Intégration des flottes de véhicules électriques en mobilité partagée comme ressources de flexibilité pour les réseaux électriques

La transition écologique s’appuie simultanément sur l’électrification des mobilités et l’intégration croissante des énergies renouvelables dans les systèmes électriques. Dans ce contexte, les flottes de mobilité partagée (ride-hailing/ride-sharing) composées de véhicules électriques représentent à la fois un nouveau besoin de recharge concentré dans le temps et l’espace, et une opportunité de flexibilité pour le réseau grâce à la recharge pilotée et au Vehicle-to-Grid (V2G).

Cette thèse vise à développer un cadre méthodologique et des outils d’aide à la décision pour planifier et opérer des flottes de VE partagés capables de fournir des services au réseau (effacement, lissage de pointe, réduction des congestions locales, contribution à l’intégration des ENR), tout en garantissant la qualité de service pour les usagers (temps d’attente, fiabilité, taux de service). Les travaux s’appuieront sur des approches d’optimisation (déterministe et robuste/stochastique), de modélisation/simulation et, si pertinent, d’analyse de données, afin d’évaluer les compromis mobilité–énergie et de concevoir des mécanismes d’incitation alignant les intérêts des opérateurs de mobilité, des acteurs de l’énergie et des collectivités.

Un cas d’étude en France sera intégré afin d’ancrer les résultats dans un contexte réaliste (données mobilité/énergie, contraintes réseau, signaux économiques), et de produire des recommandations opérationnelles pour la décarbonation et la résilience des systèmes de mobilité et d’énergie.

[1] Zhang, Shiyao, and J. Q. James. "Electric vehicle dynamic wireless charging system: Optimal placement and vehicle-to-grid scheduling." IEEE Internet of Things Journal 9.8 (2021): 6047-6057.

[2] Zhang, Shiyao, and J. Q. James. "Online Joint Ride-Sharing and Dynamic Vehicle-to-Grid Coordination for Connected Electric Vehicle System." IEEE Transactions on Transportation Electrification (2023).

[3] Kavianipour, Mohammadreza, et al. "Electric vehicle fast charging infrastructure planning in urban networks considering daily travel and charging behavior." Transportation Research Part D: Transport and Environment 93 (2021): 102769.

[4] Alisoltani, Negin, Ludovic Leclercq, and Mahdi Zargayouna. "Can dynamic ride-sharing reduce traffic congestion?." Transportation research part B: methodological 145 (2021): 212-246.

The Gustave Eiffel University is a national multi-campus university. It was created on 1 January 2020 as a result of the merger of the University of Paris-Est Marne la Vallée, Ifsttar, and several schools and engineering schools: EIVP, ENSG, ESIEE, and Ecole d'architecture Paris Est. Gustave Eiffel University has more than 2,500 agents and 17,000 students at nine sites in France. The university hosts a quarter of the national research and development on sustainable cities and is home to the largest transport research center in Europe.It is a university on a human scale, bringing together multi-disciplinary skills that enable it to conduct quality research for the benefit of society, to offer training courses adapted to the socio-economic world, and to support changes in society and public policies.

The GRETTIA research lab is part of Université Gustave Eiffel and carries out its research activity in the field of land transport systems. It is interested in all aspects of road and guided transport modes, from systemic aspects, modeling and simulation to the dynamic aspects of vehicles, including management, diagnosis and maintenance. GRETTIA contributes to the development of transport network and system engineering, taking into consideration the issues of integration, intermodality, reliability and system analysis. Within this framework, the research unit conducts a transversal activity of development of models and generic tools based on the field of mathematical engineering, advanced computer science and mechanics; contributes to the modeling, design, management,evaluation and maintenance of intelligent transport and infrastructure operation systems; studies the conditions of functional and social acceptability of new transport services.

En plus d’une bonne maîtrise du français et de l’anglais (oral et écrit), le/la candidat·e devra présenter les compétences et qualités suivantes :

Formation

Diplôme de Master (ou équivalent) en :

génie électrique / énergétique,

systèmes énergétiques,

transport et mobilité,

génie industriel / recherche opérationnelle,

mathématiques appliquées ou informatique,
ou disciplines connexes.

Un cursus en lien avec les systèmes énergétiques, la mobilité ou l’optimisation sera particulièrement apprécié.

Compétences techniques

Solides bases en modélisation mathématique et optimisation (programmation linéaire, mixte, stochastique, etc.).

Connaissances en systèmes énergétiques et réseaux électriques (smart grids, flexibilité, intégration des ENR).

Bonne maîtrise d’au moins un langage de programmation scientifique (par ex. Python, Julia, MATLAB, C++).

Une expérience en simulation, analyse de données ou machine learning est un plus.

Compétences transversales

Capacité à travailler de manière autonome tout en s’inscrivant dans un cadre collaboratif et interdisciplinaire.

Bonnes capacités d’analyse, de synthèse et de rédaction scientifique.

Intérêt pour des recherches à fort impact opérationnel et sociétal, en lien avec les politiques publiques de transition écologique.

Aisance dans les échanges avec des acteurs académiques et non académiques (collectivités, acteurs de l’énergie et de la mobilité).