{"id":8926,"date":"2025-09-21T11:19:00","date_gmt":"2025-09-21T10:19:00","guid":{"rendered":"https:\/\/l2ep.univ-lille.fr\/?p=8926"},"modified":"2025-11-14T11:23:30","modified_gmt":"2025-11-14T10:23:30","slug":"soutenance-de-these-antonella-tannous-21-nov-2025","status":"publish","type":"post","link":"https:\/\/l2ep.univ-lille.fr\/en\/soutenance-de-these-antonella-tannous-21-nov-2025\/","title":{"rendered":"Soutenance de Th\u00e8se, Antonella TANNOUS, 21 Nov. 2025"},"content":{"rendered":"<div style=\"width: 700px; margin: auto;\">\n<p style=\"text-align: center;\"><strong><span style=\"font-size: medium; color: #f07e1c;\">Approches par Apprentissage Profond pour le Contr\u00f4le Pr\u00e9dictif et Adaptatif des Syst\u00e8mes de Stockage par Batteries pour la Provision de R\u00e9serves de Puissance \u00e9lectrique \u00e0 Court Terme<\/span><\/strong><\/p>\n<p style=\"text-align: center;\">Vendredi 21 novembre \u00e0 9h30<br \/>\nB\u00e2timent ESPRIT, Avenue Henri Poincar\u00e9, 59655 Villeneuve d\u2019Ascq, France<br \/>\nAmphith\u00e9\u00e2tre Atrium<\/p>\n<p style=\"text-align: left;\"><strong><span style=\"color: #f07e1c;\">Mots-cl\u00e9s :<\/span><\/strong><\/p>\n<p style=\"text-align: left;\">R\u00e9serves de puissance, \u00e9nergies renouvelables, stockage d\u2019\u00e9nergie, apprentissage profond, pr\u00e9visions, dimensionnement optimal, simulateurs temps r\u00e9el<\/p>\n<p style=\"text-align: left;\"><strong><span style=\"color: #f07e1c;\">R\u00e9sum\u00e9 :<\/span><\/strong><\/p>\n<p style=\"text-align: left;\">La variabilit\u00e9 intrins\u00e8que des sources d\u2019\u00e9nergie renouvelable \u00e9oliennes et solaires perturbe le couplage traditionnel puissance\u2013fr\u00e9quence et complique l\u2019\u00e9quilibrage du r\u00e9seau, cr\u00e9ant ainsi un besoin de r\u00e9serves de puissance active rapides, peu co\u00fbteuses et faiblement \u00e9mettrices en CO2. Pour relever ce d\u00e9fi, il est n\u00e9cessaire de recourir \u00e0 des strat\u00e9gies de commande capables de d\u00e9passer les limites des approches conventionnelles bas\u00e9es sur la mesure de la fr\u00e9quence et d\u2019int\u00e9grer de nouveaux indicateurs de stabilit\u00e9. Cette \u00e9tude propose une strat\u00e9gie de commande con\u00e7ue sans mod\u00e8le physique, adaptative et fond\u00e9e sur un r\u00e9seau de neurones profonds (DNN), qui a pour objectif de maintenir l\u2019\u00e9quilibre du r\u00e9seau \u00e9lectrique face aux fluctuations de production renouvelable et de charge, tout en minimisant les co\u00fbts d\u2019exploitation et les \u00e9missions de CO2. Le contr\u00f4leur d\u00e9velopp\u00e9 g\u00e8re dynamiquement l\u2019allocation des r\u00e9serves d\u2019un syst\u00e8me de stockage par batterie (BESS) en prenant, chaque minute, des d\u00e9cisions proactives pour les cinq minutes suivantes, \u00e0 partir de mesures historiques ou de pr\u00e9visions tr\u00e8s court terme. Un micro-r\u00e9seau (MG) de r\u00e9f\u00e9rence est con\u00e7u et simul\u00e9 sous MATLAB\/Simulink pour g\u00e9n\u00e9rer les jeux de donn\u00e9es n\u00e9cessaires \u00e0 l\u2019entra\u00eenement hors ligne du DNN. Le fonctionnement du contr\u00f4leur est ensuite valid\u00e9 en ligne. Des indicateurs techniques, \u00e9conomiques et environnementaux permettent d\u2019\u00e9valuer l\u2019efficacit\u00e9 de la strat\u00e9gie pour des sc\u00e9narios r\u00e9alistes. Comme les mesures sont difficiles \u00e0 obtenir avec un temps court, la strat\u00e9gie int\u00e8gre des pr\u00e9visions \u00e0 tr\u00e8s court terme. Un mod\u00e8le de r\u00e9gression polynomiale Ridge est d\u00e9velopp\u00e9 pour la pr\u00e9vision de la charge \u00e0 partir des donn\u00e9es historiques, tandis qu\u2019un mod\u00e8le hybride, s\u2019appuyant sur un r\u00e9seau de neurones convolutifs (CNN) est con\u00e7u pour la pr\u00e9vision photovolta\u00efque (PV) en utilisant \u00e0 la fois des images du ciel et des historiques de production. Les r\u00e9sultats montrent que le contr\u00f4le propos\u00e9 r\u00e9duit significativement les \u00e9carts de fr\u00e9quence, les co\u00fbts et les \u00e9missions par rapport au contr\u00f4le classique par droop. La strat\u00e9gie est valid\u00e9e sur une plateforme de co-simulation temps r\u00e9el int\u00e9grant un simulateur temps r\u00e9el de r\u00e9seau OPAL-RT et calculateur temps r\u00e9el SPHEREA. Cette configuration permet une validation pr\u00e9cise dans des conditions r\u00e9alistes tout en r\u00e9duisant le temps de simulation par rapport aux approches hors ligne. Enfin, pour g\u00e9n\u00e9raliser le contr\u00f4le \u00e0 des r\u00e9seaux comportant des taux variables de p\u00e9n\u00e9tration renouvelable et de g\u00e9n\u00e9rateur synchrone, la strat\u00e9gie de contr\u00f4le apprise par le DNN source est ajust\u00e9e via un apprentissage par transfert pour produire un DNN cible adapt\u00e9 au r\u00e9seau \u00e9lectrique concern\u00e9. Il est test\u00e9 sur un MG optimis\u00e9 pour l\u2019autoconsommation (MG cible), qui est obtenu par une optimisation MILP bi-objectif minimisant les co\u00fbts \u00e9conomiques et environnementaux annualis\u00e9s. Le succ\u00e8s du DNN transf\u00e9r\u00e9 confirme sa capacit\u00e9 \u00e0 se g\u00e9n\u00e9raliser pour diff\u00e9rents niveaux de p\u00e9n\u00e9tration d\u2019\u00e9nergie renouvelable et de g\u00e9n\u00e9rateur synchrone.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Approches par Apprentissage Profond pour le Contr\u00f4le Pr\u00e9dictif et Adaptatif des Syst\u00e8mes de Stockage par Batteries pour la Provision de R\u00e9serves de Puissance \u00e9lectrique \u00e0 Court Terme Vendredi 21 novembre \u00e0 9h30 B\u00e2timent ESPRIT, Avenue Henri Poincar\u00e9, 59655 Villeneuve d\u2019Ascq, France Amphith\u00e9\u00e2tre Atrium Mots-cl\u00e9s : R\u00e9serves de puissance, \u00e9nergies renouvelables, stockage d\u2019\u00e9nergie, apprentissage profond, pr\u00e9visions, [&hellip;]<\/p>\n","protected":false},"author":8,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[18,3],"tags":[],"_links":{"self":[{"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/posts\/8926"}],"collection":[{"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/comments?post=8926"}],"version-history":[{"count":2,"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/posts\/8926\/revisions"}],"predecessor-version":[{"id":8928,"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/posts\/8926\/revisions\/8928"}],"wp:attachment":[{"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/media?parent=8926"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/categories?post=8926"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/l2ep.univ-lille.fr\/en\/wp-json\/wp\/v2\/tags?post=8926"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}