Sélection de processus stochastiques basée sur la fonction de profondeur : pronostic pour les éoliennes

Depth Function-based Selection of Stochastic Processes : Predicting Wind Turbine Degradation

• Auteur / Autrice : Arefe Asadi
• Direction : Mitra Fouladirad
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et Sûreté des Systèmes
• Date : Soutenance le 21/12/2023
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Troyes, Aube)
• Partenaire(s) de recherche : Collectivité territoriale : Agence culturelle Grand Est - Aube. Conseil départemental
• Partenaire(s) de recherche : Laboratoire : Laboratoire Informatique et Société Numérique / LIST3N
• Jury : Président / Présidente : Antoine Grall
• Jury : Examinateurs / Examinatrices : Mitra Fouladirad, Antoine Grall, Massimiliano Giorgio, Christian Paroissin, David W. Coit, Diego Tomassi
• Jury : Rapporteur / Rapporteuse : Massimiliano Giorgio, Christian Paroissin

Mots clés

Mots clés contrôlés

Analyse des données

Équations différentielles stochastiques

Lévy, Processus de

Processus stochastiques

Mots clés libres

Processus stochastiques

Lévy, Processus de

Équations différentielles stochastiques

Analyse des données

Stochastic processes

Lévy processes

Stochastic differential equations

Data analysis

Résumé

Cette recherche explore la modélisation de la dégradation des systèmes d'ingénierie, avec un accent sur les éoliennes. À mesure que l'énergie durable prend de l'importance, comprendre la dégradation des éoliennes est primordial. L'étude intègre des processus stochastiques et des analyses de données fonctionnelles, alliant cadres théoriques et applications pratiques pour offrir des perspectives inédites sur la sélection de modèles de dégradation. Les défis majeurs, tels que l'hétérogénéité et la non-indépendance des données de dégradation, sont traités. Divers chapitres éclairent différentes approches : l'efficacité de la fonction de profondeur 'Aire de la Coque Convexe', une méthodologie basée sur une analyse comparative de la médiane et des valeurs aberrantes dans les données fonctionnelles pour la sélection de modèles de dégradation, et l'intégration de données réelles de vitesse du vent, en combinant la Chaîne de Markov avec le modèle de risque proportionnel de Cox, pour obtenir une représentation de la dégradation des éoliennes. Les perspectives futures suggèrent des extensions de modèles et l'intégration de facteurs environnementaux supplémentaires.

This research delves into degradation modeling in engineering systems, with a primary focus on wind turbines. As sustainable energy solutions continue to gain traction, it becomes crucial to understand the degradation dynamics of wind turbines. This study brings together stochastic processes and analyses of functional data, integrating theoretical constructs with real-world applications to provide fresh insights into the selection of degradation models. The research addresses core challenges in degradation data, such as heterogeneity, non-independence, and non-stationary properties. Several chapters delve into various methodologies. One highlights the effectiveness of the 'Area of the Convex Hull (ACH)' depth function. Another focuses on 'A Comparative Analysis of Median and Outliers in Functional Data for Degradation Model Selection'. Furthermore, the research incorporates real wind speed data by utilizing both the Markov Chain and the Cox Proportional Hazard model, resulting in a representation of wind turbine degradation. Future prospects suggest model extension, considering more environmental factors.