Descriptif du poste: Contexte : Au cours des dernières années, les réseaux électriques ont intégré des sources d'énergie renouvelables, amenant de nouveaux types de générateurs près des consommateurs et modifiant les flux d'énergie. L'émergence de prosumers, de véhicules électriques, et de systèmes de stockage enrichit le réseau de nouveaux acteurs. Ces évolutions favorisent la création de communautés énergétiques locales où divers acteurs partagent de l'énergie, souvent photovoltaïque, dans le cadre d'autoconsommation collective. Le développement de ces communautés à une échelle plus grande nécessite des méthodes optimisées pour les échanges d'énergie. Objectif et missions : Optimisation distribuée à J-1 de la gestion énergétique de la communauté et qui prend en compte différents objectifs tels que la minimisation du coût de l'énergie, la minimisation du taux d'insatisfaction de la demande (délestage), la maximisation du taux d'autoconsommation et la maximisation de la satisfaction des usagers des véhicules électriques (durée de recharge et état de recharge final d'un véhicule). Les préférences des consommateurs seront représentées via une segmentation de la communauté énergétique. La prise en compte de l'incertitude liée à la production et la consommation d'énergie sera intégrée via des approches d'optimisation stochastique.  Il s'agira  : - de proposer un (ou des) modèle (s) et un ou (des) outil(s) d'aide à la décision basé(s) sur la structure du problème. Selon la taille du problème à résoudre, des math-heuristiques (heuristiques basées sur la structure du problème) seront envisagées. - de proposer un algorithme d'ajustement de la gestion énergétique en temps réel (ré-optimisation) pendant la journée selon les productions et consommations courantes. Profil recherché: * Un doctorat en génie électrique, automatique, informatique, génie industriel ou un domaine connexe, avec une spécialisation en optimisation, systèmes de contrôle ou énergétique. * Des connaissances approfondies en optimisation multicritère, optimisation stochastique et distribution d'énergie renouvelable. * Maîtrise des outils et langages de programmation utilisés en optimisation (par exemple, MATLAB, Python). * Expérience avec les technologies blockchain appliquées à la gestion de l'énergie serait un atout. * Niveau d'anglais : B2 minimum du CECRL CDD (12 mois) temps plein basé à Lille ou Villeneuve d'Ascq