Thèse Optimisation Énergétique Health-Aware des Smart Grids Intégrant des Systèmes de Stockage par Batteries et des Flexibilités Distribuées H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Electrical, Optical, Bio-physics and Engineering Laboratoire de recherche : ESTACA'Lab Direction de la thèse : Toufik AZIB ORCID 0000000180830650 Début de la thèse : 2027-01-01 Date limite de candidature : 2026-10-01T23:59:59 Cette thèse porte sur le développement de stratégies avancées d'optimisation énergétique pour des smart grids intégrant des systèmes de stockage par batteries, des sources de production renouvelable et des flexibilités distribuées. Dans un contexte de transition énergétique, ces systèmes doivent répondre à plusieurs exigences simultanées : améliorer l'efficacité énergétique, renforcer la flexibilité et la résilience du réseau, favoriser l'intégration des énergies renouvelables et garantir une exploitation sûre et durable des moyens de stockage. L'enjeu scientifique principal consiste à concevoir des méthodes de gestion énergétique capables de concilier des objectifs parfois contradictoires, tels que la réduction des coûts d'exploitation, l'amélioration des performances globales du système, le respect des contraintes de fonctionnement et la préservation de la durée de vie des batteries. La thèse s'intéressera en particulier à l'intégration d'approches health-aware, permettant de prendre explicitement en compte l'état de charge, l'état de santé et les mécanismes de dégradation des batteries dans le processus d'optimisation. Les travaux mobiliseront des outils issus de l'optimisation sous contraintes, de la commande prédictive, de l'optimisation robuste ou de l'apprentissage par renforcement. Ce projet s'inscrit dans la continuité d'un travail initié dans le cadre d'un stage consacré à la mise en place d'une plateforme expérimentale smart grid, qui constitue une première base pour l'étude et la validation des stratégies proposées à échelle réduite. Les approches développées seront évaluées sur des scénarios réalistes de smart grids, puis validées, selon les moyens disponibles, sur cette plateforme expérimentale afin d'analyser leur pertinence dans un environnement représentatif La transition énergétique conduit à une intégration croissante des énergies renouvelables, des systèmes de stockage et des usages flexibles dans les réseaux électriques modernes. Dans ce cadre, les smart grids et les microgrids apparaissent comme des solutions prometteuses pour améliorer l'efficacité énergétique, la flexibilité et la résilience du système électrique. Les batteries y occupent une place centrale, car elles permettent de lisser la variabilité des productions renouvelables, de limiter les appels de puissance sur le réseau et d'améliorer l'autoconsommation locale. Ces enjeux sont largement reconnus dans la littérature sur les microgrids et les réseaux électriques décentralisés (Parag et Sovacool, 2016). Cette problématique présente un intérêt particulier dans des contextes insulaires ou faiblement interconnectés, comme en Indonésie, où l'intégration coordonnée des énergies renouvelables, du stockage et de stratégies avancées de gestion énergétique constitue un levier important pour renforcer la flexibilité, la résilience et la qualité de l'alimentation électrique (IEA, 2022 ; Sulaeman et al., 2021).
Cependant, les stratégies classiques de gestion énergétique cherchent le plus souvent à optimiser des critères de court terme, comme le coût de l'électricité, l'autonomie énergétique ou les échanges avec le réseau. Or, dans les systèmes intégrant des batteries, ces décisions ont aussi un impact direct sur le vieillissement du système de stockage. Des sollicitations excessives, des niveaux de charge extrêmes, des échanges de puissance élevés ou des contraintes thermiques importantes peuvent accélérer la dégradation des batteries et réduire leur durée de vie. La prise en compte simultanée de la performance énergétique et de la santé des batteries constitue donc un enjeu majeur pour le développement de systèmes énergétiques plus durables. Ce point est bien mis en évidence par Wang et al. (2026), qui montrent l'intérêt de stratégies de recharge health-aware pour limiter la génération de chaleur et préserver la batterie.
Dans cette perspective, les approches dites health-aware visent à intégrer explicitement l'état de santé des batteries dans la gestion énergétique. L'objectif n'est plus seulement d'optimiser les flux de puissance, mais aussi de préserver la durée de vie du système de stockage en tenant compte de contraintes liées à l'état de charge, à la température et aux mécanismes de dégradation. Cette problématique devient encore plus importante lorsque le smart grid intègre plusieurs sources de flexibilité, comme le photovoltaïque, le stockage stationnaire et les véhicules électriques bidirectionnels, dont la coordination doit satisfaire à la fois des objectifs économiques, techniques et de durabilité. Cette tendance apparaît notamment dans les travaux de Amghar et al. (2026) sur la coordination énergétique de microgrids avec intégration bidirectionnelle des véhicules électriques, ainsi que dans ceux de Bäumler et al. (2024) sur les stratégies de gestion énergétique fondées sur l'apprentissage par renforcement.
Ce projet de thèse s'inscrit dans la continuité d'un travail initié dans le cadre d'un stage consacré à la réalisation d'un banc d'essai micro-réseau. Ce premier travail a permis de mettre en place une base expérimentale pertinente pour l'étude de stratégies avancées de gestion énergétique dans un environnement représentatif. La thèse a ainsi pour ambition de prolonger cette dynamique en développant des méthodes d'optimisation plus avancées, capables de prendre en compte à la fois la performance énergétique globale du système et la préservation des systèmes de stockage.
Enfin, le développement de ces stratégies ne peut pas être dissocié des contraintes réelles du réseau électrique. Les systèmes de gestion énergétique doivent aujourd'hui tenir compte non seulement de la production, de la consommation et du stockage, mais aussi des contraintes de sûreté de fonctionnement, de qualité de l'énergie et d'intégration réseau. Des travaux récents, comme ceux de Rafii et al. (2026), montrent qu'une meilleure coordination entre la gestion énergétique et les contraintes du réseau peut améliorer à la fois la sécurité d'exploitation et les performances globales du système. Dans ce contexte, le sujet de thèse proposé vise à développer des méthodes d'optimisation énergétique health-aware pour des smart grids intégrant des batteries et des flexibilités distribuées, en conciliant performance énergétique, respect des contraintes d'exploitation et préservation de la durée de vie des systèmes de stockage.
L'objectif général de cette thèse est de développer des méthodes d'optimisation énergétique health-aware pour des smart grids intégrant des systèmes de stockage par batteries et, selon les cas d'étude considérés, d'autres flexibilités distribuées telles que la production photovoltaïque ou les véhicules électriques.
- proposer un cadre de modélisation adapté à la gestion énergétique de smart grids ou de microgrids intégrant production renouvelable, stockage et charges flexibles ;
- intégrer dans la stratégie d'optimisation des indicateurs représentatifs de l'état de charge, de l'état de santé et, plus largement, de la dégradation des batteries ;
- concevoir des méthodes d'optimisation capables de concilier plusieurs objectifs potentiellement contradictoires, tels que la réduction des coûts énergétiques, l'amélioration des performances du réseau et la préservation de la durée de vie du système de stockage ;
- prendre en compte les contraintes d'exploitation du système, notamment les limites de puissance, les contraintes de charge et de décharge, les contraintes thermiques et les contraintes liées au réseau ;
- évaluer les approches proposées sur des scénarios réalistes de microgrids intégrant production renouvelable, stockage stationnaire et, si pertinent, véhicules électriques ;
- valider les stratégies développées à travers des études de simulation etsur le banc d'essai micro-réseau mis en place dans le cadre des travaux préliminaires, afin d'analyser leur pertinence dans un environnement représentatif.
Une attention particulière sera portée à l'utilisation de méthodes avancées telles que l'optimisation sous contraintes, l'optimisation robuste, la commande prédictive ou l'apprentissage par renforcement, qui offrent des perspectives intéressantes pour traiter la complexité et les incertitudes de ces systèmes (Bäumler et al., 2024 ; Amghar et al., 2026).
La thèse visera ainsi à proposer des outils méthodologiques permettant une gestion énergétique plus durable, plus intelligente et mieux adaptée aux enjeux actuels des réseaux électriques décentralisés.
Tâche 1 - Étude bibliographique et positionnement. Une première phase sera consacrée à l'analyse de l'état de l'art sur les smart grids, les microgrids, les systèmes de stockage, les approches health-aware et les méthodes d'optimisation énergétique. Cette étape permettra d'identifier les verrous scientifiques majeurs et de préciser le positionnement de la thèse.
Tâche 2 - Modélisation du système étudié. Cette phase visera à établir un modèle de référence du micro-réseau ou du smart grid considéré, intégrant la production renouvelable, le stockage batterie, les charges flexibles et, si nécessaire, les véhicules électriques. Une attention particulière sera portée aux contraintes opérationnelles et aux indicateurs de santé batterie.
Tâche 3 - Développement des stratégies d'optimisation. Sur la base du modèle établi, des stratégies d'optimisation énergétique health-aware seront développées afin de concilier performance énergétique, respect des contraintes système et préservation du système de stockage. Plusieurs familles de méthodes seront étudiées et priorisées selon les besoins du sujet.
Tâche 4 - Analyse des performances et robustesse. Les méthodes proposées seront évaluées sur des scénarios représentatifs en tenant compte des incertitudes sur la production renouvelable, la demande, les profils de charge et les contraintes réseau. Les compromis entre coût, performance et vieillissement feront l'objet d'une analyse détaillée.
Tâche 5 - Validation numérique et expérimentale. Les approches développées seront d'abord validées en simulation, puis, confrontées à une validation expérimentale sur le banc d'essai micro-réseau issu des travaux préliminaires. Cette phase permettra d'évaluer la faisabilité et la pertinence des solutions dans un cadre plus réaliste.

Le candidat ou la candidate recherché(e) devra être titulaire d'un diplôme d'ingénieur ou d'un Master 2 en génie électrique, automatique, énergétique, mathématiques appliquées, systèmes embarqués ou domaine voisin.
Le profil recherché implique de bonnes bases en modélisation dynamique, en optimisation ou en gestion d'énergie, ainsi qu'un intérêt marqué pour les systèmes énergétiques, les smart grids et les batteries. Une maîtrise d'outils scientifiques tels que MATLAB/Simulink, Python ou environnements équivalents sera appréciée.
Des connaissances en estimation d'état, en apprentissage par renforcement, en commande prédictive, en électronique de puissance ou en microgrids constitueront des atouts supplémentaires. Le ou la candidate devra également faire preuve d'autonomie, de rigueur scientifique et d'aptitude au travail interdisciplinaire.