Contexte : La transition énergétique impose un déploiement massif et efficace des énergies renouvelables, parmi lesquelles les systèmes photovoltaïques en toiture (RPV) occupent une place centrale. Toutefois, l'absence d'informations précises sur la localisation, le dimensionnement et les caractéristiques techniques des systèmes RPV existants limite fortement la capacité à planifier leur développement et à optimiser leur intégration au réseau électrique.
Cette thèse se focalise sur le développement d'une méthodologie innovante pour localiser et caractériser précisément les installations photovoltaïques en toiture à l'aide de méthodes avancées en intelligence artificielle (IA), combinées à des données géospatiales diverses (imagerie aérienne, LiDAR, données cadastrales, données socio-économiques).
Objectifs de la thèse :
- Élaborer une base de données unifiée intégrant des informations spatiales détaillées (images aériennes haute résolution, LiDAR, cadastre) ainsi que des données socio-économiques et techniques des bâtiments.
- Développer et valider des modèles de classification et de segmentation par apprentissage profond, adaptés à l'échelle du bâtiment pour identifier précisément les systèmes photovoltaïques installés.
- Explorer l'utilisation de l'intelligence artificielle fédérée pour gérer efficacement l'hétérogénéité spatiale et temporelle des données, assurant ainsi robustesse et adaptabilité du modèle.
- Fournir des cartes interactives précises et évolutives permettant d'analyser la répartition spatiale des systèmes photovoltaïques en toiture, et d'étudier les dynamiques et les facteurs influençant leur adoption.
Méthodologie : Le candidat combinera des approches d'apprentissage automatique profond telles que les réseaux de neurones à convolution (CNN) et les architectures de segmentation sémantique (U-Net). Une attention particulière sera portée aux méthodes d'intelligence artificielle fédérée afin d'améliorer la performance des modèles sur des jeux de données géographiquement distribués et variés. Le travail s'appuiera sur des bases de données existantes et en accès libre, ainsi que sur des outils géospatiaux avancés pour assurer la précision et la transférabilité des résultats.
Résultats attendus :
- Mise en place d'une méthodologie reproductible et robuste pour l'identification des systèmes RPV.
- Production de modèles capables de généralisation à grande échelle.
- Diffusion en accès ouvert des jeux de données et des outils développés.
- Valorisation scientifique par la publication dans des revues internationales et présentation lors de conférences majeures du domaine.
Contexte de travail
Cette thèse sera réalisée au laboratoire LOCIE (UMR 5271 CNRS - Université Savoie Mont Blanc, Institut National de l'Énergie Solaire). Le stage se déroulera au laboratoire LOCIE, 60 avenue du Lac Léman, Savoie Technolac, 73376 Le Bourget-du-Lac.
USMB (Université Savoie Mont Blanc) - Avec 15 000 étudiants, une offre de formation riche et pluridisciplinaire, et 18 laboratoires de recherche reconnus à l'international, l'Université Savoie Mont Blanc (Chambéry) est une université de haut niveau qui a développé une expertise significative dans le domaine de l'énergie solaire, de l'efficacité énergétique des bâtiments, ainsi que dans les sciences de la modélisation et de l'information.
CNRS (Centre National de la Recherche Scientifique) est l'un des principaux organismes de recherche au monde. Ses chercheurs explorent le vivant, la matière, l'Univers, ainsi que le fonctionnement des sociétés humaines afin de relever les grands défis d'aujourd'hui et de demain. Internationalement reconnu pour l'excellence de ses recherches, le CNRS est une référence tant dans le monde de la recherche et du développement qu'auprès du grand public.
INES (Institut National de l'Énergie Solaire) est un leader mondial dans les domaines de la R&D, de l'expertise et de la formation sur les technologies solaires avancées, leur intégration dans les systèmes et la gestion intelligente de l'énergie
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.