Soutiendra publiquement ses travaux de thèse intitulés
Gestion de l’incertitude dans l’intégration de l’énergie renouvelable au niveau du réseau de transport (Managing the uncertainty in the integration of renewable energy into the transmission grid)
Soutenance prévue le mardi 27 mai 2025 à 14h00 Lieu : Paris Saclay Plateau de Moulon 3 rue Joliot-Curie F-91192 Gif-sur-Yvette Cedex Bâtiment Eiffel Salle : amphithéâtre 3
Direction de la thèse
M. Sorin OLARU
Laboratoire des Signaux et Systèmes
Directeur
M. Alessio IOVINE
Laboratoire des Signaux et Systèmes
Co-encadrant
Désignation du Jury
Mme Antoneta Iuliana BRATCU
Grenoble INP – Université Grenoble Alpes
Rapportrice
M. Nicolas LANGLOIS
Université de Rouen Normandie
Rapporteur
M. Andres ROSALES
Escuela Politécnica Nacional
Examinateur
M. Alfeu J. SGUAREZI FILHO
Universidade Federal do ABC
Examinateur
Mme Sihem TEBBANI
CentraleSupélec – Université Paris-Saclay
Examinatrice
Mme Marina VASSILAKI
ASPETE School of Pedagogical and Technological Education
model predictive control, optimization, electrical network
Résumé :
Dans cette thèse, on vise à développer un cadre mathématique pour la caractérisation des sources d’incertitudes dans la gestion de congestions dans le réseau de transport d’énergie. Cet effort de modélisation permettra la construction des estimateurs temps réel pour mesurer l’impact des évolutions extérieures sur le comportement du réseau de transport au niveau d’une zone. Plus loin, on vise à prédire l’influence des décisions locales sur la globalité du système. Une meilleure estimation des flux en fonction des actions réalisées aura un impact sur le mécanisme de prédiction au cœur de l’algorithme de calcul fondé sur la commande prédictive. Il devra permettre d’affiner les actions des lois de commande en relation avec les limitations de l’infrastructure de transport et in fine contribuer à la pénétration d’électricité d’origine renouvelable.
Abstract:
The aim of this thesis is to develop a mathematical framework for characterising the sources of uncertainty in the management of congestion in the power transmission network. This modelling effort will enable the construction of real-time estimators to measure the impact of external evolutions on the behaviour of the transmission network at the level of a zone. Further on, the aim is to predict the influence of local decisions on the system as a whole. A better estimate of flows as a function of actions taken will have an impact on the prediction mechanism at the heart of the calculation algorithm based on predictive control. This should make it possible to refine the actions of the control laws in relation to the limitations of the transport infrastructure and ultimately contribute to the penetration of electricity from renewable sources.
