Résumé :
Cette thèse présente la conception, la mise en œuvre et la validation expérimentale d’un système multi-agent (SMA) embarqué pour la gestion énergétique des micro-réseaux résidentiels. L’intégration croissante des sources d’énergie renouvelable, en particulier les systèmes photovoltaïques (PV), ainsi que des solutions de stockage d’énergie dans les environnements résidentiels, nécessite des stratégies de contrôle intelligentes et décentralisées afin d’optimiser l’utilisation de l’énergie, d’améliorer l’autoconsommation et de garantir la stabilité du réseau électrique.
L’architecture proposée repose sur des agents autonomes dédiés à des fonctions clés telles que la prévision et le contrôle de la puissance photovoltaïque, la gestion du stockage par batterie, et la supervision des charges. Le système utilise des techniques avancées de prévision basées sur des réseaux neuronaux autoregressifs non linéaires (NARX) pour estimer avec précision la production PV, permettant ainsi une commutation dynamique entre le suivi du point de puissance maximale (MPPT) et la limitation de puissance. L’agent batterie gère les cycles de charge et décharge pour équilibrer l’offre et la demande énergétique, assurant la fiabilité du système même en cas de perte de communication.
L’implémentation sur des plateformes embarquées, notamment des Raspberry Pi, et les tests réalisés sur la plateforme micro-réseau Pla-NeTE démontrent la robustesse, la précision et l’adaptabilité du système aux conditions réelles. Le SMA embarqué proposé montre un fort potentiel pour améliorer l’efficacité énergétique, réduire la dépendance au réseau principal, et offrir une solution évolutive pour les systèmes énergétiques résidentiels intelligents.
Ce travail constitue une base solide pour des recherches futures portant sur des architectures multi-agents à grande échelle, des stratégies de contrôle adaptatives, et l’intégration d’autres sources renouvelables, contribuant ainsi à la transition vers des réseaux électriques intelligents durables et résilients.
