Thèse Utilisation de l'Intelligence Artificielle pour la Compréhension du Vieillissement des Cellules Solaires H/F

Institut Polytechnique de Paris École polytechnique

Établissement : Institut Polytechnique de Paris École polytechnique
École doctorale : Ecole Doctorale de l'Institut Polytechnique de Paris
Laboratoire de recherche : LPICM - Laboratoire des Interfaces et des Couches Minces
Direction de la thèse : Yvan BONNASSIEUX ORCID 0000000344132067
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-15T23:59:59

Le projet de thèse porte sur l'application de techniques d'intelligence artificielle à l'étude de la dégradation, en conditions réelles, des systèmes photovoltaïques (PV). Cette approche sera développée en parallèle pour des cellules silicium mais également pour des cellules tandem Silicium/pérovskite.

Dans des travaux préliminaires, nous avons testé et validé une approche simple et pratique pour extraire les paramètres des cellules solaires et les taux de dégradation d'un système PV silicium à partir de données de production d'électricité et de données météorologiques banalisées.

Avec l'aide de l'Institut photovoltaïque d'Ile-de-France (IPVF), nous souhaitons combiner l'intelligence artificielle, l'apprentissage automatique, la modélisation physiques des dispositifs et l'expérimentation pour mieux comprendre la relation entre les paramètres des matériaux et les performances et la stabilité des cellules solaires. Nous utiliserons l'inférence bayésienne ainsi que des techniques conventionnelles d'apprentissage automatique (réseaux neuronaux, clustering k-means...) pour extraire les paramètres des dispositifs électriques à partir de courbes courant-tension (IV) simulées et expérimentales de cellules solaires.

Collaboration Between Academic laboratory and private compagnies IPVF, EDF.
Develop and use of outdoor caractérisation.

Modeling of Photovoltaic cells dégradation by IA approach.

we are combining machine learning, device modeling, and experiment to better understand the relationship between material parameters and solar cell performance and stability. We are using Bayesian inference along with conventional machine learning techniques (neural networks, k-means clustering...) to extract electrical device parameters from simulated and experimental current-voltage (IV) curves of solar cells.