Accueil

• Présentation
• Organisation
• Effectifs et Ressources
• Agenda du Centre
• Actualité du Centre
• Vidéos
• Banque Photos

Actualité du Centre

“Top 5% Paper Mention”

Une distinction pour Stefano CASSANO (doctorant PERSEE) à la conférence UPEC 2020

L’article "Reduction of Penstock Fatigue in a Medium-Head Hydropower Plant Providing Primary Frequency Control" co-écrit par Stefano Cassano, Christophe Nicolet et Fabrizio Sossan a remporté la distinction "Top 5% Paper Mention" lors de la Conférence internationale UPEC 2020.

Stefano est en deuxième année de thèse au Centre PERSEE. Il travaille sur l’optimisation et le contrôle des centrales hydroélectriques hybrides sous la direction de Fabrizio Sossan et Georges Kariniotakis.  Sa thèse se déroule dans le cadre du projet européen H2020 XFLEX HYDRO (https://xflexhydro.net/).

Son projet de recherche s’inscrit dans le contexte de la transition énergétique, en ce qu’il traite de la dynamique de substitution progressive des centrales conventionnelles       
de production d'électricité au profit des énergies renouvelables variables (vEnR – éolien/PV).  

L’article présenté à l’UPEC 2020 se concentre sur la modélisation détaillée du fonctionnement des centrales hydroélectriques. En effet, ces centrales doivent à présent relever le défi d’une plus forte variabilité de leur production afin de compenser la variabilité introduite par la production vEnR. Cette variabilité a comme conséquence directe une usure plus élevée des installations hydroélectriques. Le présent article s’attache à modéliser les pressions transitoires dans la conduite forcée dues aux variations de charge. Les auteurs comparent les performances de deux nouveaux algorithmes proposés pour réduire les incidents transitoires de pression et, en conséquence, la fatigue de la conduite forcée qui en résulte. Le premier algorithme est un filtre linéaire appliqué au signal de commande d'entrée de la centrale. Le second algorithme, qualifié de « fatigue-aware », utilise un modèle simplifié de la centrale pour estimer la fatigue de la conduite forcée et supprimer sélectivement les motifs du signal de commande d'entrée qui sont propices à l’accélération des dommages dus à la fatigue. Les performances des deux algorithmes sont validées par des simulations considérant une centrale hydroélectrique de 230 MW.

Les bases posées dans cet article permettront d’aller plus loin dans le cadre de la thèse en proposant des stratégies innovantes d’hybridation des centrales hydrauliques (i.e. avec des unités de stockage) et de commande avancée de ces dernières.  

L’article est accessible à: https://ieeexplorpe.ieee.org/document/9209857
Postprint : https://hal.archives-ouvertes.fr/hal-02956055