Publications

• Articles
• Communications
• Ouvrages
• Brevets
• Thèses soutenues
  • Détail des thèses
    • Soutenance de these de Papa GUEYE
    • Soutenance de thèse de Etta GROVER-SILVA
    • Soutenance de thèse de Ghislain AGOUA
    • Soutenance de thèse de Thibaut BARBIER
    • Soutenance de thèse de Fabien LABBE
    • Soutenance de thèse de Lucia IANNICIELLO
    • Soutenance de thèse de Romain DUPIN
    • Soutenance de these de Pedro AFFONSO NOBREGA
    • Soutenance de these de Youssef ABDO
    • Soutenance de thèse de Kévin NOCENTINI
    • Soutenance de thèse de Carlos Adrian CORREA FLOREZ
    • Soutenance de thèse de Alexis GEROSSIER
    • Soutenance de thèse de Sahng Hyuck WOO
    • Soutenance de thèse de Li DI
    • Soutenance de these de Simon CAMAL
    • Soutenance de these de Thomas CARRIERE
    • Soutenance de these de Antoine ROGEAU
    • Soutenance de thèse de Lluis SOLA HERNANDEZ
    • Soutenance de these de Thomas HEGGARTY
    • Soutenance de these de Valentin MAHLER
    • Soutenance de these de Kevin BELLINGUER
    • Soutenance de these Emilie Powaga
    • Soutenance de thèse de Hongxin GE
    • Soutenance de Akylas STRATIGAKOS
    • Soutenance de Biswarup MUKHERJEE
    • Soutenance de Shengfei WANG
    • Soutenance de Fian ASSEMIEN
    • Soutenance de Stefano CASSANO
    • Soutenance d'Anaëlle JODRY
    • Soutenance d'Alberto VAZQUEZ
    • Soutenance de thèse de Riham KANAAN
    • Soutenance de Miaomiao WEN
• HDR

Soutenance de thèse de Biswarup MUKHERJEE

Méthodes d’optimisation pour la programmation de la charge des véhicules électriques et la planification de leur infrastructure de charge

Titre anglais : Optimization methods for scheduling the charge of electric vehicles and planning their charging infrastructure
Date de soutenance : le vendredi 7 juillet 2023 à 09h30
Adresse de soutenance : 1 Rue Claude-Daunesse 06904, Sophia Antipolis - Amphithéatre Mozart
Directeur de thèse : Georges KARINIOTAKIS
Maître de thèse : Fabrizio SOSSAN
Langue de soutenance: Anglais

devant le jury composé de :

Mots clés en français : Véhicules électriques, Réseaux de distribution, Flux de puissance optimal, Programmation optimale, Planification optimale, Chargement intelligent, Véhicule-to-réseau, Stations de charge, Autoconsommation PV
Mots clés en anglais : Electric vehicles, Distribution networks, Optimal power flow, Optimal scheduling, Optimal planning, Smart charging, Vehicle-to-grid, Charging stations, PV self-consumption

Résumé de la thèse en français
Le nombre croissant de véhicules électriques (VE) représente un défi important pour les gestionnaires de réseaux de distribution (GRD) en raison de l'augmentation de la demande d'énergie nécessaire à la recharge. Cette thèse aborde le problème en développant des solutions algorithmiques pour aider les gestionnaires de réseaux de distribution à gérer efficacement la forte pénétration des véhicules électriques. La recherche se concentre sur deux aspects principaux : la programmation de la charge des VE et la planification de l'infrastructure de charge nécessaire. Pour la programmation de la charge des VE, la thèse se concentre sur le développement d'un cadre algorithmique unifié capable de prendre en compte différentes politiques de charge tout en considérant les contraintes opérationnelles du réseau. Ce cadre utilise une formulation OPF, incorporant un modèle linéarisé du réseau pour assurer la convexité et améliorer l'efficacité des calculs. Cette approche permet de comparer et d'analyser les performances de différentes stratégies de tarification. Pour planifier l'infrastructure de recharge en cas de forte pénétration des VE, une formulation MILP est proposée, étendant le cadre d'ordonnancement proposé. L'objectif est ici de calculer le nombre et l'emplacement des chargeurs de VE en satisfaisant la demande de charge des VE et les contraintes opérationnelles du réseau de distribution. La formulation proposée modélise explicitement la flexibilité des propriétaires dans le branchement et le débranchement de leurs VE. En outre, la méthode de planification prend en compte le concept de chargeurs à port unique et à ports multiples, en soulignant leur importance. En outre, une extension de la méthode est proposée pour encourager l'autoconsommation photovoltaïque et intégrer la fonctionnalité V2G. La validation des plans de déploiement proposés démontre la supériorité des chargeurs déployés de manière optimale pour atteindre des niveaux de charge plus élevés pour les VE par rapport aux scénarios de déploiement uniforme.
 

Résumé de la thèse en anglais
The growing number of electric vehicles (EVs) poses a significant challenge for distribution grid operators (DSOs) due to their increased power demand required for charging. This thesis addresses the issue by developing algorithmic solutions to assist DSOs in effectively managing high EV penetration. The research focuses on two main aspects: scheduling EV charging and planning the necessary charging infrastructure. For scheduling the charge of EVs, the thesis focuses on the development of a unified algorithmic framework capable of accommodating various charging policies while considering operational constraints of the grid. This framework utilizes an OPF formulation, incorporating a linearized model of the grid to ensure convexity and improve computational efficiency. By employing this approach, the performance of different charging strategies can be compared and analyzed. To plan the charging infrastructure for large penetration of EVs, a MILP formulation is proposed, extending the proposed scheduling framework. Here the objective is to compute the number and the location of EV chargers by satisfying EVs' charging demand and the operational constraints of the distribution grid. The proposed formulation explicitly models flexibility of owners in plugging and unplugging their EVs. Additionally, the planning method considers the concept of single-port and multi-port chargers, highlighting their significance. Furthermore, an extension of the method is proposed to encourage PV self-consumption and incorporate V2G functionality. Validation of the proposed deployment plans demonstrates the superiority of optimally deployed chargers in achieving higher charging levels for EVs compared to uniform deployment scenarios.