Thèse Démonstration de la Flexibilité dans le Bâtiment Tertiaire Green·er H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal Laboratoire de recherche : Laboratoire de Génie Electrique Direction de la thèse : Benoit DELINCHANT ORCID 0000000342960993 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-31T23:59:59 Contexte :
Ce projet projet vise à évaluer comment un grand bâtiment tertiaire existant peut être transformé en un actif énergétique interactif avec le réseau et adapté aux besoins des utilisateurs grâce à une commande base sur la prédiction, l'optimisation et l'interaction avec les parties prenantes.
Il sera mis en oeuvre dans le bâtiment GreEn-ER à Grenoble en se concentrant sur la gestion coordonnée du refroidissement, de la ventilation, de l'autoconsommation photovoltaïque et de la recharge des VE, garantissant confort, transparence et intégration transparente de la flexibilité auprès des occupants.
Objectifs :
- Démontrer l'intégration d'un système de gestion énergétique des bâtiments (BEMS) existant avec des mécanismes de flexibilité basés sur le marché réel pour les grands bâtiments tertiaires.
- Optimiser les opérations de refroidissement et de ventilation en été à l'aide d'un processus décisionnel assisté par l'IA, tout en préservant le confort des utilisateurs et leur consentement.
- Intégrer la recharge des véhicules électriques dans la gestion énergétique au niveau du bâtiment, en conciliant les besoins des utilisateurs, l'équité et les contraintes du réseau.
- Calculer des indicateurs de SRI (Smart Readiness Indicator) et SRL (Social Readiness Level), en établissant un lien entre les performances en matière de flexibilité et la satisfaction, la confiance et la compréhensibilité pour les utilisateurs.

Méthodologie
Le candidat devra développer une méthodologie articulée autour de ces technologies clés :
- la spécification FlexReady pour l'interopérabilité entre le BEMS, permettant à un agrégateur autorisé à participer au marché de l'énergie d'envoyer des signaux de flexibilité au bâtiment.
- Un jumeau numérique devant être synchronisé (estimation d'état) au jumeau physique réel par des données de capteurs, et permettant de tester virtuellement des scénarii sous incertitudes pour l'aide à la décision et le pilotage.
- La modélisation par apprentissage machine, exploitant par exemple les réseaux de neurones profonds, et permettant les prédictions du système et de son environnement.

Objectifs :
- Démontrer l'intégration d'un système de gestion énergétique des bâtiments (BEMS) existant avec des mécanismes de flexibilité basés sur le marché réel pour les grands bâtiments tertiaires.
- Optimiser les opérations de refroidissement et de ventilation en été à l'aide d'un processus décisionnel assisté par l'IA, tout en préservant le confort des utilisateurs et leur consentement.
- Intégrer la recharge des véhicules électriques dans la gestion énergétique au niveau du bâtiment, en conciliant les besoins des utilisateurs, l'équité et les contraintes du réseau.
- Calculer des indicateurs de SRI (Smart Readiness Indicator) et SRL (Social Readiness Level), en établissant un lien entre les performances en matière de flexibilité et la satisfaction, la confiance et la compréhensibilité pour les utilisateurs.
Méthodologie
Le candidat devra développer une méthodologie articulée autour de ces technologies clés :
- la spécification FlexReady pour l'intéroperabilité entre le BEMS, permettant à un aggrégateur autorisé à participer au marché de l'énergie d'envoyer des signaux de flexibilité au bâtiment.
- Un jumeau numérique devant être synchronisé (estimation d'état) au jumeau physique réel par des données de capteurs, et permettant de tester virtuellement des scénarii sous incertitudes pour l'aide à la décision et le pilotage.
- La modélisation par apprentissage machine, exploitant par exemple les réseaux de neurones profonds, et permettant les prédictions du système et de son environnement.
modélisation pour la flexibilité électrique

Master ou Ingénieur en énergétique des bâtiments, science des données ou automatique.