En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorat H/F "Contrôle optimal distribué pour les systèmes complexes

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : jeudi 18 août 2022

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Référence : UMR5269-NADMIC-016
Lieu de travail : GRENOBLE
Date de publication : jeudi 28 juillet 2022
Nom du responsable scientifique : DELINCHANT Benoit
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 octobre 2022
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Contexte et objectifs :
Le large déploiement de produits connectés et contrôlables à l'échelle individuelle, entraîne de nouveaux défis dans l'exploitation et la gestion des systèmes existants dans lesquels ils sont intégrés. Ainsi, de nombreuses infrastructures peuvent être considérées comme des systèmes de systèmes ou des systèmes complexes. Dans ce cadre, les décisions prises à l'échelle individuelle peuvent avoir un impact significatif sur le comportement global du système. C'est particulièrement vrai pour tous les équipements en réseau tels que les infrastructures énergétiques ou les transports. Par exemple, la poussée de la production renouvelable à petite échelle met en danger les opérations du réseau électrique macroscopique avec une incertitude et une variabilité supplémentaire. La flexibilité doit alors être exploitée à l'échelle individuelle avec une coordination appropriée qui assure finalement l'équilibre global entre l'offre et la demande d'énergie.
L'objectif de ce projet est la mise en œuvre d'une méthodologie pour le contrôle distribué dans de tels systèmes complexes. Mathématiquement, un équilibre doit être atteint à l'échelle du système global tout en tenant compte des objectifs individuels et des contraintes potentielles. Une attention particulière sera portée sur les signaux d'information et de coordination échangés entre les différents acteurs. Les méthodes développées s'appuieront fortement sur l'optimisation distribuée, la théorie des jeux et les processus itératifs. À l'échelle du système individuel, nous adapterons une méthodologie d'optimisation basée sur l'IA hybride pour la prise de décision locale.

Des contrôleurs traditionnels aux contrôleurs IA hybrides :
Les stratégies de gestion conventionnelles pour les systèmes électriques et énergétiques reposent sur le contrôle optimal basé sur des modèles pour calculer les meilleurs profils d'opération des équipements hétérogènes (par exemple, les générateurs, le stockage d'énergie, les charges ajustables, etc). Ces approches sont sensibles aux incertitudes sur les approximations et les paramètres du modèle ainsi qu'aux erreurs de prédiction des variables environnementales telles que les profils de charge ou de production renouvelable. L'approche de l'IA hybride repose sur l'utilisation d'un contrôleur de base pour générer les principales actions de gestion - par exemple, une stratégie basée sur des règles pour programmer le profil de charge/décharge d'un système de stockage d'énergie dans un bâtiment/micro-réseau. Ces contrôleurs prédictifs calculent également l'état attendu du système, qui peut être la température ambiante, les niveaux de tension ou l'état de charge de la batterie. Une fois que les points de consigne sont envoyés aux systèmes contrôlés, il est alors possible de mesurer les écarts entre les valeurs d'état réelles et la prédiction. Ces écarts mesurés peuvent ensuite être utilisés après une phase d'apprentissage machine pour ajuster les principales actions de gestion et atteindre de meilleures performances du système.

Contexte de travail

Le Laboratoire G2Elab - UMR5269 - est une unité mixte de recherche rattachée aux tutelles CNRS, Grenoble INP et Université Grenoble Alpes, situé sur la presqu'île scientifique de Grenoble, bâtiment GreEn-ER où il occupe 5000m². Il dispose par ailleurs de trois autres sites sur lesquels sont déployées trois plates-formes expérimentales accueillant des équipes de recherche : Minatec, le Laboratoire de Métrologie Magnétique en Champs Faibles à Herbeys ainsi que plusieurs salles d'expérimentation du polygone CNRS. Le laboratoire de génie électrique de Grenoble (G2Elab) est composé de 60 permanents, 40 ITAs, 120 doctorants et 80 stagiaires, post doctorants et chercheurs invité.
Le candidat retenu sera inscrit pour un doctorat de 3 ans, en co tutelle avec l'université de Singapour, le temps sera partagé entre les 2 Etablissements : UGA/G2EAL, Grenoble, France et à NTU, CNRS@CREATE, Singapour.
Le candidat recevra un double diplôme de doctorat de l'Université de Grenoble Alpes conjointement avec la Nanyang Technological University (NTU), Singapour.

Contraintes et risques

Les candidats doivent être titulaires d'un Master en mathématiques appliquées ou en informatique.
Une connaissance et un intérêt marqué pour le contrôle optimal et/ou l'optimisation et/ou l'apprentissage automatique seront appréciés.
Outils de simulation/modélisation et de développement - Matlab, Python, Java, C, etc. Programmation en langage mathématique et expérience des solveurs d'optimisation seraient un plus - GAMS, Julia, YALMIP, CPLEX, GUROBI, GLPK, entre autres.
Solides compétences analytiques et de communication, capacité à présenter de manière claire et concise. Bonnes compétences écrites et orales pour une communication efficace dans des conférences internationales et des publications dans des revues scientifiques.
Capacité à travailler dans un environnement international, à apprendre de chercheurs expérimentés et à transférer des connaissances.

On en parle sur Twitter !