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
- Predicting Power Consumption Using Machine Learning Techniques–>https://hal.science/hal-04698565v1
- Wind turbine fault detection and identification using a two-tier machine learning framework–> https://hal.science/hal-04564635v1
Publications : Other
- Efficient health indicators for the prediction of the remaining useful life of proton exchange membrane fuel cells–> https://www.sciencedirect.com/science/article/pii/S2590174523001599
- Machine learning solutions for renewable energy systems: Applications, challenges, limitations, and future directions –> https://www.sciencedirect.com/science/article/abs/pii/S0301479724003785
- Leveraging the power of machine learning and data balancing techniques to evaluate stability in smart grids–>https://www.sciencedirect.com/science/article/abs/pii/S0952197624004627
- Machine Learning Algorithms for Solar Irradiance Prediction: A Recent Comparative Study–>https://www.sciencedirect.com/science/article/pii/S2772671124000354.
- A comparative study of ensemble methods and multi-output classifiers for predictive maintenance of hydraulic systems–>https://www.sciencedirect.com/science/article/pii/S2590123024011551
—————————–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 »