L'impératif pour les infrastructures résilientes au climat

Les systèmes d'infrastructure mondiaux sont confrontés à une pression croissante due aux changements climatiques. L'augmentation des températures mondiales, les changements dans les précipitations, les phénomènes météorologiques extrêmes plus fréquents et intenses et l'accélération de l'élévation du niveau de la mer ne sont plus des projections futures, mais des réalités actuelles.Les ponts, les routes, les stations de traitement de l'eau, les réseaux électriques et les défenses côtières conçus pour les conditions climatiques historiques sont de plus en plus vulnérables.

Les ingénieurs et les décideurs politiques ont besoin d'outils de soutien à la décision avancés qui tiennent compte explicitement de l'incertitude et permettent la conception d'infrastructures à la fois rentables et résilientes. Les modèles de programmation intégrateurs robustes fournissent exactement un tel cadre. Ils permettent aux planificateurs d'optimiser des décisions distinctes telles que les emplacements des installations, les capacités et les choix technologiques tout en veillant à ce que le système résultant fonctionne de façon acceptable dans un large éventail de scénarios climatiques plausibles futurs.

Comprendre la programmation intégrale dans la planification des infrastructures

La programmation intégrale (IP) est une branche d'optimisation mathématique dans laquelle certaines ou toutes les variables de décision sont limitées aux valeurs entières. Cette restriction n'est pas une limitation mais une caractéristique puissante. De nombreuses décisions de planification d'infrastructure sont intrinsèquement discrètes. Vous ne pouvez pas construire un demi-pont, acheter 2,7 pompes, ou ouvrir une installation à un endroit fractionnel.

Pourquoi les variables entières comptent-elles dans la conception de l'infrastructure?

Chaque site potentiel représente une décision binaire : construire ou non. Un modèle de programmation linéaire qui permet des valeurs fractionnelles pourrait suggérer la construction de 0,6 d'un abri à un site et de 0,4 à un autre, ce qui n'a pas de sens opérationnel. Un modèle IP utilisant des variables binaires force une décision oui ou non pour chaque site, produisant des plans actionnables. De même, les décisions concernant le nombre de voies sur une route, la capacité d'un réservoir ou la taille d'une installation d'énergie renouvelable impliquent des choix entiers qui affectent directement le coût, la performance et la résilience.

L'utilisation de variables entières permet également la modélisation de relations logiques. Si une route est construite, elle doit être maintenue. Si une usine de traitement est agrandie, certains pipelines doivent également être mis à niveau. Ces dépendances sont saisies par des contraintes liant des variables entières. Les modèles résultants sont plus réalistes et produisent des solutions qui peuvent être mises en œuvre directement, sans arrondir ni interpréter.

Applications classiques de la propriété intellectuelle dans les infrastructures

Les problèmes de localisation des installations, les problèmes de conception du réseau et les problèmes d'expansion de la capacité sont des exemples classiques. Dans la planification des transports, les modèles IP optimisent l'emplacement des entrepôts, des centres de distribution et des centres de transit. Dans la gestion des ressources en eau, ils guident l'implantation des réservoirs, des stations de traitement et des stations de pompage. Dans les systèmes énergétiques, ils déterminent la combinaison optimale des technologies de production, des lignes de transmission et des installations de stockage.

Le défi de l'incertitude climatique

Le changement climatique introduit de multiples niveaux d'incertitude que les modèles traditionnels de propriété intellectuelle peinent à gérer.Ces incertitudes ne sont pas seulement probabilistes au sens bien compris; elles sont profondes, structurelles et souvent irréductibles.

Sources d'incertitude

Premièrement, les modèles climatiques mondiaux produisent une gamme de projections futures de la température et des précipitations selon les scénarios d'émission, les structures des modèles et les paramétrisations. Deuxièmement, la réduction de l'échelle de ces projections mondiales aux échelles régionale et locale ajoute une incertitude supplémentaire. Troisièmement, la fréquence et l'intensité des événements extrêmes tels que les ouragans, les inondations, les sécheresses et les vagues de chaleur devraient changer, mais l'ampleur et le moment de ces changements sont incertains. Quatrièmement, les facteurs socioéconomiques tels que la croissance démographique, les changements d'affectation des terres et le développement technologique interagissent avec les impacts climatiques de façon complexe. Cinquièmement, les biens d'infrastructure ont une longue durée de vie, souvent de 50 à 100 ans, ce qui signifie que les décisions prises aujourd'hui doivent se faire dans des conditions qui sont profondément incertaines dans l'avenir.

Limitations des approches traditionnelles

Les modèles traditionnels déterministes de propriété intellectuelle qui utilisent une seule projection climatique, voire un petit ensemble de scénarios, sont sujets à deux types d'erreur. La première est la sous-estimation du risque : une conception optimale dans un scénario climatique modéré peut échouer catastrophiquement dans un scénario plus sévère. La seconde est la surestimation du coût : une conception robuste dans un scénario le plus défavorable choisi sans tenir compte de la probabilité peut être excessivement coûteuse et détourner les ressources d'autres priorités. La programmation stochastique, qui attribue les probabilités aux scénarios, fait face au défi que les probabilités pour les futurs états climatiques sont eux-mêmes incertaines et ne reflètent pas la gamme réelle des possibilités.

Fondations de la programmation intégrale robuste

La programmation intégrale robuste étend la propriété intellectuelle classique en intégrant des ensembles d'incertitudes qui décrivent la gamme de valeurs possibles pour des paramètres incertains. L'objectif est de trouver une solution réalisable et de bonne qualité pour toutes les réalisations dans l'ensemble d'incertitude.Cette approche est particulièrement adaptée à la conception résiliente au climat car elle n'exige pas de distribution de probabilités et se couvre explicitement contre les résultats les plus défavorables dans une gamme définie.

Ensembles d'incertitude et optimisation robuste

Le choix de l'ensemble d'incertitude est central pour une optimisation robuste. Les types communs comprennent les ensembles d'incertitudes de boîtes, qui lient indépendamment chaque paramètre incertain; les ensembles ellipsoïdaux, qui capturent les corrélations entre les paramètres; et les ensembles polyédriques, qui offrent un compromis souple entre le conservatisme et la tractabilité. Pour les applications climatiques, les ensembles de boîtes pourraient spécifier que les précipitations annuelles peuvent varier de plus ou moins 20 % par rapport à une base de référence, tandis que les ensembles polyédriques pourraient limiter l'écart total entre plusieurs paramètres ou périodes.

Modèles robustes à deux étages par rapport aux modèles robustes à plusieurs étages

La planification de l'infrastructure comporte souvent des décisions prises à différents moments. Certaines décisions, comme l'emplacement d'une installation importante, sont fixées pour la durée de vie de l'actif et doivent être prises avant que l'incertitude climatique ne soit résolue. D'autres décisions, comme des ajustements opérationnels ou des ajouts de capacité supplémentaires, peuvent être prises plus tard à mesure que l'information devient disponible. Des modèles d'optimisation robustes en deux étapes saisissent cette structure. La première étape comprend des décisions ici et maintenant prises dans le cadre de l'incertitude. La deuxième étape comprend des décisions d'attente et de vérification qui peuvent s'adapter au scénario réalisé.

Composantes clés des modèles robustes

L'élaboration d'un modèle de PI robuste exige une spécification minutieuse de trois éléments : les ensembles d'incertitudes, les fonctions objectives et les contraintes.Les ensembles d'incertitudes définissent la gamme de scénarios climatiques possibles et doivent être éclairés par les sciences du climat, les données historiques et le jugement d'expert. Ils doivent équilibrer le réalisme et la capacité de traductibilité.Les fonctions objectives des modèles robustes adoptent souvent une perspective du pire cas ou du moins élevée, minimisant le coût maximum ou maximisant le rendement minimum dans tous les scénarios.

Les contraintes spécifiques pourraient comprendre : 1) les contraintes de capacité qui doivent tenir compte de tous les niveaux d'inondation dans l'incertitude; 2) les contraintes de connectivité qui garantissent qu'un réseau de transport reste fonctionnel dans tous les scénarios de précipitations; 3) les contraintes budgétaires qui limitent l'investissement total dans tous les scénarios; et 4) les contraintes de performance qui exigent que les niveaux de service restent au-dessus d'un seuil minimum, même dans les pires conditions.

Cadre méthodologique pour l ' élaboration de modèles

L'élaboration d'un modèle IP robuste pour les infrastructures résilientes au climat implique un processus systématique qui intègre les connaissances en sciences du climat, en génie et en optimisation.

Définition du problème et collecte de données

La première étape consiste à définir la portée du système d'infrastructure et les décisions à optimiser, notamment en déterminant les limites spatiales et temporelles, les principaux éléments d'actif et leurs interactions, les paramètres de performance d'intérêt et les risques climatiques pertinents. La collecte de données consiste à recueillir des informations sur les conditions actuelles de l'infrastructure, les estimations des coûts, les normes de conception technique et les projections climatiques.

Formuler la pièce de rechange robuste

Une fois le modèle de PI déterministe établi, la prochaine étape consiste à formuler son équivalent robuste, c'est-à-dire déterminer quels paramètres sont incertains (p. ex., hauteurs futures des inondations, demande maximale d'électricité sous les vagues de chaleur, probabilités de lavage des routes) et définir des ensembles d'incertitude appropriés. Pour chaque contrainte ou terme objectif qui implique des paramètres incertains, il faut déduire la contrepartie robuste.

Algorithmes de solution et considérations informatiques

Les modèles IP robustes peuvent être exigeants en calcul en raison du grand nombre de scénarios et de la complexité des reformulations robustes. Cependant, les progrès dans les algorithmes et la technologie de résolution ont rendu beaucoup de problèmes extensibles. Les méthodes de décomposition comme la décomposition de Benders et la génération de colonnes sont souvent efficaces pour les modèles à deux étapes et à plusieurs étapes. Le concept d'un oracle de séparation, où le scénario le plus défavorable est identifié par l'itérative, constitue la base de nombreux algorithmes de coupe-plan. Pour les modèles à grande échelle, les techniques d'approximation telles que la réduction de scénarios, l'échantillonnage ou l'utilisation de ensembles d'incertitude plus simples peuvent réduire le temps de calcul tout en préservant la robustesse.

Applications dans les secteurs de l'infrastructure

Une programmation intégrale robuste a été appliquée à un nombre croissant de secteurs d'infrastructure, démontrant ainsi sa valeur dans la création de conceptions à la fois rentables et résilientes.

Réseaux de transport

Les modèles de PI robustes aident les planificateurs à prioriser les investissements dans l'élévation, le drainage et les routes de remplacement. Par exemple, un modèle robuste en deux étapes pour les réseaux routiers côtiers peut déterminer quels segments doivent être élevés au cours de la première étape et quels ajustements opérationnels doivent être apportés au cours de la deuxième étape sur la base des prévisions en temps réel des inondations. Les études montrent que des conceptions robustes réduisent le coût prévu des perturbations de 20 à 40 p. 100 par rapport aux approches déterministes, avec seulement une augmentation modeste des investissements initiaux.

Gestion des ressources en eau

Les modèles de PI robustes guident l'emplacement des réservoirs, le dimensionnement des stations de traitement et l'emplacement des pipelines de distribution. Ils aident également à concevoir des règles d'exploitation souples qui peuvent s'adapter à l'évolution de la disponibilité de l'eau. Dans un modèle robuste pour un système municipal d'approvisionnement en eau, l'ensemble d'incertitudes pourrait inclure une gamme de scénarios futurs de précipitations et de demande. Le modèle garantit que le système peut répondre aux normes de qualité et de quantité de l'eau même dans les années les plus sèches, tout en évitant les surinvestissements dans la capacité qui ne serait utilisée que dans les cas extrêmes.

Systèmes énergétiques

Les sécheresses réduisent la production d'énergie hydroélectrique et limitent la disponibilité d'eau de refroidissement. Les tempêtes endommagent les lignes électriques et les sous-stations. Des modèles IP robustes optimisent la combinaison des sources de production, l'emplacement des fermes d'énergie renouvelable et la configuration des réseaux de transmission pour assurer la fiabilité dans une gamme de scénarios climatiques.Pour les réseaux insulaires, des modèles robustes aident à déterminer la taille optimale et le placement de la batterie pour compléter l'énergie solaire et éolienne, en veillant à ce que le système puisse résister à des périodes prolongées de faible production renouvelable. L'Agence internationale de l'énergie souligne que la résilience climatique est une priorité essentielle pour la planification énergétique, et une optimisation robuste fournit un cadre analytique rigoureux.

Protection contre les inondations et les inondations

Les infrastructures côtières, y compris les digues, les digues, les barrières anti-tempête et les solutions basées sur la nature, doivent être conçues pour des niveaux de mer et une intensité de tempête incertaines. Des modèles IP robustes aident à déterminer la hauteur optimale, l'alignement et la combinaison de défenses rigides et douces. Une approche robuste évite le piège d'optimiser une seule projection de montée du niveau de la mer, ce qui pourrait laisser les infrastructures sous- ou sur-protégées.

Avantages et compromis

L'adoption d'une programmation intégrale robuste pour la conception des infrastructures offre des avantages clairs. La résilience est améliorée parce que les solutions sont testées sur une large gamme de scénarios défavorables. L'efficacité est améliorée parce que les ressources sont affectées aux vulnérabilités les plus critiques, évitant les déchets sur des conceptions trop conservatrices. La transparence des décisions est accrue parce que les hypothèses concernant l'incertitude sont explicites et peuvent être examinées de près.

Les modèles robustes sont plus complexes à formuler et à résoudre que leurs homologues déterministes. Ils nécessitent davantage de données et de ressources informatiques. L'orientation la plus défavorable peut conduire à des conceptions conservatrices qui sont coûteuses si l'incertitude est trop grande ou mal choisie. Calibrer l'incertitude est donc une tâche critique qui nécessite une collaboration entre les spécialistes du climat et les experts du domaine. De plus, une optimisation robuste ne fournit pas une estimation ponctuelle des performances futures mais une gamme, qui peut être difficile pour les décideurs habitués à déterminer les prévisions.

Orientations futures et besoins en matière de recherche

Le domaine de la programmation intégrale robuste pour les infrastructures résilientes au climat évolue rapidement. Plusieurs directions méritent d'être étudiées plus avant. Premièrement, l'intégration de l'apprentissage automatique avec une optimisation robuste offre la possibilité d'apprendre les ensembles d'incertitudes directement à partir des données, réduisant ainsi la dépendance à l'égard du jugement d'experts. Deuxièmement, le développement d'algorithmes efficaces pour les modèles à grande échelle à plusieurs étapes élargira la gamme de problèmes qui peuvent être résolus. Troisièmement, l'intégration des considérations d'équité et de justice sociale dans des modèles robustes est importante pour garantir que les communautés vulnérables ne sont pas touchées de façon disproportionnée par les impacts climatiques. Quatrièmement, le couplage des modèles d'infrastructure entre les secteurs tels que l'eau, l'énergie et les transports permettra une approche plus systémique de la résilience.

Conclusion

En tenant compte explicitement d'une vaste gamme de scénarios futurs, ces modèles produisent des solutions résilientes, rentables et réalisables. La méthodologie repose sur une théorie de l'optimisation solide et a été appliquée avec succès dans les secteurs des transports, de l'eau, de l'énergie et de la protection côtière. À mesure que les risques climatiques s'intensifient et que les systèmes d'infrastructure vieillissent, l'adoption de techniques d'optimisation robustes deviendra de plus en plus vitale.