Démonstration de la Flexibilité dans le bâtiment tertiaire GreEn-ER // Demonstration of Flexibility in the GreEn-ER Commercial Building

Contexte :
Ce projet projet vise à évaluer comment un grand bâtiment tertiaire existant peut être transformé en un actif énergétique interactif avec le réseau et adapté aux besoins des utilisateurs grâce à une commande base sur la prédiction, l'optimisation et l'interaction avec les parties prenantes.
Il sera mis en œuvre dans le bâtiment GreEn-ER à Grenoble en se concentrant sur la gestion coordonnée du refroidissement, de la ventilation, de l'autoconsommation photovoltaïque et de la recharge des VE, garantissant confort, transparence et intégration transparente de la flexibilité auprès des occupants.
Objectifs :
• Démontrer l'intégration d'un système de gestion énergétique des bâtiments (BEMS) existant avec des mécanismes de flexibilité basés sur le marché réel pour les grands bâtiments tertiaires.
• Optimiser les opérations de refroidissement et de ventilation en été à l'aide d'un processus décisionnel assisté par l'IA, tout en préservant le confort des utilisateurs et leur consentement.
• Intégrer la recharge des véhicules électriques dans la gestion énergétique au niveau du bâtiment, en conciliant les besoins des utilisateurs, l'équité et les contraintes du réseau.
• Calculer des indicateurs de SRI (Smart Readiness Indicator) et SRL (Social Readiness Level), en établissant un lien entre les performances en matière de flexibilité et la satisfaction, la confiance et la compréhensibilité pour les utilisateurs.

Méthodologie
Le candidat devra développer une méthodologie articulée autour de ces technologies clés :
• la spécification FlexReady pour l'interopérabilité entre le BEMS, permettant à un agrégateur autorisé à participer au marché de l'énergie d'envoyer des signaux de flexibilité au bâtiment.
• Un jumeau numérique devant être synchronisé (estimation d'état) au jumeau physique réel par des données de capteurs, et permettant de tester virtuellement des scénarii sous incertitudes pour l'aide à la décision et le pilotage.
• La modélisation par apprentissage machine, exploitant par exemple les réseaux de neurones profonds, et permettant les prédictions du système et de son environnement.

Objectifs :
• Démontrer l'intégration d'un système de gestion énergétique des bâtiments (BEMS) existant avec des mécanismes de flexibilité basés sur le marché réel pour les grands bâtiments tertiaires.
• Optimiser les opérations de refroidissement et de ventilation en été à l'aide d'un processus décisionnel assisté par l'IA, tout en préservant le confort des utilisateurs et leur consentement.
• Intégrer la recharge des véhicules électriques dans la gestion énergétique au niveau du bâtiment, en conciliant les besoins des utilisateurs, l'équité et les contraintes du réseau.
• Calculer des indicateurs de SRI (Smart Readiness Indicator) et SRL (Social Readiness Level), en établissant un lien entre les performances en matière de flexibilité et la satisfaction, la confiance et la compréhensibilité pour les utilisateurs.
Méthodologie
Le candidat devra développer une méthodologie articulée autour de ces technologies clés :
• la spécification FlexReady pour l'intéroperabilité entre le BEMS, permettant à un aggrégateur autorisé à participer au marché de l'énergie d'envoyer des signaux de flexibilité au bâtiment.
• Un jumeau numérique devant être synchronisé (estimation d'état) au jumeau physique réel par des données de capteurs, et permettant de tester virtuellement des scénarii sous incertitudes pour l'aide à la décision et le pilotage.
• La modélisation par apprentissage machine, exploitant par exemple les réseaux de neurones profonds, et permettant les prédictions du système et de son environnement.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Background:
This project aims to assess how a large existing commercial building can be transformed into an energy asset that interacts with the grid and is tailored to user needs through a control system based on prediction, optimization, and stakeholder interaction.
It will be implemented in the GreEn-ER building in Grenoble, focusing on the coordinated management of cooling, ventilation, photovoltaic self-consumption, and EV charging, ensuring comfort, transparency, and seamless integration of flexibility for occupants.

Objectives:
• Demonstrate the integration of an existing Building Energy Management System (BEMS) with real-market flexibility mechanisms for large commercial buildings.
• Optimize cooling and ventilation operations in the summer using AI-assisted decision-making, while maintaining user comfort and consent.
• Integrate electric vehicle charging into building-level energy management, balancing user needs, equity, and grid constraints.
• Calculate SRI (Smart Readiness Indicator) and SRL (Social Readiness Level) metrics, establishing a link between flexibility performance and user satisfaction, trust, and comprehensibility.

Methodology:
The candidate must develop a methodology centered on the following key technologies:
• The FlexReady specification for interoperability between BEMS, enabling an aggregator authorized to participate in the energy market to send flexibility signals to the building.
• A digital twin that must be synchronized (state estimation) with the actual physical twin using sensor data, and that enables the virtual testing of scenarios under conditions of uncertainty to aid decision-making and control.
• Machine learning-based modeling, utilizing, for example, deep neural networks, and enabling predictions of the system and its environment.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Public funding alone (i.e. government, region, European, international organization research grant)

Concours pour un contrat doctoral

Université Grenoble Alpes

220 EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal

Master ou Ingénieur en énergétique des bâtiments, science des données ou automatique.
Master's degree or engineering degree in building energy, data science, or control systems.