Fonctionnalisation des coulages multiphysiques pour la commande décentralisée des convertisseurs de puissance modulaire

Exploiting multiphysic couplings for distributed control strategies applied to modular power converters

• Auteur / Autrice : Adrien Muller
• Direction : Yves Lembeye
• Type : Projet de thèse
• Discipline(s) : Génie électrique
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Génie Electrique
• Partenaire(s) de recherche : Equipe de recherche : Electronique de Puissance

Mots clés

Mots clés libres

Couplages multiphysiques

Contrôle décentralisé

Convertisseur modulaire

Communication innovante

Mvdc

Decentralized control strategies

Mvdc

Innovative communication

Multiphysic couplings

Modular converter

Résumé

La nature DC (courant continu) de la production et du stockage des énergies renouvelables a suscité ces dernières années un fort intérêt scientifique et industriel envers les réseaux électriques DC haute et moyenne tension (HVDC et MVDC). La conversion de puissance électrique dans ces réseaux nécessite cependant un recours accru aux dispositifs d'électronique de puissance, et les contraintes fortes en flexibilité et en disponibilité des réseaux DC interconnectés entre eux font des architectures de puissance modulaires des outils particulièrement intéressants. Le contrôle de ce type de structure est néanmoins plus complexe que pour les convertisseurs classiques, et les niveaux de tension des modules qui composent le convertisseur doivent être parfaitement équilibrés pour garantir un vieillissement uniforme de l'ensemble et limiter les défaillances. Vis-à-vis de ce dernier point, un contrôleur centralisé pilotant l'ensemble des modules n'est pas satisfaisant car il constitue alors un point de défaillance unique et critique, devant gérer un flux de données très important. Le contrôle décentralisé des modules grâce à des contrôleurs locaux directement associés aux modules permet d'alléger la quantité d'information échangée et de distribuer l'impact des défaillances sur les modules. La communication entre modules de proche en proche est une solution qui semble prometteuse, néanmoins la tolérance aux défauts de modules ou à la rupture de communication entre modules est un verrou scientifique et technologique fort que ce projet propose d'adresser dans le cadre de cette thèse. Afin de limiter l'impact d'une rupture dans une chaîne de communication physique (cuivre ou fibre optique), une partie de l'étude sera menée sur les sources d'information innovantes pour la communication entre modules que constituent les couplages multiphysiques. En plus des grandeurs électriques usuellement mesurées, la température, les rayonnements électromagnétiques des composants des modules ou encore les mesures vibroacoustiques sont porteurs d'information sur le niveau de charge des modules ou la présence de défauts naissants et permettent d'augmenter la robustesse de la commande décentralisée et de diagnostiquer des modules adjacents. La difficulté à construire des modèles précis des couplages multiphysiques rend l'information difficile à extraire. Le projet s'appuiera sur la synthèse de jumeaux numériques (JN) des modules de puissance développé par apprentissage de réseaux de neurones assisté par la physique (méthode PINNS) pour aboutir à un modèle « boîte noire » alimenté par les mesures récoltées sur le banc d'essai. Les corrélations apprises par le JN entre les phénomènes physiques couplés seront alors fonctionnalisées comme source d'information pour alimenter le contrôle décentralisé et le diagnostic des modules. Ce projet sera mené au G2Elab, où interviendront notamment 2 équipes de recherche, EP (Electronique de Puissance) et MAGE (Modèles, Méthodes et Méthodologies Appliqués au Génie Electrique

In the last decades, mid and high voltage DC grids (MVDC and HVDC) have garnered strong interest from scientific and industrial communities due to the growth of renewable energy production. The power conversion needed in those grids leads to an increased use of power electronic devices, and the strong constraints in reliability and scalability make the modular power converters particularly attractive. However, controlling this type of structure is more complex than for conventional converters, and the voltage levels of the modules making up the converter must be perfectly balanced to guarantee uniform aging of the whole and limit failures. With regard to this last point, a centralized controller controlling all the modules is not satisfactory, as it then constitutes a single, critical point of failure, having to manage a very large data flow. Decentralized control of modules using local controllers directly associated with the modules reduces the amount of information exchanged and distributes the impact of failures across modules. Peer-to-peer communication is a promising solution, but tolerance to module faults or communication breakdowns between modules is a major scientific and technological challenge that this thesis project aims to address. To limit the impact of a break in the communication line (copper wire or optic fiber), a part of the study will be focused on the characterization of multiphysic couplings as innovative sources of information for inter-modules communication. In complement with the electric variables usually measured for control and diagnostic, temperature, EMC of sub-modules, vibroacoustic measures and even luminescence of SC devices are vector of useful information on the modules electric state variables and emerging defaults. Their exploitation is crucial in order to increase the robustness of distributed control schemes. La difficulté à construire des modèles précis des couplages multiphysiques rend l'information difficile à extraire. Le projet s'appuiera sur la synthèse de jumeaux numériques (JN) des modules de puissance développé par apprentissage de réseaux de neurones assisté par la physique (méthode PINNS) pour aboutir à un modèle « boîte noire » alimenté par les mesures récoltées sur le banc d'essai. Les corrélations apprises par le JN entre les phénomènes physiques couplés seront alors fonctionnalisées comme source d'information pour alimenter le contrôle décentralisé et le diagnostic des modules. Ce projet sera mené au G2Elab, où interviendront notamment 2 équipes de recherche, EP (Electronique de Puissance) et MAGE (Modèles, Méthodes et Méthodologies Appliqués au Génie Electrique) The difficulties to build comprehensive mathematical models of the multiphysic couplings are an obstacle to information extraction. The project will rely on the development of digital twins (DT) of the power modules thanks to physical assisted neural network (PINNS) for machine learned modelling fed by data collected on a test bench. Correlations between the coupled behaviors emphasized by the DT will be exploited as information sources for the previously developed distributed control strategy. This project will be conducted in G2Elab where 2 complementary research teams will be involved, EP (Power Electronics) and MAGE (models, methods et methodologies applied to electrical engineering).