Méthodologie de pré-dimensionnement de la puissance électrique des générateurs d’un réseau embarqué à partir d’analyses statistiques des consommateurs

Design methodology to pre-size electrical power of generation in an on-board electrical network, based on statistical analysis of electrical consumers

• Auteur / Autrice : Geoffroy Roblot
• Direction : Patrick Guérin
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique, Electronique et génie électrique
• Date : Soutenance en 2012
• Etablissement(s) : Nantes
• Partenaire(s) de recherche : Autre partenaire : Université de Nantes. Faculté des sciences et des techniques

Mots clés

Mots clés contrôlés

Réseaux électriques (énergie)

Aéronautique

Monte-Carlo, Méthode de

Mots clés libres

Bilan de puissance

Modèles probabilistes de charge

Modèles probabilistes temporels

Résumé

L’enjeu du dimensionnement des sources d’un réseau électrique est commun à tous les réseaux, mais devient encore plus important dans le cas des réseaux embarqués où des ajouts ultérieurs ne sont pas envisageables et où le volume et la masse sont essentiels. Suite à des campagnes de mesures sur plusieurs avions, il semble que le bilan électrique théorique surestime la puissance demandée durant les vols. Si cette constatation est rassurante, elle s’avère problématique dans le contexte des avions plus électriques où des puissances supérieures sont envisagées. En adoptant une approche probabiliste des flux de puissance, le travail présenté a pour but d’évaluer plus précisément les puissances demandées au générateur. Nous nous appuyons dans un premier temps sur des modèles probabilistes décrivant la puissance absorbée par chacune des charges du réseau. Associés à un algorithme de Monte Carlo, cette méthode permet d’estimer la puissance consommée par le réseau et ainsi dimensionner ses sources. Dans un second temps, nous développons un modèle probabiliste et dynamique prenant en compte les durées de ces puissances. Ce modèle, couplé aux informations relatives aux surcharges acceptables par les générateurs, permet de choisir la puissance nominale de ces derniers à une valeur inférieure à la puissance maximale demandée, tout en assurant que les surcharges sont admissibles théoriquement par les générateurs. Appliquée aux A380 mesurés, cette démarche montre des gains potentiels significatifs. Les scénarios de fonctionnement fournis pourraient utilement être employés dans des simulations thermiques pour vérifier les échauffements susceptibles d’apparaître sur les générateurs.

For every electrical network, sizing electrical sources is a critical challenge. This is even more important when the electrical network is an on-board one where it has to be self-sufficient, with very high constraints on volume and mass. Following several measurement campaigns on aircrafts, it has been shown that the electrical load analysis is over estimating the power needed during flights. Beyond the reassuring aspect, this observation can show some other problems while thinking about more electrical aircrafts where higher power are planned. With statistical approach of power flows, the present work targets to evaluate with more accuracy the electrical power needed to supply the network. First of all, study will focus on probabilistic load models to describe electrical power for each load on the network. Associated with a Monte Carlo algorithm, this method give results on the electrical power needed by the electrical network, allowing us to perform a sizing of the sources. Then, a dynamic probabilistic load model is developed to take into account duration of electrical powers. With this new model and the information of electrical overload capability of generators, it is possible to size their rate power under the maximum consumed electrical power still ensuring that overloads are, theoretically, acceptable. Applied on the A380, this approach shows potential savings that are not to neglect. Scenarios stemming from these new models could be used to perform thermal simulation on the electrical generators to check the potential overheating.