Des outils numériques pour une transition énergétique
SII Research investit dans des outils numériques pour rendre la transition énergétique concrète, mesurable et industrialisable. Nos travaux de recherche portent plus particulièrement sur les objectifs suivants :
Accélérer la transition énergétique du transport et des infrastructures grâce à la modélisation et à la simulation multiphysiques.
Améliorer la gestion énergétique : batteries, smart grids et communautés d’énergie.
Développer des outils numériques pour piloter l’impact environnemental des activités et infrastructures industrielles
NOS SUJETS DE RECHERCHE
DECO (Decentralized Energy Communities)
La transition des systèmes énergétiques centralisés, qui ont longtemps dominé l'infrastructure d'approvisionnement en énergie, vers des alternatives plus durables et résistantes est devenue une priorité en Europe. Ces communautés énergétiques décentralisées (DECO) sont des réseaux énergétiques locaux, capables de fonctionner de manière autonome ou en connexion avec des réseaux plus larges, et dont les membres sont à la fois producteurs et consommateurs d'énergie (prosommateurs).
Ce projet de R&D a trois principales contributions scientifiques :
Le développement d'un outil basé sur l'IA pour prédire la consommation de différents types de ménages, en tenant compte des incertitudes.
Le développement d'un outil d'IA pour une prévision rapide et précise de la production d'énergie photovoltaïque, basée sur des données historiques et météorologiques.
L'optimisation de l'échange d'énergie au sein et entre les communautés énergétiques, avec des recommandations d'achat/vente utilisant la blockchain pour les utilisateurs.
M4ECOCO
Aujourd’hui les décisions sur les évolutions des process d’ingénierie systèmes son prises en fonction de 2 critères : financier et performance.
L’analyse de l’impact environnemental, quand elle est faite, arrive à posteriori et n’est pas prise en compte dans le cycle de décision.
L’objectif du projet est de proposer une solution permettant de comparer les impacts des évolutions des process industriel et de fournir les éléments à une prise de décision éclairé.
Notre approche combine la méthodologie ACV (analyse de Cycle de Vie) et la modélisation des processus afin de proposer une solution adaptable à tous les contextes industriels.
THOR (Tracking battery Health for Optimized Recharge)
La montée en puissance des véhicules électriques — 84 millions prévus en Europe d’ici 2030 — et le déploiement massif de points de recharge, résidentiels comme publics, complexifient fortement la gestion du vieillissement des batteries. L’essor de la recharge bidirectionnelle accentue ces défis en multipliant les cycles charge/décharge et en introduisant des problèmes d’interopérabilité entre infrastructures.
Le projet vise à modéliser plus finement ce vieillissement à partir de profils d’usage réalistes, à exploiter des approches empiriques et d’apprentissage automatique pour prédire leur état de santé, et à intégrer ces modèles dans des systèmes de pilotage capables d’adapter les stratégies de recharge et de décharge en fonction de la dégradation réelle des batteries.