Thèse ou mémoire avec insertion d'articles / L'intégration à grande échelle d'actionneurs électroniques dispersés a rendu le système d'alimentation plus difficile à observer, à identifier et contrôler. Cette thèse introduit une nouvelle méthodologie axée sur les données pour les le contrôle des systèmes d'alimentation enrichis en ressources énergétiques distribuées (RED) afin d'améliorer le potentiel du système à héberger un grand nombre de RED tout en préservant le comportement dynamique du réseau. Notre approche incorpore des données historiquement enregistrées pour obtenir des modèles de prédiction distribués qui manifestent le comportement dynamique réel. La méthode proposée est décentralisée dans les phases d'apprentissage et de contrôle. Le schéma de conception n'utilise que les mesures locales de l'actionneur d'intérêt dans la phase d'apprentissage et reçoit les signaux de retour localement dans la phase de contrôle sans hébergement d'états supplémentaires provenant du reste du réseau, donc aucun problème d'extensibilité n'est posé. Dans la première étape, les modèles obtenus sont utilisés pour construire un module de contrôle par modèle prédictif (MPC) distribué et centré sur les données qui génère des signaux auxiliaires pour l'amortissement des oscillations et par les RED. La conception proposée module les injections de puissance active et réactive des onduleurs RED afin de réduire les oscillations pendant les conditions de perturbation. Le processus d'apprentissage est basé sur la théorie des opérateurs de Koopman où le sous-système inconnu est reconstruit projetant sa dynamique dans un espace linéaire de grande dimension, afin d'approximer le système non linéaire avec une trajectoire d'état approximativement linéaire. Dans la deuxième étape, nous considérons une contribution collective de grands groupes de charges contrôlables qui modulent leur puissance agrégée de manière à réguler la fréquence primaire. Le modèle de Koopman est à nouveau développé de la même manière pour traiter les variations locales de fréquence causées par diverses perturbations à chaque bus de charge, en considérant des modèles de charges incertains. Le schéma de contrôle est adapté à un grand nombre de charges contrôlables, sans ajustement manuel du modèle. Les tests montrent une amélioration des performances de régulation de la fréquence par rapport au contrôle par la génération ou à gain proportionnel, ainsi qu'une diminution de la dépendance au déploiement de la génération de réserve de secours lorsque le contrôle par la demande est activé. L'approche permet d'améliorer les performances avec un nombre minimal de charges contrôlables. En outre, un plus grand nombre de charges non sensibles à la fréquence peuvent être en réserve pour des scénarios inattendus, ce qui ne compromet pas la qualité des services. Dans la dernière étape, nous utilisons des réseaux de distribution actifs (ADN) pour la régulation de fréquence primaire, en considérant ensemble plusieurs petites unités contrôlables (charges intelligentes et RED) de sorte que leur impact (collectivement) soit significatif. Notre approche consiste à traiter chaque unité contrôlable comme un petit contributeur à la fréquence primaire. La commande prédictive par modèle de Koopman est conçue pour traiter les variations locales de fréquence au point de couplage commun (PCC), en supposant un modèle incertain du système associé à chaque unité. Le schéma est entièrement décentralisé et adapté à un grand nombre de charges flexibles et de REDs, sans ajustement manuel du modèle. Il est démontré que l'activation de la fonctionnalité de contrôle du côté de la demande fournit une meilleure performance de fréquence avec les REDs, avec une utilisation moindre de la réserve de puissance disponible dans celles-ci. / Large scale integration of dispersed generation units has made the power system more difficult to observe, identify and control. This dissertation provides a novel data-driven methodology for power systems enriched with distributed energy resources (DERs) to enhance the system's potential to host huge number of DERs while preserving network dynamic behavior. Our approach incorporates historically recorded data to obtain distributed prediction models that manifest the actual dynamic behavior. The proposed method is decentralized in both learning and control phases. The design scheme utilizes only the local measurements of the controllable unit of interest in the learning phase and receives the feedback signals locally in the control phase with no extra states hosted from the rest of the grid, thus no scalability issues are posed. In the first stage, the obtained models are used to construct a distributed data-centric model predictive control (MPC) modules that generate auxiliary signals for oscillation damping and the DERs. The proposed design controls the active and reactive power injections of the DER inverters to reduce the oscillations during disturbance conditions. The learning process is based on Koopman operator theory where the unknown subsystem is reconstructed by lifting its dynamics to a linear space with an approximate linear state evolution. In the second stage, we consider a collective contribution of large clusters of controllable loads which modulate their aggregate demand power to regulate the primary frequency. Koopman model is again developed by the same manner to handle local frequency variations caused by various disturbances at each load bus, considering uncertain loads models. The control scheme is suited for a large-scale number of controllable loads, with no manual model adjustments. The tests show an improved frequency regulation performance compared to generation-side and a decreased reliance on standby reserve generation deployment when demand-side control is enabled. The approach can raise the performance with the minimum number of loads. Furthermore, more non-spinning frequency-responsive loads can be on standby for unexpected scenarios, thus no jeopardy to the quality of the services might occur. In the last stage, we utilize active distribution networks (ADNs) for primary frequency regulation, considering several small controllable units (smart loads and DERs) such that their impact (collectively) is significant. Our approach focuses on treating each controllable unit as a small contributor to the primary frequency. Koopman model predictive control is designed to handle local frequency variations at the point of common coupling (PCC), assuming an uncertain system model associated with each unit. The scheme is fully decentralized and suited for a large-scale number of flexible loads and DERs, with no manual model adjustments. It is shown that enabling the demand-side control functionality provides a better performance along with the DER, whilst keeping less usage of the DER surplus power reserve.

Dans le domaine de l'analyse de documents on voudrait être capable de traiter automatiquement n'importe quel genre de documents numériques et d'extraire l' information la plus importante. Plus précisément, on voudrait connaître la configuration du document,identifier chacune de ses parties et reconnaître ses contenus, pour faire des requêtes par le contenu du document lui-même mais aussi, parmi des documents différents. Ceci est une problème difficile qui a suscité un nombre important de travaux à différents niveaux. On a développé un ensemble de techniques destinés à pré-traiter les images numériques afin d'augmenter leurs qualités, en réduisant le bruit provenant des systèmes d'acquisition et en minimisant les effets de la dégradation des documents. On trouve aussi, beaucoup de travaux destinés à la segmentation de zones d'intérêts du fond du document. Finalement, depuis les années 60 à aujourd'hui un nombre important des descripteurs on été proposé pour représenter ces zones d'intérêts.<br /><br />Dans ce thèse, nous avons travaillé sur la description des formes et la fusion de classificateurs pour les appliquer à la reconnaissance de graphiques. Dans la reconnaissance de formes, beaucoup d'applications sont confrontées au problème de description de grands ensembles de formes complexes pour les reconnaître, mais aussi pour les identifier dans des grandes bases de données. En plus du nombre important de formes on doit également faire face aux problèmes de similitude des formes ou de variabilité des classes des symboles. Dans ces cas, un point clé dans le processus de la reconnaissance des formes est la définition de descripteurs ayant une grande capacité de discrimination. Malheureusement, un seul descripteur ne suffit pas pour obtenir des résultats satisfaisants et donc, nous devons combiner l'information provenant de différentes sources pour améliorer le comportement global du système de reconnaissance. Cette combinaison est réalisée par un mécanisme de fusion des classificateurs.<br /><br />Par rapport aux descriptions des formes, traditionnellement les symboles graphiques ont été représentés par des descripteurs structurelles, construits à partir d'une représentation vectorielle. Les méthodes de vectorisation sont sensibles aux bruits et aux distorsions des symboles ébauchés. On peut essayer de contourner ce problème en définissant une grammaire de descripteurs ou en construisant des modèles déformables des symboles. Une autre possibilité, celle poursuivie dans ce mémoire, est d'utiliser des descripteurs que n'ont pas besoin d'une représentation vectorielle. Dans le contexte de la description des formes on a proposé un descripteur basé sur la transformation de ridgelets qu'on peut définir comme: multiresolution, polaire, en 2D et qui préserve l'information d'invariance aux similitudes. D'un autre coté, malgré qu'on puisse considérer ce descripteur comme un seul, il nous offre une représentation des formes permettant de la décomposer en groupes de coefficients de ridgelets qui sont chacun définis comme un descripteur. De cette manière, pour chaque descripteur, nous avons entraîné des classifieurs qui sont combinés linéairement en utilisant des règles de combinaison: IN (Indépendant et Normale) et DN (Dépendant et Normal), que minimisent l'erreur de classification pour ces classifieurs par rapport à un ensemble de contraintes. <br /><br />Ces développements théoriques ont été validés à partir d'un ensemble de résultats expérimentaux. Les descripteurs ridgelets décrivent mieux les symboles que d'autres descripteurs plus classiques. Les règles de fusion IN et DN réduisent l'erreur de classification par rapport aux autres méthodes de références. Enfin, la méthode IN appliquée aux descripteurs de ridgelets, en combinaison avec des classificateurs du genre "boosting", aboutie à un taux de reconnaissance d'environ 100% sur la base de données définies au workshop GREC'03.

Soient p un nombre premier, Zp l'anneau des entiers p-adiques, Qp le corps des nombres p-adiques et K un sur-corps valué complet de Qp. Soit C(Zp,K) l'algèbre de Banach des fonctions continues de Zp dans K munie de la norme de la convergence uniforme et soit q appartenant à K tel que Iq-1I<1. K. Conrad établit un q-analogue de la base de Mahler. A l'aide de ce dévelopement, utilisant les techniques de calcul ombral, nous établissons une correspondance bijective, d'un côté entre une classe de q-bases orthonormales de C(Zp,K) et une classe d'opérateurs commutant avec l'opérateur de translation r1 tel que r1(f)(x)=f(x+1) et une autre entre une classe de q-bases orthogonales de C(Zp,K) et une classe d'opérateurs commutant avec la q-dérivation de Jackson. Nous obtenons une réalisation du plan quantique et de l'algèbre de Weyl à deux générareurs sous forme concrète d'algèbres d'opérateurs. Nous faisons quelques calculs de normes de ces opérateurs et nous exhibons une famille orthogonale pour l'algèbre de Weyl quantique. Nous obtenons des conditions nécessaires et suffisantes sur les coefficients du développement de Conrad pour qu'une fonction continue soit strictement différentiable, d'abord lorsque q est non racine de l'unité, ensuite lorsque q est une racine primitive de l'unité d'ordre une puissance pN de p. Comme application nous donnons une q-version de l'intégrale de Volkenborn