Responsable du projet au CMA

Durée du projet

4 ans (2019-2023)

Équipe de recherche mobilisée au CMA

Données et apprentissage automatique

Type de projet

Partenaires

  • Idex
  • ARMINES
  • CEA Tech
  • Métropole Nice Côte d’Azur

Description du projet

Contexte :

Le développement de l’écoquartier de Nice Méridia vise la construction de 537 000 m² (logements, commerce, université, crèche, services) à l’horizon 2029. Dans ce contexte, 3 objectifs ont été fixés par la collectivité et l’aménageur (l’EPA Plaine du Var) :

  • L’implication des citoyens et usagers du territoire dans une économie ou une dynamique locale énergétique ;
  • La valorisation des énergies du territoire : la part des ENR&R locales doit dépasser 70% dans le mix énergétique global.
  • La mise en valeur d’un éco système de solutions technologiques et économiques innovantes à échelle industrielle

Pour cela, Nice Méridia dispose d’atouts et d’outils à implémenter : la construction d’un réseau de chaleur et de froid à ressource géothermique, l’équipement de l’ensemble des bâtiments d’installations de PV, et la possibilité de réaliser du stockage thermique, frigorifique et électrique.

Objectifs :

Désigné par la Métropole Nice Côte d’Azur pilote énergétique local de l’écoquartier via notamment la construction et l’exploitation du futur réseau de chaleur et de froid, Idex prévoit avec ses partenaires de développer un portefeuille d’outils et de services associés au pilotage d’un Smart Grid multi-énergies à l’échelle de l’éco quartier. Les innovations notamment envisagées sont :

  • Une solution de stockage thermique innovante par matériaux à changement de phase, en partenariat avec le CEA
  • Le pilotage d’un dispositif SmartGrid multi-énergies via une Hypervision et des algorithmes d’optimisation énergétiques développés par Armines, pour permettre notamment : une gestion de l’autoconsommation photovoltaïque, une valorisation des flexibilités diffuses, la conduite optimisée de la recharge des véhicules électrique ou de l’éclairage public…

Le projet proposé vise ainsi à démontrer la faisabilité technique et économique de telles solutions pour répliquer et industrialiser cette gamme de services sur d’autres projets.

Publications et communications dans le cadre du projet

Dhekra Bousnina, Gilles Guerassimoff. OPTIMAL MULTI-ENERGY MANAGEMENT IN SMART ENERGY SYSTEMS: A DEEP REINFORCEMENT LEARNING APPROACH AND A CASE-STUDY ON A FRENCH ECO-DISTRICT. Smart Energy Systems, International Conference, Energy Cluster Denmark; AAlborg University Denmark, Sep 2023, Copenhaguen, Denmark. ⟨hal-04323498⟩

Dhekra Bousnina, Gilles Guerassimoff. Deep Reinforcement Learning for Optimal Energy Management of Multi-energy Smart Grids. Lecture Notes in Computer Science, 2022, pp.15 – 30. ⟨10.1007/978-3-030-95470-3_2⟩. ⟨hal-03587262⟩

Dhekra Bousnina, Gilles Guerassimoff. Multi-energy optimization in Smart Grids: a Deep Reinforcement Learning approach. SophI.A Summit, Nov 2020, Sophia-Antipolis, France. ⟨hal-03021016⟩

Dhekra Bousnina, Gilles Guerassimoff. Machine Learning methods to assist multi-energy systems optimization in a Smart Grid. SOPH.I.A Summit, Nov 2019, Sophia Antipolis, France. ⟨hal-02433485⟩