Approches hybrides d'apprentissage par renforcement pour l'optimisation de réseaux électriques intelligents en contexte multiacteurs

Cette thèse propose un cadre multi-agents combinant Q-learning distribué et planification stochastique pour la gestion dynamique de la demande dans les smart grids. Une validation sur données réelles du réseau marocain démontre une réduction de 18% des pics de charge.