CERAWeek: Assistant Professor of Engineering Cong Chen | Realtime Pricing & AI Agents

CERAWeek: Assistant Professor of Engineering Cong Chen | Realtime Pricing & AI Agents

🎙 Cong Chen 👥 2K 📅 2 avril 2026 ⏱ 20 min 👁 213 📄 conférence 🧭 2026-08-15
Disponible en : Français (actuel) English

Mots-clés

tarification temps réelagents IALLMstockage d'énergiemarchés de l'électricité

Résumé

Dans cette conférence donnée dans le cadre de CERAWeek 2026, Cong Chen, professeur assistant en ingénierie à Dartmouth, présente ses travaux de recherche sur la tarification en temps réel des marchés de l’électricité et l’utilisation d’agents IA basés sur de grands modèles de langage (LLM) pour simuler le comportement des consommateurs d’énergie. Il commence par un aperçu de ses projets : la courbe de canard en Californie, l’optimisation du stockage, et l’intégration des ressources énergétiques distribuées (DER). La première partie de l’exposé se concentre sur la construction d’agents IA capables de jouer différents profils de consommateurs (chercheur, acteur, grand-mère) et de prendre des décisions d’utilisation de la batterie domestique. Les résultats montrent que les LLM peuvent reproduire des préférences hétérogènes et réagir de manière crédible à des événements rares comme une panne de courant. La seconde partie aborde la tarification en temps réel : il propose deux nouvelles méthodes (MDCP et MTRMP) qui visent à éliminer les paiements hors marché (bid cost recovery) et à inciter les producteurs à révéler leurs coûts de manière véridique. Des simulations montrent que ces méthodes réduisent considérablement les paiements hors marché et améliorent l’efficacité du marché. La présentation se termine par une session de questions-réponses où il discute des limites des modèles, des coûts de calcul et des perspectives de recherche.

217 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : le chercheur présente des résultats originaux issus de ses travaux, avec des implications pratiques pour la conception des marchés électriques et l’intégration des énergies renouvelables. L’argumentation est solide, appuyée par des simulations et des résultats expérimentaux. Il explique clairement les problèmes des mécanismes de tarification actuels (paiements hors marché, incitations faussées) et propose des solutions théoriques avec des preuves. La démonstration sur les agents IA est convaincante, avec des exemples concrets de comportements différenciés selon les personas. Cependant, certains points restent superficiels (détails théoriques des méthodes de tarification), et l’absence de références explicites aux publications limite la vérifiabilité immédiate.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : le chercheur s’appuie sur des travaux publiés (prix de thèse IEEE, Amazon Research Award) et présente des résultats avec une méthodologie claire. Les sources ne sont pas citées explicitement dans la vidéo, mais le lien de la description renvoie à la page CERAWeek de l’Institut Irving, qui peut contenir des références complémentaires. L’adéquation titre/contenu est bonne : le titre annonce bien les deux thèmes principaux. La qualité des sources est indirecte, mais le contexte académique renforce la crédibilité.

205 mots

Adéquation titre / contenu

Le titre reflète bien le contenu : il annonce une présentation sur la tarification en temps réel et les agents IA, ce qui correspond au cœur de l'exposé.

Qualité & fiabilité

8/10

Le contenu est présenté par un chercheur universitaire (professeur assistant à Dartmouth) et s'appuie sur des travaux de recherche publiés (prix de thèse IEEE, Amazon Research Award). Les méthodes et résultats sont exposés de manière structurée, avec des références implicites à des publications. La fiabilité est élevée, mais l'absence de citations explicites dans la vidéo limite la vérifiabilité directe.

Moments clés

Sources citées

  • Explore Dartmouth at CERAWeek 2026 — Page de l'Institut Irving présentant les travaux des chercheurs de Dartmouth lors de CERAWeek 2026, incluant probablement des références aux publications de Cong Chen.

Sources concordantes

  • Explore Dartmouth at CERAWeek 2026 — Page officielle de l'Institut Irving, qui présente les travaux de recherche de Cong Chen et peut contenir des références à ses publications.

Apport & nouveautés

L’apport original de cette présentation réside dans la combinaison de deux axes de recherche : l’utilisation d’agents IA basés sur des LLM pour simuler le comportement des consommateurs d’énergie, et le développement de nouvelles méthodes de tarification en temps réel pour les marchés de l’électricité. L’approche par personas permet de capturer des préférences hétérogènes et de tester des scénarios rares comme les pannes, ce qui est difficile à faire avec des modèles traditionnels. Les méthodes de tarification proposées (MDCP et MTRMP) offrent une solution théorique pour éliminer les paiements hors marché et inciter à la transparence des coûts.

Pour aller plus loin :

186 mots

Profil radar

Le profil radar montre une bonne qualité d'information et une fiabilité élevée, avec un niveau technique modéré. La quantité d'information est correcte, mais le format de conférence limite la profondeur des détails. La fiabilité globale est renforcée par le contexte académique.

Fiabilité 8/10