AsimutE : Autoconsommation et Stockage Intelligents pour une Meilleure UTilisation de l’Energie

Détails du projet

L'objectif du projet AsimutE est de trouver des solutions pour une utilisation et un stockage optimisés et sûrs de l'énergie en impliquant les utilisateurs finaux tout au long du projet. Le but est de créer un équilibre entre la demande en énergie et la capacité de production des énergies renouvelables, en tenant compte des options de stockage existantes. Pour ce faire, les partenaires du projet utiliseront des méthodes d'intelligence artificielle et des enquêtes auprès des consommateurs, des fournisseurs d'énergie et des parties prenantes dans la région du Rhin supérieur. Ce projet multidisciplinaire couvrira à la fois des aspects technique et sociologiques. La faisabilité juridique dans le contexte trinational sera également examinée ainsi que l'acceptation par les consommateurs finaux dans les différents contextes culturels des trois pays en s’appuyant sur les résultats d’études sociologiques, juridiques et techniques menées dans le cadre des projets Interreg « Vehicle » et « ACA Modes ».

Le DFIU est impliqué dans plusieurs parties du projet. En collaboration avec l'UHA, l'efficacité des appels à économiser l'énergie dans les ménages privés, en tenant compte des mécanismes de compensation psychologique sera étudiée. Les travaux de recherche se concentreront également sur l’analyse, à l’aide d’études empiriques qualitatives et quantitatives, des attentes des ménages à l'égard des technologies d'autoconsommation d'énergie.

De plus, le DFIU participera au développement de méthodes d'optimisation multicritères des systèmes de chauffage dans des quartiers résidentiels représentatifs des pays respectifs. Outre les coûts énergétiques, les émissions de gaz à effet de serre, le confort thermique et les pics de consommation électrique seront également optimisés dans les simulations. Étant donné que les objectifs d’un quartier résidentiel sont souvent contradictoires, les méthodes d'optimisation multicritères combinées aux méthodes d'apprentissage automatique sont particulièrement adaptées.