Zaid ALLAL

Doctorant, Polytech Annecy-Chambéry.
—————————–Contact—————————–

Courriel : Zaid.Allal@univ-smb.fr

Gmail : dr.allal.zaid@gmail.com

LinkedIn–>https://www.linkedin.com/in/allal-zaid-14b400255/

Téléphone : +33 (0)4 50 09 xx xx

Wtsp: +212 (0)658640961

Bureau : Axxx

Adresse : LISTIC, 5 chemin de bellevue, CS80439, 74 944 Annecy Cedex

—————————–Thèse—————————–

Theme : ReGaRD

Sujet : Solutions d’apprentissage automatique efficaces et robustes pour les systèmes d’énergie renouvelable et d’hydrogène.

Résumé :

La transition vers des sources d’énergie durables et renouvelables, ainsi que l’utilisation de l’hydrogène comme vecteur d’énergie, est devenue un point central des politiques énergétiques mondiales. L’apprentissage automatique (ML) a le potentiel de relever ces défis et de révolutionner la manière dont nous exploitons et utilisons les énergies renouvelables et l’hydrogène.Cette thèse présente une étude exhaustive visant à enquêter et à développer des applications d’apprentissage automatique dans le domaine des systèmes d’énergie renouvelable. Cette étude se concentrera sur trois cas d’utilisation de modèles ML/DL pour différents processus d’hydrogène/énergie renouvelable, à savoir : (a) la production, (b) le stockage et (c) la distribution, ainsi que le scénario possible de combiner l’énergie hydrogène avec les systèmes d’énergie renouvelable. Les résultats de cette thèse contribueront à l’avancement de solutions énergétiques modernes intelligentes, automatisées, durables et propres, capables de réduire les émissions de carbone et d’atténuer les impacts du changement climatique.

Mots-clefs :

  • Prétraitement et post-traitement des données
  • Maintenance prédictive et détection des pannes
  • Apprentissage automatique/ profond
  • Apprentissage par renforcement
  • Systèmes d’énergie a base hydrogène
  • Systèmes d’énergie renouvelable

Publications : HAL

Publications : Other

—————————–Direction de Thèse —————————–

Co-encadrant : Flavien Vernier

Encadrant : Hassan Noura

Début de la thèse :12-10-2023

Ecole doctorale : SISEO « Sciences et Ingénierie des Systèmes, de l’Environnement et des Organisations »