Contrôle assisté par LIDAR d'éolienne par commande prédictive pilotée par les données (Data-driven MPC)

IFP Energies nouvelles - Sciences et Technologies du Numérique

---

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. Depuis les concepts scientifiques en recherche fondamentale jusqu’aux solutions technologiques en recherche appliquée, l’innovation est au cœur de son action, articulée autour de quatre orientations stratégiques : climat, environnement et économie circulaire ; énergies renouvelables ; mobilité durable ; hydrocarbures responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur l’apport de solutions aux défis sociétaux et industriels de l’énergie et du climat, au service de la transition écologique. Partie intégrante d’IFPEN, IFP School, son école d’ingénieurs, prépare les générations futures à relever ces défis.

Contrôle assisté par LIDAR d’éolienne par commande prédictive pilotée par les données (Data-driven MPC)

IFP Energies nouvelles souhaite développer des solutions pour le contrôle de la production électrique des éoliennes ainsi que pour la gestion optimale des parcs éoliens suivant deux objectifs :
- Maximiser la puissance électrique fournie
- Minimiser les contraintes mécaniques appliquées au rotor et à la tour qui diminuent la durée de vie des éoliennes.

La plupart des techniques existantes (PID, MPC, LQ, H-infini, …) nécessite la connaissance a priori d’un modèle (fonction de transfert, modélisation d’état, réseau de neurones). Dans le cadre de l’éolien, les modèles utilisés sont souvent non linéaires et incertains. De plus, le contrôle doit tenir compte des différentes conditions de vent, ce qui se traduit par des transitions à gérer entre plusieurs modes de fonctionnement. Les étapes de modélisation et/ou d’identification peuvent donc être difficiles à mettre en œuvre conduisant à faire des hypothèses fortes sur la dynamique.

Cependant des techniques récentes de contrôle prédictif basé sur données (data-driven predictive control) permettent le contrôle de système directement à partir de données mesurées tout en garantissant la stabilité du système. L’aspect théorique a été exploré ces dernières années. L’application de ce type de technique au contrôle éolien permettrait de s’affranchir des limitations imposées par la modélisation de phénomènes complexes tout en exploitant efficacement les données relatives au vent incident mesurées par LIDAR.

Objectifs

Les objectifs du stage sont les suivants :

• Etude bibliographique sur la commande prédictive pilotée par les données
• Transposition au cas d’application éolien
• Implémentation et validation par simulation
• Conclusion sur les potentiels gains de la stratégie et les formalités de sa mise en œuvre pratique (type de données, échantillonnage, capteurs, …)

Profil recherché

Étudiant en 3e année d’école d’ingénieur spécialisé(e) en automatique/contrôle avec les compétences suivantes :

• Connaissances en optimisation et en commande optimale
• Matlab/Simulink et/ou Python
• Maîtrise de l’anglais
• Intérêt pour la recherche appliquée

---

---

Annonces similaires