Etudiant : ZEGHARI YOUSSOF

Filière : Master Big Data Analytics & Smart Systems (BDSaS)

Encadrant : Pr. YAHYAOUYI ALI

Annèe : 2025

Résumé : Dans un contexte où la transition énergétique et l’optimisation de la consommation d’énergie sont des enjeux majeurs, la gestion intelligente des batteries de stockage revêt une importance cruciale. Ce mémoire s’intéresse à l’optimisation de la charge et de la décharge d’une batterie intégrée dans un système énergétique hybride, en utilisant des techniques d’apprentissage par renforcement profond. Deux algorithmes avancés ont été étudiés et comparés : Proximal Policy Optimization (PPO) et Soft Actor-Critic (SAC). Un environnement de simulation a été développé pour reproduire le comportement d’un système hybride, intégrant des sources d’énergie renouvelables pour une ou plusieurs batteries. Les résultats expérimentaux ont montré que ces algorithmes permettent d’améliorer la performance énergétique, de réduire les coûts et de maintenir l’état de charge (SoC) dans une plage optimale, prolongeant ainsi la durée de vie de la batterie. Ce travail met en évidence la pertinence de l’apprentissage par renforcement pour la gestion énergétique intelligente et ouvre la voie à de futures recherches pour des applications à plus grande échelle ou dans des environnements réels.