par l'exploitation de l'ouvrage). Les objectifs rgissant la gestion des barrages rservoirs sont multiples : * protection contre les crues : il s'agit d'utiliser les possibilits de stockage du rservoir en priode de crues pour diminuer ou laminer celles-ci. On diminue ainsi l'ampleur et la frquence des dgts des eaux sur l'aval du systme. * satisfaction des diverses demandes d'utilisation de l'eau : le barrage doit (dstocker des quantits d'eau, soit dans des systmes d'adduction artificielle, soit dans ia rivire qui joue alors le rle d'adducteur. Ces besoins peuvent prsenter une forte saisonnalit (l'irrigation en agriculture en est un exemple) ou bien exister de faon permanente (adduction d'eau potable, consommation industrielle ....; mais ils prsentent toujours un caractre alatoire plus ou moins marqu.

pastel-00569481, version 1 - 25 Feb 2011

LA GESTION DES BARRAGES 25

important, auquel cas le temps de transit de l'effluent dans la rivire serait trop court pour que les capacits d'auto-puration de la rivire aient le temps de fonctionner correctement. 1.5 Conclusions

pastel-00569481, version 1 - 25 Feb 2011

La gestion des barrages rservoirs est par nature un problme multicritre, en avenrisqu. Elle s'inscrit dans le cadre de l'analyse et de la commande de systmes naturels et reprsente un dfi pour l'ingnieur ( PARENT, 1991). Les trois annes sches conscutives de 1989, 1990 et 1991 ont soulign, si besoin tait, que l'amlioration des techniques de gestion tait ncessaire et permettait, en temps de crise, des conomies de fonctionnement importantes. En dehors de ces priodes de tension ( tiages svres, inondations, dsquilibre entre ressources mobilises et croissance des usages) l'amlioration des rgles de gestion est trop souvent dlaisse au profit de l'accroissement de ressources nouvelles: cette dernire solution permet de ne pas remettre en cause la politique de gestion tout en apportant un soulagement majeur dans la satisfaction des objectifs de l'amnagement. L'amlioration des consignes de gestion, travers la modlisation mathmatique, n'est donc ralisable qu'avec la complte collaboration du gestionnaire d'ouvrages: elle signifie en effet d'abord un nouveau regard et une analyse critique du fonctionnement et des objectifs d'un systme existant, dj pilot, souvent complexe, de gestion de ressources en eau.

pastel-00569481, version 1 - 25 Feb 2011


LA GESTION DES BARRAGES 26

Ecole Nationale des Ponts et Chausses (ENPC-ENGREF) CERGRENE

ELABORATION DES CONSIGNES DE GESTION DES BARRAGES RESERVOIRS

pastel-00569481, version 1 - 25 Feb 2011

PARTIE 2 DU GESTIONNAIRE A L' HOMME D'ETUDES

DECEMBRE 91 ?ARE>T

SOMMAIRE DE LA PARTIE 2
1. Prsentation du systme Neste 1.1. Introduction : Un dsquilibre hydrologique 1.2. L'hydrologie des apports 1.2.1. Le rgime nival de la Neste 1.2.2. Les rgimes de type pluvial des rivires de coteaux 1.3. La demande en eau pour l'irrigation 1.4. Fonctionnement actuel 1.4.1. Les acteurs 1.4.2. Le mode opratoire 1.4.3. Conclusions 1.5. Les problmes du systme Neste : quelques chiffres 1.5.1. Bilan en terme de dbit de transit instantan 1.5.2. Bilan en terme de dbits hebdomadaires 1.5.3. Bilan en termes de volumes 1.5.4. Conclusions 2. L exemple du barrage Seine 2.1 .Prsentation 2.2.0bjectifs 2.3. Les donnes disponibles 3. Les problmes du gestionnaire et la problmatique du charg d'tudes " 3.1. De l'utilit de la modlisation 3 1 1 La situation oblige reposer le problme de gestion. 3 12 Une justification de nature scientifique pour convaincre du bien fond de sa politique 3 1 3 L interface entre le gestionnaire et l'homme d'tudes 3.2. Les embches de la modlisation 3.2.1. Identifier le dcideur 3.2.2. Reconnatre les enjeux 3.2.3 Le pige du langage : " systme". Un concept pratique en trompe-l'il 3.3. Le point de vue du modlisateur 3.3.1. Dcrire au mieux la rponse du systme 3.3.2. Respecter le processus de dcision 3.4. Conclusions 30 30 32 32 33 34 37 37 37 38 39 39 39 41 42 43 43 43 43

pastel-00569481, version 1 - 25 Feb 2011

46 46 46 47 47 47 47 48 50 52 52 55 56

INTRODUCTION
Pourquoi modliser? Pourquoi un gestionnaire qui mne un systme de ressources en eau de faon quasi-instinctive et fon de son exprience des annes passes, trouveraitil intrt faire appel un modlisateur? Dans cette partie, nous prsentons d'abord deux cas d'tudes, la Neste et la Seine pour illustrer la perspective du gestionnaire. Ceci nous permettra de raisonner parar d'exemples concrets1. A partir de ces cas pratiques de gestion, nous essaierons de dgager la finalit d'une modlisation, c'est dire cette transformation souvent dlicate des problmes pratiques du gestionnaire en une problmatique scientifique plus thorique. Les obstacles rencontrs au cours de cette difficile mutation, qu'ils soient lis aux difficults propres l'abstraction ou aux rugosits de l'interface entre le gestionnaire et l'homme d'tude, seront exposs.

pastel-00569481, version 1 - 25 Feb 2011

Avec la Compagnie d'Amnagement des Coteaux de Gascogne, le laboratoire de l'auteur a effectu une tude des nouvelles modalits de gestion du systme Neste. En ce qui concerne la Seine. nous avons particip de nombreux appels d'offres de l'Agence de Bassin Seine Normandie.

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE 30

LE CAS DE LA NESTE
1. PRESENTATION DU SYSTEME 1.1. Introduction : Un dsquilibre hvdrologiaue Le canal de la Neste a t cr en 1862 pour rparer une "erreur de la nature" (Cf figure 2-1). La Gascogne est en effet parcourue par un rseau hydrographique naturellement indpendant des ressources en eau de la montagne Pyrnenne pourtant toute proche.

Pyrnes
pastel-00569481, version 1 - 25 Feb 2011

Figure 2-1 : les coteaux de Gascogne Le plateau de Lannemezan et les coteaux de Gascogne sont ies restes des cnes ae djection forms entre la fin du Miocne et le Quaternaire ancien par ies dbris arrachs aux Pyrnes par les anctres de la Neste d'Aure et d'autres rivires. Ces formations dtritiques (molasses quasi-impermables) sont surleves et malheureusement isoles des deux principales richesses en eau voisines constitues par la Garonne et son cortge d'affluents l'Est et l'Adour l'Ouest. Les rivires des coteaux de Gascogne ont un dbit naturel trs faible en t (elles totalisent un dbit de 3,5 m J /s en moyenne en Juillet et ont un rgime pluvial). Huit fois

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE

31

sur dix, au mois d'Aot, les apports par unit de surface descendent sous le seuil de 1 1/s/km^ pour tous les bassins versants desriviresde Gascogne. Les eaux des Pyrnes sont, par contre, transportes par la rivire Neste (dbit moyen 25 mfys en Juillet) qui se jette tout de suite dans la Garonne et n'alimente pas les coteaux de Gascogne. D'autre part, le rgime de la Neste est plutt nival (fonte des neiges : Mai, Juin, Juillet), avec un tiage plus tardif dans la saison.
Reserves de haute montagnes

dbit nature rivire Neste


vers la Garonne

acher agricole

pastel-00569481, version 1 - 25 Feb 2011

prises riviere sans J barrages de coteaux

prlvement naturel emont^ (primtres d'irrigations)

apport naturel amont

barrage de coteaux apport naturel aval

prlvement naturel aval (primtres d'irrignons) (adduction d'eau potable etc) vers la Garonne

vers la Garonne

Figure 2-2 : Le Canal de la Neste Le canal de la Neste (cf Figure 2-2) a donc pour rle de driver une partie des ressources des Pyrnes au profit des sources des rivires de coteaux de Gascogne, ce qui permet l'irrigation (60% des volumes en eau proviennen; :e la Neste) et donc l'agriculture en des endroits o les rivires asschaient auparavant en t. La mmoire ue ces vritables oueds asschant au temps jadis a d'ailleurs t comtitement oerdue car :es irrigants d'aujourd'hui. Un chapelet de barrages intermdiaires en tte des rivires de coteaux a t install : ils se remplissent en hiver et sont utiliss en t pour soutenir l'irrigation, facteur indispensable au dveloppement et a l'intensification de l'agriculture. Ce .sont essentiellement :

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE 32

Mielan : 3,8 Mm3 en 1967 Astarac : 10 Mm^ en 1976 Puydarrieux : 14 Mm^ en 1987 Gimone : 25 Mm3 (en construction) Charlas: 100 Mm^ (en projet) Un dcret de 1963 affecte une tranche de 48 MirP sur les rserves de haute montagne gres par Electricit de France (Cailaouas, Oue, Ordon, Aumart), tranche mise la disposition du gestionnaire de l'irrigation sur les coteaux de Gascogne (dcret du 29 Avril 1963), qu'il rpartit comme il le veut sur les diffrentes rivres, sous rserve de contraintes de capacit sur les canaux d'alimentation, dont la plus importante est sans doute la capacit de transfert du canal Neste, limite en pratique 14 m^/s. La gestion automatise des barrages de l'Astarac et de Puydarrieux est assure en temps rel (pas de temps : 3 heures) pour chaque barrage pris de faon isole : le dispositif est asservi sur le dbit minimum respecter le long de la rivire. Il capte la demande l'aval immdiat du barrage, calcule une consigne de lcher prenant en compte les phnomnes de propagation et de variation journalire de la demande et transmet une commande au barrage qui l'excute. Si l'on ajoute que la distribution de l'eau du canal vers les rivires de Gascogne totalisant prs de 1 300 km de linaire se fait par 90 km de rigoles, alimentes par une trentaine de prises, on a une ide de la complexit actuelle du systme. La Compagnie des Coteaux de Gascogne, avec ce systme de commande automatique en temps rel, conomise environ 10% des lchers de chaque barrage pour satisfaire la mme demande pour l'irrigation, tout en respectant un dbit minimum fix en chaque point de contrle en aval des barrages et des primtres d'irrigation. Cette conomie est ralise par rapport la gestion manuelle hebdomadaire, auparavant gnralise sur le systme. 1.2. L'hvdroloyie des apports L'tude hydrologique complte a t reporte en Annexe 1. Globalement on a deux types de rgime : 1.2.1. Le rgime nival de la Neste (fig 2-3) On dispose des enregistrements journaliers du rgime de la Neste de 1972 1987. mesurs Beyrde, c'est--dire juste avant le prlvement par le canal de la Neste. Nanmoins, dans ces mesures, sont inclus les lchers d'origine non destins l'agriculture en provenance d'EDF. Faute d'information, nous n'avons pas pu retrancher les turbinages qu'EDF effectue sur le complment des 48 Mm J rserves pour l'agriculture dans les rserves de haute montagne. Au pas de temps hebdomadaire, la modlisation propose consiste utiliser la variable transforme LOG des dbits qui suit un processus autorgressif d'ordre 1. L'estimation de ces paramtres est dtaille dans l'Annexe 1.

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE


33

Rgime Nival de la Neste Beyrde 50m3/s

10m3/s penoae J pastel-00569481, version 1 - 25 Feb 2011 d irrigation


i i I

F M A M J J A S O N Figure 2-3: Dbits moyens (1972-1987) de la Neste Beyrde

1.2.2. Les rgimes de type pluvial des rivires des coteaux (Pig 2-4) Normalement, les rivires remplissent les barrages situs en tte de coteaux au plus tard le 1er Juin.

_J0m3/s

Rgime du Gers a Montestruc

m3/s
I I

periqTte^.riVr^ron
i

J F M A M J J A 3 O N Figure 2-4 : Dbits moxens < 1972-1987) du Gers Montestruc Ces rgimes sont trs sensibles la pluviomtrie. Sur les coteaux, on dispose d'une vingtaine d'annes de relevs de dbits journaliers avec au moins une station par rivire. et de relevs de pluviomtrie sur 18 stations rparties sur le bassin. Ces enregistrements sont des dbits mesurs, c'est--dire au lis endobent aussi :

DU GESTIONNAIRE A LHOMME D'ETUDE: LE CAS DE LA NESTE 34

- les lchers de barrages (historiques connus), - les apports artificiels ds l'approvisionnement par le canal Neste (mesures connues), - les prlvements pour l'adduction d'eau potable (connus en valeur moyenne), - les prlvements pour l'agriculture en priode d'irrigation (historiques journaliers inconnus l'chelle du bassin versant). Pour reconstituer les apports naturels des rivires de Gascogne, il a tout d'abord fallu reconstruire, rivire par rivire, les demandes en eau pour l'irrigation afin de les rajouter aux dbits mesurs et obtenir les dbits naturels (voir aussi annexe 4). Cette opration a d'abord t effectue en agglomrant tous les cours d'eau pour le calcul de l'apport global des rivires de Gascogne. 1.3. La demande en eau pour l'irrigation En Gascogne, compte tenu des modes d'irrigation en vigueur, le systme dit "d'irrigation la demande" est gnral, c'est dire que chaque irrigant a la totale libert de prlever l'eau quand il le dsire, dans la seule limite du dbit de pompage maximum auquel il a souscrit. Ces dbits souscrits sont constitus par l'agglomration sur l'ensemble des rivires du systme Neste des dclarations de dbits souscrits par tous les utilisateurs. Nous avons ainsi totalis les dbits souscrits par les individuels, les associations syndicales autorises (ASA), les concessions CACG, les autorisations de prlvements type 1909, ainsi que la moiti des dbits souscrits pour l'adduction d'eau potable (il a t considr, qu' cause des rejets dans la rivire, la moiti de l'AEP retournait dans le systme). La figure 2-5 ci-dessous rsume l'volution de la consommation (en 1/s) pour les dix-huit dernires annes. On remarque un triplement de la consommation depuis 1970. Le comportement de chaque irrigant est fortement alatoire au cours de la saison. notamment cause de l'occurence d'orages estivaux trs marqus en Gascogne. La plupart des installations tant collectives, il existe cependant un foisonnement rduisant la variabilit de la demande. La demande totale prsente en moyenne la forme de la figure 26. Elle est trs sensible l'tat hydrique du sol et au type de culture ensemence, en gnral le mas. Cette demande en eau pour l'agriculture dpend de nombreux paramtres, en particulier la pluviomtrie et l'vapotranspiration potentielle. Le schma d'amnagement du bassin de la Garonne de 1980 avait propos la formule de rgression suivante pour le calcul de la consommation en eau dcadaire : consommation en mm = 35 + 0,4 (ETP - Inf ( 50 mm, Pluviomtrie)) Cette formule avait t estime pour tout le bassin sur 10 annes de donnes dcadaires en priode d'irrigation avec un trs bon coefficient de corrlation, en faisant l'hypothse qu'au-del de 50 mm la pluie ruisselle.

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE 35

Evolution des dbits souscrits


20000 V

en

l/s

15000

10000

5000

pastel-00569481, version 1 - 25 Feb 2011

70717273747576777879808182838485868788 date

Figure 2-5 : Evolution de la demande pour l'irrigattion

m3/s

juillet 15

juillet

1 seDiemore

r.oore

Figure 2-6 : Forme de la demande pour l'irrigation Essentieliement rpartie sur la oriode du 15 Juin au 15 septembre, l'irrigation dlivre en moyenne pour le mas 1600 m-5/ha. La courbe suivante Figure 2-7) caractrise l'irrgularit de l'irrigation en reprsentant ie dbit moyen q(n) sur des intervalles allant de quelques heures a la saison.

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE 36

rgime d'irrigation en 1/s/ha irrigu


0,8 U,/ H

0,6- \

V
0,4 0,3 0,2u,i 1

1600 m3/ha m q(n)

c pastel-00569481, version 1 - 25 Feb 2011

i 20

! 40

60

80

n jours conscutifs Figure 2-7 : Dbits fictifs continus en fonction du temps (source CACG) L'analyse a t conduite partir de treize annes de donnes, collectes sur trois ensembles homognes de stations de pompage CACG. Il s'agit des stations de l'ensemble de la Haute Save, de celles du Gers moyen, et de celles de la Baise amont. Les donnes ont t exprimes au pas de temps de la semaine, en millimes du dbit souscrit au cours de l'anne pour chaque ensemble de stations de pompage. D est difficile de traduire par une loi statistique simple les probabilits lies la quantit d'in.ation dlivre au cours de chacune des 20 semaines de la saison d'irrigation. Dans un premier temps, nous simplifierons la ralit en dcrivant les pourcentages de dbits souscrits prlevs pour l'irrigation, en les supposant indpendants et obissant la rpartition des quantiles exprimentaux dcrits par le schma suivant. Quantiles empiriques de demandes pour l'irrigation millimes issus de 3 stations durant 13 ans du dbit 1 0 0 souscrit
800

600

400

200

0 nombre de semaines

10 depuis le premier lundi

20 de Juin

Figure 2-8 : Lois de la demande en fonction au temps

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE

1.4. Fonctionnement actuel Pour tudier la gestion du systme, il est ncessaire de comprendre la situation historique qui sert de rfrence aux ingnieurs aujourd'hui chargs de l'opration de ce systme. 1.4.1. Les acteurs En 1987, date laquelle a dmarr le prsent travail de recherche sur ce cas d'tudes, la gestion faisait intervenir trois acteurs, correspondant chacun une partie physique du systme et ayant chacun un objectif propre : - la C.A.C.G. gre l'irrigation sur les coteaux de Gascogne du point de vue administratif (souscription d'un dbit auprs de la Compagnie par chaque irrigant) et du point de vue fonctionnel (la CA CG installe des rseaux collectifs d'irrigation, rseaux qu'elle contrle directement en rgie ou dont elle assure la maintenance technique), - le Service du Canal de la Neste, dpendant du Ministre de l'Agriculture, est charg de l'entretien et de la gestion de l'ouvrage de transfert (Canal de la Neste, 22 km), depuis la drivation de la rivire de la montagne (la Neste l'ouvrage de Sarrancolin) jusqu'aux prises de ralimentation artificielle des rivires, en tte des coteaux de Gascogne (gestion des prises incluse). Le Service du Canal de la Neste est charg d'un objectif de qualit. Un dcret de 1909 fixe la rpartition des dotations minimales de salubrit que doit assurer chacune des prises de ralimentation artificielle des rivires de Gascogne, - Electricit de France, charge de la gestion des rserves de haute montagne, et dont les proccupations sont plutt relatives l'hydrolectricit. Elle est contrainte par dcret de rserver une tranche annuelle de 48 Mm3 qu'elle doit mettre la disposition du Service du Canal de la Neste en effectuant, la demande de ce: li-ci, des lchers qui s'ajoutent au dbit de la Neste en amont de la drivation de Sarrancolin. 1.4.2. Le mode opratoire Jusqu'en 1988, le systme fonctionnait de la faon suivante : Durant l'hiver et le printemps, la CACG remplit ses propres barrages construits sur les coteaux de Gascogne (quatre barrages essentiels : Mielan, Astarac, Puydarrieux, Gimone-Save) avec les apports naturels des rivires de coteaux et en drivant par le canal les dbits de la Neste. Durant la priode estivale d'irrigation, qui correspond au quasi-asschement des rivires de Gascogne et l'tiage de la Neste, la CACG effectue deux oprations : * Elle relche de l'eau, partir de ses barrages propres, pour satisfaire les demandes d'irrigation en aval de ceux-ci. Le premier outil de rgulation automatique a t mis au point en 1981, l'aide du CEMAGREF et du CERT pour le barrase de 'Astarac sur l'Arrats ( VDLLOCEL et PIQUEREAU, 1982). Toutes les trois heures, les vannes des barrages sont rajustes, de faon a respecter les niveaux de consigne en des points de contrle l'aval du barrage. Chaque barrage de coteau est ainsi gr de manire indpendante. La CACG dispose d'un important rseau de limnigraphes qui transmettent en continu les informations de dbits relatives chaque tronon des rivires de Gascogne. Au central Tarbes. on peut ainsi visualiser les variations de dbit en chacun de ces points de contrle.

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE 38

* La deuxime opration effectue par la CA CG est d'estimer les consommations, pour la semaine venir, des irrigations sur chacune des rivires (notamment sur les zones d'irrigation en amont des barrages de coteaux et sur les rivires non contrles par un barrage). Elle traduit cette demande en un dbit pour l'irrigation en tte de chacune des rivires du systme Neste, dbit communiqu au Service du Canal de la Neste (Cf Annexe 2). Le service du Canal de la Neste, son tour, ajoute cette demande les besoins dfinis par dcret pour la salubrit des rivires (Cf Annexe 3), observe le rgime de la Neste, et rquisitionne ou non auprs d'EDF un lcher agricole (dont les cumuls sur une anne sont limits 48 Mir). L'exprience et l'habitude guident les quantits requrir. Finalement, toutes ces actions se traduisent (aprs une transmission des demandes de l'ordre de la semaine) par une rpartition des dotations en tte des rivires de Gascogne, au gr du Service du Canal de la Neste, en gnral intermdiaire entre le dbit de salubrit et la somme du dbit de salubrit et de la demande pour l'irrigation. Pendant la priode d'irrigation, l'agriculteur, utilisateur le plus en amont de la ressource, prlve alors la quantit d'eau ncessaire l'irrigation. Le reliquat sert maintenir la qualit de l'eau et permettre les prlvements pour les primtres d'irrigation et l'eau potable les plus en aval. Le droit de l'eau en Gascogne permet chaque irrigant de prlever dans la rivire dans la limite du dbit maximum souscrit, sans se soucier de l'aval ni de la hauteur d'eau dans la rivire. Les restrictions de pompage (tours d'eau) sont impopulaires et ncessitent une procdure administrative exceptionnelle (dcret prfectoral), de ce fait elles ne peuvent tre appliques qu'en cas de pnurie grave. En consquence, il arrive souvent, dans la situation actuelle, qu'au sortir des zones agricoles, les dbits d'objectif de qualit soient transgresss sur les rivires de Gascogne, notamment en t en cours d'tiage. Durant l'automne, aprs la priode d'irrigation, les tiages peuvent se poursuivre. Le Service du Canal de la Neste utilise alors ce qui reste des 48 MrrP pour assurer la salubrit des rivires de Gascogne en rpartissant les dotations aux prises de ralimentation artificielle en tte de ces rivires. 1.4.3. Conclusions Le fonctionnement du systme Neste s'est caractris jusqu en 1987 par la multiplicit des acteurs, ce qui entranait la fois un temps de rponse en gnral assez long (1 semaine et, surtout, la quasi-impossibilit de ractualiser au jour le jour les dcisions), ainsi qu'une incohrence globale au niveau des compromis assumer face aux divers usages de l'eau puisque chaque acteur dfend son propre objectif et que leurs relations sont rgies de faon rglementaire. Le Service du Canal de la Neste a t transfr l'occasion d'un dcret de concession du Canal la Compagnie d'Amnagement des Coteaux de Gascogne et l'entire gestion du systme, depuis l'alimentation du canal partir de la Neste jusqu l'utilisation des eaux, a t confie la CACG pour les campagnes 1989, 1990 et 1991. Cette Compagnie a donc en charge, la fois des objectifs de satisfaction de la demande d'irrigation et des objectifs de salubrit des rivires et, ce titre, assume la responsabilit de la satisfaction de tous les usagers. Elle a d'autre pan assurer un compromis au cours du temps pour grer au mieux la rserve agricole de 48 MnP stocke dans les barrages de haute montagne. Nous avons donc la chance de travailler sur un systme avec gestionnaire unique.

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE J9

Nanmoins persiste le problme du dsquilibre, en termes de gestion approfondie, de chacun des usages de l'eau. En effet, si la commande en temps rel mise en place par la CACG sur ses barrages de coteaux assure une gestion fine et performante des lchers, amliorant ainsi l'adquation entre l'offre et la demande en matire d'irrigation, les autres objectifs sont mal explicits et trs grossirement voqus, d'autant plus qu'ils sont difficiles exprimer sous une forme rationnelle et mesurable. - Comment mesurer la qualit d'une rivire ? (voir aussi annexe 5) - Faut-il par exemple remettre en cause le dcret de 1909 et rviser, en accord avec les servicesde police des eaux et l'Agence de Bassin, les dbits minimaux dits "de qualit " sur chacune des rivires ? - O mesure-t-on ces dbits minimaux ? - Tout en tte du systme ou tout en aval des prleveurs ? - Sur quelles bases tablir un compromis entre un besoin immdiat d'irrigation facilement quantifiable et un souhait finalement assez flou de maintien de la qualit sur les rivires qui ne devient prioritaire qu'en priode critique lorsque les utilisateurs d'AEP ou d'assainissement deviennnent gravement lss ? - O se situe une limite raisonnable au dveloppement des surfaces irrigues non compenses par de nouveaux ouvrages afin de sauvegarder les objectifs de qualit? pastel-00569481, version 1 - 25 Feb 2011 1.5. Les problmes du systme Neste : quelques chiffres... La situation s'aggrave : le volume des consommation a tripl depuis 1975 tandis que l'on construisait les barrages de Puydarrieux et de l'Astarac. Aujourd'hui, les ressources jadis excdentaires sont l'quilibre avec les demandes, lorsqu'on confronte les quantits moyennes. 1.5.1. Bilan en terme de dbit de transit instantan Observons quelles sont les capacits de transit du systme Neste en dbits instantans maxima : - le canal apporte jusqu' 14 m3/s; - les exutoires de barrages anciens (hors Gimone-Save et Charlas) : 7.5 m3/s; - les exutoires du barrage Gimone-Save (mise en service 1991) : 9 m3/s. Les demandes instantanes maximales atteignaient 18 m3/s pour l'irrigation en 1989 et20m 3 /sen 1991. On voit donc qu'avant la mise en service du barrage Gimone-Save, au plus fon de la saison d'tiage, en supposant que les dbits souscrits pour l'irrigation soient tous ensemble appels au mme moment, le dbit disponible pour la salubrit des rivires plafonnait 3.5 m3/s (au lieu du dixime du module. 5.4 m3/s pour ia Gascogne qui est en fait juste accessible, compte tenu du foisonnement de la demande) tandis qu' aprs sa construction, la marge de 10.5 m3/s permet de satisfaire globalement les niveaux de salubrit des rivires de Gascogne. 1.5.2. Bilan en terme de dbits hebdomadaires Le problme de la gestion du sytme Neste se conoit fon Dien lorsqu'on met cote n cte les potentialits de ressources et d'apports au cours des 20 premieres semaines (tiage) qui suivent le premier lundi de Juin. Le premier schma qui suit, prsente ia demande; elle se dcompose en : - un dbit de salubrit ou de qualit minimum pour l'ensembie des rivires de Gascogne. La CACG a propos un contrat de qualit variable compris entre 5.46 et

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE


40

12.16 m 3 /s. Nous avons arbitrairement choisi une valeur pessimiste de 7 m-fys pour le trac suivant. - un dbit quivalent pour la sortie via la rivire Neste vers la Garonne fix par dcret 4 nv/s, pouvant tre ramen 3 m3/s. - une demande variable au cours de la saison de la part des irrigants. Celle-ci a t trace en considrant un dbit total souscrit pour tout le systme de 18 m-Vs (chiffre 1988) et une politique de prlvement moyen calcule sur trois groupes de stations reprsentatives et treizes annes de donnes hebdomadaires (voir aussi annexe 4). DEMANDES

pastel-00569481, version 1 - 25 Feb 2011

Il ^ ^

Salubrit Gascogne salubrit Neste moyoesoins

10 20 semaines depuis le 1er lundi de Juin

20

Figure 2-9 : Bilan hebdomadaire des besoins en equivalents mls

Le graphe suivant (Figure 2-10) reprsente, sur la mme priode et la mme chelle, les rgimes moyens (calcul sur 15 ans) de la Neste et des apports des rivires de Gascogne. On y a fait intervenir le soutien apport par les rserves de haute montagne (48 hm3) telles qu'elles ont t destockes en moyenne durant ies 12 dernires annes. On s'ap ;oit qu'il y a concommitance de la rarfaction de la ressource cause de l'tiage et du maximum de la demande pour l'irrigation vers la 1 0 e m e semaine qui suit le premier lundi de Juin. Rappelons que ces schmas reprsentent des valeurs moyennes et sont donc tout a f:: Tompeurs, compte-tenu de la grande variabilit hydroiogique de ces regimes non reprsente ici. mais qui, au pas de la semaine, est du mme ordre de grandeur que la moyenne. C'est dire "qu'en moyenne" on est juste l'quilibre aux priodes critiques. Le complment (30 millions de rrP) stock dans les barrages de coteaux reprsente un surplus quivalent un dbit de 2.5 irP/s tal sur les 20 semaines, qu'il faut udiiser au mieux pour parer aux alas hydrologiques.

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE 41

Il faut noter le rle prpondrant jou par le canal Neste (transfert durant l't pour soutenir la demande mais aussi durant l'hiver pour remplir les ouvrages de coteaux), mais aussi sa capacit limite qui ne permet pas d'utiliser la totalit des hautes eaux de la rivire Neste lorsqu'elles se produisent en mme temps que les priodes de fortes demandes, et qui crte donc le transfert des ressources de haute montagne vers l'aval. RESSOURCES (avec barrages de haute montagne)

apports de haute montagne apports de gascogne

pastel-00569481, version 1 - 25 Feb 2011

apports de la Neste

12

16

20

20 semaines depuis ie premier

lundi de Juin

Figure 2-10 : Bilan hebdomadaire des apports en equivalents m3Is

1.5.3. Bilan en termes de volumes Si l'on reprend les calculs prcdents, cette fois le bilan en masse cumule sur 27 semaines s'tablit par les chiffres suivants : - en termes positifs, le canal de la Neste et la partie de la rivire Neste alimentant ia basse valle apportent en anne moyenne de ordre de 172 Mm3 de ressources utilisables (157 Mm3 en anne dcennale sche); les rserves de coteaux mobilisent 26 Mm3 (51 Mm3 en incluant le reservoir Gimone-Save en 1991); - en termes ngatifs, les besoins de salubrit de la Neste et de la Gascogne reprsentent une quantit de 163 Mm3 sur cette priode de 27 semmes et l'irrigation ncessite entre 2400m3 et 4000 m3 par litre souscrit, soit une fourcnette de 43 72 Mmj pour 18m3/s souscrits en 1989 (un dbit fictif continu de 0.3 1 pour 30 000 ha sur i If jours nous amne une estimation moyenne de 54 Mm3). En rsumant ces divers ordres de grandeurs, on s'aperoit qu il s'agit d'un quilibre prcaire : le soutien d'tiage est ralis par les apports de ia Neste et les lchers de haute montagne (via le canal de la Neste), tandis que le volume des barrages de coteaux correspond la demande pour l'irrigation.

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA NESTE 42

1.5.4. Conclusions En conclusion, le rle des barrages-rservoirs devra changer, au moins jusqu' l'ventuelle ralisation du barrage de 100 Mm 3 de Charlas projete en 1993 : ils ne servent plus simplement de ressources supplmentaires permettant un destockage de confort laxiste tout au long de l'anne, mais ils assurent aussi, moyennant une bonne gestion stratgique, la fonction de "prime d'assurance" contre les alas hydrologiques ou ceux de la demande.

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA SEINE 43

LE CAS DE LA SEINE
2. L' EXEMPLE DU BARRAGE SEINE Ce chapitre prsente le cas du barrage SEINE sur lequel sera effectu la simulation de quelques rgles de gestion dveloppes par la suite. C'est un exemple mono-ouvrage, particulirement riche au niveau des donnes et d'une importance vitale pour l'conomie du bassin aval, spcialement pour l'alimentation en eau potable de la Rgion Parisienne et pour la lutte contre les crues. 2.1.Prsentation Mis en service en 1966, d'une capacit de 205 Millions de m 3 , le barrage Seine est situ dans le parc naturel rgional de la fort d'Orient prs de Troyes, sur le bassin de la Seine en amont de Paris. Etabli en drivation de la Seine, il est capable d'accepter un dbit maximal entrant de 180 m-fys et contrle un bassin versant d'environ 2400 kirA Les figures 2-11 et 2-12 prsentent cet amnagement.

pastel-00569481, version 1 - 25 Feb 2011

2,2.Objectifs
Le barrage-rservoir Seine est destin rguler les dbits : * durant les crues, il stocke pour limiter (dans la mesure du possible) les dbits 120 rrw/s du 1er Novembre au 31 Mars, puis 90 m-tys du 1er Avril au 30 Juin. * durant l'tiage, il doit pouvoir satisfaire (dans la mesure du possible encore une fois) un dbit de 18 irp/s du 1er Juillet au 31 Octobre. Il est par ailleurs soumis d'autres contraintes : - laisser en rivire un dbit rserv de 3 m 3 /s du 1er Octobre au 31 Mars et de 5 nvVs du 1er Avril au 30 Septembre, - ne pas augmenter par les lchers le dbit naturel au-del de 40 irp/s en situation normale. La gestion du barrage Seine permet aussi de satisfaire d'autres objectifs. Une usine hydrolectrique immdiatement l'aval produit annuellement 15 Millions de kWh, les 2 3 0 0 ha du plan d'eau sont quips pour le tourisme et les sports nautiques; nous ne prendrons pas en compte ces objectifs secondaires dans la suite. 2.3. Les donnes disponibles Les mesures de dbit journalier Bar-sur-Seine sont fiables entre 1950 et 1980. Sur les priodes antrieures, la reconstitution des dbits est en effet dlicate : Dien que l'on dispose d'une longue srie de hauteurs d'eau, la courbe de tarage est peu sre et trs variable avant 1950. On dispose galement de 100 annes d'enregistrements joumaiiers de la pluviomtrie partir de 1890.

DU GESTIONNAIRE A L'HOMME D'ETUDE; LE CAS DE LA SEINE - 4

CHALONS 5/MARN

bAR:

RESERVOIR MARNE",

pastel-00569481, version 1 - 25 Feb 2011

'ESSRVOIR DU C R E E N T

ESE-vOIR DU BCia CE C'd.^VECCN \

.' ;

RESERVOIR de FANNESIERE-CHALMARR^
Z.-IATT.VJ r'-i'NCr;

Figure 2-!I : Situation au rservoir SEINE (Ces documents sont extraits d'une brochure ae presentation de l'Institution des Barrages-Rservoirs au Bassin ae .a.

DU GESTIONNAIRE A L'HOMME D'ETUDE: LE CAS DE LA SEINE


4T

GE.RAUOT

pastel-00569481, version 1 - 25 Feb 2011

10km.

F i cure 2-12 : Situation au reservoir SEINE C^s documents sont extra: d'une brochure de presentation de l'Institution des 3arrases-Rsen:nirs du Bassin ae Seine).

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 46

3. LES DIFFICULTES DU MODFLTSATEUR : LES PROBLEMES DU GESTIONNAIRE ET LA PROBLEMATIQUE DU CHARGE D'ETUDES 3.1. De l'utilit de la modlisation Pourquoi un gestionnaire de systme de ressources en eau tel que celui de la Neste ou celui de la Seine ferait-il appel un modlisateur? On pourrait penser que la rponse tient l'efficacit des mthodes issues de la modlisation mathmatique : cause de la complexit du systme Neste ( 5 rserves importantes, 30 000 ha irrigus pour 2000 clients, 17 prises sur l'ouvrage de transfert), ou cause de l'importance des enjeux de la gestion du barrage Seine (dont la rgulation procure par ses 205 Millions de M3 se fait sentir jusqu' Paris), un gestionnaire mettra sans doute plusieurs annes pour se forger une exprience et finalement obtenir une rgle de fonctionnement peu loigne du point optimal idal que les rsultats d'une modlisation lui auraient donn directement ds la premire tude. Cette premire rponse est srement trop idyllique cause de la confiance qu elle affiche pour les mthodes scientifiques d'une part et l'existence d'un optimum d'autre part. En fait notre poque o les modles mathmatiques sont couramment utiliss pour expdier des navettes spatiales sur la Lune et faire atterrir ou dcoller des avions par tout temps mme sans visibilit, placer la gestion des ressources en eau dans le cadre gnral de thorie de l'analyse et de la commande des systmes reste un dfi. Force est de constater qu'en matire de gnie des ressources en eau et de l'environnement, quoique nous soyons en mesure de traiter une masse toujours croissante de donnes et que nous disposions de techniques et d'outils les plus labors, l'ingnieur semble plus avoir fait preuve de draison que d'ingnieuse rationalisation: transformer des quilibres naturels stables en quilibres instables, augmenter les risques de dfaillances, dilapider les ressources en eau. Sans doute le dfi lanc par la gestion des ressources en eau est-il difficile relever et l'homme d'tudes ressent parfois un lourd sentiment d'impuissance face aux alas naturels, et ce pour deux raisons: - les systmes naturels n'obissent pas une "bonne" loi d'un dterminisme mcanique de type Newtonien; ils sont difficiles conceptualiser et "entachs" d'influences stochastiques importantes. C'est pourquoi les tudes hydrologiques et hydrauliques doivent jouer un rle primordial avant toute tentative de modlisation. Or. si on comprend bien aujourd'hui le dtail des mcanismes physiques lmentaires du fonctionnement du cycle de l'eau, on commence peine savoir ie modliser de faon oprationnelle: on a en fait beaucoup de difficults dpasser un niveau de representation trs frustre et qui est certainement insurisant pour bien reprsenter et comprendre ia complexit du cycle de l'eau; - les buts que le dcideur souhaite atteindre ne sont pas toujours clairs, ils sont souvent multiples et conflictuels, ce qui les rend dlicats saisir et formuler. En tout cas, on est rarement assur de l'existence d'un point idal de gestion au sens o on ie dfinissait dans le paragraphe prcdent. De fait la modlisation se justifie bien souvent plus par la pratique que pour la recherche d'un idal thorique. 3 1 1 Lorsque la situation oblige reposer le problme de gestion. Par exemple, pour le cas de la Neste, la dissolution du Service du Canal de la Neste amen la CA CG prendre en charge le conflit permanent qui persiste entre l'objectif d'irrigation et l'objectif de salubrit, et l'allocation rationnelle des ressources en eau au systme Neste base sur une nouvelle donne apparait indispensaole. De plus, cette douDle responsabilit d'un nouveau gestionnaire unique s'inscrit dans un contexte de tension entre demandes et ressources : les nouvelles rserves de coteaux Drogrammes n'tant

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 47

pas encore en service pour permettre de satisfaire sans problme l'irrigation de surfaces toujours croissantes de culture en mais, la recherche de consignes de gestion optimise devenait pour un temps le problme majeur. A contrario le cas de la Seine restera un cas d'cole, qui a t tudi la seule initiative de l'auteur. Pourtant nous avions beaucoup de donnes, des modles nombreux de prvisions de dbits, un intrt politique majeur pour l'agglomration Parisienne. La gestion du barrage de la fort d'Orient est effectue de faon satisfaisante, sans heurt, en routine et aucun problme nouveau ne pouvait susciter a priori une tude approfondie des mthodes de gestion, bien que l'on puisse objecter que la gestion actuelle n'est sans doute pas la "meilleure". 3 12 Lorsqu'il faut apporter une justification de nature scientifique pour convaincre du bien fond de sa politique. Dans le cas de la Neste, les scheresses exceptionnelles de 1986 et celles conscutives de 1989 et 1990 ont permis de montrer l'importance de la notion de risque et de l'utilit de disposer de rgles de conduite dans de tels cas. Cette notion tait bien sr perue de faon tangible par le gestionnaire du systme (enneigement moins imponant, tarissement plus prcoce de la rivire principale, etc). Encore restait il quantifier les risques encourus pour justifier les dcisions d'urgence prendre en cas de crise, telle celle d'imposer des tours d'eau tous les irrigants des primtres et informer les divers acteurs de l'volution probable de la ressource future.pour les convaincre d'adopter cette politique de restriction. 3 13 Lorsqu'il existe une bonne interface entre ie gestionnaire et l'homme d'tudes H faut modliser pour amliorer le fonctionnement actuel des systmes de ressources en eau. C'est beaucoup plus facile s'il se cre une mulation entre le modlisateur et le gestionnaire du systme avec de frquents contrles en allers et retours (le gestionnaire est intress par les rsultats potentiels de la modlisation.et vrifie le ralisme des rsultats de la modlisation, le modlisateur dmontre la plus grande efficacit de son modle par rapport la gestion existante). Ce dernier doit accepter de partager son expertise et de jouer le jeu avec le modlisateur. 3.2. Les embches de la modlisation : Poser les bonnes questions 3.2.1. Identifier le dcideur Les caractristiques du responsable de la gestion d'un systme de ressources en eau n'chappent pas aux caractristiques gnriques de tout "dcideur'' : - il n'a pas le temps car il est constamment sur la brche, sollicit par de multiples dossiers tous plus urgents les uns que les autres, ainsi, le projet du nouveau barrage de Charlas tait dj sur la planche dessin tandis que se droulait l'tude des modalits de gestion du systme Neste; - il dsire des rsultats lui permettant d'agir sur une base scientifique, ce qui le rassure et le conforte dans ses choix: - il a parfois une appartenance politique, ou du moins ses actes ont des implications sociales et politiques, ce qui fait que l'on ne peut oublier de prendre en compte la prcarit de son existence et ses objectifs propres ventuellement trs court terme. Par exemple, la CACG est un organisme d'conomie mixte ayant une influence dterminante sur l'conomie agricole de la Gascogne: - il n'existe pas forcement de hirarchie claire des responsabilits au sein de la structure qui rgie l'exploitation des ressources en eau, ce qui peut entraner une confusion des rles, entre le modlisateur et le dcideur, entre ie charg d'tudes et ie vrificateur des travaux ou entre le financier et le dcideur...

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 48

pastel-00569481, version 1 - 25 Feb 2011

- enfin, le dcideur peut ne pas exister! En ce qui concerne la Seine, notre tude ira sans doute grossir la pile des rapports dj publis sur le sujet : le gestionnaire du systme est une entente interdpartementale, regroupant des intrts multiples dont celui de l'agglomration parisienne et o nous n'avons, ni su identifier rellement le processus de dcision, ni mme intress un correspondant qui parle le mme langage... faute d'avoir pu l'identifier au pralable. Souvent le dcideur est un ensemble flou de dcideurs en conflit d'intrts qui, par son systme de valeurs, influence directement ou indirectement la dcision. Identifier celui qui prend la dcision n'est donc pas chose aise, mme sur le cas de la Neste o, si nous avons, en fin de compte, eu la chance de travailler avec le chef du service des tudes gnrales qui tablit les rgles de gestion, les dfend auprs des divers utilisateurs puis en vrifie la bonne application la CACG, les tages de dcisions taient multiples depuis le micro-ordinateur de l'oprateur qui suit les niveaux des rivires et rgle les lchers aux vannes par tltransmission jusqu'au bureau du directeur, en passant par les assembles reprsentatives des agriculteurs o l'on discute des quotas de la campagne d'irrigation. Si l'on n'arrive pas dgager, aprs une priode de rencontre et de discussions avec les agents responsables de la gestion des ressources qui dtient de fait le pouvoir effectif de dcision, le comportement multi-acteurs doit tre envisag. Il faut dcrire alors les conflits entre divers dcideurs plaidant chacun pour un emploi spcifique de l'eau, et imaginer comment les interactions entre les acteurs peuvent conduire une dcision gnrale. De telles mthodologies sont dcrites par exemple dans FRASER et HIPEL(1984), mais dans la suite de ce document, nous excluerons ce cas et nous adopterons la simplification majeure apporte par l'hypothse d'un gestionnaire unique et bien identifi. 3.2.2. Reconnatre les enjeux Qu'est ce qu'une "bonne gestion" ? La premire fois que l'on visite le lac de la la fort d'Orient ou que l'on parcourt les rivires ralimentes de Gascogne, on ne saisit pas immdiatement le problme. On peroit uniquement la dcision statique et il faut un certain recul pour juger des dysfonctionnements : apparemment, l'eau coule, les usagers sont aliments, le gestionnaire semble bien tenir les actions qu'il ralise. Examinons tout d'abord le cas de la Neste. 3.2. 2.1 Le cas de la Neste : Gestion tactique/gestion stratgique Le fleuron de la CACG, l'outil de gestion tactique, encore appele rgulation dynamique par les ingnieurs de la Socit du Canal de Provence a t adapt aux besoins de la CACG. II a t mis au point trs tt sur les barrages de Puydarrieux et d'Astarac. Ses performances sont remarquables : par les amliorations apportes lors de la mise en place de la commande automatique en temps rel, l'efficience du systme vis-vis de l'irrigation est passe de 0.6 0,8, c'est--dire qu'aujourd'hui, les imgants n'exploitent pas, par suite de dlais de propagation et de perturbations diverses, 20% du total des lchers qui leur sont destins. Le systme actuel de gestion tactique ragit automatiquement en ajustant du mieux possible l'offre la demande, de faon maintenir un dbit de consigne en certains points de contrle l'aval des primtres d'irrigation. Ces points de contrle donnent, au site central rgulateur, l'cart entre le niveau de consigne et le dbit effectivement mesur toutes les trois heures. En fonction de cet cart, une boucle de contrle ragit en adaptant le lcher pour respecter ces point de consigne aval, intgre les dlais de propagation et filtre les paramtres du modle de la demande pour estimer ia consommation effective agricole. N'y aurait-il pas de vrai problme sur la Neste? En fait, l'enjeu principal est de dterminer comment on fixe efficacement ce niveau de consigne si indispensable la gestion tactique ( voir Figure 2-12).

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 49

RESERVOIR

vanne

Irrigation

P o i n t de Contrle

Dlai de propagation

'

Boucle en f e e d b a c k pastel-00569481, version 1 - 25 Feb 2011 D I S P O S I T I F DE REGULATION EN TEMPS REEL

P o i n t de C o n t r l e

QUELLE STRATEGIE ?

= 0
n i

Figure 2-12 : Point de vue tactique et point de vue stratgique. En analysant la cohrence de l'intgration de la gestion tactique au sein de la gestion stratgique, on conoit bien l'interdpendance des deux objectifs du systme, irrigation et qualit des rivires : - si le niveau de consigne est fix trop bas, la qualit diminue et l'on risque de terminer la saison rservoirs quasi pleins, sans .. oir utilis efficacement toutes les rserves que l'on aurait pu mobiliser, - si le niveau est fix trop haut, la qualit et la satisfaction ces irrigations pour ies semaines ultrieures ne sont plus suffisamment garantis. La gestion stratgique consistera fixer ce niveau de consigne pour tablir, semaine aprs semaine, selon les circonstances (scheresse, tat des rserves, etc...) la meilleure utilisation des ressources satisfaisant tous les objectifs du systme. Par rapport la rgulation tactique, la gestion stratgique est donc rattache un niveau dcisionnel suprieur. Elle doit permettre de visualiser l'effet des consignes sur l'avenir du systme : elle intgre aussi les notions de performance et de dfaillance.

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 50

La modulation hebdomadaire de ce dbit de consigne sera le problme essentiel des stratgies de gestion que nous dvelopperons dans la suite de ce document pour le cas de la Neste. 3.2.2.2 Le cas de la Seine : Mieux exploiter les caractristiques de la rivire. La gestion de la Seine est ralise aujourd'hui uniquement en suivant une courbe type de vidange du barrage. Malgr l'importance des enjeux, spcialement pour l'agglomration Parisienne, les objectifs ne sont pas quantifis. Il est alors bien difficile en cours de saison de faire un tat des performances de la politique suivie et de juger de la pertinence de la gestion. En second lieu, les caractristiques de la Seine cet endroit, rivire de plaine aux variations lentes avec dj un bassin versant tendu, ne sont pas exploites, ce qui permettrait d'intgrer de faon explicite des informations sur le rgime de la rivire (dbits ou pluies passs) pouvant amliorer la gestion actuelle. H faut bien sr prendre en compte une vision interannuelle puisque l'eau stocke en hiver et au printemps sert lutter contre les crues, ce qui semble s'harmoniser avec la fonction estivale de dstockage pour soutenir les tiages. Nous nous intresserons donc la gestion tactique courte chance de ce rservoir (opration journalire) et nous essaierons de prciser ce que l'on peut entendre par rgulation des dbits et quels sont les divers moyens d'y parvenir. Quels sont les informations disponibles et utiles? Comment les utiliser au mieux? De quelle valeur sontils pour la gestion? Y a-t-il un outil de gestion appropri pour les divers niveaux d'information accessibles? 3.2.3 Le pige du langage : " systme". Un concept pratique en trompe-l'il. Comment aider le gestionnaire d'ouvrage reconnatre puis analyser un problme de gestion ? Tout d'abord, il faut dmystifier un mot passe-partout. coloration magique, le "systme" ou plutt le modle de systme, qui fait que le tout est plus que la somme de chacune des parties. ROY ( 1985) en donne la dfinition suivante: "... entit complexe traite (eu gard certaines finalits) comme une totalit organise, forme d'lments et de relations entre ceux-ci, les uns et les autres tant diffrencis et dfinis en fonction de la place qu'ils occupent dans cette totalit et cela de telle sorte que son identit soit maintenue face certaines volutions." Sur le bassin Adour-Garonne, on rencontre, bien sr une chelle plus modeste que celle des immenses rseaux de grands lacs Nord-Amricains interconnects, de rels ensembles hydrauliques dont il est ncessaire d'tudier le fonctionnement global. Les barrages des coteaux de Gascogne, aliments par le canal Neste ou les ouvrages de la Montagne Noire avec le transfert Hers-Lauragais, sont de bons exemples de telles units fonctionnelles. La notion de "systme" se prsente donc tout naturellement notre esprit pour dsigner les limites de l'objet d'une tude d'amlioration de la gestion des ressources en eau. Mais ce vocable englobe aussi la faon subjective d'analyser le fonctionnement d'une unit fonctionnelle. Prenons par exemple un mme ensemble physique (systme), a Neste et les rserves des coteaux de Gascogne, pour illustrer les diffrentes dfinitions de "modles de systme" et les diverses problmatiques de gestion couramment rencontres sur ce "modle de systme Neste". Une description complte du cas NESTE tudie en quatrime partie de ce rapport figure galement dans i etude du Ministre de l'Aaxicuiture sur la Gestion des Eaux du svsteme Neste ralise par la CACG (1989). ~

pastel-00569481, version 1 - 25 Feb 2011

i .2.3.1. Premier niveau de reprsentation au fonctionnement : j gestion tactique

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 51

pastel-00569481, version 1 - 25 Feb 2011

La notion de gestion tactique intervient ds qu'il s'agit d'enjeux court terme : en matire d'irrigation, les progrs obtenus grce la rgulation dynamique pour les ouvrages de la Compagnie d'Amnagement des Coteaux de Gascogne sont tout fait significatifs (Astarac en 83, Puydarrieux en 86). On a ainsi ralis un systme de commande automatique des vannes qui interroge les points de mesure aval toutes les trois heures, estime les prlvements pour les trois heures venir, rajuste en permanence les vannes du barrage de faon maintenir un dbit de consigne (dbit rserv) l'aval des primtres d'irrigation, tout en ajustant l'offre et la demande. Pour ce type de gestion (tactique) le systme a t schmatis sous la forme suivante : - chaque rservoir est aveugle vis vis de ses voisins, il fonctionne de faon isole et constitue lui seul un systme; - le pas de temps est de trois heures et il n'y a pas d'arbitrage entre l'eau utilise aujourd'hui et celle que l'on aura utiliser demain (le niveau du rservoir n'intervient pas dans la commande); - on ne prend pas en compte l'hydrologie des apports (le pas de temps est tellement court que l'on intgre quasiment immdiatement le changement de rgime en cas de pluie); - par contre, il est impratif de modliser les phnomnes de transport puisqu'il existe une distance importante entre l'ouvrage commandable et le point de consigne (24 heures), ce qui a ncessit la mise en uvre d'un -rflgdjle de type Saint Venant pour rendre compte des dphasages induits pa|^-At^nsp>rjL
o

3.2.3.2. La gestion stratgique. La notion de gestion stratgique concerne les arbitrages^SyftJx plus long terme : il s'agit par exemple de dterminer l'chelle de pas de temps hebdomadaire les arbitrages entre la quantit de l'eau rserver pour l'irrigation et celle consacre l'amlioration de la qualit sur les rivires de Gascogne. Pour ce type de gestion (stratgique) le systme utilise le schma suivant : - le systme inclut tous les rservoirs et les prises en tte de chaque rivire: - le pas de temps est de sept jours et l'on doit arbitrer entre l'eau destine l'irrigation et le surplus affecte aujourd'hui au soutien d'tiage et que l'on ne retrouvera peut-tre plus demain pour l'irrigation...; - l'hydrologie des apports et la variabilit de la demande jouent un rle trs important (le pas de temps est suffisamment long pour que l'on risque un saut d un vnement hydrologique entre deux pas de temps); - il est inutile de modliser les phnomnes de transpon, puisqu'au pas de temps utilis les dphasages induits par le transport n'influent pas. n travaille en fait en bilan de masse. 3.2.3.3. La gestion interannuelle : un autre reyard Imaginons maintenant que l'on tudie l'opportunit de la construction d'une nouvelle rserve (Charlas?) sur les coteaux de Gascogne. On utilisera cette fois un pas ae temps de l'ordre du mois et l'on s'intressera a la probabilit de remplissage de cette rserve par le canal de la Neste. On modlisera cette fois le systme sous ia forme suivante : - le systme agglomre tous es rservoirs et les prises en tte de chaaue rivire en un seul rservoir de taille variable selon les diverses hypothses de dimensionnement; - l'hydrologie des apports joue un rle trs imponant (caiage de distributions mensuelles); par contre, la variabilit de la demande est tres attnue du fait du pas de temps suffisamment long en regard de ia saison d'irrigation:

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 52

- on travaille encore en bilan de masse et l'enchanement des dcisions de lchers ne nous intresse pas en tant que tel, mais uniquement pour dcrire les probabilits limites des niveaux moyens mensuels de la rserve, et rpondre la question : "Pourra-t-on utiliser entirement toute la capacit de stockage du nouveau barrage ?" 3.2.3.4. Le systme, support d'une vue troite de la ralit En rsum, on voit donc sur cet exemple qu'il n'existe pas un, mais des modles de systmes sur un mme objet physique d'tude (ou systme). L'idal est bien sr d'assurer une intgration de ces divers niveaux de perception du "systme rel". Dans le cas de la Neste, la cohrence du fonctionnement assure que la gestion stratgique dtermine les points de consigne aval autour desquels fluctue l'asservissement conduit par la gestion tactique qui, elle, rajuste en temps rel l'quilibre entre l'offre et la demande. Sur le cas d'autres systmes, par exemple la Loire, dont le soutien des tiages est aussi un enjeu d'importance, BOCQUELLON et MASSON (1983) ont propos des rgles de gestion respectant une approche analogue, intgre, avec diverses chelles de temps qu'ils dfinissent comme long terme, moyen terme et temps rel. Chaque niveau fait l'objet de techniques particulires: pour l'objectif long terme, on s'appuie sur une tude hydrologique complte des dbits de la Loire pour gnrer 1000 annes d'apports et d'tiages partir de 31 annes d'observations; pour le court terme, une srie historique est utilise en simulation. 3.3. Le point de vue du modlisatetir 3.3.1. Dcrire au mieux la rponse du systme 3.3.1.1. Laplace du hasard Pour reprendre une terminologie due BERNIER (1977), on peut classer les grands types d'incertitudes rencontres dans un problme de gestion de rservoir de la faon suivante : * les incertitudes stratgiques : elles sont lies notre incapacit prdire les objectifs futurs de l'ouvrage et formuler correctement une planification qui tienne compte des tats venir du systme. Elles traduisent en quelque sorte la vision dynamique des problmes de dfinition des objectifs. Elles interviennent essentiellement lorsqu'il s'agit de discuter l'opportunit d' un investissement. Les incertitudes stratgiques sont souvent (hlas !) cartes de faon conventionnelle par diverses techniques. On postule que le dcideur est cohrent dans ses choix compte tenu des informations dont il dispose, on cherche maximiser un entere d'esprance mathmatique difficile dfinir, on pondre les lments les plus rares entranant des dommages extrmes, on utilise des coefficients d'actualisation, bien que cette technique soit tout fait inadapte aux investissements trs long terme, etc... En tout tat de cause, on doit privilgier les amnagements flexibles. * les incertitudes physiques : elles sont issues de la variabilit des phnomnes hydrologiques. Ce sont en gnral ces incertitudes que l'on prend en compte dans les modles grce aux outils de la statistique. Elles englobent ies alas naturels. * les incertitudes technologiques : elles proviennent de notre mconnaissance des processus physiques, hydrologiques et conomiques. La nature limite de l'information dont nous disposons nous amne ne pouvoir carter des erreurs de modlisation. Ainsi, la brivet des sries chronologiques des apports entraine-t-elle une incertitude rarement prise en compte sur les paramtres de la distribution de probabilit utilise pour reprsenter la loi des apports. Pourtant, cette mconnaissance de la ralit doit tre prise en compte dans les dcisions. KLEMES Cl977) a notamment tudi l'influence au

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 53

nombre d'annes de donnes dont on dispose sur la qualit du dimensionnement des ouvrages. Les incertitudes technologiques sont les plus difficiles apprhender. Il faut d'abord les reconnatre, c'est dire rechercher dans le modle les endroits o les concepts mis en uvre (et qui ne sont que la schmatisation d'un phnomne) peuvent produire un "dcalage" par rapport la ralit. Il faut ensuite modliser ces incertitudes, c'est dire les faire entrer dans le rang de simples phnomnes alatoires. Pour notre part, nous ferons la diffrence entre incertitude et ala. L'ala dsignera la variabilit "naturelle" d'un phnomne. L'amplitude d'une pluie ou le niveau d'une rivire sont de bonnes illustrations de ces grandeurs alatoires. L'incertitude, notion plus subjective, sera par contre lie notre degr de connaissance des mcanismes naturels ou des erreurs (de modles, de mesures ou d'estimations) que nous commettons. L'incertitude traduit notre faible degr de connaissance d'un phnomne. Lorsqu'on parle d'ala, nous avons dj cette incertitude et modlis notre tat de connaissance sur le phnomne. L'univers alatoire est donc en quelque sorte un terrain beaucoup plus "sr" et structur que l'incertain. Il existe ainsi une sorte de graduation de notre tat de connaissance, depuis l'incertain total jusqu' l'incertain totalement modlis, c'est dire l'alatoire. Des trois types d'incertitudes, les incertitudes physiques sont les plus facilement prises en considration. En effet, si les phnomnes en hydrologie sont par nature alatoires, l'amnageur accepte d'en prendre son parti : par exemple, il connat ou croit connatre la loi de rpartition des apports d'eau, il a ainsi modlis l'tat de la connaissance qu'il peroit du phnomne l'aide d'informations, ce qui restreint le champ des investigations mener. Ces erreurs sur les paramtres sont en fait typiquement une incertitude technologique. L'incertitude quant elle, n'offre pas ce degr de connaissance : des procdures de dcision dites "Baysiennes " permettent de les prendre en compte sans les distinguer des alas (BERGER, 1985) en introduisant la notion de probabilit subjective. Cette approche intgre qui probabilise les incertitudes permet de ne pas distinguer deux types de problmes longtemps spars : - d'un ct, les problmes d'estimation des alas d'un systme hydroagricole : tablissement des frquences d'tiage ou des niveaux de dpassement d'un seuil donn de consommation d'eau d'irrigation par exemple; - de l'autre ct, choix conomique de projets d'amnagement s'appuyant sur les donnes prcdentes "scientifiquement" tablies (priodes de retour d'tiage, dbit maximum souscrit pour l'irrigation) en ngligeant le fait que ces grandeurs sont entaches d'incertitude. On arrive ainsi une dmarche dcisionnelle globale clarifiant ie pari que tout dcideur est amen prendre face aux consquences incertaines ae ses dcisions. Les avantages d'une telle dmarche, possibilit de recalage permanent du modle et calcul de la valeur de l'information, sont illustrs par la thorie du filtrage (KALMAN, 1960) qui permet de raliser des systmes autocorrectifs pour tout type d'erreur ayant une certaine permanence. BEDIOT, ROCHE, CRES et MASSON (1984) ont ainsi propos sur le bassin Seine un modle d'aide la dcision en tiage ralisant un contrle et une correction des prvisions partir des dbits observs l'aval (Vives-Eaux). Ce type de procd relve aussi des techniques de contrle-commande qui ont t mises en service pour la gestion tactique du systme Neste. Par contre, lorsque ion s intressera a la gestion stratgique, il conviendra de ne pas omettre un ou plusieurs coefficients d'efficacit reprsentant les performances relles de ces boucles ae controle locaies. 3.3. 1. 2. Le problme des contraintes Le problme est d'effectuer la distinction entre les aspects proDres au modle physique, les contraintes, naturelles ou artificielles ressenties comme non

pastel-00569481, version 1 - 25 Feb 2011

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 54

transgressmes" et faisant partie de la reprsentation formelle du systme, et, les actions que l'on impose au systme, mais qu'une politique diffrente peut changer. Prenons l'exemple de deux notions bien connues des gestionnaires de ressources en eau: le dbit rserv et le dbit de soutien. 3.3.1.2.1. Les contraintes institutionnelles: la notion de dbit reserve C'est une contrainte de base valable pour toutes les rivires. La loi "pche" impose aux utilisateurs de l'eau de laisser un dbit suprieur un seuil fix rglementairement, sauf lorsque le dbit naturel est infrieur ce seuil. Ce seuil ne peut pas lui-mme tre fix moins du 10mede module annuel dans la rivire sauf cas particulier o la limite infrieure est abaisse au lAtO*1 du module titre transitoire.

Prlvements
pastel-00569481, version 1 - 25 Feb 2011

Y dbit . naturel r dbit influenc "rJebTE rserv

temps

Figure 2-13 : La notion de dbit rserv En notant Y le dbit naturel de la rivire, y le dbit rserv et r le dbit qui y circule, on doit donc avoir une contrainte du type : Si Y > y alors r > y Si Y < v alors r > Y On notera hydro(0 la probabilit que durant la semaine t le dbit naturel passe sous le dbit rserv. Ehvdro(t) = ProbiY(t) < y) En-de du dbit rserv, on interdit d'intervenir sur ie rgime au cours a eau. 3.3.1.2.2. La notion de dbit soutenu Le soutien d'tiage est une notion diffrente de la prcdente o. d'ailleurs (cf.Figure 2 14), on peut envisager un dbit soutenu un niveau suprieur au dbit rserv .

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 55

Prlvements Y dbit . naturelj (r dbit [ influenc/ 'dWE rserv

'^ebll objectif

outien d'tiage

temps
pastel-00569481, version 1 - 25 Feb 2011 Figure 2-14 : La notion de dbit soutenu. Comme l'illustre cette figure, dans ce cas, il y un effort consenti par le gestionnaire (dstockage des rserves) pour lutter contre le passage sous le dbit objectif. De fait, cette opration n'est ni une contrainte, ni une rglementation quoiqu'elle puisse figurer dans le rglement d'eau d'un barrage ( ex/barrage Seine). Elle ne fait que traduire la raction du gestionnaire pour aider le systme surmonter une vulnrabilit temporaire. 3.3.1.3. Les donnes et la validation En ce qui concerne la Seine nous disposons, au pas de temps de la journe, de 100 annes de pluviomtrie depuis 1890 et de 31 annes de dbit (1950-1990). Pour les rivires du systme Neste, nous possdons 15 annes de dbit journaliers sur une vingtaine de stations de mesure et de 13 annes de demandes pour l'irrigation sur une dizaine de sites en Adour-Garonne, dont 3 sur les coteaux de Gascogne. Toutes ces donnes doivent tre critiques et tudies avec soin, aussi bien pour pouvoir dcrire et caractriser chacun des rgimes hydrologiques que pour valider les politiques de gestion que l'on proposera sur des scnarios issus de cet ensemble d'informations brutes. Cette partie hydrologique est un des point essentiels du travail de modlisation. Les tudes ralises ont t reportes en Annexe 4. Les difficults principales ont t rencontres sur la Neste : elles ont consist corriger la nonstationnarit de la demande pour l'irrigation dans les sries enregistres et synthtiser la rpartition spatiale des apports localiss sur les primtres et les valles de Gascogne. 3.3.2. Respecter le processus de dcision Un modle de gestion est vain s'il n'est pas compris du dcideur: ce ne sera qu'un dossier technique qui ira grossir une pile dans une armoire, s'il ne prsente pas un intrt oprationnel imponant. Plusieurs conditions sont ncessaire pour surmonter cet obstacle. 3.3.2.1. Processus dcisionnel et processus dynamique Il faut tout d'abord que l'homme d'tude spare le dcideur du systme pnysique. Cette sparation entre processus dcisonnei et processus d'volution naturel peut tre douloureuse car le dcideur s'identifie bien souvent au systme sur lequel il exerce ses actions. "Le systme lui colle la peau", entend-on dire bien souvent. Au cours de ce sevrage, l'exposition des objectifs de gestion est aussi, par la-mme, une remise en cause du fonctionnement actuel du svstme et l'occasion de retrouver comment fonctionne le

DU GESTIONNAIRE A L'HOMME D'ETUDE: DIFFICULTES DE MODELISATION 56

systme naturel en boucle ouverte sans intervention humaine. Dans le cas de la Neste, les rivires de Gascogne seraient sec durant l'tiage : ce comportement naturel de type "oued" doit tre reconnu avant mme de pouvoir vraiment comprendre la porte de l'action des gestionnaires du systme et en modliser le comportement. 3.3.2.2.Modliser i objectif : une "bonne" gestion Comme on 1' a vu au chapitre prcdent, la gestion des barrages-rservoir est multiusage, et le terme "bonne gestion" dans la bouche du gestionnaire ne recouvre en gnral pas un critre unique, mais bel et bien plusieurs critres d'efficacit, de cot, de risque, etc, souvent conflictuels, pour lesquels la politique de gestion choisie reprsente un arbitrage satisfaisant. La premire tche du charg d'tude est d'identifier ces objectifs multiples. L'Annexe 5 prsente divers types de modlisations de fonctions bnfices pour les usages de l'eau. On verra dans le chapitre suivant que le strict cadre de modlisation d'tat avec une fonction objectif unique ne permet pas de proposer directement une procdure d'aide la dcision respectant les choix du gestionnaire. 3.3.2.3. Le concept de risque : connaissance et probabilit Le gestionnaire d'ouvrag'' gre le risque. Dans la pratique courante, ce concept lui apparat comme une notion L ois trs subjective et en mme temps extrmement tangible. Cela veut dire que si les annes sches de 1976 et de 1985 ont marqu un temps les mmoires mais n'ont pas incit une gestion plus prudente des ressources, les scheresses exceptionnelles conscutives de 1989 et 1990, ralisations marquantes d'un possible improbable, ont frapp les esprits et ont des consquences de restrictions qui dpassent sans doute les mesures prendre dans de tels cas. Le modlisateur, quant lui. dtermine le plus objectivement possible des probabilits de dfaillance car "Toute connaissance dgnre en probabilit " annonait dj D. HUME. Ces deux notions, l'une vcue par le gestionnaire, l'autre calcule par le charg d'tude, font bien sr rfrence aux mmes vnements indsirables mais ne peuvent jamais se recouvrir totalement. 3.4. Conclusions

pastel-00569481, version 1 - 25 Feb 2011

L'homme d'tudes a de fait une vision analytique, quelque peu manichenne : pour atteindre son but, c'est dire allouer au mieux les ressources en eau, il lui faut tout d'abord augmenter sa connaissance du systme, et cette connaissance progressivement acquise guidera son action en retour. Le problme du gestionnaire, analys par un homme d'tudes, se prsente donc comme une problmatique double : * connatre, c'est d'abord proposer un modle, une reprsentation formelle du systme qui dcrive au mieux le fonctionnement de celui-ci. On attend notamment que ce modle simule de faon raliste la trajectoire et rende compte de la rponse dynamique du systme; * agir, c'est ensuite tudier le processus de prise de dcision : qui prend la dcision, quelles en sont les rgles, quels sont les objectifs? Le charg d'tudes cherchera donc : * poser les bonnes questions pour construire la reprsentation formelle la plus approprie du systme : le modle; * tre compris du dcideur et conduire une action qui respecte ses prfrences et explicite les raisons des politiques choisies. En effet, la sparation "modle dynamique" et "processus dcisionnel" propre au modlisateur n'existe en gr. -ai Das dans i'espnt du gestionnaire d'un systme de ressources en eau qui, lui, tient un raisonnement de type "expert". La partie 3 de ce travail respecte cette approche et passe d'abord en revue le cadre mathmatique des diffrentes dmarches de modlisation, en supposant que ia problmatique a t a. priori compltement dfinie. En fait, ces approches doivent tre extraites de leur contexte mathmatique et leur pertinence doit aussi tre apprcie au vu de leur "possibilit d'application oprationnelle", ce que nous nous efforcerons de faire dans la partie 4 sur les exemples de la Neste et de la Seine.

DEMARCHES DE MODELISATION 57

Ecole Nationale des Ponts et Chausses (ENPC-ENGREF) CERGRENE

ELABORATION DES CONSIGNES DE GESTION DES BARRAGES RESERVOIRS


pastel-00569481, version 1 - 25 Feb 2011

PARTIE 3 DEMARCHES DE MODELISATION

DECEMBRE 91 . PARENT

DEMARCHES DE MODELISATION 58

SOMMAIRE DE LA PARTIE 3
1. Cadre mthodologique pour l'analyse de systmes 1.1.Modlisation d'tat: Le cas dterministe 1.1.1. Systme dynamique dterministe de barrages 1.1.2. Les commandes u 1.1.3. Les tats du systme x 1.1.4. La fonction d'volution f 1.1.4.1. Exemple d'un barrage 1.1.4.2. Exemple d'un rseau de barrages 1.2. Feedback et rgle de gestion 1.3. Modlisation d'tat: le cas stochastique 1.3.1. L'exemple de la gestion d'un rservoir avec apports indpendants : une chane de Markov 1.3.2. Matrice de transition 1.3.3. Les proprits asymptotiques des chanes de Markov stationnaires : indices statistiques de dfaillances 1.3.4. Formalisme gnral du modle d'tat en avenir incertain 1.3.5. Modlisation de l'ala 1.3.6. Commentaires 1.3.6.1. Commandabilit 1.3.6.2. Observabilit 1.3.6.3. Stabilit 1.3.6.4. Modle d'tat et fonction de transfert 1.3.6.5. Modlisation et caractre Markovien 1.3.6.6. Modlisation du rle de l'expert 1.4. Commande optimale 1.4.1. La fonction d'valuation J 1.4.2. Le cas dterministe : principe du minimum 1.4.3. Le cas alatoire: recours au gradient stochastique 1.4.3.1. Conditions d'application du gradient stochastique 1.4.3.2. Utilisation du gradient stochastique pour le principe du minimum 1.4.4. Le princ-ie de >' ss-Bellman 1.4.4.1. La program, uation dynamique en temps discret 1.4.4.2. La programmation dynamiaue en temps continu 1.4.4.3. Limites de cette approche 1.4.5. Applications directes de la programmation dynamique 4.5.1. Cas linaire quadratique Gaussien non contraint.. 1.4.5.2. Gestion de stocks 1.4.5.3. Recherche d'une politique stationnaire 2. Pratiques courantes de modlisation pour la gestion de barrages 2.1. Le fil tendu 2.2. Rgles empiriques par courbe objectif de remplissage 2.2.1. Dtail de la reprsentation d'un reservoir 2.2.2. Fonctionnement au cours de l'anne 60 60 60 61 61 61 62 62 64 65 65 66 68 69 71 73 73 73 73 73 74 75 75 75 77 78 78 79 80 SI 84 86 87 87 ;J2 )! M )A;*6 96 )~

pastel-00569481, version 1 - 25 Feb 2011

DEMARCHES DE MODELISATION 59

3. Dmarches originales de modlisation pour la gestion de barrages 3.1. Restreindre la classe des rgles de gestion 3.1.1. Rgles linaires 3.1.2. Rgle paramtre 3.2. Circonscrire l'ala 3.2.1. La programmation d\namique par simulation de scnarios 3.2.2. Mthode de GAL 3.2.3. Programmation dynamique avec chantillonnage ~ 3.2.4. Mthode de KITANIDIS 3.2.5. Mthode de SAAD et TURGEON 3.2.6. Mthode de FANG et al 3.3. Introduire des risques spcifiques 3.3.1. Rgles S et SQ avec quivalents dterministes 3.3.2. Transformation du risque en cot : programmation non linaire avec fiabilit 4. Avantages et limites du cadre modles d'tat pour l'aide la dcision pastel-00569481, version 1 - 25 Feb 2011 4.1. Critiques de l'utilit espre 4.1.1 On peut objecter qu'elle traduit mal l'attitude face au risque 4.1.2 L'utilit espre impose dans le cas multicritre une vision de complte transitivit sur les prfrences 4.2. Tableau de bord et gestion du risque 4.3. Retour sur le principe de Mass-Bellman 4.4. Quelques points sur le multicritre 4.5. Formulation linaire simple 4.6. Programmation dynamique et compromise programming 4.7. Retour sur le principe de Mass-Bellman : le cas multicritre

98 98 99 99 100 101 101 102 103 103 :..104 104 104 107 109 109 110 110 110 111 113 114 114 117

DEMARCHES DE MODELISATION
60

1. CADRE METHODOLOGIQUE POUR [/ANALYSE DE SYSTEMES Dans cette partie, nous essaierons de donner un cadre gnrai toute dmarche de modlisation. L'accent a t mis sur l'intrt scientifique et oprationnel des mthodes. Ce mmoire n'tant pas un mmoire de mathmatique, beaucoup de techniques ont t omises et celles prsentes l'ont souvent t sans une totale rigueur mathmatique en "montrant "au lieu de "dmontrer". On trouvera dans YEH (1985) et dans BURAS (1972) un panorama complet des techniques de mathmatiques appliques pour la gestion des barrages rservoirs. Une thorie plus formalise des modles d'tat et du contrle optimal figure dans le support de cours d'automatique gnrale de l'ENPC ( COHEN et PARENT, 1990).

l.l.Modlisation d'tat: Le cas dterministe pastel-00569481, version 1 - 25 Feb 2011 Avant mme de dterminer comment juger de la qualit d'une gestion et quels risques de dfaillance on est prt assumer, la rponse points par points aux questiors de la liste suivante permet gnralement d'laborer une reprsentation fonctionnelle de la gestion du barrage (Figure 3-1) pour construire un modle. 1) Quels sont les moyens de commande du systme ? O sont les points d'action ? 2) Quelles sont les informations dont on dispose pour prendre les dcisions? Que mesure-t-on ? O et quel pas de temps? Peut-on raliser des prvisions? Avec quelle prcision? Jusqu' quel horizon? 3) Quelles sont les contraintes que l'on ne peut transgresser?

u, = a

.Figure 3-1 : reprsentation d'un barrage

1.1.1. Systme dynamique dterministe de barrages On dfinit ainsi pour ce modle dynamique trois ensembles : les commandes. les tats du systme, les sorties, et deux fonctions : la fonction d'volution des tats et ia fonction d'valuation. Les notations qui suivent ont le plus souvent t crites en supposant le temps discret et appelant T le terme de l'horizon de gestion, mais elles se gnralisent sans difficult majeure au temps continu.

DEMARCHES DE MODELISATION 61

1.1.2. Les commandes u On appelle ainsi les dcisions de gestion. On emploie aussi le terme actions1, plus concret, par rfrence aux divers lments du systme sur lesquels on peut agir (lchers durant la priode T de chacun des rservoirs, transferts entre rservoirs, taille d'un ventuel rservoir construire, mise en route de pompes). On les reprsente par les coordonnes d'un vecteur de commande indic par le temps : u(t)2. Il importe de bien dfinir les possibilits d'action dont on dispose pour inflchir la trajectoire d'un systme de gestion de ressources en eaux en agissant, soit sur la disponibilit de la ressource (contrle du barrage), soit sur l'importance de la demande (par mesures rglementaires et tours d'eau). Si l'on prend la rgulation dynamique des barrages des coteaux de Gascogne, la gestion tactique tlcommande directement le rglage et la manuvre des vannes. La gestion stratgique, quant elle, porte son action sur une autre grandeur : elle dtermine le meilleur contrat de salubrit acceptable jusqu' l'horizon de gestion, c'est dire qu'elle propose le dbit de soutien d'tiage laisser en moyenne dans les rivires ralimentes de Gascogne. 1.1.3. Les tats du systme x pastel-00569481, version 1 - 25 Feb 2011 On suppose que le systme physique est suffisamment bien connu pour qu'il existe une reprsentation interne du systme. On manipule donc un vecteur d'tat x(t) dont les composantes caractrisent l'tat du systme de rservoirs3 : il comprend, en gnral, le stock disponible l'instant t, les rendements de rcoltes eventuelles, des caractristiques de l'hydrologie telles le dbit des rivires, etc..., la taille du rservoir. De ce point de vue. il n'y a pas lieu de distinguer le problme de dimensionnement (o la capacit fait partie de l'ensemble des variables de commande) du problme de la gestion de la rserve (o le stock fait partie des variables d'tat). L'espace des tats est limit par des contraintes de nature technique (dbit total restant dans la rivire suprieur au dbit rserv, etc.).

1.1.4. La fonction d'volution f Elle dcrit l'volution du systme sous la forme de l'quation dynamique vectorielle suivante : x(t + 1) = f(x(t), u(t), t) en temps discret, et dx x = -T- = f(x(t), u(t), t) en temps continu. C'est une quation de bilan qui traduit essentiellement : - la variation de stocks dans les rservoirs, - la propagation des lchers jusqu'aux points de contrle. - l'volution hydrologique (par exemple le tarissement) des rivieres.

!Dans la littrature anglo-saxonne, on rencontre les quivalents suivants des termes r-raneis. Attention aux faux-amis! FRANCAIS | -ANGLAIS i Commande i Control j Contrle Checking I Gestion | Command, operation | 2 On appellera parfois ce vecteur dit), d tant l'initiale de dcision. La variable d'tat sera aussi note Sit) de initiale de stock qui est une variable d'tat ciassiuue importante pour les rservoirs.
3

DEMARCHES DE MODELISATION

1.1.4.1. Exemple d'un barrage Considrons le rservoir de la Figure 3-1 et notons pour tous les temps t : . s(t) le volume d'eau contenu dans le rservoir la date t, 0< s(t) < s max . q(t) le volume des apports en tte du rservoir entre t et t+1, suppos connu parfaitement, . d(t) la quantit d'eau lche du rservoir entre t et t+1, 0 < d ( t ) < d max . e(t) la quantit dverse entre t et t+1, Quel systme dynamique utiliser pour reprsenter le fonctionnement de ce rservoir? . le vecteur d'tat est x(t) = s(t) e [0, s ], L maxJ . la commande est u(t) - d(t). Si on suppose qu'il n'y a pas de phnomne d'vaporation, on voit que les d(t) admissibles sont forcment plus petits que : Inf v (d max , s(t) q(t)) w +M W car on ne peut pas lcher plus que la quantit d'eau que l'on a dj, plus celle qui arrive. En rsum, on a : x(t) = s(t), s(t) e [0, s m a x J u(t) = dit), d(t) e [0, Inf (d m
Ilia A

pastel-00569481, version 1 - 25 Feb 2011

. sft) + q(t))]

l'quation d'volution x(t+l) = f(x(t), u(t), t) s'crit : x(t + 1) = Inf (s


il l aA

s(t) + q(t) - dit))

Notons qu'on dverse : eu) = Sup(0, su) + q(t) - d(t) - s , j 1.1.4.2. Exemple d'un rseau de barrages Cette fois-ci, (voir Figure 3-2) on note : . s-(t) le volume stock dans ie rservoir i la date t, s-(t) e 0, s' j,

. q-(t) les appons intermdiaires supposs connus aans le reser\'oir i entre t et t+i. . d-(t) le volume lch du rservoir i entre t et t+1. 0< d:(t) < d., v , . e.(t) le volume dvers du rservoir i entre t et t+1.

DEMARCHES DE MODELISATION
o3

pastel-00569481, version 1 - 25 Feb 2011

Figure 3-2: Reprsentation d'un rseau de 3 barrages Les vecteurs d'tat et de commande sont alors :

x(t)

s 2 (t)
V S 3 (t)y

u(t) =

2(t)

V d 3 (0 J

si on suppose qu'il n'y a pas de perte ni phnomne de propagation pour les coulements.

Posons :

e(t) =

2^

et

q(t) =

^2^

v3 J

e (t)

v q 3 (t) y

La dynamique du systme est rgie par l'quation :


f

x ( t + l ) = x(t)+

l 0 (K 0 - 1 0 (uU) + eu)) +q(t)

i -iJ

sous rserve que les commandes appartiennent au domaine admissible d T (t) e [0, Intsjft) + q ^ t ) , d m a x ) l d 2 U) e 10, Inf(s 0 (t) + q (t), d m a x ; ]

d-,(t) e [0, Inf(So(t) + q ? U ) + d 0 (t) -rd,(t) - e ^ U ) - e,U). m a x J ]

DEMARCHES DE MODELISATION
4

o e, (t) et e~(t) vrifient : ejtf) = sup(0, Sj(t) + q1(t) - d^t) - s m a x ) e 2 (t) = sup(0, s2(t) + q2(t) - d 2 (t) - s^ a x ) tandis que, connaissant d-,, on peut alors calculer : e3(t) = sup(0, s3(t) + q 3 (t) + d^t) + e^t) + d2(t) + e 3 (t) - d 3 (t)-s m a x ) Si on appelle U(x(t),t) l'ensemble des commandes admissibles dfini par ces ingalits, on remarque qu' t et x(t) fixs, U(x(t), t) est un ensemble convexe. pastel-00569481, version 1 - 25 Feb 2011
->

1.2. Feedback et rgle de gestion Maintenant que le problme de gestion de rservoir se pose sous la forme (dans le cas dterministe) : x(t + 1) = f (x(t), u(t), t) en temps discret ou x = f(x(t), u(t), t) en temps continu, on voit que la commande u(t) inflchit la trajectoire de l'tat du rservoir en chaque instant. La commande effectivement effectue u*(t), peut tre donne sous deux formes : - soit elle se prsente sous la forme d'un planning de manuvre des vannes fix une fois pour toute ds le dbut de la campagne : on donne ainsi u(t) pour tous les temps t compris entre 0 et T et on s'y tient quoi qu'il arrive; c'est le principe de la boucle ouverte ; - soit la commande est donne en boucle ferme ou feedback sous la forme d'une fonction de l'tat du systme l'instant t. C'est cette correspondance u"(x(t),t) entre l'tat du systme (dcrivant les informations disponibles et pertinentes pour la gestion) un instant donn et les valeurs admissibles de la commande que nous appelerons rgle de gestion. Bien que dans le cas dterministe, les deux approches, boucle ouverte ou boucle ferme, soient thoriquement quivalentes, on conoit bien qu'une commande par retour d'tat soit plus intressante car elle permet de s'adapter aux circonstances, notamment en stabilisant le systme en cas de perturbations des mesures. Ainsi, une rgle de gestion digne de ce nom se doit, lorsque le niveau d'un barrage devient dangereusement bas, de ragir en rationnant la fourniture ae la ressource afin ae limiter le risque de vider le rservoir avant terme. Dans le cas stochastique que nous prsentons dans le paragraphe suivant, la boucle ferme est la seuie dmarche raisonnable. Bien sr, compte tenu des contraintes oprationnelles, bien des systmes mme quips de tlcommandes, ne sont manuvres qu' date fixe.

DEMARCHES DE MODELISATION
5

1.3. Modlisation d'tat : le cas stochastique Ce travail de recherche est centr sur la prsentation des mthodes rationnelles des consignes de gestion des barrages-rservoirs et de leurs critiques par des applications sur cas rels. Nous voulons apprhender les notions de dcision en avenir risqu, de valorisation des informations disponibles reues par le gestionnaire du systme et de ce qu'il peut mettre en uvre pour amliorer la gestion. Dans la suite de ce paragraphe, nous montrerons que l'application d'une rgle de gestion pour un systme de rservoirs dfinit un fonctionnement markovien, et dans le cas d'une gestion intersaisonnire, permet de calculer des proprits limites intressantes, telles que la probabilit d'tre en dfaillance par excs ou par insuffisance de stock, la dure moyenne entre deux asschements de la rserve. .;:.;... La thorie des rservoirs date de.SAVARENSKV 1940) qui avait dj formul le problme sous la forme de thorie des files d'attente et de processus markoviens pour calculer les probabilits stationnaires limites d'tats de la rserve. La paternit de la thorie des rservoirs est nanmoins souvent attribue .MORAN (1954) pour les nombreux travaux qu'il a effectu dans ce domaine. Il y a beaucoup de problmes de thorie des files d'attente appliqus aux rservoirs. En effet, l'opration d'un systme de rservoirs est analogue au fonctionnement d'une file d'attente : le rservoir est un guichet o la distribution des apports peut tre rapproche du taux d'arrive, tandis que la rpartition des lchers peut tre assimile au taux de sortie des clients. KOTTEGODA(1980) a effectu une synthse de ces techniques illustre de cas pdagogiques l'usage des ingnieurs. Ici nous insisterons plus sur l'unit de ces problmes d'analyse de systmes que permet la reprsentation sous forme de modle dynamique d'tat. 1.3.1. L'exemple de la gestion d'un rservoir avec apports indpendants : une chane de Markov Prenons le cas d'un rservoir unique en srie sur une rivire : S , =S -u + 0 t+1 t t vt S est le stock au dbut de la priode t, u est le lcher durant la priode t, Q est l'apport (alatoire) durant la priode t que l'on supposera indpendant d'une priode l'autre. Supposons que l'on prenne une dcision de lcher avant de connatre l'apport 0 , venir durant la priode t (processus dcision-hasard). Une rgle de gestion au sens dfini dans les paragraphes precedents tablit en gnral une liaison par retour d'tat :
u = u

pastel-00569481, version 1 - 25 Feb 2011

t(St)

qui fait dpendre le lcher uniquement des variables ciont on dispose a l'instant t. il vient. en supposant la dcision de lcher u, toujours ralisable :
s

H-i = V u t ( s t )

Qt

DEMARCHES DE MODELISATION
66

Si la connaissance de l'apport est antrieure la dcision (processus hasarddcision) le vecteur d'tat du systme est alors x = (S , Q ) et la rgle de gestion devient "plus riche" :
u = u

t ( x t)
=

= u

(S

t' Q t }

t+i

VVst'Qt) + Qt

Dans ces quations, Q est la variable alatoire du systme dont on connat les tbilits de ralisation. Lorsqu'on applique appliqu en chane la rgle de gestion, S devient probabilits aussi une variable alatoire, de mme que u . Intressons-nous la rpartition des valeurs de S . On voit que: Prob(S.t+1 L1 / S , , S, J = Prob(S,. ,/S.) autrement dit, seule la dernire valeur de stock (le t t- i t+1 t pass proche) conditionne les possibilits d'volution future du stock. Le processus des niveaux dans la rserve est sans mmoire, connatre l'historique n'apporte rien, toute l'information est concentre dans la dernire valeur prise par le stock. Ce conditionnement probabiliste est la relation d'volution dynamique du systme en avenuincertain analogue la fonction de transition f du cas dterministe. Ces proprits dfinissent (pour le pas de temps discret) une chane de MARKOV d'ordre 1 pour un systme constitu d'un barrage et d'apports indpendants au cours du temps.

pastel-00569481, version 1 - 25 Feb 2011

1.3.2. Matrice de transition Discrtisons l'tat du rservoir l'instant t en n classes gales notes Z,, Z~,.. .Z.,.. .Z selon le schma de la Figure 3-3.
2 i n

Z=J

z=2
Z=L
Z=U

Figure 3-3 : Discrtisation des tais de Stocks Le calcul de la probabilit de transition de l'tat Z. l'tat Z.. T., condent toutes les
i j

informations ncessaires la recherche des proprits statistiques de la regle de gestion.

DEMARCHES DE MODELISATION
7

Notons 4 = Prob (S j e Z / S e Zp

p t = Prob (S t e Zp Si on appelle 17(0 la matrice d'lment 7C:-et Pit) le vecteur des P-, on a : .t+1 Pf = I P r o b ( S t + 1 e

Zj/SjSZjJPj

soit finalement, en notations matricielles : p(t+D = ri(t)P(t) Supposons t fix et prenons par exemple le cas d'un barrage gr au pas de temps annuel, o arrivent des apports indpendants Q rpartis selon la densit de probabilit f(q). Considrons une rgle de gestion dfinie par les trois paramtres (a,b,c) d'un feedback linaire exprimant le lcher u en fonction des variables d'tat (S et Q) : u = aS + bQ + c. Si on divise le rservoirs en n zones d'gale valeur A = max -, selon le schma de discrtisation de SAVARENSKY (1940) reprsent la Figure 3-4. il y a n+2 tats possibles1 :

pastel-00569481, version 1 - 25 Feb 2011

Z} =0

-=S n+2 max pour 1 < i < n+2

_
et

max

. .,

Z. = ; x 2i - 3) i _n

z=n+2i

z=n+l

Z=J>
7= 1

z=i

Figure 3-4 : Schma de aiscrensation de SAVARENSKY ' 1940} ? se calcule donc de la faon suivante, pour i . j e | 2. n+i i
'Me schma de discrtisation adopte par MORAN est lgrement diffrent.

DEMARCHES DE MODELISATION 68

Py = Prob (Z. - (aZj + bQ + c) + Q) e [Z{-1;

Z + | ]

P ij = Prob((l - b)Q - c ) e ^2(i - j)A + a(2j - 3) |

B P.. = J f(q) dq y Sup(A;0) avec : A A 2(i - j) A + a(2j - 3) y - y


A

+ c ' + c '

i-b

'

pastel-00569481, version 1 - 25 Feb 2011

A A 2(i - j) A + a(2j - 3) y + y
B

i-b

"

Notons que les lments P.- de la matrice de transition sont des fonctions des paramtres (a,b,c) de la rgle de gestion, eux mmes ventuellement dpendant du temps. 1.3.3. Les proprits asymptotiques des chanes de Markov stationnaires : indices statistiques de dfaillances L'quation P(t + 1) = n(t)P(t) est fondamentale, car elle traduit la rpartition des stocks au temps t + 1 connaissant celle du temps t. On a ainsi : P(t + p) = n(t + p -1) n(t + p - 2 ) . . . ri(t)P(t) Dans le cas de gestions priodiques4 de priode T. on a : nCt + T) = ri(t) En posant :
T

M = n n ( t ) e t L ( k ) = P(ki) t=i la relation devient : L('k) = Pfkx) = MKL(0) L'tude des chanes de Markov consiste essentiellement en i tuae de ia forme
i,

limite de M^ quand k tend vers l'infini. En effet, si dans un premier temps, les probabilits des performances dpendent des conditions initiales, ii s'tablit rapidement
4

pour la gestion annuelle en conditions climatiques suionnaircs ~= '

DEMARCHES DE MODELISATION 69

un rgime permanent pour lequel les lois de probabilit des stocks restent stationnaires5 d'une anne l'autre. Vis vis de cette forme limite, les tats se partionnent en trois classes : - les tats transitoires, d'o le processus finit par s'chapper pour ne plus y retourner, - les tats rcurrents absorbants, formant des culs de sac qui, une fois atteints, captent l'volution ultrieure du processus. - les tats rcurrents non absorbants, formant des composantes connexes, cycles d'tats visits un nombre infini de fois. On trouve par exemple dans GIRAULT (1965) les dtails et dmonstrations de ces proprits. En ce qui concerne les barrages, la forme limite dpend des caractristiques de M et donc aussi, comme on le voit clairement dans l'exemple prcdent de la rgle de gestion adopte. On peut calculer la probabilit limite (en rgime permanent) d'observer le rservoir dans l'tat Z. : existe-t-il alors des tats privilgis o sont absorbs les niveaux possibles du stock? Deux probabilits limites sont particulirement intressantes : celle correspondant Z, (dfaillance due au rservoir vide) et celle correspondant Z -, (dfaillance due au rservoir trop plein). pastel-00569481, version 1 - 25 Feb 2011 KLEMES (1977) a tudi quelles taient les consquences du schma de discrtisation sur ces proprits en tudiant l'influence du nombre d'tats pns en compte pour la reprsentation. Ces techniques ont t mises en uvre pour tudier les modalits de gestion concerte des retenues de la Montagne Noire (COYNE et BELLIER, 1976) avec deux priodes (x = 2) : saison sche (Juin-Sept) et saison humide (Oct-Mai), partir de lois d'apports cales sur la priode 1931-1974. Plusieurs scnarios sont t tests (capacits diverses de stockage et hypothses varies de besoins en irrigation) afin de fournir les indications suivantes : * probabilit que le stock s'annule avant la fin de la saison sche. * probabilit qu'il reste moins de 4 Mm J en fin de saison sche. * probabilit que le rservoir soit plein en dbut de la saison sche, * quantit moyenne dverse (ni utilise directement, ni stocke), stock moyen en fin et en dbut de saison sche. On peut aussi les utiliser pour tester diverses rg. .s de gestion sur des critres statistiques. Ainsi BALTI et al. (1984) ont-ils utilis ce procd pour dterminer queile rgle de gestion adopter afin de garantir un revenu rgulier aux exploitants des primtres irrigus en zone aride et semi-aride. Il s'agissait d'tudier les proprits stationnaires de ia rpartition de la ressource en eau entre l'irrigation (ncessaire a l'obtention de la recoite ue l'anne) et le repon d'une fraction du stock pour l'anne suivante ( indispensable la leve des futures semis).

1 ,?,4. Formalisme gnrai du modle d'tat en avenir incertain


Que se passe-t-il dans le cas stocnastiaue lorsqu'on ne considre plus un seul barrage mais un ensemble d'ouvrages interconnects ? Et que les aoports ne sont pius

En supposant bien sr que toutes les conciliions sont stationnaircs. e est .. : notamment qu il n'y a pas de changement climauque ni de changement structurel de ia regle ue gestion.

DEMARCHES DE MODELISATION 70

indpendants ? Que faire quand d'autres variables alatoires, telle un demande inconnue pour l'irrigation, doivent tre introduites dans l'analyse du systme ? Une premire consquence est que la dimension d'tat grandit puisqu'il faut incorporer dans la dfinition de l'tat toutes les grandeurs que le gestionnaire du systme utilise pour tablir sa rgle de gestion. En second lieu, il faut dcrire la dynamique d'volution du systme. Dans le cadre dterministe temps discret on crivait une quation rcurrente x , = f(x , u ,t) de telle sorte que le systme boucl par feed-back u* = u t (X) suivait une trajectoire entirement dtermine par les conditions initiales x~ (pour t = 0). En supposant que l'on ait perdu la trace de la trajectoire de t = 0 t = t,, munis de l'unique valeur de l'tat l'instant t1, nous tions capables de reprendre la trajectoire depuis t, jusqu' l'horizon de gestion T. En d'autres termes, toute la mmoire de l'volution jusqu' un instant donn t est contenue par la variable d'tat x(t). Si f est suffisamment rgulire, on peut galement reconstruire le pass de 0 t,. pastel-00569481, version 1 - 25 Feb 2011 Dans le cas stochastique, l'analogie de ces proprits d'quations rcurrentes en temps discret (ou diffrentielles en temps continu) se trouve dans le caractre Markovien du processus des tats. L'quation d'volution exprime en fait que la probabilit de x , connaissant tout le ^ pass, vaut Prob l(x., , / xtJ J et relie l'tat l'instant futur x,, , en t+1 t+1 fonction du pass proche x (rappelons que dans le cadre stochastique, l'tat x est aussi une variable alatoire). En avenir alatoire et temps discret, le modle dynamique d'volution de l'tat du systme peut tre dcrit par l'quation d'volution : x(t + 1) = f(x(t), u(t), t, t) t e N avec u(t) e U((x('t),t)) On se donne gnralement l'tat initial x - x(0) pour t = 0. mais maintenant, la trajectoire du systme est alatoire, car les et dsignent ici une srie temporelle de variables alatoires indpendantes dont on connat les lois de probabilit. A tat prsent x(t) fix et rgle de dcision u(t) donne, et contient "l'innovation stochastique" affectant x(t+l). En temps continu, on poursuit la gnralisation du modle d'tat reprsent par un quation diffrentielle ordinaire en introduisant une quation diffrentielle stochastique. En fait on se limite gnralement aux processus de diffusion qui sont des cas particuliers de processus markoviens dont toutes les ralisations possibles sont continues et qui servent de modles probabilistes pour modliser les phnomnes physiques de transport et de diffusion de particules. Historiquement, le plus connu est le mouvement Brownien qui sert de modle l'agitation de petites particules dans un fluide. Ces processus de diffusion sont rgis une quation diffrentielle stochastique0 : dx = f(xit), u(t), t) dt + o(x(t;. u(t), t) dW, o x est l'tat et dWt est un choc Brownien. On trouvera dans ARNOLD( 1974), les fondements de cette thorie. Ces processus de diffusion, outre ieur caractre Markovien, sont caractriss par trois proprits majeures :

Ce type de modle sera utilis dans ia parue 4 du mmoire, sur le cas ae la Seine

DEMARCHES DE MODELISATION

71

- en une dure donne, de grandes dviations en x(t) sont improbables (leur probabilit est un infiniment petit, d'ordre infrieur l'accroissement de temps), - en moyenne, l'accroissement entre x(t) et x(t + At) vaut f(x(t), u(t), t)At ; f(x(t), u(t), t) est donc la vitesse de drive du processus, - la covariance entre x(t) et x(t + At) vaut c(x(t), u(t), t)At c'est dire que la matrice de diffusion o(x(t), u(t), t) reprsente l'amplitude des fluctuations locales de (x(t) - x(t + At)) autour de sa moyenne. On voit bien alors qu'en ngligeant des termes d'ordre infrieur At on retrouve une criture discrte quivalente de la forme : x(t+At) - x(t) - f(x(t), u(t), t) At + a(x(t), u(t), t) (Wt+At - WO + o(At) avec les accroissements (Wt+At - Wt) qui suivent une loi normale multidimensionnelle N(0, At I). On peut tendre cette classe de processus en y introduisant des discontinuits figurant des ruptures ou des impulsions alatoires. On prend en gnral un processus Poissonnien dont l'influence sur un court intervalle de temps At sera formellement dcrit par : pastel-00569481, version 1 - 25 Feb 2011

y M(dt,dy)

n.

o M(dt, dy) est une mesure compose\ejgjgsgjffffifg taux d'arrive fix; y est l'ala (variable d'intensit) se produisant avec S^Vmuj^yne distribution dfinie dans ie domaine [0,[ indpendamment de la loi des arrive?.1 De telles extensions sont dentes dans TAPIERO(1988) avec des applications dans tous les domaines de la recherche oprationelle pour la gestion de systmes les plus divers. On trouvera dans KREE et SOLZE (1983) des formulations dtailles pour l'utilisation de ce type de modles continus stochastiques dans les sciences physiques. Quoique ces processus soient trs commodes d'emploi puisque, sous des conditions trs gnrales de rgularit, il suffit des deux paramtres forms par la vitesse de drive et la matrice de diffusion pour les caractriser entirement, des difficults essentielles apparaissent lorsqu'on utilise l'intgrale stochastique, la plus connue tant lie la formule d'ito qui fait apparatre des termes de second ordre dans les calculs d'intgration.

1.3.5. Modlisation de l'ala Malgr leur commodit d'emploi, ces formulations supposent nanmoins une forme gnrale markovienne du modle et restreignent donc ia classe des modlisations possibles pour les divers alas rencontrs sur les systmes de gestion des ressources en eau : - apports d'eau. - demande en eau l'aval des ouvrages, - erreurs de calage ou d'estimation du modle. C'est une hypothse technique dlicate comme ie note YAKOWITZ (1982) : ".. ...'i important controversy in the literature of reservoir operation as we t as that river flow modelling, concerns the appropriate statistical assumptions for this inrlow seauence'. Si nous prenons les apports d'eau, ils sont en gnral saisonniers crreles, spatialement et temporellement, les phnomnes de rtention d'eau dans les nappes entranant une dpendance vis vis des apports antrieurs. Quei ordre doit-on aiors utiliser pour dcrire correctement le conditionnement par le pass ?

DEMARCHES DE MODELISATION 72

Prenons le cas le plus courant d'une modlisation hydrologique relative la chronologie des apports naturels {Qt} au barrage. On recherchera souvent un modle du type autorgressif : Yt = pi Yt.i + p2 Yt.2 +...+ p k Yt.k + eL o Yt dsigne une transformation dterministe de Q , par exemple le logarithme ou la racine carre, l'innovation e t est un bruit (les Etsont indpendants, en gnral gaussiens) tandis que la liaison temporelle est exprime par les k coefficients rels ( p, P2,..., Pk ) En incluant ainsi la mmoire du processus hydrologique dans la variable d'tat, on rintgre alors le formalisme du paragraphe prcdent. Pour un barrage unique comme dans le cas de la Figure 3-1, la variable d'tat est alors xt= ( Sti Yt_i, Yt_2 Yt.k). Par exemple, dans le cas k =2 o Yt = Qt,

x(t) = pastel-00569481, version 1 - 25 Feb 2011 secnt

t-1 et la fonction d'volution x(t + 1) = f(x(t), uu), t, eL) t e N Y V t-2y

( eft) ^ -10 0 x(t+ 1) = 0 pi p2 x(t) + 0 0 0 | u(t) + e(t) 0 0 Oj 0 J 0 1 0

fi Pi P2

sous rserve que la commande appartienne au domaine admissible. Dans le cas d'une modlisation en temps continu, BODO et UNNY (1990) ont utilis la thorie des quations diffrentielles linaires stochastiques pour amliorer la description des transferts pluies-dbits. us introduisent un modle conceptuel stochastique grossier d'un double rgime de rponse d'un bassin versant avec rservoir-sol linaire, sous la forme dynamique vectorielle suivante : ix = (ao + ai x)dt + adW t + j (bo+bix) y M(dt,dy) o le vecteur d'tat x de dimension 3 comprend les deux composantes de rponse en dbits du rservoir-sol, une rapide et une iente, ainsi que l'vapotranspiration. ao et bo sont des vecteurs constants de dimension 3: ai, bi et o ~ sont des matrices de dimension 3*3. Ce modle est "excit" par des impulsions de pluie, ces averses sont modlises ici par un processus de Poisson o l'intensit y de l'vnement pluvieux est une variable exogne ajuster sur des squences de prcipitations empiriques. Quant l'vapotranspiration, composante X3 de l'tat, elle est reprsente ici par une quation diffrentielle stochastique sans sauts de la forme: dx3 = p X3 dt + odWL qui rentre dans le cadre du formalisme prcdent. Ce type de modle est interessant car ii offre une modlisation conceptuelle, compone relativement peu ue paramtres et pourrait tre envisag comme une extension possible de la partie modlisation temps continu dveloppe sur ie cas de la Seine dans la partie 4.

DEMARCHES DE MODELISATION

1.3.6. Commentaires 1.3.6.1. Commandabilit N'ont pas encore t voques dans ce paragraphe les questions de commandabilit, c'est dire la possibilit d'amener en un temps fini le systme d'un tat un autre en utilisant de faon judicieuse le vecteur des commandes. Pour le cas dterministe, on peut construire des critres o interviennent les drives partielles en u et x de f, permettant de rpondre cette question, du moins au voisinage d'un tat donn. Les dmonstrations en sont dtailles dans NOVELL et COHEN de LARA (1990). Dans le cas de barrages, notons que les stocks atteignables sont limits par les contraintes de capacit des rserves. 1.3.6.2. Observabilit Par suite d'impossibilit de mesures ou d'conomie dans les moyens de mesures, on ne dispose pas dans la ralit tout instant de la totalit des composantes du vecteur d'tat. Dtaillons un peu plus la liaison conceptuelle pluie-dbit par le modle deux rservoirs dcrit prcdemment. Le vecteur d'tat comprend les deux composantes de rponse en dbits du rservoir sol, une rapide (xi) et une lente (x) ainsi que l'vapotranspiration (X3), la mesure de l'vapotranspiration est en gnral impossible, et la distinction entre chaque composante du dbit ne peut tre faite. En fait tout instant, on n' observe que les dbits naturels de la rivire drainant ce bassin versant, c'est dire une fonction de l'tat (xi, x?,x3) : y = xi + x2 Pour un systme plus gnral dcrit par la dynamique : x(t + 1) = f(x(t), u(t), t, Et) pour tout te N avec la commande u(t) appartenant au domaine U((x(t),t)) et t la srie des perturbations d'volution: on observe en fait : vit + 1) = h(x(t), t, t>t) o "Ut sont des bruits de mesure. Dans ce cas on cherchera une commande en feedback sous ia forme u(t) = u(t,y(t)). L'observabilit, c'est dire la possibilit de complte reconstruction asymptotique dynamique de la moyenne instantane de la grandeur d'tat partir de la srie des donnes mesures y(t) jusqu' cet instant, dpend des fonctions f et h. Pour ce faire, on utilise des techniques de filtrage ( KALMANJ960). 1.3.6.3. Stabilit On peut aussi chercher qualifier le comportement d'un systme donn en termes de stabilit. Cette notion s'introduit dans le cas de systmes dont l'quation d'volution ne dpend pas du temps, ce qui n'est ni le cas de la Seine, ni le cas de la Neste dvelopps dans le chapitre 4. Schmanquement, en situation dterministe stationnaire. un tat donn est un point d'quilibre stable si la drive temporelle de l'tat s'annule en ce point et si le systme, cart lgrement de cette position, y retourne en un temps fini. Cette proprit dpend cette fois de la fonction d'volution f mais aussi de la rgle de gestion u = u(t,x(t)) que l'on a adopte dans le voisinage du point d'quilibre. Dans le cas stochastique, les dfinitions sont plus complexes dans la mesure o l'on doit considrer cette fois une distribution probabiliste des tats ( voir ARNOLD, chaoitre 11. 1974). On peut qualifier la stabilit en recherchant l'existence d'une rpartition Drobabiliste stationnaire des tats ne dpendant pas des conditions initiales. 1.3.6.4. Modle d'tat et fonction de transfert Les modles que nous utiliserons ont t btis en supposant qu'il existe une relation clairement exprimable, une justification conceptuelle ou une description physique qui rgit le fonctionnement du systme. On fait l'hypothse que l'on neut manier une certaine grandeur, le vecteur d'tat caractrisant les variables pertinentes du systme et que l'on

pastel-00569481, version 1 - 25 Feb 2011

DEMARCHES DE MODELISATION 74

peut crire une relation dynamique fonctionnelle dcrivant suffisamment le systme au cours de son volution. Lorsque l'on ne sait pas raliser une telle modlisation pour des raisons diverses (en gnral connaissance imprcise du systme ), il existe une voie d'approche classique qui considre un systme comme une boite noire transformant une entre fonction du temps u(t) en une une fonction de sortie du temps y(t). On fait alors les hypothses suivantes : - linarit, c'est dire qu' une fonction linaire des entres corespond la mme fonction linaire des sorties; - homognit, c'est dire que si on dcale la fonction d'entre dans le temps on observe le mme dcalage dans le temps pour la fonction de sortie ; - non anticipation, c'est dire que l'on suppose que la sortie y(t) ne dpend que des valeurs de l'entre u(s) pour les instants s antrieurs t. Sous ces hypothses, du point de vue mathmatique on montre qu'un tel systme est reprsent par une fonction f, noyau de la transformation de convolution reliant l'entre la sortie : t

y(t)=
pastel-00569481, version 1 - 25 Feb 2011

Jf(t-x) U(T) dx
- oo

L'ide essentielle de la technique du maniement de cette relation "entre-sortie" est alors que l'application de transformation de FOURIER ramne cette relation un produit. La transforme de FOURIER de f, caractrisant compltement le systme, s'appelle la fonction de transfert. La thorie de ces systmes linaires homogne fait l'objet du traitement du signal et des fonctions de transfert, pour lequel de nombreuses techniques ont t dveloppes ( FAURRE et ROBIN, 1984). Les reprsentations que nous proposons, dites par modles d'tat, permettent de modliser un problme en faisant apparatre les grandeurs (d'tat) pertinentes et ce, sans restreindre le champ de l'tude des cas linaires sans contraintes. Nanmoins, on conoit intuitivement que mme dans ce dernier cas, les deux reprsentations ne se recouvrent pas, les modles d'tat n'engendrant qu'une classe restreinte mais dense (fractions rationnelles) des fonctions de transfert possibles. 1.3.6.5. Modlisation et caractre Markovien Le modle Markovien se prte bien la recherche de consignes de gestion optimales comme on le verra par la suite. Plus spcifiquement, c'est un modle gnr par des quations linaires de type Gauss-Markov sous la forme : x(t+l)=Fx(t)+Gu(t) + W(t) qui se prte aux calculs de faon la plus commode. Dans cette criture. F et G sont des matrices constantes et la srie des W(t) est une suite de variables alatoires Gaussiennes indpendantes et de mme loi. Dans ce cas. sous rserve que le systme dtermiste associ soit commandable. il existe des rgles en feedback linaire u = -K x permettant de conserver ce caractre de Gauss-Markov et d'obtenir un comportement stationnaire asymptotique. Lorsqu'on modlise une srie de donnes mesures comme diffrente preuves d'un mme processus dcrit par l'quation ci-dessus, on en a de toute faon trop peu pour pouvoir traiter les hypothses de loi gaussienne et de stationnarit de la structure du modle. On est alors confront au problme inverse : comment peut on tre sr qu'un systme qui nous fournit des donnes admet une reprsentation sous la forme prcdente ? Le problme a t tudi et rsolu de faon thoriaue Dour un echantiilonaae infini par FAURRE, CLERGET et GERMAIN (1978). Du point de vue de la pratique, le problme se pose sous un autre angle car un systme ne nous fournit pas que des donnes, l'homme dtude a aussi des informations sur la structure mme du systme, ce qui lui permet de procder directement la modlisation qui lui semble adquate et vrifier si les proprits de commandabilit, d'observabilit et de stabilit correspondent des caractristiques du comportement "physique" du systme. Il faut rechercher les variables pertinentes introduire dans itat du systme de faon ne pas alourdir la modlisation ou rendre la classe des fonctions de

DEMARCHES DE MODELISATION 75

commandes en feed-back trop grande. A cet effet, hydrologues, gestionnaires du systme et hommes d'tudes doivent travailler ensemble. La description d'une variable hydrologique qui volue suivant un processus markovien d'ordre 1 s'effectue par discrtisations et calages d'une matrice de transition. En supposant que l'on discrtise en 3 niveaux, cela fait 9 coefficients estimer partir d'un chantillon assez rduit (gnralement un petit nombre de dizaines d'annes), ce qui rend un modle, mme rustique, dlicat caler. Des hypothses hydrologiques complmentaires de modlisation sont donc souvent ncessaires et ceci souligne l'importance de la phase d'tablissement du modle stochastique hydrologique. 1.3.6.6. Modlisation du rle de l'expert Notons qu'on peut aussi introduire une prvision hydrologique dans l'tat du systme de telle sorte que les rgles de gestion soient fonction d'une expertise du systme. On entend par expert tout fournisseur de prvisions, c'est--dire aussi bien un expert humain (un mtorologue ou un gestionnaire expriment se chargeant des prvisions sur le barrage), que le rsultat d'un modle des entres fournissant une prvision chaque pas de temps, par exemple sous forme d'une quation auto-rgressive sur l'historique du processus des entres. On fait l'hypothse que l'on peut calculer pour chaque date t les distributions conjointes entre les entres futures et la prvision que l'on en fait la date t. On peut estimer la qualit des prvisions en calculant, l'aide de la formule de Bayes (BERNIER et ULMO, 1973), une fonction de vraisemblance qui donne la loi de probabilit a posteriori des entres sachant que l'expert vient de fournir une prvision des entres futures (Figure 3-5).

pastel-00569481, version 1 - 25 Feb 2011

Entres densit f(Q)

Figure 3-3 : Loi conditionnelle


1.4. Commande optimale

1.4.1. La fonction d'valuation j Reprenons notre modle dynamique : x(t T 1) = f(x(t), u(t), t) te S avec u(t) e L'((x(t;,U) en dterministe. De plus, on se donne gnralement l'tat initial xr-> = xiO) pour t = 0. Nous recherchons une loi de commande de manire :

DEMARCHES DE MODELISATION

76

- atteindre un instant final T un tat final x(T) appartenant une cible fixe (par exemple, grer un systme de barrage jusqu' la vidange complte !). L'instant final T peut ne pas tre fix a priori ou tre rejet l'infini; - minimiser un critre J dpendant de la commande u(.) et donc de la trajectoire x(.) suivie et de l'tat final atteint. Ce critre J est additif par rapport la trajectoire et se met sous la forme : T-l

J(u(.)) =
t=0

L(x(t),u(t),t) + v F i n a l ( x ( T )> T )

Dans la suite de l'expos on appellera V/x^\ le minimum de J(u(.)) lorsqu'il existe, c'est le cot optimal venir sachant que l'on dmarre de l'tat xo t = 0. Dans ces quations, V,,. , le cot final, L le cot instantan. Final pastel-00569481, version 1 - 25 Feb 2011 En avenir alatoire, l'quation d'volution se met sous la forme: x(t + 1) = f(x(t), u(t), t, et) te N avec u(t) e U((x(t),t)) et le critre T-l ( \"* LYxm.um.ri L(x(t),u(t),t) + V^. ,(x(T),T)) devient aussi une variable \ Final t=0 alatoire. Nous recherchons une loi de commande u* de manire minimiser la valeur moyenne de la quantit prcdente sous la forme d'un critre J dpendant de la commande u(.) et donc de la trajectoire x(.) suivie et de l'tat final atteint. On adopte aussi dans ce cas un critre J, additif par rapport la trajectoire, en choisisant d'optimiser la valeur moyenne des performances possibles : T-l J(u(.)) = E { V L(x(t),u(t),t) + V_. .(x(T),T) j ^ Final t=0 o le symbole d'esprance mathmatique pone sur les et de 0 T. Notons qu'tablir une telle fonction de cot J additive et separable en cots instantans uniquement fonction de l'tat et de la commande, n'est pas chose aise. On trouvera dans l'Annexe 5 un essai de dfinition de fonctions L(x.u.t) pour les usages les plus courants des systmes hydrauliques. Signalons le cas particulier o l'instant final n'est pas fix et o L vaut 1. cas reiauf au problme de commande en temps minimum ou maximum. On peut ainsi, sur un systme dlivrant de l'eau pour l'irrigation, chercher maximiser la dure (ou la dure moyenne) pendant laquelle les fermiers pourront irriguer. On fera une place particulire au entere quadratique : L(x(t), utt), t) = (u(t) - u c u.)) R(t) (u(t) - u (t; \ + (x(t) - x c ii)) Q(t) (x(t) - x c (t)) o R et Q sont des matrices de pondration dfinies positives. De c:us, x ,(t) et u ,!t.)

DEMARCHES DE MODELISATION
77

fonctions du temps prdfinies peuvent s'interprter comme des valeurs de "consigne ' de la trajectoire et de la commande dont on dsire s'carter le moins possible. Le critre quadratique avec volution linaire est un cas o l'on sait mener les calculs explicites. 1.4.2. Le cas dterministe : principe du minimum Dans le cas particulier du modle gnral dterministe : x(t + 1) = f(x(t), u(t), t) x(0)= x 0 T-l ( x t ) . iirl. +V MinJ(u) = V L L(x(t), u(t), n t) + V_ ,(x(T),T) Fina
t=U

t G N u(t) 6 U(t)

On dfinit le co-tat p, p e v3\ , et l'Hamiltonien H du systme par pastel-00569481, version 1 - 25 Feb 2011 H(x, u, p, t) = L(x, u, t) + p.{f(x, u. t) - x} 3H p(t+l) = -(t) dx ^ Final (T) si le temps T final est fix, seul cas que nous P(T) = dx considrerons par la suite. Enonc par PONTRYAGINE et expos dans FAURE et ROBIN (1984) ou ALEXEEV, TIKHONUROV et FOMINE (1987), le principe du minimum sous des hypothses de rgularits des fonction L et f exprime que pour, que la commande u soit optimale, il faut: 1) qu'il existe un tat adjoint p(t) tel que : fdV

du
p ( t + 1) = - U ) dx
i ,. _. rinal p(T) = ; f.T) dx
5 V

2) que la fonction H atteigne en tout instant sur U(t) son minimum en


u tt).

L'ide essentielle contenue dans ce principe du minimum est que i'on remplace un problme dynamique d'optimisation par une suite de minimisation d'une fonction H sur un espace dtermin pour un temos t fix ( le domaine des commandes admissibles a :. u e U(t)).Ces conditions ne sont pas suffisantes, la solution obtenue, il faut vrifier qu'elle fournit bien un minimum.

DEMARCHES DE MODELISATION

78

On peut exploiter directement le principe du minimum pour construire une commande optimale par une mthode de "tir". On dmarre avec une commande u '(t) qui nous donne une premire trajectoire x (t) par l'quation rcurrente en sens avant :
x(0) = x Q

x ( t + l ) = f(x(t),u (1) (t), (t)) et connaissant alors x (t), le co-tat p (t) peut alors tre calcul d'abord en T par l'quation :
V

P(T) = p 5 ! (T) dx puis, de proche en proche, par l'quation rcurrente en sens arrire : pastel-00569481, version 1 - 25 Feb 2011 p ( t + l ) = - ^ ( x ( 1 ) ( t ) , u ( 1 ) (f),p ( 1 ) (t), t) dx On peut alors chaque instant t former la fonction H(x^ '(t), u(t), p (t), t) et calculer la commande uv (f) qui minimise H pour recommencer le cycle des itrations jusqu' convergence. PAPAGEORGIOU (1985) a ainsi mis en uvre ce genre de mthode pour estimer la commande optimale d'un systme de barrages-rservoirs. Le calcul du co-tat, qui dans le cas gnral reprsente le gradient de la fonction critre d'valuation cumule sur le futur, permet d'expliciter, chaque instant t, les drives du critre selon la commande 3H par (x(t), u(t), p(t), t) et, donc, de mettre en uvre des mthodes itratives de du descente vers le minimum du critre selon la direction du gradient. Le principe du minimum a deux inconvnients majeurs. Tout d'abord, il nous fournit une commande en boucle ouverte t u(t), alors que pour une rgle de gestion. nous souhaitons une commande en boucle ferme (x, t) u(x,t). Ensuite, pour le cas o interviennent des variables alatoires et o la variable d'tat est alors aussi alatoire, le principe du minimum nous laisse dmuni: et mme si, comme nous le verrons par la suite, on peut l'utiliser pour calculer un gradient dans le cadre d'un algorithme de gradient stochastique, nous ne rcuprons pas une commande en boucle ferme. 1.4.3. Le cas alatoire: recours au gradient stochastique 1.4.3.1. Conditions d'application du radient stochastique Cet algorithme a t formul l'origine oar MONRO et ROBB1NS1951 ). On considre une fonction reelle aoenaant d'une variable reelle u et d'une vanaoie alatoire co : (u, ce) JCu, oo)

P-

DEMARCHES DE MODELISATION 79

et on cherche minimiser :

J(u) = E{I(u, CD) } = j I(u, co) M-(dcD) o (i est la mesure de la loi de probabilit de la variable CD. L'algorithme du gradient stochastique consiste effectuer une suite de tirages indpendants (CD ) de la variable w et faire voluer la variable optimiser u selon la formule de rcurrence : k+1 u k ~~*, T/ k = u - p, . grad J(u , CD, j

o le gradient du critre est calcul selon la variable u tirage CD,, fix. pastel-00569481, version 1 - 25 Feb 2011 On prend p, vrifiant :
oo oo

DODU et al. (1981) ont montr que sous les hypothses : - u est dans un convexe de 3 , - le gradient est born pour tout u et tout CD, - J est convexe continue en u pour tout CD, - il existe une constante c telle que si u dsigne l'argument du min J ](u) - J > c ! I u - u I ! L'algonthme donne des valeurs de u qui conversent en movenne uuadratiuue vers 1 u et l'on obtient une vitesse de conversence en ~ . vn 1.4.3.2. Utilisation du gradient stochastique pour ie principe du minimum * L'application a un problme dynamique stocnasnque ou : x(t+l) = f(x(t), u(t), CDt, t) s'effectue en dfinissant la grandeur alatoire co comme ia srie des perturbations locales C D = (Ct)te\\j] et la fonction 0 par :
*,. ~>

DEMARCHES DE MODELISATION SO

I (u(), co) =

TYxfrV L(x(t), u( u(t), t\ t) + +V V_

t=0 de teile sorte que: J(u())= E ( l ( u ( ) , co)) co

_,(x(T), T) Final

L'application directe de l'algorithme ne pose pas de problme particulier. Aprs tirage de la variable alatoire dcrivant en gnral l'hydrologie du systme, la dynamique est dterministe, et en dfinissant l'tat adjoint co fix par : df dL p(t + 1) = - (x(t), u(t), co, t). p(t) - (x(f), u(t), t) ox ox

av .
pastel-00569481, version 1 - 25 Feb 2011 P(T) = - ^ dx (T)

Le gradient du critre est facilement calculable, d'aprs le principe de Ponmaguine et a pour composante en t : fdL 3f < (x(t), u(t), t) + p(t). (xt), u(t), co, t) [du du L'algorithme du gradient stochastique peut alors tre appliqu pour converger vers une commande u(t) optimale en avenir incertain. Hlas, cette mthode fournit une commande en boucle ouverte! Il faut donc d'abord dfinir une classe restreinte de commandes en feed-back sur l'tat ne dpendant que d'un petit nombre de paramtres, et rechercher dans cette classe rduite l'optimum par la mthode du gradient stochastique. DODU et al. (1981) ont appliqu cette mthode pour optimiser la gestion des investissements dans un rseau lectrique, FAUCHET (1988) l'a utilise pour la recherche d'une rgle de gestion linaire optimale stationnaire d'un barrage destin l'irrigation et l'adduction d'eau potable.

1.4.4. Le principe de Mass-Bellman La programmation dynamique offre l'avantage par rapport aux techniques prcdentes de calculer, pour tout tat possible du systme, quelle peut tre la meilleure squence de dcisions : autrement dit, elle procure une commande en feed-back, vritable rgle de gestion, qui permet de donner un tableau de consignes. Elle permet, en outre, ae prendre en compte des fonctions objectifs non linaires ou non linansables. Nanmoins. elle pose de gros problmes numriques : accroissement exponentiel de memoire en fonction du nombre de pas explors, pene de prcisions par propagation rcurrente des erreurs, ncessaire discrtisation des valeurs des tats et des dcisions pour le calcul sur ordinateur. YAKOW1TZ (1982) a propos un tat de l'an sur la programmation dynamique applique la gestion des ressources en eau.

DEMARCHES DE MODELISATION 81

/ .4.4.1. La programmation dynamique en temps discret Il s'agit de trouver une squence de lchers u(t, x(t)) tels que : x(t+ 1) = f(x(t), u(t), t) te N quation de transition des tats dcrivant la dynamique du systme, et o n'intervient pas l'aspect alatoire.Si les apports et les demandes ne sont pas supposs connus, on se place dans le cas stochastique, en intoduisant d'une faon gnrale les perturbations (t) qui influent sur l'quation d'tat. On crit cette fois l'quation dynamique : x(t+ l) = f(x(t), u(t), t, C(I)) L'tat comprend la mmoire des processus alatoires de telle sorte que les ox't) peuvent tre choisis indpendants. On veut minimiser le critre : pastel-00569481, version 1 - 25 Feb 2011 J(u())= Inf E (u(t)) ico(t). fT-1 Y LU, u, t) + V
^i

Final

1 (xiT), TA J

lt=0

l'tat initial x^ tant donn (au moins en probabilit). L'esprance mathmatique pone sur les j u) 1 . Par la suite, on considrera le cas dterministe comme un cas particulier du cas stochastique en posant pour tout t, var co = 0 et en ne tenant pas compte de l'oprateur esprance. Le critre : fT-1 J(u())= Inf E V L(x,u.t) + V,. (x(T), TV. Hnal (u(t)) ((t)} | t ^ g est un critre de cots de transition additif minimiser entre l'instant t et l'horizon T o l'tat est x(T), avec des conditions ventuelles aux limites et sur es domaines de variation des x(t) et u(t), en gnral : xmin <x(t)<x max umin <u(t)<u max La technique de programmation dvnamique utilise (voir FAURE. 1979) le Drincipe d'optimalit de BELLMAN ( 1957) : " Une suite de commandes optimates dans un processus d'optimisation dynamiaue est telle que quels que soient l'tat et l'instant considrs sur une trajectoire optimale, les commandes ultrieures constituent pour le problme ayant cet etat et cet instant comme lments initiaux, une suite de commandes optimales..."" Supposons que l'on puisse rsoudre le problme de t+1 T. ^vec un cot optimal pour cette squence [t+1, T] dpendant de l'tat de dpart xu - \ :

DEMARCHES DE MODELISATION 82

T-l V(x(t+l),t+l) = Inf E ( Y L(x(T), u(T), T) + V_. ,(x(T), T) Final u {(t)} ^ t=t+l c'est dire : r T-l l-l V(x(t+l),t+l)= Inf j J Y L(x(x), u(i), x) + V .(x(T), T) U i o ,
,, u A Q 1 ^ T=t+1 Final f

o Q. dsigne l'espace de probabilit et u. la mesure de probabilit de (t).La fonction V est dite fonction de Mass-Belman pour le problme. Notons qu'ont t laisses de ct les questions de commandabilit, c'est dire qu'avec ces conditions initiales, on suppose que l'on puisse atteindre le point (T, x(T>) par au moins une commande u(t) , 0 < t < T . pastel-00569481, version 1 - 25 Feb 2011 On peut crire cette formule en supposant le problme rsolu de t T avec un cot V(x(t), t) sous la forme recursive suivante : V(x(t), t) = min min E T-l L(x(t), u(t), t) + y L(x(t), u(T), T) + V . (x(T). T)

Comme L(x(t), uft), t) ne dpend pas des commandes ultrieures, il vient : V(x(t), t) = min E L(x(t), u(t), t) + V(x(t+1), t + 1) u(t) {co(t)) et, avec ces notations, en faisant apparatre explicitement la dpendance de x(t + 1) avec x(t), u(t) par l'quation d'tat rcurrente de premier ordre, il vient alors : V(x(t), t) = min EfUx(t), u(t), t) + V(f(x(t), uft), t. c(t)), t + 1)) u(t) Comme on sait qu'au temps T on a V . (x(T), T) pour cot aux limites, la Final rsolution squentielle propose par la programmation dynamique consiste : - intgrer l'quation de Mass-Bellman partir de ses conditions aux limites; - trouver la commande en boucle ferme et l'utiliser pour calculer la fonction de Mass-Bellman au pas de temps o l'on se trouve; - ce dernier calcul donne une nouvelle condition aux limites, ce qui permet d'itrer le calcul. A chaque tape on effectue une esprance mathmatique en dconditionnant la Pertubation sur son passe, c'est pourquoi ces calculs se font en sens rtrograde7 par rapport au temps (on progresse du futur vers le pass).
' Ne pas procder en sens rtrograde pour rsoudre l'quation de Masse-Beilman n'est lgitime qu en situation dterministe. Cela peut avoir comme avantage de ne conserver que les tats accessibles depuis x pour calculer la rgle de gestion. De fait, on peut tablir des formules de Mass-Bellman analogues en inversant le sens du temps sous la seuie rserve que l'quation dvolution puisse s inverser aussi sous la forme : x(t) = hlxit + 1), uit), i)

DEMARCHES DE MODELISATION

S3

<y

--O
i+

-, t

pastel-00569481, version 1 - 25 Feb 2011

Calcul du Cout : C (S(t)} optimum

(s(t+1)=S(t)-D(t)

= ODt {cout instantan(S(t),D(t)) ot + C {s(t+1)} optimun

Exemple de i r a j e c t o T r e { D o p t 1 m u m
F i t> ure 3- Principes ae la nro<rammaan avnamiaue

DEMARCHES DE MODELISATION

84

Cette technique calcule donc, pour chaque tat du systme et chaque instant, la politique optimale suivre (ce qui permet donc de se recaler sur la trajectoire si on s'en est accidentellement cart). On peut proposer une traduction de l'quation de Mass-Bellman en termes d'quilibre conomique pour le systme un barrage unique. Exploitons la structure particulire de l'quation de transition entre les tats dans ce cas : x(t+ l) = x(t)-u(t) + q(t) dx(t + 1) soit : du 9L dV - (t) = (t+1) en rsolvant l'quation de Mass-Bellman quand u est du dx dh non contraint avec = -1. 9u Ceci traduit le fait que l'optimum se produit l'galit des deux quantits : - utilit marginale immdiate d'un consommateur d'eau qui demande un lcher u; - utilit marginale potentielle qu'un fournisseur d'eau attend du stock x qu'il possde et des stocks d'eau venir. On obtient, partir des fonctions de cot marginal, un calcul rcursif des dcisions optimales dans le cas de fonctions de cot convexes diffrentiables. MESLIER et SANDRIN (1981) exposent les principes et avantages de cette mthode (programmation dynamique marginaliste) dans leur article, notamment quant aux problmes de prcision : en travaillant sur les drives, on manipule des quantits qui restent du mme ordre de grandeur, tandis qu'en programmation dynamique classique, les valeurs de la fonction de cots cumuls ne restent pas commensurables avec les gains instantans chacune des priodes. 1.4.4.2. La programmation dynamique en temps continu Considrons la modlisation en temps continu d'un problme du type rservoir unique comme sur la Figure 3-1. Supposons que la sn des apports Q sou representee par un processus de diffusion. dQ t = p(Q t ,t)dt + ^ G 2 t d \ v t o W est un processus de WIENER. Le fonctionnement du barrage est rgi en continu par i'ouanon : variation de stock = apport - sortie avec u , commande de lcher, ce bilan se traduit par : , = -1

pastel-00569481, version 1 - 25 Feb 2011

DEMARCHES DE MODELISATION S5

dS

dF

= (

Vut

On a d'autre part les conditions de contraintes supplmentaires : S*>S > S


t

d >u > d . t * o [S , S+] et [d , d ] sont les intervalles de variation du stock S. et du dbit dr, ventuellement indexs par le temps. Finalement, on voit que l'tat xt = (St,Qt) vrifie une quation diffrentielle linaire stochastique deux dimensions du type : dx = f (x ut, t)dt + a t dW pastel-00569481, version 1 - 25 Feb 2011 On cherche la squence de lchers (u J en feedback sur l'tat qui minimise le critre : T J(u())= E { f L(t, QT, S r uT)/ Qt; t; SJ di + V Finalv x(T),T)}
T=t

En posant : T V(t, S ; Q ) = INF (E { f L(t, Q ST, dT)/ Q t, S ])+ V F m a l (x(T).r

lO

J
t=t

La thorie de la commande optimale prouve que u est. a tout instant, tel que :
V mf 0 = V -pt. v o 0 - G^+ d.<u<d < l i v ^ " - 0 ^V L ( L Q S u

"

r; H^>~

aJ

V,, V VQ, VQQ dsignent les drives partielles par rapport chacune aes variables concernes. Des considrations heuristiques peuvent tre facilement dveloppes pour valider cette affirmation. En effet, considrons un petit accroissement At narrir du temos :. On a alors : t+At Vit, St; Q j = INF (E f f L(t, Q,, S., J j / Q t. S.

DEMARCHES DE MODELISATION 86

f L(t, Q T , S x , d T )/ Q t , t, S t }+ V Final (x(T),T)})

T=t+At soit, en effectuant un dveloppement limit jusqu'au deuxime ordre, l'quation de Bellman : V(t, S ; Q > I N F (E {Lit, Q,, S devient : V(t, S ; Q )=INF (E {L(t, Q t> Sx> d )))At) + V(t, S ; Q )V At + gradx(V). Ax 4 (u t ) d )))At} + V(t, S
A

))

i
4 Ax' ( pastel-00569481, version 1 - 25 Feb 2011

a2v

). Ax ). 3xi3xj En utilisant l'quation d'volution: Ax = fAt -t- a AW + o(At) avec AW suivant une 32V N(0,1 At), on remarque que la quantit Ax' ( ). Ax donne naissance un terme
3X3XJ

en var {dWtj qui est de la dimension de At (rgle d'Ito) ; il apparat donc un terme du deuxime ordre d a la variance du processus de diffusion. Aprs "limination ' des termes V(t, S.; Q ) et "simplification " par At, il reste finalement :
t t

0 = Vl + Pt . V Q 4 v Q Q . a J + d

rf

{L(t, Q t , S t , u t ) + ( Q f u t ) . V s }

avec la condition aux limites: V(x(T),T) = Vpinal(x(T),T) Les solutions de cette quation aux drives partielles permettent de trouver une solution en feedback qui est la rgle de dcision adopter. Utilisant ces modles en temps continu, un systme expert de formulation et de rsolution a t mis au point par GOMEZ, QUADRAT et SULEM (1982). L'utilisateur fournit un sous-programme dcrivant les paramtres de son problme. Le systme-expert gnre des programmes Fortran, rsoud l'quation de Mass-Beilman et recherche le contrle optimal en slectionnant les mthodes appropries. Un rapport final est dlivre l'utilisateur. Dans la partie 4 de ce rapport, nous avons utilis une mthode semblable pour dgager des rgles de gestion journalires optimales sur le cas de la Seine, qui ont calcules numriquement en utilisant un schma de discrtisation explicite.

1.4.4.3. Limites de cette approche Le problme du calcul pratique de la gestion optimale de rservoir par programmation dynamique en avenir certain est un proDlme de discrtisation aes tats et des dcisions pour le calcul sur ordinateur. Il faut une discrtisation suffisante pour obtenir une prcision acceptable, mais pas trop importante cause des temps de caicui et d'encombrement mmoire qui en rsultent. On voit en effet sur la grille de la Figure 3-6, qu'en l'absence de techniques de limitation d'exploration du domaine des tats admissibles, chaque pas de temps, s'il y a N tats possibles et T pas de temps, ie nombre d'oprations de comparaisons lmentaires pour rechercher la politique optimale pour un tat donn est N'~ '. Diverses techniques possibles d'optimisation dynamique

DEMARCHES DE MODELISATION

87

avec application au rservoir Seine ont t testes par MIQUEL et ROCHE (1984),.GOUSSEBAILLE et ROCHE (1986). Citons notamment : - la programmation dynamique avec interpolation : on vite ainsi une trop grande discrtisation en interpolant pour calculer ies fonctions de cot; malheureusement on gnre des erreurs qu'on ne peut contrler: - les mthodes fondes sur une procdure itrative de discrtisation : * programmation dynamique discrte laquelle on ajoute un ou plusieurs derniers passage avec une maille de discrtisation plus fine autour de la trajectoire finale obtenue; * programmation dynamique incrmentale. On part d'une trajectoire acceptable compte tenu des contraintes. On cre un tunnel autour de cette trajectoire (+ ou - un pas de discrtisation). On recherche dans ce tunnel une trajectoire meilleure que celle de dpart, que l'on utilisera pour boucler le processus jusqu' stationnante. Cette mthode a t critique par.TURGEON (1982) qui montre que ia trajectoire finale obtenue dans le cas d'un pas d'incrmentation constant n'est pas ncessairement optimale; - les techniques restreignant le domaine explorer : c'est par exempie le cas de la mthode des limites convergentes, qui chaque pas d'itration resserre un tunnel limitant de plus en plus les valeurs admissibles des lchers (en effet, on table sur une certaine "continuit " des dcisions), sous rserve que le lcher optimal ne vienne pas buter sur la frontire de ce tunnel, auquel cas on relche un peu cette contrainte artificiellement ajoute d'un pas de calcul sur l'autre); - la programmation dynamique diffrentielle. JACOBSON et MAYNE(1970) lui ont consacr un ouvrage entier. La technique consiste quadrariser ies fonctions de cot instantan autour d'une trajectoire de rfrence, et utiliser les proprits particulires de la commande optimale du systme linaire quadratique que nous tudierons prochainement; - le principe du minimum. C'est l'outil de calcul variationnel gnrai qui fournit une solution en boucle ouverte prsente prcdemment. 1.4.5. Applications directes de la programmation dynamique / .4.5.1. Cas linaire quadratique Gaiissien non contraint Ce cas trs particulier se rsume comme suit : dans le cas o ia commande est non contrainte (ainsi que l'tat), lorsque la fonction de cot instantan est une forme quadratique et que l'quation de transaction est une forme linaire de l'tat de la commande et de la variable alatoire extrieure gaussienne, alors le contrle optimal es: un feed-back linaire sur l'tat, calcul sur la valeur moyenne de la variable alatoire. Nous l'illustrerons d'abord sur un systme temps discret puis sur un systme a temps continu.

pastel-00569481, version 1 - 25 Feb 2011

1.4.5.1.1 Systeme LOG en temps discret Plaons-nous en temps discret et prenons pour exemple le cas du fonctionnement d'un systme de rservoirs qui se traduit par i'uuation d'volution linaire : xt+i = F -'<t + G Lir + Vv'r

DEMARCHES DE MODELISATION

88

Dans le cas d'un seul barage, F = 1 et M = -1, dans le cas de deux barrages en srie analogue au schma de la Figure 3-7 ci-aprs, on a:
Sr =

S(t)
S(t)

= F-( i > .")


J

( d

Dt =

(0
- (

,2 d(t)

1 0 \ i -i ;

pastel-00569481, version 1 - 25 Feb 2011

Figure 3-7: Exemple de 2 barrages i) Supposons tout d'abord que ies Wi. W2,. ..'Vt, indpendants, Wr est une variable alatoire que l'on mettra sous ia forme : Wt = ll t -f t ou E(Wt) = Llt Pour optimiser la fonctionnelle : oient

DEMARCHES DE MODELISATION

S9

J(u()) =

E{JjLx(xx,ux)}
T=t

on appelleVt(xt) l'optimum et on cherche rsoudre l'quation de Mass-Bellman : Vt(xt) = " t E { L t (x t , u) + V t+ Ux t + Gu + li t + t ) } ce qui se traduit, lorsqu'il n'y a pas de contraintes actives :

3xt+l

du

Trouver u partir de cette quation n'a en gnral rien de facile. L'exception la plus notable est lorsque la fonction de cot L est une fonction quadratique, par exemple : L(x, u, t) = (x - x ) pastel-00569481, version 1 - 25 Feb 2011
Q(X

- x ) + (u - u )

R(U

- u)

o Q, R sont des matrices dfinies positives dpendant essentiellement du temps, et x et u sont la trajectoire et la commande de rfrence. On peut alors montrer par rcurrence que V est une forme quadratique en x et que la 3V commande optimale est linaire en l'tat u(t) = A x(t) + B. En effet () est une fonction dx dVt+l linaire de x, si bien que E( ) ne fait pas intervenir le terme (t) de faon explicite. 3x t +i mais uniquement par sa moyenne qui est nulle. Donc, la commande n'est pas affecte par l'incertitude et est une fonction linaire de l'tat xt, identique celle obtenue sur la trajectoire moyenne en posant Et = 0. Ceci est encore appel le principe de l'quivalent certain. L'quation fonctionnelle de Mass-Bellman permet de calculer de proche en proche ces coefficents. Si V(x(t), t) = x(t)* V (x(t)), on a, avec x = = 0
iVX A. = -R t" t

qv 't+1
1 G

v t = v . i - Q t + V i 0 ^ ;

tVrVi

v a r

,v

- t+i

2) Supposons maintenant que les Wt ne soient pius indpendants, mais qu'ils soient Gaussiens et mmoire finie ( phnomne physique de causalit), ils suivent alors une quation d'tat :
Wt = { ( W t - i , W r O ^ - . W t - ' r J - Llt - Et

o (i>t represente ia partie de l'esprance conditionnelle de Wt- connaissant son passe. .:ee uniquement ce pass jusqu' un certain retard k qui represente ia mmoire de ia physique du phnomne. Dans le cas gaussien. on sait que cette relation est linaire (forme autorgressive avec k coefficients due a la projection du futur sur ie passe) de teile sorte qu'en considrant le nouveau vecteur d'tat :

DEMARCHES DE MODELISATION 90

xt = (St,WM,W t -2, ...W t -k) on peut crire l'volution du systme sous la forme : *t+l = (H *t + G ut + M t + Et o (j)t et G sont des oprateurs linaires. On retrouve formellement le cas prcdent et ses conclusions. 1.4.5.1.2. Systme LQG en temps continu Reprenons la modlisation en temps continu d'un problme du type rservoir unique comme sur la Figure 3-1 avec un tat de dimension 2, xL= (S t , Qt) dont l'quation dynamique d'volution est dfinie par les relations : dQ t = p(Q t ,t)dt + -y/3^d\V t pastel-00569481, version 1 - 25 Feb 2011
dS
n

o W est un processus de Wiener, avec un critre : J(u())= E { f L(t, Q x , S r uT)/ Q t ; t; St) dx + V Final (x(T),T) x=t ce qui, pour trouver la rgle de gestion, nous mne rsoudre l'quation : 0 = V t + pt. V Q + 2 V QQ- o;+inf{L(t, Q[5 St> y V(x(T),T) = VFinai(x(T),T) Vq, V , V/-v, V(-\r\ dsignent les drives partielles par rapport chacune des variables concernes. On peut pousser plus loin les calculs de faon explicite si on suppose que la fonction de cot est quadratique et qu'aucune contrainte ne limite le domaine des tats ou celui des commandes. A titre d'illustration et pour simplifier les calculs, imaginons que la fonction p soit une constante (apports indpendants), si bien que l'tat devient de dimension 1 (on n'a plus garder en memoire l'apport Qt qui conditionnait auparavant le devenir du systme) On pose donc xt= S t et l'quation d'volution devient : dx = ( -u 4- p) dt + GdWt Supposons d'autre part que le critre optimiser soit : + ( Q f u t ). \
$

f
Min J(u(.j) = Min< E

7r
|

;
J

: ( u - u , j - - < x-x,,,~1 <it ^ m e ' 1 ^

i
v w

=*
' t e [0, T]

Le minimum vYxn\ est calcuier pour u(t) Par la technique prcdente on obtient donc l'quation aux crives partielles :

DEMARCHES DE MODELISATION ^1

+Min (Q-u)+(u-u n ) 2 + (x-x n ) 2 -rV H Une solution en feedback u est donne par : * l3V
*

av

dw

o)

1a _ v -
T

(T = 0

3x si bien que ceci nous amne pour l'esprance de la fonction cot venir V :

av av
at ax o

i av
4

">

+ Q-un ) - -

9 13"V i + (x-x n )~ -rV + a " = 0 ~ 3x-

-,'?.

Ceci est une quation dite de Riccatti dont la solution peut tre calcule en posant : V(x(t),t) = a(t) x(t)~ + bit) x(t) + c(t) Pour le cas : r =0 = u^= x~, les fonctions a(t), bit), c(t) doivent vrifier les

pastel-00569481, version 1 - 25 Feb 2011

quations : a+1 - a 2 = 0 ; a ( T ) = 0 b -ab +2aQ = 0 ; b(T) = m c - \ b 2 + a 2 a + Qb = 0 ; c(T) = 0 On peut exprimer les solutions sous la forme : aft) = tanh(t-T)) b(t) = 2Q+(m-2Q) cosh(t-T) T c(t) = - j { \ b 2 ( x ) - a 2 a ( x ) - Qb(T) } dx t La dcision de lcher peut tre interprte en termes de compromis entre les apports et le stock si on l'crit sous la forme: u = tanh(t-T) x(t) +Q (1- cosh(t-T) - m cosh(t-T).

On remarque que ia nature stochastique des apports n'apparat pas dans cette quation qui serait identique si a valait zro ( principe ' ; T'quivalent certain''). Jeci est un rsultat tout fait gnral pour des s., ternes de dimensions pius grandes sous rserves que : - aucune contrainte ne limite les variables d'tat ou de commandes. - la fonction de cot est une forme quadratique en l'tat et la commande, - la dynamique du systme est reprsente par une quation linaire aes tats, ues commandes et des variables alatoires, - la stochasticit est la consequence de chocs Browniens, ce qui fait au avec l'hypothse de linarit les variables alatoires sont des processus ae type GaussMarkov. On obtient alors dans ce cas des rgles ae gestions en feedback en procdant la rsolution d'quation matricielle de Riccatti.

DEMARCHES DE MODELISATION 92

1.4.5.2. Gestion de stocks Le problme simple et standard d'un rservoir soumis des apports Q(t) et une demande B(t) alatoire obit la dynamique suivante : x(t + 1) = Max(x(t), - u(t) - B(t) + Q(t), 0) Si le cot instantan se dcompose de la faon suivante : - un cot fix de "commande" valant c, si u > 0, 0 sinon; - un cot proportionnel a, u; - un cot de stockage c, x(t + 1); - un cot de dfaillance c< Max(0, B(t) - Q(t) + u(tj - x(t)). On peut alors montrer que la stratgie optimale stationnaire est de la forme : u(t) = Q(t) - B(t) - x(t) u(t) = 0 sinon pour une constante k fixe (politique de gestion de type S-s d'aprs DENARDO. 1982). Ces proprits ont t exploites pour rechercher a priori l'allure des rgles de gestion optimales dans le cas de ces objectifs particuliers (GESFORD et KARLIN (1958), RSSEL (1972)). 1.4.5.3. Recherche d'une politique stationnaire Jusqu' prsent les objectifs poursuivis avaient t crit pout un horizon de gestion T fini. Les outils de la programmation dynamique permettent des extensions des problmes du type: Trouver une squence de lchers u(t, x(t)) tels que : x(t+ l) = f(x(t), u(t), 0)(t)) quation de transition des tats dcrivant la dynamique du systme que l'on suppose cette fois de structure indpendante du temps. On veut minimiser le critre avec un cot instantan L ne dpendant plus explicitement du temps : si x(t) < k

pastel-00569481, version 1 - 25 Feb 2011

J(u())= Inf lim E { y ~L(X[, ut) {u(t)} T -> o {(t)i t=U ^-' avec x(0) = xn Ce genre de critre se rencontre lorsque l'on gre un primtre un gu partir d'un rservoir et que le gestionnaire du primtre souhaite trouver une stratgie de gestion lui fournissant le revenu agricole interannuel le plus lev possible. Plaons nous dans le cas d'un systme de gestion de ressources en eau temps et tats discrets. Dsignons pour ce cas les tats par les indices i allant de 1 N et les dcisions possibles par les indices k allant de 1 K. En toute gnralit on oeut noter :

DEMARCHES DE MODELISATION
93

- : la probabilit de transition de l'tat i l'tat j sous l'influence de la prise de dcision k, L" : le cot immdiat de cette transition i-^j lorsque la dcision k est choisie. N k ''T^ k k - q- = \ f-- L-j l'esprance mathmatique du cot d'une phase de j=l transition sous la commande k lorsque le systme est dans l'tat 1, - V(t) : l'esprance mathmatique des cots jusqu' la phase t. La formulation classique du problme de minimisation des cots sous forme de programmation dynamique dans l'incertain serait : pastel-00569481, version 1 - 25 Feb 2011 N Vj (t + 1) = Min ^ f TLJJ + VjCt) k j=I N V i ( t + l ) = Min (qf + ^ j j V j i t ) ) k j=l et permettrait ainsi de dterminer chaque transition de priode la dcision k adopte:" HOWARD(1969) a montr que la trajectoire optimale devenait stationnaire long terme, quel que soit l'tat de dpart, c'est dire qu'il existe une correspondance indpendante du temps entre l'tat du systme et la dcision prendre pour minimiser l'accroissement des cots long terme. De plus, il fournit un algorithme de recherche de cette politique optimale stationnaire de la faon suivante : 1) recherche d'une valeur de l'accroissement des cots. On dmarre avec une premire rgle de gestion, c'est dire que l'on suppose ia liaison i > k(i) fixe. HOWARD montre que l'on a alors : vj\n) = vj3 + A n

o V- est une valeur transitoire du dmarrage de la procdure. L'auation :

V (n) = V + A n =

>

:;i

)A

DEMARCHES DE MODELISATION
94

donne vf
+

nA = q| + 2 ( f|rvO] + ,n-l)A

d'o

^lK
A=QTy

fT: f V? - V A
1

Cet ensemble d'quations permet le calcul de A et des valeurs relatives des V- ; 2) amlioration de la politique : avec les valeurs relatives V- trouves pastel-00569481, version 1 - 25 Feb 2011 prcdemment, on recherche une nouvelle liaison : i >k'(i), fonction de dcision qui minimise :

A(k)

et on ritre la procdure partir de la recherche de A jusqu convergence. On trouvera dans CHEVALIER ( 1972) des exemples illustratifs. Cette technique d'HOWARD est intressante plusieurs titres : - elle montre que dans le cas d'un systme markovien de dcision temps discret et tats discrets, il existe une politique stationnaire optimale: - elle offre une technique facile mettre en uvre du point de vue numrique car l'algorithme est itratif sans "maldiction dimensionneile", et ceci permet donc, sous rserve de se placer dans un cadre markovien, de traiter des vecteurs d'tats plus importants en augmentant la dimension d'espace (cas de plusieurs rservoirs interconnects) ou en augmentant la dimension de temps (conditionnement remontant plus loin dans le pass). Le fait de considrer des rgimes d'apport saisonnier et crreles augmente le rang du modle et introduit de nouvelles variables d'tat: - les proprits asymptotiques des chanes de Markov (rgime asymptotique, tat absorbant, frquence de passage dans un tat et dure de sjour moyen) s'interprtent facilement pour un barrage rservoir.

2. PRATIQUES COURANTES DE MODELISATION POUR LA GESTION DE BARRAGES 2.1, Le fil tendu Si la paternit de ce calcui variarionnel revient RIPPL(1883), c'est VARLET(1966) qui a vraiment donn l'essor cette technique, longtemps balise pour dimensionner des rservoirs partir de chroniques historiques. Dans ce mmoire, nous avons transform cette technique pour l'utiliser en gestion en la couplant avec un gnrateur de sries d'apports simuls (voir partie 4. le cas de la Seine). En fait, ses conditions d'application sont les suivantes :

DEMARCHES DE MODELISATION 95

* On est en avenir certain. La taille du rservoir est fixe. Aucune contrainte ne porte sur les lchers. On considre le systme barrage unique de type: dx -T- = -u(t) +Q(t) u tel que x . < x(t) < x dt w New M v> min max * La fonction de cot immdiat ne dpend ni du temps t, ni du stock x(t) mais uniquement de la dcision de lcher u(t). Elle est suppose convexe diffrentiable. Les rsultats sont les suivants : - le lcher optimal est constant par morceaux; - les ruptures de pentes se situent la saturation des contraintes : x(t) . v = x ' max , x(t) = xmin On peut retrouver rapidement ce rsultat partir du principe du minimum. pastel-00569481, version 1 - 25 Feb 2011 Ici, par hypothse, on a L(x, u, t) = L(u). L'Hamiltonien s'crit: H(x,p,u,t) = L(u) + p ( -u+Q(t) ) En rgime non contraint les quations fondamentales sont : dL u(t) tel que min H c'est dire p(t) = (t) du

H_ d-o
dx""* dl _ . x dx - = -u + Q ( , ) = Hors saturation des contraintes x(t) = x ou x('t) = x la trajectoire optimale
J r max min est donc cot optimal marginal p = constant, on en tire que u, la vitesse de lcher, 3x

est sur ces plages une constante donne par u =! (p) i L(t) est monotone 1 du croissante). Lorsqu'il y a contraintes, les contraintes sur les tailles de stocks extremes changent ce cot marginal, mais ne modifient pas le principe de raisonnement. On en dduit donc la classique rgle du fil tendu. Elle montre en particulier qu'en avenir parfaitement connu, le lcher optimal est la fois "conditionn" par son passe et par son futur, aussi loin qu'aucune contrainte de stock n'est sature. Cette technique a t farouchement dfendue par Klemes (1979). Celui-ci a soulign trois avantages principaux pour cette technique: -"solution of a simple policy-optimization problem requires about an now or two by linear programming, a few minutes by dynamic programming, ana a few Hundreds ut a second by the stretched-thread..., -while the linear programming and the dynamic programming solutions iiaxe a limited accuracy depending on the coarseness of discrete representation of the storage and draft ranges, the stretched-thread method yields the solution with a maximum accuracy possible since no discretization is emploxea.

DEMARCHES DE MODELISATION 96

-while the time requirement for the dynamic programming solution grows with an increase in reservoir storage capacity, it decreases in the case of the stretched-thread method thus defying the curse of dimensionalities". Et il ajoute en conclusion : "both the dynamic and linear programming of optimum reservoir operation policies... still have a long way to match a 55-year old mass curve technique in terms of exactness, accuracy, as well as computationnal efficiency." 2.2. Rgles empiriques par courbe objectif de remplissage Comment gre-t-on en pratique les rservoirs ? Le gestionnaire suit en gnral quelques rgles pratiques de bon sens. D'abord, on effectue une observation continue des niveaux dans les rserves et les rivires pour juger de la situation actuelle. 2.2.1. Dtail de la reprsentation d'un rservoir pastel-00569481, version 1 - 25 Feb 2011

dbordement c r t e m e n t des c r u e s plage de fonctionnement normal

I
4

tiage zone inactiue

uanne de fond

Figure 3-8 : Zones dans le rservoir On distingue dans le rservoir (voir aussi Figure 3-8) : * une zone de fonctionnement normal (que l'on suppose satisfaire le meilleur compromis de rgulation) o se situe l'tat idal du rservoir et qui permet une certaine marge due aux alas hydrologiques autour de cet tat idal. * une zone d'crtement des crues qui permet de faire face des crues. :i faut alors augmenter le volume des prlvements. Au dessus de cette zone, il y a dbordement. * une zone de restriction : si l'on entre dans cette zone, c'est un signai d'alarme pour rduire les lchers au minimum vital. Des restrictions dans les usages doivent alors tre envisages.

DEMARCHES DE MODELISATION
97

* une zone inactive sous le niveau de la prise d'eau accessible ou non par pompage, utiliser en ultime recours et conserve galement pour des raisons cologiques. On dfinit de la mme faon une rpartition de zones de la rivire au point de contrle (zone de rserve, dbordement, hautes eaux, fonctionnement normal, basses eaux, zone de risque d'asschement) (Figure 3-9).

crues hautes eaun plage de fonctionnement normal


pastel-00569481, version 1 - 25 Feb 2011

basses eau

asschement

Figure 3-9 : Zones dans la rivire

2.2.2. Fonctionnement au cours de l'anne La courbe d'objectif de niveau (ou de stock) dans le rservoir volue au cours de l'anne ainsi que le montre la Figure 3-10. L'paisseur des zones de fonctionnement du rservoir et des points de contrle fluctuent de mme, ce qui permet de modliser des "effets tampons" plus faibles en priodes critiques. L'objectif du gestionnaire est alors de "coller" le plus prs possible cette courbe objectif idale... Le feed-back porte donc sur le niveau du rservoir, qui est ici la seule variable d'tat.Tant que l'or: se situe dans la zone de fonctionnement normai, l'ouvrage fonctionne en routine et l'on se fie l'exprience du barragiste: ds que l'on sort de cette zone, des mesures extraordinaires doivent tre mises en uvre. Ce mode de fonctionnement ne permet pas d'intgrer facilement les prvisions hydroiogiques, mais cette mthode est souple et robuste en rythme de croisire, du moins dans le cas d'un barrage-rservoir unique. Dans le cas d'un systme complexe de barrages rservoirs, se posent rapidement des problmes de coordination entre les manuvres de chacune des vannes de commande. La courbe objectif est en gnral cale par simulations. L'Annexe 6 montre sur le cas du barrage Seine que de telles techniques traduisent une premire approche intressante de la gestion du risque pour un barrage rservoir. Le bureau d'ingnieurs conseils.COYNE et BELL1ER il984) a ainsi eiuai les rgles de gestion du barrage Charpal. l'occasion de l'analyse des possibilits d'augmentation de la capacit du barrage. Les principaux objectifs taient, d'une part de subvenir aux besoins en eau potable de la ville de Mende a l'horizon 2010. et d'autre part, d'assurer un soutien d'tiage de la Colagne. Deux rgles de gestion, l'une fres simple, l'autre introduisant des zones d'alerte dans le fonctionnement du barrage. . at t testes par simulation mensuelle sur 41 ans ae donnes (1945-1975) afin d'estimer ie nombre de dfaillances pour le soutien d'tiage et la satisfaction de l'A.E.P. La premire resle relche en hiver umauement le dbit moven

DEMARCHES DE MODELISATION
98

interannuel du mois considr et assure l't, en cas de scheresse, un soutien d'tiage prfix autant que faire se peut. Ces techniques n'imposent pas de moyen de gestion sophistiqu. Un rglage hebdomadaire de l'ouverture des vannes peut suffire suivre ces rgles tout en procurant des rsultats trs satisfaisants.

zone d ' c r t e m e n t des c r u e s

pastel-00569481, version 1 - 25 Feb 2011

t ^ ^ ^ ^ ^
CLJ OJ _U CU

eu eu
< >
C7

eu eu qj
"3^

eu
CCJ OU CC3 ZT dO

eu es
CC?

e=

ce*

e=

eus
4*

CD
CT

Figure 3-10 : Variation des zones au cours de l'anne

3. DEMARCHES ORIGINALES DE MODELISATION POUR LA GESTION DE BARRAGES 3.1. Restreindre ia classe des rgles de gestion Nous prsentons ci-aprs quelques rgles de gestion simples et classiques. Rappelons qu'une rgle de gestion est (cf les dfinitions du modle gnral dans la partie prcdente) une application de l'ensemble des tats dans l'ensemble des commandes; c'est--dire qu' tout tat du systme de rservoirs (niveaux de stocks, conditions hydroclimatiques), on fait correspondre une dcision (manuvre des vannes de lchers, etc ;. Les parties qui suivent prcisent des tonnes assez couramment utilises pour dcrire cette liaison en restreignant ia classe des fonctions possibles : - rgles linaires: rgles paramtres.

DEMARCHES DE MODELISATION 99

3.1.1. Rgles linaires La stratgie de gestion la plus simple est sans doute de choisir un lcher fonction linaire du stock S et des apports Q sous la forme :
U

= c

0 + c l Qt + C2 1

pastel-00569481, version 1 - 25 Feb 2011

o CQ, C, , c0 reprsentent des constantes priodiques dans le cas d'un reservoir unique ou des matrices priodiques dans le cas d'un systme d'tat multivari. Ces rgles de gestion ont t abondamment tudies dans la littrature anglosaxonne, notamment par.REVELLE et al. (1969). Elles s'appuient sur des techniques de programmation linaires abondamment tudies ( voir DANTZIG, 1963) que nous n'aborderons pas dans ce mmoire pour les raisons suivantes : - elles ne s'appliquent pas aux modles en temps continu: - elles s'appliquent mal au traitement du cas stochastique, car elles ne mettent pas du tout en relief le rle dissymtrique du pass et du futur vis vis du conditionnement des alas; - elles donnent des rsultats non satisfaisants en ce qui concerne la gestion du risque ( voir pararagraphe suivant); - du point de vue de la modlisation, elles introduisent, cause des fonctions de cot linaires, des comportements parfois artificiels : effets "bang-bang" ds un diffrentiel de gain marginal constant entre deux solutions possibles, ce qui amne souvent la commande optimale aller jusqu'en bute sur la frontire des contraintes. On trouvera dans BURAS(1972) et dans YEH(1985) des applications et une bibliographie sur ce sujet. Une tentative tres interessante a t mene par KUCZERA(1989) en rsolvant le type de programme linaire associ la recherche des lchers pour le cas multi-ouvrage dans le cadre dterministe, en employant les mthodes de thorie des graphes. Cette technique permet de gagner un ordre de grandeur en temps calcul en ce qui concerne les algorithmes de rsolution numrique (simplexe contre recherche de flot maximum cot minimum). 3.1.2. Rgle paramtre Dans la pratique quotidienne, le gestionnaire est naturellement conduit adopter des rgles qui ne dpendent que de l'tat actuel du systme, c'est dire en gnral du couple (q,s). Par rapport aux rgles exposes prcdemment, on peut enrichir leur classe fonctionnelle par un raisonnement issu d'une tude intuitive de ce que devrait tre le comportement rgulateur du barrage. Prenons par exemple un ouvrage en drivation. Notons p(t) et r(t) le prlvement et la restitution au pas de temps t; q une valeur seuil d'tiage pour le dbit M q et a ~ K *max une valeur seuil lie une situation de crue. a) si q < q < q M min n 'max on garde s(t+l) = s(t) avec pit) = 0. r(t) = 0 b) si y(t) > u - ' -max on dcide d'intervenir a'autant plus efficacement que la situation est grave, c est a dire que q(t) est grand, et que notre rserve nous le permet (en appelant S r sa taille), c est a dire que (S max - s) est srand. Trs simDlement. cela peut s'exrjnmer car : M
D(t; = a, / q ( t ; - q S - -i i)\

DEMARCHES DE MODELISATION 100

que l'on peut complter par les contraintes : S(t+1) < S et p(t) plus petit que la capacit maximale du canal d'amene, et bien videmment : r(t) = 0 c) MV < M ' si q(t) ' qmin l'intervention devra tre d'autant plus efficace que l'tiage est svre et que la rserve en eau est leve. D'o naturellement, une rgle de la forme :
r

= bl ( V i n - ^ )

b3

avec les contraintes supplmentaires : V(t+1) > 0, la restitution limite par la capacit du canal de restitution, et enfin p(t) = 0. On obtient ainsi une rgle de gestion paramtre dont il est ncessaire de caler ies six paramtres en fonction des donnes disponibles. pastel-00569481, version 1 - 25 Feb 2011 Remarque On peut simplifier ce schma en fixant a priori les valeurs des exposants. Il est probablement judicieux de prendre a- assez fort pour accentuer l'intrt de n'agir que pour les crues trs leves. Par contre, on pourra prendre b petit d'une pan. pour ne pas renoncer trop vite soutenir un tiage (baisse sensible du lcher, uniquement lorsque v est proche de 0) et d'autre part, pour assurer autant que possible un creux suffisant en fin d'tiage au moment d'aborder la saison des crues. Dans l'Annexe 7, ce type de rgle a t mis en uvre sur le cas du rservoir Seine. D'autres auteurs ont eu recours ces mthodes, ne serait ce que par souci de simplification des calculs de la programmation dynamique. Le nombre de paramtres et la forme de la fonction de commande doivent tre adapts au cas par cas suivant les caractristiques du systmes et des donnes physiques de l'ouvrage. FAUCHETQSS) a fait ainsi le choix d'une classe de commande 2 paramtres seulement pour la gestion mensuelle du barrage de Youssef Ben Tachfine au Maroc en vue des objectifs d'adduction d'eau potable et d'irrigation. 3.2. Circonscrire l'ala La programmation dynamique stochastique peut sembler l'outil idal pour traiter ae l'alatoire car elle incorpore explicitement la distribution de ces aias dans le calcul rcursif des esprances de cot, conditionnellement l'tat du systme. Pourtant. plusieurs auteurs ont cherch amnager cette technique pour plusieurs raisons : - se dgager du cadre markovien trop rigide et trop simpliste afin d'utiliser des modles hydrologiques mieux appropris et plus ralistes; - simplifier le procd de calcul. Les techniques prsentes ici sont donc des mthodes approches, amnagements ingnieux des calculs rcursifs de la formulation de Mass-Bellman mais dont la validit n'a t justifie que par les applications qui en sont faites.

DEMARCHES DE MODELISATION 101

3.2.1. La programmation dynamique par simulation de scnarios GOUSSEBAILLE, MIQUEL et ROCHE (1986) ont propos une autre technique pour calculer une squence de lchers pour la gestion d'un rservoir. Son principe est le suivant : pour calculer le cumul des cots lors du passage de l'tat S S ., on gnre une srie de scnarios partir du dbit mesur aujourd'hui Q(t) pour les Q(s), s allant de t+1 T par un modle hydrologique complet. Pour chacun de ces scnarios, la programmation dynamique en avenir certain permet de connatre le cot cumul, obtenu en suivant la trajectoire optimale de S , T lorsque les apports et pertubations diverses prennent les valeurs engendres par le scnario. L'ensemble de ces scnarios permet donc d'estimer facilement la rpartition des cots cumuls de passage de S , T en suivant des trajectoires "optimales pseudo-certaines", c'est dire sans prise en compte des informations nouvelles postrieures Q(t) pour rajuster au fur et mesure la trajectoire entre t+1 et T. On peut donc calculer un cot cumul moyen V~ (S(t+1), Q(t),t) de c passage de l'tat t+1 T. On calcule la dcision u (S(t), Q(t)) par une quation pastel-00569481, version 1 - 25 Feb 2011 formellement analogue celle de la programmation dynamique classique en avenir incertain : MINrL(S(t), t, u(t)) + V s (f(S(t), Q(t), u(t) t))l

Cette procdure de calcul ne donne ni les cots optimaux, ni les trajectoires optimales dans l'incertain. Nanmoins, les premires comparaisons de rsultats des politiques calcules par la technique des scnarios avec une programmation dynamique complte en avenir incertain ne mettent pas en vidence de diffrences significatives. L'Annexe 8 illustre que dans le cas non contraint avec un cot quadratique en fonction du lcher, les deux mthodes fournissent le mme rsultat que la programmation dynamique en avenir certain sur le scnario moyen. Les gains en temps de calcul par la mthode avec simulation sont par contre significatifs. De plus, cette mthode permet d'utiliser des modles complexes de prvision inutilisables dans un calcul explicite ou approch d'esprance, ncessaire la programmation dynamique classique en avenir incertain. Enfin cette technique de scnarios fournit une estimation de la loi de rpartition des cots et donc des indicateurs statistiques de risque. Par contre, on ne sait quel contrle "optimal" adopter : faut-il prendre en considration la moyenne, la mdiane ? Dans la partie 4 de ce mmoire nous comparerons les performances de cette technique avec celles issues d'une programmation dynamique classique sur le cas d'tude de la Seine. C'est une ide analogue qu'ont explor BHASKAR et WITLACHO980) ainsi que KARAMOUZ et HOUCK(1987) : d'abord gnrer des scnarios pour calculer des trajectoires en avenir certain par programmation dynamique, ensuite effectuer une rgression de la variable de commande sur toutes les variables ventuelles d'tats, ils retrouvent ainsi, partir de l'chantillon de trajectoire, une forme fonctionnelle de la regie de gestion. 3.2.2. Mthode de GAL La mthode de GAL1979) est une heuristique qui vise a aoproximer les fonction de Mass-Bellman Vfx(t), t) en avenir incertain par une famiiie de fonction WC/un. xit,. t) dpendant d'un ensemble de paramtres (t) (par exemple, des fonctions quadratiques). Le principe itratif utilise deux phases : progression vers l'avant par une simulation, retour en sens rtrograde par une opnmisaion rcurrente. - phase de simulation

DEMARCHES DE MODELISATION

102

On gnre M trajectoires d'alas j eu,

,(t) j . Pour chaque tirage, on utilise la

rgle de gestion u^ (x(t), t) pour gnrer M trajectoires (x(t)}. u k (x,t) est obtenu par :

arg min JL(x, u, t) + W(\ k (t+1), x(t+l), t+1)}


- phase d'optimisation Pour chaque pas de temps t, partir des M points x , + , (t), on calcule ^ + j ( t ) tel que :

^W^k+l'^
soit la meilleure approximation aux M points x. , (t) de : pastel-00569481, version 1 - 25 Feb 2011 Min (L(x K + 1 (t), u(t), t) + W a k + 1 ( t + l ) , f(x k+1 (t), u(t), co k+1 (t)), t+D} u(t) X, Jt) est donc calcul en fonction de X, , (t+1) et l'on ne rsout que pour M valeurs de l'tat chaque pas de temps l'quation fonctionnelle de Mass-Bellman. Cette mthode donne de bons rsultats quand la famille W(X) est bien adapte, ce qui ncessite donc une connaissance pratique du problme et de sa structure. Cette heuristique a t applique pour des problmes discrets de gestion de pices dtaches et aussi pour la gestion de barrages-rservoirs en Isral conjointement avec le lac Kinneret, ce qui donnait un tat de dimension 5, dpassant les capacits de calcul d'une mthode classique de programmation dynamique. 3.2.3. Programmation dynamique avec chantillonnage L'ide de KELMAN et al. (1990) est d'utiliser M squences historiques ou gnres d'apports {coCt;} pour capturer toute la dimension alatoire avec notamment les possibilits de corrlations spatiales et temporelles dlicates modliser. Le critre employ pour la programmation dynamique avec chantillonnage s'crit : M Min VProD {.(t)/x(t)j { L u , u, t) + E ( V( x; t+1 >, t+1 ) )

(o er
E dsignant dans cette expression l'esprance conditionnelle de la ioi de x(t+i ) connaissant <a(t) et x(t). Dans ce cas, les co: ne sont plus indpendants des xu.) comme dans ie modle anral : si la variable d'tat inclut une grandeur hydrologique (prevision ou indicateur), tous les scnarios ne sont pas quiprobables. On obtient :

DEMARCHES DE MODELISATION 103

Prob tx(t)/).(t)} Prob Ico.) Prob [ co^tyxO) j = - ^ V Prob {x(t)/0).(t)} Prob [.}

Si x(t) contient des prvisions, chacun de ces termes peut tre estim par analyse de l'chantillon historique. De la mme faon et par la mme technique, on obtient : Prob {x(t+l)/x(t), Cjit)} partir des densits conjointes de (x(t+l), x(t), (t)). Cette technique a t applique un cas d'tude avec un rservoir, une prvision (tat de dimension 2) et onze variables hydrauliques corrles spatialement et temporellement, pour proposer une gestion mensuelle partir d'un historique de 57 ans. pastel-00569481, version 1 - 25 Feb 2011

3.2.4. Mthode de KITANTDIS Une autre possibilit d'amnagement de la progression dynamique est de considrer le stochastique comme une perturbation du cas dterministe, du moins lorsque la variabilit des phnomnes alatoires est faible. Dans cet esprit, KTTANTDIS(1987) a explicit les commandes optimales sous la forme :
~> U(X, t) = U Q ( X , t) + O U , (X, t) + G " U n (X, t) + . . .

o u reprsente la commande optimale stochastique, u^. la commande optimale en avenucertain, calcule en utilisant les esprances des variables alatoires. En fait, u,, u 9 , etc. sont des "perturbations" du premier ordre, du second ordre, etc, tandis que o~ est un coefficient associ l'ordre de grandeur de la variabilit de l'ala. Il obtient ainsi des quations analytiques lui permettant de calculer les corrections u,, u 7 , etc, par des quations fonctionnelles rcurrentes. Des expriences numriques semblent montrer une bonne adquation de la mthode, mme pour des plages de variations non ngligeables. 3.2.5. Mthode de SAAD et TURGEON SAAD et TURGEON (1988) proposent d'employer la technique d'analyse en composantes principales sur les variables d'tats pour rduire la dimension et pouvoir raliser un calcul explicite par la programmation dynamique stochastique avec une reprsentation du systme rduite. Pour cela, au cours d'une premiere phase, on gnre des scnarios d'alas hydrologiques (ou on utilise des sries historiques) pour calculer ies trajectoires optimales en avenir connu des niveaux des barrages et des autres variables d'tat du systme. Ensuite, en considrant ces rsultats comme un chantillon de mesures de coordonnes des variables caractristiques du systme, une analyse en composantes principales permet d'extraire les premiers facteurs, c'est--dire, par changement de repre, de garder un nombre rduit de combinaisons linaires des variables

DEMARCHES DE MODELISATION 104

prcdentes qui explique au mieux la variabilit de ces trajectoires. Les derniers vecteurs de cette nouvelle base, facteurs insuffisamment explicatifs, sont assimils du bruit. On effectue donc une transformation linaire des variables d'tats qui en rduit la dimension. C'est sur ces nouvelles valeurs qu'est effectue une programmation dynamique stochastique complte. Les transformations inverses, d'ailleurs linaires, permettent de repasser aux variables d'origine. Cette technique a t illustre sur le cas d'un systme complexe hydro-lectrique Canadien, la Grande River, comprenant 5 rservoirs et 5 apports de rivires intermdiaires aux barrages, impossible traiter tel quel par la programmation dynamique stochastique. 3.2.6. Mthode de FANG et al. FANG et al.(1989) ont introduit une technique de programmation dynamique "tronque", en remplaant le calcul complet par programmation dynamique stochastique par deux phases : ils effectuent une programmation dynamique stochastique uniquement sur un horizon prvisionnel raccourci, dont les conditions la limite s'appuient sur les rsultats de programmation dynamique dterministe avec scnario moyen. L'ide pratique la base de cette technique est, pour le calcul rcursif, que les conditions finales la limite de l'horizon de gestion ont peu d'influence sur les premires dcisions lorsque l'horizon est assez long : ceci vient du fait que la plupart des processus alatoires de demandes ou d'apports rencontrs en gestion de barrage ont une "mmoire hydrologique'' qui s'estompe rapidement. Aprs quelques pas de temps, les alas futurs se retrouvent quasiment dconditionns des conditions engendres par l'tat initial. Les performances de cette mthode ont t testes sur un cas d'tudes par comparaison avec une programmation dynamique complte et offrent des rsultats encourageants, notamment parce que l'on peut accrotre quelque peu la dimension d'tat pouvant tre admise dans la premire (.. .et courte) phase de la mthode. 3.3. Introduire des risques sncifioues Le fonctionnement des rservoirs doit typiquement tenir compte des contraintes sur les stocks ou les lchers. Or, dans un systme rel stochastique, ces deux quantits sont de nature alatoire car dpendant et de la rgle de gestion et des alas extrieurs au systme. Il faut donc introduire des niveaux de fiabilit pour ces grandeurs (risque d'asschement, garantie de satisfaction de la demande, e t c . ) . La distribution de probabilit des apport peut tre estime partir des donnes historiques. Par contre, les lois des niveaux de la rserve restent inconnues, moins de les exprimer en fonction de celles des alas du systme. Dans cette partie, nous verrons d'abord comment des rgles de dcision linaire, avec des quivalents dterministes des contraintes, permettent de proposer une solution. Une autre technique propose une interprtation duale des contraintes de fiabilit en terme de cot. Nous esquisserons ies avantages et les inconvnients de ces approches. Dans le cadre de la programmation dynamique, ASKEW (1974) et ROSSMAN (1977) ont t les prcurseurs pour imposer des limites sur les probabilits de violation des contraintes associes la satisfaction de besoins contractuels. RICHARD et TURGEON(1988) ont utilis cette mthode dans le cadre de la production hydrolectrique optimale dans un contexte o des seuils sur de multiples critres devaient tre garantis. SNTEDOVITCH(1980) a montr que certaines de ces contraintes pouvaient tre assures en introduisant une nouvelle variable d'tat, au lieu de penaiiser la fonction objectif en cas de dfaillance comme ie prconisait ASKEW(1974). Il a aussi proDose une mthode pour prendre en compte des limitations sur la variance de certaines variables. 3.3.1. Rgles S et SO avec quivalents dterministes Cette mthode vise proposer une rgle de gestion dans le cas o l'on dispose explicitement de la loi de distribution des variables alatoires du modle. Evidemment, on

pastel-00569481, version 1 - 25 Feb 2011

DEMARCHES DE MODELISATION 105

appauvrit quelque peu la problmatique puisque l'on recherche les rgles de gestion dans une classe restreinte. Prenons les contraintes qui psent sur la gestion d'un barrage unique. Appelons : - S le niveau du stock dans le rservoir l'instant t; - d le lcher durant la priode t; - Q l'apport alatoire au rservoir durant la priode t et dont on connat les distributions de probabilits. On notera F , la fonction de rpartition de Q et l'on supposera les Q indpendants. L'quation de continuit du stock impose :
S

H-l=St

Vdt

d o:

'

t+P = V I ( Q t + k - D t + k )
k=l

pastel-00569481, version 1 - 25 Feb 2011

On impose en gnral les contraintes : l ) d t > d min (f) au rr.oins 100a t fois sur 100 pour des questions de dbit r reserve. 2) (t) l'utilisation des fins de v au moins I00 t fois sur 100 pour v ' S t > S min ' t loisirs et de sport du lac de retenue, 3) St < Smax au moins 1005t fois sur 100 pour tre efficace auant v l'utilisation du stock d'eau dans la rserve. REVELLE et al. (1969) ont propos deux modles pour simplifier ces quanons. dits de rgle de dcision linaire (Linear Decision Rule). Rgle de type S : On suppose que la dcision de lcher dr est de la forme :
d

t = Vbt

o S prend en compte la partie alatoire et o bt est une valeur dterministe priodique pour chacune des saisons du problme. Par exemple avec, au pas de temps mensuel :
b = b

t+12

on en dduit immdiatement :
d

= Q

MT(bt-l

-i)

Vi=V b t
ce qui permet de transformer en quivalent certain les contraintes i ;. 2j, 3) facilement : ::i

DEMARCHES DE MODELISATION

106

effet, au pas de temps t, le seul terme alatoire est Q ,. Une contrainte du type : S , > ^MTN
a u m0

^ n s 100 fois s u r 100 se traduira par :


l Pr ( Q - - bA soit S . -b ( l - v ) i^ t > S min t] > K min t <.F~ t v >

Rgle de type SO On pose :

dt = V < V b t
il vient immdiatement :
S

t + l=VW b t

pastel-00569481, version 1 - 25 Feb 2011

t t-r s t + Qt = ( b t - i - b O + Q t avec b fixe pour chacune des saisons du problme, et priodique sur la chronologie dont on dispose. Une contrainte du type : au moins 100 fois sur 100 vt > v s'crira donc : }V min
min

d = s

( w o < ; o-)

Ceci revient dire que l'on se fixe de commander les stocks successifs de rservoirs et que l'on rpercute totalement la variabilit des apports sur les lchers. REVELLE et al.(1969) ont utilis ces rgles de dcisions sur des chronologies relles, mensuelles entre autres. La fonction (linaire) objectif que l'on adopte gnralement dans ce genre de problme est de calculer un S le plus peut possible en max tolrant certaines dfaillances sur les contraintes (par programmation linaire). C'est dire que l'on cherche la gestion la plus efficace vis vis de la taille du rservoir. L'exprience a prouv que ces calculs menaient des surdimensionnements importants. On peut proposer l'explication suivante : le modle de type S implique : s t + rV b t c'est dire que toute la variabilit des apports se retrouve au niveau de la taille de la rserve. Avec le modle de type S Q on a :
s

t + i = b.

qui est dterministe, et donc ne peut pas absorber une partie de la variabilit du systme. puisqu'il encaisse coup par coup ies variations. STEDINGER (1984) a tudi les performances de regles de dcision linaire par ie dimensionnement des ouvrages pour l'tablissement des consignes de gestion, en proposant de conditionner chaque paramtre pnodique bt par rapport au niveau des apports dans les deux priodes prcdentes (ce qui enrichit le nombre de variables de commande du systme et sa souplesse d'adaptation). Ses conclusions sont les suivantes : le type S, mme multiples conditionnements, surestime la taille des rservoirs et n'offre pas de consignes de gestion performantes.
L

DEMARCHES DE MODELISATION

107

Le type SQ estime mieux la taille du rservoir optimal sous contraintes alatoires (d'autant mieux que le nombre des saisons et le nombre de tranches d'apports sur lesquelles on peut conditionner les lchers futurs sont importants). Au niveau de l'tablissement des consignes de gestion, le modle SQ ne se rvle pas plus efficace sur les cas tests par.STEDENGER (1984) qu'une politique lmentaire de lchers qui donnerait juste y , , tant que possible et ne prviendrait pas les dbordements. On peut penser que c'est cause de la rpercussion de la variabilit des apports sur les lchers (y t = b t - i - b t
+

Qt> 3.3.2. Transformation du risque en cot : programmation non linaire

avec fiabilit Alors que pour les quivalents dterministes utiliss dans la partie prcdente les niveaux de risque taient fixs a priori, ici, les valeurs des contraintes de fiabilit sont considres comme des variables dcisionnelles : en consquence, la gestion propose va rsulter d'un compromis entre le profit et le risque. Considrons titre illustratif le cas de la gestion mensuelle d'un seul barrage prsente dans COLORNI et FRONZA (1976). Soient u(t) les dcisions de lcher au mois t, Q(t) l'apport alatoire (de fonction de rpartition F ) du mois t au barrage, x(t) le stock en dbut du mois t et (L(x(t), u(t), t)) le cot de gestion obtenu au cours du mois t. Le programme d'optimisation correspondant est : 12 MinJ(u)= I L ( x ( t ) , u(t), t) t=l sous : et: x(t+ 1) = x(t) - u(t) + Q(t) u - <u(t)<u

pastel-00569481, version 1 - 25 Feb 2011

Compte tenu de la nature alatoire de Q(t), il ne peut tre rsolu sous cette forme. Introduisons alors les contraintes probabilistes de non-dbordement et de nonasschement de la rserve sous la forme : Prob ( x(t) < S ] > a { max) Prob x(t) > S m in ) > r { / ( a et ^ sont deux niveaux de fiabilit)

SIMONOVIC et MARINO (1981) ont prsent une mthodologie pour associer des fonctions de cot au dpassement de telles contraintes, c'est dire comment, d'un point de vue conomiste, tablir le cot du risque d'asschement centennal d'une rserve, ou comment estimer les dommages lis un risque dcennal d'inondation. Appelons M(a) et N() les fonctions ae cot associes. Le problme gnrai de fiabilit se prsente alors sous la forme : Min (j(u) + M(ou + X()} (oc,,u) avec: S - x(t) + u(t) > F. (ai max t

DEMARCHES DE MODELISATION

108

. - x(t) + u(t) < F: ( i - )


min
w v

'

>

La rsolution peut s'effectuer par tapes en sparant la phase optimisation sur les niveaux de fiabilit et recherche d'une commande optimale. Cette mthode est originale car elle fournit aussi au gestionnaire les niveaux de fiabilit conomiquement intressants. SIMONOVIC et MARINO (1982) ont gnralis la mthode un ensemble de rservoirs. SIMONOVIC et ORLOB (1984) l'ont aussi applique pour grer les risques associs la dtrioration de la qualit. STRYCHARZYK et STEDINGER (1987) ont mis en vidence les inconvnients de la mthode : - difficult d'tablissement des fonctions de cots associs aux risques; - ncessit d'apports indpendants; - estimation des quantits d'eau ncessaire pour satisfaire ces contraintes probabilistes; pastel-00569481, version 1 - 25 Feb 2011 - commande en boucle ouverte.

DEMARCHES DE MODEUS ATION 109

4. AVANTAGES ET LIMITES DU CADRE MODELES D'ETAT

POUR L'AIPE A U DECISION


Notre dmarche de modlisation est fonde sur l'criture d'un modle d'tat, puis l'identification ventuelle des paramtres intervenant dans ce modle d'volution dynamique et enfin une procdure d'optimisation squentielle d'un critre par programmation dynamique. On a vu que ce cadre formel engendrait de nombreux dsagrments, notamment : - des problmes d'estimation des paramtres du modle, voire mme de remise en cause de la validit du caractre Markovien pour la reprsentation des alas naturels, - des difficults quantifier un objectif dans les cas pratiques de gestion de systmes de ressources en eau, - des problmes numriques lis la nature exponentielle envahissante des calculs ncessaires la programmation dynamique dont la solution ne s'exprime facilement que dans le cas linaire quadratique Gaussien. Nanmoins, cette dmarche offre un cadre intressant pour la modlisation de la gestion des systmes de ressources en eau. Nous donnons ci- aprs un aperu des frontires encore trs peu exploites et pouvant donner lieu des extensions de cette dmarche.

pastel-00569481, version 1 - 25 Feb 2011

4,1, Critiques de l'utii't espre


On peut envisager la dmarche dcisionnelle prsente dans les paragraphes prcdents pour le cas de l'avenir incertain temps discret de la faon suivante: travaillons sur le pas de temps allant de to to+1 et supposons fixe au temps to l'tat initial xo ; en prenant la dcision u(to) le systme transite vers un nouvel tat x(to+l). Ce nouvel tat est une grandeur alatoire , dont la rpartition de probabilit est fixe par la physique du phnomne modlis (rappelons que la loi de transition de t t+1 est suppose se prsenter sous la forme x(t+l) = f(x(t),u(t),e(t))). A ce nouvel tat est galement associ un "gain" sous la forme d'une variable relle V(x(t+l),t+l). En somme, nous avons mis en place une procdure qui permet de choisir entre diverses rpartitions de probabilit de consquences possibles x(to+l) car en fait une dcision U(Q) correspond une orientation de l'tat x(to) initial vers une telle rpartition de consquences ( nouvel tat du systme ) x(to+l) et leur probabilits de ralisation associes. En omettant les indices de temps, appelions prospect le couple { x, p(x)} form par cet ensemble de valeurs de consquences possibles x et la loi de probabilit associe p(x). La dmarche propose a donc consist crer une fonction valeur relle U(x) ( c'est en fait la fonction de Mass-Bellman note prcdemment V) telle que la valeur associe au prospect { x, p(x)} s'crive
-foo

Ep(U(x)) = j U(x)p(x)dx . En d'autres termes, cette fonction d'utilit U permet de


-oo

dfinir une relation d'ordre sur les prospects.Le prospect Pi= { x. pi(x)} est prfr au prospect P2= { x, p2(x)j (on notera encore P2 < Pi) si E p i(U(x)) < Ep2(U(x)). On peut gnraliser aisment cette notion au cas multipriode, il suffit alors de dsigner par x la trajectoire ( x(to+l), ..., x(T)) suivie par le systme et d'appeler p la densit de la loi de probabilit associe. A l'inverse, la construction formalise d'une telle fonction " L partir d'hypothses sur notre jugement compare pour l'ensemble P des prospects possibles est raiisaole a partir de quatre axiomes: - Si Pi, Po e P => (Pi < P2 ) ou ( (P2 < Pi ) ou ( (P2 = Pi ). Deux prospects quelconques sont toujours comparables: soit ils sont quivalents soit l'un est prfr l'autre.

DEMARCHES DE MODELISATION 110

- Si Pi, P2, P3 e P , (Pi < P 2 ) et ( (P2 < P3 ) = M (Pi < ?3 ) Cette proprit traduit la transitivit des prfrences. - S i P i , P26 P , (Pi < P 2 ) , VP3 e P ,Va e [0,1] => (otPi+ (l-a)P 3 < aP 2 + ( l-a)P 3 ) , cette proprit traduit une certaine ''continuit" dans l'tablissement des prfrences. -SiP1.P2.P3e ? , (Pi < P 2 <P3 ), 3 e [0,1], 3a [0,1] => (aPi+ (l-a)P 3 < P 2 et P2< Pi+ (l-)P 3 ), cet axiome technique postule un continuum des prfrences et refuse l'ide de rcompense infinie ou de perte incommensurable. Cette construction axiomatique, tablie par exemple dans FISHBURN (1982), est sujette de nombreuses controverses: 4.1.1 On peut objecter qu'elle traduit mal l'attitude face au risque. Un nombre important d'tudes exprimentales sur le comportement ont souligns des dviations par rapports la thorie de l'utilit espre. Citons le paradoxe d'ALLAIS (1953) qui souligne que la prfrence pour la scurit dans le voisinage des situations peu incertaines augmente plus intensment que ne le prvoit la thorie, le paradoxe de KARMARKAR (1974) qui montre que les valeurs obtenues pour les fonctions d'utilit ne sont absolument pas indpendantes de la faon de les estimer.. .D'une faon gnrale, ces critiques refusent la pondration implicite dans l'oprateur esprance mathmatique d'vnements gravissimes par des probabilits trs faibles pour rendre compte de la notion de cot optimal : en effet, dans la pratique, les dcideurs ne sont pas promus ou honors cause du nombre important de dcisions optimales de routine qu'ils ont entreprises durant leur priode de responsabilit, mais on leur reconnat en gnral la qualit d'avoir su viter d'engager leur pas sur des dcisions menant des catastrophes. Les techniques de modlisation d'tat qui ractualisent chaque priode l'information dont dispose le gestionnaire pour effectuer ses dcisions compense dans une large mesure cet inconvnient. 4.1.2) L'utilit espre impose fans le cas multicritre une vision de complte transitivit sur les prfrences. Les axiomes 1 et 2 imposent en effet un ordre complet sur l'ensemble des dcisions admissibles. C'est un cadre fort rigide, imposant une dmarche d'aggrgation par combinaisons des divers critres de jugement d'une rgle de gestion. C'est, au demeurant, fort commode de n'optimiser qu'un objectif unique et de travailler dans un ensemble d'actions toujours comparables . Dans la partie d'applications pratiques nous nous placerons toujours dans ces conditions . La prise en compte de l'attitude dcisionnelle ventuellement complexe se fera en introduisant des paramtres dans notre fonction d'utilit. Pourtant une dmarche d'aide la dcision multicritre acceptant des situations d'incomparabilit, de prfrences faibles et de prfrences fortes a t entreprise par ROY ( 1985). Dans cet esprit, nous proposerons en fin de cette partie des ides de pistes explorer pour raliser une programmation dynamique multicritre dans le cas de l'avenir certain. 4.2. Tableau de bord et gestion du risque Beaucoup d'auteurs utilisent les techniques de programmation dynamique stochastique pour tablir des consignes de gestion, puis simulent ensuite le fonctionnement du systme muni de ces rgles de dcision sur des series de donnes historiques ou synthtiques, afin de dterminer divers indices de performance de la gestion, notamment pour calculer des risques de dfaillance. En fait, beaucoup de ces indices peuvent tre calculs directement pendant que ia stratgie optimale du systme est dtermine, car la programmation dynamique explore

pastel-00569481, version 1 - 25 Feb 2011

DEMARCHES DE MODELISATION 111

toutes les trajectoire possibles du systme. Prenons titre d'illustration, un systme temps discret et supposons qu'un vnement indsirable soit dfinit par l'occurrence : ' x(t) < 0'. Dans ce qui suit, nous noterons classiquement u la squence des dcisions, x k l'tat l'tape k si on applique la consigne u. On peut ainsi dfinir la quantit: WYx, , kV probabilit qu'il apparaisse au moins un vnement dfavorable aprs la date k. Cette quantit vrifie l'quation: W(x k , k) = Prob jx k < Of + Prob jx k > 0 j W ( x k + 1 , k + l ) On a donc encore une quation analogue l'quation recursive de Mass-Bellman et qui, de la mme faon, peut tre calcule chaque tape sans simulation. De nombreux indices de risque peuvent ainsi tre calculs de la sorte (car si l'tat a t judicieusement choisi, les vnement indsirables s'expriment en fonction de sa valeur) et permettent d'offrir au gestionnaire un vritable tableau de bord pour mieux comprendre les effets de l'application d'une rgle prconise par une procdure d'optimisation. Notons que nous utilisons ici le terme "tableau de bord" comme un ensemble d'indices permettant de juger de l'effet d'une rgle, ce qui diffre de la dfinition de MIQUEL et ROCHE (1986) o le but du tableau de bord tait d'apprcier l'intrt ou l'inconvnient de s'carter d'une dcision fixe pour un pas de temps considr. 4.3. Retour sur le principe de Mass-Bellman Essayons d'tendre sur le cas simple d'une programmation dynamique en situation dterministe et temps discret, la classe des critres compatibles avec l'optimisation squentielle. Pour mieux comprendre ce mcanisme, considrons deux pas de temps d'un systme dont on notera l'tape n l'tat x et la commande u pour une quation dynamique x = fix _,, u , Y L, L ? dcrit la combinaison du bnfice instantan L, au pas de temps 1 et du pas de temps suivant L 9 . V, dsignera le cot venir depuis l'tape k jusqu' l'horizon de gestion. Le signe " ", oprateur binaire d'association entre gains instantans peut tre traduit par une fonction (j) telle que (j) (a, b) = a b. Quelles sont les proprits de cet oprateur " " pour pouvoir engendrer une formulation valide sous forme de programmation dynamique ? De l'criture standart : V 1 (x 1 )= Sup
u u

pastel-00569481, version 1 - 25 Feb 2011

(LI(X],

UI

) L 2 ( x 0 , u0) 1

l 2
[L^XJ. U^

l ( x l ) = Sup Sup
u

L2(x2, u 2 ) ] |

l I 2

'

on voudrait passer a une forme : V^Xj j = Sup ( L j ^ p u, j Sup f U ( \ \ 2 , u-, j | j


V

_(xl) ll

= Sup{L1(x1,ul).

V(x2)}

DEMARCHES DE MODEUSATION 112

Posons: <b (a, b) = a b


i s L

l(xl'ul) b = L 0 / x 9 , u0\

h* = Sup L 7 ( x 0 , u 9 \ = V 7 ( x ? \ de telle sorte b* = Sup b u? Avec ces notations, l'oprateur doit verifier: Sup d) (a, b) = d) (a, b*) b Une condition suffisante pour oprer un tel passage est que b < b* => a b < a b*, V a (P)

pastel-00569481, version 1 - 25 Feb 2011

Cette proprit (P) de monotonicit temporelle est vrifie si Q) est continue et differentiate avec

ad)
(a,b) > 0, V a ab Plus spcifiquement, examinons diffrents types possibles d'oprateurs d'agrgation " " : - si a b = a + b, " " vrifie la proprit P et nous conduit au critre additif classique : J = V L. - avec a b = a. b, a > 0, (P) est vrifie et on obtient le critre : J = "TT L-. Ce critre sous forme multiplicative est trs utile en fiabilit car la fiabilit globale d'un systme en srie se met sous une forme analogue, il est galement important en agronomie o certains modles de production expriment le rendement global d'une culture par une multiplication des divers rsultats obtenus au cours de chacune des phases culturales. - a b = b est l'absorption droite qui mne un critre du type : J =
L X

( final)- pour a b = Mint a, b), le critre s'crit: J = Min [ L- ] : on peut voir que ui

la condition suffisante pour est remplie. En considrant les trois cas possibles pour les positions respectives de a, b et b*il vient en effet:

a < b < b* ? b < a < b* > b < b* < a

(Da, b) < (Da, b^ a < a b < a b < b*

DEMARCHES DE MODELISATION 113

Une programmation dynamique de ce type peut conduire une gestion garantissant une valeur minimale pour une allocation des ressources.Le cas d'un usage hydrolectrique avec les objectifs de puissance minimale garantie est est une application possible si l'on considre une vision de cette gestion avec un maillage de pas de temps mensuel (au niveau de l'tude de l'opportunit de la construction ventuelle d'un ouvrage hydrolectrique supplmentaire). Des raisonnements de mme type en avenir incertain nous autorisent utiliser la programmation dynamique stochastique avec la formulation dynamique recursive de Mass- Bellman pour traiter les critres suivants : Esprance de fonction de la somme des cots : V(x(0), 0) = pastel-00569481, version 1 - 25 Feb 2011 T-l Min E \ g. L i x , u , t ) u(l)...u(T) t=0 Vfinal(xm,T)

Esprance du cot moyen : V(x(0),0)= Min u(l)...u(T) T-l L(x,u,t) [t=0 Vfinal(x(T),T)

1+ i

T E J

Probabilit d'un niveau de cot final : Min Prob ( V f i ,(x(T), T ) < l tmal u(l)...u(T) \x]
J

4.4. Quelques points sur le multicritre Une gestion raliste est une gestion multicritre, car la plupart des ouvrages sont buts multiples, et ces diffrents objectifs ne peuvent pas, en gnrai, tre exprims dans une unit de mesure commune. La programmation dynamique ralise un compromis dans le temps, il y a lieu galement de raliser un compromis entre les usages et les risques admissibles pour chacun d'eux. Dans les cas rels, l'optimaiit disparat au profit de la notion de non-infriorit. Le rle de l'homme d'tude est d'exhiber l'ensemble des solutions non domines, c'est dire celles pour lesquelles il n'est pas possible d'augmenter la valeur d'un critre sans dgrader au moins un des autres. La courbe des combinaisons admissibles est aussi appele courbe de Pareto. A partir de cet ensemble d'actions de compromis, le choix d'une solution est une dcision politique qui se fait en fonction de priorits ou de prfrences extrieures a l'tude, ou d'informations non fournies l'analyste du systme. L'tude du lac de Cme met bien en vidence la forme de ces solutions non domines (GUARISO et al., 1986). COHON et MARKS (1975) ont fait une revue des diverses techniques d'analyse multiobjectif en vue de leur application aux systmes de sestion des ressources en eau. GOICOECHEA, HANSEN et DUCKSTEIN (1982) prsentent a la fois les fondements thoriques et un recueil de cas pratiques sur ces mthodes dans deux ouvrages; HAMES et al.(1975) ont aussi largement promu ces mthodes.

DEMARCHES DE MODELISATION 114

4.5. Formulation linaire simnle Lorsque tout est linaire, contraintes et objectifs, chacun des sous- problmes classiques, mono-objectif ne prsente pas de difficults. Chaque critre voit son maximum atteint sur un des sommets du polydre convexe constituant le domaine admissible par les contraintes (DANTZIG, 1963). A partir de l, diverses solutions sont envisageables : - agglomrer les objectifs en les combinant linairement par pondration : le problme revient alors trouver l'optimum d'un sur-programme linaire. Les mthodes fondes sur les pnalisations linaires par morceaux relativement une courbe objectif se prtent aisment ce genre de formulation. On peut citer au rang des promoteurs de cette technique en Amrique du Nord, SIGVALDASON(1976) qui l'applique la coordination du systme multi-rservoirs multiobjectifs en Ontario, RASSAM(1980) qui l'utilise pour rguler la rivire Outaouais selon des objectifs diffrents selon l'chelle de temps, YAZICIGIL, HOUCK et TOEBES (1983) qui dveloppent cette technique pour le temps rel; - viser le point cible inaccessible qui optimise tous les critres la fois. Ceci ncessite de dfinir une notion de distance. On choisit alors le point du domaine admissible le plus proche du point cible (mthode de ZIONTS et WALLENUS ); - tablir un dialogue avec le gestionnaire. On lui demande de prciser les pourcentages relatifs qu'il accepte de cder sur chacun des critres. On "mollit" ainsi de faon itrative jusqu' aboutir une solution de compromis acceptable (mthode des taux de substitution). 4.6. Programmation dynamique et compromise programming Supposons que le problme multicritre se formule initialement comme les problmes de programmation dynamique, o k est le nombre de critres, c'est dire trouver la squence de lchers {u } telle que : T M i n V (LCk(St, u)) = V K ({u t })

pastel-00569481, version 1 - 25 Feb 2011

t+i=ft(xrV

V V

dans le cas d'un seul rservoir en supposant l'apport Q connu chaque instant. Critre par critre, chacun des problmes fournit une trajectoire optimale | u j , qui donne une valeur optimale V. au klcms entere. Lorsqu'on veut considrer le problme dans sa dimension multicritre, on peut chercher une trajectoire (u ) qui ralise un compromis entre les k critres en produisant un vecteur de performance :

DEMARCHES DE MODELISATION 115

V({dt}) = (V 1 ({u t }),V 2 ({u t )),...V k ({u t }) comparer au vecteur : V =(V, V.)

qui est en quelque sorte l'ensemble des valeurs optimales absolues (et donc inaccessibles par un compromis). Pour cela, il est ncessaire d'introduire une mesure de distance p entre V ([u }) et V ; et on cherchera la squence de dcision {u } qui minimise p (V, V ). Prsent sous cette forme, le problme ne semble pas pouvoir tre rsolu par programmation dynamique car mme pour une forme simple de p comme celle que nous fournit une norme dans L telle : K p(V;V ) = 1
V

pastel-00569481, version 1 - 25 Feb 2011

I
T

k-VlJ

la fonction p (V, V ) n'est en gnral pas separable : les pas de temps interviennent l'intrieur de la fonction objectif gnrale p par l'intermdiaire des coordonnes :

V k ({u t ]) = ^ f i L t k ( x t , u t , Q t ) ) t=l qui sont elles-mmes combines pour calculer p. Notons que le cas de la norme L, K p(V, V ) = k=l T t=l

ZaklX,Lk(xt'ut'Qti,-vki

(o les a, sont des pondrations) fait exception et se traite de faon immdiate. Nous allons montrer que l'on peut trouver une solution ce oroblme gnrai, calculable par programmation dynamique. Posons :
T
V,. =

S
t=]

L,

DEMARCHES DE MODELISATION 116

*k o pour chacun des critres, les L { sont quelconques mais astreints vrifier cette condition sur l'ensemble de la priode. 1 ~> k Dfinissons les variables d'tat supplmentaires y t , y t , .... y par

yt=

X"1

2/
x=t

Lt0vvCM

~ x}

*k

y0 = n 0 pastel-00569481, version 1 - 25 Feb 2011 On peut rcrire le programme gnral sous la forme : minp(V({u t }), V*) En dfinissant cette fois V par : /l * k * K V({u t }) = y T + C 1 , . . . , . . . , y T + V k , . . . , y T + V et

v 1 ,...,...,v k ,...,v K
Les quations d'tat sont :
x

t+rft(xfQt'V
+

y t + i = yt

L t + i (ft U t . Q t , u t ), u t , Q t + 1 ) - u^i

pour k allant de 1 K avec les contraintes habituelles sur x u et les contraintes k nouvelles sur les variables supplmentaires VQ = 0 : S u p ( V k ( { u })- V k ) > y ^ > 0 pour k allant de 1 K. En conclusion, on se trouve en prsence d'un problme de programmation dynamique, mais en ayant ajout autant de variables d'tat que d'objectifs prendre en considration. La rsolution est donc thoriquement possible mais pratiquement impossible ds que l'on dpasse 2 ou 3 critres cause de l'explosion combinatoire des calculs, incontournable mme par de gros systmes informatiques. GOICOCHEA, HANSEN et DUCKSTEINf 1982) montrent qu'en fait, pour les distances de forme classique, le nombre de variables supplmentaires prendre en

DEMARCHES DE MODELIS ATION 117

considration est K - 1..0PRICOVIC(1979) a trouv par calcul algbrique des solutions pratiques pour des normes de L 2 , L 3 et L..SZIDAROVSKY et DUCKSTEIN(1986) ont dvelopp et appliqu ce type de mthode sur des problmes squentiels multicritres d'amnagement des ressources naturelles. 4.7. Retour sur le principe de Mass-Bellman : le cas multicritre Les techniques prsentes auparavant possdent le gros dsavantage de raliser une agglomration des critres en une sorte de "fonction d'utilit" qui combine l'ensemble des valeurs de performances sur chacun des usages du systme. Une telle dmarche se justifie si le dcideur sait juger de ses choix avec une "parfaite comparabilit transitive" selon la terminologie de ROY(1985), c'est--dire qu'il peut classer avec un ordre complet les squences de dcisions que le modlisateur lui propose, au vu des consquences de ces actions. Nous illustrons ci-aprs une dmarche gardant au maximum les critres spars et ayant recours la programmation dynamique en dveloppant des arguments de SNIEDOVTCH(1986) qui s'est lui mme appuy sur des thories exposes par MITTEN(1974). Considrons titre d'exemple un rservoir deux usages, irrigation et soutien d'tiage, comme celui de la Figure 3-11.

pastel-00569481, version 1 - 25 Feb 2011

LOW FLOW AUGMENTATION


Figure 3-11: Rservoir deux usaqes de l'eau A un instant donn, une allocation i d'ordre partielle.
u

n ne permet

de dfinir qu'une relation

iu^
I est prfr a
si
U

\ 2J
u, > iij ( il y a plus d'eau pour le sounen
et

u0 > u-, (meilleure irrigation)

DEMARCHES DE MODELISATION 118

mais il existe des situations d'incomparabilit


U , > Ut e t
UT
< U

Dans ce cas, il est important de faire apparatre tant que possible l'ensemble de Pareto (solutions efficaces, c'est--dire telles qu'on ne peut plus amliorer un critre sans compenser en relaxant au moins un des autres). Lorsque l'aspect squentiel est pris en compte, la situation se corse: chacun des points d'quilibre va donner naissance, au pas de temps suivant, une nouvelle courbe de compromis. Supposons que l'on note V~ le rendement d l'irrigation venir sur le primtre aprs la premire priode et L~(u~, x, t) la performance instantane associe la premire priode i, tandis que Vi reprsente le critre futur du soutien d'tiage et L, (u,, x, t) en mesure le gain instantan. A des fins d'exemple, on peut considrer la relation de combinaison8 multi-usage dynamique : pastel-00569481, version 1 - 25 Feb 2011
V2-) V
l

i2v2

L'oprateur respecte la condition de monotonocit temporelle. On remarque en effet que pour tout couple de valeurs ( a, b > 0) il est facile de montrer :
V 2,

()
"1

w
W2

(b)

car
1 "

V, + a > W 1 + a V?. b > W9. b (b > 0)

v 0 > w0

On va montrer sur un exemple bicritre trs simplifi que cette condition permet d'employer la formulation recursive de Mass-Bellman pour donner un sens au problme :

i C w k ) l _, LV2(x(k)' k)J ' > * u

l( x (k)' u (k))' L 2(x(k)'u(k))J

r v i( x (k + D' k + i y
L V 2( x (k+l), k+l)

00

Sur ce cas hypothtique de la Figure 3-12, chaque arc reprsente une dcision possible et chaque nud un tat. Chaque arc est valu par deux nombres, gains instantans sur chaque critre, qui se combinent selon la relation prcdente.

On noie que cette relation est acceptable : l'objectif soutien d'tiace peut te envisag comme le rsultat de cumuls conscutifs, certains modles agronomiques expriment le rendement global sous a forme une combinaison multiplicative des rendements instantans.

DEMARCHES DE MODELISATION 119

(9,7)

(7,3)
pastel-00569481, version 1 - 25 Feb 2011 Figure 3-12 : Problme dynamique bicritre En appliquant rcursivement le principe de Mass-Bellman on garde de proche en proche les solution non domines. Cette dmarche est schmatise sur les Figures 3-13, 3-14, 3-15 et 3-16.

(2,1) Figure 3-13 : Premire tape de l'application du principe de Mass-Bellman bicritre

DEMARCHES DE MODELISATION 120

(3,1)

(2,1) Figure 3-14 : Seconde tape de l'application du principe de Mass-Bellman bicritre (9,7) pastel-00569481, version 1 - 25 Feb 2011 B (3,1)

(2,1)
I III II M I I I I ! M IM IIII II II M IIIII ! I M I ii

(7,3) Figure 3-15 : Troisime tape de l'application du principe de Mass-Bellman bicritre

'

On voit ainsi sur la Figure 3-15, que la dcision permettant de commencer une trajectoire de l'tat F l'tat C n'est pas conserve car elle est domine par une des solutions partant de F en D. La Figure 3-17 montre les trois trajectoires de Pareto obtenues. La proprit de monotonicit temporelle garantit que sont les seules squences de dcisions possibles.

DEMARCHES DE MODELISATION 121

(12,7) (10,12)

(14,36) (19,12) (17,24)

pastel-00569481, version 1 - 25 Feb 2011

Figure 3-16 Quatrime tape de l'application du principe de Mass-Bellman bicritr^i\&%7B

Figure 3-17: Solutions non domines obtenues par l'application du principe de Mass-Bellman bicritre On trouvera dans HENIG(1985) des extensions de ces ides et des algorithmes de calcul permettant des raccourcis. En effet, la programmation dynamique multicritre souffre aussi de maldiction dimensionnelle aigu, puisque chaque dcision trouve une tape gnre un ensemble de solutions non domines l'tape suivante, qu'il faut garder en mmoire. La figure 3-18 illustre une technique possible d'aprs LI et HAMES (1987") de troncature de la surface de Pareto chaque pas de temps en choississant t+1 l'enveloppe convexe des surfaces de Pareto engendres par chacun des points de la surface de Pareto obtenue l'tape t. D'autre part, dans le cadre purement stochastique, le problme dynamique multicritre ne semble pas avoir de traitement spcifique dans les prolongements naturels que pourraient par exemple exploiter et gnraliser cette dmarche.

DEMARCHES DE MODELISATION 122

Courbe de pareto initiale t

courbes de pareto issues de :

critre 1
pastel-00569481, version 1 - 25 Feb 2011

systme t

systme t+1

courbe de pareto obtenue t+1

systme t+1
Figure 3-18: Exploration vers l'avant de la programmation dynamique multicrire par courbes enveloppes

123

Ecole Nationale des Ponts et Chausses (ENPC-ENGREF) CERGRENE

ELABORATION DES CONSIGNES DE GESTION DES BARRAGES RESERVOIRS

pastel-00569481, version 1 - 25 Feb 2011

PARTIE 4 MODELES Le Systme NESTE Le cas du Barrage SEINE

DECEMBRE 91 E. PARENT

124

SOMMAIRE DE LA PARTIE 4
LE CAS DE LA NESTE 1. Tentatives de modlisation mathmatique du systme 1.1. Modle complet 1.1.1. Les quations de bilan 1.1.1.1. Le transfert Neste 1.1.1.2. Les stocks 1.1.2. Les quantitsrestantes aprs prlvements 1.1.3. Contraintes de capacit 1.2. Description globale deux rservoirs 1.3. Le systme agglomr 1.3.1. Description du systme agglomr 1.3.2. Prise en compte de la contrainte de capacit du canal 1.3.3. Que perd-on par rapport aux modles prcdents ? pastel-00569481, version 1 - 25 Feb 2011 1.4. Hypothses complmentaires de modlisation 1.4.1. Priode d'analyse du systme 1.4.2. Conditions initiales et constantes 1.4.3. Etat d'information du gestionnaire 2. Prise en compte du risque 2.2. Un mode opratoire qui intgre dj le risque 2.2.1. Le fonctionnement normal 2.2.2. Le fonctionnement de pr-crise 2.2.3. Le fonctionnement de crise 2.2.4. Transition possible d'un mode de fonctionnement un autre 2.3. Petit lexique du risque 2.4. Simulations de vidanges 2.5. En qute d'objectifs de gestion 2.5.1. Hirarchisation des objectifs et recherche d'un compromis 2.5.2. Le respect d'une contrainte du type dbit rserv 2.5.3. Modlisation de l'objectif d'irrigation 2.5.4. Calcul de l'indice de prcrise 2.5.5. Satisfaction de l'objectif d'augmentation de la qualit 3. Gestion de compromis 3.1. Objectifs de gestion 3.1.1. Les objectifs d'augmentation de la qualit 3.1.1.1. Sur la Neste, l'objectif instantan fnCrn) 3.1.1.2. Sur la Gascogne, l'objectif instantan fg(rg) 3.1.2. Les objectifs de satisfaction de l'irrigation 3.1.3. Le compromis global 3.1.4. Optimisation avec contraintes de fiabilit 3.1.5. Les gains suivant les modes de fonctionnement une priode donne 146 147 147 148 149 135 136 ....136 137 137 139 139 139 139 140 140 140 141 142 142 143 143 143 144 146 146 ..146 146 127 127 127 129 129 129 130 130 131 134 134 135

125

pastel-00569481, version 1 - 25 Feb 2011

3.1.6. Restriction sur a et 3.2. Contraintes et indicateurs de gestion 3.2.1. Les contraintes fonctionnelles 3.2.2. Les indicateurs de gestion 3.3. Analyse du systme 3.3.1. L'tat du systme 3.3.2. Les commandes du systme 3.3.3. Les transitions 3.3.4. Les quations et inquations du systme 3.4. Rsolution du problme par programmation dynamique stochastique 3.4.1. Le calcul numrique 3.4.1.1. Discrtisation du vecteur d'tat 3.4.1.2. Recherche de la commande optimale et calculs d'esprance 3.4.2. Contraintes de fiabilit 3.5. Gestion de compromis 3.6. Un exemple de l'optimisation squentielle de la fonction de Bellman 3.6.1. La fonction de Bellman 3.6.2. Les autres indicateurs: 3.6.2.1. Le volume moyen final 3.6.2.2. La probabilit d'apparition d'au moins une dfaillance future 3.6.2.3. La dure totale moyenne attendue pour le fonctionnement en prcrise 4. Prise en compte des tours d'eau et modifications du modle 4.1. Les modifications apportes 4.2. Le nouveau modle 4.2.1. L' objectif gnral de compromis 4.2.1. Analyse du systme 4.2.1.1. Les quations d'volution du systme 4.2.1.2. L'tat du systme, commande et transitions 4.3. Exemple de tableaux de bord 4.4. Validation par rapport un autre modle 5. Gestion stratgique par synthse d'une courbe de vidange type 5.1. Principes de la synthse 5.2. Comment tablir une gestion du compromis 5.2.1 La statistique des V . ( T ) 5.2.2 Frquence des dfaillances par rapport au dbit seuil 5.2.3 Frquence de dfaillance par rapport au dbit objectif 5.3. Choix d'une loi pour les dbits de salubrit 5.4. Courbes vidanges-type : t JE VL(F, t) 5.5. Prvision et calcul d'une stratgie 5.6. Etude de la gestion sur les chroniques passes 5.6.1. Anne humide du type 1977 5.6.2. Anne normale du type 1980 5.6.3. Anne exceptionnellement sche du type 1985 5.7. Conclusions partielles

149 150 150 150 151 151 151 151 151 152 153 153 153 154 154 156 156 .157 157 158 159 160 160 160 160 160 160 161 161 164 165 165 165 165 ..166 166 i67 167 168 170 170 170 170 171

126

LE CAS DE LA SEINE 6. Comparaison de la programmation dynamique en avenir certain avec la mthode des scnarios 6.1. Modles et mthodes 6.1.1. Le critre de gestion 6.1.2. La composante hydrologique 6.1.2.1. Le modle autorgressif 6.1.2.2. Le modle GR3 6.1.3. La composante dcisionnelle: 6.1.3.1. Le fil tendu 6.1.3.2. La programmation dynamique 6.2. Rsultats numriques 6.3.Validation des politiques de gestion en crues et soutien d'tiage 6.4. Discussions et conclusions pastel-00569481, version 1 - 25 Feb 2011

172 172 172 172 173 n 3 4 \~"A 175 178 178 179

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 127

LE CAS DE LA NESTE Ce premier cas d'application de la dissertation doctorale a t ralis l'occasion d'un travail d'tudes confi par la Compagnie d'Amnagement des Coteaux de Gascogne (CACG, 1989) au CERGRENE. Nous y dveloppons, partir d'un cas rel, des considrations thoriques de modlisation et nous prsentons des consignes aujourd'hui appliques de faon oprationnelle la gestion stratgique du systme Neste. Les principaux rsultats avec la succession des divers modles employs ont t publis dans PARENT et al. (1989, 1990, 1991). - Le premier paragraphe s'attache prsenter le Systme Neste (son histoire, ses acteurs, son mode opratoire) et reprsenter son hydrologie et son fonctionnement hydraulique par des modles mathmatiques. Elle est le fruit de nombreuses manipulations informatiques et statistiques sur l'historique des donnes collectes par la CACG et transmises au CERGRENE. L'aide d'Andr TURGEON a t prcieuse pour tablir un modle cohrent de fonctionnement du systme Neste. - Ensuite sont dvelopps les concepts de gestion stratgique en prcisant ce qu'on entend par "risque de dfaillance" et "objectif de gestion''. Cette dfinition prcise des termes d'un vocabulaire pourtant couramment employ par le gestionnaire. Elle rsulte de fructueuses discussions avec Patrick HURAND du service des tudes gnrales de la CACG qui a accept de partager son expertise et de jouer le jeu avec le modlisateur... ce qui a donn lieu une coopration de quatre annes entrecoupe de discussions acharnes mais profitables. Cette partie doit aussi beaucoup Claude MICHEL, hydrologue au CERGRENE. - Les derniers paragraphes proposent un type d'approche du calcul de gestion stratgique. Ces mthodes sont bases sur les techniques de programmation dynamique stochastique dont la thorie a t expose dans le chapitre prcdent. Un listing des programmes informatiques utiliss est fourni en Annexe 9. Fethi LEBDI. matre-assistant l'Institut National Agronomique de Tunis a beaucoup contribu la mise au point de ces techniques. Cette approche calcule une gestion classique par optimisation squentielle avec contraintes de fiabilit, qui peut tre encore dfinie comme un compromis multi-objectif o le gestionnaire doit fixer les poids relatifs accords l'irrigation et la qualit. 1. TENTATIVES DE MODELISATION MATHEMATIQUE DU SYSTEME Cette partie dtaille comment on passe d'un niveau physique complexe ( 17 rivires. 5 barrages...) un modle mathmatique simple deux puis un seul barrage. C'est dans ce dernier cas seulement que sera possible la recherche de solution pour la gestion stratgique, dont la mthodologie est dcrite dans les parties suivantes. A chaque tape de schmatisation, nous avons essay de souligner quelles taient les simplifications et les hypothses adoptes. 1.1. Modle eomnie On dcoupe le systme Neste en neuf units : k = 1 NESTE k = 2 BOUES unit avec un barrage ae haute montagne sans barrase

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE

12i

k = 3 OSSE canal k = 4 BAISE k = 5 GERS k = 6 ARRATS k = 7 GIMONE k = 8 SAVE k = 9 LOUGE - NERE - LA VET

avec le barrage de Mielan mais sans prise sur le avec le barrage de Puydarrieux sans barrage avec le barrage d'Astarac avec le barrage Gimone - Save sans barrage sans barrage

vk dsigne donc la variable v relative l'unit k. On rserve la notation majuscule pour une variable alatoire naturelle (hydrologie, etc..) tandis que l'on utilise une notation minuscule pour les autres variables. vkj dsigne une variable v relative un transfert entre l'unit k et l'unit j (k *j). C'est le cas des transferts Baise - Osse Gimone - Save k = 4, j - 3 k = 7,j = 8

pastel-00569481, version 1 - 25 Feb 2011

L1

UJ

I
CO

Figure 4-1 : Modle Neste 9 units

ELABORATION DES CONSIGNES DE GESTION DU SYSTEMENESTE 129

Pour la Figure 4-1, on note : - ek (comme entre) les valeurs des transferts par les canaux; on appelle ei la drivation en tte du canal Neste auprs de la prise de Sarrancolin et ek pour k = 2, 4. 5, 6, 7, 8, 9 les prises de chacune des units sur le canal Neste. ek (t) est donc le volume driv par le canal de la Neste destination de l'unit k durant la semaine t, - lk (comme lchers) les lchers partir du rservoir de la valle k, k=l caractrise la Neste et la rserve de haute montagne, - sk (comme stock) est le volume stock dans le rservoir de la valle k au dbut de la priode t (k = 1, 3, 4, 6, 7), - pk reprsente le prlvement effectu par l'agriculteur pour le systme k. - rk (comme reliquat) reprsente la quantit d'eau l'exutoire de la valle k, pastel-00569481, version 1 - 25 Feb 2011 - Zk est l'apport naturel du bassin versant du barrage de coteaux de la valle k quand il existe, les barrages de coteaux ont t construits pour rcuprer les apports naturels de leur bassin versant. On appelle Z\ l'apport naturel au canal de la Neste. - Yk est l'apport naturel la rivire globalis par unit k au del du barrage s'il en existe un sur de la valle k. - Dk reprsente la demande thorique agricole pour l'irrigation globalise pour l'unit k (Dk = pk sauf en priode de crise pour l'irrigation). Le schma de la Figure 4-1 et les paragraphes qui suivent prcisent ces notations. 1.1.1. Les quations de bilan 1.1.1.1. Le transfert Neste On a pour tout pas de temps : 9

ei =T7X ek + Zi
k=2 o f dsigne un pourcentage de pertes du canal que l'on a estim 6% (Cf Annexe 11 '), et Z\ l'apport naturel au canal constitu par toutes les eaux de ruissellement et de drainage qu'il rcupre sur son parcours (23 km) depuis la prise de Sarrancoiin jusqu'au plateau de Lannemezan. 1.1.1.2. Les stocks Pour le barrage de haute montagne alimentant la Neste on a : si (t+ 1) = si (t) - U (t) Pour les autres barrages :

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE

130

S 3 ( t + I ) = s 3 ( t ) - I 3 ( t ) + Z3(t) S4 (t + 1 ) = S4 (t) -14 (t) + e4 (t) + Z4 (t) 56 (t + 1) = S6 (t) -16 (0 + e 6 (t) + Z 5 (t) 57 (t + 1) = S7 (t) -17 (t) + e7 (t) + Z6 (t)

(MIELAN) (PUYDARRffiUX) (ASTARAC) (GIMONE-SAVE)

1.1.2. Les quantits r if (t) restantes aprs les prlvements On appelle rk(t) la quantit d'eau aboutissant en exutoire de l'unit k durant la priode t. Pour la Neste, on obtient l'quation suivante : ri = Y i - e i + U Pour les autres units on a les quations suivantes : i"3 = e2 + Y2 - P2 r3 = Y 3 + I3 - P3 + e43 r4 = Y 4 + I4 - P4 - e43 r5 = Y 5 + es - P5 r6 = Y 6 + 16 - P6 r7 = Y7 + I7 - P7 - e78 r8 = Y8 + 18 - P8 + e78 r = Y9 + e - P9 (Boues) (Osse) (Baise) (Gers) (Arrats) (Gimone) (Save) (Louge Touch)

pastel-00569481, version 1 - 25 Feb 2011

1.1.3. Contraintes de capacit Il s'agit de possibilit maximum de transfert ou de capacit. On a ainsi pour les stocks smin < s < smax avec : Neste Mielan Puy darrieux Astarac Gimone Save 0<si(t)<48Mm3 0 < s3(t) < 2,8 Mm 3 utiles 0 < S4(t) < 14 Mm 3 0 < S6(t) < 10 Mm3 0 < S7(t) < 15 Mm 3

On a de mme pour les canaux : 1min - KO Imax emin ^ (t) < e m ax Neste Boues Osse Baise Gers Arrats Gimone Save 0 < e 1 (t) < 14 raJ/s 0 < e2(t) < 0,67 m 3 /s 0<e4(t) < 6.8 m /s 0<e43(t) <0,6mJ/s 0<e5(t)<4,04m 3 /s 0 < e6(t) < 0,65 m 3 /s 0 < e7(t) < e7max m/s 0 < e8(t) < e8max m 3 /s
3

et avec
3 Il it) < 12.5 m / s

13C) < 1 m~ s 3 U(t) < 3.5 m- /s

16(7) < 1 > m-'/s J l7(t) < 1.6 m / s

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 131

Louge

0 < e78(t) < 3.5 m3/s 0 < e9(t) < 1,51 m 3 /s

1.2. Description globale deux rservoirs On voit que le modle prcdent, trs proche de la ralit physique, comporte un grand nombre de variables dterminer (tous les lk et tous les ek) avec d'importants degrs de libert. Il est trop compliqu pour tre abord directement. D'un point de vue fonctionnel, il semble que l'on soit tenu de reprsenter au moins deux type de rserves d'gale importance : - celles de montagne - une deuxime rserve regroupant les diverses rserves des coteaux; pastel-00569481, version 1 - 25 Feb 2011 et deux types de rgimes hydrauliques : - celui de la Neste de type pluvionival, - et ceux des coteaux de type intermittant pluvial ("oueds"). On a vu que pour les prlvements il existait une demande globale due l'homognit des comportements sur toute la zone. On rpartira cette demande proportionnellement au ratio des dbits souscrits en aval des rserves de coteaux et sur les rivires alimentes directement par le canal (Boues, Gers, Louge, Touch, Nere). On met ainsi en vidence le rle majeur jou par le transfert du canal Neste entre les deux ensembles et on distingue alors d'amont en aval : - la restitution de la rserve dans la Neste, - la Neste, - le canal de la Neste, - l'ensemble des drivations partir de la Neste, - la rserve collective de coteaux, - les rivires l'aval des rserves de coteaux. On passe ainsi du schma de la Figure 4-2 un schma deux rservoirs du type de la Figure 4-3. En notant : si = la rserve Neste S2 = le volume global disponible sur les coteaux 1] = le lcher de la rserve de montagne b = le lcher globalis sur les coteaux ui = le transit par le Canal Neste U2 = l'alimentation des barrages de coteau. U3 = l'alimentation des rivires sans barru_. X = le rgime de la Neste Y = les apports naturels des coteaux agglomrs

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 132

Rserve de haute montagne

Save
pastel-00569481, version 1 - 25 Feb 2011

Louge

Boues

Gars

Ose

f V f f T T T t
Arrats Gimone Baise

Figure 4-2: Modle complet

Figure 4-3: Modle deux rserroirs

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 133

aY = les apports naturels sur les rivires sans barrage (l-a)Y = (apports naturels sur les rivires avec barrages) a : coefficient de rpartition des apports entre 0 et 1 Z = les apports aux barrages de coteaux agglomrs 9 D = ^ Dk (demande agricole de tous les primtres d'irrigation ) k=l bD = (demande de prlvements sur les rivires sans barrage) (l-b)D = (demande de prlvements sur les rivires avec barrages) b : coefficient de rpartition des demandes entre 0 et 1 x = le seuil minimum global de salubrit de la Neste y = le seuil minimum global de salubrit des rivires de Gascogne pastel-00569481, version 1 - 25 Feb 2011 ay = le seuil minimum global de salubrit sur les rivires sans barrage (l-a)y = le seuil minimum global de salubrit sur les rivires avec barrage

On note les reliquats agglomrs r : ri (Neste) r2 (Rivires avec barrages de coteaux) 13 (Rivires sans barrage) Les quations du systmes deviennent donc : rserves et canal Neste : si(t+l) = si(t)-U(t) S2(t+1) = S2(t) - l2(t) + Z+ u2 (1-f) u\ = u2 + u3 en notant f le coefficient de fuite sur le canal reliquats en sortie du systme : r] = Il + X - ui r2 = b + a Y - bD n = ui + (l-a)Y- (l-b)D Les inquations du systme se prsentent sous la forme : rserves et canal Neste : ()<sj(t) <simax Sl m a x = 48 Mm 3 0 < S2(t) < s?max ^2max = 41.8 .Mm-3 lorsque Gimone sera oprationnel et 36 Mm-3 d'ici l 0<ll < 12.5 m3/s 0<ui < 14m3/s 0 < u2(t) < u2max

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 134

et les contraintes agglomres de capacit sur u2,113,12 reliquats en sortie du systme : Prob(n > x)> 1 - ei Prob(r2 > a y) > 1 - 2 Prob(r3 > (1-a) y) >1 - 3 avec ventuellement 1 2 3 valant 0 pour imposer des contraintes fermes sur les niveaux minima de sortie du systme. On cherche une stratgie de gestion, c'est dire tout instant t une rgle de dcision (indice par t que l'on ne fera pas figurer) telle que : pastel-00569481, version 1 - 25 Feb 2011 r i = n ( s i , s 2 , X, Y, Z,D) r 2 = r 2 (si,s2,X, Y, Z, D) T3 = r3(si, S2, X, Y, Z, D) et ul = u i ( s i , s2,X, Y, Z, D) U2 = u2(si, s2,X, Y, Z,D) u3 = u3(si, s2, X, Y, Z, D) 1.3. Le systme agglomr Dans le systme deux rservoirs, on s'aperoit que pour dfinir une rgle de gestion il faut 5 valeurs de manuvres de vannes calcules partir de 6 indications dcrivant le systme un instant t donn. Nous allons encore simplifier cette description en n'utilisant qu'un seul rservoir. 1.3.1. Description du systme agglomr Dans une premire phase, nous reprsentons le fonctionnement global de la gestion tratgique du systme N'este sous la forme suivante : s - un rservoir quivalent la somme des rserves de tout le systme Neste (haute montagne et coteaux indistinctement) dont le stock sera note S(t) au dbut de la semaine t, - un lcher globalis : L(t) durant la semaine t, - les apports naturels de la rivire Neste dont on a tudi l'hydrologie dans la partie statistique prcdente (le Log standardis de ces apports suit un processus AR1) : N(t), - une rpartition des flux sur deux valles : * la rivire Neste o l'on ne considre pas la demande agricole, * les coteaux de Gascogne par le transfert via le canal Neste. - sur les coteaux de Gascogne, on considre la demande agricole (Dit)) de tous les primtres d'irrigation. Sa rpartition statistique a t tudie en Annexes 1 et 4 avec celle des apports naturels agglomrs des rivires de Gascogne (G(t)) qui figurent aussi dans ce modle.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 135

Le schma de la Figure 4-4 prcise cette modlisation.

Stocks agglomrs S(t) Lachers L(t)

apports de Montagne N(t)

canal Neste

SSSSSSSSSSS/SSSSSSSSSSSSS/

sssssssssssssssss/ssssssss
SSSSSSSSSSS/SSSSSS//SSSSS/

primtres
pastel-00569481, version 1 - 25 Feb 2011

irrigues G(t)

rn(t)

apports de Gascogne

rg(t)
Figure 4 A Modle agglomr On appelle r n (t) et ra(t) les reliquats l'exutoire de la rivire Neste et l'exutoire des coteaux de Gascogne.

1.3.2. Prise en compte de la contrainte de capacit du canal Neste L'agglomration de tous les lchers sous une seule variable L(t) ne permet pas de distinguer ceux qui proviennent du rservoir de montagne de ceux qui proviennent des rservoirs de coteaux. Nanmoins, une rgle de gestion de bon sens veut que l'on utilise au maximum les apports naturels de la Neste qui ne cotent rien. La capacit limite ( 14 rrP/s) du canal de la Neste joue donc un rle essentiel et doit tre introduite dans le modle, faute de quoi, en priode d'abondance hydraulique sur la Neste, d'apports nuls en Gascogne et de forte demande sur les primtres irrigus, il serait jug inutile de dstocker les barrages de coteaux. Pour ce faire, on tronque les apports de la Neste la somme de 14mJ/s et de la valeur des dbits rserves sur la riviere Neste. .3.3. Que perd-on par rapport aux modles prcdents ? Il faut d'abord supposer que le coefficient f de fuites sur le canal est nul. ce qui est acceptable puisque son ordre de grandeur est 6% (voir Annexe i 1 ).

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 136

Les rservoirs de coteaux ne sont plus raliments ni par le canal, ni par une partie des apports de Gascogne. Les contraintes sur les lchers des barrages de coteaux disparaissent, puisque ceux-ci ne sont plus individualiss. On ne distingue plus les lchers du rservoir de montagne de celui des rservoirs de coteaux. Comment pourrait-on retrouver ceux-ci ? Une premire approche de rsolution du problme pourrait tre obtenue en rsolvant d'abord le problme global en cherchant dterminer les variables locales de chaque valle en observant les priorits de "bon sens" suivantes : 1) Il faut profiter du dbit naturel de la Neste Nt autant que possible, c'est-dire ds qu'est satisfaite la relation : r n > dbit de salubrit de la Neste? on fait transiter le surplus sur le canal de la Neste, jusqu' saturer ventuellement sa capacit de transfert. 2) Il faut utiliser en priorit les rservoirs de coteaux avant la rserve de montagne qui permet une plus grande libert de rpartition. Une fois l'eau descendue, elle ne permet plus que l'alimentation de la valle sur laquelle se situe le barrage de coteaux. pastel-00569481, version 1 - 25 Feb 2011 3) Le rservoir de montagne est utilis pour complter le rgime de la Neste, faire transiter via le canal de la Neste les quantits d'eau ncessaires aux valles sans barrage et pour la partie amont des valles avec barrages de coteaux, complter si ncessaire les stocks de ces barrages afin de satisfaire le cours de la rivire en aval de ceux-ci. On peut alors proposer la procdure de dcision suivante :
etr

- calculer L par le programme agrg partir des valeurs des commandes r g,

- calculer S3, si, S4, s6, s7 I3, 11, I4, 16, I7 au pas de temps suivant par application des rgles de bon sens ci-dessus, de sorte que : S3 + si + s4 + s6 + S7 = S et I3 + Il + I4 + 16 + I7 = L, - vrifier qu'ils satisfont les contraintes de capacit et de continuit, - les modifier le cas chant jusqu' obtenir une solution ralisable. 1.4. Hypothses complmentaires de modlisation L'tude de gestion se fera sur le modle simplifi un rservoir de tte. Nous avons rappel ci-aprs toutes les autres hypothses de modlisation adoptes de concert avec les services techniques du gestionnaire. 1.4.1. Priode d'analyse du systme La priode tudier chaque anne commence le 1er lundi de Juin et se termine a la vingtime semaine ( fin Octobre). On adopte le pas de temps hebdomadaire et on note v( t ) la valeur de la variable v au pas de temps t, en fait la valeur au dbut de la semaine t pour le stock tandis que pour les variables alatoires apports et demandes il s'agira de la vaieur moyenne durant la semaine t. On distingue les phases suivantes :

ELABORATION DES CONSIGNES DE GESTION DU SYSTEMENESTE 137

t= 1 Ti = 15 T = 20 fin

1er lundi de juin 1 < t < Ti priodes d'irrigation les plus fortes t = Ti correspond la 2 e m e semaine de Septembre de la priode d'tude (dernire semaine d'Octobre) Ti < t < T correspond aux priodes d'tiage.

Il s'agit donc de proposer une gestion hebdomadaire sur vingt pas de temps sans report interannuel. A cette chelle de gestion, on s'intresse aux bilans hebdomadaires de tranfert de ressources en eau et l'on suppose : - pour les rpartitions temporelles, que le systme de commande automatique de la CACG ajuste en permanence (moyennant un coefficient d'efficience) l'offre et la demande journalire pour l'irrigation, pastel-00569481, version 1 - 25 Feb 2011 - pour la rpartition spatiale, que les phnomnes de propagation sont ngligs l'chelle du systme Neste entier puisqu'il ne faut environ que 96 heures pour que l'eau parcoure la plus grande des rivires de l'amont du systme jusqu' la confluence avec la Garonne. 1.4.2. Conditions initiales et constantes On dmarre toujours par hypothse la saison le 1er lundi de Juin rservoirs pleins. On a donc pour le rservoir agglomr : s (t = 1) = Smax = 75 Millions de m-5. Le dbit souscrit sur toutes les rivires de Gascogne a t choisi 18 irP/s ce qui correspond la demande de 1989. La capacit du canal Neste a t fixe 14 rrp/s. On y a nglig les pertes de transport. 1.4.3. Etat d'information du gestionnaire Le gestionnaire ne connat aucune information sur la demande Dt venir durant la semaine t, si ce n'est sa rpartition statistique. Il ne connat pas non plus le rgime de la Neste qui aura lieu durant la semaine t (Nt), mais il a en sa possession le rgime de la Neste durant la semaine prcdente Nt-1 qui lui permet de faire des prvisions (voir Annexe 1 hydroogique). La commande en gestion stratgique est la fixation d'un niveau de consigne r r > dit contrat de salubrit) pour la Gascogne, ainsi que pour la Neste (r ). C'est ensuite le rle de la gestion tactique de calculer le lcher L, de manire asservir les valeurs du dbit en sortie du systme autour des contrats de salubrit, autant que faire se peut. La dfinition des contrats de salubrit est prise antrieurement l'observation des valeurs de Dt et de Nt (fonctionnement en dcision-hasard).

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 138

On a choisi, compte tenu de la grande variabilit des apports de Gascogne et de leur trs faible moyenne durant les 20 semaines qui nous intressent, de ne pas les prendre explicitement en compte et de les considrer comme nuls, ce qui nous permettra de considrer les solutions proposes comme des bornes infrieures pessimistes; le bonus supplmentaire sur la qualit des rivires de Gascogne par des apports ventuels, vnements rares ne changera pas grand chose l'optimum calcul en terme de rgle de gestion. Une consigne de gestion consiste donner pour chaque pas de temps un contrat de salubrit (r , r ) en fonction des informations dont on dispose, c'est dire : rg(t)=rg(St,Nt.,)
r

= \,<SfNt-l>

On souhaite d'autre part pouvoir estimer les performances des rgles de gestion. Pour cela, on a adopt la dmarche suivante pour la suite du rapport : pastel-00569481, version 1 - 25 Feb 2011 - en premier lieu, on dfinira des critres ou des indices de gestion (partie 2), - dans la troisime partie, on proposera des rgles de gestion optimales en un certain sens par rapport ces critres. Des simulations permettront d'estimer ces indices. On visualisera aussi les performances des rgles proposes en utilisant pour le calcul les onze dernires annes d'apports et les demandes relles (en ramenant celles-ci la hauteur des dbits souscrits actuels).

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 139

2. PRISE EN COMPTE DU RTSOIIF. Dans la suite, on utilisera dsormais les notations du systme agglomr1 (toutes les rserves regroupes en une seule) pour formaliser la prise en compte du risque lors de la gestion du Systme Neste et dfinir prcisment la signification des termes relis la notion de risque. L'importance et la faon d'valuer ces indices de gestion seront ensuite discutes pour donner un sens sans quivoque au concept de gestion stratgique optimale qui rencontre les soucis rels du gestionnaire. 2.2. Un mode opratoire oui intgre di le risque On peut dfinir trois modes de fonctionnement refltant la situation relle et les ractions des gestionnaires face aux vnements exceptionnels. pastel-00569481, version 1 - 25 Feb 2011 2.2.1. Le fonctionnement normal La rserve fonctionne de telle faon que, sur la rivire Neste aprs la drivation de Sarrancolin, on laisse passer au moins qobjN = 4 m-7s (rn(t) > qobjN) : les demandes pour l'irrigation sont pleinement satisfaites, le niveau de salubrit dans les rivires de Gascogne est suprieur un seuil minimum qminG, et aussi proche que possible d'un dbit objectif qobjG, variable selon la valeur du lcher effectu (qminG < r<x < qobjG). Dans le cas prsent, la CACG a propos pour valeurs qmin G = 5,4 m-Vs et qobjG = 12,4 m^/s, valeurs qui seront discutes dans la suite de cette partie. Les fonctions objectifs associes aux profits de salubrit raliss sur la Neste et sur la Gascogne, ainsi que celles lies la satisfaction de l'irrigation en mode de fonctionnement normal seront dtailles par la suite. 2.2.2. Le fonctionnement de pr-crise Il peut se produire, lorsque la demande pour l'irrigation a des difficults a tre satisfaite, que l'on abaisse le dbit laisser sur la Neste une valeur qminN (= 3irP/s), de faon augmenter le transit vers les coteaux de Gascogne via le canal Neste, soulageant ainsi la difficult satisfaire l'irrisation (rn passant qminN permet de relever r g ). Ce mode de fonctionnement sera appel par la suite rgime de pr-crise. Il faut noter que les dbits laisss sur la Neste passent sans transition de qobjN qminN car cette mesure a une origine rglementaire (dcision prfectorale). Ce mode de fonctionnement s'est produit assez souvent de par le pass sous la pression des irrigants inquiets pour leur rcolte.

Compte tenu de ia souplesse et de l'interconnexion de ce systme, la notion de dfaillance sur une rivire donne n'a pas de signification, une dfaillance ne peut tre que gnrale, ce qui permet de donner des rsultats globaux en utilisant le modle un seul rservoir.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 140

2,2.3. Le fonctionnement de crise La mesure suivante consiste dcrter l'impossibilit radicale de satisfaire l'irrigation en priode de scheresse. L'arrt des irrigations est dfinitif depuis la prise de la dcision jusqu' la fin de la saison d'irrigation (20me semaine aprs le 1er Lundi de Juin). On ne poursuit plus alors que les objectifs de soutien de la salubrit : sur la Neste, au niveau qminN et sur la Gascogne, si possible, au-del de qminG. Cette mesure trs impopulaire a t rarement effective dans l'histoire de la Neste. Elle traduit le souci de mnager des objectifs lis aux usages de l'eau prioritaires sur l'irrigation en situations de pnurie grave. 2.2.4. Transition possible d'un mode de fonctionnement un autre Du mode normal, on peut rester en mode normal ou passer un tat de crise ou prcrise. pastel-00569481, version 1 - 25 Feb 2011 En mode pr-crise, on peut revenir au mode normal, rester en pr-crise ou dcrter la situation de crise. La situation de pr-crise constitue un avertissement pour le gestionnaire. En mode crise, la seule transition possible est en pratique de rester dans ce mme mode crise. Ce fonctionnement dcrit l'inertie des dcisions des autorits administratives et l'inutilit, cette fois pour des raisons agronomiques, de reprendre l'irrigation lorsqu'on l'a suspendue depuis dj une semaine ou plus. 2.3. Petit lexique du risque Comme c'est bien souvent le cas lors de l'tude des systmes de transfert d'eau dont l'objectif n'est pas la production hydro-electrique, il n'existe pas de bnfice montaire li au m3 relch et donc aucune formulation immdiate de ce que le gestionnaire entend par objectif de gestion. Plutt que de nous orienter vers l'utilisation de fonction d'utilit multiattribut comme il en dj t fait usage l'occasion de problmes semblables d'hydraulique agricole (voir par exemple KRYSTOFOVITZ, 1982), nous avons prfrer aider le gestionnaire a mieux formuler la perception de ses objectifs en cernant quels taient les incidents de parcours qu'une bonne gestion devait viter, suivant en cela une dmarche proche de celle dHASHLMOTO et al. (1982). Curieusement, il est souvent plus facile de raisonner en termes de contreperformances et d'incidents. L'objet de ce paragraphe est de donner une dfinition prcise du vocabulaire relatif aux incidents et aux dfaillances des rservoirs du Systme Neste, afin de parler le mme langage que leur gestionnaire, ou du moins de juger une gestion sur les mmes indices de performance. On ne s'intressera ici qu'aux incidents lis au dficit. Par incident, on entend tout vnement, tel le fait pour un rservoir d'atteindre un niveau bas alarmant, qui se produit hors d'une gamme de limites prspcifies. A un instant donn, le systme Neste est sujet plusieurs types d'incidents : a) gestion en mode prcrise, c'est--dire passage du dbit rserv de la Neste de 4 3 m3/s (qminN), b) gestion en mode crise, c'est--dire arrt des irrigations. c) gestion en mode normal, l'irrigation fonctionne, la Neste est ralimente 4 m3/s (qobjN). Ceci n'est pas proprement parler un "incident", mais nous sera utile par la suite, et c'est le complment logique des deux premiers modes de fonctionnement.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEMENESTE 141

d) dfaillance du stock : avant la fin de la priode de gestion (20me semaine aprs le 1er lundi de Juin) on a compltement vid les rserves du Systme Neste. Cette situation dpend la fois des alas hydrologique et de la politique de gestion suivie jusqu' cette date. Les trois premiers vnements un pas de temps futur donn s'excluent mutuellement (on sera alors ou en fonctionnement normal ou en prcrise ou en crise). A chacun de ces incidents, on associe, pour une stratgie de gestion donne, divers indices de performance : - le risque, c'est--dire la probabilit de voir un instant donn l'vnement en question se raliser, - la resilience, c'est--dire une estimation du temps moyen au bout duquel le systme retourne un tat satisfaisant lorsque s'est produit un incident. - la vulnrabilit, qui mesure l'importance moyenne d'un incident pour les usagers de la ressource. Elle peut prendre toutes sortes de formes : maximum de l'cart la normale, moyenne de l'cart la normale, fonction continue ou en saut de l'cart la normale. L'objet de notre tude est de mettre au point une recherche de stratgies de gestion qui procurent un bon compromis sur chacun de ces indices. En fait, chaque stratgie de gestion sera applique sur des simulations des alas hydrologiques de la Neste et de la demande respectant les lois tudies et dcrites prcdemment. On dfinit notamment les indices suivants : Vnormal : pourcentage du temps o la gestion est effectue en fonctionnement normal, Vprcrise : pourcentage du temps o la gestion passe en mode prcrise, Vcrise : frquence de fonctionnement en mode crise, Vfinal : volume moyen final en Millions de irP restant dans le rservoir l'horizon de gestion (T= 20), Virrigation : pourcentage des priodes durant lesquelles a t effectivement satisfaite l'irrigation, c'est dire lorsque le fonctionnement de crise n'a pas t dcrt et qu'il n'y a pas eu dfaillance sur la satisfaction de la demande. VqualitG : un indice de vulnrabilit mesurant la salubrit sur la Gascogne, qui sera prcis par la suite dans le paragraphe 6, 2.4. Simulations de vidanges Le gestionnaire du systme, la CACG, a propose comme valeurs minimaies de salubrit sur l'ensemble des rivires de Gascogne la valeur QminG = 5.4 m J /s, et comme valeur objectif QobjG = 12.4 rrP/s. Nous avons test par simulations en mode hasard-dcision les probabilits de dfaillance sur le stock qu'un tel choix implique lorsque l'on effectuait un lcher respectant exactement QminG ou QobjG sur la Gascogne pour divers modes de fonctionnement, sans accorder aucune modulation de surplus. Le tableau suivant rsume nos essais de simulations. La dfaillance est mesure par deux nombres :

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE

142

- le rapport du nombre de priodes o le stock est vid avant l'horizon de gestion sur le nombre total de priodes, ce qui donne une indication de l'importance de la dfaillance, - la probabilit de terminer la saison avec un rservoir vide, ce qui mesure plutt la frquence de la dfaillance. Le rservoir a t suppos plein 75 Millions de rr t = 1 pour le fonctionnement normal et prcrise et la simulation a port sur 20 semaines. La simulation a port sur 10 semaines en dmarrant t =10 avec 37.5 Millions de m3 en situation de crise. fonctionnement normal precnse crise pastel-00569481, version 1 - 25 Feb 2011 % de dfaillances avec QminG = 5.4 < 1% < 1% % de dfaillances avec QobjG = 12.4 40% 32% 35% 3.92 3.85 2.7

2.5. En qute d'objectifs de gestion 2.5.1. Hirarchisation des objectifs et recherche d'un compromis L'objectif de la CACG, gestionnaire du systme est double. Sous rserve que les contraintes physiques et institutionnelles de gestion (dbit rserv) soient ralises, elle souhaite : - Satisfaire en premier lieu et autant que possible les demandes d'irrigation. Les relations entre CACG et agriculteurs sont traduites par les modalits de l'adquation de l'offre la demande que rpercute le systme tactique de rgulation dynamique dj install. Etant donn le droit de l'eau et les habitudes de consommation, il est trs difficile de rduire de faon progressive l'eau destine aux irrigations. En cas de pnurie, il est ncessaire de passer par une disposition rglementaire pour dgrader la gestion en mode prcrise en abaissant le niveau driv vers la Neste de 3 4 m-Vs. Lorsqu'on atteint la pnurie grave, il faut arrter toutes les irrigations (arrt prfectoral) avec surveillance par les agents chargs de la police de l'eau. La saison d'irrigation s'arrte alors et ne reprend plus par la suite. Dans ces circonstances. l'Etat se substitue au gestionnaire (CACG) pour grer une situation de crise. - Soutenir les tiages un niveau aussi lev que possible en amliorant la qualit globale de chacune des rivires et en rpartissant les surplus d'eau (lorsque les seuils de salubrit et l'irrigation sont garantis) en tte de systme. Il est vident que ces deux objectifs sont en opposition : distribuer aujourd'hui des surplus d'eau sur les rivires du systme risque d'entraner demain des consequences dsastreuses quant la possibilit de satisfaire les demandes d'imganon. Si ces objectifs sont clairs, il est par contre difficile pour un gestionnaire d'exprimer clairement comment il choisit de raliser un compromis lorsqu'il est pris en tenaille entre deux catgories d'usagers aux objectifs contradictoires. C'est pourtant la seule faon "honnte" de procder est de mettre plat ses priorits et ses choix, car le meilleur des modles n'est qu'un outil d'aide la dcision et ne produira jamais d'eau additionnelle.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 143

Les parties du rapport qui suivent ont pour seule ambition de proposer quelques faons de traduire clairement, en termes non subjectifs, un compromis de gestion. On s'appuiera sur un langage sans quivoque en utilisant les indices de gestion lis au risque tels qu'ils ont t dfinis dans les parties prcdentes. 2.5.2. Le respect d'une contrainte du tvpe dbit rserv L'amlioration des objectifs d'irrigation ou de soutien des tiages ne doit pas se faire aux dpens des contraintes rglementaires. Nous nous imposerons, pour toutes les stratgies de gestions proposes par la suite et quelle que soit la semaine t de la gestion, la contrainte : Prob (qminG < (rg(t) + D(0) > 1 - e(t) avec qminG fix 5.4 et e fix 0.06 ; c'est dire qu'avant le primtre d'irrigation, on impose de respecter des contraintes rglementaires strictes. pastel-00569481, version 1 - 25 Feb 2011 2.5.3. Modlisation de l'objectif d'irrigation (hypothse 0/1) Considrons la variable binaire g(mode(t)). Elle traduit l'attitude des irrigants par la rgle suivante: "Si t. le mode est le fonctionnement de crise, alors cette variable vaut 1 ; si on se trouve t en mode prcrise ou normal alors elle vaut 0". Autrement dit, cette variable prendra la valeur 1 ou 0 selon que l'incident "l'irrigation est suspendue" est vrai ou non la priode t. On sait par hypothse, que ds que l'on arrte l'irrigation la date t, alors pour tous les instants ultrieurs, on reste ncessairement en mode crise. Avec ces notations l'indice de gestion sous risque Vcrise s'crit :
(
T

E { Zg(mode(t))} V
L

ce qui revient chercher 1, la dure moyenne d'arrt des irrigations (on divise par T pour avoir un critre adimensionnel). Cet objectif se prsente sous forme d'esprance mathmatique, afin de prendre en compte les alas lis l'hydrologie des apports et l'irrigation lors de la recherche d'une stratgie calcule en fonctionnement dcision-hasard. 2.5.4. Calcul de l'indice de prcrise De la mme faon, dfinissons la fonction fnimode(t)) telle que celle-ci vale 0 en mode prcrise et 1 sinon. Avec ces notations, on peut calculer Vprcrise par la formule :

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 144

f
T
Vprcrise =

E{Xfn(mode(t))} t=l

2.5.5. Satisfaction de l'objectif d'augmentation de la qualit Il s'agit cette fois de dfinir un indice de vulnrabilit qui traduise la volont d'un soutien d'tiage des rivires de Gascogne.

dbits cart par rapport au dbit objectif debit objectif

pastel-00569481, version 1 - 25 Feb 2011

dbit seuil vital

amont

aval tronon pnalis de la rivire


Figure 4-5: Objectif de soutien d'tiage dbit-pK

Une ide propose pour dfinir la forme de l'objectif de quaiit est de se servir du profil des rivires alimentes par le canal Neste qui sont du type ci-dessus, puisque ies apports naturels sont trs faibles: les hauteurs dcroissent d'amont en aval compte tenu des prlvement et des pertes. On dfinit ensuite un qODJ dbit objectif sur tout le profil pour chaque rivire. Comme le montre la figure ci-dessus, une variation du dbit transitant sur la rivire provoque une variation quadratique en terme d'intgrale de l'cart par rapport au dbit objectif optimum q0DJ. En rsum la situation se prsente ainsi, si l'on considre le point le plus en aval de la rivire : - r a = QminG = 5.4 m-Vs (seule la salubrit vitale est assure, il n'y a pas d'effort de gestion de la qualit), - r k = QobjG = 12.4 m-Vs (qualit maximale sur ia totalit du trac de ia nvire et cela ne sert rien d'aller au-del).

ELABORATION DES CONSIGNES DE GESTION DU SYSTEMENESTE 145

- entre ces deux cas, variation quadratique de notre critre de salubrit, lie au pourcentage de longueur de rivire o l'on est en-de du dbit objectif QobjG, de telle sorte que l'on arrive avec une tangente horizontale la valeur QobjG (loi des rendements marginaux dcroissants). On choisit donc un objectif de la forme : fg(rg) = (ar^-g + brg + c) pour QminG < rg < QobjG fg(rg) = o pour QminG > rg ou rg < QobjG avec a, b, c tels que : a r ^ C T + brg + Cg = 0 pour rg = QminG ar^g + brg + cg = 1 pour QobjG = rg ara + b = 0 pour QobjG = ropastel-00569481, version 1 - 25 Feb 2011

0
r = a objectif k k

containte probaliste de respect du seuil v i t a l

Figure 4-6: Objectif de soutien d'nage soit en rsolvant ces quations : Ta - qminG ~ S - P ~ \ \ qobjG - qminG j lorsque Ta est entre qminG et qobjG ; fa(rtr) = 0 si Ta < qminG et fa(.r<r) = 1 si Ta > qobjG Notre critre de vulnrabilit sur ia Gascogne s'crit donc : / r g - qminG ~ l^qobjG - qminG

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 146

E{(fg(rg(t)))}
VquahtG = t=l

Ici encore, cet objectif se prsente sous la forme d'une esprance mathmatique pour prendre en compte les alas lis aux apports naturels et l'irrigation, rg est directement li aux variables de lcher L par l'intermdiaire des quations de bilan. Cette fonction d'amlioration de la qualit reste adimensionnelle puisque fa est compris entre 0 et 1. 3. GESTION DE COMPROMIS 3.1. Ohiectifs de gestion Les objectifs de gestion seront une fonctionnelle additive par pas de temps des composantes que nous dtaillons ci-aprs. On appellera a et deux coefficients compris entre 0 et 1, associs respectivement la salubrit et l'irrigation. 3.1.1. Les objectifs d'augmentation de la qualit 3.1.1.1. Sur la Neste, l'objectif instantan f^r^) En mode de fonctionnement normal (rn >. qobjN), on suppose que l'on bnficie d'un bonus fn(mode normal) = 1; en modes dgrads on prendra fn(crise) = fn(prcrise) = 0 et l'on aura r n ^ qminN.

pastel-00569481, version 1 - 25 Feb 2011

3.1.1.2. Sur la Gascogne, l'objectif instantan fgjrg) Quel que soit le mode de fonctionnement, on admet que l'on obtient un bnfice mesur par (1 - a)fg(rg) o fg(rg) vrifie les proprits suivantes : f Ta - qminG *\ I ^qobjG -qminG j
->

= ^

, / Ta - qminG ^qobjG - qminG , i

lorsque Ta est entre qminG et qobjG ; fg(rg) = 0 si rg < qminG et fg(re) = 1 si rg > qobjG L'objectif gnral relatif l'augmentation de qualit sur la priode t() T s'crit donc: Trouver la suite des r (t) et des r (t), t > tA tels uue : g n ' 0
T

Max E { Ji\ - a)fa(Ta(t)) + af n (mode(t))) } t=tO

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 147

o E dsigne l'oprateur esprance portant sur les apports venir de la Neste et des rivires de Gascogne ainsi que sur la demande en irrigation. 3.1.2. Les objectifs de satisfaction de l'irrigation En rgime de crise, on abandonne toute prtention poursuivre l'irrigation tandis qu'en modes de pr-crise et de fonctionnement normal, on espre que la saison d'irrigation durera le plus longtemps possible. On traduit cet objectif par une fonction g(mode(t)) telle que : g(mode(t)) = 0 si mode(t) = crise tandis que : g(mode(t)) = 1 si modelt) = pr-crise ou fonctionnement normal. pastel-00569481, version 1 - 25 Feb 2011

3.1.3. Le compromis global On le prendra sous la forme, en supposant que to dsigne la priode de dpart :
T T

E { 2 ( U - a)fg(r g (t)) + <xfn(mode(t)))} + ( l - ) E { Xg(mode(t))} t=to t=to c'est dire :


T

E { X ( ( ! - a)fg(rg(t)) + af n (mode(t))) ) + (l-){ (Dure movenne des t=to irrigations de tQ jusqu' T) j Comme on le voit, il ne s'agit en aucun cas de conduire une optimisation sur un bnfice conomique pour se substituer de faon automatique la volonte du gestionnaire des rserves de montagne et des coteaux de Gascogne. Le compromis raliser s'appuie simplement sur la rpartition des poids relatifs de chacun des deux objectifs irrigation et qualit. On simulera cette gestion sur des chroniques historiques, de faon ajuster les coefficients (a et dfinis ci-avant) et traduire les habitudes du gestionnaire du systme Neste. Ceci permettra de raliser une aide la dcision en calculant tous les risques associs une dcision. On notera que les deux critres s'expriment en une grandeur analogue une dure en semaines depuis l'instant prsent jusqu' l'horizon de gestion T. En fait les coefficients a et tendent empcher le modle de dclencher une des actions suivantes (sachant qu' la semaine t on tait en situation normale) : - d' avoir un dbit de salubrit infrieur au minimun et de rester en situation normale, - d'avoir un dbit de salubrit suprieur au minimun requis et de passer en mode crise.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 148

3.1.4. Optimisation avec contraintes de fiabilit Si on remarque, au vu des dfinitions de gestion stratgique de risque, que les indicateurs suivants se mettent sous la forme : T (T-to)VqualitG = E { fg(r g (t)) ) ; t=tO (T-to) - Vcrise) = {(Dure moyenne des irrigations de tQ jusqu' T) j c'est T dire E { Xg(mode(t)) j ; t=to T (T-to)(l - Vprcrise - Vcrise) = E { f n (mode(t))} t=tO On voit que le programme ci-dessus est quivalent au programme : Maximiser { VqualitG j sous les contraintes : Vcrise < V\ Vprcrise < Vu. avec V\ et Vu,, deux niveaux de fiabilit prfixs. En utilisant la thorie des multiplicateurs de Lagrange, une condition ncessaire est de chercher le point selle du Lagrangien : VqualitG - X Vcrise - u. Vprcrise Les valeurs positives ou nulles de X et u. sont les valeurs des multiplicateurs associs aux niveaux de fiabilit prfixs V \ et Vu. Il faut rapprocher cette expression de : T E { > fara(t)) +-^f n (mode(t)))} + ( "} E { Isimodeft))} 4i - ~ (1-oc) (l-a) :=u)
t=t()

pastel-00569481, version 1 - 25 Feb 2011

ou l'on voit que, dans le compromis global, on recherche le mme maximum en ayant pos : a u (1-+a) X ,T ' et (l-a)' ' - "W -W

-cc)

- (T

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE

149

3.1.5. Les gains suivant les modes de fonctionnement une priode donne Supposons que durant la semaine t, le fonctionnement soit dcrit par la variable mode(t) qui prend ses valeurs dans le triplet (normal, pr-crise, crise). Le tableau suivant rsume les gains qui sont alors marqus selon le mode de fonctionnement. On rappelle que f n (r n ) est une quantit comprise entre 0 et 1, qui dpend la fois du mode de fonctionnement et du lcher de salubrit L des barrages. mode(t) normal Caractristiques Gain sur la rivire Neste durant t Gain de salubrit sur la Gascogne Gain pour l'irrigation

pastel-00569481, version 1 - 25 Feb 2011

La Neste doit tre fournie qobjN = 4m 3 /s. L irrigation fonctionne pr-crise Le dbit requis sur la Neste est abaiss qminN=3m3/s L'irrigation continue Suspension des crise irrigations

-a)fg(rg)

d-)

(1-cc) fg(rg)

(1-)

(1-cc) fg(rg)

3.1.6. Restriction sur a et A l'vidence, les coefficients a et doivent respecter un certain quilibre traduisant la ralit physique : - en priode de relative raret, on doit avoir intrt concentrer tous ses efforts sur la Gascogne (situation de pr-crise), plutt que d'alimenter la Neste et la Gascogne (situation normale), d'o, pour le critre d'augmentation de la qualit : (1 - a) x 1 > (1 - a) x 0 + a maximum obtenable en rpartition minimaie pr-crise pour la qualit en priode normale d'o :cc < 1/2 - en priode de forte scheresse, il vaut mieux dcider de suspendre les irrigations et gagner sur la salubrit de la Gascogne, plutt que de continuer irriguer tout en perdant des points sur la Gascogne. D'o : maximum obtenable en crise > soutien de l'irrisation au dpend de la qualit (1 - ) xO + i l -<x)x 1 > (1 - ) + 0 d'o :

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 150

>

, , .. 1 0 c est a dire a < 2 -

1-

(1-a)

d'o, en particulier : > 1/2 car a > 0 3.2. Contraires et indicateurs de gestion 3.2.1. Les contraintes fonctionnelles Le droit de l'eau est tel, qu'en France, sauf scheresse grave, on ne peut empcher l'agriculteur de prlever l'eau qui passe devant son champ, dans les limites du dbit souscrit. Les inaptitudes du modle anticiper la demande se retrouveront donc l'exutoire de la Gascogne sur les valeurs de rg(t). On imposera donc la contrainte de fiabilit : Prob (L(t) + N(t) - r n (t) - D(t) > 0) > ei c'est dire de ne pas trop compter sur les apports de Gascogne pour soulager la gestion. 3.2.2. Les indicateurs de gestion - Le volume moyen final : un instant donn, dans un tat du systme connu, on dsirera avoir une estimation du stock moyen final T (= 20 semaines); un niveau final trop haut sera l'indication d'une gestion trop prudente, tandis qu'une valeur proche de zro est symptmatique d'une gestion trop hasardeuse; cette variable a t appele Vfnal dans le chapitre prcdent, - La dure moyenne des irrigations pour les semaines qui restent venir, c'est donc la valeur de (1-Vcrise ), - Les probabilits de se trouver pour le reste de la priode en modes de fonctionnement normal, de pr-crise ou de crise (notes Vcrise, Vprcrise. Vnormal), - Le gain futur moyen en ce qui concerne l'irrigation : c'est l'esprance du cumul, depuis la semaine courante jusqu' l'horizon de gestion (T = 20 semaines) des objectifs d'augmentation de qualit fx et fg (la partie lie la salubrit de la Gascogne a t prcdemment appele VqualitG).

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 151

3.3.1. L'tat du systme Appelons X(t) : { S(t), N(t-l), situation(t)} l'tat du volume la date t. Situation(t) est une variable qui peut prendre une des trois valeurs (normale, prcrise, crise). L'tat X(t) caractrise l'ensemble des informations dont on dispose au dbut de la semaine t : - on connat le niveau des rserves S(t), - durant la semaine prcdente, on a enregistr des apports de la Neste la valeur Y(t-l), - la semaine prcdente s'est acheve en mode de fonctionnement normal, de pr-crise ou de crise suivant les valeurs de situation. 3.3.2. Les commandes du systme Posons U(t) = {r (t), mode(t)}, o mode(t) est une variable qui peut prendre une des valeurs (normale, pr-crise, crise). Ce "vecteur" de commande U(t) traduit l'action entreprendre durant la semaine t : - fixation du niveau de salubrit par la gestion stratgique de telle sorte que la gestion tactique opre 1 ouverture des vannes et lcher moyen d'une valeur L(t) pour raliser la consigne contractuellke rCT(t) - passage un mode de fonctionnement donn par la valeur de modeit). 3.3.3. Les transitions Supposons qu' partir d'un tat connu X(t), on adopte une commande UCt). On distingue alors les transitions suivantes : * S (t + 1 ) = S(t) - Lit) = Sit) + N(t) - D(t) + G(t) - r(r( n - rr (t) * situationt+1) = modelt) * N(t), la troisime composante de X(t+1) comme la premire ne sera connue qu'en probabilit, conditionnellement Nft-1) d'aprs l'tude hydrologique. Si on appelle rgle de gestion une application telle qu' chauue instant on fasse correspondre un tat Xit) une commande U(t) = UfX(t)), le processus des tats est donc bien une chaine markovienne d'ordre i. 3.3.4. Les quations et inquations du systme S(t+l) = S(t)-L(t)

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 152

L(t) > 0 mode(t) 6 (crise, pr-crise, normal} si situation(t) * crise mode(t) = crise si situation t) = crise situation(t+l) = mode(t) rn(t) = qminN + Sup(0, N(t) - 14 - qminN) si mode(t) e {crise, pr-crise j i"n(0 = qobjN + Sup(0, N(t) - 14 - qobjN) si mode(t) = normal rg(t) = L(t) + N(t) - rn(t) - D(t) + G(t) Prob(ra(t) > qminG) > 2 si mode(t) * crise pastel-00569481, version 1 - 25 Feb 2011 ProbiL(t) + N(t) - r n (t) - Dit) > 0) > 2 si mode(t) * crise 3.4. Rsolution du problme nar programmation dynamique stochastique Posons :
T

V(X(tfj) = Max E { ((l-(x)fg(rg(t)) + a f n (mode(t))) } t=t0 T

+ (l-)E { Ig(mode(t))}
t=t0 Le maximum tant calcul sur U(to), U(to + 11... En remarquant que les fonctions fer, fn et g sont en fait des fonctions de U(t), le principe de Bellman permet de mettre cette quation sous la forme : V(Xito) = Max { E {((l-a)fg(U(tQ) + a fn(U(tO)J + (1-) glU(to))} VXto+l:Xto);U(t 0 ))} Le maximum porte cette fois ci sur LH'to) que l'on expnme comme une fonction de Xfto), l'optimum tant atteint pour U*(X(t())). Par la suite, le calcul a t men effectivement par la programmation dynamique stochastique complte avec discrtisation.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 153

3.4.1. Le calcul numrique 3.4.1.1. Discrtisation du vecteur d'tat KLEMES (1977) a attir l'attention sur les consquences fcheuses d'une discrtisation inapproprie du vecteur d'tat pour les problmes de gestion interannuelle (cration parasite d'tats absorbants sur la chane markovienne des stocks). Pour chaque pas de temps, les stocks ont ici t discrtiss en 21 niveaux depuis 0 jusqu' 75 Millions de n A Les apports de la Neste ont t discrtiss en 7 niveaux correspondants aux valeurs -2, -0.98, -0.54, 0.00, 0.54, 0.98, 2, de la variable standardise associe la loi lognormale des apports de la Neste au pas de temps considr, c'est--dire correspondant aux probabilits 0.025, 0.16, 0.29, 0.5, 0.71. 0.84, 0.975. Le calcul des fonctions de Bellman a t men par interpolations linaires partir de cette grille de 147 points. N'ont pas t mises en uvre des mthodes plus raffines et plus rapides de calcul qui utilisent des proprits de drivabilit de la fonction de Bellman (WASIMI et KITANIDIS, 1984, KITANIDIS,1987, FOUFOULA-GEORGIOU et KITANIDIS, 1988). La situation crise ou normale, au vu de sa nature boolenne, se prte trs facilement au calcul et au stockage sur ordinateur. 3.4.1.2. Recherche de la commande optimale et calculs d'esprance Pour le calcul de l'esprance mathmatique, on a utilis 5 niveaux de discrtisations pour la demande ainsi que pour la partie inconditionnelle des apports de la Neste. Pour la demande on a choisi cinq valeurs quiprobables correspondant aux auartiles 18%, 36%, 50%, 68% et 86%. Pour la gaussienne servant calculer l'innovation des apports de la Neste, on a pris les valeurs -1.83, -0.89, 0.00, 0.89, 1.83, avec les probabilits respectives 0.0668, 0.2477, 0.3710, 0.2477, 0.0668. La recherche de la commande optimale s'effectue pour chaque pas de temps en deux tapes : - on recherche d'abord un mode de fonctionnement (crise, prcrise ou normal), - pour ce mode, une recherche itrative par essais et erreurs permet de trouver le contrat de salubrit optimal. On choisit le couple (mode de fonctionnement. contrat de salubrit)qui donne l'optimum de la fonction de BELLMAN. Ces calculs ont t mens pour les 19 pas de temps avec, comme paramtres. les valeurs de a et donnes par la grille de la Figure 4-7 :

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 154

Exploration des valeurs de alpha et beta

-O

pastel-00569481, version 1 - 25 Feb 2011

0,30

Figure 4-7 : Valeurs tudies dans le plan alpha beta 3.4.2. Contraintes de fiabilit On retrouve que les optimisations de compromis (a, ) effectues sont en fait des minimisations de la vulnrabilit VqualitG sous des contraintes portant sur les indices de resilience Vcrise et Vprcrise, comme l'illustre la figure 4-8. On y a trac les divers niveaux de la contrainte portant sur Vcrise en fonction du multiplicateur de Lagrange

L+a
associ . Chaque valeur movenne a t obtenue par simulation sur 40 (l-a) trajectoires de gestions optimales pour un couple (a, ) donn. 3.5. Gestion de compromis On peut illustrer les rsultats des compromis entre les divers indices de gestion pour les valeurs de a et qui ont t choisies dans la grille prcdente. Les indices ont t estims par simulation sur les apports et la demande (calcul moyen sur 100 simulations). La figure 4-9 traduit la tentation de la facilit consistant passer trs (ou troo) souvent en mode crise pour "soulager ' l'amlioration de la qualit sur la Gascogne.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEMENESTE 155

1,0 -i

Frquence moyenne de passage en crise en fonction du multiplicateur de Lagrange associ

0,8

0,6 -

0,4 -

0.2 lambdaCrise

pastel-00569481, version 1 - 25 Feb 2011

0.0 0,0

aaB 0,2

.G

f0,4

i 0,6

ia-

0.8

Figure 4-8 : Valeurs du coefficient de Lagrange associ au passage en crise

Compromis Salubrit de la Gascogne Passage en mode crise


1,0 -i

0,8 -

0,6 -

0,4 -

0.2

0.0 0.8

>i

0.9 VqualiteG

Figure 4-9 : C(jmpromis entre frquence de crise et soutien d'tiaae

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 156

3.6. Un exemple de l'ontimisation squentielle de la fonction de Reliman L'illustration de ce calcul a t reprsent pour la grille correspondant au pas de temps 9 avec les valeurs a = 0.1 et = 0.85 . Tous les rsultats reprsents ci aprs sont relatifs un tat avec une situation de dpart normale.(situation(t)= normale ) Pour chaque point de la grille est li un niveau de discrtisation du stock (S t : 21 niveaux) et de la Neste ( Nt-i : 7 niveaux). Les lignes reprsentes sur les surfaces qui suivent sont les projections de la grille d'tats sur la surface calcules. On peut visualiser les rsultats suivants:

3.6.1. La fonction de Bellman

pastel-00569481, version 1 - 25 Feb 2011

Figure 4-10: Exemple de fonction de Mass-Bellmann La procdure de calcul par programmation dvnamique fournit la fonction entere:
T T

{ X ( (l-cOf(r g (t)) + a f n ( r n ( t ) ) ) ) +(l-)E


t=t ^

f I g(modeit) ) }
t=t

qui est representee ci-dessus pour les valeurs t=9 :sur la grille (STOCK t :neste a t-1) en mode normal. C'est l'esprance mathmatique du entere d'optimisation anticip l'instant t = 9 dans un tat de stock St donn et pour la valeur des apports de la Xeste Nt-i (dont on a connaissance cet instant t). Elle varie entre 0 pour les trs faibles valeurs de stock et de la Neste jusqu' une valeur proche de T-t = 11 pour les fortes valeurs de stocks et de dbits de la Neste.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 157

En fait cette forme lisse de la Figure 4-10 cache la somme de deux fonctions : - la partie irrigation:

E { V g(mode(t) ) }
t=t

qui montre une ligne de rupture dans le plan (stock , Neste) que l'on retrouve aussi dans : - la partie de l'objectif li la qualit:
T

E { X ( (1- a)fg(r a (t)) + a f n (r n (t)) ) }


t=t

pastel-00569481, version 1 - 25 Feb 2011

Figure 4-11: Irrigation et salubrit Le phnomne de la Figure 4-11 est le suivant: Lorsque l'on va vers les faibles valeurs de stocks et les trs minces apports de la Neste, la stratgie optimale est de passer en mode crise, ce qui se traduit par une "falaise" tombant jusqu' zero sur le schma qui reprsente l'esprance de la dure moyenne restante de l'irrigation (suspension des irrigations ). Il en rsulte une augmentation compensatrice lie a l'augmentation de la salubrit des rivires de la Gascogne qu'autorise ce basculement de mode ainsi qu'on peut le voir sur la deuxime surface ci dessus reprsentant la partie de l'objectif lie la qualit. 3.6.2. Les autres indicateurs: La programmation dynamique permet de calculer d'autres indicateurs en supposant que l'on adopte la politique optimale L*(t) - L(St.Nt.[,situation) t')) depuis t jusqu' T l'horizon de gestion. On peut ainsi anticiper: 3.6.2.1. Le volume moyen final En suivant les trajectoires optimales et en effectuant le calcul rcursif d'esprance on peut garder la trace chaque pas de temps du volume moyen final (Figure 4-12)

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 158

auquel on s'attend en adoptant la politique u*(t) = u(St,Nt-i). On voit qu'il crot, comme on s'y attend,avec les valeurs de St et de Nt-i et que celui -ci est plus sensible au niveau de stock d'o l'on part t qu'au rgime de la Neste.

pastel-00569481, version 1 - 25 Feb 2011

Figure 4-12: Volume final 3.6.2.2. La probabilit d'apparition d'au moins une dfaillance future

Figure 4-13: Risque de dfaillance On peut calculer de mme la probabilit d'au moins une dfaillance future parnr de i'instant t le long d'une trajectoire optimale u"(t) = u(St,Nt-ij par ia formule recursive suivante: Probai au moins une dfaillance pour l'avenir t) = Proba( dfaillance immediate sur la Gascogne t) + ( 1 - Proba( dfaillance immdiate sur la Gascogne t) ) * Probat au moins une dfaillance pour l'avenir a t+1 )

ELABORATION DES CONSIGNES DE GESTION DU SYSTEMENESTE 159

Elle varie en S entre 0 pour les faibles valeurs de Stock et 1 pour les fortes valeurs comme le montre le premier schma qui prsente une vue de profil.D se produit un dcrochement brusque lorsque l'on passe du mode crise au mode fonctionnement normal pour des faibles valeurs de stocks qui correspond au raisonnement suivant: - stock nul on se met en fonctionnement de crise et il existe une haute probabilit de dfaillance (d'autant plus haute que les apports Neste sont faibles) - lorsque le stock augmente , dans un premier temps on reste en mode crise et la probabilit d'au moins une dfaillance de salubrit sur le futur dcrot. - il existe une valeur du stock pour laquelle il devient plus interessant de fonctionner en mode normal, sous lequel la probabilit de dfaillance future de salubrit redevient alors importante. - cette probabilit de dfaillance diminue alors rgulirement mesure que le stock crot. Le second schma reprsente les liaisons avec l'autre dimension d'tat qu'est l'apport Nt-i de la Neste . 3.6.2.3. La dure totale moyenne attendue pour le fonctionnement en prcrise

pastel-00569481, version 1 - 25 Feb 2011

Vprecrise

Y neste

Figure 4-14: : Resilience de prcrise De la mme faon on peut calculer rcursivement l'indice de resilience lie au fonctionnement en prcrise pour les priodes venir (Figure 4-14). On note qu'il assure la transition rgulire entre le rgime de crise (faibles valeurs de St et Nt_i ) et le rgime normal (valeurs de St et Nt_i leves)

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 160

4. PRISE EN COMPTE DES TOURS D'EAU ET MODIFICATIONS DU MODELE 4.1. Les modifications apportes Jusqu' la scheresse grave de l'anne 1989, la rgle des tours d'eau, consistant, faute de ne pouvoir augmenter la ressource, diminuer la demande en organisant des restrictions de la dure des prlvements : d'abord 6 jours sur 7, puis 5, puis 4 etc., n'avait jamais t instaure. Nous l'avons mis en uvre dans le modle ci aprs. Au prix d'une lgre modification du modle prcdent, en attribuant des valeurs, non plus en 0/1, mais sous la forme 7/7, 6/7, 5/7 ... 0/7 la variable mode dcrivant la crise, nous pouvons prendre en compte une politique de tours d'eau. Une seconde modification a t rclame par la Compagnie d'amnagement des coteaux de Gascogne. En pratique, il est impossible d'obliger les agriculteurs suspendre les irrigations sans effectuer d'abord le passage du dbit laiss sur la Neste de 4 3 m-Vs et en tolrant que celui des rivires de Gascogne excde la valeur qminG, gale au dixime du module. De fait, disparait alors la symtrie du problme qui considrait l'objectif de salubrit de la rivire Neste au mme titre que celui des rivires de Gascogne. On se trouve alors en prsence d'une commande monodimensionnelle: - en situation d'abondance, rg> qminG ; Y=1 (irrigation); rn - q0bjN + le reliquat d'apport de montagne ne pouvant tre transfr via le canal vers la Gascogne. - en situation de prcrise , rg> qminG ' 7 = 1 (irrigation); rn = qminN + 0. - en situation de restriction, rg= qminG ; Y < 1 (tours d'eau); rn = qminN 4.2. Le nouveau modle 4.2.1. L' objectif gnral de compromis L'objectif global est pris sous la forme, en supposant que u dsigne la priode de dpart :
T

pastel-00569481, version 1 - 25 Feb 2011

Sfg(rg(t)) \ 'PEN E i ? w )
to t=t^ o t-t

Comme on le voit, la salubrit ct Neste n'intervient plus. Le compromis raliser s'appuie simplement sur la rpartition des poids relatifs (PEN0 de chacun des deux objectifs irrigation et qualit sur la Gascogne 4.2.1. Analyse du systme 4.2.1.1. Les quations d'volution du systme Sft+1) = SCt) - Lit), L m a x > L ( t ) > ( ) LOG Nif) = a(t) + b(t) LOG Nft-11 + a(t) eu) rn(t) = r n S (tJ+Sup(0, N(t) - 14 - r ^ m ) " n <t>= MminN our U)=q0bjN

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 161

L*(t) = - r g *(t) + N(t) - r n (t) - <y(t) D(t) + G(t) si L m a x > L*(t) > 0 alors L(t) =L*(t) et r (t)=ra*(t) si Lmax < L*(t) alors L(t) = L m a x et r (t)=r (t) - L*(t) + L m a x

si L*(t) < 0 alors L(t) = INF(0, (L*(t) + qGbjG - r *(t) ) et r (t)= INF(ra*(t) L*(t) , qobjG) Commentons ces quations : 4.2.1.2. L'tat du systme, commande et transitions Appelons X(t) : (S(t), N(t-l)} l'tat du systme la date t. L'tat X(t) caractrise l'ensemble des informations dont on dispose au dbut de la semaine t : - on connat le niveau des rserves S(t), et la premire quation en donne l'volution; - durant la semaine prcdente, on a enregistr des apports de la Neste la valeur N(t-l). Une tude hydrologique portant sur 15 annes de donnes hebdomadaires a montr que le Log standardis de ces apports suit un processus autorgressif d'ordre 1. ce que dcrit l'quation avec e(t), un bruit blanc temps discret. On a ensuite une quation de bilan travers le canal de la Neste dont la capacit de transfert est limite 14m3/s. Le dbit reserv de la Neste est de 3 ou 4 m3/s. La dernire srie d'quations crit le bilan sur les rivires de Gascogne prenant en compte l'arrt ventuel des irrigations si 7(t) =0; la rpartition statistique de la demande D(t) a t tudie sur treize annes de mesures hebdomadaires obtenues partir des mesures sur les primtres d'irrigation que la CA CG conduit en rgie, ainsi que celles des apports naturels agglomrs des rivires de Gascogne (G(t)). On fait l'hypothse que ces variables alatoires sont indpendantes entre elles, et d'un pas de temps au suivant. Lorsque le lcher possible L (t) est nul o ngatif on utilise les excs pour produire un rg suprieur la consigne jusqu' qobjG puis pour remplir les rservoirs, s'il exede la valeur ^ capacit maximale des vannes des barrages alors rg est diminu de l'cart correspondant. r (t),y (t) j traduit l'action entreprendre durant la semaine t.

pastel-00569481, version 1 - 25 Feb 2011

La rgle de gestion stratgique dfinit donc une application telle qu' chaque instant on fasse correspondre un tat X(t) une commande u (t) =

rCT (t),y (t) \ = r T (X(t)) ,7 (X(t)) ) qui fournissent une solution optimale pour ie critre de gestion. Le processus des tats forme alors une chane markovienne d'ordre 1 lorsque la commande par ce retour d'tat est applique . Celle ci est obtenue par programmation dynamique classique avec un tableau de bord d'indice de gestion dont nous donnons un exemple ci aprs. 4.3. Exemple de tableaux de bord. Imaginons que nous soyons au pas de temps 4 c'est dire en dbut de semaine 5. En pratique, les tours d'eau n'ont pas t dclenchs . Que proposer au gestionnaire du systme? Pour chaque niveau possible de tours d'eau, nous lui fournissons, partir de logiciels installs sur site , les tableaux qui suivent. Sur la premire ligne, on trouve les niveaux possibles de la rserve aglomre en millions de m3. Sur la premire colonne les dbit de la Neste en m-Vs au cours de la semaine prcdente. Le dcideur peut faire varier

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE

162

les paramtres du calcul (coefficient de pondration entre objectifs, volume maximal des rserves, dbits souscrits,etc) et recommencer les calcul, puis simuler ce que cette gestion aurait eu comme performance sur les sries d'apports et de demandes historiques dj stockes. On peut obtenir notamment les tableaux suivants: Consignes pour salubrit gascogne
0 4 8
11 15 19 23 26 30 34 38 41 45 49 53 56 60 64 68 71 75

16.0 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 6.1 6.7 6.7 7.3 7.8 8.3 8.7 9.1 9.4 9.8 10.2 11.0 24.1 5.4 5.4 5.4 5.4 5.4 5.4 5.4 6.1 6.1 6.7 7.3 7.3 7.8 8.3 8.7 9.2 9.6 10.0 10.3 10.7 11.6 28.8 5.4 5.4 5.4 5.4 5.4 5.4 5.4 6.1 6.7 6.7 7.3 7.8 8.3 8.7 9.1 9.6 9.8 10.2 10.5 10.8 11.7 35.7 5.4 5.4 5.4 5.4 5.4 5.4 5.4 6.1 6.7 7.3 7.8 7.8 8.7 8.7 9.4 9.6 10.1 10.4 10.7 11.0 11.8 44.3 5.4 5.4 5.4 5.4 5.4 5.4 6.1 6.1 6.7 7.3 7.8 8.3 8.7 9.1 9.4 9.8 10.3 10.4 10.9 11.3 11.9 52.8 5.4 5.4 5.4 5.4 5.4 5.4 6.1 6.7 6.7 7.3 7.8 8.3 8.7 9.1 9.7 10.1 10.3 10.6 10.9 11.3 11.9

pastel-00569481, version 1 - 25 Feb 2011

79.4 5.4 5.4 5.4 5.4 5.4 5.4 6.1 6.7 7.3 7.8 8.3 8.7 9.1 9.6 10.0 10.3 10.5 10.9 11.1 11.3 12.C

Si, la Neste est basse pour la saison, par exemple 16 m3/s et qu'il reste 60 Millions de m 3 dans les rservoirs alors il faut adopter une consigne de gestion stratgique de 9.1 m3/s. Consignes pour tours d eau dans la semaine
0 4 8
11 15 19 23 26 30 34 38 41 45 49 53 56 60 64 68 71 75

16.0 2/4 1/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 24.1 2/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 28.8 1/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 35.7 1/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 44.3 1/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 52.8 1/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 79.4 1/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4 0/4

Dans l'exemple prcdent (S= 60 Mm 3 : N = 16 m-Vs; rg= 9.1 m-Vs), on voit qu'il faur rester, l'vidence, sans enclencher de tours d'eau. Probabilit d'puisement des ressources d'ici la semaine: 20
0 4 8

11
25 25 25 25 25 24 23

15
25 25 25 24 23 23 22

19
25 24 23 23 22 21 20

23
24 23 22 21 20 20 19

26

30

34
21 19 18 17 16 15 14

38
20 17 16 15 15 14 13

41

45

49

53

56

60
11 J < 8 7 6 6 5

'4

>iH

16.0 25 23 25 24.1 19 24 25 28.8 22 24 25 35.7 21 24 25 44.3 20 24 25 52.8 19 24 25 79.4 16 24 24

23 22 21 20 21 19 20 18 19 18 18 17 17 16

8 6 5 4 3 3 2

16 15 3 12 14 13 il 10 13 12 10 9 12 11 10 S 12 10 9 S 11 10 S 7 10 9 8 6

<

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 163

On donne aussi la probabilit de dfaillance en stock jusqu' la fin de la saison. Ce risque permet de juger du caractre critique ou non de la situation selon l'importance de la rserve et l'hydrologie de la Neste, ainsi que l'esprance du volume final ( la mioctobre). Valeur moyenne escompte des rserves d'ici la semaine: 20
0
16.0 22 24.1 22 28.8 20 35.7 21 44.3 21 52.8 22 79.4 23

4
20 18 17 16 15 15 14

8
18 15 14 13 13 12 11

11 16 13 12 11 11 10 10

15 14 12 11 10 10 9 9

19 12 10 10 9 9 9 8

23 11 9 9 9 8 8 8

26 10 9 9 8 8 8 8

30

34

38

41

45

49

53

56

60 10 11 11 12 12 13 14

64 11 12 12 13 14 14 15

68 12 13 14 14 15 16 17

71 13 14 15 16 17 17 18

75 13 15 16 17 18 19 20

9 8 8 8 8 8 8

9 8 8 8 8 8 8

8 8 8 8 8 8 9

8 8 8 9 9 9 9

8 9 9 9 9 9 10

8 9 9 10 10 10 10

9 9 10 10 10 11 10 11 11 11 11 12 11 12

pastel-00569481, version 1 - 25 Feb 2011

On fournit de plus chacun des deux indices de performances composant le critre optimiser squentiellement: Performance moyenne escompte de la salubrit en % horizon pour la semaine: 20
0
16.0 * 24.1 * 28.8 * 35.7 * 44.3 * 52.8 * 79.4 *

4 * * * * * 0 3

8 * * 0 4 5 9

11

15
~i

19

23 11 19 23 26 30 32 36

26

30

34 30 39 43 47 50 52 56

38 36 46 49 53 56 58 62

41 42 52 55 59 62 64 67

45 48 57 61 64 67 69 72

49 54 63 66 69 71 73 76

53 60 68 71 73 76 77 80

56 65 72 75 77 79 81 83

60 70 76 79 81 83 84 86

64 74 80 82 84 86 87 89

68 78 83 85 87 88 89 91

71 82 86 87 89 90 91 92

75 84 88 89 91 92 92 93

* 3 5 7 10 12 15

8 10 13 16 18 22

6 13 16 20 23 25 29

17 23 26 32 29 36 33 40 36 43 39 46 44 50

Performance moyenne escompte de l'irrigation en la semaine: 20


0
16.0 13

% horizon pour
53 95 96 97 97 97 98 98 56 96 97 97 98 98 98 99 60 97 98 98 98 98 99 99 64 97 98 98 99 99 99 99 68 98 99 99 99 99
49
00

4
28 40 45 50 54 57 61

8
37 50 54 59 62 65 70

11 46 58 62 66 70 72 76

15 55 65 69 73 76 78 82

19 62 72 75 78 81 83 85

23 69 77 80 83 84 86 88

26 74 81 83 86 88 88 90

30 79 85 86 88 90 91 92

34 83 88 89 91 92 03 94

38 86 90 91 92 93 94 95

41 89 92 93 94 95 95 96

45 91 94 94 95 96 % 97

49 93 95 96 96 97 97 J 8

71 98 99 99 99 99 99 100

75 99 99 99 99 100 100 100

24 1 27 28 8 36 35 7 41 44 3 45 52 8 48 79 4 52

ELABORATION DES CONSIGNES DE GESTION DU SYSTEMENESTE 164

4.4. Validation par rapport un autre modle. Nous avons valid ce modle par rapport un modle fonde sur une ide proche des techniques de" courbe objectif de vidange" que nous prsentons par la suite. Nous avons aussi compar ce que donnerait chacune de ces gestion par rapport une gestion en avenir certain obtenue en calculant a posteriori qu'elle aurait t le plus haut niveau de salubrit constant maintenir sur les rivires de Gascogne en supposant tous les alas connus sur une srie de 11 annes de 1975 1985. Sur les 11 annes, le rapport T=20 2 "MidealM esJ . Q 'orjj-e e Q% p 0 u r \a mthode par programmattion

t=l dynamique, tandis qu'il vaut environ 20% pour l'autre mthode que nous prsentons ciaprs. On voit que la mthode par programmation dynamique offre une performante un peu meilleure en ce sens qu'elle propose un dbit de consigne plus lisse et proche du dbit qidal Qu^ l'on aurait pu calculer en avenir certain. pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 165

5. GESTION STRATEGIQUE PAR SYNTHESE D'UNE COURBE

PK YIPANfiE TYPE 5.1. Principes de la synthse


Les deux ides fondamentales consistent faire une analyse a posteriori et travailler sur les grandeurs cumules : Io) Une fois la campagne termine, le gestionnaire, qui dispose alors de "toutes" les donnes d'apports naturels et de prlvements, sait alors, a posteriori, dfinir le dbit de salubrit (r + r ), constant sur la priode de lcher, qu'il aurait pu (ou d) s'engager maintenir. Si un premier calcul lui donne (r < qminG), il cherche alors la date au plus tard o il aurait du arrter les irrigations pour maintenir r = qminG sur toute la priode. Il sait donc galement tablir les courbes de vidanges "optimales" de ses rservoirs. 2) Les barrages tant supposs pleins en dbut de campagne, le dbit de salubrit a posteriori (r + r ) dpend de la seule variable (note V . (T)) "diffrence entre le volume des apports naturels et volume des prlvements cumuls sur la totalit des priodes de gestion". 5.2. Comment tablir une gestion du compromis Il s'agit de traduire l'augmentation immdiate de la salubrit en fonction du risque de dfaillance future, et de la diminution du stock disponible en fin de campagne. 5.2.1 La statistique des V.T) Soit [1,T] la priode de gestion considre et on notera q . (t) diffrence entre les apports naturels utilisables ( cause de la capacit limite 14 rrP/s du canal de la Neste) par le systme et les prlvements qui s'y ralisent.

pastel-00569481, version 1 - 25 Feb 2011

V A (t)=q A (T)di
x=l est le bilan cumul jusqu' la priode t. V\(T) est le bilan globai sur la saison.

L'tude statistique sur 15 annes de ces diffrentes quantits V . (t) montre qu' t fix, elles obissent des lois de Gauss N(m.s). On peut adopter a un instant donn t fix, la forme suivante o U est une variable alatoire gaussienne N(0,1) : VA(t) = mit) + s(t)U La figure 4-15 en donne l'allure au cours du temps ainsi que celle de deux quantiles dont nous expliciterons l'intrt ci-aprs.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 166

Apports
VA en Mm3 300

nets

cumuls

Irrigation
Fmax=0.797 Moyenne

2 0 0 -

100 -

Fmin=0.08

'

10 20 30 nombre de semaines depuis le 1er Juin

pastel-00569481, version 1 - 25 Feb 2011

Figure 4-15: Loi des resources utilisables pour la salubrit en fonction du temps 5.2.2 Frquence des dfaillances par rapport au dbit seuil Plaons nous en T fin de la priode de gestion. En appelant : (q G+q N): le dbit de salubrit seuil, n ^min min VL^ : la capacit des rservoirs, on voit que dans le cas extrme o on utilise toutes les capacits des rservoirs pour garantir le dbit seuil de salubrit ( ^rmn q. G+q N), on ne peut la fois satisfaire les r ^min prlvements et la salubrit minimale si l'tat hydraulique est tel que : V A (t) < ((a . G + q . N) x T\ - VL n H A w v mm min ) 0 La frquence de dfaillance F M rw e s t donc ^a probabilit de non dpassement associ la valeur U M y N de la gaussienne associe avec : ((q G +H qmin . N) x T - V L0 n - m(Tn v/^min ) U mins(T) En de de cette frquence, on ne peut assurer un dbit minimum de salubrit moins de suspendre les irrigations. 5.2.3 Frquence de dfaillance par rapport au dbit objectif De la mme faon qui dfinit une probabilit de dfaillance par rapport au dbit seuil, on peut dfinir une probabilit de dfaillance par rapport au dbit objectif. Toutefois, s'il est vident que l'on accepte de vider entirement les rservoirs pour maintenir le dbit seuil, il n'en va pas de mme pour le dbit objectif. Notons VL, la valeur que l'on accepte de dstocker pour maintenir ce dbit de salubrit objectif. Dans ces conditions la probabilit de dfaillance par rapport au dbit objectif F max est la probabilit de non dpassement associ la valeur U de la saussienne estime max pour V , (T) :

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 167

((q q max N) yVMmax G + M ' xT max ~ s(T)

- VL, v 1 - m(T)\ ')

Le compromis entre augmentation de la salubrit, qui nous inciterait prendre VL, = VLf>, et la prudence extrme qui voudrait que la retenue VL, = 0, s'effectue bien par le choix de VL,, qui est donc la variable de compromis de notre modle. Dans le cadre de VL 0 l'tude Neste, nous avons retenu pour VL., la valeur j.

pastel-00569481, version 1 - 25 Feb 2011

5.3. Choix d'une loi nour les dbits de salubrit Plaons nous en fin de priode de gestion T. On cherche trouver une loi : F Qo(F), F tant la probabilit de non dpassement associ la variable V , et Q<,(F") le niveau fixer pour la salubrit. Dans ce modle, F caractrise l'tat hydrique du systme. Nous avons vu que nous pouvons associer : F min , un dbit de salubrit Q et une valeur du lcher VL0 n ^min VL 0 Fmax , un dbit de salubrit O et une valeur du lcher VL, = r ^max 1 ^2 Nous avons donc rechercher une loi F Q,(F)=(r + r )(F) telle que quand F croitdeFMINFMAX, ( r g + r n ) croit de ( q m i n G + q m i n N ) (q o b j G+ q o b j N) VL 0 VL dcrot de VL^ ~f~Notons u(F) la valeur critique de la gaussienne N(0,1) relie F. La loi F a + bu(F) avec (a, b) tels que : a + bU min - =(q . G +M qmin . N) nnin ' a + b U max =(q q , N M , .G + M obj obj ) rpond aux conditions ci-dessus. C'est cette loi que nous avons retenue. 5.4. Courbes vidanges-tvpe : t -+ VLF. t) Pour un instant t futur fix dans [1, T], supposons que l'on connaisse l'tat hydrologique par la frquence F. On peut alors dterminer Q(t,F). Pour trouver V^ (t) correspondant F on utilise la formule (2) : Le cumul des quantits lches des barrages jusau' l'instant i V , ( t ) sera obtenu par l'quation de bilan :
t

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 168

On peut ainsi tracer des courbes de vidange type pour une frquence donne de

vA(t)
5.5. Prvision et calcul d'une stratgie On a vu comment dterminer le dbit de salubrit r + r , connaissant V A (T) g n' AK / l'horizon de gestion, dernire priode de la saison T ou plus exactement la probabilit de non dpassement associe. Comment estimer V.(T) et plus gnralement l'tat hydrique F du systme ? Soient t l'instant prsent et t' = t + 3 semaines. On peut crire : t t' T

A ^ = X < U < T > + X ( w * > -D ( T 0 + X(w*> 1=1 T=t

D(x)

T=t'

pastel-00569481, version 1 - 25 Feb 2011

v = 2 > A ( T ) + W T > + X W T > - ^ (T)


1=1 T=t

T=t'

T_1

Dans ces quations, q (t) reprsente les apports naturels durant la semaine t exploitables pour l'irrigation et la salubrit, c'est dire ventuellement tronqus la capacit de transfert du canal Neste. Le premier terme reprsente le pass. Ce terme peut donc tre calcul. Cependant le poids du pass n'intervient que par l'tat du stock d'eau dans les barrages, on prfrera estimer ce terme par la valeur thorique V . (t) correspondant au volume Vj (t) effectivement lch, permettant ainsi de tenir compte de toutes les perturbations qui ont pu se produire et en particulier de l'efficacit du systme. Le second terme reprsente le futur prvisible : li l'hydrologie des cours d'eau connaissant la chronique des dbits aux cours des semaines passes, on peut, par calage de modles de tarissement, prvoir les dbits sur une priode de 3 semaines environ. Les deux derniers termes reprsentent le futur imprvisible, car li la pluviomtrie : il concerne le dbit naturel au del des trois semaines venir et les prlvements. Imprvisible au sens strict, ce terme ne peut tre estim que statistiquement, ce qui. de plus, pose le problme du choix d'une frquence utiliser pour cette extrapolation. Dans la pratique, cette frquence est obtenue en cherchant minimiser sur la quinzaine d'annes d'observations dont on dispose la somme des carrs des carts entre les dbit idaux "(r + r )" calculs a posteriori et les (rCT + r ) hebdomadaires donns par le modle.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 169

1977: COMPARAISON de SALUBRITE


18

1977 : COMPARAISONS de GESTIONS

"Neste Demande 5(t) Meth. an. S(t) meth. Synt.

7700

7710

7720

mthode Synthtique ASS

a.
O.
SB

700

7710

flASS 7720

Figure 4-16: Rg(t) en anne

humide

Figure 4-17: S(t) en anne

humide

pastel-00569481, version 1 - 25 Feb 2011

1980 : COMPARAISONS de SALUBRITE


18 16
if"

1980 : COMPARAISONS de GESTIONS


Neste Demande j(t) Meth. An. S(t) Meth. Synth.

.*":
ffi .---

Rg* Rg rrfeth. Analytique

8000

8010

8020

Rg' Rg mthode Synth. lAASS 8030

AASS <J1

8000

8010

8020

Figure 4-18: Rg(t) en anne

normale

Figure 4-19: S(t) en anne

normale

1985 : COMPARAISONS de SALUBRITE


20
_

1985 : COMPARAISONS de GESTIONS


OU
1
- -TM-l-l 1

z
'X ZJ

V?

V**\

60 -

\ * *
40 20 "^ 0 " \

s 10 -Rg mthode Synth.


i 1 1 1 1 1 AASS

demande

Neste Demande S(t) Meth. An. S(t) Meth. Synth.

8500

8510

8520

8530

a.

J7

3500

3510

AASS 8520
1

Figure 4-20: Rg(t) en anne sche

Figure 4-21 S(t) en anne

sche

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 170

5.6. Etude de ta gestion sur es chroniques passes L'tude de la gestion sur les donnes relles des annes de 75 85 peut tre entreprise pour les diverses gestions proposes. 5.6.1. Anne humide du type 1977 L'tiage de la Neste se produit tard dans la saison et la demande en irrigation est extrmement faible. Le dbit rg l'exutoire (en pointill sur le graphe des figures 4-16 et 4-17) des coteaux de Gascogne suit une volution gnralement trs suprieure la consigne pour les deux mthodes qui cette anne d'abondance hydraulique ne pose aucun problme.

5.6.2. Anne normale du type 1980 L'tiage de la Neste se produit plus tt dans la saison et, pour le modle CERGRENE le dbit rg l'exutoire de Gascogne en subit le contre-coup, quittant alors sa trajectoire jusque-l parallle au lcher pour tendre vers son minimum tandis que se produit le maximum de demande pour l'irrigation et que le lcher fournit le maximum de ressources. H restera nanmoins suffisamment d'eau dans les rserves pour permettre de relever les valeurs de rg en fin d'tiage lorsque s'attnue la demande en irrigation. Le modle CACG n'accuse pas ce type de comportement la priode 10.(cf Figures 4-18 et 4-19)

pastel-00569481, version 1 - 25 Feb 2011

5.6.3. Anne exceptionnellement sche du type 1985 En 1985, alors que les prcipitations sont normales jusqu'en Juin, elles sont de plus en plus dficitaires partir de Juillet et exceptionnellement faibles en Septembre. En consquence, on observe, sur les figures 4-20 et 4-21, une chute brutale des dbits en fin d't tandis que les records de consommation pour l'irrigation dans les valles du Lannemezan sont battus. Les modles de gestion que nous proposons auraient donc, comme le montre la figure suivante, en premier lieu abaiss le dbit QG de salubrit sur la sortie des rivires de Gascogne sa valeur plancher, puis, en fin d't, transgress cette valeur et finalement dclench le mode crise sur la fin de l'tiage pour amliorer la satisfaction des demandes de salubrit et d'irrigation sur les coteaux de Gascogne. Historiquement, c'est effectivement un comportement similaire qui a t adopt. 5.6.4. Anne sche du type 1976 Alors qu'en 1985 l'tiage de la Neste et la scheresse se sont produits relativement tardivement, en 1976 la scheresse est beaucoup plus prcoce.Le modle du CERGRENE ragit plus violemment ces conditions que le modle CACG. Il abaisse donc la consigne de salubrit trs rapidement puis reprend une volution parallle au modle CACG ensuite.

ELABORATION DES CONSIGNES DE GESTION DU SYSTEME NESTE 171

5.7. Conclusions partielles Le problme de la stratgie de gestion d'un systme de transfert d'eau en vue de l'irrigation et du maintien de la salubrit en avenir incertain peut tre rsolu par un modle classique de dcision squentielle par programmation dynamique dont un certain nombre de paramtres sont caler. Il peut faire l'objet d'une gestion par courbe objectif de vidange. Ayant appliqu ces modles au cas concret de la gestion du systme Neste, on constate les faits suivants. 1) L'apport quantitatif majeur est de permettre au gestionnaire d'exposer ses objectifs et de dfinir les dfaillances de faon rationnelle, puis de rechercher une rgle d'opration optimale ralisant l'adquation de la gestion aux objectifs ainsi dfinis. Il faut bien sur nuancer cette conclusion car les hypothses de modlisation adoptes et les incertitudes ponant sur le modle hydrologique lui-mme influent directement sur les rsultats obtenus. KLEMES (1978) a d'ailleurs parfaitement illustr que l'importances des distorsions engendres pouvait atteindre l'ordre de grandeur des rsultats calculs. En plus de l'tude dtaille des simulations sur donnes historiques, le gestionnaire du systme Neste a donc dmarr une phase de validation sur le terrain des consignes d'oprations obtenues par le modle d'optimisation. 2) Les deux modles fournissent des rsultats analogues sur le cas de la Neste. 3) Les techniques de programmation dynamique en avenir incertain, outre leur intrt oprationnel classique de procurer une rgle en boucle ferme fonction des informations du gestionnaire sur l'tat du systme, peuvent aussi tre utilises pour calculer un faisceau d'indices de gestion, vritable tableau de bord conditionnel la trajectoire optimale future. 4) Ces techniques peuvent traiter dans le mme cadre mathmatique l'adjonction d'une variable de commande discontinue indiquant le passage en modes de gestion dgrads, notamment le mode de fonctionnement en crise. 5) De tels modles procurent cenes un outil d'aide la dcision mais ne ralisent pas le miracle de surmonter les difficults rencontres l'occasion d'une scheresse exceptionnelle telle celle de 1976 ou 1985. En d'autres termes, le meilleur modle de gestion stratgique ne peut pas crer de ressources additionnelles en eau.. .mais permettent d'allouer de faon plus rationnelle les richesses^n eau au cours de la saison.

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 172

Cette tude de la gestion journalire du barrage rservoir SEINE a t entreprise en commun avec X. YANG, C. MICHEL, P.A. ROCHE. Les principaux rsultats ont t publis dans YANG et al.(1991). On aborde ici la vision stratgique de la gestion d'un systme de ressources en eau pour envisager les relations "module de prvision- module de gestion" au cours d'une gestion tactique ( ici au pas de temps journalier). 6. COMPARAISON DE LA PROGRAMMATION DYNAMTOTJF. FN AVENIR CERTAIN AVEC LA METHODE DES SCENARIOS ALEXANDRIDIS et KRZYSZTOFOWICZ (1982), KLEMES (1977) ont mis en vidence des phnomnes de sous-optimat des performances de gestion d'une centrale thermique pour les premiers, d'un barrage-rservoir pour le dernier lorsqu'on dcouplait les systmes de prvision et d'optimisation, c'est--dire lorsqu'on manipulait des donnes en vue d'une optimisation, sans tenir compte de leur nature alatoire, comme si on les supposait non entaches d'erreurs. En pratique, notamment pour des raisons de temps de calcul sur ordinateur, il arrive que l'on soit contraint d'agir ainsi. Ne pas se limiter examiner les seules performances mathmatiques des diffrentes techniques de calcul que nous prsenterons par la suite, mais aussi examiner leur adquation la prise en compte de la nature stochastique des problmes sont deux principes qui doivent guider l'ingnieur en gestion de ressources hydriques. Les performances de calcul (rapidit, prcision, facilit de mise en uvre, etc..) qui ont t naturellement mises en avant grce l'avnement de la mini et micro-informatique ne rendent pas forcment compte de la qualit du systme d'laboration des consignes de gestion et peuvent mme parfois n'tre qu'un leurre. La faon de prendre en compte l'incertain que permettent ces techniques joue un rle trs important dans la pertinence de ces mthodes. Certes dans bien des cas, il se trouve qu'une dcision dans le domaine incertain soit optimale justement quand on prend pour "quivalent certain " (problme en avenir certain) l'esprance du phnomne incertain. C'est notamment le cas si l'objectif est une fonction quadratique et les lois de distribution gaussienne sans contraintes comme nous l'avons dmontr dans la troisime partie de ce mmoire. En fait, l'autre extrme, ALEXANDRIDIS et KRZYSZTOFOWICZ (1982) montrent paralllement que la mauvaise utilisation de l'information disponible peut entraner des risques plus imponants qu'une stratgie qui n'exploiterait pas cette information. On trouvera dans DAVIS et al. (1972) un calcul de la valeur de l'information dans le cas de la construction d'une digue de protection contre les crues. L'extension d'un formalism* analogue au cas de dcisions squentielles telles celle mises en uvre pour l'laboration les consignes de gestion est dlicate car de nouvelles informations sont de fait disponibles chaque pas de temps. Dans l'exemple de la Seine ci-aprs, nous nous sommes limits tudier comment deux mthodes de gestion exploitaient l'information fournie deux types possibles de modles hydrologiques. Peut on "compenser"un modle hydrologique simple par un modle d'optimisation complexe? Rciproquement, un modle d'optimisation simple tel le fil tendu a-t-il besoin d'une description fine des apports futurs que l'on peut obtenir par simulations? 6.1. Modles et mthodes 6.1.1. Le critre de gestion L'objectif est de rduire autant que faire se peut la variabilit des apports l'aval immdiat du barrage. Nous n'avons pas envisag une approche multicntre soutien

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 173

d'tiage et lutte contre les crues2 , nous ne considrons ici qu'un seul critre C qui mesure la rduction relative de variabilit par rapport au maximum atteignable que l'on ne peut calculer qu' a posteriori. T T 2 (Q(i)-M) - (R(i)-M)2 i-1 i=l T T 2 X(Q(i)-M) -(R*(i)-M) 2 i=l i=l avec : indice du pas de temps( jour); i T horizon de gestion; Q(i) apports naturels ; M moyenne interannuelle des apports, qui aussi celle des dbits rguls; R(i) : dbits rguls par les commandes de gestion du barrage : R*(i) : dbits rguls idaux qui auraient pu tre calcules si l'avenir avait t connu parfaitement ; C : critre d'efficacit entre O et 100 %. Dans ce critre, seul le terme de variance des dbits rguls est inconnu, il s'agit donc en fait de raliser la minimisation sur l'ensemble des lchers de la quantit : T J = (R(i)-M)2 i=l 6.1.2. La composante hvdrologique Nous avons mis en uvre deux modlisations, une fonde sur le modle GR3(EDIJATNO et MICHEL, 1989), l'autre sur un simple modle autorgressif aprs transformation des dbits par la fonction logarithme. 6.1.2.1. Le modle autorvressif YANG (1989) a cal au pas de temps journalier, le modle dbit-dbit suivant : Y(t) =LogQ(t) Y(t+1)= a(t) + b(t)Yft) + G(t) Nit) o les N(t) sont des variables alatoires indpendantes, normales centres rduites. Si l'on admet que cette modlisation peut aussi tre valable en temps continu, on obtient le processus de diffusion particulier : dY(t) = {a(t) + (b(t.)-n Yft)} dt + olt)dB(t) o Bd) est un processus de WIENER. KATAK 1982) a appliqu avec succs cette modlisation au contrle du rservoir Seine en seule priode d'tiage au pas de temps de 5 jours. Pour notre part, mme si les
*- En fait, la lutte contre les crues requirerait d'ailleurs certainement un pas de temps plus lin que la journe dans le cas de la gestion du barrage Seine...

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 174

seuls phnomnes de tarissement sont bien reprsents par ce genre d'quation, nous tendrons cette modlisation au 365 jours de l'anne en utilisant les fonctions a(t), b(t) et a(t) donnes dans YANG (1989) qui ont t obtenues par calage sur une quarantaine d'annes d'enregistrements de dbits journaliers de la Seine puis lissage de ces coefficients. Ce modle, trs pauvre en termes de prvisions, ne tient compte que des liaisons entre dbits successifs, et mme si le coefficient b est de l'ordre de.9, la dpendance temporelle s'teint trs rapidement ( deux semaines). 6.1.2.2. Le modle GR3 Le modle GR3(EDLTATNO et MICHEL, 1989) est un modle conceptuel (rservoir) trois paramtres effectuant une transformation pluies dbits. Ce type de modle est intressant car il utilise peu de paramtres : le premier caractrise la capacit du rservoir sol, le second est la capacit de rtention un jour du second rservoir-eaugravitaire tandis que le dernier paramtre correspond la dure d'un hydrogramme unitaire parabolique introduisant. Aprs calage de ce modle sur les apports et les pluies journalires des annes 1972 1975, pour obtenir les valeurs de ces trois paramtres, nous avons coupl un modle de gnration trs simple de pluies journalires. La pluie journalire, P, est gnre selon une loi de Weibull (ou Gumbel type III) de fonction de rpartition. F(P) = F 0 + (1 - F 0 ) {1 - exp [- (P/) a ]} avec : Fo a, = = premier paramtre correspondant un seuil, deux paramtres de forme de la loi de probabilit.

pastel-00569481, version 1 - 25 Feb 2011

Les valeurs de F 0 , oc, ont t estimes mensuellement sur le bassin de la Seine par l'tude de YANG (1988) Pour gnrer des pluies, on utilise la transformation inverse en tirant dans une loi uniforme sur [0,1] un nombre au hasard F par des tirages indpendants. Si F < F 0 , P = 0 (jour sans pluie )

Si F > F 0 > P = { l n [ ( l - F 0 ) / ( l - F l ) a En ce qui concerne les sries d'vapotranspiration EP ncessaire au fonctionnement de GR3 on peut utiliser des valeurs moyennes? Les sries E et EP sont alors utiliss comme intrants dans le modle GR3, ce qui permet partir d'un tat du systme au jour t de proposer des scnarios d'volution possible pour les priodes suivantes. 6.1.3. La composante dcisionnelle: 6.1.3.1. Le fil tendu
j.
,

Les fondements thorique de cette mthode a t exposs dans la partie prcdente. Elle s'applique lorsque les apports sont connus, dans ce cas d'tude nous pouvons donc la mettre en uvre sur chacun des scnarios gnrs avec le modle hydrologique GR3 ou le modle autorgressif. ( En fait tout autre modle hydrologique pourrait tre utilis par exemple la plupart des modles conceptuels exposs dans (FRANCHINI et PACCIANU991) tel le modle TANK( SUGAWARA,1973) ou le modle de Standford( GAREN et BURGES, 1981)

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 175

Nous avons utilis une modification de l'algorithme rapide propos par KLEMES(1979) pour effectuer les calculs numriques du fil tendu. Cette technique peut en effet tre applique ici dans ce cadre pseudo-dterministe: - la fonction critre ne dpend pas du temps, ni du stock de la rserve, - les seules contraintes prise en compte ont t celles de stock maximum et stock minimum. En pratique, pour chacun des jours, nous gnrons des scnarios d'apports possibles ultrieurs conditionnels la situation hydrologique de ce jour et nous obtenons ainsi une dcision possible par scnario. Une rgle de dcision possible est de choisir un certain quantile de la collection des lchers optimaux calculs. Sur ce cas d'tude nous avons opt pour la moyenne des lchers ainsi obtenus chaque jour. Le nombre et la dure des scnarios et les conditions finales d'tat de la rserve ont t ajusts par essais et erreurs. La gestion fournie par cette mthode a t calcule du 1 janvier au 31 dcembre sur la priode de 1959-1960 en association avec le modle pluies-dbit GR3 et le modle dbit-dbit autorgressif. Les rsultats "fil tendu + GR3" sont prsents sur lafigure422.

6.1.3.2. La programmation dynamique pastel-00569481, version 1 - 25 Feb 2011 Nous reprenons la modlisation autorgressive: Y(t) =LogQ(t) dY(t) = (a(t) + (b(t)-l) Y(t)} dt + a(t)dB(t) o B(t) est un processus de WIENER. Le stock volue, quant lui, avec la loi : ds(t)/d(t) = -u(t); - 20 m 3 /s < u(t) < 40 m 3 /s 0< s(t) < 200 Mm 3 R(t) = Q(t) + u(t) u(t) > -Q(t)

On connait Q(t) quand on dcide du lcher u(t). Mis sous cette forme, le problme est une recherche de contrle optimal d'un processus de diffusion particulier, de vecteur d'tat (s(t), Y(t)), dont la commande est u(t). Le critre optimiser est de la forme :
T

V (s. Y, t) = Min E J (R(T)-M)"dT t Sous des conditions de rgularit trs gnrales, l'quation ci-dessus est quivalente l'quation diffrentielle de Hamilton Jacobi BELLMAN (dj trait dans la partie 3).

dv 3v
dt rOY

-) a 2 v
BY2

fdv
las

-> i
J

+ (a(t) + b(t)Y) + o ( t ) ~ = M a x ^ . u - (M- e - u T

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 176

umm < u < u max Le minimum porte sur u. La rsolution fournit la fois la solution du lcher en feedback u = u (s, y, t) et la valeur de l'optimum du critre V (s, y, t). Pour rduire ce problme en temps continu un problme discret journalier de commande d'une chane de Markov, on utilise une mthode de rsolution explicite de KUSHNER (1977) en posant : 3 V _ V (s, Y, t+At) - V (s, Y, t) 8t At av ds pastel-00569481, version 1 - 25 Feb 2011 V (s - signe (u) As, Y, t+At) - V (s, Y, t+At) - signe (u) As

dV V(s, Y + signe (a(t) + B(t) Y} AY, t+At) - V (s, Y, t+At) dY ~ signe (a(t) + b(t)Y). AY a2V dY
2

V(s, Y+AY, t+At) - 2V(s, Y, t+At) + Vis, Y-AY, t+At) AY AY

o At, As et AY sont les pas de discrtisation de t, s et Y. Ceci mne une rsolution explicite par programmation dynamique, car on crit alors la chane de Markov contrler sous la forme : V (s, Y, t) = Min (P0(u) V(s, Y, t+At) + P + A s (u) V(s+As, Y, t+At) + P. As (u) V (s+As, Y, t+At) + P + A Q (u) V(s, Y+AY. t+At) + P_ A Q(U) V(s, Y-AY, t+At) + {u - M + e Y } 2 } Notons que cette chane commande est trs particulire car les transitions ne se font qu'entre tats (s, Y) immdiatement voisins. Les probabilits de transition s'crivent : p +As (u) = .At si u <0 et 0 si u >0 As

P (u) = .At si u >0 et 0 si u <0 ~As As o +AY


(

> (a(t) + bft)-l) Y(t) ^ o-(t)2 Ay 2AY2

si a(t)+(b(t)-l) Yft) >0 et 0 sinon :

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 177

p AY

s,*

-(a(t) + b(t)-l)Y(t) , a(t) 2 AY 2AY2

si a(t) + (b(t)-l) Y(t) <0 et 0 sinon :


P

0<u> = 1 - * W

u )

- P-As<u> - P+AY <u> - P-AY<U>

Les conditions de stabilit numrique sont vrifies pour 0 < P^ (u) < 1 soit : a(t) + (b(t)-l) Y(t) I f lg(t)i 2 AY AY 2
U (

m a x 1 < J_ As J ~ At

Dans les calculs nous avons choisi t = 1 jour : pastel-00569481, version 1 - 25 Feb 2011 AS/S max = AY/Ymax = 1/21 avec Smax = 200 Mm 3 et : Y_ = LOG(Qmax)= LOG( 100 m3/s)

En fait, l'objet de la gestion est de trouver des rgles de gestion stationnaires de priode 365 jours { u(s, q, t) = u(s, Q, t + 365) pour lesquelles le critre optimiser aurait plutt t : T 1 f 2 Lim~r-E ( R ( T ) - M ) dx lorsque T tend vers > t La formulation prcdente permet une solution approche ce problme. On fixe d'abord comme solution terminale V (s, Q, 365) les valeurs obtenues par programmation dynamique dterministe sur les apports moyens, puis on itre sur un nombre d'annes suffisant pour que, dans les calculs de V(s, Q, t) et u(s, Q, t), les solutions obtenues soient stationnaires. Dans l'exemple ci-dessus, trois annes sont suffisantes pour obtenir une stationnarisation des rsultats.Pour calculer les performances, on a appliqu la solution obtenue en feedback u (s, Q, t), t = 1 janvier au 31 dcembre sur la mme priode de validation 1959-1960. La gestion obtenue par " programmation dynamique + modle autorgressif " est reprsente figure 4-23 Nous n'avons pas mis en uvre une association " programmation dynamique + modle GR3 " car il nous faudrait une version continue simple du modle GR3. 1 faut souligner ici que dans le cas trs particulier de ce critre quadratique et volution linaire en la commande, mme si les problmes dimensionneis deviennent rapidement importants en terme de stockage, l'algorithme de calcul est particulirement simple: les transitions ne se font qu'entre tats voisins, on dispose d'une formule explicite de minimisation par drivation d'une forme quadratique qu'il s'agit de tronquer compte tenu des contraintes sur l'tat et la commande. Celles ci se propagent par l'intermdiaire des fonctions de BELLMAN et modifient le lcher optimal rservoir et lcher non borns (c'est videmment celui qui fournirait toujours le module comme valeur de dbit rgul optimal).

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 178

6.2. Rsultats

numriques Modle hydroiogique GR3 autorgressif autorgressif GR3 Critre en utilisation 89,5% 62,2% 87,4% Non Calculable

Mthode utilise fil-tendu sur scnario moyen (30 scnarios de 1 an) fil-tendu sur scnario moyen (30 scnarios de 1 an) programmation dynamique stationnaire programmation dynamique stationnaire

pastel-00569481, version 1 - 25 Feb 2011

Les performances des rgles de gestion obtenues avec diverses combinaisons de modle hydrologique et mthode d'optimisation sont rsumes dans le tableau ci dessus pour la priode test comprenant les annes 1959, 1960 et 1961.11 faut rappeler que le critre C d'efficacit de rduction de la variabilit est entre 0% ( dbits naturels, pas de rgulation) et 100% ( ce qui correspond la rduction maximale de variabilit en avenir certain). Pour mettre en uvre un calcul par programmation dynamique, on a d utiliser un modle hydrologique plus pauvre, mettant en vidence une chane markovienne d'tats hydrologiques, ce qui tait ncessaire la formulation du problme sous une forme squentielle. Les performances de la technique 3 (autorgressif dbits-dbits+ programmation dynamique ) sont donc comparables avec la technique 1 utilisant un bon modle hydrologique, avec le fil tendu. La politique calcule de cette faon prsente nanmoins un aspect beaucoup moins heurt, mais avec des effets persistants de dcalage d au comportement du modle ARIMA, comme on peut le constater au moment des fortes crues d't inattendues d' Aot 1960.

6.3.Validation des politiques de gestion en crues et soutien d'tiage. Le seul critre C peut paratre bien insuffisant pour juger de la gestion, il donne une vue trop agrge. Afin de mettre en vidence les effets des alas notamment des valeurs extrmes nous avons estim les fonctions de rpartitions des maxima et minima annuels des dbits rguls par les diverses politiques de gestion. Pour ce faire, une srie de 100 annes de dbits journaliers a t gnre par une variante du modle GR3. Seules les combinaisons 1 et 3 ont t utilises pour mener cette comparaison. Afin de diminuer l'avantage relatif de la technique 1 qui emploie aussi le modle GR3 comme composante hydrologique, deux modifications ont t introduites. Tout d'abord on a ralise une dpendance des vnements sec et pluvieux en conditionnant leur occurrence sur le caractre du jour prcdent. Les loi des quantit de pluie dpendront donc ici des probabilits de transition de la chane Markovienne des occurrences de pluies. La seconde diffrence est la priode de calibrage des coefficients du modle GR3 qui a t ralises sur 28 annes de donnes. Les figures 4-24 et 4-25 reprsentent la rpartition empirique de la crue maximale annuelle et de l'tiage le plus marqu au cours de l'anne pour les techniques 1 et 3. Sur ce cas d'tude la technique 1 ( fil tendu + scnarios issu de GR3) quoique que plus efficace pour le critre C (88% contre 75% ) semble domine en ce qui concerne l'amortissement des crues (sauf les crues exceptionnelles) et le soutien des tiages modrs (pour des valeurs suprieures 10 m3/s.)

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 179

6.4. Discussions et conclusions. Sur ce cas d'tude de la Seine, nous avons essay de mettre en vidence les qualits de chacun des sous compartiment qu'utilise une procdure de gestion en avenir incertain: un module de prvision et un module dcisionnel. Pour chaque module deux alternatives ont t proposes l'une tant thoriquement meilleure que l'autre: les modles conceptuels pluies-dbits sont plus efficaces que les simples modles autorgressifs, la programmation dynamique stochastique est thoriquement mieux adapte que le fil tendu en avenir dterministe sur scnarios. Par rapport cette programmation dynamique en avenir incertain, l'immense avantage de la mthode des scnarios est de pouvoir utiliser un modle hydrologique plus raffin sans aucun problme de mise en uvre. A titre de comparaison, si l'on avait voulu prendre le mme modle GR3 pour ce calcul par programmation dynamique, il aurait fallu introduire un vecteur d'tat de taille 6 (rservoir Seine, deux types de rservoir-sol, les pluies des trois jours prcdents), ce qui rendait le calcul numrique impossible sur les ordinateurs existants aujourd'hui, mme avec l'amlioration dente dans le paragraphe prcdent qui utilise la discrtisation explicite d'un modle temps continu. De fait ont donc essentiellement t compares les techniques 1 et 3. Le compromis mis en vidence sur ce cas d'tudes souligne l'importance de la composante hydrologique pour tout le comportement dcisionnel. La mthode de discrtisation de la commande d'un processus de diffusion est une piste intressante pour les calculs de programmation dynamique, ne serait ce que par sa facilit de mise en uvre numrique. En ce qui concerne le fil tendu, malgr l'lgance de l'algorithme de calcul, on se doit d'en rappeler les hypothses restrictives: - l'objectif doit tre une fonction du seul lcher dont la forme ne dpend pas du temps, - les contraintes doivent porter sur le stock pas sur la commande de lchures, - cette technique ne s'applique qu'au cas mono-ouvrage. On peut tenter d'interprter les rsultats numriques proches donns par les techniques 1 et 3 par des considrations physiques. La Seine, rivire "tranquille" de plaine possde une mmoire hydrologique courte en amont de son bassin versant o nous nous sommes placs, ce qui contribue expliquer sa faible inertie. En tout cas, la prvision au del d'un certain horizon ne doit avoir que peu d'influence sur l'efficacit globale et c'est pourquoi les deux techniques se retrouvent sans doute sur un pied d'galit lorsque l'on utilise un critre de moyenne interannuelle. Pour de tel cas, les techniques de FANG et al.(1989) par limitation de l'horizon prvisionnel peuvent apporter une alternative intressante.

pastel-00569481, version 1 - 25 Feb 2011

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE 180

120
CT)

E c

-stock du 100 + dbit -dbit

rservoir

rgul naturel

80 T

rn 2

pastel-00569481, version 1 - 25 Feb 2011

JAN

FEV

M A R

AVR

MAI

JUN

JUL

AOU

SEP

OCT

NOV

DEC I960

Figure 4-23: Aperu de la mthode des scnarios sur l'anne I960


PO

3
Ja!

100

stock du rservoir dbit rgul dbit naturel

U O u

80

60

T
1 n
M

.a
a

40 T

j.
!-.

20 r
V;,
V.

2"

y"
NOV DEC i960

vv
FEV MAR AVR

,\^--\J
JUN

-VJ

JAN

MI

JUL

AOU

SE?

OCT

Figure 4-24: Aperu de la mthode de programmation dynamique sur l'anne I960

ELABORATION DES CONSIGNES DE GESTION DU BARRAGE SEINE -1*81

uMCOMI'AKAJSON STA HS HOLT! Dl-S CKLT-S Dram's (Mi/M :oo---- - - ISO- \


1*0-J
\

--

ii)

pastel-00569481, version 1 - 25 Feb 2011

:i v> JO DEBITS NATURELS DIBITS RI-JGULESfFTSM) DEBITS Ri-LGULES(PDS)

fo

~~i

<n

*)

CM

Figure 4-25: Rpartition empirique des crues maximales annuelles pour les deux mthodes

-III COMPARAISON STATISTIQUE DES ETLUiES DU!ITS (Ml/St

Figure 4-25: Rpartition empirique des tiages maximaux annuels pour les deux mthodes

pastel-00569481, version 1 - 25 Feb 2011

182

183

Ecole Nationale des Ponts et Chausses (ENPC-ENGREF) CERGRENE

ELABORATION DES CONSIGNES DE GESTION DES BARRAGES RESERVOIRS

pastel-00569481, version 1 - 25 Feb 2011

PARTIE 5 DISCUSSIONS et CONCLUSIONS

DECEMBRE 91 E. PARENT

184

DE LA PARTI!; 5
1. Remarques sur les hypothses restrictives 1.1. Ngliger les phnomnes de transfert 1.2. Les systmes multi-ouvrages : 1.3. Les systmes multi-acteurs: 2. Apports de l'tude : Dynamique et dcision, deux aspects interconnects 2.1. Vers une meilleure reprsentation physique: le dilemme 2.1.1. Importance des modles hydrologiques 2.1.2. Rduire la dimension d'tat 2.2. Mieux cerner les mcanismes de la dcisions 2.2.1. L'importance du dialogue entre le gestionnaire et le charg d'tude 2.2.2. L'tat d'information du gestionnaire 2.2.3. L'importance du risque : 2.2.4. Positionnement de nos mthodes face au risque 2.3. Apports mthodologiques pour l'aide la formalisation d'objectifs: 3. Dveloppements possibles et pistes de recherches 3.1. Pistes de recherche: utilisation d'autres outils 3.1.1. Intelligence artificielle 3.1.2. Logique floue 3.2. Pistes de recherche : amlioration du modle existant 3.2.1. Indice de dficit 3.2.2. Modle et rationalit conomique 3.2.3. Vers une approche plus conomique 4. Conclusions Gnrales 185 185 185 186

187 187 187 187 187 187 188 188 189 189 190 190 190 192 193 193 194 ...194 195

pastel-00569481, version 1 - 25 Feb 2011

DISCUSSIONS ET CONCLUSIONS 185

DISCUSSIONS FT CONCLUSIONS
t. REMARQUES STIR LES HYPOTHESES RESTRTCTIVES Mme si les dmarches de modlis:: tion prsentes s'appliquent toute chelle de pas de temps, les travaux effectus dans ce mmoire n'ont pas abords les problmes spcifiques de la rgulation automatique en temps rel. De plus, ils ont toujours admis l'existence d'un dcideur unique. De ce fait, nous avons implicitement fait des hypothses restrictives que nous nous devons de souligner dans cette partie. 1.1. Ngliger les phnomnes de transfert Quand on ne s'intresse pas la gestion tactique ni au pilotage en temps rel, les phnomnes hydrauliques de propagation ne sont pas pris en compte. Ceci est lgitime sur le cas de la Neste o les temps de transfert sont trs infrieurs au pas de gestion stratgique, et sur la Seine pour lequel le point de contrle tait situ au voisinage immdiat du canal de rejet. Il faut souligner les problmes que l'on rencontre lorsque l'on ne fait plus cette hypothse : - non linarit des quations dynamiques introduites par les quations de Saint Venant auxquelles on substitue d'ailleurs, en premire approche, des modles discrets et linaires. Dans ce cas, une dmarche de modlisation par fonction de transfert, telle celle effectue pour la gestion en temps rel des eaux de la rivire Arrats en Gascogne(PIQUEREAU et VDLLOCEL, 1982), peut fournir de bon rsultats. - accroissement de la dimension d'tat : compte tenu du dlai de propagation, la grandeur d'tat doit tre complte pour garder en mmoire les valeurs cls durant cet intervalle de temps caractristique du systme. CAMBOULIVES (1980) a ainsi analys de faon trs appronfondie le rle que jouent sur les performances de gestion les incertitudes existantes sur les paramtres d'un modle de propagation hydraulique d'Hayami qu'il utilise pour suivre l'effet des lchers d'un barrage amont (Seine) jusqu'au point de contrle trs en aval. Il a montr qu'il est inutile de faire une gestion fine dans le cas d'incertitudes fortes sur la pertinence du modle de propagation : la gestion optimale est alors une gestion adoptant un "profil moyen" et qui ne rpond quasiment plus aux fluctuations hydrologiques. 1.2. Les systmes multi-ouvrages : Sur le cas de la Neste, une dfaillance ne peut tre que globale. Pour en effectuer la gestion stratgique, qui est une gestion centre sur le risque, l'utilisation d'un seul rservoir fictif agglomrant toutes les ressources disponibles du systme tait tout fait represenLitive de l'chelle du problme. Le cas de la Seine a t considr comme monoouvrage. Pourtant on rencontre souvent dans le domaine de la gestion des ressources en eau des systmes complexes multi-ouvrages. Comment faire dans ce cas? On s'appuie sur le concept de dcomposition d'un problme d'optimisation, c'est dire la dcomposition d'un grand systme complexe en sous-systmes plus simples et de taille plus rduite. L'optimisation du grand systme est alors ralise par une alternance de phases d'optimisation de chacun des sous-systmes sparment, et de phases de coordination de ces optimisations locales. Afin de construire correctement les units fonctionnelles, il est ncessaire de reprer les relations entre variables objectifs et variables de contrle sur une large gamme d'vnements pluvieux historiques ou mme fictifs. En effet, les influences aval par exemple, peuvent n'exister que pour certaines vnements rares et pendant une courte dure de ces vnements rares. On retrouve ici la ncessit d'tudier finement et sur une longue priode le fonctionnement du systme. La dcomposition d'un problme d'optimisation possde diffrents avantages par rapport aux mthodes d'optimisation qui traitent le problme "d'un seul tenant" : - simplification dans la description du fonctionnement du systme global. On y substitue en effet la description de sous-systmes plus simples, pour lesquels on peut utiliser des modles de simulation dj existant, ou reprsentant mieux le fonctionnement

pastel-00569481, version 1 - 25 Feb 2011

DISCUSSIONS ET CONCLUSIONS 186

de chaque sous-systme. Ceci est particulirement important pour des systmes globaux fortement coupls o les sorties d'un sous-systme sont les entres d'un autre. - rduction de la dimension des problmes d'optimisation. On change en effet un problme d'optimisation un grand nombre de variables de contrle contre une juxtaposition de problmes d'optimisation de moindre importance. De plus, on peut adopter diffrentes techniques d'optimisation pour chacun des sous-problmes. - dcentralisation de la dcision. Les progrs des microprocesseurs, du calcul parallle et de l'architecture des rseaux informatiques permettront progressivement de substituer aux systmes de dcision centraliss des systmes intelligence rpartie. Dans cette perspective, les mthodes de dcomposition, utilises dans cette tude sous leur aspect "algorithmes d'optimisation", pourront sans grandes modifications tre utilises pour la dcentralisation physique des dcisions (COHEN, 1984). Le systme de gestion sera alors hirarchis. FREROT (1986) a ainsi tudi la mise en oeuvre oprationnelle d'un systme automatis et dcentralis de rseaux d'assainissement. Il existe trois faons de dcentraliser un systme puis de coordonner les soussystmes: - coordination par les quantits ou allocation: c'est la recherche de l'adquation entre l'offre et la demande par itration sur les quantits changes par les sous systmes. - coordination par les prix: c'est une mthode duale de la prcdente; les prix augmentent lorsque les ressources thoriques sollicites par les sous-systmes dpassent le plafond global disponible. - coordination par prdiction: c'est une mthode intermdiaire entre les deux autres. Dans le cas gnral d'un systme dynamique, il existe des variables de commande couplant les sous-systmes entre eux : on dtermine leur valeur en coordonnant par les quantits tandis que les variables de commandes locales chaque sous-systme sont ajustes par une coordination sur le prix. Toutes ces techniques se gnralisent directement pour des systmes dynamiques complexes. MESAROVIC et al. (1970) ont propos un formalisme gnral pour la dcomposition en sous-systmes. Chaque mthode a ses avantages et ses inconvnients : COHEN (1983), BERNHARD (1976), BENSOUSSAN et LIONS (1970) ont tudi les conditions sous lesquelles ces mthodes convergent. La mthode de coordination par les quantits prsente l'avantage de toujours proposer une solution ralisable, les itrations peuvent tre suspendues en cours de travail. Cet avantage oprationnel n'existe pas pour les deux autres mthodes. Les problmes de convergence se posent aussi lorsqu'on ne peut pas faire d'hypothses fortes sur les fonctions critres optimiser. La convergence de la mthode de dcomposition-coordination par prdiction n'a pu tre tablie rigoureusement que dans le cas trs restrictif d'objectifs quadratiques avec contraintes affines. On ne dispose pas de rsultats gnraux dans le cas de l'avenir incertain. Une autre difficult essentielle inhrenre toutes ces techniques est qu'il n'existe aucun algorithme pour dfinir les sous-systmes, mais seulement des principes gnraux de dcomposition. 1.3. Les systmes multi-acteurs: De mme qu'un systme de gestion des ressources en eau est rarement monousage, il est aussi trs rare qu'il ne mette en jeu qu'un seul acteur. Dans ce cas il faut dcrire les conflits entre les divers intervenants plaidant en gnral pour un ou deux usages spcifiques de l'eau et imaginer comment les interactions entre acteurs peuvent conduire une dcision gnrale. De telles mthodologies sont par exemples dcrites dans FRASER et HIPEL0984) et font appel la thorie des jeux ( voir par exemple HIPEL, RAGADE et UNNY,1974, pour un expos sur la rsolution de conflits entre cits voisines propos de qualit d'eau). Pour la Seine, en ne se rfrant pas directement un gestionnaire mais en affichant un objectif explicite de rgulation, nous avons en quelque sorte vit de considrer cet aspect des problmes de gestion pour ce systme de ressources en eau. En ce qui concerne le cas du systme Neste, il n'est pas contestable qu'une grande simplification oprationnelle est lie au fait que le comportement multiacteur n'avait pas a

pastel-00569481, version 1 - 25 Feb 2011

DISCUSSIONS ET CONCLUSIONS 187

tre intgr pour ce cas pratique : la CA CG est en effet le gestionnaire officiel unique de tout le systme Neste pour tous les objectifs. Un contact direct entre les chargs d'tude et l'ingnieur responsable du fonctionnement oprationnel a pu s'tablir et a conduit l'laboration en commun d'un outil d'aide la dcision monoacteur pour la conduite de la gestion stratgique du systme Neste . 2. APPORTS DE U'ETUDE : DYNAMIQUE ET DECISION. DEUX ASPECTS INTERCONNECTES Ce mmoire souligne la commodit d'utilisation des modles d'tats.mais galement que le rle du charg d'tudes ne se limite pas l'tablissement d'un modle reprsentatif du fonctionnement d'un systme : le modlisateur doit aussi s'atteler une tache bien plus ardue de formalisation des prfrences du dcideur. Ces deux phases doivent tre menes conjointement et en concertation troite avec le gestionnaire du systme. 2.1. Vers une meilleure reprsentation physique: le dilemme Comment amliorer notre dmarche de modlisation? pastel-00569481, version 1 - 25 Feb 2011 2.1.1. Importance des modles hydrologiques Le modlisateur doit augmenter la reprsentativit de son systme en amliorant la description physique du fonctionnement de celui-ci. Faut-il dvelopper des modles conceptuels qui utilisent beaucoup de paramtres mais qui prtendent reprsenter un fonctionnement mcanique des transferts pluie-dbits, ou faut-il se contenter de modles plus simples de type auto-rgressifs linaires, dont la seule finalit est d'obtenir une bote noire la plus simple possible, cale au mieux sur des donnes historiques? La question reste ouverte, mais nous avons illustr, sur le cas de la Seine, le vieil adage: "Seule la fin justifie les moyens." C'est dire que, pour un gestionnaire de systme, on ne peut juger un modle de prvision des dbits du seul point de vue de sa reprsentativit hydrologique. C'est l'efficacit en termes d'amlioration de la gestion qui doit tre prise en compte. 2.1.2. Rduire la dimension d'tat Il doit aussi rendre son action plus efficace en diminuant la dimension d'tat pour mener explicitement les calculs par programmation dynamique, seule mthode respectant l'aspect squentiel de la gestion et proposant une rgle de gestion, fonction des informations actualises chaque pas de temps dont dispose le gestionnaire. Nous avons pass en revue dans la partie 3 les divers avantages et inconvnients de cette technique ainsi que les mthodes approches auxquelles elle a donn naissance. Pour notre pan sur le cas Neste, nous avons utilis cette technique sans modification, sur le cas de la Seine nous avons montr que la discrtisation partir du modle en temps continu permettait d'obtenir une simplification notable de la complexit des calculs. Pour le modlisateur, cette exigence de rduire la dimension d'tat s'oppose au point prcdent : il ne peut, hlas, souvent amliorer la description de son systme qu'au prix d'introduction de nouvelles variables d'tats rendant impossible, ds que leur nombre dpasse 3. la rsolution explicite par optimisation squentielle. 2.2. Mieux cerner les mcanismes de la dcisions 2.2.1. L'importance du dialogue entre le gestionnaire et le charg d'tude Le dialogue entre le gestionnaire d'un systme de gestion de ressources en eau et le modlisateur est un point essentiel pour l'laboration de consignes de gestion. Dans une premire phase, ce dernier doit utiliser la connaissance du systme que possde le

DISCUSSIONS ET CONCLUSIONS

188

pastel-00569481, version 1 - 25 Feb 2011

gestionnaire pour proposer un modle reprsentatif du fonctionnement de celui-ci. Par essais et erreurs, en s'appuyant sur des simulations, ou directement sur le traitement des donnes historiques, le modlisateur doit vrifier que le gestionnaire accepte la validit du modle propos et en reconnat le caractre reprsentatif pour ce qui concerne le fonctionnement du systme. Durant cette phase, il est important de s'assurer de la disponibilit des donnes, notamment des sries hydrologiques. Pour les donnes qui ont volues dans le temps, il faut reconstruire un modle, "toutes choses tant gales par ailleurs". Ainsi sur le systme Neste, o la consommation d'eau a tripl en quinze annes, mme si on disposait de sries de mesures de dbits, il a fallu estimer les dbits souscrits annes par annes, estimer les prlvements journaliers pour l'irrigation partir de consommation de prirr, r e s reprsentatifs, dresser le bilan des entres et sorties des rserves pour finalement rt .instruire les dbits naturels. Dans une seconde phase, l'homme d'tudes doit analyser les prfrences du dcideur et essayer de hirarchiser les objectifs de gestion que ce dernier s'est fix. En effet, dans sa pratique quotidienne, il est souvent difficile de faire la pan des choses entre le systme physique et les rgles de fonctionnement qu'il a imposes, entre les contraintes vraies et celles qui correspondent aux plages de fonctionnement que sa politique ou ses habitudes ont fixes. Voir le modlisateur formaliser les objectifs oblige le gestionnaire se remettre en cause, car c'est aussi l'adquation entre les rgles de gestion et ces objectifs que l'on va analyser. Enfin, aprs modlisation et optimisation, la phase de validation oprationnelle ne peut avoir lieu que si le dialogue se maintient entre gestionnaire et charg de recherche. Sinon, 1' application des consignes de gestion proposes par le modle de l'homme d'tudes a bien peu de chance d'tre effective. Au vu de l'exprience rencontre sur le systme Neste, les techniques de gestion en avenir incertain dveloppes dans ce mmoire prsentent un atout important : recommander une consigne de gestion, justifie par des indices prvisionnels de performances sous la forme de tableau de bord que l'on peut suivre au cours du temps et ractualiser, passe mieux auprs du gestionnaire qui prend l'habitude de consulter cette consigne, en gnral la fait sienne et l'intgre facilement dans la vie de son service. 2.2.2. L'tat d'information du gestionnaire Les dmarches de modlisation doivent mimer au mieux le fonctionnement squentiel oprationnel du gestionnaire qui ractualise ses dcisions au fur et mesure qu'il acquiert de nouvelles informations : ce titre le raisonnement d'optimisation squentielle mis en uvre par programmation dynamique semble naturellement le mieux adapt cette exigence. Nanmoins, dans la pratique, aussi bien sur la Neste que sur la Seine, l'explosion combinatoire des calculs nous a limit des modles frustres faibles dimensions d'tats. D'autre part, la cohrence dynamique des prfrences du dcideur vis vis de cette technique d'optimisation squentielle, a t assure par la prise en compte de critres les plus lmentaires (fonctions quadratiques avec peu de paramtres ) qui ont t valids auprs du le gestionnaire, car, sur les squences historiques dont nous disposions, ils redonnaient des comportements voisins de ceux qu'ils avaient adoptes. Nous avons mis en relief dans la partie 3 des conditions suffisantes pour garantir cette cohrence. Reste dvelopper des mthodes permettant de sparer ces comportements pas de temps par pas de temps, identifier ces fonctions instar anes de prfrences et reconnatre comment elles se combinent squentiellement au cours du temps. 2.2.3. L'importance du risque : La gestion du risque est une composante essentielle des systmes de gestion aes ressources en eau. Dans ce mmoire, nous nous sommes beaucoup attach aux risques entrans par la nature alatoire des vnements climatiques conditionnant l'approvisionnement et la gestion des barrages rservoirs, qui sont en quelque sorte une assurance contre la variabilit de ces alas. En ce qui concerne les incertitudes lies aux paramtres des modles que nous avons dvelopps, elles ont t ignores aprs analyse de sensibilit et vrification directe auprs du gestionnaire de la conformit des rsultats aux comportements connus du

DISCUSSIONS ET CONCLUSIONS 189

pastel-00569481, version 1 - 25 Feb 2011

systme. Lerisqueli Y incertitude sur les paramtres des modles peut tre intgre dans le mme cadre en faisant des hypothses supplmentaires sur la loi de ces paramtres inconnus. Les deux exemples de l'annexe 12, l'un sur les incertitudes de l'objectif, l'autre sur les incertitudes dans la reprsentation dynamique d'un systme, en illustrent les aspects. Si on considre Y incertitude sur l'objectif de la gestion, le risque encouru par la mconnaissance de l'objectif exact viser peut donc tre extrmement important. Ceci souligne la ncessit pour l'homme d'tude de travailler en liaison troite avec le responsable de l'ouvrage et d'arriver ensemble formuler valablement les objectifs de fonctionnement de l'ouvrage. On peut formaliser ce type de situation dans le cadre gnral dcrit dans la partie 3 de ce mmoire, en tendant la notion d'esprance du critre optimiser aux paramtres de la fonction objectifs sans problmes majeurs : il est en effet raisonnable de supposer que les alas naturels et les incertitudes sont des variables indpendantes. La situation est tout fait diffrente si les incertitudes portent sur la dynamique d'volution d'un systme. A chaque pas de temps, on se trouve face un compromis entre cot de la dcision et bnfice futur associ aux retombes de l'apprentissage ralis au cours de ce pas de temps. De plus, on rentre dans un cas o, en gnral, l'ala naturel interagit avec les incertitudes portant sur les paramtres du modle d'tat, ce qui, en cascade, rend la situation de plus en plus complexe. En thorie, ce genre de situation n'est rsolue que dans le cas limit des systmes linaires quadratiques Gaussiens pour lesquels on montre que l'on peut sparer la phase d'estimation squentielle de la variable d'tat inconnue ( effectue parfiltrage)et la phase d'optimisation squentielle pour commander le systme. 2.2.4. Positionnement de nos mthodes face au risque Mme si les deux types d'incertitudes dcrits prcdemment n'ont pas t traits dans le cadre de ce travail, la stochasticit intervient par les alas naturels que l'on a modliss sous forme probabiliste. Notre dmarche sort du cadre linaire quadratique Gaussien non contraint, o la nature stochastique des variables n'apparaissait pas dans la commande, identique celle obtenue par calcul en avenir dterministe sur la moyenne des alas. En utilisant la terminologie de LI et HAIMES(1987) classant les systmes selon leur raction vis vis d'un accroissement de la variabilit des alas, notre systme ne prsente srement pas un comportement "neutre aurisque".Les lois employes ici sont lognormales, d'importantes contraintes limitent l'amplitude des commandes et des tats. D'autre part, la programmation dynamique en avenir incertain a t employe pour les deux cas d'tudes : on a donc pris en compte de faon intrinsque la variabilit du futur, et les consignes de gestion calcules ne font pas rfrence un avenir moyen sans scheresse ni crue. C'est sur le critre d'optimisation que porte l'oprateur d'esprance : les politiques de gestion donneront des valeurs au critre dont la moyenne sera optimale. 2.3. Annorts mthodologiques pour l'aide la formalisation d'ohiectifs: Nous pensons que la mthodologie dveloppe dans ce mmoire pour la gestion stratgique du systme Neste est tout fait gnralisable d'autres systmes de gestion de ressources en eau. Cette dmarche, fonde sur une coopration entre gestionnaire et charg de recherche, mne une gestion multidimensionnelle du nsque. Elle peut tre rcapitule de la faon suivante : - tant donn la difficult gnralement rencontre pour spcifier directement ies objectifs de gestion atteindre, commencer d'abord par faire tablir la liste des incidents et dysfonctionnements viter. - pour chacun de ces vnements non dsirables, on peut essayer d'tablir trois indices statistiques de performances :

DISCUSSIONS ET CONCLUSIONS 190

pastel-00569481, version 1 - 25 Feb 2011

* le risque, c'est dire la probabilit qu'un tel vnement se produise d'ici l'horizon de gestion, * la vulnrabilit, c'est dire la consquence en tant que mesure des dommages induits par les effets de cet vnements, * la resilience, qui traduit la mesure en terme de dure pour que le systme retrouve un fonctionnement "normal" aprs qu'un tel vnement se soit produit. - ce stade de la rflexion on a dfini un faisceau multiple de critres. On prsente alors tous ces critres au gestionnaire, en les illustrant si possible par les mesures calcules sur la gestion des annes prcdentes. Ce dernier doit confirmer leur pertinence et en slectionner le nombre rduit de ceux qu'il considre les plus importants. - nous avons alors cr un critre agrg par pondration des indices prcdents. En testant divers jeux de paramtres nous avons optimis la rgle de gestion et obtenu par simulation un ensemble de points du faisceau multiple de critres correspondant aux compromis possibles pour ceux retenus en priorit par le gestionnaire. Au vu de ces rsultats que le charg d'tude commente, le dcideur retient le jeu de paramtres qui donne la politique la plus proche de son propre comportement. Ceci permet de dterminer un point d'quilibre, bien sr spcifique au gestionnaire, jug en termes de risques entre les divers performances et usages du systme. - ce jeu de paramtre choisi, on dveloppe un outil d'aide la dcision qui, chaque pas de temps, fournit un tableau de consignes de gestion en fonction de l'tat du systme et optimise la fonction critre agrge. On fournit aussi un tableau de bord de gestion qui rassemble la totalit des indices de performances prcdemment dfinis, calculs pour la consigne de gestion prconise. 3. DEVELOPPEMENTS POSSIBLES ET PTSTES DE RECHERCHES 3.1. Pistes de recherche: utilisation d'autres outils Nous avons essay, partir de cas pratiques, de valoriser au mieux les outils que sont la modlisation d'tat et la commande optimale pour l'analyse et la gestion de systme de ressources en eau. Bien sr, d'autres techniques existent et peuvent prsenter des attraits importants, en tant mieux adaptes traduire les prfrences du gestionnaire. 3.1.1. Intelligence artificielle Au cours de ce travail, nous avons dfini une rgle de gestion de gestion comme une squence d' applications de l'ensemble de l'tat du systme dans l'ensemble des dcisions possibles chaque pas de temps. Pour le gestionnaire d'un systme, la rgle de gestion voque plutt la traduction de son expertise sous forme de rgle de logique. Prenons l'exemple du barrage Seine et essayons de suivre ce raisonnement par type de situations, tel qu'un gestionnaire de barrage pourrait le faire : on peut dterminer sa stratgie en fonction de la position l'instant t dans le plan (S , Q J comme l'indique la
I I

figure 5-1. A chaque zone correspond une stratgie particulire : - stratgie normale, Q < Q < Q, et S < S,, on cherche rejoindre le stock objectif en un faible nombre de pas de temps: - stratgie d'crtement. Q > Q,et S, < S,, l'apport est trs lev, l'objectif est alors d'crter la crue. On peut alors dcider que :

VQi

DISCUSSIONS ET CONCLUSIONS 191

Ecrtement q1

Ecrtement limit

Normal Crue qO Soutien limit SO Soutien

c 51

Smin

< Smax

pastel-00569481, version 1 - 25 Feb 2011

Figure 5-1 : Position dans le plan (S, Q)

- stratgie d'crtement limit, Q > Q,et S > S,, l'apport est trs lev mais le stock est dj assez important, la stratgie est de trouver un compromis entre l'crtement et le lcher maximum. Faisons l'hypothse que l'on dcide : Ut = a Q 1
+

(l-a)Q

max

- stratgie de crue, Q^ < Q < Q, et S > S -., on recherche un compromis entre rejoindre le stock objectif en un faible nombre de pas de temps et une stratgie d'crtement; - stratgie de soutien, Q < Q^ et S^ < S , l'apport est faible, le stock est considr suffisant, l'objectif est de soutenir les tiages. On dcide par exemple que :

u, = Q. 0
- stratgie de soutien limit, Q < Q^ et S < S^, l'apport est faible, le stock est faible, on tablit alors pour U un compromis entre une politique de soutien et une politique de restriction de faon retarder le moment o l'on atteindra S min En appliquant ces quelques rgles et si l'on utilise des pondrations entre divers objectifs pour proposer les compromis, on obtient, pour une priode donne, une fonction de lcher linaire par morceaux, c'est--dire ayant l'allure de la figure 5-2:

DISCUSSIONS ET CONCLUSIONS 192

pastel-00569481, version 1 - 25 Feb 2011

q crue

q tage

Dbits

Naturels

Figure 5-2 : Reprsentation des dcisions linaires par morceaux (prlvement ou lcher) selon les valeurs du dbit entrant et du stock Les numros reprsentent des zones o la dcision est homogne. De telles rgles, pourtant les plus simples, ncessitent le calage d'un grand nombre de paramtres. Dans l'exemple prcdent, il y avait 11 paramtres caler par priode tudie soit, si on travaille au pas de temps hebdomadaire, 572 coefficients estimer pour le cas mono-ouvrage. On comprend donc que la simple simulation, mme guide, du systme ne permet pas d'ajuster tous ces paramtres. Les techniques de l'intelligence artificielle sont alors intressantes divers degrs. - elles peuvent introduire la notion d'apprentissage: on pourrait comparer, par exemple sur un cas simple mais non linaire gaussiens quadratique, les gestions fourmes par un rseau de neurones qui l'on apprenait la gestion et une gestion plus classique fonde sur l'automatique comme celle que nous avons dveloppe: de telles mthodes sont en cours d'exprimentation au CEMAGREF. - elles peuvent fournir directement une dmarche cognitive en tentant de formaliser le comportement et la stratgie du gestionnaire sous la forme d'une base de connaissances; - elles donnent aussi au second degr des techniques pour guider l'ajustement de paramtres des rgles de gestion telles que celles prsentes prcdemment, ainsi que i'a illustr DESLANDES (1987) sur le cas du barrage Seine. 3.1.2. Logique floue Au cours de ce travail, nous avons suppos que le gestionnaire avait la possibilit d'exprimer ses jugements de prfrences de faon nette et sans imprcision. Dans la

DISCUSSIONS ET CONCLUSIONS 193

pratique quotidienne, c'est beaucoup moins net et d'une certaine faon le rle du modlisateur est de pousser le dcideur caractriser l'extrme ses choix de gestion. D'ailleurs, nous ne prtendons crer qu'un outil d'aide la dcision et en aucun cas une procdure automatique qui se substitue au dcideur. La thorie des nombres flous ( voir par exemple KAUFMANN,1973 pour un expos lmentaire l'usage des ingnieurs) permet srement de s'affranchir de l'algbre classique trop limite que nous avons utilise pour modliser les prfrence du dcideur. Des applications industrielle de la commande floue de systmes se sont dveloppes, notamment dans l'industrie Japonaise. Ce mouvement de modlisation (KAUFMANN et GUPTA, 1988) par les techniques fondes sur la thorie des nombres flous est aujourd'hui sujet controverse dans la communaut scientifique des mathmaticiens appliqus et automaticiens.

3.2. Pistes de recherche : amlioration du modle existant Sur le cas du systme Neste, on pourrait envisager d'autres approches, notamment en ce qui concerne le comportement dcisionnel des acteurs impliqus dans sa gestion. Par exemple, une approche de type plus micro-conomique ou une extension du modle de comportement du gestionnaire permettrait peut-tre d'amliorer la gestion existante. Plusieurs directions de recherches sont possibles. 3.2.1. Indice de dficit Une premire amlioration concerne la contrainte portant sur l'irrversibilit de l'engagement des tours d'eau. Une fois que ceux-ci ont dmarr au cours de la saison, on impose la contrainte extrmement forte (0< y(t+l)< 7(t) <1), ce qui modlise une attitude de pesanteur administrative mettre en uvre des restrictions puis ventuellement les supprimer lorsqu'elle ne sont plus ncessaires. P.A ROCHE (communication personnelle, 1991) suggre d'introduire une variable d'tat qui garde en mmoire la plus ou moins grande importance des dficits antrieurs pour l'irrigation. On pourrait ainsi crer l'index de dficit pour l'irrigation 5(t) voluant avec une dynamique de type "lissage exponentiel" et traduisant un effet d'actualisation des proccupations de l'agriculteur et d'attnuation des dficits passs sous la forme : (t+l) = (t)(l-p(t))+Y(t)p(t) avec 0 < y(t) <1 dsignant la restriction de la quantit d'eau dlivre pour l'irrigation par rapport au besoins, y(t)=l si satisfaction totale des besoins: p(t) une fonction dterministe entre 0 et 1 marquant la plus grande importance des dficits selon la saison, le modle actuellement mis en service fonctionne avec p(t) = 1 pour tout t, c'est dire que c'est le pass trs court terme qui reprsente l'information sur le dficit agricole pour l'irrigation. Dans cette extension, le modle aurait comme variable d'tat x('t) = (S(t), N(t-l), 5(t-l) ) et comme commande u(t) =(rg(t), y(t)), l'objectif tant cette fois:

pastel-00569481, version 1 - 25 Feb 2011

'T
u(.)
(t

Max El X Q(r"< U) + PEN ('t) > Cette dmarche est intressante car elle supprime une contrainte d'irrversibilit sur une dcision qui n'est pas forcment raliste. Elle n'a pas t mise en uvre dans le prsent mmoire car elle ncessite le choix d'une fonction p(t) et le recalage du paramtre de compromis entre les deux objectifs principaux de gestion.

DISCUSSIONS FT CONCLUSIONS 194

3.2.2. Modle et rationalit conomique On pourrait imaginer utiliser les modles proposs prcdemment pour analyser la rationalit du comportement d'une compagnie telle que la CACG. Un tel modle est du type : x(t+l) = f(x(t), u(t), e(t)) T MaxEX{Li(x(x),u(x))+ P
T=t L 2 (X(T),U(T))}

o Li reprsente un bnfice agricole et L 2 traduit une consommation d'eau prleve un autre usage (par exemple hydro-lectrique). Le problme est de savoir si la pondration P peut vraiment s'interprter comme un prix d'change. Si l'on dispose de donnes de gestion historique, une procdure analogue au filtrage peut apporter des lment de rponse. Appelons u(t) et x(t) la commande et la trajectoire rellement suivies au cours de pastel-00569481, version 1 - 25 Feb 2011 l'histoire et enregistres. Pour btir une estimation de P, en sparant la phase estimation de la phase commande, on peut choisir une construction de la forme : P(t+l) = P(t) + 0(u (t) -u(t))
*

o u (t) dsigne la premire dcision du programme : T MaxEX{Li(x(t),u())+ P(t) L 2 ( X ( T ) , U ( I ) ) } x=t avec les conditions initiales : x(t) = x(t) et en adjoignant les quations de transitions : x(t) = f(x(t), u(t), (t)) P(t+l) = P(t) tandis que 0 est une matrice positive de lissage. Il faut alors prciser sous quelles hypothses et de quelle faon on peut calculer 0 pour minimiser la variance de P(t) et faire converger P(t) vers P si une telle valeur de prix P existe. Au vu de la stabilit de la moyenne et de la variance de P(t), on pourrait ainsi mieux cerner le comportement conomique du dcideur. 3.2.3. Vers une approche plus conomique Le compromis dvelopp ici sur le cas de la Neste traduisait un quilibre entre la possibilit de passage en crise (arrt des irrigations) et la ncessit de maintenir un contrat de salubrit aussi lev que possible. Au cours de la scheresse de 1989 dans le SudOuest, EDF a dstock de l'eau de ses rserves de montagne pour maintenir les possibilits d'irrigation. On a pu ainsi dterminer un prix de l'eau marginale en cas de crise. On peut alors envisager une gestion optimale entre : - un bnfice conomique de la production agricole. - un cot li au risque de devoir faire appel aux dstockages d'EDF pour maintenir irrigation et salubrit.

DISCUSSIONS ET CONCLUSIONS 195

pastel-00569481, version 1 - 25 Feb 2011

L'annexe 13 prsente un modle d'tat prenant en compte une gestion eau-solplante en s'appuyant sur les courbes de production dcrites dans HALL et BUTCHER (1968) et le bulletin 33 de la FAO (BOUZEDI, 1985). Cette modlisation suppose que l'on puisse commander les quantits prleves par l'agriculture et imposer un rationnement aux irrigants, ce qui est loin d'tre le cas actuellement, mme si les vnements rcents ont adouci les positions des agriculteurs. En ce qui concerne la Neste, les premiers essais de modles de type rservoir sol mens par PIQUEREAU et VELLOCEL ( 1982) lors de l'implantation de la gestion tactique, n'ont pas donn de rsultats oprationnels acceptables. Par exemple, le modle propos par le CEMAGREF pour valuer la demande en eau des plantes pour la gestion de l'Astarac a t vite supplant par un rseau de conseillers agricoles qui produit quotidiennement, bien qu'empiriquement, des prvisions de consommation. De mme, FANG et al. (1989) traitant d'un barrage utilis pour l'irrigation et la production hydrolectrique, ont suppos que la demande en eau des plantes tait une variable dterministe. EZERZER(1991) a aussi trait le cas d'une rserve bi-usage (irrigation et hydrolectricit) en suivant une dmarche semblable. De telles dmarches sont prometteuses, car plus compltes par la prise en compte des interactions eau-sol-plante, mais de nombreuses difficults restent rsoudre, notamment lies : - la difficile modlisation des phnomnes agronomiques, - la dfinition complte d'un cadre micro-conomique pour les rendements obtenus partir de ces cultures, - la complexit envahissante des calculs par programmation dynamique ds que l'on veut considrer un nombre plus important de variables d'tat.

4. CONCLUSIONS GENERALES L'tude du systme Neste a permis la conception d'une mthode d'laboration des consignes de gestion stratgique d'un systme de ressources en eau. L'exprience montre que bien souvent le premier rle de l'homme d'tude est de formaliser ce que le gestionnaire peroit sous les termes de "bonne" gestion. Une dmarche fonde sur la gestion du risque a t entreprise cet effet. Cette mthodologie a pris place au sein du systme complexe de la gestion du systme Neste et s'est intgre au systme tactique de tlgestion en temps rel. Les rsultats de cette tude ont t compars une mthode plus rustique de gestion par courbe de vidange et ont aujourd'hui prouv leur validit oprationnelle en apportant un outil d'aide la dcision prcieux dans les situations de ' scheresse rencontres au cours des campagnes de 1989 et 1990. D'une faon gnrale, dans les applications oprationnelles, pour les cas extrmes (vnements rares) il est important d'avoir plus d'une approche et d'en comparer les rsultats, ce que nous avons fait pour la Neste et pour la Seine. Pour laborer des consignes de gestion, le gestionnaire doit tre capable de prvoir les vnements grer. Il doit aussi pouvoir les simuler afin d'estimer la palette des rsultats possibles de sa politique. Ceci souligne l'importance du module de simulation dcrivant le fonctionnement du systme. Celui-ci ne peut tre tabli qu'avec une bonne connaissance du terrain, l'appui des hydrologues et hydrauliciens des services gnraux chargs de la gestion d'un tel systme. L'utilisation de modles d'tats pour reprsenter le caractre dynamique d'un systme permet de rendre compte de la physique des phnomnes et donc de garder une reprsentation conceptuelle du fonctionnement du systme. Cette dmarche est, en gnral, perue de faon positive par les parties en prsence, et favorise le dialogue indispensable entre le modlisateur et ie gestionnaire de systme. Ces techniques de modlisation et d'aide la dcision sont transfrables ailleurs pour d'autres systmes de gestion de ressources en avenir risqu. Bien que ce travail ait aussi insist au chapitre 3 sur les mthodes d'optimisation en tant que telles, un des points essentiels de ce mmoire est de souligner l'interdpendance du module d'optimisation et du module de fonctionnement-simuiation. L'tude effectue sur le barrage Seine montre qu'ils sont fortement lis et qu'ils doivent tre dvelopps en fonction l'un de l'autre.

pastel-00569481, version 1 - 25 Feb 2011

BIBLIOGRAPHIE 196

BIBLIOGRAPHIE Adigzel, R.I., Coskunoglu, O. (1984). A descriptive decision process model for hierarchical management of interconnected reservoir systems. Water Resources Research 20(7): 803-811. Alexandridis, M.G., Krzysztofowicz, R. (1982). Value of categorical and probabilistic temperature forecasts for scheduling of power generation. MIT department of civil engineering, repon N282. Alexeev, V., Galev, E., Tikhomirov, V. (1987). Recueil de problmes d'optimisation. Editions MIR. Allais, M. (1953). Le comportement de l'homme rationnel devant le risque: critique des postulats et axiomes de l'cole amricaine. Economtrica, 12(4) : 503-546. Arnold, L. (1974). Stochastic differential equations : theory and applications. Wiley. Askew, J. A. (1974). Optimum reservoir operating policies and the imposition of a reliability constraint. Water Resources Research, 10(1) : 51-56. pastel-00569481, version 1 - 25 Feb 2011 Balti, N., Ennabli, N., Labye, Y., Lebdi, F., Parent, E.(1984). Contribution l'tude des amnagement hydro-agricoles en zones arides et semi-arides. Communication la Sme Confrence Internationale sur la Gestion des Eaux et la Planification, Athnes. Bediot, Roche, P.A, Cres, Masson, J.P(1984). Amlioration de la gestion du barrage rservoir SEINE en priode d' tiage ; 2me partie : le modle d'aide la dcision. Communication aux journes de l'Association Internationale de Recherches Hydrauliques. Bellman, R. E., Dreyfus, S.E. (1962). Applied dynamic programming. Princeton University Press, Princeton, N.J., USA. Bellman, R.E. (1957). Dynamic programming. Princeton University Press, Princeton. N.J., USA. Bellostas, A. (1981). Modles de recherche oprationnelle appliqus a la planification et la gestion des ressources en eau : le modle LOIRE du laboratoire d' Hydrologie Mathmatique de Montpellier. Thse USTL, Montpellier. Beltrami, E. (1987). Mathematics for dynamic modeling. Academic Press. Bensoussan,A, Lions, J.P., Temam, R. (1974). Sur les mthodes de dcomposition, de dcentralisation et de coordination et applications Berger, J. (1985). Statistical decision theorv and Bayesian analvsis. Springer Verlas. USA. Bernier, J. (1977). Quelques rflexions sur la modlisation des systmes de rservoirs. Communication prsente aux journes de Montpellier sur l'Eau, la Recherche et l'Environnement. Bemier, J., Ulmo, J. (1973). Elments de statistique dcisionnelle. Dunod. Bhaskar, N., Whitlatch E. (1987). Comparaison of reservoir linear operation ruies using linear and dynamic programming. Water Resources Research, 23(6) : 10271036.

BIBLIOGRAPHIE

197

Bhaskar, N., Witlatch, E. (1980). Derivation of monthly release policies. Water Resources Research, 16(6) : 987-993. Bocquillon, C , Masson, J.M. (1983). Recherche d'une politique de gestion des stocks d'eau de barrages-rservoirs en vue de soutenir les tiages. Journal of Hydrology, 60 : 59-104. Bodo, B.A., Unny, T.E., (1990). Modles linaires stochastiques thoriques pour la rponse des petits bassins. Revue des Sciences de l'Eau, 3 : 151-182. Bouzeidi, A. (1985). Rponse des rendements l'eau. Rsum du bulletin FAO (33). Cahier du CRGR. Paris. Buchberger, S. G., Maidment, D. R. (1989). Diffusion approximation for equilibrium distribution of reservoir storage. Water Resources Research, 25(7) : 1643-1652. Buras, N. (1972). Scientific allocation of Water Resources. American Elsevier Publishing Company. New-York. pastel-00569481, version 1 - 25 Feb 2011 CA CG, (1989). Gestion des eaux du systme NESTE, Rapport technique pour le Ministre de l'Agriculture, le Secrtariat d'Etat l'Environnement et l'Agence AdourGaronne, Tarbes. Camboulives, J.M. (1980). Etude de l'influence de la prise en compte des incertitudes technologiques dans la gestion d'un rservoir de soutien d'tiages. Thse DDI Paris VI. Chevalier, A. (1972). La programmation dynamique. DUNOD dcision. Cohen, G. (1980). Auxilliairy problem principle and decomposition of optimization problems. Journal of optimization theory and applications 32(3) : 277-305. Cohen, G. (1982) : Optimal control of water supply networks in optimization and control of dynamic operationnal research models, SG TZAFESTAS, North Holland Amsterdam, Hollande. Cohen, G. (1983). Decomposition-Coordination methods in large scale optimization problems. The non differentiable case and the use of augmentied lagrangians. In advances in large scale systems. Theory and applications. /. JB CRUZJR Editor JAI Press, Greenwich, Connecticut, USA. Cohen de Lara, M., Parent, E. (1990). Notes de cours d'automatique gnrale. partie2. Commande optimalc.doc ument ENPC- CERGRENE.. Cohon, J.L., Marks, D.H.(1975). A review and evaluation of multiobjective programming techniques. Water Resources Research, 11(2) : 208-220. Colleter, P., Delebecque, F., Falgarone, F., Quadrat J.P. (1978). Application du contrle stochastique la gestion des moyens de production d'nergie en NouvelleCaldonie. E.D.F. Bulletin de la Direction des Etudes et Recherche, serie C. mathmatiques-informatique : 1-28. Coyne et Bellier. ( 1983). Le Langage SIM. Notices d'utilisation des logiciels SIM et NAADE. Documents Coyne & Bellier. Coyne et Bellier. (1976). Etude des modalits de gestion concerte des retenues de la Montagne Noire. Rapport technique Coyne & Bellier.

BIBLIOGRAPHIE

198

Coyne et Beliier. (1984). Rgles de gestion du barrage de CHARPAL et analyse des possibilits d'augmentation de la capacit du barrage. Rapport technique command par la ville de MENDE. Documents Coyne & Bellier. Dantzig, G.B. (1963). Linear programming and extensions. Princeton University Press, New Jersey, chap 14. Datta, B., Burges, S.J. (1984). Short term, single, multiple-purpose reservoir operation : importance of loss functions and forecast errors. Water Resources Research : 20(9) : 1167-1176. Datta, B., Houck, M.H., (1984). A stochastic optimization model for real time operation of reservoir using uncertain forecasts. Water resources research, 20(8) : 1039-1046. Davis, D. R., Kisiel, C.C., Duckstein. L.(1972). Bayesian decision theory applied to design in hydrology.Water resources research, 8(1) : 33-40. Denardo, E.V. (1982). Dynamic programming, Prentice Hall. pastel-00569481, version 1 - 25 Feb 2011 Deslandes, H. (1987). Projet de systme expert d'apprentissage pour la mise au point de consignes de gestion d'un barrage rservoir. Projet de fin d'tudes ENPC, document CERGRENE, 33 pages et annexes. Dodu, J.C, Goursat, M., Hertz, A., Quadrat, J.P., Viot, M. (1981). Mthodes de gradient stochastique pour l'optimisation des investissements dans un rseau lectrique. Bulletin EDF. (2) : 133-164. Duckstein, L., Plate, E.J., Benedini, M. (1988). Engineering reliability and risk in Water Resources ", EdLDuckstein & Plate, MJNijhoffPublishers, NATO-ASI series. Duckstein et Bemier (1985). Critres associs aux risques en ressources hydriques : un modle mathmatique de systme avec application. Proceedings de l'atelier sur l'analyse du risque de la gestion des systmes hydriques. Ecole Polytechnique de Montral, QUEBEC, CANADA. DUNOD PARIS. Ezerzer, B. (1991). Multipurpose reservoir management model : meeting irrigation and hydropower objectives in France. MSc report of Imperial College of Science, Technologie and Mdecine. Londres. Fang, Z.X., Voron, B., Bocquillon. C. (1989). Limitation de l'horizon prvisionnel de la programmation dynamique stochastique en matire de gestion de barrases. Hvdrolo. Sei. J. 34(4) : 405-415. Fang, Z.X., Voron, B., Bocquillon, C. (1989). Programmation dynamique : Application la gestion d'une retenue pour l'irrisation. Hvdrolo. Sei. J. 34(4) : 415-424. Fauchet, B. (1988). Optimisation de la gestion d'un systme de rservoirs en avenir incertain. Rapport d'option scientifique ae l'Ecole Polytechnique. Faure. R. (1979). Prcis de recherche oprationnelle. Dunod. Faurre, P., Clerget, M.. Germain. F.(1978). Oprateurs rationnels positifs. Dunod. Faurre, P., Robin M. (1984). Elments d'automatique./)unod.

BIBLIOGRAPHIE

199

Foufoula-Georgiou, E., Kitanidis, P.K. (1988). Gradient dynamic programming for stochastic optimal control of multidimensional water resources systems. Water Resources Research, 24(8) : 1345-1359. Fishburn, P. (1982). The foundations of expected utility. Dordrecht/ Boston, Reidel. Fraser, N.M., Hipel, K.W. (1984). Conflict analysis : models and resolutions. Elsevier, N.Y. Frerot, A. (1987). Procdures d'optimisation des consignes de gestion d'un rseau automatis d'assainissement. Thse du Docteur de l'Ecole Nationale des Ponts & Chausses. Friedland B. (1986). Control system design. Mac Graw-Hill, NY. Gai, S. (1979). Optimal Management Of A Multireservoir Water System. Water Resources Research (15) : 737-749. pastel-00569481, version 1 - 25 Feb 2011 Girault, A. (1965). Processus Alatoires. Dunod, Paris. Goicoechea, A., Duckstein, L. (1985). Non-normal deterministic equivalents and a transformation in stochastic mathematical programming. Submitted to " Applied Mathematics and Computation " for review and publication. Goicoechea, A., Hansen, D.R., Duckstein, L. (1982). Multiobjective decision analysis with engineering and business applications. Wiley. Gomez, C, Quadrat, J.P., Sulem, A.(1982). Towards an expert system in stochastic control : the Hamilton-Jacobi Part. Rapport INRI A. Gould. (1961). Statistical Methods for estimating the design capacitv of dams. J. Inst. Eng. Aust. : 405-416. Goussebaille, J., Miquel, J., Roche, P.A. (1986). Gestion des barrages rservoirs en avenir incertain. Utilisation des mthodes en avenir certain sur scenarios. Rapport VII 19mes Journes de l'Hydraulique : 9-11. Socit Hydrotechnique de France, Paris. Goussebaille, J., Roche, P. A. (1988). Monte-carlo simulation for stochastic dynamic programming. A case studv : the Seine reservoir daily operation. Document interne CERGRENE, 1(8). Goussebaille, J., Roche. P.A. (1986). Gestion d'un rservoir de soutien d'tiage et d'crtage de crues. Applications des techniques de programmation dynamique. Rapport EDP E43/ 86-41. Guariso, G., Rinaldi, S., Sconcini-Sessa. R.(T986). The management of lake Como : amultiobjective analysis. Water Resources Research. 22(2) : 109-120. Haimes. (1977). Hierachical analysis of Water Ressources systems. MC Grow Hill Int. Book Cie. USA. Hashimoto, T., Stedinger, J.R. and Loucks. D.P. (1982). Reliability, resiliency, ana vulnerability criteria for water resources system performance evaluation. Water Resources Research, 18(1) : 14-20.

BIBLIOGRAPHIE 200

Henig, M. (1985) The shortest path problem with two objective functions, European J. of Operation Research, 25 : 281-291. Henry-Labordere, A. (1982). Recherche oprationnelle. Cours de l'Ecole Nationale des Ponts et Chausses. Hipel, K.W., Ragade, R. K., Unny, T. C.(1974). Metagame analysis of water resources conflicts. / . Hydraul. Div., Am. Soc. Civ Eng., 100(HY10) : 1437-1455. Houghtalen, R.J., Loftis, J.C. (1988). Irrigation water delivery system operation via aggregate state dynamic programming. Water Resources Bulletin, 24(2) : 427-434. Howard, R.A. (1969). Dynamic programming and Markov processes. MIT Press. Hubert, P. (1985). Techniques d'optimisation et leur emploi en amnagement et gestion des ressources en eau. CEFIGRE Cours International sur l'valuation, l'amnagement et la gestion des ressources en eau. Sophia Antipolis. Hurst, H.E. (1951). Long-term storage capacity of reservoirs. Trans, america soc. civil engineers : 116. Jacobson, D. and Mayne, D. (1970). Differential dynamic programming. American Elsevier Cie. Kaiman, R.E. (1960). A new approach to linear filtering and prediction problems. Journal of basic engineering : 35-45.v Kaufman, A.(1973). Introduction la thorie des sous-ensembles flous. 3 tomes. Masson Kaufman, A., Gupta, M. M.(1988). Fuzzy mathematical models in engineering and management science. North Holland. Karlsson, P., Haimes, Y. (1988). Probability and their partitioning. Water Resources Research. 24(1) : 21-29. Karmarkar, U. (1974). The effect of probabilities on the subjective evaluation of lotteries. M.I.T. Sloan school of management WP n7698-74. Kitanidis, P.K. (1987). A first order approximation to stochastic optimal control of reservoir. Stochastic hydraulics & hydrology, 1 : 169-194. Klemes. (1977). Value of information in reservoir optimization. Water Resources Research, 13(5) : 837-850. Klemes, V. (1978). The unreliability of reliability estimates of storage reservoir performance based on short streamflow records. In "Water Resource Management". Water Resources Publications, Fort Collins, Colorado" : 193-205. Klemes. V. (1979). Storage mass curve analysis in a system analysis perspective. Water Resources Research, 15(2) : 359-370. Klemes, V. (1977). Discrete representation of storage for stochastic reservoir optimization. Water Resources Research. 13(1) : 149-158. Klemes, V. (1977). Value of information in reservoir optimization. Water Resources Research, 13(5) : 837-850.

pastel-00569481, version 1 - 25 Feb 2011

BIBLIOGRAPHIE

201

Kottegoda, N.T. (1980). Stochastic water resources technology. The MacMillan Press LTD. Kree, P. and Soize, C. (1983). Mcanique alatoire. Bordas. Krzysztofowitcz, R. (1982). Utility criterion for water supply : Quantifying value of water an risk attitude. "In Decision making for hydrosystems : Forecasting and operation". Ed T. Unny and E. Mc. Bean.Water Resources Publications : 43-62. Kushner. (1977). Probabilistic methods for approximation in stochastic control. Academic Press. Kuczera, G.(1989). Fast multireservoir multiperiod linear programming models. Water Resources Research, 25(2) : 169-176. Li, D. and Haimes, Y. (1987). Risk management in a hierarchical multiobjecdve framework. In "Towards interactive and intelligent decision support system", Eds Y Sawaragi, K Inoue and H Nakayama, Springer Verlag. pastel-00569481, version 1 - 25 Feb 2011 Loucks, D.P. et Sigvaldason, O.P. Multiple reservoir operation in North America. Mandelbrot, B., Taqqu. (1979). Robust R/S analysis of long run correlation. 42nd session of International Statistical Institute, Manille. Mass, P. (1946). Les rserves et la rgulation de l'avenir. Herrman. Mass, P. (1959). Le choix des investissements. Dunod. Masson, J.M., Roche, P.A., Vermersch, J.P. (1985). Outils d'aide la programmation des barrages rservoirs du bassin de la Seine. Etude Prliminaire. Rapport CERGRENE, 62 pages et annexes. Mergos, G.J. (1987). Evaluation of irrigation project under uncertainty : a symtrie quadratic programming approach. Water Resources Management, 1 : 45-56. Mesarovic, Macko Takahara, (1970). Theory of hierarchical multilevel systems. Academic Press, Ny, USA. Meslier, F., Sandrin, P.(1981). Rsolution des problmes d'optimisation dynamique par programmation dynamique murginaliste. R.A.I.R.O. Recherche oprationnelle!'Operation Research.15(4-) : 363-381. Michel, C. Thomas, A.M. (1984). Gestion des petites retenues pour l'irrigation et l'attnuation des crues. Comptes rendus de la Socit Hydrotechnique de France : 45. Michel, C. (1987). Hydrologie applique aux petits bassins ruraux. Documeni CEMAGREF. Miquel, J. (1980). Gestion d'un barrage de soutien d'tiage. Application Chambonchard sur le Cher. Rapport DF E43/80-04. Miquel, J. et Roche, P.A. (Janvier 1984). Gestion d'un rservoir de soutien d'tiage. Etude de quelques mthodes d'optimisation. Rapport EDF E43/84-02.

BIBLIOGRAPHIE 202

Miquel, J., Roche, P.A. (1986). La gestion des barrages rservoirs. La Houille Blanche 6 : 409-425. Mitten, L. (1974). Preference order dynamic programming, Management Science, 21 : 43-46. Moran, P.A.P.(1959). The theory of storage. J.Wiley, Ny, USA. Novell, B., Cohen de Lara, M. (1990). Notes de cours d'automatique gnrale, partiel, Modles d'tet.document ENPC- CERGRENE.. Opricovic. (1979). An extension of Compromise Programming to the solution of dynamic multicriteria problems. 9th Conference IFIP sur les techniques d'optimisation. Varsovie, Pologne. Page, N. (1968). Utility theory a book of readings. /. Wiley, New-York. Parent, E., Lebdi, F.(1990). Weekly operation of a water resource system with reliability criteria. Proceedings 9thInternation Conference on Multiple Criteria Decision Making. Aot 1990. Fairfax,Virginie USA. Parent, E., Lebdi, F., Hurand P. (1991). Gestion stratgique du systme de ressources en eau : l'exemple du systme NESTE. Revue des Sciences de l' Eau, 4 : 103-127. Parent, E, Lebdi, F., Hurand P. (1991). Stochastic modeling of a water resource system : analytical techniques versus synthetic approaches. Proceedings NATO-ASI on Risk & Reliability in Water Resources^ Environmental Engineering, 18-28 Mai 1991. Ed GANOULIS paraitre. Parent, E.(1991). Stochastic dynamic system theory : a challenge for natural resources management. Proceedings NATO-ASI on Risk & Reliability in Water Resources& Environmental Engineering, 18-28 Mai 1991. Ed GANOULIS paraitre. Piquereau, A., Villocel, A.(1982). Gestion automatique des eaux d'tiages. Le cas de la rivire Arrats. Document ONERA CERTN217269 DERA. . Plate, E., Duckstein, L. (1988). "Reliability-based design concepts in hydraulic engineering. In Engineering reliability and risk in water resources". Ed L. Duckstein and E. J. Plate, M. Nijhoff Publishers, NATO-ASI series : 27-60. Rassam, J.C. (1980). Flood management of the Ottawa river system under uncertaincy. Hydro - QUEBEC report. Revelle, CS., Joeres, E., Kirby, W. (1969). The linear decision rule in reservoir management and design; 1 : Development of the stochastic model. Water Resources Research, 4(4) : 767-777. Richard, D., Turgeon, A. (1988). Analyse de contraintes probabilistes dans la gestion d'un systme hydrolectrique. Revue des sciences de l'eau, 3 : 171-178. Rippl. (1883). The capacitv of storage reservoirs for water suppiv. Minutes Proc. Inst. Civ. Eng. LXXXI : 270-278. Robbins, H.,Monro, S. (1951) A statistical approximation metnod. Ann. Stat.. 22 : 400-407.

pastel-00569481, version 1 - 25 Feb 2011

BIBLIOGRAPHIE 203

Roche, M. (1973). Hydrologie et amnagement des eaux (Mthodes structurales). Cahiers de l'ORSTOM, srie hydrologie, X(l). Roche, P.A, (1986). Optimalit de la mthode du fil tendu. Document Cergrne. Roche, P.A., Miquel, J. (1984). Optimization and decision for water resources management and planning. Rapport technique Cergrne. Roche, PA., Coll. (1984). Guide de conception des rseaux d'annonce des crues. Document Ministre de l'Environnement, 2 tomes. Roy, B. (1985). Mthodologie multicritre d'aide la dcision. Econmica. Saad, M. and Turgeon, A.(1988). Application of principal component analysis to long term reservoir management, Water Resources Research, 24(7) : 907-912. Savarenskiy, A.D. (1940). Metod rascheta reguiirovaniya stoka. Gidrotekh. Stroit.2 : 24-28. pastel-00569481, version 1 - 25 Feb 2011 Sigvaldason, O.T. (1976). Multireservoir management of the Trent, Severn, Rideau and Cataraqui systems : a case study. Sigvaldason, O. T. (1976). A simulation model for operating a multipurpose multireservoir system. Water Resources Research. 12(2) : 263-278. Simonovic, S.P., Orlob, T.G. (1984). Risk-reliability Programming For Optimal Water Quality Control. Water Resources Research, 20(6) : 639-646. Sniedovitch, M. (1979). Reliability constrained reservoir control problems : 1. Methodological issues. Water Resources Research, 15(6) : 1574-1582. Sniedovitch, M. (1980). A variance constrained problems. Water Resources Research, 16(2) : 271-274. Sniedovitch, M. (1986). A new look at Bellman principe of optimality, Journal Of Optimization Theory And Applications. Stedinger, J.R. (1984). The performance of LDR models for preliminary design and reservoir operation. Water Resources Research, 20(2) : 215-224. Stein, Gamier. (1987). Etudes d'amlioration de la protection contre les crues dans le bassin de la Seine. Rapport AFBSN. Suri. (1981). Existence of optimal Lagrange multipliers for certain non convex allocation problems. Journal of Optimization Theory and Applications, 31 : 169-169. Szidarovski, F., Duckstein, L. (1986). Dynamic multiobjective optimization : A framework with application to regional water and mining management. E. J. O. R.,
24 : 305-317.

Takacs : Order statistics. J. Wiley, New-York. Tapiero, CS. (1988). Applied stochastic models & control in management. In "Advanced Series In Management", 12. North-Holland. Thomas, A., Revelle, R. (1966). On the efficient use of high Aswan dam for hydropower and irrigation. Management Science, 8(4).

BIBLIOGRAPHIE 204

Turgeon, A. (1981). Optimal short term hydro scheduling from the principle of progressive optimality. Water Resources Research, 17(3) : 481-486. Turgeon, A., (1982). Incremental dynamic programming may yield to nonoptimal solutions. Water Resources Research, 18(16) : 1599-1604. Turgeon, A.(1980). Optimal operation of multireservoir power systems with stochastic inflows. Water Resources Research, 16(2) : 275-283. Valiron, F.(1988). Gestion des eaux (automatisation, informatisation, tlgestion). Presses de l'Ecole Nationale des Ponts et Chausses, 3 tomes. Varlet, H. (1923). Etude graphique des conditions d'exploitation d'un rservoir de rgulation. Annales Ponts & Chausses. Mem. Doc. Partie tech., 93 : 61-79. Wasimi, S. A., Kitanidis, P. K. (1983). Real time forecasting and daily operation of a system of reservoir under flood conditions using linear quadratic gaussian stochastic control. Water Resources Research, 19(6) : 1511-1522. Yacizil, H., Houcks, M, Toebes, G. H. (1983). Daily operation of a multipurpose reservoir system. Water Resources Research, 19(1) : 1-13. Yakowitz, S. (1982). Dynamic programming applications in water resources. Water Resources Research, 18(4) : 673-696. Yang,X.,Parent, E.,Michel,C.,Roche,P.A.(1991). Gestion d'un rservoir pour la rgulation des dbits. La Houille Blanche, 6 : 433-440. Yeh, W.W.G. (1985). Reservoir management and operations models : a state of art review. Water Resources Research, 21(12) : 1797-1818. Young, (1966). Techniques for finding reservoir operating rules. Ph D. Dissertation,Harvard University, Cambridge, MASS.

pastel-00569481, version 1 - 25 Feb 2011

pastel-00569481, version 1 - 25 Feb 2011

pastel-00569481, version 1 - 25 Feb 2011

pastel-00569481, version 1 - 25 Feb 2011

RESUME LONG

L'objet de ce mmoire de recherche est de proposer un modle thorique permettant de modliser le fonctionnement d'un systme de gestion des ressources en eau, d'tudier les mthodes de calcul que l'on peut utiliser pour l'laboration rationnelle des consignes de gestion des barrages-rservoirs . Dans la premire partie de cette dissertation, nous prsentons tout d'abord l'intrt et les limites des mthodes de gestion des barrages rservoirs. La deuxime partie met en vidence, partir des exemples illustratifs de la Seine et de la Neste, les difficults rencontres par le gestionnaire de systme de ressources en eau, c'est dire comment le scientifique peut traduire les problmes de terrain en une problmatique rationnelle. Dans la troisime partie, le problme gnral est d'abord prsent sous forme d'un modle de base issu de l'analyse des systmes et du contrle optimal. Les dmarches classiques rencontres dans la littrature sur la gestion des systmes de ressources en eau sont tudies et les techniques d'optimisation utilisables sont dcrites. Les avantages de la dmarche de modlisation que nous adoptons concernent essentiellement les deux aspects spcifiques de la conduite des barrages rservoirs: -pouvoir facilement traiter de la gestion du risque, -permettre la prise en compte des usages multiples de la ressource. Pour laborer des consignes de gestion, le gestionnaire doit tre capable de prvoir les vnements grer. Il doit aussi pouvoir les simuler afin d'estimer la palette des rsultats possibles de sa politique. Ceci souligne l'importance du module de simulation dcrivant le fonctionnement du systme. Celui-ci ne peut tre tabli qu'avec une bonne connaissance du terrain, l'appui des hydrologues et hydrauliciens des services gnraux chargs de la gestion d'un tel systme. L'utilisation de modles d'tats pour reprsenter le caractre dynamique d'un systme permet de rendre compte de la physique des phnomnes et donc de garder une reprsentation conceptuelle du fonctionnement du systme. Cette dmarche est, en gnral, perue de faon positive par les parties en prsence, et favorise le dialogue indispensable entre le modlisateur et le gestionnaire de systme. La quatrime partie est une application des dmarches de modlisation deux cas pratiques. On propose d'abord la mise en place oprationnelle de rgles de gestion de compromis (irrigationqualit) pour le systme Neste, mobilisant de nombreuses rserves de capacits moyennes dont la source principale d'approvisionnement est une rivire de montagne. Ce cas d'tude met l'accent sur la prise en compte du risque et la rationalit de

pastel-00569481, version 1 - 25 Feb 2011

l'allocation bi-critre des richesses en eau au cours de la saison d'irrigation tout en soutenant les tiages. La rsolution est effectue selon deux approches: -un modle de programmation dynamique avec tat de dimension deux (niveau des rserves, niveau dans la rivire) o dans la solution numrique les variables sont discrtises; -un modle "synthtique" o l'on calcule une probabilit de non dpassement caractrisant l'tat hydrique des ressources du systme. Une rgle empirique permet d'associer cette grandeur une dcision de consigne effectuer. On constate alors que le problme de la stratgie de gestion d'un systme de transfert d'eau en vue de l'irrigation et du maintien de la salubrit en avenir incertain peut tre rsolu par un modle classique de dcision squentielle par programmation dynamique dont un certain nombre de paramtres sont caler. 1) L'apport quantitatif majeur est de permettre au gestionnaire d'exposer ses objectifs et de dfinir les dfaillances de faon rationnelle, puis de rechercher une rgle d'opration optimale ralisant l'adquation de la gestion aux objectifs ainsi dfinis. Il faut bien sur nuancer cette conclusion car les hypothses de modlisation adoptes et les incertitudes portant sur le modle hydrologique lui-mme influent directement sur es rsultats obtenus. 2) Les deux modles prcdents fournissent des rsultats analogues sur le cas de la Neste. 3) Les techniques de programmation dynamique en avenir incertain, outre leur intrt oprationnel classique de procurer une rgle en boucle ferme fonction des informations du gestionnaire sur l'tat du systme, peuvent aussi tre utilises pour calculer un faisceau d'indices de gestion, vritable tableau de bord conditionnel la trajectoire optimale future. 4) Ces techniques peuvent traiter dans le mme cadre mathmatique l'adjonction d'une variable de commande discontinue indiquant le passage en modes de gestion dgrads, notamment le mode de fonctionnement en crise. 5) De tels modles procurent certes un outil d'aide la dcision mais ne ralisent pas le miracle de surmonter les difficults rencontres l'occasion d'une scheresse exceptionnelle telle celle de 1976 ou 1985. En d'autres termes, le meilleur modle de gestion stratgique ne peut pas crer de ressources additionne -s en eau...mais permettent d'allouer de faon plus rationnelle :S richesses en eau au cours de la saison. D'autre part, on a effectu les applications de ces mthodes un autre systme de caractristiques trs diffrentes: le barrage Seine du lac de la fort d'Orient, mono-ouvrage, mobilisant une grosse rserve sur une rivire de plaine et dont la gestion a dj fait l'objet de nombreuses tudes. L'tude de la gestion journalire

pastel-00569481, version 1 - 25 Feb 2011

du barrage Seine a t faite en combinant divers modles de prvision des apports et d'optimisation des consignes. Sur ce cas d'tude de la Seine, nous avons essay de mettre en vidence les qualits de chacun des sous compartiment qu'utilise une procdure de gestion en avenir incertain: un module de prvision et un module dcisionnel. Pour chaque module deux alternatives ont t proposes l'une tant thoriquement meilleure que l'autre: les modles conceptuels pluies-dbits sont plus efficaces que les simples modles autorgressifs, la programmation dynamique stochastique est thoriquement mieux adapte que le fil tendu en avenir dterministe sur scnarios. Par rapport cette programmation dynamique en avenir incertain, l'immense avantage de la mthode des scnarios est de pouvoir utiliser un modle hydrologique plus raffin sans aucun problme de mise en uvre. Il est impossible d'utiliser le mme modle conceptuel pluie dbit GR3 avec la programmation dynamique car il aurait fallu introduire un vecteur d'tat de taille 6 (rservoir Seine, deux types de rservoir-sol, les pluies des trois jours prcdents), ce qui rendait le calcul numrique impossible sur les ordinateurs existants aujourd'hui, mme avec l'amlioration apporte dans cette tudepar un modle en temps continu: la mthode de discrtisation de la commande d'un processus de diffusion est une piste intressante pour les calculs de programmation dynamique, ne serait ce que par sa facilit de mise en uvre numrique. Le compromis mis en vidence sur ce cas d'tudes souligne l'importance de la composante hydrologique pour tout le comportement dcisionnel. En ce qui concerne le fil tendu, malgr l'lgance de l'algorithme de calcul, on se doit d'en rappeler les hypothses restrictives de cette mthode mono-ouvrage dterministe en ce qui concerne l'objectif et les contraintes. On peut tenter d'interprter les rsultats numriques proches donns par ces techniques en s'appuyant sur des considrations physiques. La Seine, rivire "tranquille" de plaine possde une mmoire hydrologique courte. En tout cas, la prvision au del d'un certain horizon ne doit avoir que peu d'influence sur l'efficacit globale et c'est pourquoi les deux techniques se retrouvent sans doute sur un pied d'galit lorsque l'on utilise un critre de moyenne nterannuelle. En dernire partie, partir de ces deux exemples, nos conclusions portent sur les limites et les avantages des outils de modlisation et d'aide la dcision pour une meilleure gestion des systmes de ressources en eau. On y retrace les passages d' obstacles successifs : - de la phase de modlisation: comment traduire rationnellement les problmes du gestionnaire d'un systme de gestion de ressources en eau en une problmatique scientifique?

pastel-00569481, version 1 - 25 Feb 2011

pastel-00569481, version 1 - 25 Feb 2011

L'tude du systme Neste a permis la conception d'une mthode d'laboration des consignes de gestion stratgique d'un systme de ressources en eau. L'exprience montre que bien souvent le premier rle de l'homme d'tude est de formaliser ce que le gestionnaire peroit sous les termes de "bonne" gestion. Une dmarche gnralisable fonde sur la gestion du risque a t entreprise cet effet. - de la phase d'aide la dcision: quelles sont les conditions ncessaires pour, qu' partir d'une approche scientifique labore dans un bureau d'tudes ou un laboratoire de recherche, on puisse russir un passage oprationnel sur le terrain? En ce qui concerne la Neste, notre mthodologie a pris place au sein du systme complexe de a gestion du systme du canal de la Neste et s'est intgre au systme tactique de tlgestion en temps rel des 30 000 hectares de primtres irrigus. Les rsultats de cette tude , valids par comparaison une mthode plus rustique de gestion par courbe de vidange, ont aujourd'hui prouv leur application oprationnelle en apportant un outil d'aide la dcision efficace dans les situations de scheresse rencontres au cours des campagnes de 1989 et 1990.

You might also like