Soutenance de these de M. Alnour RIBAULT

Date : 
Lundi 27 janvier 2020
Type : 

M. Alnour RIBAULT soutiendra sa thèse intitulé "Optimisation de la consommation d’énergie d’un entrepôt frigorifique : une double approche par la recherche opérationnelle et l’apprentissage automatique" le lundi 27 janvier 2020 à 10h30 à la salle de conférences de l'IUT Lumière Lyon 2 (160 Boulevard de l'Université, 69500 Bron). La soutenance sera suivie d'un pot. 

Les travaux de thèse seront présentés devant un jury composé de : 

  • Monsieur Stéphane Ploix, Professeur à l'Institut Polytechnique de Grenoble, Rapporteur
  • Monsieur Lyes Benyoucef, Professeur à l'Université d'Aix-Marseille, Rapporteur
  • Madame Nathalie Sauer, Professeur à l'Université de Lorraine, Examinatrice
  • Madame Rosa Abbou, Maître de Conférences à l'Université de Nantes, Examinatrice
  • Monsieur Yacine Ouzrout, Professeur à l'Université Lumière Lyon 2, Directeur de thèse
  • Monsieur Samuel Vercraene, Maître de Conférences à l'INSA de Lyon, Co-encadrant de thèse
  • Monsieur Sébastien Henry, Maître de Conférences à l'Université Claude Bernard Lyon 1, Co-encadrant de thèse

Résumé : 

Les entrepôts frigorifiques en Europe consomment une quantité importante d’énergie afin de maintenir leurs chambres froides à basse température. La méthode de gestion de la production de froid utilisée dans la plupart des entrepôts frigorifiques ne prend pas en compte les variations de prix de l’électricité causées par les besoins fluctuants du réseau électrique, malgré la possibilité d’utiliser l’inertie thermique des chambres froides ainsi que la cuve de réfrigérant comme des stocks d’énergie. De plus, les compresseurs frigorifiques sont utilisés à des niveaux de production au rendement sous-optimal. Ces pratiques entraînent des surplus de coût et de quantité d’énergie consommée.

Dans ces travaux de recherche, deux approches sont proposées pour améliorer le pilotage des entrepôts frigorifiques. La première est basée sur une modélisation mathématique des entrepôts, puis par l’application d’algorithmes d’optimisation afin de générer des planifications de production dont le coût est minimisé. La seconde, basée sur des techniques d’apprentissage automatique, vise à déterminer les meilleures décisions de production en fonction du contexte de production via la prédiction du cout futur engendré par chaque décision de production possible. Ces deux approches sont comparées à la méthode usuelle de pilotage des entrepôts frigorifiques.