Optimisation multi-échelles de micro réseaux intelligents
Efficacity et le Cermics/ENPC encadrent depuis 2016 la thèse de Tristan Rigaut qui porte sur l’optimisation multi-échelles de micro-réseaux intelligents dans le cadre du projet de recherche sur les microgrids qui s’inscrit dans l’axe R&D Pilotage et Instrumentation des quartiers. Découvrez sa thèse en 3 questions.
Tristan, quel est le sujet de ta thèse ?
Comme mon fidèle co-doctorant François Pacaud qui s’est soumis à l’exercice avant moi, ma thèse porte sur l’optimisation de stocks en prenant en compte les incertitudes dans un contexte énergétique. On peut considérer des stocks très variés : batteries, température dans une maison, barrages hydro, concentration en particules fines dans une station de métro… Les sources d’incertitudes sont diverses également. La production d’énergie solaire, de freinage de trains, la température de l’air extérieur ou encore la génération de particules fines sont des exemples de phénomènes aléatoires sur lesquels j’ai appliqué mes méthodes.
La spécificité de ma thèse est de s’attarder sur des problèmes où il y a différents types de décisions à prendre sur des échelles de temps différentes. Je me suis par exemple penché sur un problème d’investissement dans des batteries. Le renouvellement ou la maintenance de ces équipements sont des décisions à prendre tous les mois ou tous les ans. Mais ces décisions sont affectées par notre utilisation de la batterie à chaque minute, puisque cela impacte son vieillissement ainsi que sa rentabilité. La difficulté dans ces problèmes réside dans la modélisation et la gestion du flux d’information à disposition du décideur à chaque instant.
Quels sont les liens entre ta thèse et les travaux d’Efficacity ?
Je travaille dans le cadre du projet de recherche sur les microgrids, en lien avec Alessio Iovine qui est expert en pilotage bas niveau des microgrids. Par bas niveau on entend un contrôle appliqué à la milliseconde sur les équipements. A cette fréquence, il n’est pas possible de prendre des décisions en prévoyant loin dans le futur. C’est un exemple typique d’application de l’optimisation stochastique multi-échelles de temps. Mon travail est de fournir des cibles court terme à Alessio pour atteindre des objectifs long terme.
En parallèle nous développons une preuve de concept avec Florentin Delaine sur le démonstrateur Sense City. Le but est d’être capable de récupérer des données de capteurs de température situés dans un chalet puis de les utiliser pour du contrôle temps réel. Florentin s’occupe de les recalibrer pour assurer qu’elles représentent au mieux la réalité. Ensuite, je calcule des contrôles du chauffage pour minimiser la facture énergétique en assurant un bon confort thermique. Nous travaillons sur une architecture serveur pour gérer ça dans le cloud Efficacity.
Enfin, nous travaillons en permanence avec François sur le développement de DynOpt, une bibliothèque d’algorithmes d’optimisation stochastique et de MµGO (Modular Microgrid Optimization) un ensemble d’applications basées sur DynOpt mais axées métier pour résoudre des problèmes de gestion de l’énergie sans mettre les mains dans le cambouis.