• Aide
  • Eurêkoi Eurêkoi
Conception systémique pour la conversion d'énergie électrique. 2 , Approche intégrée par optimisation
Livre Conception systémique pour la conversion d'énergie électrique. 2 , Approche intégrée par optimisation

Hermès science publications

-

  • Disponible - 621.31 CON 2

    Niveau 3 - Techniques

Retour aux résultats
Livre

Conception systémique pour la conversion d'énergie électrique. 2 , Approche intégrée par optimisation

Résumé

Les clés pour modéliser et caractériser des systèmes multiphysiques (formalismes graphiques, Bond graphs, GIC/REM), analyser la qualité et la stabilité des réseaux et de contribuer à la robustesse en conception intégrée. Le point est aussi fait sur la gestion de l'énergie des sytèmes énergétiques hybrides incluant du stockage et sur différentes méthodes statistiques de dimensionnement des réseaux.

  • Contributeur(s)
  • Éditeur(s)
  • Date
    • 2012
  • Notes
    • Index
  • Langues
    • Français
  • Description matérielle
    • 1 vol. (292 p.) : illustrations en noir et blanc ; 24 x 16 cm
  • Collections
  • Sujet(s)
  • ISBN
    • 978-2-7462-3193-1
  • Indice
  • Quatrième de couverture

    • Génie électrique

      Le contexte économique impose des systèmes toujours plus performants, minimisant coûts d'investissement et de possession. Si les méthodes d'analyse, de synthèse et de gestion présentées dans le premier volume Conception systémique pour la conversion d'énergie électrique 1 participent à l'optimisation des systèmes énergétiques, les techniques traitées dans cet ouvrage proposent d'aller encore plus loin dans la performance. La complexité de systèmes multidisciplinaires à fort degré de couplage augmentant, le processus de conception par optimisation consistant à coupler un modèle à un algorithme d'optimisation au sein d'un environnement logiciel devient dès lors indispensable.

      Ce volume rassemble les points-clés permettant de représenter efficacement et de façon compacte l'environnement système et les profils de mission, mais également les méthodes, modèles et outils dédiés à l'optimisation. Les approches multiniveaux de conception et l'optimisation technico-économique des réseaux électriques sont particulièrement détaillées.


  • Tables des matières

      • Conception systémique pour la conversion d'énergie électrique 2

      • Approche intégrée par optimisation

      • Xavier Roboam

      • Hermes science, lavoisier

      • Avant-propos17
      • Chapitre 1. Traitement de la mission et des données environnementales23
      • Amine Jaafar, Bruno Sareni et Xavier Roboam
      • 1.1. Introduction23
      • 1.2. Etat de l'art de la prise en compte de la mission et des variables environnementales25
      • 1.2.1. Représentation de la mission par un point de fonctionnement nominal26
      • 1.2.2. Extraction d'un chronogramme temporel dimensionnant26
      • 1.2.3. Représentation d'une variable environnementale ou d'une mission à l'issue d'une analyse statistique27
      • 1.2.3.1. Exploitation des distributions statistiques des variables environnementales27
      • 1.2.3.2. Utilisation de méthodes de classification27
      • 1.3. Nouvelle approche de caractérisation d'une « mission représentative »28
      • 1.3.1. Indicateurs de caractérisation de la mission et des variables environnementales29
      • 1.3.1.1. Conception systémique d'une locomotive hybride30
      • 1.3.1.2. Traitement de la vitesse du vent pour la conception d'une chaîne éolienne33
      • 1.3.2. Mission et variables d'environnement au coeur du système : un couplage bidirectionnel éminemment systémique34
      • 1.4. Classification des missions et des variables environnementales37
      • 1.4.1. Classification sans a priori sur le nombre de classes38
      • 1.4.2. Classification des missions pour des systèmes ferroviaires hybrides39
      • 1.5. Synthèse de profils de missions et des variables environnementales42
      • 1.5.1. Processus de synthèse de mission ou de variable environnementale42
      • 1.5.2. Motifs élémentaires pour la génération de profil44
      • 1.5.3. Application au compactage d'un profil de vitesse de vent45
      • 1.6. De la classification à la conception simultanée par optimisation d'une chaîne de traction hybride46
      • 1.6.1. Modélisation de la locomotive hybride46
      • 1.6.1.1. Modèle en flux de puissance46
      • 1.6.1.2. Modèle électrique statique48
      • 1.6.1.3. Modèle géométrique49
      • 1.6.1.4. Modèle de durée de vie des batteries49
      • 1.6.1.5. Modèle de coût50
      • 1.6.2. Modèle d'optimisation50
      • 1.6.2.1. Paramètres d'optimisation50
      • 1.6.2.2. Contraintes d'optimisation51
      • 1.6.2.3. Critères d'optimisation52
      • 1.6.3. Classification des missions52
      • 1.6.4. Synthèse des missions représentatives53
      • 1.6.4.1. Mission représentative de la classe C1 : M1rep54
      • 1.6.4.2. Mission représentative de la classe C2 : M2rep55
      • 1.6.4.3. Mission représentative de la classe C12 : M12rep56
      • 1.6.5. Conception simultanée par optimisation57
      • 1.6.6. Comparaison des résultats de conception58
      • 1.7. Conclusion59
      • 1.8. Bibliographie60
      • Chapitre 2. Modèles analytiques pour le dimensionnement par optimisation des systèmes d'énergie électrique63
      • Christophe Espanet, Daniel Depernet, Anne-Claire Sautter et Zhenwei Wu
      • 2.1. Introduction63
      • 2.2. La problématique de la modélisation pour la synthèse64
      • 2.2.1. Modélisation pour la synthèse64
      • 2.2.1.1. Notion de modèle64
      • 2.2.1.2. Modèle de simulation et modèle de dimensionnement64
      • 2.2.1.3. Modèles de connaissance et modèles de comportement65
      • 2.2.2. Modélisation analytique et modélisation numérique66
      • 2.2.2.1. Elaboration d'un modèle mathématique66
      • 2.2.2.2. Distinction entre les modèles analytiques et numériques66
      • 2.2.2.3. Position des modèles analytiques dans un processus de conception69
      • 2.3. Décomposition du système et structuration du modèle73
      • 2.3.1. Intérêt de la décomposition74
      • 2.3.2. Application à l'exemple de la chaine de traction hybride série-parallèle pour véhicule hybride électrique lourd76
      • 2.4. Généralités sur la modélisation des différents composants possibles dans un système d'énergie électrique78
      • 2.5. Elaboration d'un modèle analytique de machine électrique79
      • 2.5.1. Les différents champs physiques du modèle et les méthodes de résolution associées80
      • 2.5.1.1. Modélisation magnétique80
      • 2.5.1.2. Modélisation électromécanique80
      • 2.5.1.3. Modélisation thermique81
      • 2.5.1.4. Modélisation mécanique81
      • 2.5.2. Application à l'exemple d'un véhicule hybride électrique lourd : modélisation d'une machine synchrone à aimants montés en surface81
      • 2.5.2.1. Equations géométriques et physiques82
      • 2.5.2.2. Modèle magnétique de la machine82
      • 2.5.2.3. Modèle électrique85
      • 2.5.2.4. Bilan de puissance87
      • 2.5.2.5. Contrainte thermique89
      • 2.6. Elaboration d'un modèle analytique de convertisseur statique89
      • 2.6.1. Les différents champs physiques du modèle et les méthodes de résolution associées90
      • 2.6.2. Application à l'exemple d'un véhicule hybride électrique lours : modélisation des onduleurs d'alimentation des machines synchrones91
      • 2.6.2.1. Pertes par conduction dans les IGBT et les diodes94
      • 2.6.2.2. Pertes par commutations dans les IGBT et les diodes96
      • 2.6.2.3. Pertes totales dans le convertisseur98
      • 2.7. Elaboration d'un modèle analytique de transmission mécanique98
      • 2.7.1. Les différents champs physiques du modèle et les méthodes de résolution associées99
      • 2.7.2. Application à l'exemple d'un véhicule hybride électrique lourd : modélisation du train Ravigneaux99
      • 2.7.2.1. Dimensions géométriques du train Ravigneaux99
      • 2.7.2.2. Relations cinématiques du train Ravigneaux101
      • 2.7.2.3. Résistance des matériaux102
      • 2.7.2.4. Pertes de puissance102
      • 2.7.2.5. Masse du train Ravigneaux105
      • 2.7.2.6. Encombrement du train Ravigneaux106
      • 2.8. Elaboration d'un modèle analytique de dispositif de stockage d'énergie106
      • 2.9. Utilisation des modèles pour le dimensionnement optimal d'un système107
      • 2.9.1. Introduction107
      • 2.9.2. Prise en compte des cycles de fonctionnement110
      • 2.9.3. Optimisation des composants indépendamment112
      • 2.9.3.1. Synthèse des critères113
      • 2.9.3.2. Formulation des contraintes114
      • 2.9.3.3. Résultats d'optimisation115
      • 2.9.4. Optimisation des composants simultanément115
      • 2.10. Conclusion117
      • 2.11. Bibliographie118
      • Chapitre 3. Méthodologies de conception simultanée par optimisation évolutionnaire121
      • Bruno Sareni et Xavier Roboam
      • 3.1. Conception simultanée des systèmes énergétiques121
      • 3.1.1. Introduction à la conception simultanée121
      • 3.1.2. Conception simultanée par optimisation123
      • 3.1.3. Problématiques relatives à la conception simultanée par optimisation124
      • 3.1.3.1. Difficultés liées à la modélisation des systèmes énergétiques124
      • 3.1.3.2. Difficultés liées à l'intégration de la finalité125
      • 3.1.3.3. Difficultés liées à la formulation du problème d'optimisation126
      • 3.1.3.4. Difficultés liées à la résolution du problème d'optimisation126
      • 3.2. Algorithmes évolutionnaires et évolution artificielle127
      • 3.2.1. La théorie de l'évolution naturelle, une théorie universelle127
      • 3.2.2. Principe des algorithmes évolutionnaires127
      • 3.2.3. Points forts des algorithmes évolutionnaires129
      • 3.2.3.1. Généricité vis-à-vis des classes de problèmes d'optimisation129
      • 3.2.3.2. L'intérêt du nichage130
      • 3.2.3.3. L'auto-adaptation132
      • 3.3. Prise en compte d'objectifs multiples133
      • 3.3.1. Optimalité au sens de Pareto133
      • 3.3.2. Méthodes d'optimisation multicritère134
      • 3.3.3. Algorithmes évolutionnaires multicritères134
      • 3.4. Prise en compte des contraintes de conception136
      • 3.4.1. Cas d'un problème monocritère136
      • 3.4.2. Cas d'un problème multicritère138
      • 3.5. Intégration de la robustesse en conception simultanée par optimisation139
      • 3.5.1. Notion d'optimum robuste139
      • 3.5.2. Voisinage et incertitudes140
      • 3.5.3. Caractérisation de la robustesse140
      • 3.5.3.1. Indicateurs de robustesse140
      • 3.5.3.2. Utilisation des fonctions homologues robustes141
      • 3.5.3.3. Définition du voisinage142
      • 3.6. Exemples d'applications142
      • 3.6.1. Conception d'une chaîne éolienne passive142
      • 3.6.1.1. Contexte142
      • 3.6.1.2. Modélisation de la chaîne éolienne passive143
      • 3.6.1.3. Optimisation de la chaîne éolienne passive147
      • 3.6.1.4. Conception robuste de la chaîne passive152
      • 3.6.2. Conception simultanée d'une locomotive hybride autonome154
      • 3.6.2.1. Contexte154
      • 3.6.2.2. Stratégie de gestion d'énergie155
      • 3.6.2.3. Modélisation de la locomotive hybride157
      • 3.6.2.4. Optimisation de la chaine de conversion d'énergie158
      • 3.6.2.5. Processus d'optimisation et résultats160
      • 3.7. Conclusion161
      • 3.8. Bibliographie162
      • Chapitre 4. Approches multiniveaux pour la conception par optimisation des systèmes électromécaniques167
      • Stéphane Brisset, Frédéric Gillon et Pascal Brochet
      • 4.1. Introduction167
      • 4.2. Démarches multiniveaux168
      • 4.3. Optimisation avec des modèles de granularités différentes171
      • 4.3.1. Principe du space-mapping173
      • 4.3.2. Un exemple mathématique175
      • 4.3.3. Variantes de space-mapping177
      • 4.3.3.1. Agressive space-mapping177
      • 4.3.3.2. Output space-mapping179
      • 4.3.3.3. Manifold-mapping180
      • 4.3.4. Application à un transformateur de sécurité183
      • 4.3.4.1. Problème d'optimisation183
      • 4.3.4.2. Modèles184
      • 4.3.4.3. Résultats186
      • 4.4. Décomposition hiérarchique d'un problème d'optimisation188
      • 4.4.1. Target Cascading pour la conception optimale189
      • 4.4.2. Formulation de la méthode Target Cascading190
      • 4.4.2.1. Niveau système192
      • 4.4.2.2. Niveaux sous-système193
      • 4.4.2.3. Niveaux composant193
      • 4.4.3. Un exemple mathématique194
      • 4.4.4. Un exemple sur une chaîne de traction ferroviaire196
      • 4.5. Conclusion196
      • 4.6. Bibliographie198
      • Chapitre 5. Outils pour la conception et l'optimisation multicritère201
      • Benoit Delinchant, Laurence Estrabaud, Laurent Gerbaud et Frédéric Wurtz
      • 5.1. Le frameworkCades : un exemple d'une nouvelle approche d'outils202
      • 5.2. L'approche système : une rupture vis-à-vis des outils standards203
      • 5.2.1. Définitions de quelques composants204
      • 5.2.2. De l'ère des environnements intégrés à l'ère des frameworks d'outils collaboratifs204
      • 5.2.3. Un canevas centré modèle : de la génération à l'utilisation206
      • 5.2.3.1. Exemples de plug'out208
      • 5.2.3.2. Exemples de plug'in208
      • 5.2.4. Des frameworks aux applications métiers209
      • 5.3. Les composants pour assurer l'interopérabilité autour d'un framework210
      • 5.3.1. Natures des modèles : boîtes blanches, boîtes noires210
      • 5.3.2. Les boîtes noires : coopérer et réutiliser sereinement212
      • 5.3.3. Les paradigmes d'objets, de composants et de services213
      • 5.3.4. Les composants logiciels ICAr : une normalisation de modèles pour le dimensionnement216
      • 5.4. Des formalismes de modélisation aux calculs pour l'optimisation218
      • 5.4.1. Les formalismes analytiques : algébriques et algorithmiques218
      • 5.4.2. Les modèles physiques dans différents formalismes220
      • 5.4.2.1. Modèles de filtres passifs223
      • 5.4.2.2. Modèles réluctants223
      • 5.4.2.3. Modèles magnétiques non canalisés224
      • 5.4.3. La chaîne de génération225
      • 5.5. Les principes de génération automatique du Jacobien226
      • 5.5.1. Le Jacobien : une information complémentaire au modèle226
      • 5.5.2. Dérivation d'expressions mathématiques227
      • 5.5.3. Dérivation d'algorithmes228
      • 5.5.4. Dérivation de formulations spécifiques229
      • 5.6. Les services exploitants les modèles et leur Jacobien230
      • 5.6.1. Etude de sensibilité230
      • 5.6.2. Composition de modèles231
      • 5.6.3. Dimensionnement par optimisation233
      • 5.7. Applications de Cades à l'optimisation système233
      • 5.7.1. Optimiser globalement une structure233
      • 5.7.2. Evaluer le potentiel d'une structure236
      • 5.7.3. Comparer des structures entre elles237
      • 5.8. Perspectives238
      • 5.8.1. Vers l'optimisation exploitant des modèles dynamiques238
      • 5.8.1.1. Les composants et services de simulation dynamique238
      • 5.8.1.2. Optimisation de modèles utilisant des simulations dynamiques239
      • 5.8.2. Vers la conception robuste : les composants et services d'analyse de sensibilité239
      • 5.8.3. Optimisation robuste sous contraintes de fiabilité240
      • 5.8.4. Vers Internet241
      • 5.8.4.1. Dimocode : une plate-forme de capitalisation collaborative241
      • 5.8.4.2. Web-services : le calcul décentralisé243
      • 5.9. Conclusion244
      • 5.10. Bibliographie246
      • Chapitre 6. Optimisation technico-économique des réseaux d'énergie253
      • Guillaume Sandou, Philippe Dessante, Marc Petit et Henri Borsenberger
      • 6.1. Introduction253
      • 6.2. Modélisation des réseaux d'énergie254
      • 6.2.1. Contexte254
      • 6.2.2. Notations255
      • 6.2.3. Fonction objectif256
      • 6.2.4. Contraintes257
      • 6.2.4.1. Contraintes de satisfaction de la demande257
      • 6.2.4.2. Contraintes de capacité257
      • 6.2.4.3. Contraintes de temps minimum de marche et temps minimum d'arrêt258
      • 6.2.5. Expression du problème et reformulation linéaire éventuelle258
      • 6.2.6. Position du problème traité par rapport à la problématique de gestion des réseaux d'énergie260
      • 6.3. Résolution du problème d'optimisation du réseau d'énergie dans un cas déterministe261
      • 6.3.1. Etat de l'art261
      • 6.3.2. Résolution par programmation dynamique et relaxation lagrangienne262
      • 6.3.2.1. Résolution par programmation dynamique262
      • 6.3.2.2. Utilisation de la relaxation lagrangienne265
      • 6.3.3. Résolution par algorithme génétique267
      • 6.3.3.1. Prise en compte des contraintes267
      • 6.3.3.2. Introduction d'opérateurs génétiques adaptés au problème268
      • 6.3.3.3. Résultats numériques270
      • 6.4. Introduction à la prise en compte d'incertitudes271
      • 6.4.1. Prise en compte des incertitudes271
      • 6.4.2. Notion de recours272
      • 6.5. Prise en compte des incertitudes sur la demande des consommateurs273
      • 6.5.1. Marge de sécurité273
      • 6.5.2. Modélisation de l'incertitude par arbre de scénarios274
      • 6.5.3. Résolution par programmation dynamique et relaxation lagrangienne275
      • 6.5.4. Conclusion276
      • 6.6. Prise en compte des incertitudes sur les coûts de production277
      • 6.6.1. Introduction277
      • 6.6.2. Formulation mathématique278
      • 6.6.3. Résolution279
      • 6.6.3.1. Résolution de la minimisation sur les variables de production279
      • 6.6.3.2. Calcul de l'espérance280
      • 6.6.3.3. Calcul de l'Unit Commitment280
      • 6.6.3.4. Résolution du problème stochastique : bilan281
      • 6.6.4. Exemple281
      • 6.7. De l'optimisation à la commande283
      • 6.7.1. Principe de l'approche prédictive283
      • 6.7.2. Exemple284
      • 6.8. Conclusion284
      • 6.9. Bibliographie285
      • Index289
      • Sommaire du volume 1291

  • Origine de la notice:
    • Electre

  • Disponible - 621.31 CON 2

    Niveau 3 - Techniques

Sur le même thème

Les diélectriques : propriétés diélectriques des matériaux isolants

Les diélectriques :
propriétés […]

Coelho, Roland,
Aladenize, Bernard

Le contact électrique : l'appareillage de connexion

Le contact électrique :
l'appareillage de […]

Le contact électrique , Phénomènes physiques et matériaux

Le contact électrique ,
Phénomènes […]

Induction, conduction électrique dans l'industrie

Induction, conduction
électrique dans […]

Protection des réseaux électriques

Protection des réseaux
électriques

Prévé, Christophe

Électricité : voyage au coeur du système

Électricité : voyage
au coeur du système

Commande et régulation des réseaux électriques

Commande et régulation
des réseaux […]

Stabilité et sauvegarde des réseaux électriques

Stabilité et sauvegarde
des réseaux […]

Guide pratique de l'électrotechnique : toutes les bases pour comprendre l'appareillage électrotechnique

Guide pratique de
l'électrotechnique[…]

Domenach, André,
Uffredi, Michel, […]

Alimentations à découpage : cours et exercices corrigés

Alimentations à
découpage : cours […]

Girard, Michel
(1941-....), […]

Électrodynamique appliquée : fondements et principes physiques de l'électrotechnique : cours et exercices corrigés

Électrodynamique
appliquée : […]

Nogarède, Bertrand

Principes d'électrotechnique : cours et exercices corrigés

Principes
d'électrotechnique[…]

Marty, Max, Garcia
Gilabert, Delphine,[…]

Electrotechnique : aide-mémoire

Electrotechnique :
aide-mémoire

Mayé, Pierre

Matériaux magnétiques en génie électrique. 2

Matériaux magnétiques
en génie électrique. 2

Matériaux magnétiques en génie électrique , 1

Matériaux magnétiques
en génie […]

Kedous-Lebouc, Afef

Matériaux piézoélectriques : caractérisation, modélisation et vibration

Matériaux
piézoélectriques […]

Brissaud, Michel

Matériaux diélectriques pour le génie électrique. 1 , propriétés, vieillissement et modélisation

Matériaux
diélectriques pour[…]

Matériaux diélectriques pour le génie électrique. 2 , applications spécifiques

Matériaux
diélectriques pour[…]

Calcul de champ électromagnétique : exemples d'application

Calcul de champ
électromagnétique[…]

Vérité, Jean-Claude
(1947-....)

Électrotechnique industrielle

Électrotechnique
industrielle

Séguier, Guy, Notelet,
Francis (1935-2017)

Voir tout les résultats (260)