H/F - PhD - PV and IA - Identification à grande échelle des systèmes photovoltaïques en toiture à parti
Description des missions
Sujet de thèse :
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 :
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) - Ave
Voir plus sur le site emploi.cnrs.fr...
Profil recherché
Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation.C’est l’une des plus importantes institutions publiques au monde : 33 000 femmes et hommes (dont plus de 16 000 chercheurs et plus de 16 000 ingénieurs et techniciens), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, le CNRS développe des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit entre ses missions de recherche et le transfert vers la société fait du CNRS un acteur clé de l’innovation en France et dans le monde.Le partenariat qui lie le CNRS avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires témoignent du potentiel économique de ses travaux de recherche.