La production énergétique est en pleine mutation avec l'arrivée de la production d'énergie renouvelable par les consommateurs, la gestion intelligente de la consommation énergétique, etc. Comment l'intelligence artificielle peut-elle aider à cette transition ?  

Comment utiliser les outils à base d'intelligence artificielle (IA) pour lever les défis liés à la transition énergétique ? Différentes techniques sont comparées en fonction des conditions et des contraintes d’application dans le contexte de la gestion intelligente de l’énergie.

Les systèmes de contrôle-commande sont des systèmes cyber-physiques qui combinent des couches de calcul, de communication et physique afin de réaliser un ensemble de tâches. Comment, dans le contexte de la transition énergétique, protéger ces systèmes contre les cyberattaques ?

Devant le développement du parc éolien, il devient impératif de pouvoir trouver des méthodes fiables de diagnostic des défauts des éoliennes. Retrouvez ici les principes de base des éoliennes et une présentation des différentes méthodes de diagnostic des défauts.  

Le diagnostic des Systèmes Dynamiques Hybrides (SDHs) nécessite l'exploitation conjointe de la dynamique continue et de la dynamique discrète. De nombreuses approches sont développées en fonction de la communauté (continue ou discrète) dont elles sont issues. Les approches de la communauté continue (discrète) intègrent la dynamique discrète (continue) afin d'améliorer la capacité du diagnostic des défauts paramétriques (discrets) ou pour diagnostiquer à la fois les défauts paramétriques et discrets. Dans cet article, les défis et le principe général des méthodes de diagnostic des SDHs sont présentés. Ensuite, les méthodes de diagnostic des SDHs les plus connues sont étudiées et comparées en utilisant un système à base de réservoir équipé par une pompe et une vanne.

Comme l'environnement est en perpétuelle évolution, la majeure partie des données issues du monde réel est non stationnaire. Cette non-stationnarité modifie le comportement du système affectant la justesse de prédiction de son modèle. Par conséquent, les paramètres et la structure du modèle doivent être mis à jour afin de conserver la justesse de sa prédiction au cours du temps. Dans cet article, le problème d'apprentissage des modèles à partir des données non stationnaires est étudié et des méthodes et techniques adaptés à ce type d'apprentissage sont présentées et analysées.

Le diagnostic des systèmes à événements discrets est l'opération permettant de détecter et d'identifier certains événements inobservables représentant des défauts. La majorité des systèmes réels sont de grande taille. Ils sont constitués par des composants interconnectés et décentralisés en termes d'information et de localisation géographique. C'est pourquoi leur diagnostic nécessite une approche de diagnostic décentralisé. Dans cet article, les méthodes à base d'événements discrets les plus connues pour le diagnostic décentralisé sont étudiées et analysées.