Doctorant (H/F)

• Fonctionner en mode connecté au réseau principal ou en mode îloté ;
• Garantir une qualité d’énergie conforme aux exigences de stabilité, de sécurité et de continuité de service ;
• Maintenir leurs performances malgré les variations climatiques, les perturbations électriques et les défaillances de composants ;
• Assurer un niveau élevé de résilience face aux incidents affectant les équipements, les capteurs ou les infrastructures de communication.

Cependant, les méthodes classiques de protection et de surveillance atteignent aujourd’hui leurs limites face à la complexité croissante des systèmes énergétiques distribués. La présence simultanée de multiples sources d’énergie, les changements fréquents de topologie, les interactions entre couches physiques et numériques ainsi que l’apparition d’anomalies faiblement observables rendent plus difficile la surveillance des micro-réseaux modernes.

Verrou technologique : Les méthodes classiques de protection et de surveillance des micro-réseaux atteignent progressivement leurs limites face à :

• La détection d’anomalies faibles ou précurseures dans des architectures fortement converties ;
• La multiplicité des sources d’énergie et des composants (convertisseurs, batteries, systèmes hydrogène, charges pilotables) ;
• Les reconfigurations dynamiques liées aux changements de topologie et de mode de fonctionnement (connecté/îloté) ;
• Les interactions croissantes entre couches physiques et numériques (capteurs, communications, supervision) ;
• La présence de défauts concomitants et d’événements anormaux, intentionnels ou non, pouvant impacter simultanément les composants physiques, les capteurs et les systèmes de communication.

Ces limitations rendent plus complexe la détection précoce, l’isolation et la localisation des défauts dans les micro-réseaux modernes, compromettant potentiellement leur disponibilité, leur sûreté de fonctionnement et leur résilience.

Problématique et verrous scientifiques Comment développer des méthodes frugales, robustes et interprétables de détection d’anomalies et de diagnostic de défauts dans des micro-réseaux multi-sources reconfigurables, tout en maintenant des performances élevées dans des environnements contraints en données et en ressources de calcul ?

Verrous à lever : Plusieurs verrous scientifiques doivent être levés pour répondre à cette problématique.

Le premier concerne la détection précoce d’anomalies faibles ou précurseures ainsi que l’extraction de signatures pertinentes révélatrices d’un défaut naissant, avant l’apparition d’une dégradation significative des performances ou d’une défaillance du système.

Un second verrou porte sur le diagnostic de défauts multiples dans un contexte où plusieurs composants du micro-réseau peuvent être affectés simultanément et produire des signatures difficilement dissociables.

La robustesse des méthodes développées face aux changements de topologie et aux transitions entre différents modes de fonctionnement constitue également un défi majeur.

Par ailleurs, la thèse s’intéressera à la frugalité des approches proposées, en cherchant à réduire les besoins en données d’apprentissage, en mémoire et en puissance de calcul tout en conservant un niveau élevé de précision.

Une attention particulière sera portée à l’explicabilité et à l’embarquabilité des modèles afin de faciliter leur compréhension, leur validation et leur intégration dans des architectures distribuées ou embarquées.

Enfin, les approches développées devront être validées expérimentalement sur des plateformes de simulation temps réel et HIL/PHIL représentatives des conditions réelles d’exploitation.

Approche scientifique

1. Modélisation et génération de données * Développement de modèles représentatifs de micro-réseaux multi-sources intégrant production photovoltaïque, stockage électrochimique, conversion d’énergie et charges pilotables. * Génération de scénarios de fonctionnement normal, perturbé et dégradé prenant en compte différentes configurations du réseau. * Intégration de défauts physiques, de dérives de capteurs et d’anomalies affectant les systèmes de mesure et de communication, intentionnelles ou non. * Construction de bases de données dédiées à la détection d’anomalies et au diagnostic de défauts.

2. Détection d’anomalies et diagnostic de défauts par IA frugale * Sélection, extraction de caractéristiques (feature extraction) et construction d’indicateurs pertinents à partir des signaux électriques et des données de supervision. * Étude de techniques de traitement du signal adaptées à la détection précoce d’anomalies (ondelettes, composantes symétriques, indicateurs temporels et fréquentiels). * Développement d’approches hybrides combinant modèles physiques, traitement du signal, apprentissage automatique, intelligence artificielle explicable (XAI), jumeaux numériques et approches intégrées données-modèles. * Étude de la frugalité des approches développées à travers la réduction des besoins en données d’apprentissage, en mémoire et en ressources de calcul.

3. Diagnostic avancé et robustesse * Détection d’anomalies multiples et multi-événements en temps réel. * Isolation, classification hiérarchique et suivi de l’évolution des défauts affectant les composants physiques, les capteurs et les systèmes de mesure et de communication. * Analyse d’événements intentionnels ou non intentionnels pouvant produire des signatures similaires. * Analyse de robustesse face aux changements de topologie et de mode de fonctionnement. * Évaluation de l’apport potentiel des jumeaux numériques pour l’amélioration du diagnostic, de l’interprétation des résultats et de la résilience des systèmes.

4. Validation expérimentale * Validation en simulation temps réel. * Validation sur plateformes HIL/PHIL (Hardware-in-the-Loop et Power-Hardware-in-the-Loop). * Évaluation des performances sur des scénarios représentatifs de micro-réseaux résilients. * Démonstration expérimentale sur des cas d’usage intégrant différentes sources d’énergie et configurations d’exploitation.

Références bibliographiques indicatives, Cette thèse se situe dans un contexte de projet PEPR en lien avec 8 laboratoires du CNRS et du CEA dans le domaine des réseaux électriques du Futur. Plus particulièrement en lien avec le WP5 dédié à la Cyber-sécurité et protection des réseaux. Il est demandé au doctorant de travailler en projet. Certains déplacements et séjours au sein du laboratoire AMPERE seront à prévoir. La durée de ces séjours dépendra de l’avancée des travaux (pour chaque mission, entre 1 et 2 semaines). Une connaissance des différentes techniques de traitement des données est indispensable. La constitution de bases de données fiable également. La connaissance du fonctionnement d’un réseau électrique, d’un convertisseur statique et des énergies renouvelables seront des plus appréciables. Il sera prévu des validations sur des plateaux techniques.

Contraintes et risques

Les applications étant en lien avec la conversion de l’énergie, il sera demandé au doctorant d’avoir au cours de la thèse une habilitation électrique BT. Les travaux devront être validés au fur et à mesure sur les plateformes du projet. Une connaissance de l’électronique, des micro-processeurs et des moyens de communication sera obligatoire. Par ailleurs, plusieurs travaux de simulation et programmation sous Matlab/simulink et avec le langage Pythoon sont prévus. La rédaction de rapports réguliers et la présentation des travaux au sein du projet auprès des divers partenaires feront partis des tâches à prévoir.

• Formation : Master en automatique, génie électrique, IA, ou énergie.
• Compétences : Modélisation (Python/Matlab), IA (PyTorch/TensorFlow), traitement du signal.
• Qualités : Goût pour l’expérimentation (HIL/PHIL/Validation expérimentale), travail en équipe (LAAS-CNRS & AMPERE) et en projet.

Votre Environnement de Travail

La rémunération est d’un minimum de 2300,00 € mensuel

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

• Sujet de thèse : Diagnostic frugal et isolation de défauts dans les micro-réseaux multi-sources reconfigurables

• Collaboration et co-direction : LAAS-CNRS & AMPERE -
• Programme France2030 PEPR FutuRE
• Contexte et enjeux :

Les réseaux électriques évoluent vers des micro-réseaux décentralisés intégrant des énergies renouvelables intermittentes (photovoltaïque, éolien), des systèmes de stockage (batteries, hydrogène), des convertisseurs électroniques de puissance et des charges pilotables. Ces architectures cyber-physiques complexes sont appelées à fonctionner dans des environnements variés et critiques tels que les hôpitaux, les centres de données, les sites industriels ou les réseaux énergétiques isolés., * Hatziargyriou N., Microgrids: Architectures and Control, Wiley, 2014.

• Lasseter R., “Microgrids”, IEEE PES Winter Meeting, 2002.
• Guerrero J.M. et al., “Hierarchical Control of Microgrids”, IEEE Transactions on Industrial Electronics, 2011.
• Karimi H. et al., “Wavelet Based Protection of Microgrids”, IEEE Transactions on Smart Grid, 2019.
• Heidari A. et al., “Deep Learning for Fault Detection in Smart Grids”, Applied Energy, 2021.
• Wen L. et al., “Deep Transfer Learning for Fault Diagnosis”, IEEE Transactions on Industrial Electronics, 2020.
• Zhang C. et al., “Graph Neural Networks for Power Systems”, Electric Power Systems Research, 2023.
• Zhou K. et al., “Artificial Intelligence in Smart Grids”, Renewable and Sustainable Energy Reviews, 2022.
• Farhangi H., “The Path of the Smart Grid”, IEEE Power & Energy Magazine, 2010.
• EH Sepúlveda-Oviedo, L Travé-Massuyès, A Subias, Marko Pavlov, Corinne Alonso « Fault diagnosis of photovoltaic systems using artificial intelligence: A bibliometric approach ». Heliyon, 2023, Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.