"MODÉLISATION ET OPTIMISATION DE MICRO RÉSEAUX SOUS INCERTITUDE AVEC UNE APPROCHE ORIENTÉE AGENT" PAR ELIZAVETA KUZNETSOVA Par Madame Elizaveta Kuznetsova Discipline : Sciences Economiques Le travail de recherche est axé sur la gestion de l'énergie dans les micro réseaux électriques. La contribution scientifique est ici basée sur: (i) des approches de modélisation d'intelligence individuelle pour la gestion d'énergie sous incertitudes et (ii) la gestion de l'énergie dans un micro réseau intégrant différents acteurs avec des objectifs conflictuels. Les acteurs de micro réseaux, opérant sous un accès limité aux informations et en présence d'incertitudes opérationnelles et environnementales, sont modélisés par une approche orientée agent (Agent-Based Modelling). Les approches considérées pour la modélisation de l'intelligence individuelle dans cette thèse, i.e. l'apprentissage par renforcement (Reinforcement Learning) et l'optimisation robuste (Robust Optimization), attribuent à chaque agent des capacités de prise de décision, d'adaptation à leur environnement stochastique et d'interactions avec d'autres agents. Les méthodes de modélisation développées ont été testées sur des micro réseaux urbains impliquant différents consommateurs d'énergie, des sources d'énergie renouvelable et des moyens de stockage, afin d'optimiser la gestion de l'énergie en termes de fiabilité et des aspects économiques, sous incertitudes opérationnelle, environnementale et de défaillances des composants. Mots clés: Réseaux intelligents (Smartgrids), micro réseau, approche orientée agent, incertitude, apprentissage par renforcement, optimisation robuste Abstract : This thesis concerns the energy management of electricity microgrids. The scientific contribution follows two directions: (i) modelling individual intelligence in energy management under uncertainty and (ii) microgrid energy management integrating diverse actors with conflicting objectives. Agent-Based Modelling (ABM) is used to describe the dynamics of microgrid actors operating under limited access to information, and operational and environmental uncertainties. The approaches considered to model individual intelligence in this thesis, Reinforcement Learning and Robust Optimization, provide each agent with the capability of making decision, adapting to the stochastic environment and interacting with other agents. The modelling frameworks developed have been tested on urban microgrids integrating different energy consumers, sources of renewable energy and storage facilities, for optimal energy management in terms of reliability and economic indicators under operational and environmental uncertainty, and components failures. Keywords: Smartgrids, microgrid, agent-based model, uncertainty, reinforcement learning, robust optimization. Membres du jury : Philippe DESSANTE, Professeur des Universités, à l'Ecole Supérieure d'Electricité SUPELEC, Gif-sur-Yvette - Rapporteur Antonello MONTI, Professeur, à l'Université Aachen, Allemagne - Rapporteur Enrico ZIO, Directeur de Recherche, Habilité à Diriger des Recherches, à l'Ecole Centrale de Paris, Chatenay-Malabry - Directeur de thèse Laurent SCHMITT, Senior Director, à Alstom Grid, Massy - Examinateur Michel MINOUX, Professeur Emérite, à l'Université Pierre et Marie Curie, Paris - Examinateur Laëtitia ANDRIEU, Ingénieur de Recherche, Habilité à Diriger des Recherches, à Electricité de France - Examinateur Changer mon statut sur twitter Partager sur 'Facebook Partager sur 'Digg' Partager sur 'LinkedIn' Partager sur 'Viadeo' Partager cette actualité sur : Dernière mise à jour de cette page : 25 février 2014 Page 1