Informations générales
| Title (EN) | Energy and optimization |
| Titre (FR) | Optimisation et énergie |
| Nom du ou de la responsable de l'UE | Florent Perez |
| Nombre d'heures de cours / Amount of class hours | 14 |
| Volume h TD / Amount of exercise hours | 14 |
| ECTS | 3 |
| Semestre | Automne (S3) |
| Semester | Sept-Jan (S3) |
| Periode (pour les cours M2) | Sept-Nov |
| Langue | Français |
| Language | Français |
| Localisation | PMC |
| Code de l'UE | UM5MEE14 |
Informations pédagogiques
Contenu (FR)
Nous détaillerons des méthodes numériques d'optimisation de la consommation d'énergie et nous travaillerons sur des exemples concrets en programmant sous R. Par exemple, optimisation d'un processus, d'un système simple de production d'énergie, de la production d'éléctricité, du trafic des véhicules électriques, de la trajectoire énergétique décarbonée d'un pays (comme l'Agence Internationale de l'Energie). Il n'est pas nécessaire de connaître le langage R.
Content (EN)
Numerical methods of energy optimisation will be detailed. We will focus on various examples to conduct practical work from small energetic system (process) to country system (like IEA does) : optimization of thermal engine, electricity production, electric vehicle transport, global energy consumption and carbon footprint…
Mots clés (FR)
Energie, optimisation, méthodes numériques, processus, efficacité, électrification, empreinte carbone, programmation sous R,
Keywords (EN)
energy, optimisation, numerical methodes, processes, efficiency, electrification, carbon footprint, R programming
Préréquis (FR)
Thermodynamique, mathématiques niveau L1, programmation sous Python ou sous C/C++, culture générale sur les problèmes environnementaux
Pre-requisites (EN)
Thermodynamics, bachelor level in math, former experience in programming (Python or C/C++), global knowledge in environnemental issues
Modalité d'evaluation
30% Devoir surveillé (CC) + 70% micro-projet en salle (examen final)
Assessment
30% written exam (CC) + 70% micro-project in classroom (final exam)
Acquis d'Apprentissage Visés
Optimisation, notions générales, méthodes numériques, implémentation sous R. Efficacité énergétique. Comprendre la production d'éléctricité, les enjeux du véhicules électriques, les trajectoires de consommation d'énergie et d'empreinte carbone
Learning outcomes
energy optimisation, genral concepts, numérical methods. R programming. Energy efficiency . Electricity production challenges. Electric vehicle challenges. Global energy and carbon footprint pathways.
Bibliographie
Optimization modeling in R, T.R. Anderson, CRC Press ; Energie, JP Hansen, J. Percebois, DeBoeck ; Energy Optimization in Process Systems, S. Sieniutycz, Elsevier ; Linear programming (many books)
