Thèse Surveillance Détection Identification et Localisation des Défauts dans les Centrales Solaires Photovoltaïques à l'Aide de l'Intelligence Artificielle H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : IBISC - Informatique, BioInformatique, Systèmes Complexes Direction de la thèse : Naima AIT OUFROUKH Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-12T23:59:59 Contexte et objectif

Au cours des dernières années, l'énergie photovoltaïque a émergé comme l'une des principales sources d'énergie renouvelable en Algérie, tirant parti de son potentiel solaire exceptionnel. Cependant, les systèmes photovoltaïques sont constamment exposés à des conditions climatiques et environnementales très sévères entrainant l'apparition de défauts et un dysfonctionnent de l'installation infligeant des couts de maintenance considérables et réduisant la durée de vie des équipements.
L'objectif principal de cette thèse est de concevoir une solution optimale reposant sur une technologie de surveillance avancée et des diagnostics précis. Ce travail vise à surmonter les défis scientifiques et techniques liés à la non-linéarité des systèmes photovoltaïques et à élaborer des algorithmes de diagnostic efficaces et robustes basées sur l'intelligence artificielle.

Cette thèse doit permettre des avancées sur quelques points de blocage scientifique et technique, tels que :
- Algorithmes de Diagnostic pour Systèmes Complexes : Développer des algorithmes innovants utilisant les techniques de l'Intelligence Artificielle et Machine Learning pour la surveillance à distance des systèmes photovoltaïques.
- Détection et Localisation des Défauts : Avancer dans le développement de méthodes précises de détection et de localisation des défauts, y compris les capteurs, les actionneurs et les composants du système.
L'énergie photovoltaïque connaît un fort développement, notamment en Algérie en raison de son fort potentiel solaire. Cependant, les systèmes photovoltaïques sont exposés à des conditions environnementales sévères (température, poussière, vieillissement), entraînant des défauts, des pertes de performance et des coûts de maintenance élevés.
Dans ce contexte, le développement de solutions intelligentes de surveillance et de diagnostic constitue un enjeu majeur pour améliorer la fiabilité et la durabilité des installations.
Concevoir une méthode avancée de surveillance (condition monitoring) des systèmes photovoltaïques
Développer des algorithmes robustes de détection, d'identification et de localisation des défauts
Exploiter des techniques d'intelligence artificielle et de machine learning pour améliorer la précision du diagnostic
Prendre en compte les non-linéarités et les perturbations des systèmes photovoltaïques
Réduire les coûts de maintenance et améliorer la durée de vie des installations a) Analyse et modélisation
Étude des systèmes photovoltaïques et de leur commande
Modélisation des défauts (capteurs, actionneurs, composants)
b) Développement d'algorithmes
Méthodes basées sur :
Modèles (observateurs, résidus)
Données (machine learning, deep learning)
Techniques possibles :
Réseaux de neurones
SVM, arbres de décision
Méthodes hybrides (modèle + IA)
c) Surveillance et diagnostic
Détection précoce des défauts
Identification et localisation
Construction d'arbres de défaillance
d) Validation expérimentale
Tests sur banc expérimental
Analyse de robustesse et sensibilité
Validation en conditions réelles ou simulées

Le candidat devra être titulaire d'un diplôme de niveau Master (ou équivalent) en génie électrique, automatique, traitement du signal ou systèmes embarqués.

Il devra présenter des compétences solides en :

Traitement du signal et/ou automatique des systèmes
Modélisation et analyse des systèmes dynamiques
Programmation scientifique (Python, MATLAB/Simulink)
Intelligence artificielle et machine learning (bases souhaitées)

Une connaissance des systèmes photovoltaïques ou des systèmes énergétiques sera appréciée.
Le candidat devra également faire preuve de :

capacités d'analyse et de synthèse
autonomie et rigueur scientifique
aptitude au travail en équipe et à la recherche collaborative
bonnes compétences rédactionnelles en anglais