Le 24/01/2022 par ygaoua :

Sujet: Approches de contrôle optimal explicite pour les systèmes innovants de production énergétique décarbonée

Dans un contexte de décarbonation massive, la complexité grandissante des systèmes de production énergétique (volatilité des moyens de production, systèmes multisectoriels avec stockage) rend centrales les problématiques de gestion avancée de pilotage. Le contrôle fin de ces systèmes de production permet notamment une visibilité sur le fonctionnement futur et une garantie de qualité (réduction des émissions CO2, robustesse d'opération, réduction des coûts afférents). Elle est un ingrédient central pour la maximisation la mise en oeuvre de la flexibilité des moyens de production, autant d'un point de vue de la performance que de la garantie de fonctionnement en opération critique.

La possibilité d'utiliser des méthodes de contrôle optimal basées sur des modèles (MPC) est notamment très pertinente dans le pilotage de ces systèmes énergétiques. La mise en oeuvre de l'optimisation peut utiliser des techniques de programmation linéaire en nombre entiers ou d'optimisation non-linéaire. Le déploiement sur système physique de ces solutions, dont l'usage se répand et dont les capacités sont établies ([4], [5], [6]), se heurte souvent d'un point de vue opérationnel à une complexité de mise en oeuvre d'algorithmes volumineux sur des cibles physiques (automates...). Il s'agit là de l'écueil principal empêchant la démocratisation de telles approches sur les systèmes énergétiques, et en général dans divers contextes d'automatique industrielle.

L'objet de cette thèse est de répondre à la problématique à travers des outils mathématiques adaptés de la recherche opérationnelle et de l'apprentissage automatique. Il est notamment envisagé d'évaluer le recours à des approches prometteuses dites MPC explicite ([1], [2], [3]). Les travaux de recherche devront se concentrer sur la mise en oeuvre de formulations effectuant un compromis entre l'optimalité du pilotage et l'efficacité de sa mise en oeuvre. Des approches globales de représentation ou de calibration automatique du problème à résoudre ([3], [7], [8]) pourront être envisagées, ainsi que des heuristiques associées à la modélisation physique des systèmes-cible.

Les avancées obtenues seront confrontées à des cas d'utilisation industriels (micro-réseaux, systèmes de production par géothermie, systèmes de production solaire) traités par les équipes du CEA-LITEN.

La progression suivante est anticipée pour les travaux de thèse :

• Définition et évaluation des méthodes mathématiques et approches existantes pour la réduction de contrôle optimal. Caractérisation des besoins et spécifications pour le pilotage de systèmes énergétiques complexes. Evaluation de la faisabilité de l'approche (taille du problème pour la réduction, périmètres temporels), définition d'indicateurs de performance.
•  Confrontation des approches à évaluer sur les cibles applicatives de systèmes de production énergétique: pilotage de micro-réseaux, systèmes de production par géothermie, système de production solaire... Identification des limites suivant les cas.
• Définition, développement et validation de méthodologies innovantes pour la mise en oeuvre d'un contrôle optimal explicite. Caractérisation du comportement, consolidation de la pertinence sur cas industriels. Dissémination scientifique.

Encadrement/Localisation

Le candidat évoluera au sein du CEA-LITEN, centre d'études et de recherches dédié à la transition énergétique très investi sur les problématiques de pilotage de systèmes énergétiques innovants. Le travail s'effectuera à partir d'octobre 2022 sur le site du Bourget-du-Lac (73). L'encadrement de thèse sera partagé avec le laboratoire Signaux et Systèmes (L2S) situé à l'Université de Paris Saclay sur le campus CentraleSupélec.

Qualifications techniques

• Diplôme d'ingénieur / Bac+5 avec une spécialisation en mathématiques appliquées, préférablement en recherche opérationnelle/AI
• Expérience et/ou fort intérêt thématique dans le domaine des énergies décarbonées
• Bonne appréhension des systèmes physiques étudiés, notamment par la démarche de modélisation
• Capacités en programmation (Python, Matlab, GAMS, C/C++)

Compétences linguistiques

En tant que laboratoire de recherche international, nous sommes ouverts aux candidatures internationales sans restriction. Une connaissance de l'Anglais ou du Français à un niveau professionnel est toutefois requise pour un candidat potentiel.

Candidature

Les candidatures sont à adresser à Nicolas Vasset (nicolas.vasset@cea.fr) avec la balise [These 2022 ? MPCReduction] dans l'objet du message. Celles-ci devront contenir :

• Un CV
• Une lettre de motivation positionnant votre parcours par rapport au projet d'effectuer ce travail de doctorat
• Les adresses/et ou lettres de recommandation de professeurs ou de précédents encadrants

que vous jugerez utile

Toute demande d'information complémentaire pourra être également transmise à cette adresse.

Références :

[1] Bemporad, A., Borrelli, F. and Morari, M., « Model predictive control based on linear programming ? The explicit solution » IEEE Trans. Autom. Control, 47-12, pp1974-1985, Dec. 2002

[2] Dua, P., K. Kouramas, V. Dua, et E.N. Pistikopoulos. « MPC on a Chip-Recent Advances on the Application of Multi-Parametric Model-Based Control ». Computers & Chemical Engineering 32, n? 4?5 (avril 2008): 754?65. https://doi.org/10.1016/j.compchemeng.2007.03.008.

[3] Huo, Y., F. Bouffard, et G. Joós. « Integrating Learning and Explicit Model Predictive Control for Unit Commitment in Microgrids ». Applied Energy 306 (2022). https://doi.org/10.1016/j.apenergy.2021.118026.

[4]  Nadine Aoun, Roland Bavière, Mathieu Vallée, Antoine Aurousseau, Guillaume Sandou, Modelling and flexible predictive control of buildings space-heating demand in district heating systems, Energy, Volume 188, 2019, 116042, ISSN 0360-5442,https://doi.org/10.1016/j.energy.2019.07.044

[5] Gaoua, Yacine , Vasset, Nicolas , Simon, Matthieu , Parry, Andrew , Varadarajan, Prasanna (2022) « contrôle optimal d'un système de production géothermique » Proceedings of the ROADEF 2022 conference, To appear.

[6] Nicolas Lamaison, Simon Collette, Mathieu Vallée, Roland Bavière, Storage influence in a combined biomass and power-to-heat district heating production plant, Energy, Volume 186, 2019, 115714, ISSN 0360-5442, https://doi.org/10.1016/j.energy.2019.07.044.

[7] Jones, Colin N., et Manfred Morari. « Polytopic Approximation of Explicit Model Predictive Controllers ». IEEE Transactions on Automatic Control 55, no 11 (novembre 2010): 2542?53. https://doi.org/10.1109/TAC.2010.2047437.