Academic literature on the topic 'Panneaux intelligents'

Dans un but d’amélioration des performances d’une installation photovoltaïque (PV), une approche complémentaire à l’amélioration du rendement des modules PV est l’augmentation de la collecte des photons par faible concentration du flux solaire sur les modules. Les réflecteurs plans sont une solution a priori simple et économique. Ils permettent d’augmenter la production électrique sans surcoût important. Cependant, l’estimation de ce gain demande une prise en compte fine de l’éclairement non uniforme apporté par ces réflecteurs. L’objectif de ce travail de thèse est de tester le potentiel d’un système PV-réflecteurs avec la possibilité d’un ajustement périodique des angles d’inclinaison du plan des réflecteurs et du plan des modules PV. Dans ce but, il a été nécessaire de mettre en place un démonstrateur PV-réflecteurs avec des modules industriels, ainsi que de développer et de valider expérimentalement un outil de modélisation simple. Dans un premier temps, un modèle d’estimation de l’irradiation du plan des modules « plane of array, POA » basé sur l’optique cartésienne et des hypothèses de rayonnement isotrope de l’atmosphère et de réflexion lambertienne des surfaces est développé. Il s’appuie en entrée, sur des mesures au sol ou des images satellite. Ce modèle validé a ensuite permis d’optimiser la géométrie d’une installation PV-réflecteurs en considérant une installation fixe ou à géométrie variable, avec des ajustements périodiques différents (mensuels, saisonniers) des angles d’inclinaison des modules PV et des réflecteurs, ainsi que différentes longueurs de réflecteurs. Cette stratégie d’optimisation géométrique de l’irradiation POA a été appliquée dans six lieux dans le monde ayant des conditions météorologiques très différentes. Un modèle d’estimation analytique est ensuite élaboré pour passer de l’irradiance POA à la puissance PV. L'ajout de réflecteurs plans introduit une distribution non uniforme de l’irradiance sur les modules PV pouvant provoquer l’activation de diodes bypass. Ce modèle photo-électrique a été évalué expérimentalement pour un module PV avec éclairement non uniforme. Finalement, un démonstrateur PV est construit au laboratoire GeePs (avec 6 modules au Silicium cristallin connectés en série) et équipé de réflecteurs plans, de capteurs d’irradiance POA et de température. Une analyse de la production de cette installation a été conduite sur une année en absence et en présence de réflecteurs. Le modèle analytique développé précédemment a permis de choisir l’architecture fixe de ce démonstrateur ainsi que de mener des études de performances. Les résultats soulignent l’importance d’optimiser spécifiquement l’architecture d’un système PV-réflecteurs selon la zone géographique et la saison ou le mois de l’année. Ils montrent également qu’une étude en irradiation permet d’optimiser un potentiel local indépendamment de la technologie des modules mais en aucun cas elle, n’est suffisante pour optimiser la géométrie d’une installation. Enfin, le modèle théorique est nécessairement simplificateur : non prise en compte de l’horizon très proche, hypothèse de rangées infinies, hypothèse d’une atmosphère uniforme et isotrope, coefficient de réflexion des miroirs constants, approche pessimiste concernant l’activation des diodes de bypass… et les mesures localisées nécessairement limitées et présentant des incertitudes. La mise en place des démonstrateurs a notamment permis d’apporter des réponses et des éléments de discussion autour de ces aspects
In order to improve the performance of a photovoltaic (PV) installation, a complementary approach to improving the efficiency of PV modules is to increase the collection of photons using low concentration of the solar flux on the modules. Flat reflectors are a simple and economical solution for that purpose. They allow increasing electrical production without significant additional cost. However, the estimation of this gain requires careful consideration of the non-uniform illumination provided by these reflectors. The objective of this thesis work is to test the potential of a PV-reflector system with the possibility of periodic adjustment of the tilt angles of the plane of the reflectors and the plane of the PV modules. To this end, it was necessary to set up a PV-reflector demonstrator with industrial modules, as well as to develop a simple modeling tool and validate it experimentally. First, an estimation model of the plane of array, POA, based on Cartesian optics and hypotheses of isotropic radiation of the atmosphere and Lambertian reflection of surfaces is developed. It is based on ground measurements or satellite images inputs. This model experimentally validated allowed to optimize the geometry of a PV-reflector installation by considering a fixed installation or variable geometry, with different periodic adjustments (monthly, seasonal) of the tilt angles of the PV modules and the reflectors, as well as different lengths of reflectors. This strategy for geometrical optimization of POA irradiation has been applied in six locations around the world with very different weather conditions. An analytical estimation photoelectric model is then developed to move from POA irradiance to PV power estimation. Adding flat reflectors introduces a non-uniform distribution of the irradiance on the PV modules which can cause the activation of bypass diodes. This photoelectric model has been tested experimentally for a PV module with non-uniform illumination. Finally, a PV demonstrator is built at the GeePs laboratory (with 6 crystalline Silicon modules connected in series) and equipped with planar reflectors, POA irradiance sensors and temperature sensors. An analysis of power production of this installation was carried out over a year in the absence and presence of reflectors. The analytical model developed previously made it possible to choose the suitable fixed architecture of this demonstrator as well as to conduct performance studies. The results highlight the importance of optimizing the architecture of a PV-reflector system according to the geographic area and the season or the month of the year. They also show that an irradiation study makes it possible to optimize a local potential of such system independently of the technology of the modules, but in no case, it is sufficient to optimize the geometry of an installation. Finally, the theoretical model is simplified: not taking into account the very near horizon, assumption of infinite rows, assumption of a uniform and isotropic atmosphere, constant coefficient of mirrors reflection, pessimistic approach concerning the activation of the bypass diodes… and limited local measurements presenting uncertainties. The installation of demonstrators has made it effectively possible to provide answers and elements of discussion around these aspects

La congestion routière constitue un défi majeur pour les zones urbaines, car le volume de véhicules continue de croître plus rapidement que la capacité globale du réseau routier. Cette croissance a des répercussions sur l'activité économique, la durabilité environnementale et la qualité de vie. Bien que des stratégies visant à atténuer la congestion routière ont connu des améliorations au cours des dernières décennies, de nombreux pays ont encore du mal à la gérer efficacement.Divers modèles ont été développés pour aborder ce problème. Cependant, les approches existantes peinent souvent à fournir des prédictions en temps réel et localisées qui peuvent s'adapter à des conditions de trafic complexes et dynamiques. La plupart de ces approches s'appuient sur des horizons de prédiction fixes et manquent de l'infrastructure intelligente nécessaire à la flexibilité. Cette thèse comble ces lacunes en proposant une approche intelligente, décentralisée et basée sur l'infrastructure pour l'estimation et la prédiction de la congestion routière.Nous commençons par étudier l'Estimation du Trafic. Nous examinons les mesures de congestion possibles et les sources de données requises pour différents contextes pouvant être étudiés. Nous établissons une relation tridimensionnelle entre ces axes. Un système de recommandation basé sur des règles est développé pour aider les chercheurs et les opérateurs du trafic à choisir les mesures de congestion les plus appropriées en fonction du contexte étudié.Nous passons ensuite à la Prédiction du Trafic, où nous introduisons notre approche DECOTRIVMS. Cette dernière utilise des panneaux intelligents à messages variables pour collecter des données detrafic en temps réel et fournir des prédictions à court terme avec des horizons de prédiction variables.Nous avons utilisé des Réseaux de Graphes avec Attention en raison de leur capacité à capturer des relations complexes et à gérer des données structurées en graphes. Ils sont bien adaptés pour modéliser les interactions entre différents segments routiers étudiés.Nous avons aussi employé des méthodes d'apprentissage en ligne, spécifiquement la Descente de Gradient Stochastique et la Descente de Gradient Adaptative. Bien que ces méthodes ont été utilisées avec succès dans divers autres domaines, leur application à la prédiction de la congestion routière reste sous-explorée. Dans notre thèse, nous visons à combler cette lacune en explorant leur efficacité dans le contexte de la prédiction de la congestion routière en temps réel.Enfin, nous validons l'efficacité de notre approche à travers deux études de cas réalisées à Mascate, Oman, et à Rouen, France. Une analyse comparative est effectuée, évaluant divers modèles de prédiction, y compris les Réseaux de Graphes avec Attention, les Réseaux de Graphes Convolutionnels et des méthodes d'apprentissage en ligne. Les résultats obtenus soulignent le potentiel de DECOTRIVMS, démontrant son efficacité pour une prédiction précise et efficace de la congestion routière dans divers contextes urbains
Traffic congestion presents a critical challenge to urban areas, as the volume of vehicles continues to grow faster than the system’s overall capacity. This growth impacts economic activity, environmental sustainability, and overall quality of life. Although strategies for mitigating traffic congestion have seen improvements over the past few decades, many cities still struggle to manage it effectively. While various models have been developed to tackle this issue, existing approaches often fall short in providing real-time, localized predictions that can adapt to complex and dynamic traffic conditions. Most rely on fixed prediction horizons and lack the intelligent infrastructure needed for flexibility. This thesis addresses these gaps by proposing an intelligent, decentralized, infrastructure-based approach for traffic congestion estimation and prediction.We start by studying Traffic Estimation. We examine the possible congestion measures and data sources required for different contexts that may be studied. We establish a three-dimensional relationship between these axes. A rule-based system is developed to assist researchers and traffic operators in recommending the most appropriate congestion measures based on the specific context under study. We then proceed to Traffic Prediction, introducing our DECentralized COngestion esTimation and pRediction model using Intelligent Variable Message Signs (DECOTRIVMS). This infrastructure-based model employs intelligent Variable Message Signs (VMSs) to collect real-time traffic data and provide short-term congestion predictions with variable prediction horizons.We use Graph Attention Networks (GATs) due to their ability to capture complex relationships and handle graph-structured data. They are well-suited for modeling interactions between different road segments. In addition to GATs, we employ online learning methods, specifically, Stochastic Gradient Descent (SGD) and ADAptive GRAdient Descent (ADAGRAD). While these methods have been successfully used in various other domains, their application in traffic congestion prediction remains under-explored. In our thesis, we aim to bridge that gap by exploring their effectiveness within the context of real-time traffic congestion forecasting.Finally, we validate our model’s effectiveness through two case studies conducted in Muscat, Oman, and Rouen, France. A comprehensive comparative analysis is performed, evaluating various prediction techniques, including GATs, Graph Convolutional Networks (GCNs), SGD and ADAGRAD. The achieved results underscore the potential of DECOTRIVMS, demonstrating its potential for accurate and effective traffic congestion prediction across diverse urban contexts

L'intégration de panneaux photovoltaïques dans un système électrique réduit la consommation des sources fossiles et apporte des avantages environnementaux. Toutefois, l'intermittence et les fluctuations de puissance détériorent la qualité d'alimentation électrique. La solution proposée est d'ajouter des éléments de stockage, coordonnés par un contrôleur local qui gère les flux de puissance entre toutes les sources et la disponibilité énergétique. Ce générateur actif PV peut générer des références de puissance et fournir des services " système " au réseau électrique. Puis les concepts liés au micro réseau sont transposés pour concevoir un système central de gestion de l'énergie d'un réseau électrique résidentiel, qui est alimenté par des générateurs actifs PV et une micro turbine à gaz. Un réseau de communication est utilisé pour échanger des données et des références de puissance. Un système de gestion de l'énergie est développé avec différentes fonctions de contrôle sur des échelles de temps différentes afin de maximiser l'utilisation de l'énergie PV. Une planification opérationnelle quotidienne est conçue par un algorithme déterministe, qui utilise la prédiction d'énergie PV et de la charge. Puis ces références de puissance sont actualisées chaque demi-heure en tenant compte de la disponibilité de l'énergie PV et l'état des unités de stockage. Les erreurs de prévision et les incertitudes sont compensées par le réglage primaire de fréquence. Les résultats de simulation et les tests valident la conception de la commande du générateur actif photovoltaïque ainsi que le système central de gestion de l'énergie du réseau résidentiel étudié

L’intégration de panneaux photovoltaïques dans un système électrique réduit la consommation des sources fossiles et apporte des avantages environnementaux. Toutefois, l'intermittence et les fluctuations de puissance détériorent la qualité d’alimentation électrique. La solution proposée est d’ajouter des éléments de stockage, coordonnés par un contrôleur local qui gère les flux de puissance entre toutes les sources et la disponibilité énergétique. Ce générateur actif PV peut générer des références de puissance et fournir des services « système » au réseau électrique. Puis les concepts liés au micro réseau sont transposés pour concevoir un système central de gestion de l'énergie d'un réseau électrique résidentiel, qui est alimenté par des générateurs actifs PV et une micro turbine à gaz. Un réseau de communication est utilisé pour échanger des données et des références de puissance. Un système de gestion de l'énergie est développé avec différentes fonctions de contrôle sur des échelles de temps différentes afin de maximiser l'utilisation de l'énergie PV. Une planification opérationnelle quotidienne est conçue par un algorithme déterministe, qui utilise la prédiction d'énergie PV et de la charge. Puis ces références de puissance sont actualisées chaque demi-heure en tenant compte de la disponibilité de l’énergie PV et l’état des unités de stockage. Les erreurs de prévision et les incertitudes sont compensées par le réglage primaire de fréquence. Les résultats de simulation et les tests valident la conception de la commande du générateur actif photovoltaïque ainsi que le système central de gestion de l'énergie du réseau résidentiel étudié
The integration of PV power generation in a power system reduces fuel consumption and brings environmental benefits. However, the PV power intermittency and fluctuations deteriorate the power supply quality. A solution is proposed by adding energy storages, which are coordinated by a local controller that controls the power flow among all sources and implements an inner energy management. This PV based active generator can generate power references and can provide ancillary services in an electric network. Then micro grid concepts are derived to design a central energy management system of a residential network, which is powered by PV based active generators and a gas micro turbine. A communication network is used to exchange data and power references. An energy management system is developed with different time-scale functions to maximize the use of PV power. An operational daily planning is designed by a determinist algorithm, which uses 24 hour-ahead PV power prediction and load forecasting. Then power references are refreshed each half of an hour by considering the PV power availability and the states of energy storage units. Prediction errors and uncertainties are compensated by primary frequency controllers. Simulation and testing results validate the design of the PV active generator local controller and the central energy management system of the studied residential network

Le dépassement des limitations de vitesse est l'une des causes majeures des accidents de la route, qui pourraient être réduits par l'utilisation de système robuste de détection des limitations de vitesse pouvant continuellement informer le conducteur de la bonne limitation imposée. Les travaux présentés dans ce document portent sur la réalisation d'un tel système basé sur une détection visuelle des panneaux de limitation de vitesse. Afin de rendre le système robuste, il est nécessaire de fusionner les résultats de ces détections avec les informations d'autres capteurs pour interpréter les résultats issus de la détection visuelle. C'est ainsi qu'a été entre autre spécialement développé un capteur cartographique permettant d'avoir une vision plus large sur l'horizon électronique du véhicule, ainsi qu'un système détection des lignes de marquage au sol pour analyser les changements de voie. Le processus de fusion mis en place traitant ces diverses sources d'information est fondé sur des modèles à base de règles permettant de s'affranchir des problèmes inhérents aux processus de fusion probabilistes pouvant parfois mener à des situations de doute mettant le système global en faute. Ces travaux sont le fruit d'une collaboration avec un industriel et le prototype développé a été validé expérimentalement sur route. Un outil de vérité terrain a été spécialement développé pour quantifier les résultats. Le système montre d'excellents résultats en détection et reconnaissance des panneaux de limitation de vitesse ainsi que dans la clarification de situations complexes.

L'industrie 4.0 est un changement important et un défi de taille pour chaque segment industriel. La recherche utilise d'abord l'analyse de la littérature pour trier la littérature et énumérer la direction du développement et l'état d'application de différents domaines, ce qui se consacre à montrer un rôle de premier plan pour la théorie et la pratique de l'industrie 4.0. La recherche explore ensuite la tendance principale de l'offre à plusieurs niveaux dans l'industrie 4.0 en combinant l'apprentissage automatique et les méthodes traditionnelles. Ensuite, la recherche examine la relation entre l'investissement et l'emploi dans l'industrie 4.0 pour examiner la dépendance interrégionale de l'industrie 4.0 afin de présenter un regroupement raisonnable basé sur différents critères et de faire des suggestions et une analyse de la chaîne d'approvisionnement mondiale pour les entreprises et les organisations.De plus, notre système d'analyse jette un coup d'oeil sur la macroéconomie. La combinaison du traitement du langage naturel dans l'apprentissage automatique pour classer les sujets de recherche et de la revue de la littérature traditionnelle pour enquêter sur la chaîne d'approvisionnement à plusieurs niveaux améliore considérablement l'objectivité de l'étude et jette une base solide pour des recherches ultérieures. L'utilisation de réseaux et d'économétrie complexes pour analyser la chaîne d'approvisionnement mondiale et les problèmes macroéconomiques enrichit la méthodologie de recherche au niveau macro et politique. Cette recherche fournit des analyses et des références aux chercheurs, aux décideurs et aux entreprises pour leur prise de décision stratégique
Industry 4.0 is a significant shift and a tremendous challenge for every industrial segment, especially for the manufacturing industry that gave birth to the new industrial revolution. The research first uses literature analysis to sort out the literature, and focuses on the use of “core literature extension method” to enumerate the development direction and application status of different fields, which devotes to showing a leading role for theory and practice of industry 4.0. The research then explores the main trend of multi-tier supply in Industry 4.0 by combining machine learning and traditional methods. Next, the research investigates the relationship of industry 4.0 investment and employment to look into the inter-regional dependence of industry 4.0 so as to present a reasonable clustering based on different criteria and make suggestions and analysis of the global supply chain for enterprises and organizations. Furthermore, our analysis system takes a glance at the macroeconomy. The combination of natural language processing in machine learning to classify research topics and traditional literature review to investigate the multi-tier supply chain significantly improves the study's objectivity and lays a solid foundation for further research. Using complex networks and econometrics to analyze the global supply chain and macroeconomic issues enriches the research methodology at the macro and policy level. This research provides analysis and references to researchers, decision-makers, and companies for their strategic decision-making

Cette thèse de doctorat s’intéresse au suivi de trajectoire basé sur la perception visuelle et la localisation en milieu urbain. L'approche proposée comprend deux systèmes. Le premier concerne la perception de l'environnement. Cette tâche est effectuée en utilisant des techniques d'apprentissage profond pour extraire automatiquement les caractéristiques visuelles 2D et utiliser ces derniers pour apprendre à distinguer les différents objets dans les scénarios de conduite. Trois techniques d'apprentissage approfondi sont adoptées : la segmentation sémantique pour assigner chaque pixel d’une image à une classe, la segmentation d'instance pour identifier les instances séparées de la même classe et la classification d'image pour reconnaître davantage les étiquettes spécifiques des instances. Ici, notre système considère 15 classes d'objets et reconnaît les panneaux de signalisation. Le deuxième système fait référence au suivi de chemin numérisé. Dans un premier temps, le véhicule équipé enregistre d'abord l'itinéraire avec un système de vision stéréo et un récepteur GPS (étape d'apprentissage ou numérisation du chemin). Ensuite, le système proposé analyse hors ligne la trajectoire GPS et identifie exactement les emplacements des courbes dangereuses (brusques) et les limitation de vitesse via les données visuelles. Enfin, une fois que le véhicule est capable de se localiser lui-même durant la phase de suivi de chemin, le module de contrôle du véhicule piloté avec notre algorithme de négociation de vitesse, prend en compte les informations extraites et calcule la vitesse idéale à exécuter. Grâce aux résultats expérimentaux des deux systèmes, nous prouvons que le premier est capable de détecter et de reconnaître précisément les objets d'intérêt dans les scénarios urbains, tandis que le suivi de trajectoire réduit significativement les erreurs latérales entre le trajet appris et le trajet parcouru. Nous soutenons que la fusion des deux systèmes améliorera le suivi de chemin pour prévenir les accidents ou assurer la conduite autonome
This PhD thesis focuses on developing a path tracking approach based on visual perception and localization in urban environments. The proposed approach comprises two systems. The first one concerns environment perception. This task is carried out using deep learning techniques to automatically extract 2D visual features and use them to learn in order to distinguish the different objects in the driving scenarios. Three deep learning techniques are adopted: semantic segmentation to assign each image pixel to a class, instance segmentation to identify separated instances of the same class and, image classification to further recognize the specific labels of the instances. Here our system segments 15 object classes and performs traffic sign recognition. The second system refers to path tracking. In order to follow a path, the equipped vehicle first travels and records the route with a stereo vision system and a GPS receiver (learning step). The proposed system analyses off-line the GPS path and identifies exactly the locations of dangerous (sharp) curves and speed limits. Later after the vehicle is able to localize itself, the vehicle control module together with our speed negotiation algorithm, takes into account the information extracted and computes the ideal speed to execute. Through experimental results of both systems, we prove that, the first one is capable to detect and recognize precisely objects of interest in urban scenarios, while the path tracking one reduces significantly the lateral errors between the learned and traveled path. We argue that the fusion of both systems will ameliorate the tracking approach for preventing accidents or implementing autonomous driving