Développement d’outils d’aide à l’optimisation des réseaux d’énergie du futur

L'objectif de la thèse est de proposer une étude approfondie sur les installations électriques hybrides via des méthodes d’optimisation multiparamétrique en tenant compte des prévisions de la demande énergétique et des ressources disponibles (météo, etc.) afin de maximiser l'efficacité et la fiabilité du système, tout en minimisant les coûts d'investissement et de maintenance.

L’étude permettra d'étudier de manière complète et précise les interactions entre les différents critères qui influencent la réalisation d'une installation énergétique industrielle, comme :

• Le type de profil de charge (demande énergétique spécifique du site),
• L’horizon de temps (durée de vie attendue des équipements),
• Le coût de production,
• Le bilan carbone,
• Les sources d’énergie disponibles (solaire, éolien, générateurs, etc.) …

Tâches à réaliser :

• Recueillir et analyser des besoins énergétiques d’un site industriel
• Identification des contraintes spécifiques du site (autonomie, consommation, etc.).
• Analyse des systèmes de production renouvelable, de stockage d’énergie…etc.
• Modélisation des prévisions :
  - Etude des modèles \ techniques de prévision météorologique pour anticiper la production des énergies renouvelables
  - Etude des modèles \ techniques de prévision de consommation énergétique.
• Développement d'un modèle d'optimisation :
  - Modélisation du système hybride multiparamétrique (énergie renouvelable, stockage, générateurs).
  - Application de méthodes d’optimisation

Livrables attendus :

• Un rapport d’étude détaillant la recherche bibliographique des méthodes d’analyse, prévision et d’optimisation.
• Un prototype ou une simulation du système hybride avec un algorithme d’optimisation permettant de déterminer la configuration optimale du système (taille des panneaux, capacité des batteries, etc.).

Lien vidéo de présentation des activités de SPIE Industrie dans l’Energie

Ce projet industriel à vocation R&D se déroulera en lien avec le LAAS-CNRS. L’idée est que l’étudiant candidat à cette thèse puisse durant les premiers mois s’imprégner des deux contextes industriels et académiques. Une équipe encadrante mixte constituée de cadres de SPIE et du LAAS-CNRS autour de l’étudiant est constituée.

Compétences requises :

• Bonne connaissance en réseaux électrique, énergies renouvelables ainsi que systèmes de stockage d’énergie, micro réseaux électriques.
• Maîtrise des outils de modélisation et simulation (MATLAB, Simulink, programmation python, etc.).
• Compétences en optimisation mathématique et prévision (modèles météorologiques, prévision de la demande…etc.).