Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.
Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
SL-DES-24-0775
Description du sujet de thèse
Domaine
Défis technologiques
Sujets de thèse
Méthodes pour réduire l'impact des incertitudes dans l'optimisation des systèmes énergétiques bas-carbone locaux
Contrat
Thèse
Description de l'offre
Les modèles d'optimisation des systèmes énergétiques (ESOM pour Energy System Optimization Models en anglais) sont des outils puissants pour améliorer la prise de décision dans la transition vers des systèmes énergétiques bas carbone.
Les résultats fournis par les ESOMs sont fortement influencés par les incertitudes sur les données, puisqu'ils sont considérés sur un horizon temporel futur. Par exemple, les évolutions possibles des prix de l'énergie, de la production et de la demande d'énergie ou de l'efficacité des technologies doivent être prise en compte. Bien que de nombreux travaux commencent ces dernières années à étudier l'impact de ces incertitudes sur les résultats, les simplifications de la modélisation peuvent induire des biais significatifs.
Le travail proposé dans ce nouveau sujet de doctorat vise à étudier la réponse d’un ESOM au cours des différentes étapes de conception d’un système énergétique, et à réduire l'impact de ces incertitudes le plus tôt possible dans le processus. On vise en particulier à limiter les biais liés à la simplification des modèles, en propageant systématiquement les informations pertinentes des modèles plus détaillés vers les modèles simplifiés. À cette fin, la voie actuellement envisagée consiste à exploiter des techniques telles que l'apprentissage automatique, et en particulier l'approche de l'apprentissage de contraintes (constraints learning), pour extraire des informations pertinentes de la simulation et les réinjecter dans les modèles d'optimisation simplifiés.
En conséquence, le travail devrait améliorer les méthodes actuellement utilisées pour concevoir et améliorer les systèmes énergétiques au niveau local, afin de favoriser les économies d'énergie et de limiter les émissions de CO2 ainsi que d'autres impacts sur l'environnement.
Université / école doctorale
Génie Electrique - Electronique - Télécommunications (GEET)
INP Toulouse
Localisation du sujet de thèse
Site
Grenoble
Critères candidat
Formation recommandée
Recherche operationnelle, Energie
Demandeur
Disponibilité du poste
01/09/2024
Personne à contacter par le candidat
VALLEE Mathieu mathieu.vallee@cea.fr
CEA
DES/LITEN/DTCH/SSETI/LSET
Commissariat à l’énergie atomique et aux énergies alternatives
INES
50 avenue du Lac Léman | F-73377 Le Bourget-du-Lac
04 79 79 21 87
Tuteur / Responsable de thèse
SARENI Bruno bruno.sareni@laplace.univ-tlse.fr
CNRS-UT3-Toulouse INP (UMR 5213)
Groupe Energie Electrique et Systémique (GENESYS), LAPLACE
Laboratoire Plasma et Conversion d'Energie
Institut National Polytechnique de Toulouse ENSEEIHT
2, rue Charles Camichel
BP 7122 - 31071 TOULOUSE Cedex 7
+33 5 34 32 23 61
En savoir plus
https://orcid.org/0000-0002-2965-6818
https://hal.science/search/index/?qa[authIdHal_s][]=bruno-sareni