Axes de recherche du projet :
- Fonctionnement et optimisation des réseaux électriques de distribution
- Solutions innovantes à base de nouvelles technologies informatiques et télécom, traitement de données et intelligence artificielle
Porteurs du projet :
Doctorant : Guilherme Ramos Milis
Encadrement G2Elab : Raphaël Caire et Marie-Cécile Alvarez-Hérault
Encadrement Enedis : Christophe Gay et Bruno Gourguechon
Organismes associés au projet : G2Elab, Enedis
Le projet :
En fin de 2021, Enedis a déployé 35 millions de compteurs communicants Linky. En parallèle, le réseau public de distribution évolue grâce aux nouveaux usages et la performance des équipements existants s’améliore. Comment les nouvelles données de comptage peuvent être utilisées pour améliorer la connaissance des charges du réseau de distribution ?
Objectif du projet :
L’objectif de cette thèse est de développer des méthodes innovantes issues de machine learning s’appuyant sur un grande nombre de mesures réelles disponibles pour améliorer l’estimation des charges sur le réseau.
Résultats attendus :
Apporter des gains pour la collectivité en optimisant la planification du réseau de distribution à partir des modèles de charge améliorés.
Planning :
Mars 2021 à février 2024
