Thèse Cifre Apprentissage par Renforcement Décentralisé H/F Segula Technologies

Titre de la thèse: Apprentissage par renforcement décentralisé, en vue d'une gestion intelligente des systèmes de stockage pour l'utilisation des ressources d'énergie renouvelable, associés au besoin de consommation : application à un quartier d'habitation. Une part croissante de la production d'énergie électrique est installée au sein des zones d'habitation notamment grâce aux panneaux solaires ou parfois aux éoliennes. Ainsi la gestion du réseau doit passer d'un système centralisé à une gestion localisée. À cela s'ajoute des nouveaux composants, comme l'introduction de la voiture électrique, qui modifient les profils de consommation. Dans un objectif d'autonomie maximale, l'équilibre énergétique entre la production et la consommation électrique locale n'est réalisable qu'en utilisant des moyens de stockage aussi bien électrique que thermique. L'objectif de cette thèse est de rechercher des algorithmes d'apprentissage par renforcement pour la gestion d'une grille électrique (production, consommation, stockage) ayant pour critère un degré d'autonomie maximal. La solution doit être adaptable et adaptative pour prendre en compte les différents profils de comportements. La modélisation de la grille énergétique sous toutes ses facettes est un élément primordial pour cet objectif. Vous serez également chargé de rédiger des rapports annuels détaillés ainsi que des articles destinés à des conférences et des journaux spécialisés. Mots clés : intelligence artificielle (IA), reinforcment learning, deep-learning, smart-grid, énergie renouvelable, gestion durable, écologie