Filtre CEM hybride générique

Dans le domaine des applications embarquées, les spécifications des convertisseurs de puissance sont cruciales. Ils doivent non seulement être efficaces et compacts, mais aussi respecter des normes strictes en matière de compatibilité électromagnétique (CEM). Comprenez que ces convertisseurs peuvent être sensibles à leurs propres interférences (auto-immunité), causer des ou subir des perturbations dans leur environnement, principalement à cause des courants de mode commun.
Même les convertisseurs de puissance à basse puissance peuvent générer des émissions électromagnétiques à haute fréquence, ce qui peut interférer avec d'autres équipements à proximité ou même perturber les signaux radio.
Traditionnellement, pour répondre aux exigences de la CEM, nous avons recours à des techniques de blindage et de filtrage passif, ce qui ajoute du poids, du volume et des coûts significatifs au système. Environ 20 % de ces coûts et de ces contraintes sont imputés aux filtres CEM passifs.
Nous notons l’arrivée de nouveaux convertisseurs (basés sur des composants grand Gap SiC/GaN) dont les fréquences de commutation s’approchent, voire empiètent sur les gammes de fréquences des normes CEM. Afin de mieux tenir compte de cette problématique, une nouvelle alternative émerge : les filtres CEM actifs. Ces derniers offrent des performances au moins similaires tout en réduisant considérablement l'encombrement et le poids.
Dans le cadre de cette thèse, nous allons explorer ces filtres actifs CEM à travers différentes étapes. Nous commencerons par un état de l'art, suivi de l'estimation du bruit en mode commun et en mode différentiel des composants de commutation. Ensuite, nous simulerons et comparerons les solutions les plus pertinentes, qu'elles soient actives ou passives. Nous passerons également à la pratique en réalisant des tests de compatibilité électromagnétique sur des filtres et des convertisseurs courants.
Enfin, nous concevrons et testerons un prototype de filtre actif pour un convertisseur spécifique. Pour mener à bien cette thèse, il est nécessaire de maîtriser à la fois l'électronique analogique et numérique, ainsi que les logiciels de simulation électronique (LTspice, Pspice ou PSIM) et les outils de conception de circuits imprimés (Altium). De plus, une connaissance de la programmation embarquée serait un atout précieux.

Convertisseur de puissance d’interface avec les réseaux MVAC et MVDC

Dans ce sujet de thèse, nous proposons un convertisseur de puissance d’interface avec les réseaux MVAC et MVDC. Les stratégies de contrôle GI-PC pour fournir des services système et faciliter la gestion et la protection du réseau seront étudiées (ex : support du plan de tension, étude des résonances, MVRT : Medium Voltage Ride Through, etc...). Un prototype numérique de GI-PC au niveau MV sera proposé mettant en œuvre les algorithmes de contrôle. La validation du prototype comprendra la régulation du bus MVDC selon différents scénarios. Le GI-PC peut contribuer pour :
• Fournir une interface connectée au réseau pour divers systèmes MVAC tels que le routeur de puissance
• Fournir une interface de distribution pour différents niveaux de systèmes DC
• Améliorer la qualité de l'énergie des systèmes de distribution MVAC
• Fournir une interface connectée au réseau pour les sources DC de haute puissance telles que les stations de recharge de véhicules électriques, les systèmes de stockage d'énergie par batterie, l'H2, les parcs photovoltaïques et éoliens.
• Autres fonctionnalités : prise en charge des défauts (pare-feu), réduction des déséquilibres, auto-reconfiguration (redondance), adaptation de la mise à la terre, isolation galvanique…

Reconstruction de topologie d'un réseau ramifié par réflectométrie multicapteurs

Les réseaux électriques intelligents (smart grids) visent à surveiller et contrôler des réseaux électriques alors que de nombreux facteurs évoluent, tels que : les unités de production, les unités de consommation, mais aussi le réseau lui-même, sa structure et son état d'intégrité.

Les smart grids visent à assurer la meilleure qualité de service possible tout en assurant la protection des personnes et des infrastructures. Dans ce domaine, une large part des algorithmes visent à "sortir l'humain" des boucles de rétroaction afin d'assurer une disponibilité permanente et une réactivité très élevée. C'est pourquoi de nombreux travaux visent à inclure des algorithmes d'intelligence artificielle dans la boucle décisionnelle.

Dans ce contexte, nous nous intéressons à des moyens de déterminer la topologie d'un réseau électrique. La notion de topologie de réseau inclut la détermination des longueurs des tronçons et leurs caractéristiques, tout comme les caractéristiques des charges connectées au réseau (unités de productions et de consommation), mais aussi d'éventuels défauts dans le réseau. La détermination précise d'une topologie peut éventuellement être exploitée par la suite pour mieux monitorer le réseau en disposant d'informations a priori plus détaillées.

Pour caractériser la topologie, nous proposons d'exploiter un système ponctuel ou distribué de réflectomètres électriques. Ces dispositifs génèrent des signaux dans le réseau sous test et l'étude des réflexions de ces signaux donne des informations pour révéler la structure du réseau, sachant que toute discontinuité d'impédance va créer des réflexions partielles des ondes injectées.

De précédents travaux ont été menés au sein de nos équipes pour la reconstruction de topologie à l'aide de réflectomètre, en utilisant des algorithmes d'optimisation couplés à un simulateur. Nous souhaitons étendre ces travaux d'une part en explorant une approche par régresseur et apprentissage automatique, en monocapteur, et d'autre part en effectuant un analyse multicapteurs soit au moyen des algorithmes d'optimisation déjà existants, soit au moyen des nouveaux algorithmes de régression automatisés.

Méthodes pour réduire l'impact des incertitudes dans l'optimisation des systèmes énergétiques bas-carbone locaux

Les modèles d'optimisation des systèmes énergétiques (ESOM pour Energy System Optimization Models en anglais) sont des outils puissants pour améliorer la prise de décision dans la transition vers des systèmes énergétiques bas carbone.

Les résultats fournis par les ESOMs sont fortement influencés par les incertitudes sur les données, puisqu'ils sont considérés sur un horizon temporel futur. Par exemple, les évolutions possibles des prix de l'énergie, de la production et de la demande d'énergie ou de l'efficacité des technologies doivent être prise en compte. Bien que de nombreux travaux commencent ces dernières années à étudier l'impact de ces incertitudes sur les résultats, les simplifications de la modélisation peuvent induire des biais significatifs.

Le travail proposé dans ce nouveau sujet de doctorat vise à étudier la réponse d’un ESOM au cours des différentes étapes de conception d’un système énergétique, et à réduire l'impact de ces incertitudes le plus tôt possible dans le processus. On vise en particulier à limiter les biais liés à la simplification des modèles, en propageant systématiquement les informations pertinentes des modèles plus détaillés vers les modèles simplifiés. À cette fin, la voie actuellement envisagée consiste à exploiter des techniques telles que l'apprentissage automatique, et en particulier l'approche de l'apprentissage de contraintes (constraints learning), pour extraire des informations pertinentes de la simulation et les réinjecter dans les modèles d'optimisation simplifiés.

En conséquence, le travail devrait améliorer les méthodes actuellement utilisées pour concevoir et améliorer les systèmes énergétiques au niveau local, afin de favoriser les économies d'énergie et de limiter les émissions de CO2 ainsi que d'autres impacts sur l'environnement.

Composites magnétiques doux de type nanocristallins : Mise en forme des poudres et contrôle des propriétés magnétiques pour applications hautes fréquences

Contexte : L’atteinte de la neutralité carbone en 2050 passe par une électrification massive des usages. L’électronique de puissance (EP) est le système de contrôle qui permettra cette mutation (pénétration des EnR, intégration des micro-réseaux d’énergie, développement de la mobilité électrique) - Problématique : Les développements actuels des convertisseurs de l’EP visent à augmenter les fréquences de commutation des interrupteurs grands gaps (SiC ou GaN). A basse fréquence les composants magnétiques restent volumineux et occupent jusqu’à 40% de l’encombrement total. A haute fréquence (HF > 100 kHz) des gains très importants sont espérés mais ceci uniquement si les pertes générées dans ces composants restent maitrisées. Aujourd’hui la seule classe de matériaux magnétiques appliquée à la HF reste les céramiques de type ferrites MnZn ou NiZn du fait de leur faible cout et de leur bonne résistivité électrique (?elec > 1 O.m). Les principaux inconvénients de ces matériaux sont reliés à leur faible induction à saturation (Bsat < 0.4 T) qui limite la réduction de dimension) et aussi à leur fragilité mécanique. Les matériaux nanocristallins ont des Bsat meilleures (1.3 T), mais leur ?elec est de l’ordre de 1.5 µO.m (6 fois moins résistif que les ferrites) ce qui génère des pertes par courant induits importants à HF. Objectif de la thèse : Développer des composites magnétiques en suivant des étapes de : broyage de rubans nanocristallins, d'isolation électrique des poudres (revêtement d'épaisseur fine par sol-gel), de compaction des poudres à haute pression (1000-2000 MPa) pour la mise en forme du noyau puis d’une relaxation thermique des contraintes pour minimiser les champs coercitifs et obtenir des pertes plus faible à HF

Monitoring environnemental de dispersion de polluants : placement optimal de capteurs mobiles

Vous vous sentez concernés par les problématiques de pollution de l’environnement ? Ces travaux de recherche permettront un déploiement optimal de capteurs mobiles pour la surveillance de la qualité de l'air dans les environnements urbains. Les géométries urbaines complexes [1] et les scénarios dynamiques de dispersion de polluants sont les défis scientifiques à relever afin de mieux évaluer localement la pollution atmosphérique, identifier les sources de cette pollution et anticiper les pics d’exposition.
Nos recherches antérieures se sont concentrées sur l’identification des sources de pollution, négligeant l'aspect critique du placement des capteurs [2]. Pour des modèles d’équations aux dérivées partielles, des approches prometteuses reposant sur la propriété structurelle d’observabilité des systèmes dynamiques ont été proposées [3]. Une approche générique en deux étapes sera étudiée dans la thèse : le développement d’une approche variationnelle en dimension infinie pour un modèle d’advection-diffusion, puis la mise en œuvre en dimension finie. Les résultats de cette thèse comprendront de nouvelles stratégies de placement de capteurs, des résultats quantitatifs d’évaluation en simulation en conditions réalistes sur un quartier de ville à Grenoble et/ou à Paris, et une compréhension approfondie de la manière dont l’Apprentissage Automatique Informé par la Physique (Physics-Informed Machine Learning - PIML) [4] peut améliorer la surveillance de la qualité de l'air en contexte urbain, aussi bien en 2D qu'en 3D.
Le CEA de Grenoble (http://www.youtube.com/watch?v=bCIcNJOzYZY) compte plus de 2 500 chercheurs et techniciens sur un campus de 64 hectares, situé au pied des montagnes. Notre laboratoire concentre ses activités dans le domaine de la fusion de signaux capteurs via des études en traitement du signal et de l’information, intelligence artificielle, et algorithmique embarquée, et rassemble une vingtaine d’ingénieur-chercheurs expérimentés et d’étudiants en formation du stage de Master 2 au post-doctorat. Pour rejoindre notre équipe, nous recherchons un candidat au profil mathématiques appliquées, avec un goût pour les modèles physiques et les méthodes numériques, et une bonne qualité rédactionnelle. Vous serez co-encadré par le Pr. Didier Georges du GIPSA-Lab de l’Université Grenoble Alpes (UGA)(http://scholar.google.fr/citations?user=oF1ahtcAAAAJ&hl=fr). Et pour mener à bien vos travaux, vous aurez accès aux bases de données scientifiques, à un cluster de calcul avec GPUs et serez formé à l’utilisation d’un simulateur de dispersion atmosphérique de pointe : Parallel Micro-Swift-Spray co-développé au CEA. La rémunération sera d’environ 2400 € bruts/mois pendant les trois années de thèse. Rejoignez-nous dans un environnement unique de recherché dédié à des projets ambitieux au profit des grands enjeux sociétaux actuels.
[1] M. Mendil, S. Leirens, P. Armand, C. Duchenne, “Hazardous atmospheric dispersion in urban areas: A Deep Learning approach for emergency pollution forecast”, Environmental Modelling & Software, Volume 152, 2022
[2] R. Lopez-Ferber, D. Georges, S. Leirens, “Fast Estimation of Pollution Sources in Urban Areas Using a 3D LS-RBF-FD Approach”, submitted to the European Control Conference 2024
[3] D. Georges, “Optimal Location of Mobile Sensors for Environmental Monitoring”, European Control Conference (ECC), July 17-19, 2013, Zürich, Switzerland
[4] M. Raissi, P. Perdikaris, and G. E. Karniadakis. Physics-informed neural networks: A deep learning
framework for solving forward and inverse problems involving nonlinear partial differential equations. Journal of Computational physics, 378 :686–707, 2019.

Top