(H/F) Offre Post-Doc : Stratégies pour une infrastructure de recharge optimale des véhicules électrique

Missions :
Notre groupe a développé eMob-TwinV1 en s'appuyant sur les résultats de l'ERC-AdG Scale-FreeBack (emob-twin.inrialpes.fr), aboutissant à un outil de simulation de l'e-mobilité piloté par la technologie des jumeaux numériques. eMob-Twin sert à diverses fins, notamment la prévision, l'analyse et la libération de la flexibilité des véhicules électriques (VE), répondant aux besoins des entreprises, des parties prenantes et des marchés de l'électricité. Conçu initialement pour la région métropolitaine de Grenoble, une nouvelle version actuellement en développement, eMob-TwinV2, aura la capacité de s'appliquer à toute autre ville métropolitaine en France, en intégrant des fonctionnalités d'auto-calibration. Principalement axé sur la mobilité des véhicules électriques (VE) et leur état de charge, il intègre également des stations de recharge multi-énergie. Dans le cadre de l'initiative PEPR-FORBAC, nous visons à relever deux défis principaux. Premièrement, nous cherchons à optimiser l'emplacement des stations de recharge (localisation des PC) pour assurer une couverture efficace. Deuxièmement, nous visons à optimiser la densité de distribution d'énergie par unité de surface, en utilisant la solution en régime permanent du modèle dynamique d'électromobilité tout en respectant les contraintes d'équilibre énergétique (assurer que la demande de recharge des VE corresponde à l'infrastructure de l'offre des stations de recharge). Les résultats seront intégrés sous forme de boîte à outils dans le logiciel eMob-Twin V2
Activités :
Programme de travail. Le programme de travail comprend plusieurs domaines de développement clés, en se concentrant sur les extensions de modèles, les défis d'optimisation à grande échelle et la mise en œuvre logicielle:
• Étendre le modèle existant référencé dans [1, 2] pour incorporer des nœuds supplémentaires représentant des stations de recharge avec une capacité réelle, des modèles de prix pour les conducteurs-utilisateurs, et leur intégration au réseau,
• Suivant les idées de [2], concevoir des algorithmes d'optimisation hautement efficaces (y compris des stratégies d'apprentissage et d'IA) pour le placement des stations de recharge et la densité de distribution de puissance par unité de surface dans le cadre du modèle étendu. Ces solutions doivent être évolutives pour couvrir l'ensemble du modèle de graphe,
• Intégrer les algorithmes développés (à la fois les extensions de modèle et les algorithmes d'optimisation) dans eMob-Twin V2, et mener des analyses comparatives des résultats d'optimisation avec ceux fournis par les décideurs politiques et les urbanistes (SDRIVE).
L'intégration des composants logiciels sera réalisée avec l'assistance de notre équipe locale d'ingénieurs de recherche.
References
1. Rodriguez-Vega, M., Canudas-de Wit, C., Nunzio, G.D., and Othman, B. (2023). A graph-based mobility model for electric vehicles in urban traffic networks: Application
Voir plus sur le site emploi.cnrs.fr...