Representing more than one-third of global electricity consumption, buildings undergo the most important sector capable of reducing greenhouse gas emissions and promote the share of Renewable Energy Sources (RES). The integrated RES and electric energy storage system in buildings can assist the energy transition toward a low-carbon electricity system while allowing end-energy consumers to benefit from clean energy. Despite its valuable advantages, this innovative distributed Building Microgrids (BM) topology requires significant changes in the current electric grid, which is highly dependent on grid energy policies and technology breakthroughs.The complexity of designing a robust Energy Management System (EMS) capable of managing all electric components inside the microgrid efficiently without harming the main grid stability is one of the greatest challenge in the development of BM. To mitigate the harmful effects of unpredictable grid actors, the concept of self-consumption has been increasingly adopted. Nonetheless, further technical-economic analysis is needed to optimally manage the energy storage systems to attain higher marks of self-consumption.Faceing these issues, the purpose of this doctoral thesis is to propose a complete framework for designing a building EMS for microgrids installed in buildings capable of maximising the self-consumption rate at minimum operating cost. Among all possible control architectures, the hierarchical structure has proved effective to handle conflicting goals that are not in the same timeframe. Hence, a Hierarchical Model Predictive (HMPC) control structure was adopted to address the uncertainties in the power imbalance as well as the trade-off between costs and compliance with the French grid code.Considering that buildings are not homogeneous and require solutions tailored to their specific conditions, the proposed controller was enhanced by two data-driven modules. The first data-driven algorithm is to handle inaccuracies in HMPC internal models. Without needing to tune any parameter, this algorithm can enhance the accuracy of the battery model up to three times and improve up to ten times the precision of the hydrogen storage model. This makes the building EMS more flexible and less dependent on pre-modelling steps.The second data-oriented algorithm determines autonomously adequate parameters to HMPC to relieve the trade-off between economic and energy aspects. Relying only on power imbalance data analysis and local measurements, the proposed hierarchical controller determines which energy storage device must run daily based on the estimation of the annual self-consumption rate and the annual microgrid operating cost. These estimations decrease microgrid expenditure because it avoids grid penalties regarding the requirements of annual self-consumption and reduces the degradation and maintenance of energy storage devices.The proposed EMS also demonstrated being capable of exploiting the potentials of shifting in time the charging of batteries of plug-in electric vehicles. The simulation confirmed that the proposed controller preferably charges electric vehicles’ batteries at periods of energy surplus and discharges them during periods of energy deficit, leading the building microgrid to reduce grid energy exchange. The results also showed that electric vehicle batteries' contribution depends on the size of the vehicle parking, their arrival and departure time, and the building’s net power imbalance profile. In conclusion, through simulations using the dataset of both public and residential buildings, the proposed hierarchical building EMS proved its effectiveness to handle different kinds of energy storage devices and foster the development of forthcoming building microgrids., Représentant plus d'un tiers de la consommation mondiale d'électricité, les bâtiments sont le secteur énergétique majeur pour promouvoir l’usage des énergies renouvelables. L'installation à la fois de sources d’énergie rénouvelable et d'un système de stockage d'énergie électrique dans les bâtiments peut favoriser la transition énergétique vers un système électrique à faible émission de carbone, tout en permettant aux consommateurs d'énergie finaux de bénéficier d'une énergie propre. Malgré tous ces avantages, cette topologie innovante et distribuée d’un Micro-réseau dédié au Bâtiment (MB)nécessite des changements importants dans le réseau actuel, qui dépend des politiques énergétiques et d’avancement technologiques.La conception d'un Système de Gestion de l'Energie (EMS) capable de gérer efficacement les composants électriques du micro-réseau sans menacer la stabilité du réseau principal est un obstacle au développement des MB. Pour atténuer les effets néfastes introduits par des acteurs d’énergie imprévisibles, le concept d'autoconsommation est de plus en plus adopté. Néanmoins, une analyse technico-économique plus approfondie est nécessaire pour piloter d’une manière optimaledes systèmes de stockage d'énergie afin d’atteindre des indices d'autoconsommation plus élevés.Face à ces enjeux, le but de ce doctorat est de proposer un EMS pour les micro-réseaux installés dans les bâtiments afin de maximiser leur taux d’autoconsommation à un coût d’exploitation minimum. Parmi les architectures de contrôle, la structure hiérarchique s'est avérée efficace pour gérer des objectifs contradictoires qui ne sont pas dans la même échelle de temps. Ainsi, une structure de contrôle Hiérarchique à Modèle Prédictif (HMPC) a été adoptée pour remédier aux incertitudes liées aux déséquilibres de puissance ainsi qu’établir un compromis entre la réduction du coût de fonctionnement et le respect du code de l’énergie français.Considérant que les bâtiments ne sont pas homogènes et nécessitent des solutions adaptées à leur besoin, le contrôleur proposé a été couplé à deux modules fonctionnant à base d’analyse de données. Le premier algorithme consiste à gérer les inexactitudes dans les modèles internes de l’HMPC. Sans avoir besoin de régler aucun paramètre, cet algorithme améliore la précision du modèle de batteries jusqu'à trois fois et augmente jusqu'à dix fois la précision du modèle de stockage d'hydrogène, réduisant ainsi la dépendance de l’EMS aux étapes de modélisation. Le deuxième algorithme détermine de manière autonome les paramètres de l’HMPC et facilite le compromis entre les aspects économiques et énergétiques. S'appuyant uniquement sur l'analyse des données de déséquilibre de puissance et des mesures, le contrôleur hiérarchique spécifie quel dispositif de stockage d'énergie doit fonctionner quotidiennement en fonction de l'estimation du taux d'autoconsommation et du coût de fonctionnement du micro-réseau. Ces estimations diminuent les dépenses annuelles du micro-réseau en évitant la pénalisation en ce qui concerne les exigences d'autoconsommation et en réduisant la dégradation et l'entretien des systèmes de stockage d'énergie.L’EMS proposé s'est également révélé capable de charger de préférence les batteries des véhicules électriques en période de surplus d’énergie et les décharger pendant les périodes de déficit pour réduire les échanges d’énergie avec le réseau principal. Les résultats ont aussi montré que la contribution des batteries de véhicules électriques dépend de la taille du parc de véhicules, de leur temps de connexion et du profil de déséquilibre de puissance. En conclusion, à travers les simulations utilisant le dimensionnement réel d'un bâtiment public et résidentiel, l’EMS hiérarchique s'est avéré efficace pour gérer de nombreux dispositifs de stockage d'énergie et contribuer à l’essor de micro-réseaux dédiés aux bâtiments à l’avenir.