Bilal Amghar

This paper presents a comparative study between hybrid particle swarm optimization (PSO) and genetic algorithm (GA) for energy management in residential microgrids equipped with photovoltaic generation, stationary battery storage, and bidirectional electric vehicles (V2G). The system comprises 40 apartments, 1000 m² solar panels, 1 MWh battery storage, and 15 electric vehicles with V2G capability. A multi-objective optimization framework minimizes daily operational costs while satisfying mobility requirements, state-of-charge constraints, and battery aging considerations. Simulation results demonstrate that hybrid PSO significantly outperforms GA, achieving a net daily profit of 279 C (compared to 100 C cost for GA) through strategic energy arbitrage and massive grid sales (2232 kWh/day vs 3.7 kWh/day for GA). The PSO-based approach achieves 28% energy autonomy while generating substantial revenue from feed-in tariffs. The methodology provides a scalable framework for real-world V2G-integrated microgrids, with ongoing experimental validation at the ESTACA V2G testbed.

Les convertisseurs de puissance multicellulaires trouvent une place privilégiée dans le contrôle des systèmes de très forte puissance. Dans ce travail de thèse une nouvelle classe de convertisseurs de puissance est étudiée les Convertisseurs Multicellulaires Parallèles (CMP). La topologie de ces convertisseurs repose sur une association de n cellules de commutationinterconnectées par l'intermédiaire d'inductances indépendantes, appelées aussiinductances de liaison. Le CMP permet d'atteindre un courant de sortie égal à n fois le courant d'entrée du convertisseur, l'inconvénient majeur de ce type de convertisseur est le déséquilibrage des courants de branches . Dans le but de réduire et d'économiser le nombre de capteurs, nous avons proposé dans la première partie de la thèse une analyse d'observabilité spécifique à une classe de système dynamique hybride appelée Z(TN)-Observability et synthétisé un observateur hybride en utilisant l'algorithme super twisting. La deuxièmepartie du travail a été consacrée à la synthèse d'une loi de commande pour la régulation des courants de branches. En effet, le régulateur proposé est un régulateur hybride en basant sur la modélisation par réseaux de pétri de l'algorithme de contrôle. Enfin, Les deux parties théoriques sont suivies par une réalisation pratique d'un CMP à trois cellules de commutation pour valider les deux approches proposées. Les résultats expérimentaux nous ont montré les performances de l'observateur et le régulateur de courant et de tension de sortie.

In the context of global warming and fossil fuel depletion, electric vehicles (EVs) have become increasingly popular for reducing both carbon emissions and fossil fuel consumption. However, as the demand for EV charging power rises along with the expansion of EVs, conventional power plants require more fuel, and carbon emissions increase. This suggests that the goal of promoting EV adoption to mitigate climate change and reduce reliance on fossil fuels may face significant challenges. Therefore, there is a need to adopt renewable energy generation for EV charging stations to maximize the effectiveness of EV distribution in an eco-friendly way. This paper aims to propose an optimal renewable energy generation system for an EV charging station, with a specific focus on the use of an actual load profile for the station, the consideration of carbon emissions and economic evaluation, and the study of a specific case location in Korea. As a case study, an EV charging station in Korea was selected, and its renewable energy fractions (REF) of 0%, 25%, 50%, 75%, and 100% were considered for comparison of carbon emissions and economic evaluation with the help of HOMER software. In addition, the system with 25% REF was analyzed to find the best operating strategy considering the climate characteristics of the case site. The results show that the system configuration of PV/ESS is the most economical among all the REF cases, including PV, WT, and ESS, due to the meteorological characteristics of the site, and that the system with REF below 25% is the most optimal in economic terms and carbon emissions.