Thesis: Artificial Intelligence for Smart Grid Management

Axe de recherche du projet : Solutions innovantes à base de nouvelles technologies informatiques et télécom, traitement de données et intelligence artificielle

Porteurs du projet :

Doctorant : Aleksandr Petrusev

Encadrement G2Elab : Vincent Debusschere, Rémy Rigo-Mariani and Nouredine Hadjsaid

Encadrement LIG : Patrick Reignier

Encadrement Enedis : Come Soulez, Benoit Bouzigon

Organismes associés au projet : G2Elab, LIG, Enedis

Le projet :

Le métier du Chargé de Conduite (CCO) du réseau HTA évolue dans un écosystème qui se modifie profondément. Plusieurs points sont à noter, qui soulignent cette évolution :

Tout d’abord, une injection croissante d’ENR sur le réseau HTA apporte une nouvelle dimension au métier du CCO dans la gestion des flux et l’anticipation. Ensuite, les compteurs Linky apportent un volume et une variété d’information significatifs sur le réseau BT, ce qui renforce les possibilités et le besoin de coordonner la conduite HTA avec une supervision.

Dans ce contexte qui complexifie potentiellement les missions du CCO, il ressort un besoin notable de faire le choix entre différentes options, comme le report de charge, l’action sur la puissance souscrite avec RTE, la sollicitation de flexibilités, etc., en lien avec les contraintes de marchés et de régulations. Les possibilités offertes par l’intelligence artificielle méritent donc d’être examinées, à la fois pour faciliter l’exercice des tâches «traditionnelles» du CCO en les automatisant (gestion des schémas particuliers pendant des travaux, par exemple), libérant ainsi ses ressources pour les tâches nouvelles évoquées ci-dessus, mais aussi pour automatiser ces mêmes nouvelles tâches.

Objectif du projet :

Il s’agit de travailler à des modules d’aide à la conduite permettant de résoudre les cas d’usages les plus simples et d’apporter un support décisionnel pour les cas complexes rencontrés par les CCO. L’évolution des outils de conduite d’Enedis, pourrait inclure un module permettant d’assister le chargé de conduite en y apportant de l’intelligence. Le concept est d’utiliser des techniques d’IA pour cataloguer les cas répétitifs afin de les automatiser et de laisser la main au chargé de conduite sur les cas difficiles.

Il est à noter que, dans un premier temps, la plus-value de l’IA sera bien étudiée pour identifier les possibilités d’assistance aux chargés de conduite, notamment pour les tâches complexes et répétitives, sans se focaliser spécifiquement sur les flexibilités initialement.

Dans un second temps, le développement de solutions pour résoudre des tâches pour le CCO (sélectionnées par l’équipe d’encadrement de la thèse) sera mis en place. Leur validation sera conduite sur des données théoriques ou pratiques en fonction des disponibilités.

Résultats attendus :

Développement de modules d’aide à la conduite permettant de résoudre des cas d’usage du CCO sélectionnés par l’équipe encadrante parmi une liste de cas d’usage où l’IA apporte un bénéfice par rapport aux outils traditionnellement utilisés.

Publications associées au projet :

  • Comparing Time Series Classification And Forecasting To Automatically Detect Distributed Generation
  • A Petrusev, R Bauer, R Rigo-Mariani, V Debusschere, P Reignier, … 2021 IEEE Madrid PowerTech, pages 1-6

Planning :

Octobre 2019 à septembre 2022

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn