Transfert de connaissances vers l'industrie
Département des Technologies des NanoMatériaux (LITEN)
Laboratoire de Formulation des Matériaux
Chimie des matériaux, option polymère
01-11-2020
SL-DRT-20-0329
De par leurs très bonnes performances magnétiques, les aimants permanents en NdFeB participent à la transition énergétique, avec des applications dans les secteurs de l'énergie (turbines d'éoliennes) et du transport (véhicules électriques). Ces aimants sont généralement produits par pressage de poudre et frittage, et l'obtention de formes complexes passent alors par des opérations d'usinage coûteuses. Le procédé PIM (Powder Injection Moulding), qui permet la mise en ?uvre de poudres inorganiques au travers de techniques classiques de la plasturgie, est actuellement considéré pour la fabrication d'aimants NdFeB de haute densité et aux géométries complexes. Les propriétés magnétiques des aimants en NdFeB sont significativement dégradées par la présence de contaminants carbone et/ou oxygène. Or, le procédé PIM nécessite (i) la formulation de feedstocks (mélanges) à partir de polymères organiques (liants) pour le moulage par injection, et (ii) la mise en place d'étapes post-injection de déliantage chimique et thermique, qui sont autant de sources potentielles de contamination du matériau. Ces différentes sources nécessitent d'être étudiées afin de réduire au maximum la contamination dans les aimants et ainsi d'optimiser leurs propriétés magnétiques. En outre, l'étude des interactions physico-chimiques entre les liants polymères (et leurs produits de dégradation) et la poudre NdFeB, doit permettre l'élaboration de feedstocks injectables et adaptés à l'élaboration d'aimants permanents à basse contamination et aux propriétés magnétiques optimales.
Département des Technologies Solaires (LITEN)
Laboratoire Systèmes Electriques Intelligents
Master 2 en énergie
01-10-2020
SL-DRT-20-1068
Dans un contexte d'intégration massive de production renouvelable non pilotable (éolien et photovoltaïque), l'impératif « production = consommation » impliquera dans l'avenir d'agir de plus en plus sur le second terme de cette égalité. De nombreuses questions se posent sur le potentiel réel de flexibilité de la consommation dans un cadre smartgrid, et ce suivant le niveau géographique auquel on se place mais aussi la plage temporelle d'activation. Le pilotage des flexibilités ainsi que leur valorisation, vont nécessiter des modèles variés, différents suivant les marchés (services systèmes, SPOT, intraday, ajustement) et le niveau géographique considéré (habitat individuel, collectif, quartier, ville). La thèse s'attachera à développer : - Des modèles de consommations électriques et de flexibilités associées à ces consommations - Des algorithmes d'apprentissage /paramétrisation de ces modèles. Ces derniers seront orientés « big data ». - Des méthodologies de passage d'un modèle à un autre Pour mener à bien ces travaux, on s'appuiera sur des outils de simulation existants pour les échelles spatiales les plus fines ainsi que sur une base de données de mesures de consommation (Linky).
