Institut multidisciplinaire d'intelligence artificielle

DEBUSSCHERE Vincent,
Professeur associé à Grenoble INP UGA,
vincent.debusschere@grenoble-inp.fr
Linkedin
Site web

DESCRIPTION

La transition vers des systèmes énergétiques décarbonisés est essentielle pour atténuer le changement climatique. L'intégration des énergies renouvelables et les ressources distribuées, comme les véhicules électriques, accompagnent les changements actuels dans les systèmes énergétiques, participant à leur complexité et à leur variabilité accrues. L'intelligence artificielle offre des solutions complémentaires pour optimiser la distribution, le stockage et la consommation d'énergie, améliorant ainsi l'efficacité et la fiabilité des systèmes. Toutefois, la numérisation des systèmes énergétiques devrait accompagner leur décarbonisation et favoriser l'autosuffisance. A ce titre, les techniques basées sur les données, la décentralisation de l'intelligence, s'appuyant notamment sur l'edge computing, et l'interconnexion avec les systèmes d'information et de contrôle doivent être développées, en considérant d'abord l'humain dans la boucle, mais surtout en assurant des améliorations globales multicritères des systèmes énergétiques, en minimisant les effets de rebond, et en bénéficiant aux utilisateurs finaux dans l'appropriation de leur consommation d'énergie. Ceci constitue le champ d'application de la chaire proposée sur les systèmes énergétiques complexes à plusieurs échelles.

ACTIVITÉS

• Un doctorat vient d'être lancé sur la manière dont l'intelligence artificielle générative pourrait aider à surveiller les faiblesses des réseaux électriques entre le G2ELab, le GIPSA-Lab et la start-up Altrans Energy.
• Les discussions en cours devraient conduire à une autre action sur la génération de données pour une meilleure modélisation du réseau de distribution, la planification et la génération automatique entre le G2Elab et l'INRIA, probablement anticipée avec une thèse de Master.
• Un mémoire de Master doit travailler sur la mise en œuvre effective de la flexibilité dans un système énergétique domestique, en l'occurrence un réfrigérateur, avec la création d'un démonstrateur réel sur la plateforme expérimentale G2Elab Monitoring and Intelligent Habitat.
• Un doctorat industriel sera lancé avec Enedis sur le contrôle photovoltaïque à faible coût, avec l'informatique de pointe et des capacités embarquées optimisées en vue de l'évolutivité. Ce doctorat sera supervisé conjointement par le G2Elab et le LIG.
• Deux post-docs vont démarrer entre l'UGA et l'Université d'Adélaïde sur le contrôle décentralisé et la modélisation du comportement des utilisateurs finaux avec des contraintes liées au réseau (l'un en France et l'autre en Australie).

ÉVÉNEMENTS

• Table ronde sur l'IA pour les réseaux intelligents à l'Assemblée générale de l'Institut des réseaux intelligents à Lyon (21 mars 2025).
• Présentation à la MIAI meeting sur l'énergie avec Tenerrdis (10 avril 2025).
• Organisation d'une table ronde avec des acteurs clés de l'industrie sur l'IA et l'énergie pendant les MIAI days (19 juin 2025).
• Atelier de recherche avec le KIT pour identifier des sujets de collaboration en relation avec les systèmes énergétiques et diverses techniques, notamment l'IA (23 juin 2025).
• Président d'une session sur "Multi-sources, multi-energy Microgrids" s'appuyant sur des techniques basées sur l'IA au Symposium de Génie Electrique, SGE, Toulouse (1 juillet 2025).
• Organisation d'un séminaire sur l'IA pour les systèmes énergétiques au Conseil Scientifique du G2ELab (devant ~100 chercheurs du laboratoire), avec Benoit Delinchant et Rémy Rigo-Marinai (10 juillet 2025).
• Organisation d'une session spéciale sur les grilles lors du symposium FACET (8 octobre 2025, après-midi).
• Présentation d'un projet de recherche en cours en collaboration avec l'Université d'Adélaïde et l'Université de Monash sur une meilleure compréhension de la consommation d'énergie à travers la réaction des utilisateurs finaux aux incitations non complexes à la flexibilité (8 octobre 2025, matin).
• Représentant la Chaire CIMES, Grenoble INP ENSE3 a accueilli la réunion de lancement d'un projet européen dont l'objectif est de créer un nouveau Master international sur les "Systèmes énergétiques avancés et l'IA". Les partenaires sont, entre autres, la KU Leuven, l'UPC Barcelona, la KTH et l'ESADE (9-10 octobre 2025).
• Participation à la création d'une séquence sur l'IA pour les réseaux de distribution dans un MOOC sur les réseaux et les systèmes énergétiques, à paraître mi-2026, Romain Rombourg.
• Participation à une table ronde avec Schneider Electric et l'UGA sur le thème des solutions basées sur l'IA pour les systèmes énergétiques lors des Rencontres Nationales des Entreprises Locales de Distribution (16 octobre 2025, après-midi).
   

LISTE SÉLECTIVE DE PUBLICATIONS

• Model-free safe deep reinforcement learning for grid-to-vehicle management considering grid constraints and transformer thermal stress, Z Zhang, Rigo-Mariani, N Hadjsaid, Y Xu, Engineering Applications of Artificial Intelligence 162, 112529
• Comparative of control strategies on electrical vehicle fleet charging management strategies under uncertainties, Zhang, R Rigo-Mariani, N Hadjsaid, Energy and AI, 100522
• Time-series clustering : A benchmark study on energy data with insights into demand response, RK Ahir, B Delinchant, A Easwaran, Engineering Applications of Artificial Intelligence 163, 112892
• Hybrid model of convolutional auto-encoder and ellipse characteristic for unsupervised high impedance fault detection, J Yang, B Delinchant, D Niyato, N Hadjsaid, Electric Power Systems Research 238, 111166
  
  Articles de conférence
   
• Apprentissage par renforcement pour la gestion d'un parc de véhicules électriques dans un réseau de distribution, Zhang, R Rigo-Mariani, N Hadjsaid, 2025 IEEE Kiel PowerTech, 1-6
• Kumar, S. R., Easwaran, A., Delinchant, B. et Rigo-Mariani, R. (2024, juin). Real-time Retail Electricity Pricing Using Offline Reinforcement Learning. Dans les actes de la 15e conférence internationale de l'ACM sur les systèmes énergétiques futurs et durables (pp. 454-458).
• Modelling local electricity consumption by incorporating data of social media using natural language processing, Y Huang, MS Shahid, A De Moliner, B Delinchant, P Cauchois, IET Conference Proceedings CP922 2025 (14), 263-267
• Ram Kumar, S., Easwaran, A., Delinchant, B. et Rigo-Mariani, R. (2025, juin). Improving Demand Response Programs Using Override Signals with Reinforcement Learning (Amélioration des programmes de réponse à la demande à l'aide de signaux d'annulation avec apprentissage par renforcement). Dans les actes de la 16e conférence internationale de l'ACM sur les systèmes énergétiques futurs et durables (pp. 603-611).
• Sanchez, F., Mohamed, A., Rigo-Mariani, R. et Debusschere, V. (2025, juin). Supervised Learning for the Bidding of Grid-Connected Batteries in the Day-Ahead Market. In 2025 IEEE Kiel PowerTech (pp. 1-7). IEEE.
• Sanchez, F., Debusschere, V., Rigo-Mariani, R. et Labonne, A. (2025, juin). Versatile and self-adapting smart home control. In IET Conference Proceedings CP922 (Vol. 2025, No. 14, pp. 308-312).