Quelles stratégies pour la conception de communautés d'énergies renouvelables durables ? Apport de l'optimisation et de l'apprentissage automatique pour la constitution d'une communauté et la définition des règles de partage de l'énergie.

What strategies for designing sustainable renewable energy communities? Contribution of optimization and machine learning to the creation of a community and the definition of energy sharing rules.

• Auteur / Autrice : Lizon Chaussebourg
• Direction : Jean-Louis Dirion
• Type : Projet de thèse
• Discipline(s) : Energétique et transferts
• Date : Inscription en doctorat le 01/10/2025
• Etablissement(s) : Ecole nationale des Mines d'Albi-Carmaux
• Ecole(s) doctorale(s) : École doctorale Mécanique, énergétique, génie civil et procédés
• Partenaire(s) de recherche : Laboratoire : RAPSODEE - Centre de Recherche d'Albi en Génie des Procédés, des Solides Divisés, de l'Energie et de l'Environnement

Mots clés

Mots clés libres

Autoconsommation

Optimisation

Communauté d'énergie

Energy community

Self-consumption

Optimization

Résumé

Une communauté d'énergie renouvelable (CER) est un est un modèle innovant et collaboratif qui regroupe citoyens, entreprises, collectivités locales et autres acteurs économiques qui collaborent pour produire, consommer, partager et gérer de l'énergie renouvelable à une échelle locale. Les principaux objectifs d'une telle communauté sont de gagner en autonomie énergétique, de réduire les coûts et de favoriser une transition énergétique vers une énergie plus durable et solidaire. Le.la doctorant.e recruté.e inscrira ses travaux de recherche dans la conception d'outils d'aide à la décision à différents niveaux de la constitution d'une CER : • Conception d'un algorithme pour recommander les mises en relation pertinentes entre les futurs participants à une CER avec choix des données et critères à prendre en compte tels les données géographiques, énergétiques, financières, etc… • Conception des règles d'échanges d'électricité entre les différents acteurs d'un CER que ce soit en termes de volume et de prix. Ces règles seront basées sur la détermination d'un meilleur compromis pour l'ensemble des parties prenantes. Des différents algorithmes seront basés sur des approches d'optimisation numériques et de techniques d'apprentissage automatique. Les différents outils développés sont basés sur des données, telles des courbes de charge, qui sont souvent totalement ou partiellement manquantes. Une action de recherche complémentaire sera d'implémenter des méthodes d'apprentissage automatique pour générer ou corriger des courbes de charges synthétiques.

A renewable energy community (CER) is an innovative and collaborative model that brings together citizens, businesses, local authorities and other economic actors who collaborate to produce, consume, share and manage renewable energy on a local scale. The main objectives of such a community are to gain energy autonomy, to reduce costs and to promote an energy transition towards more sustainable and inclusive energy. The recruited doctoral student will include their research work in the design of tools to help with decision at different levels of the constitution of a CER: • Design of an algorithm to recommend relevant connections between future participants in a CER with choice of data and criteria to take into account such as geographic, energy, financial data, etc. • Design of the rules for electricity exchanges between the different actors of a CER that this either in terms of volume and price. These rules will be based on the determination of a best compromise for all stakeholders. Different algorithms will be based on numerical optimization approaches and machine learning techniques. The different tools developed are based on data, such as load curves, which are often totally or partially missing. An action complementary research will be to implement machine learning methods to generate or correct synthetic load curves