Couplage d’un modèle numérique d’éolienne avec un algorithme de type « Operational Modal Analysis »

Statut
à pourvoir
Lieu

Le développement de la production d’électricité d’origine éolienne est en très forte croissance en France et dans le monde. IFP Energies nouvelles se positionne dans cette dynamique en tant qu’EPIC acteur de la transition énergétique. Associées à la croissance de la puissance installée, la surveillance et la maintenance des éoliennes deviennent un enjeu majeur. Il est donc important de détecter et caractériser au plus tôt des défauts qui peuvent apparaître dans ces structures, afin de prévenir toute dégradation importante. Il faut cependant tenir compte du petit nombre de capteurs installés sur une éolienne.
L’objectif du travail de thèse est la surveillance du comportement vibratoire d’éoliennes en se basant sur les données capteurs. Les méthodes d’OMA (Operational Modal Analysis) et plus particulièrement les modèles stochastiques réduits permettent de modéliser la structure en termes de modes propres. Ces approches (Stochastic Subspace Identification, SSI) ont été développées en particulier pour des structures simples de génie civil. Pour répondre à cet objectif, les points suivants devront être successivement traités:
•    Tout d’abord clarifier quelle approche OMA prenant en compte la rotation des pales, est la plus à même de rendre compte, au niveau des données, de variations dans le comportement vibratoire cohérentes avec des modifications physiques qui seront simulées par des modèles mécaniques (modèles DeepLines Wind de IFPEN ou FAST du NREL) reproduisant précisément le comportement mécanique d’éoliennes.
•    D’autre part, fournir des intervalles de confiance aux estimés produits par les algorithmes d’identification. Ceci permettra de fournir l’incertitude liée à la qualité des mesures pour apprécier la corrélation entre les méthodes OMA et les modèles numériques.
•    Par rapport aux méthodes développées auparavant, développer l’approche d’OMA la plus pertinente pour la détection et la localisation de défauts.
Le travail de thèse se déroulera sur le site IFPEN de Lyon (au sein du Département de Mécanique des Solides, en étroite interaction avec le Département Contrôle, Signal et Système) et dans les locaux de l’équipe I4S de Rennes suivant les besoins d’interaction avec l’encadrement.

Mots clefs: Structural Health Monitoring, méthodes statistiques, dynamique, incertitudes, énergie éolienne

  • Directeur de thèse    Dr MEVEL Laurent, INRIA I4S (Inference for Structures)
  • Ecole doctorale    MathSTIC (https://ed-mathstic.u-bretagneloire.fr/)
  • Encadrant IFPEN    Dr LEROY Jean-Marc, Mécanique des solides, jean-marc.leroy@ifpen.fr
  • Localisation du doctorant    IFP Energies nouvelles, Lyon, et Inria, Rennes, France
  • Durée et date de début    3 ans, début au plus tôt le 1er septembre 2020 
  • Employeur    IFP Energies nouvelles, Lyon, France
  • Qualifications    Master 2 (Mécanique, Statistiques ou Automatique)
  • Connaissances linguistique    Maîtrise du français ou de l'anglais, volonté d'apprendre le français
Contact
Encadrant IFPEN 
LEROY Jean-Marc
Mécanique des solides
Texte libre

IFP Energies nouvelles est un organisme public de recherche, d’innovation et de formation dont la mission est de développer des technologies performantes, économiques, propres et durables dans les domaines de l’énergie, du transport et de l’environnement. Pour plus d’information, voir www.ifpen.fr. 
IFPEN met à disposition de ses chercheurs un environnement de recherche stimulant, avec des équipements de laboratoire et des moyens de calcul très performants. IFPEN a une politique salariale et de couverture sociale compétitive. Tous les doctorants participent à des séminaires et des formations qui leur sont dédiés.