• Langue : Anglais
• Discipline : Automatique, productique
• Identifiant : 2023ULILB026
• Type de thèse : Doctorat
• Date de soutenance : 24/11/2023

Résumé en langue originale

Dans cette thèse, nous nous concentrons sur la production d'hydrogène vert à partir de sources renouvelables, notamment représentées par des panneaux solaires. Nous supposons que cet hydrogène sera, par exemple, utilisé pour alimenter une flotte de véhicules. L'objectif est de faire correspondre la production à la consommation, afin d'éviter à la fois les interruptions de production et les quantités excessives stockées. En effet, le stockage de l'énergie sous forme d'hydrogène entraîne des coûts liés à l'utilisation, à la maintenance et à la durée de vie des équipements. La nouvelle approche consiste à prendre en compte non seulement les données de production et de consommation instantanées, mais aussi les données de production et de consommation prédictives basées sur les prévisions météorologiques et les habitudes de consommations respectivement. La contribution scientifique de cette thèse est basée sur la formulation d'un algorithme d'optimisation pour déterminer la séquence temporelle d'activation ou de désactivation des équipements. L'objectif principal est d'augmenter la durée de vie des équipements tout en assurant la disponibilité de l'énergie pour les utilisateurs. La durée de vie d'un composant est estimée sur la base d'un facteur de dégradation lié, entre autres, à la durée d'utilisation du composant et au nombre de transitions entre ses différents modes de fonctionnement. Ces différents modes de fonctionnement et leurs transitions sont représentés par un automate. Plutôt que de s'appuyer uniquement sur une gestion événementielle des changements de mode, couramment proposée dans la littérature et basée sur les données instantanées de production, de consommation et de niveaux de stockage, une approche hybride a été développée. Cette approche repose sur la séquence temporelle élaborée par l'algorithme d'optimisation à partir de données prédictives et de données en temps réel. En outre, des simulations Matlab/Simulink illustrent l'efficacité de l'approche proposée.

Résumé traduit

In this thesis, our focus is on the production of green hydrogen from renewable sources, which are particularly represented by solar panels. We assume that this hydrogen will, for instance, be used to power a fleet of vehicles. The objective is to align production with consumption, aiming to prevent both production disruptions and excessive stored quantities. Indeed, storing energy in the form of hydrogen involves costs related to the use, maintenance, and lifetime of the equipment. The novel approach takes into account not only the instantaneous production and consumption data but also the predictive production and consumption data based on weather forecasts and usage patterns, respectively. The scientific contribution of this thesis is based on formulating an optimization algorithm to determine the temporal sequence in which the equipment may be activated or deactivated. The main goal is to increase the lifespan of the equipment while ensuring energy availability for users. The service life of a component is estimated on the basis of a degradation factor linked, among other factors, to the duration of use of the component and the number of transitions between its different operating modes. These various operating modes and their transitions are represented by an automaton. Instead of solely relying on Event-Driven management of mode changes, which is commonly proposed in the literature and which is based on instantaneous data of production, consumption, and storage levels, a Hybrid-Driven approach has been developed. This approach relies on the time sequence elaborated by the optimization algorithm from both predictive data and real-time data. Furthermore, Matlab/Simulink simulations illustrate the effectiveness of the proposed approach.