Direction scientifique
Transfert de connaissances vers l'industrie

Nos Thèses par thème

Défis technologiques >> Energie solaire pour la transition énergétique
2 proposition(s).

Toutes les offres [+]

Outils de diagnostic et de pronostic des onduleurs et modules PV par des approches machine-learning économes en moyens de calcul

Département des Technologies Solaires (LITEN)

Laboratoire Systèmes PV

mathématiques ou science de l'ingénieur

01-09-2021

SL-DRT-21-0347

sylvain.lespinats@cea.fr

Energie solaire pour la transition énergétique (.pdf)

Contexte : Dans le contexte actuel de dérèglement climatique, la question de l'énergie est centrale aussi bien d'un point de vue sociétal que d'un point de vue politique ou économique. La production solaire, qui est une alternative renouvelable aux énergies carbonées, croit exponentiellement et il extrêmement probable que cette montée en puissance se poursuive dans les années qui viennent. Un des meilleurs moyens de faire baisser le coût financier et environnemental des centrales solaires est le diagnostic automatique qui permet de détecter et corriger les défaillances des centrales et ainsi augmenter leur rendement. Schématiquement, les centrales photovoltaïques sont constituées d'un assemblage de modules reliés à un onduleur. Les modules produisent du courant continu qui est transformé en courant alternatif par l'onduleur pour être transporté sur le réseau de distribution. Les défaillances et le vieillissement de ces deux équipements forment la principale source de défaillances non triviales. Par exemple, la durée de vie d'une centrale est généralement estimée à 20 ou 30 ans, alors que la durée de vie des onduleurs est approximativement de 10 ans. Il est très classique que le courant et la tension en amont et en aval de l'onduleur soient mesurées et suivies. Ces données sont en général complétées par des mesures météorologiques (irradiance et température en particulier). L'ensemble de ces données est cependant bien souvent sous-exploité. Dans le cas du comportement des modules, c'est entre autre lié au fait que les performances dépendent de différents facteurs très fortement corrélés (phénomènes journalier et saisonniers, conditions météos, position relative du soleil, interactions non-linéaires entre les différents modules, vieillissement continue, casse, etc). Dans le cas des onduleurs les difficultés sont majoritairement dues à la forte dépendance aux des conditions de fonctionnement et au niveau de bruit de la mesure largement supérieur au signal recherché (à l'image des problématiques rencontrées dans le cadre de la détection des ondes gravitationnelles par le projet LIGO). Objectif : Nous souhaitons prendre appuis sur ces données pour assurer un suivi plus fin des centrales photovoltaïques, diagnostiquer les défaillances et les anticiper. Pour cela, nous souhaitons nous appuyer sur, d'une part la très grande quantité de données, ce qui peut contrer le problème de signal sur bruit, et sur le machine-learning d'autre part pour isoler les différentes composantes explicatives. Dans un premier temps, les modules et onduleurs seront considérés séparément. Dans un second temps, nous considèrerons le système dans son ensemble. Par le passé, les laboratoire LSPV (CEA) et LAMA UMR 5127 (Université Savoie Mont Blanc) ont collaboré au développement de méthodes de réduction de dimensions. Ces méthodes (probablement à adapter) permettent d'explorer les jeux de données pour en extraire des comportements qui pourront être reliés aux modes de fonctionnement et des vieillissements variées. Cette étape permettra de définir des classes servant ensuite à la mise en place de méthodes de régression/classification. Ce travail de machine-learning devra permettre de proposer des outils de diagnostic suffisamment légers en coût de calcul pour être déployable sur les centrales. Profil souhaité : Nous cherchons un(e) étudiant(e) en mathématiques intéressé(e) par les applications dans le domaine de l'énergie renouvelable et de l'électronique ou un(e) étudiant(e) en sciences de l'ingénieur passionné(e) par les mathématiques. Une expérience en électronique n'est pas nécessaire, mais le candidat pourra être amené à faire des mesures en laboratoire sous la supervision d'électroniciens et de photovoltaïciens pour produire des données ou confirmer des comportements. Les outils utilisés pourront inclurent les méthodes de réduction de dimension, les statistiques (descriptifs et tests), l'analyse de séries temporelles, les SVM, les réseaux de neurones ou les méthodes tensorielles.

Télécharger l'offre (.zip)

Conception multiphysique de modules à semiconducteurs de puissance haute tension pour la conversion des énergies renouvelables

Département des Technologies Solaires (LITEN)

Laboratoire Systèmes PV

Electronique de puissance, physique de matériaux diélectrique, simulation multiphysique

01-09-2021

SL-DRT-21-0387

jeremy.martin@cea.fr

Energie solaire pour la transition énergétique (.pdf)

La recherche et développement autour des semiconducteurs de puissance en carbure de silicium (SiC) a permis de développer des composants capable de bloquer des tensions jusqu'à 15 kV. Ces dispositifs permettent en outre des commutations à des vitesses très élevées (ex : 120 kV/µs pour un MOSFET SiC 10 kV ou encore 180 kV/µs pour un IGBT SiC 15 kV). Les performances de ces semiconducteurs sont exceptionnelles et permettent de réduire drastiquement les pertes par commutation par rapport à des équivalents en Silicium. La mise en ?uvre des ces interrupteurs est en revanche très délicate et fait appel à des méthodologies de conception multiphysique dans champs disciplinaires transversaux. De nombreux verrous scientifiques et technologiques restent toutefois à lever : - Minimisation des inductances parasites des modules de puissance (<5 nH) - Intégration de blindage CEM pour collecter les courant impulsionnels perturbateurs - Refroidissement des puces SiC donc la taille est très réduite par rapport à des équivalent en Si - Gestion des décharges partielles et matériaux diélectriques - Influence des dV/dt sur le vieillissement des matériaux (en DC à 50Hz, et en impulsionnel) - Phénomènes de réflexion (onde électromagnétique) ... Le travail proposé consiste à étudier et à développer une architecture de module de puissance innovante permettant la mise en ?uvre de puces SiC pour des systèmes pouvant atteindre 10 kV. Une équipe du CEA à Toulouse spécialistes du packaging 3D en forte puissance apporteront leurs compétences en technologies d'assemblage pour la réalisation de modules de puissance complexes. Les équipes du CEA sur le campus INES (Institut National de l'Energie Solaire) au Bourget du Lac (73) mettront à disposition leurs moyens de mesure et prototypage en haute tension ainsi que leurs connaissances en conception de module de puissance (simulation par éléments finis). Les chercheurs du laboratoire G2ELAB (Grenoble INP) spécialistes en refroidissement de modules de puissance et en science des diélectriques mettront à profit leur connaissances ainsi que leurs plateformes expérimentales.

Télécharger l'offre (.zip)

Voir toutes nos offres