Ense3 - rubrique formation - cursus

Smart Systems - 5EU9SSY1

  • Volumes horaires

    • CM 20.0
    • Projet -
    • TD -
    • Stage -
    • TP 44.0

    Crédits ECTS

    Crédits ECTS 5.0

Objectif(s)

L’élève sera capable de:

  • expliquer les nouveaux défis que posent les énergies renouvelables, les véhicules électriques et le stockage d’énergie pour les réseaux électriques traditionnels.
  • identifier les exigences économiques et de fiabilité auxquelles les réseaux électriques doivent répondre dans une démarche de transition énergétique durable.
  • décrire les technologies et méthodes associées aux Smart Grids et Smart Cities.
  • analyser les apports des systèmes intelligents pour le pilotage, l’optimisation et la supervision des réseaux électriques modernes

Plus spécifiquement il ser capable de :

  • expliquer les principes fondamentaux du machine learning et leur application aux systèmes énergétiques
  • implémenter et évaluer des algorithmes de machine learning dans un contexte de Smart Grid ou Smart City
  • expliquer les concepts clés liés au Big Data et leur importance dans la gestion des réseaux énergétiques intelligents
  • exploiter des jeux de données massifs pour extraire des informations utiles à la supervision ou à la prise de décision dans les Smart Grids
  • décrire le fonctionnement d’un système SCADA et son rôle dans la supervision des réseaux électriques.
  • concevoir ou interpréter des architectures SCADA adaptées aux exigences des réseaux intelligents
  • dentifier et intégrer des solutions domotiques dans le cadre d’un bâtiment intelligent
  • concevoir des scénarios de gestion énergétique à l’échelle d’un logement à l’aide d’équipements domotiques

Responsable(s)

Benoit DELINCHANT

Contenu(s)

Cette unité (20hCM + 40hBE) est composée de 4 modules :

  • Machine learning (4h CM + 16h BE), 2 eval BE
  • Big Data (8h CM + 4h BE), eval DS + eval BE
  • Supervision du réseau électrique / SCADA (8h CM + 4h BE), eval DS + eval BE
  • Domotique (16h BE), eval BE

Prérequis

les bases de la science des données, de la programmation en python et du génie électrique

Contrôle des connaissances

Session normale / 1st session
Evaluation rattrapable (ER) / ER assessment: examen écrit de 2h / 2 hours of written exam on SCADA and Big Data courses

Session de rattrapage / 2nd session
La note obtenue remplace la note de ER. Le contrôle continu n'est pas rattrapable./ Another written exam will replace the first one (ER). No retake for EN.

Session 1 : ET 50 % + CC 50%
Session 2 : ET 50 % + CC 50%(report de S1)

L'examen existe uniquement en anglais FR

Calendrier

Le cours est programmé dans ces filières :

cf. l'emploi du temps 2025/2026

Informations complémentaires

Code de l'enseignement : 5EU9SSY1
Langue(s) d'enseignement : FR

Vous pouvez retrouver ce cours dans la liste de tous les cours.

diplôme d'ingénieur contrôlé par l'Etat