Thèse Détection d'Anomalies dans les Centrales Photovoltaïques à l'Aide de l'IA Générative H/F

Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Interfaces : matériaux, systèmes, usages Laboratoire de recherche : Mathématiques et Informatique pour la Complexité et les Systèmes - EA 4037 Direction de la thèse : Myriam TAMI ORCID 0000000340737739 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-09-15T23:59:59 L'objectif de cette recherche est de développer des méthodes avancées d'apprentissage automatique pour détecter des anomalies dans les installations photovoltaïques qui sont difficiles à identifier à l'aide des techniques traditionnelles. Alors que les anomalies courantes, telles que les arrêts des onduleurs ou les problèmes de disponibilité des installations, sont relativement faciles à détecter, ce projet se concentre sur des anomalies plus complexes, difficilement détectables par les algorithmes conventionnels.

Le projet sera structuré en plusieurs phases : une revue de la littérature, suivie de la modélisation des anomalies à l'aide d'un simulateur fondé sur des modèles physiques, puis de l'application d'algorithmes d'apprentissage automatique (par exemple, des autoencodeurs variationnels) pour détecter ces anomalies dans des données simulées. Enfin, l'approche sera validée à partir de données industrielles.
Le développement des installations photovoltaïques nécessite des solutions de surveillance intelligentes afin de garantir leur performance et leur fiabilité. Si les anomalies les plus courantes sont détectées par des méthodes classiques, les défauts plus complexes restent difficiles à identifier. Les avancées récentes en intelligence artificielle, notamment en apprentissage génératif, offrent de nouvelles perspectives pour détecter ces anomalies à partir de données simulées et réelles. Cette thèse vise à développer des méthodes innovantes de détection d'anomalies afin d'améliorer la maintenance prédictive et d'optimiser la production d'énergie photovoltaïque. En développant des méthodes avancées d'apprentissage automatique pour la détection d'anomalies, ce projet vise à garantir un fonctionnement optimal des installations photovoltaïques. Une meilleure détection des anomalies permettra d'améliorer les opérations de maintenance, de réduire les temps d'arrêt et d'augmenter la production d'énergie, contribuant ainsi à l'objectif plus large de la transition vers les énergies renouvelables.

Les livrables prévus dans le cadre de ce projet de doctorat porteront sur le développement et l'application de nouvelles approches d'apprentissage automatique et d'intelligence artificielle afin de résoudre les problèmes de performance des installations photovoltaïques et de prédire les défaillances des équipements.