X-Novation Center

Sur le toit du démonstrateur scientifique X-Novation Center

Le X-Novation Center de l’École polytechnique est un démonstrateur de bâtiment intelligent pour la recherche et l’expérimentation sur la transition énergétique des bâtiments tertiaires, en conditions réelles. Il intègre une infrastructure de production photovoltaïque, de stockage et de pilotage de la consommation électrique ainsi qu’un réseau de capteurs et de compteurs produisant un flux exceptionnel de données sur un long historique. Face au poids des bâtiments dans les émissions de gaz à effet de serre, le X-Novation Center explore des réponses combinant sobriété, électrification des usages et intelligence de gestion.

53 panneaux photovoltaïques pour un total de 16,7 kWc
Batterie de 30kWh
30 points de mesure électrique (chauffage, climatisation, ventilation, éclairage, prises électriques, chauffe-eau, production photovoltaïque, batterie)
1 station de recharge électrique pour un véhicule en autopartage
Mesures depuis 2016, avec une résolution de 1 seconde à 15 minutes
Laboratoires impliqués LMD, CRG, SAMOVAR, GeePs, LVMT, LPICM, LIX

Liste des publications associées

Calderón-Obaldía, F., Anvari-Moghaddam, A. M., Guerrero, J. M., Badosa, J., Migan-Dubois, A., & Bourdin, V. (2018, septembre). Operating reserve in microgrids : An approach to deal with uncertainty. https://doi.org/10.1109/TSG.2012.2231440
Calderon-Obaldia, F., Badosa, J., Migan-Dubois, A., & Bourdin, V. (2019, septembre). Estimation and integration of net demand uncertainty in a microgrid management. https://hal.science/hal-03312275
Calderon-Obaldia, F., Badosa, J., Migan-Dubois, A., & Bourdin, V. (2020). A Two-Step Energy Management Method Guided by Day-Ahead Quantile Solar Forecasts : Cross-Impacts on Four Services for Smart-Buildings. Energies, 13(22), 5882. https://doi.org/10.3390/en13225882
Dridi, A., Afifi, H., Moungla, H., & Badosa, J. (2022). A Novel Deep Reinforcement Approach for IIoT Microgrid Energy Management Systems. IEEE Transactions on Green Communications and Networking, 6(1), 148 159. https://doi.org/10.1109/TGCN.2021.3112043
Dridi, A., Moungla, H., Afifi, H., Badosa, J., Ossart, F., & Kamal, A. E. (2020). Machine Learning Application to Priority Scheduling in Smart Microgrids. 2020 International Wireless Communications and Mobile Computing (IWCMC), 1695 1700. https://doi.org/10.1109/IWCMC48107.2020.9148096
Hamdipoor, V., Nguyen, H. N., Mekhaldi, B., Parra, J., Badosa, J., & Obaldia, F. C. (2025). Experimental validation of scenario-based stochastic model predictive control of nanogrids. Control Engineering Practice, 157, 106249. https://doi.org/10.1016/j.conengprac.2025.106249
Levent, T., Preux, P., Le Pennec, E., Badosa, J., Henri, G., & Bonnassieux, Y. (2019). Energy Management for Microgrids : A Reinforcement Learning Approach. 2019 IEEE PES Innovative Smart Grid Technologies Europe (ISGT-Europe), 1 5. https://doi.org/10.1109/ISGTEurope.2019.8905538