- Cet évènement est passé
MARCHÉS ÉNERGÉTIQUES LOCAUX INTELLIGENTS
20/06/2022 | 17:00 - 18:00
Conférencier: Dr Wolfram Rozas, directeur des programmes exécutifs Big Data & Business Analytics, Intelligence artificielle et Smart Energy.
Wolfram Rozas est économiste quantitatif et titulaire d’un doctorat. candidat en technologies industrielles. Il est expert dans l’utilisation de toutes les technologies exponentielles, Big Data & Business Analytics, Intelligence Artificielle, Cloud, Internet des Objets, Blockchain et Quantum Computing, pour atteindre des objectifs commerciaux stratégiques. Il a plus de 25 ans d’expérience dans des entreprises telles que PWC ou IBM gérant des projets de Business Intelligence, Business Analytics, Machine Learning, Deep Learning et mettant en œuvre des systèmes cognitifs dans les secteurs de la finance, des télécommunications, de la distribution, du tourisme et des transports, de la consommation de masse, de l’énergie et Services publics, produits chimiques et pétrole. Il a développé sa carrière d’enseignant depuis 2003. Il a collaboré en tant qu’expert en Business Intelligence, Big Data & Business Analytics, Intelligence Artificielle (couvrant Machine Learning, Deep Learning, Reinforcement Learning) dans des écoles de commerce et des universités telles que CUNEF, Escuela de Organizacion Industrial, entre autres. Il a publié de nombreux articles dans le domaine de l’analyse des données. Les articles sont répertoriés dans Harvard Deusto Business Review, Club De Dirigentes de Madrid, Expansión, entre autres. Nommé par l’INE en juillet 2020, membre du groupe de travail pour la gestion des données du Conseil supérieur de la statistique (Instituto Nacional de Estadística). Il a été nommé coordinateur de la monographie consacrée à l’économie des données de Revista Industrial, le magazine du ministère de l’Économie. Il a récemment lancé une ligne de recherche sur la numérisation dans l’industrie des énergies renouvelables où il a commencé une thèse sur l’agrégation de la demande et la flexibilité basée sur les réseaux de neurones profonds bayésiens et la théorie des jeux à l’UNED (Universidad Nacional de Educación a Distancia).
La situation actuelle du changement climatique exige une transition énergétique. L’Internet de l’énergie compte sur les ressources énergétiques distribuées (DER) pour créer l’avenir de l’électricité. Malheureusement, ces nouvelles sources sont intermittentes et, par conséquent, les modèles d’estimation fonctionnent dans des conditions d’incertitude, ce qui peut affecter la qualité énergétique du système. Par conséquent, il existe un besoin de solutions de flexibilité qui équilibrent le flux de puissance et optimisent les résultats financiers. Les marchés locaux de l’énergie (LEM) sont une nouvelle approche pour adopter et étendre le concept de flexibilité. Nous présentons une méthode pour développer des marchés énergétiques locaux intelligents. Son objectif final est d’augmenter l’extension des DER, de réduire les émissions de gaz à effet de serre (GES) et de rendre la demande d’électricité plus élastique. De plus, pour optimiser la consommation d’énergie de la communauté et le solde de la facture, nous montrerons un cadre capable de capturer des informations à faible latence et de les transformer en un meilleur bien-être social.
Les marchés énergétiques locaux intelligents reposent sur une technologie de pointe pour obtenir des résultats convaincants pour les communautés qui souhaitent récolter leurs bénéfices. Le système constituera une mémoire d’informations à faible latence provenant de capteurs sous une architecture Edge Computing. Les conteneurs installés dans le réseau Edge exécuteront des modèles d’apprentissage en profondeur bayésiens pour estimer les niveaux de charge et d’unité de production. Grâce à ces nouvelles informations, le système dans le cadre d’un programme d’énergie transactive optimisera automatiquement les objectifs communautaires.