Sélection de processus stochastiques basée sur la fonction de profondeur : pronostic pour les éoliennes
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 |
Laboratoire : Laboratoire Informatique et Société Numérique / LIST3N | |
Jury : | Président / Présidente : Antoine Grall |
Examinateurs / Examinatrices : Mitra Fouladirad, Antoine Grall, Massimiliano Giorgio, Christian Paroissin, David W. Coit, Diego Tomassi | |
Rapporteur / Rapporteuse : Massimiliano Giorgio, Christian Paroissin |
Mots clés
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.