Offre de th
Forum 'Emplois' - Sujet créé le 2014-04-14 par Karine Deschinkel
Sujet de Thèse : Optimisation de la gestion d'énergie dans des systèmes hybrides électriques
Laboratoire : FEMTO-ST Belfort
Encadrants: Raphaël Couturier, Marie-Cécile Pera, Karine Deschinkel, Frédéric Gustin
La thèse sera positionnée sur la synthèse de stratégies de gestion d'énergie. L'objet d'étude sera la maquette développée au cours du projet. Il s'agira de dimensionner les stratégies de gestion d'énergie et d'optimiser la gestion de celle-ci à travers des algorithmes déployés sur les GPUs. Par ailleurs, la génération automatique sera étudiée afin de valider les choix réalisés. Les différentes stratégies de gestion d'énergie seront mises en œuvre. L'analyse des performances de chacune sera menée afin de les évaluer.
Le cas d'étude proposé est un système hybride composé d'une alimentation qui émulera une source permanente de puissance (du type alternateur couplé à une turbine ou un système pile à combustible), une batterie d'accumulateur et une batterie de supercondensateurs. Cette association de sources est générique, on peut la retrouver dans diverses applications : automobile, véhicules lourds, aéronautique ou bien stationnaires (en particulier dans le cas de sites îlotés, alimentés par des sources d'énergie renouvelables). Le cadre applicatif privilégié sera celui d'une application aéronautique car elle rassemble de nombreuses contraintes en termes de dynamiques de charge, de température ambiante, de qualité de l'énergie.
L'objectif de la thèse est de développer des algorithmes d'optimisation incluant le dimensionnement des éléments de stockage et les paramètres de la stratégie de gestion d'énergie répartissant la demande de puissance sur les différentes sources.
Il s'agira dans un premier temps de modéliser le système d'hybridation sous forme d'un problème d'optimisation. Une fois le modèle d'optimisation validé, il faudra déterminer finement quels paramètres il faudra optimiser. Comme il faut à la fois déterminer le type de cellules (résistance, capacité,...) et leurs nombres (série, parallèle) pour différents profils de missions et différentes conditions environnementales (températures variables,...), l'espace de recherche de solutions optimales peut s'avérer très grand. Il faudra donc développer un algorithme d'optimisation adapté au problème, l'implanter et le résoudre. Pour accélérer les temps de calculs de résolution, nous utiliserons les machines avec GPU qui nous permettront d'obtenir de bonnes solutions en temps raisonnable.
Le planning de travail prévisionnel est le suivant :
1er trimestre : Etude bibliographique sur la gestion d'énergie et les algorithmes d'optimisation. A l'issue de ce travail, les stratégies de gestion à évaluer seront déterminées et priorisées.
2e - 4e trimestres : Développement du modèle d'optimisation.
5e -6e trimestres : Développement des algorithmes d'optimisation. Développement en parallèle de la maquette de test.
7e-8e trimestres : Implantation d'une ou plusieurs lois de gestion d'énergie sur la maquette.
9e-10e trimestres : Evaluation des performances des lois de gestion d'énergie entres elles et vis-à-vis de la littérature
11e-12e trimestres : Rédaction du mémoire de thèse.
Compétences requises : Matlab, connaissance en énergie, optimisation
Compétences optionnelles : gpu
Les candidats intéressés doivent faire parvenir un CV, une lettre de motivation et les notes de master à l'adresse suivante : raphael.couturier@univ-fcomte.fr
Laboratoire : FEMTO-ST Belfort
Encadrants: Raphaël Couturier, Marie-Cécile Pera, Karine Deschinkel, Frédéric Gustin
La thèse sera positionnée sur la synthèse de stratégies de gestion d'énergie. L'objet d'étude sera la maquette développée au cours du projet. Il s'agira de dimensionner les stratégies de gestion d'énergie et d'optimiser la gestion de celle-ci à travers des algorithmes déployés sur les GPUs. Par ailleurs, la génération automatique sera étudiée afin de valider les choix réalisés. Les différentes stratégies de gestion d'énergie seront mises en œuvre. L'analyse des performances de chacune sera menée afin de les évaluer.
Le cas d'étude proposé est un système hybride composé d'une alimentation qui émulera une source permanente de puissance (du type alternateur couplé à une turbine ou un système pile à combustible), une batterie d'accumulateur et une batterie de supercondensateurs. Cette association de sources est générique, on peut la retrouver dans diverses applications : automobile, véhicules lourds, aéronautique ou bien stationnaires (en particulier dans le cas de sites îlotés, alimentés par des sources d'énergie renouvelables). Le cadre applicatif privilégié sera celui d'une application aéronautique car elle rassemble de nombreuses contraintes en termes de dynamiques de charge, de température ambiante, de qualité de l'énergie.
L'objectif de la thèse est de développer des algorithmes d'optimisation incluant le dimensionnement des éléments de stockage et les paramètres de la stratégie de gestion d'énergie répartissant la demande de puissance sur les différentes sources.
Il s'agira dans un premier temps de modéliser le système d'hybridation sous forme d'un problème d'optimisation. Une fois le modèle d'optimisation validé, il faudra déterminer finement quels paramètres il faudra optimiser. Comme il faut à la fois déterminer le type de cellules (résistance, capacité,...) et leurs nombres (série, parallèle) pour différents profils de missions et différentes conditions environnementales (températures variables,...), l'espace de recherche de solutions optimales peut s'avérer très grand. Il faudra donc développer un algorithme d'optimisation adapté au problème, l'implanter et le résoudre. Pour accélérer les temps de calculs de résolution, nous utiliserons les machines avec GPU qui nous permettront d'obtenir de bonnes solutions en temps raisonnable.
Le planning de travail prévisionnel est le suivant :
1er trimestre : Etude bibliographique sur la gestion d'énergie et les algorithmes d'optimisation. A l'issue de ce travail, les stratégies de gestion à évaluer seront déterminées et priorisées.
2e - 4e trimestres : Développement du modèle d'optimisation.
5e -6e trimestres : Développement des algorithmes d'optimisation. Développement en parallèle de la maquette de test.
7e-8e trimestres : Implantation d'une ou plusieurs lois de gestion d'énergie sur la maquette.
9e-10e trimestres : Evaluation des performances des lois de gestion d'énergie entres elles et vis-à-vis de la littérature
11e-12e trimestres : Rédaction du mémoire de thèse.
Compétences requises : Matlab, connaissance en énergie, optimisation
Compétences optionnelles : gpu
Les candidats intéressés doivent faire parvenir un CV, une lettre de motivation et les notes de master à l'adresse suivante : raphael.couturier@univ-fcomte.fr