Outils & Mce TGBT

INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE
N° attribué par la bibliothèque

|__|__|__|__|__|__|__|__|__|__|
THESE
pour obtenir le grade de
DOCTEUR DE L’INP Grenoble
Spécialité : « Génie Electrique »
préparée au laboratoire de Génie Electrique de Grenoble (UMR 5269 INPG-UJF-CNRS),
dans le cadre de l’Ecole Doctorale « Electronique, Electrotechnique, Automatique & Traitement du Signal»
présentée et soutenue publiquement
par
Kahan N’GUESSAN
le 07 décembre 2007
METHODES ET OUTILS D’AIDE AU DIAGNOSTIC ET A LA MAINTENANCE DES

TABLEAUX ELECTRIQUES GENERAUX PAR LE SUIVI DES GRANDEURS
PHYSIQUES CARACTERISTIQUES ET DE LEUR FONCTIONNEMENT
DIRECTEUR DE THESE : ROGNON Jean-Pierre

CO-DIRECTEUR(S): ROSTAING Gilles
JURY
M. Guy CLERC , Président

M. Guy CLERC , Rapporteur
M. Mohamed BENBOUZID , Rapporteur
M. Jean-Pierre ROGNON , Directeur de thèse
M. Gilles ROSTAING, Albert FOGGIA, Eric JOUSEAU , Co-encadrants
Remerciements
Je tiens vivement à remercier :
Jean-Pierre ROGNON, directeur adjoint de l’école centrale de Lyon, Gilles ROSTAING, maitre
de conférence à l’INP Grenoble, et Albert FOGGIA, professeur à l’INP Grenoble, pour l’intérêt
particulier qu’ils ont porté à ce travail de thèse. Ils ont su me donner les directions scientifiques
pertinentes. Jean-Pierre ROGNON et Gilles ROSTAING ont été respectivement directeur et
codirecteur de cette thèse. Albert FOGGIA a participé de très près au pilotage des travaux. Ce
dernier a suscité en moi un engouement à faire cette thèse pendant que j’effectuais mon stage de fin
d’étude d’ingénieur. Je l’en remercie.
Je remercie tout particulièrement le professeur Guy CLERC de l’université de Lyon 1 et le

professeur Mohamed El Hachemi BENBOUZID de l’université de Bretagne occidentale qui ont
bien voulu accepter de juger ce travail de thèse en tant que rapporteurs. Leurs remarques très
pertinentes ont permis d’améliorer la qualité du manuscrit final. Le professeur Guy CLERC a par
ailleurs, fait l’honneur de présider le jury de cette thèse. Je le remercie sincèrement.
Je tiens également à remercier Eric JOUSEAU docteur ingénieur chez Schneider-Electric, pour son
pragmatisme, son altruisme, et le temps incalculable qu’il a consacré à ce travail de thèse. Il a été
un support et un soutien précieux sur tous les plans, du début à la fin de cette thèse.
J’aimerais remercier spécialement deux hommes qui ont eu suffisamment confiance en moi pour
me confier ce travail de thèse : Frédéric DUMAS et Jean-Christophe IANESELLI chez
Schneider-Electric, les initiateurs de cette thèse, sans qui je ne serais là à partager la joie d’une
tâche accomplie. Frédéric DUMAS a su guider mes premiers pas durant cette thèse, me mettant en
contact avec des personnes clés. C’est un responsable altruiste, plein d’idées innovantes, avec qui,
il est plaisant de travailler et qui a beaucoup participé à mon épanouissement durant cette thèse.
Jean-Christophe IANESELLI en tant que responsable du département auquel je fus affecté a
défendu ce projet de thèse et a mis tous les moyens qu’il fallait pour sa réussite. Je leur en suis
infiniment reconnaissant
Je remercie tous les experts de Schneider-Electric avec lesquelles j’ai eu des discussions techniques
très constructives. Ces discussions m’ont permis de réunir un certain nombre de données
nécessaires pour le développement des outils mis en place durant cette thèse. Je citerais parmi ces
experts, Christophe KILINDJIAN, Pascal LEPRETRE et Didier VANDOOREN, ils ont tous
manifesté un intérêt particulier à travailler sur ce sujet de thèse. Milles mercis à Christophe
KILINDJIAN qui a bien voulu mettre à notre disposition le cœur de calcul de son logiciel
EChaufPc®. Je remercie Lehdi KISMOUNE chez Schneider-Electric qui m’a prêté le matériel
pour les essais sur le tableau OKKEN.
Je ne saurais oublier, Florence FRANCOIS ingénieur au G2ELAB que je remercie pour sa grande
disponibilité et son apport notamment sur la prise en main de la technique des réseaux Bayésiens.
C’est quelqu’un de très sympathique.
Remerciement spécial à Daniel ROYE et Pierre GRANJON, professeur et professeur assistant à

l’INP Grenoble, tous deux pour leur sympathie, leur disponibilité et leurs aides notamment sur
l’essai de vibration.
Je remercie Sédic BACHA et Jean-Louis COULOMB tous deux professeurs à l’INP Grenoble et
responsables respectifs des équipes MAGE et SYREL du G2ELAB. Les différents séminaires
auxquels j’ai été convié dans ces équipes m’ont beaucoup édifié.
Je remercie Patrick AUDIFFRET responsable du laboratoire d’essai d’échauffement chez
Schneider-Electric à Montmélian qui acceptait chaque fois que besoin était, de me trouver des
créneaux horaires dans son laboratoire malgré un taux de charge élevé.
Je dis un grand merci à Jean-Yves BATAILLARD chez Schneider-Electric pour sa gentillesse et
son ingéniosité dans la construction des bancs d’essais.
Je profite aussi pour dire toute ma reconnaissance aux techniciens de laboratoire chez Schneider-
Electric que sont Serge BONENTE aujourd’hui retraité, Serge FORTUNA, et Lionel pour l’aide
qu’ils m’ont apporté durant les manipulations.
Une dédicace spéciale à toutes les personnes grâce à qui je me suis pleinement épanoui durant ces 3
années de thèse, Les membres de l’équipe des Services et Projets chez Schneider-Electric avec
Nathalie CADORIN en particulier, mes amis et le personnel du G2ELAB, tous et toutes, pour leur
convivialité.
Enfin un grand merci à Danielle pour son soutien moral.
« Ce travail est un cadeau à ma mère

Adjoua et mon père N’guessan»
SOMMAIRE
INTRODUCTION ............................................................................................. 9
CHAPITRE 1 :CONTEXTE DE L’ETUDE............................................................ 15
I. PROBLEMATIQUE .................................................................................................................................... 15
II. LE TABLEAU ELECTRIQUE BASSE TENSION ET SES CONSTITUANTS ................................................... 15
1. L’ENVELOPPE ........................................................................................................................................... 16
2. LES CLOISONNEMENTS INTERNES ............................................................................................................ 16
3. LA DISTRIBUTION ..................................................................................................................................... 17
4. L’APPAREILLAGE ...................................................................................................................................... 17
5. LES CABLES DE RACCORDEMENTS CLIENTS ............................................................................................. 17
6. EXEMPLE DE TABLEAUX ELECTRIQUES .................................................................................................... 18
III. ETAT DES LIEUX DES CAUSES DE DEFAILLANCES DES TABLEAUX ELECTRIQUES BT ...................... 18
1. LES GRANDES FAMILLES DE CAUSES DE DEFAILLANCES DES TABLEAUX ELECTRIQUES ......................... 19
2. REPARTITION DES GRANDES FAMILLES DE DEFAILLANCES...................................................................... 20
IV. DETECTION ET DIAGNOSTIC DES DEFAUTS DES TABLEAUX ELECTRIQUES PAR LA MESURE DE LA
TEMPERATURE................................................................................................................................................ 21
1. LA SURVEILLANCE THERMIQUE HIER ET AUJOURD’HUI ........................................................................... 21
2. LA SURVEILLANCE THERMIQUE DE DEMAIN ............................................................................................ 22
CONCLUSION ............................................................................................... 24
CHAPITRE 2 :LE CONTACT ELECTRIQUE ET LES ESSAIS DE MISE EN EVIDENCE

DES PHENOMENES LIES A SA DEGRADATION............................................... 27
INTRODUCTION ........................................................................................... 27
I. GENERALITES SUR LE CONTACT ELECTRIQUE ...................................................................................... 28

1. LES CONTACTS DANS LE TABLEAU ELECTRIQUE ...................................................................................... 29
2. UTILISATION DES FORMULES DE RESISTANCES DE CONTACTS DANS LE CAS REEL .................................. 29
II. LES ESSAIS DE MISE EN EVIDENCES DES PHENOMENES PHYSIQUES LIES A LA DEGRADATION DES
CONTACTS ....................................................................................................................................................... 30
1. ESSAI DE MISE EN EVIDENCE DU BOUCHON THERMIQUE .......................................................................... 30
2. ESSAI DE DESSERRAGE PROGRESSIF ......................................................................................................... 35
3. ESSAI DE VIEILLISSEMENT ACCELERE ...................................................................................................... 39
4. ESSAI VIBRATOIRE.................................................................................................................................... 41
CONCLUSION ............................................................................................... 45
CHAPITRE 3 :LA THERMIQUE DANS LE TABLEAU ELECTRIQUE ET LE

POSITIONNEMENT DES CAPTEURS DE TEMPERATURE.................................. 48
INTRODUCTION ........................................................................................... 48
I. LA THERMIQUE DANS L’ARMOIRE ELECTRIQUE ................................................................................... 49

1. LA CONDUCTION DANS L’ARMOIRE ELECTRIQUE ..................................................................................... 49
Aide à la maintenance préventive des tableaux électriques basses tensions 5

2. LA CONVECTION DANS L’ARMOIRE ELECTRIQUE ..................................................................................... 50
3. LE RAYONNEMENT DANS L’ARMOIRE ELECTRIQUE ................................................................................. 50
II. LE POSITIONNEMENT DES CAPTEURS DE TEMPERATURES DANS L’ARMOIRE ELECTRIQUE ............. 50
1. LES CRITERES DE PRIORITE....................................................................................................................... 51
2. TABLEAU DES PRIORITES DANS LA POSE DES CAPTEURS.......................................................................... 55
3. AUTRES PRECAUTIONS A PRENDRE DANS LA POSE DES CAPTEURS .......................................................... 56
4. LA QUESTION DU NOMBRE DE CAPTEURS ................................................................................................. 57
CONCLUSION ............................................................................................... 58
CHAPITRE 4 :SYSTEME DE DETECTION......................................................... 62
INTRODUCTION : ......................................................................................... 62
I. INDICATEUR DE FRANCHISSEMENT DES SEUILS DE TEMPERATURES ................................................... 63

II. INDICATEUR DE VIEILLISSEMENT ......................................................................................................... 65
1. ALGORITHME DE CALCUL DU FACTEUR DE VIEILLISSEMENT ................................................................... 66
2. EXEMPLE DE SIMULATION DU CALCUL DE VIEILLISSEMENT .................................................................... 68
III. DETECTION DE L’ECHAUFFEMENT ANORMAL PAR COMPARAISON A UN MODELE PHYSIQUE ........ 70
1. ETAT DES LIEUX DES LOGICIELS DE SIMULATION A NOTRE DISPOSITION ................................................. 70
2. DETECTION D’ECHAUFFEMENT ANORMAL A L’AIDE D’ECHAUFPC ......................................................... 74
3. DE ECHAUFPC A ECHAUFWEB ................................................................................................................ 79
IV. DETECTION DE L’ECHAUFFEMENT ANORMAL PAR LES RESEAUX DE NEURONES............................. 81
1. DES NEURONES BIOLOGIQUES AUX NEURONES ARTIFICIELS.................................................................... 81
2. L’APPRENTISSAGE DES RESEAUX DE NEURONES ...................................................................................... 83
3. APPLICATION DES RESEAUX DE NEURONES A LA DETECTION AUTOMATIQUE DE CONTACTS DEFAILLANTS
85
CONCLUSION ............................................................................................... 88
CHAPITRE 5 :SYSTEME DE DIAGNOSTIC ...................................................... 92
INTRODUCTION : ......................................................................................... 92
I. LES RESEAUX BAYESIENS ....................................................................................................................... 93

1. UN EXEMPLE SIMPLE DE RESEAU BAYESIEN ............................................................................................ 94
II. LA MISE EN ŒUVRE DU RESEAU BAYESIEN POUR LE DIAGNOSTIC DE L’ARMOIRE ELECTRIQUE ..... 97
1. ACQUISITION D’INFORMATIONS ET CREATION DE GRAPHE ...................................................................... 97
2. REMPLISSAGE DES TABLES DE PROBABILITES CONDITIONNELLES ......................................................... 102
III. EVALUATION ET UTILISATION DU RESEAU BAYESIEN ..................................................................... 105
1. EVALUATION .......................................................................................................................................... 105
2. UTILISATION DU RESEAU BAYESIEN ...................................................................................................... 107
3. ADAPTATION AUTOMATIQUE DES PROBABILITES DES RESEAUX BAYESIENS PAR UN PROCESSUS
D’APPRENTISSAGE ......................................................................................................................................... 111
CONCLUSION ............................................................................................. 114
CHAPITRE 6 :LE SYSTEME COMPLET : EXEMPLE D’APPLICATION ............... 118
INTRODUCTION ......................................................................................... 118
6 Sommaire
I. TABLEAU OKKEN EN CONDITION REELLE D’UTILISATION............................................................... 119
II. POSITIONNEMENT DES CAPTEURS ...................................................................................................... 120
III. MODELISATION ET DETECTION ........................................................................................................ 121
1. MODELISATION ...................................................................................................................................... 121
2. DETECTION ............................................................................................................................................. 124
IV. DIAGNOSTIC ........................................................................................................................................ 127
V. ETAT DES LIEUX DU SYSTEME GLOBAL .............................................................................................. 129
CONCLUSION ............................................................................................. 132
CONCLUSION GENERALE ............................................................................ 133
ANNEXES ................................................................................................... 137
ANNEXE 1 : RESISTANCES (ÉLECTRIQUE ET THERMIQUE) D’UN CONTACT. ........................................... 139

1. LE PASSAGE DU COURANT A L’INTERFACE D’UN CONTACT ELECTRIQUE .............................................. 139
2. LE PASSAGE DU FLUX THERMIQUE A L’INTERFACE D’UN CONTACT ELECTRIQUE ................................. 140
ANNEXE 2 : EXEMPLE DE CALCUL DE LA RESISTANCE THERMIQUE........................................................ 143
ANNEXE 3 : RESULTATS DE L’ESSAI DE DESSERRAGE PROGRESSIF SUR LES CONTACTS DE TYPE
BOULONNE. ................................................................................................................................................... 145
ANNEXE 4 : THEORIE DE TRANSFERT THERMIQUE.................................................................................... 147
1. CONDUCTION .......................................................................................................................................... 147
2. CONVECTION .......................................................................................................................................... 148
3. RAYONNEMENT ...................................................................................................................................... 148
ANNEXE 5 : ALGORITHME DE VIEILLISSEMENT......................................................................................... 151
ANNEXE 6 : TABLES DE PROBABILITES ASSOCIEES AUX VARIABLES INTERMEDIAIRES ET TERMINALES DU
RESEAU BAYESIEN ........................................................................................................................................ 153
ANNEXE 7 : TABLES DES PARAMETRES DIMENSIONNELS ECHAUFWEB EN FONCTION DE LA SECTION DES
CABLES ISOLES ............................................................................................................................................. 155
ANNEXE 8 : ANALYSE DE SENSIBILITE SUR LES TEMPERATURES RESULTANTES DU MODELE THERMIQUE
DE DETECTION PAR RAPPORT AUX ERREURS SUR LES DIMENSIONS DE JEUX DE BARRES. ...................... 157
BIBLIOGRAPHIE ........................................................................................ 159
BIBLIOGRAPHIE ........................................................................................ 161

8 Sommaire
INTRODUCTION
Aujourd’hui, que ce soit dans l’industrie lourde ou dans le tertiaire, les usagers d’électricité ont de
plus en plus le souci de se garantir une continuité de service, compte tenu des pertes souvent
énormes engendrées par un arrêt de fonctionnement de leur installation.
Dans toute installation électrique, l’énergie provenant du distributeur d’électricité, après la
transformation MT/BT, est acheminée vers les utilisateurs finaux en passant par un ou plusieurs
tableaux électriques (Figure 1).
Figure 1 : Exemple de réseau électrique industriel simplifié.
Le tableau électrique regroupe une grande partie de l’appareillage et des éléments servant à la
répartition et la mesure de l’énergie électrique ainsi qu’à la protection des équipements et de leurs

utilisateurs. Ce regroupement d’appareillages et éléments, tous d’une importance capitale pour le
bon fonctionnement de l’application en aval, fait du tableau électrique basse tension un point
critique du réseau électrique. C’est donc un élément clé de la distribution électrique. De son bon
fonctionnement, dépend la sécurité et la disponibilité de l’ensemble de l’installation électrique (en
aval).
Les constructeurs d’équipements électriques tels que Schneider-Electric, possédant la maitrise de la
mise en œuvre des tableaux électriques, ont toujours eu le souci de répondre à ce besoin de sécurité
et de disponibilité. Ils préconisent donc une stratégie de maintenance préventive (agir avant le
dysfonctionnement) par opposition à la maintenance curative (agir après le dysfonctionnement). Par
ailleurs, il existe plusieurs niveaux de maintenance préventive (Figure 2).
Maintenance Prédictive
Diagnostic: Monitoring
« Film »
Diagnostic
Performance Ponctuel « Photo »
minimum requise
Maintenance de
routine T
Durée
de vie
Maintenance
Nettoyage et conditionnelle
graissage
Figure 2 : Différents types de maintenances préventives.
Schneider-Electric, comme tous les constructeurs d’équipements, propose systématiquement à ses

clients un premier niveau de maintenance préventive dite de routine. Il se fait à intervalle de temps
régulier afin de garantir les performances minimales, dans la durée de vie des équipements, cela à
condition qu’ils soient utilisés dans les conditions normales.
Dans des cas d’installations nécessitant un haut niveau de fiabilité, de disponibilité ou de
performances, les constructeurs, dont Schneider-Electric, peuvent prescrire un plan de maintenance
dont l’objectif est d’agir après avoir détecté l’amorce d’une dégradation, avant même que
l’équipement ne soit hors service. Contrairement à la maintenance de routine, cette dernière est
initiée par le constat d’un début de détérioration. Dans cette catégorie, nous pouvons distinguer
deux sous niveaux, la maintenance conditionnelle et la maintenance prédictive. Dans le premier cas,
les inspections sont espacées (mois, années) et permettent de détecter des états de dégradation
10 Introduction
avancée. Dans le deuxième cas, les inspections plus fréquentes (minute, heure, jour) permettent de
détecter un état de dégradation moins avancé. Toutefois la frontière entre ces deux types de
maintenances reste floue.
Schneider-Electric développe des outils aidant aux différents types de maintenances qu’il propose.
Le groupe offre déjà à ses clients la possibilité de suivre leur parc installé à travers des informations
concernant la gestion de la maintenance de routine de leur installation. Ces clients peuvent aussi
accéder à des grandeurs électriques telles que la puissance consommée, le courant, la tension, et le
taux d’harmoniques. Toutes ces informations sont rapatriées sur un serveur et traitées. Les experts
Schneider-Electric les utilisent pour des recommandations dans le but de mener des actions
préventives, qui vont dans le sens de garantir une énergie beaucoup plus fiable, disponible et moins
chère.
Dans cette dynamique, la division Service de Schneider-Electric, dans sa stratégie de
développement des services prédictifs, a initié cette thèse d’aide à la maintenance des tableaux
électriques par le suivi des grandeurs physiques. L’idée est donc de se servir des mesures réalisées,
et éventuellement d’autres grandeurs physiques, pour aider à la maintenance prédictive des tableaux
électriques [1]-[2].
Une enquête impliquant des experts Schneider-Electric nous révèle que la principale cause de
défaillance des tableaux électriques est le « défaut de raccordement » conduisant à un échauffement
local de la connexion et pouvant dégénérer en un amorçage. La plupart des autres causes de
défaillance (surcharges, harmoniques, mauvaise ventilation), conduisent également à une élévation
de la température. Dès lors, la température semble être une grandeur physique qui pourrait aider à
détecter et diagnostiquer un ensemble important des modes de défaillances des tableaux électriques.
Ainsi, le but premier de cette thèse est d’élaborer un outil de détection et de diagnostic des tableaux
électriques, basé principalement sur la mesure de la température, mais également des autres
grandeurs accessibles.
Ce document est le rapport de cette thèse. Il est organisé de la façon suivante :
o Le chapitre 1 situe le contexte général et la problématique de notre étude.
o Le chapitre 2 présente des expériences de compréhension des principaux défauts des
tableaux électriques.
o Le chapitre 3 donne une aide sur l’emplacement des capteurs de température dans le tableau
électrique en se basant sur les résultats des expériences.

o Le chapitre 4 détaille la détection des défauts proprement dite. Deux méthodes ont été
testées. La première est la comparaison du comportement thermique de l’armoire par rapport
à un modèle physique du tableau supposé sain. La deuxième utilise la capacité
d’apprentissage des réseaux de neurones pour reconnaître les cas de défaillances.
o Le chapitre 5 traite du diagnostic pour expliquer les cas de défaillance. L’outil de diagnostic
permet aussi de faire une analyse du risque de défaillance. La technique des réseaux
Bayésiens est utilisée à cet effet.
o Le chapitre 6 vise à donner une vue d’ensemble, sur un cas pratique, des différents outils
développés.
12 Introduction
Chapitre1
CONTEXTE DE L’ETUDE
________________________________________________________________________________
14 Chapitre 1 : Contexte de l’étude
CONTEXTE DE L’ETUDE
I. Problématique
Notre étude s’insère dans un contexte général qui est celui de la disponibilité de l’énergie électrique.
En effet ce thème prend de plus en plus d’ampleur dans le domaine industriel et tertiaire du fait des
coûts occasionnés par l’arrêt d’un service ou d’une chaîne de production. A titre indicatif, pour
beaucoup d’installations industrielles le coût horaire d’arrêt est supérieur à 10.000$/h. Jusqu’à ce
jour, pour pallier ce problème, les industriels ont recours à de la maintenance préventive à
intervalles de temps réguliers. Il est vrai que cette pratique permet d’éviter un bon nombre de
défaillances, mais elle reste chère et nécessite souvent des arrêts de l’installation électrique.
Aujourd’hui il est de plus en plus question de la maintenance prédictive basée sur la connaissance
continue de l’état du système [3]. Ceci dans le but de réduire encore plus les coûts liés à la
maintenance, et d’augmenter la disponibilité de l’équipement électrique. Aujourd’hui la venue de
capteurs et de composants électriques communicants rend cette pratique d’autant plus viable.
Nous nous intéressons particulièrement au tableau électrique Basse Tension (BT), point de passage
quasi obligatoire de l’énergie électrique.
Avant de développer notre plan d’action pour aider à sa maintenance prédictive, présentons ce
qu’est un tableau électrique et faisons l’état des lieux des causes de ses défaillances.
II. Le tableau électrique Basse tension et ses

constituants
Le tableau électrique sert à la distribution de l’énergie électrique depuis le point d’arrivée de cette
énergie jusqu’aux équipements utilisateurs. Il est composé d’une enveloppe et d’un ensemble
d’éléments dont le rôle est d’assurer la répartition de l’énergie, la protection, et le contrôle de

l’installation électrique en aval. Ces fonctions du tableau sont réalisées par un certain nombre de
constituants et une architecture particulière. Roland Auber dans [4] donne une description
exhaustive des tableaux électriques. Ici nous nous contentons d’en souligner quelques traits qui
nous semblent importants.
1. L’enveloppe
L’enveloppe d’un tableau électrique assure la protection des personnes contre les chocs électriques.
Elle protège aussi le matériel contre les influences externes (poussières conductrices,
environnement chimique agressif etc.).
2. Les cloisonnements internes
Des écrans et des cloisons contribuent à éviter les contacts avec des parties actives (jeu de barres
sous tension par exemple), augmentant ainsi la protection des personnes. Ils assurent la protection
contre le passage de corps étrangers entre les différents compartiments, et permettent de réduire les
risques d’amorçages. Des systèmes de ventilation forcée ou naturelle peuvent être installés dans le
tableau en vue de répondre au problème d’évacuation de chaleur pouvant être engendré par ces
cloisons. La norme IEC-60439.1 définit précisément les degrés de cloisonnement interne à travers
la notion de forme.
Forme1 : Absence totale de cloisonnement
Forme 2 : Séparation entre jeux de barres et unités fonctionnelles
Forme 3 : En plus de la forme 2, séparation de toutes les unités fonctionnelles entre elles.
Forme 4 : En plus des caractéristiques de la forme 3, séparation des bornes pour conducteurs
extérieurs associés à une unité fonctionnelle de celles de toutes les autres unités fonctionnelles et
des jeux de barres.

Figure 3 : Différents types de « formes » d’un tableau électrique
3. La distribution
La distribution est constituée de jeux de barres de distribution horizontales et verticales et de

connecteurs spécifiques permettant la répartition de l’énergie électrique vers les différents
appareillages. Leurs supports doivent tenir les efforts électrodynamiques et les contraintes
thermiques.
4. L’appareillage
L’ensemble de l’appareillage est constitué de dispositifs pour la protection, la commande, le

sectionnement et la signalisation. Cet appareillage peut, selon les cas, être regroupé en unités
fonctionnelles lorsqu’il réalise une fonction spécifique, par exemple la protection d’un départ, la
commande d’un moteur.
5. Les câbles de raccordements clients
Les raccordements se font directement depuis les bornes de l’appareillage de protection ou par
l’intermédiaire de dispositifs de raccordements séparés. Les câbles de raccordements clients (ou
départs clients) assurent l’alimentation en énergie de la charge terminale (moteur par exemple).

6. Exemple de tableaux électriques
Pour répondre au besoin du marché, Schneider-Electric fournit des armoires et tableaux électriques
BT d’architectures et de puissances variées. A titre indicatif, nous pouvons citer,
• L’armoire « Prisma Plus », destinée aux bâtiments du tertiaire, allant jusqu’à 3200A de
courant assigné.
• Le tableau « Okken » destiné aux applications de l’industrie lourde, allant jusqu’à 7300A de
courant assigné.
Ci-dessous nous pouvons voir une armoire « OKKEN » avec les différentes parties repérées.
Jeux de barres
horizontales
Câbles de
raccordements clients
Appareillage
Unités fonctionnelles
Cloisons
Figure 4 : Structure du tableau électrique « OKKEN » de Schneider-Electric
III. Etat des lieux des causes de défaillances

des tableaux électriques BT
Comme tout système électrique, le tableau subit l’influence du milieu extérieur dans lequel il opère.
Il subit aussi l’influence d’autres phénomènes liés à son utilisation proprement dite. Ces influences

se traduisent par un vieillissement accéléré ou par des dégradations pouvant aboutir au
dysfonctionnement voire à l’arrêt total du tableau électrique.
Il est donc vital de recourir à une maintenance prédictive. Par ailleurs, le problème de la
maintenance prédictive impose d’avoir identifié au préalable les différentes causes de dégradations.
Ainsi, nous avons mené une étude d’identification et de quantification des causes de défaillances
des tableaux électriques. Elle a consisté à interroger des experts Schneider-Electric. Six entretiens
ont été réalisés. Au cours de ces entretiens il était question, pour les experts, de lister les causes de
défaillances des armoires électriques et leur pourcentage d’apparition. Cette étude nous a permis
d’identifier les grandes familles des causes de défaillances des tableaux électriques et les tendances
en termes d’apparitions.
Dans le chapitre suivant nous donnons les résultats de cette enquête.
1. Les Grandes familles de causes de

défaillances des tableaux électriques
1.1. Environnement /Pollution

Cette famille regroupe les causes de défaillances liées à l’environnement dans lequel baignent les
composants du tableau électrique.
Les environnements humides favorisent l’oxydation des parties métalliques du tableau.
Les environnements poussiéreux ou corrosifs, comme ceux rencontrés dans les papeteries par
exemple, attaquent les contacts électriques. Cela entraîne une augmentation de la résistance
électrique du contact pollué.
1.2. Défauts de raccordements

Ces défauts de raccordements regroupent le mauvais serrage des connexions des câbles et jeux de
barres. Ils regroupent aussi les mauvaises connexions dues à une visserie qui n’est pas adaptée. Un
défaut de raccordement contribue à augmenter la résistance électrique de la connexion.
1.3. Défauts appareillages et ventilations

Cette famille regroupe les défaillances du système de ventilation ou des appareils installés dans le
tableau électrique. Selon les experts, une mauvaise ventilation ou un défaut au niveau de
l’appareillage peut se traduire par des déclenchements intempestifs des appareils, dus à une
élévation de la température ambiante du tableau électrique.

1.4. Surcharges
Dans la famille des surcharges, nous considérons uniquement les surcharges de courant. Ces
surcharges peuvent être dues à un mauvais dimensionnement des jeux de barres et autres
appareillages. Elles peuvent être aussi dues à un ajout de charges supplémentaires par rapport à ce
pour quoi le tableau a été dimensionné au départ. Nous intégrons dans cette famille les surcharges
du neutre due à la présence d’harmoniques de rang 3.
1.5. Objets oubliés ou intrusions extérieures

L’intrusion d’animaux dans les tableaux (souris, insectes, oiseaux) est une des causes de court-
circuit. L’oubli de clés et autres objets conducteurs dans les tableaux, par exemple après une
opération de maintenance, peut aussi être la cause d’un court circuit.
2. Répartition des grandes familles de

défaillances
Les entretiens réalisés auprès des six experts révèlent que parmi les familles de causes de
défaillances des tableaux, viennent d’abord les défauts de raccordements, puis les surcharges. Sans
qu’il faille attacher une signification statistique à ces chiffres, la part de ces causes dans l’ensemble
des causes de défaillances est respectivement de 34% pour les défauts de raccordements et de 21 %
pour celles dues aux surcharges. Par ailleurs, nous pouvons remarquer que la plupart des causes de
défaillances conduisent à une élévation en température.
Erreur ! Liaison incorrecte.
Figure 5 : Répartition des causes de défauts des tableaux électriques
En effet, les environnements agressifs ou les défauts de raccordements, se traduisent par une
dégradation des contacts électriques. Il s’en suit une augmentation de la résistance de contact qui
entraîne un échauffement local par effet joule au passage du courant. Les défauts de ventilation sont
également susceptibles d’occasionner une élévation de la température ambiante du tableau. Les
surcharges surchauffent les câbles, les jeux de barres et les appareillages.
La température semble donc être une grandeur physique permettant de superviser une part
importante des causes de défaillances.

IV. Détection et Diagnostic des défauts des
tableaux électriques par la mesure de la
température
1. La surveillance thermique hier et

aujourd’hui
Les deux pratiques encore largement utilisées jusqu’à ce jour, pour prédire les risques de défaillance
de l’armoire électrique créés par un échauffement excessif, sont :
• L’inspection régulière avec utilisation des 5 sens de l’Homme.
• L’inspection régulière avec utilisation de la thermographie infrarouge

En ce qui concerne la première pratique qui est l’utilisation des sens, il est commun de voir
l’utilisateur de tableau électrique faire le tour des armoires, les ouvrir et les inspecter, à la recherche
d’un câble qui fond, d’un jeu de barre qui change de couleur, ou pour détecter l’odeur d’un
composant qui brûle ou qui surchauffe. Ainsi les sens les plus utilisés sont, la vue, l’odorat, et le
toucher. De nos jours cette pratique laisse la place à l’inspection thermographique infrarouge.
La thermographie infrarouge permet de localiser les points chauds à partir d’une photo thermique
[5]-(Figure 6). Tout objet à température normale (supérieure au zéro absolu) émet un rayonnement
dans le domaine infrarouge dépendant de sa température. C’est cette propriété qui est utilisée par
l’électronique des détecteurs infrarouges pour donner la température d’un objet en captant l’énergie
infrarouge qu’il émet.
La première difficulté rencontrée par cette technique dans le cas du tableau électrique est l’accès à
certains endroits du tableau et l’obligation de démonter tous les caches et plastrons afin de viser
l’élément dont on veut connaitre la température. Aussi, certains ont recourt à des hublots spéciaux
qui laissent passer les rayons infrarouges. Mais cette solution demeure très chère et n’est pas
forcément efficace car les tableaux sont de plus en plus cloisonnés, réduisant ainsi la portée du
hublot sur les éléments internes susceptibles de surchauffer.
Par ailleurs, la mesure par caméra infrarouge exige la maîtrise de certains fondamentaux de
phénomènes thermiques. Il est très facile de s’en servir pour faire de belles images dont les valeurs

de températures sont fausses. C’est pourquoi, ces mesures doivent être faites et interprétées par des
professionnels qualifiés.
Enfin, il faut noter, le caractère ponctuel de cette inspection, c'est-à-dire qu’elle ne donne qu’une
photo de l’état du système à un instant donné.
Figure 6 : Exemple de mesure infrarouge sur des câbles.
2. La surveillance thermique de demain
Nous voulons avoir une surveillance continue du tableau électrique. Elle nous permettra d’analyser
plus efficacement les éventuelles dérives et de planifier des actions de maintenances prédictives le
plus tôt possible. Les outils d’aide à la détection et au diagnostic réalisés devront s’appuyer sur la
chaîne logistique d’acquisition des données via le Web déjà existante à Schneider-Electric (Figure
7). Cette chaîne se compose d’éléments communicants :
• Les « Micrologics » communicants : éléments intégrés au disjoncteur pour la mesure du

courant.
• Les « PowerMeters » pour la mesure des courants, des tensions et des taux d’harmoniques.
• Les capteurs de température sans fil.
• Un serveur de stockage de données.

L’utilisation des capteurs de température sans fil a plusieurs avantages : en plus d’être une solution
moins chère, ils se posent facilement dans des endroits difficiles d’accès [6]. Toutes les mesures
faites in situ devront être rapatriées sur le serveur de traitement de données. Dans notre étude nous
considérons donc que nous disposons de ces données. Nous nous attarderons donc sur leur
exploitation. Une fois les données exploitées, les courbes et les conclusions résultantes seraient
consultables sur les postes autorisés dans le monde entier au travers d’internet.

@ @
Serveur de traitement
des données
Capteurs de
température
Courbes
Figure 7 : Chaîne de monitoring du tableau électrique

CONCLUSION
Il ressort de l’analyse des entretiens avec les experts que l’une des principales causes de défaillance
des tableaux est le mauvais raccordement. Il faut noter que certaines des causes mises en évidence
ne pourront pas être traitées dans l’étude que nous voulons mener. Il s’agit des intrusions d’animaux
et de corps étrangers, qui conduisent souvent à un court-circuit, un phénomène instantané
difficilement prévisible par le suivi d’une grandeur physique, encore moins de la température.
Outre le mauvais raccordement qui conduit à un échauffement local des connexions, nous
constatons que la plupart des causes de défaillances se manifestent aussi par un échauffement local
ou global du tableau électrique. Ainsi ce constat justifie l’idée de se servir de la température comme
paramètre principal de suivi de l’état des tableaux électriques.
Le système d’aide à la maintenance préventive par la détection précoce et le diagnostic des défauts
du tableau électrique que nous voulons mettre en place, se basera sur le système d’acquisition de
données déjà existant dans la division des Services de Schneider-Electric. Ce système comprend les
capteurs de température sans fil et les éléments communicants de mesure du courant. Nous
considérons dans notre étude que ces données sont disponibles car rapatriées sur un serveur pour le
traitement. Dans la suite de ce document nous nous concentrerons plutôt sur l’exploitation de ces
données dans le but d’aider à la maintenance prédictive.
La mise en œuvre de cet outil de surveillance thermique implique :
o la compréhension des phénomènes de dégradation (Chapitre 2),
o un bon positionnement des capteurs (Chapitre 3),
o l’analyse des données issues des capteurs pour en dégager des informations utiles à la
détection prédictive et au diagnostic (Chapitres 4 et 5).

Chapitre2
LE CONTACT ELECTRIQUE ET LES ESSAIS

DE MISE EN EVIDENCE DES PHENOMENES
LIES A SA DEGRADATION
26 Chapitre 2 : Le contact électrique-Essais de mise en évidence des phénomènes de dégradation
LE CONTACT ELECTRIQUE ET LES
ESSAIS DE MISE EN EVIDENCE DES
PHENOMENES LIES A SA
DEGRADATION
Introduction
Nous nous intéressons aux contacts électriques, compte tenu du fait qu’ils représentent, selon notre
enquête, la partie du tableau la plus susceptible d’être à l’origine d’un défaut. Ainsi dans cette
partie, nous présenterons, d’abord, dans un cadre théorique, ce qu’est un contact électrique, avec les
principaux paramètres qui le caractérisent. Ensuite, nous nous attarderons sur une série d’essais
réalisés pour comprendre les phénomènes de dégradation de ces contacts électriques.
Aide à la maintenance préventive des tableaux électriques 27

I. Généralités sur le contact électrique
Les contacts électriques permettent de lier électriquement deux éléments conducteurs. Ces éléments
peuvent être des jeux de barres, des câbles où des appareillages. Un contact électrique dans sa
forme la plus simple est la mise en contact de deux surfaces métalliques conductrices de courant
électrique.
Lorsqu’on met en contact deux surfaces métalliques, le contact entre ces deux surfaces n’est jamais
parfait. C'est-à-dire que l’interface du contact n’est pas une zone lisse constituée d’un nombre infini
de points, où tous les points en regard se toucheraient. En réalité la surface à l’interface d’un contact
est constituée d’un nombre fini de points de contacts appelés « contacts élémentaires » (Figure 8).
Le nombre et la taille des contacts élémentaires sont fonction de nombreux paramètres dont les plus
significatifs sont :
• la dureté du matériau,
• la force de pression au contact,
• la planéité de la surface de contact.

Des impuretés comme la poussière, les copeaux de tous genres, peuvent s’insérer à l’interface du
contact, et sont de nature à créer une discontinuité à l’interface du contact. Cette discontinuité est
non seulement, à l’origine d’une résistance supplémentaire au passage du courant (résistance
électrique) [7]-[8]-[9] mais aussi d’une résistance au passage du flux thermique (résistance
thermique) [10]-[11]. L’annexe 1 donne une explication détaillée sur ces différentes résistances.
Couche d’oxyde Interface du contact
Contacts élémentaires
Figure 8 : Apparence réelle de l’interface d’un contact électrique agrandi au

microscope.

1. Les contacts dans le tableau électrique
Pour répondre aux contraintes liées à l’architecture, l’accessibilité ou la facilité du montage et du

démontage, plusieurs technologies de contacts électriques sont utilisées dans les tableaux
électriques. Nous nous bornerons à en citer quelques unes représentatives des grandes familles de
technologies.
Les plus utilisés sont les connexions de type boulonné, c'est-à-dire le contact « boulonné à plat », le
contact « boulonné pincé » et le contact « sur chant » (Figure 9).
Le contact boulonné pincé se distingue du boulonné à plat par le fait qu’il se fait sans taraudage des
deux jeux de barres à lier. Le contact sur chant, beaucoup plus complexe, sert à créer une
dérivation entre un jeu de barres horizontal à un jeu de barres vertical.
Il existe une autre technologie de contact : Les pinces d’embrochage visible sur la Figure 9.Les
pinces d’embrochage sont des connexions sans boulonnage qui sont réalisées à partir de la force
d’appui des pinces. Ce type de connexion permet aux appareillages et aux unités fonctionnelles
d’être débrochés du réseau et remplacés le plus rapidement possible pour des opérations de
maintenance par exemple.
Boulonné pincé Boulonné à plat Contact Sur chant Pince d’embrochage
Figure 9 : Différentes technologies de contacts utilisés dans les tableaux

électriques
2. Utilisation des formules de résistances de

contacts dans le cas réel
Les formules pour évaluer les résistances de contact (évoquées dans l’annexe 1), relèvent encore du
domaine théorique. Même si elles ont l’avantage de nous éclairer sur l’influence relative des
différents paramètres physiques intervenant dans le calcul des résistances de contact, elles ne sont

que difficilement applicables dans la réalité. En effet, comme nous venons de le voir dans la section
précédente, les formes des contacts sont souvent très complexes (Figure 9). La difficulté
d’application de ces formules réside surtout dans l’évaluation par le calcul de la surface effective de
contact [12]-[13].
Etant dans l’incapacité de prédire avec précision la valeur des différentes résistances de contacts
(thermiques et électriques) à l’aide de formules, nous procédons dans le paragraphe II à des essais
pour évaluer, de manière macroscopique, l’influence des dégradations sur des contacts.
II. Les essais de mise en évidences des

phénomènes physiques liés à la
dégradation des contacts
Dans ce paragraphe nous présentons des essais ayant été réalisés pour mettre en évidence les effets
des défauts des contacts électriques.
Quatre types d’essais ont été réalisés, il s’agit de :
• L’essai de mise en évidence du phénomène de bouchon thermique sur les pinces

d’embrochage.
• L’essai de desserrage progressif sur les contacts « boulonnés à plat », « boulonnés pincés »,
et « boulonnés sur chant ».
• L’essai de vieillissement accéléré sur les contacts « boulonnés pincés ».
• L’essai de mesure de vibrations sur un contact « boulonné à plat ».
1. Essai de mise en évidence du bouchon

thermique
1.1. Le but de l’essai

Dans certaines conditions, le flux thermique véhiculé à travers un contact peut trouver des
difficultés à circuler normalement, provoquant ainsi une augmentation de la différence de
température de part et d’autre du contact. De même qu’un rétrécissement de la section locale sur un

tuyau d’écoulement peut causer une perte de charge (différence de pression), la pression étant
analogue à la température et le flux thermique analogue au débit. Le blocage du flux thermique est
le fait de la résistance thermique de contact qui est élevée. Nous imaginons que ce phénomène peut
se produire dans le cas de contact mal dimensionné ou ayant vieilli par exemple.
Le but de cette expérience est donc de :
• Mettre en évidence le phénomène de bouchon thermique sur les pinces d’embrochages et le

contact boulonné à plat.
• Etudier la résistance thermique de contact indépendamment de la résistance électrique, pour

les pinces d’embrochage et les contacts boulonnés à plat.
1.2. Le déroulement de l’essai
Figure 10 : Banc d’essai de mise en évidence du bouchon thermique
L’expérience consiste à mettre une moitié de barre dans un four (repérée 1 sur la Figure 10) et
l’autre moitié à l’extérieur (repérée 2 sur la Figure 10). Ces deux moitiés de barre sont reliées par un
contact qui sera soit une pince d’embrochage ou un contact boulonné à plat. La suite de
l’expérience consiste donc à imposer une température de l’air dans le four et à mesurer l’écart de
température de part et d’autre du contact. L’expérience a été réalisée successivement avec à
l’extérieur du four une barre longue de 40 cm puis une barre courte de 11 cm. En effet la barre
longue est censée faire plus d’appel de flux de chaleur (Figure 11).

Figure 11 : Configuration barre courte et barre longue pour l’essai du bouchon
thermique
Six cas de figures ont donc été testés :

o Pince d’embrochage avec 1 pince & barre extérieure longue.
o Pince d’embrochage avec 1 pince & barre extérieure courte.
o Pince d’embrochage avec 3 pinces& barre extérieure longue.
o Pince d’embrochage avec 3 pinces& barre extérieure courte.
o Contact boulonné à plat & barre extérieure longue.
o Contact boulonné à plat & barre extérieure courte.
1.3. Résultat de l’essai
Mise en évidence du phénomène de bouchon thermique.
Le phénomène de bouchon thermique est bien mis en évidence sur l’exemple avec une pince
d’embrochage composée d’une seule pince. La température imposée dans le four est de 200°C.

Figure 12 : Mise en évidence du bouchon thermique
Sur l’image thermographique de la Figure 12, nous remarquons une grande différence de
température entre l’amont et l’aval du contact. En effet, en amont du contact nous avons 101°C
tandis que juste en aval nous n’en avons plus que 58°C, soit environ 40°C d’écart. Cette différence
serait seulement d’environ 10°C dans le cas d’un contact boulonné à plat dans les mêmes conditions
d’essai. Ceci nous permet de bien mettre en évidence l’effet de la résistance thermique. Avec une
pince d’embrochage composée d’une seule pince, le flux thermique a du mal à s’écouler. Il en
résulte une température aval du contact très élevée et une température amont qui est beaucoup plus
basse. Ce bouchon thermique contribue à creuser l’écart entre l’amont et l’aval du contact. D’une
certaine manière ce phénomène rend le capteur de température qui serait placé en aval du contact
aveugle à l’élévation de température anormale qui se passe en amont.
Synthèse des résultats de l’essai.
Pour chaque configuration, nous imposons différentes températures dans le four et nous mesurons
les températures de part et d’autre du contact. Deux types de comparaisons peuvent être faites :
• La comparaison de la différence de température selon la longueur de la barre extérieure

(barre longue/barre courte).
• La comparaison de la différence de température selon le type de contact (boulonné, pinces

d’embrochage avec 1 pince, pinces d’embrochage avec 3 pinces).

40°C 1 pinc e-barrelongue
35°C 1 pinc e-barrecourte

1 p inc e
3 pinc es-barrelongue
30°C
3 pinc es-barrecourte
25°C boulonné_barrelongue
boulonné_barrecourte
20°C
3 p ince s
15°C
10°C
b o ulo nné à p lat
5°C
0°C
0°C 50°C 100°C 150°C 200°C 250°C
Figure 13 : Test de bouchon thermique sur les différents types de contacts et

dans différentes configurations.
La Figure 13 présente plusieurs droites qui représentent la différence de température entre l’amont
et l’aval du contact pour différentes températures imposées dans le four (en abscisse) et dans les
différents cas de figures précités.
Ainsi ces courbes nous permettent de faire plusieurs remarques :
Remarque 1 :
La différence de température de part et d’autre du contact est une fonction linéaire de la température
imposée dans le four. Cette différence de température est moins importante dans le cas du contact
boulonné à plat. Selon les experts, ce contact quand il est serré au couple et bien dimensionné, peut
être considéré comme la référence en terme de résistance thermique de contact vers laquelle les
autres types de contacts devraient tendre.
Remarque 2 :
La différence de température dans le cas d’une barre longue est supérieure à celle avec une barre
courte. En effet avec la barre longue il y a plus d’appel de flux. La résistance thermique a pour unité
°C/W, ce qui signifie que : Plus il passe de flux thermique plus l’écart de température s’agrandit.
Ainsi une résistance thermique de 1°C/W engendrerait une différence de température de 1°C s’il
passe un flux thermique de 1W. Comme avec la barre longue il passe plus de flux, la différence de
température entre l’amont et l’aval du contact est plus élevée.

Remarque3 :
Cette expérience peut servir à estimer la résistance thermique de contact de sorte à avoir un ordre
de grandeur de cette résistance. La méthode de calcul est basée sur la conservation du flux
thermique de conduction. Elle nous donne une résistance thermique du contact boulonné environ 3
fois moins importante que celle de la pince d’embrochage composée de trois pinces (Cf. Annexe 2).
Conclusion de l’essai
Dans la réalité, l’appareil qui est près d’une connexion impose un flux de chaleur et non une
température comme nous l’avons fait dans cet essai. Toutefois il nous permet de faire des
observations intéressantes. A travers cet essai nous avons pu faire les observations suivantes :
• Le bouchon thermique est bien mis en évidence avec une pince d’embrochage composée
d’une seule pince. Il se caractérise par une différence de température très élevée entre
l’amont et l’aval de la pince (+40°C).
• La différence de température entre l’amont et l’aval d’un contact est une fonction linéaire de
la température imposée dans l’enceinte.
• Le bouchon thermique est d’autant plus mis en évidence que le jeu de barre aval est long ce
qui occasionne plus d’appel de flux de chaleur.
• Le contact boulonné à plat a une résistance thermique faible par rapport à la pince
d’embrochage et peut être considéré comme la référence en terme de résistance thermique,
quand il est bien dimensionné et bien serré au couple.
• Cet essai nous donne une méthode de mesure de la résistance thermique à condition que le
système soit adiabatique ce qui n’est rigoureusement pas le cas dans l’expérience présentée
ci-dessus (Cf. Annexe3).
2. Essai de desserrage progressif
2.1. Le but
Nous savons que le desserrement d’un contact entraîne une élévation de sa résistance de contact, ce
qui a pour effet un échauffement supplémentaire au passage du courant. L’essai de desserrage
permet de se rendre compte de ce phénomène. Il répond à deux objectifs qui sont :
• Avoir l’ordre de grandeur de l’échauffement résultant du desserrage d’une connexion selon

le niveau de desserrage de cette connexion.

• Avoir une idée de la distance à partir de laquelle l’échauffement dû à un desserrage est
visible.
2.2. Le déroulement de l’essai : Exemple du

contact pincé
Cet essai consiste à faire passer dans deux bouts de jeu de barre en cuivre liés par une connexion,
environ le courant nominal. Après la stabilisation en température on effectue des desserrages
progressifs. Par exemple dans le cas du contact boulonné pincé, ces desserrages ont eu lieu à la
moitié, au quart, au huitième du couple nominal puis à la main. Des thermocouples placés tout au
long des barres et sur le contact permettent de faire la mesure de la température. La température
ambiante de la pièce est aussi mesurée de façon à pouvoir calculer l’échauffement. La Figure 14
donne la description de l’essai relatif au contact boulonné pincé.
Figure 14 : Essai de desserrage progressif : exemple du contact boulonné

pincé.
Figure 15 : Résultats de l’essai de desserrage progressif relatif au contact

boulonné pincé.

Les courbes de la Figure 15 donnent l’évolution de la température au fil des desserrages sur les
différents points de mesures. Plusieurs remarques peuvent être faites :
Remarque1 :
Nous remarquons sur la Figure 15 que l’échauffement est de moins en moins visible quand on
s’éloigne du point chaud. Cela s’explique par les déperditions thermiques. Ainsi au fil des
desserrages, l’échauffement au point 1 qui est à 60 cm du point chaud n’évolue presque pas.
Remarque2 :
Nous nous rendons compte qu’il faut desserrer beaucoup (<1/8ième du couple nominal) pour voir un
échauffement notable au niveau de la connexion (point5 sur la Figure 14).
Résistance de contact
200
(micro-Ohm)
150
100
50
0
n
20
26
14
3
9
ai
m
Couple de serrage (Nm)

la
a
Figure 16 : Courbe de la résistance de contact en fonction du couple de

serrage
Cela s’explique par l’évolution de la résistance électrique de contact en fonction du couple de

serrage (Figure 16). Nous remarquons sur la courbe de la Figure 16 que la résistance de contact ne
varie pas énormément lors du desserrage, jusqu’aux alentours de 7Nm (1/4 du couple nominal) à
partir duquel elle augmente exponentiellement. D’où un échauffement qui est peu visible jusqu’à
1/4 du couple nominal, et beaucoup plus visible à partir de 1/8ième du couple nominal.
2.3. Synthèse des résultats de l’essai de

desserrage
Outre le contact boulonné pincé, l’essai de desserrage a été réalisé sur les contacts « boulonné sur
chant » et « boulonné à plat », dans les mêmes conditions que celles décrites pour le contact
« boulonné pincé ».

Le Tableau 1 donne la synthèse des résultats de cet essai. Pour plus de détails sur les courbes
d’échauffement, voir l’annexe 3. A la lumière de ce tableau, plusieurs remarques peuvent être faites.
P inc é A plat S ur c hant

C o u p le n o m in a l (C n ) 28Nm 50Nm 28Nm
Jd b 80*10 60*10 60*10
C o u ra n t 1800A 1500A 1500A
C o n s ta n te d e te m p s 45mn 40mn 42mn

Te m p s d e s ta b ilis a tio n 2h 2h 2h
Ech a u ffe m e n t à 1 /4 C n 4°C 3°C 12°C
Ech a u ffe m e n t s e n s ib le à p a rtir d e 1/8 de Cn 1/8 de Cn 1/4 de Cn
Atté n u a tio n à 2 0 cm 47% 53% 55%
Tableau 1 : Synthèse des résultats de l’essai de desserrage sur les trois

technologies de contacts boulonnés
Remarque 1 : Echauffement au fil des desserrages
En ce qui concerne le contact « boulonné à plat », nous obtenons un résultat très proche de celui du
« boulonné pincé ». L’échauffement à 1/4 du couple nominal est de +4 °C pour le pincé et +3°C
pour le boulonné à plat. Le « sur chant » se démarque quelque peu de ces deux contacts par une
grande résistance de contact donc engendre plus d’échauffement. Ainsi l’échauffement à 1/4 du
couple nominal est de 12°C pour le « sur chant ».
Remarque 2 : Atténuation de l’échauffement sur la longueur de la barre :
Pour les trois technologies de contacts boulonnés, on calcule le pourcentage d’atténuation de la

température stabilisée. Cette atténuation est calculée par rapport à la référence qui est le
thermocouple sur la connexion (point 5 de la Figure 14). A 20 cm du point chaud, nous avons en
moyenne 52% d’atténuation. Ainsi à cette distance du point chaud nous ne voyons plus que la
moitié de l’échauffement généré au point chaud. A 60 cm, loin du point chaud, l’échauffement ne se
voit pratiquement plus.
Remarque 3 : Dynamique du profil de température
Le temps de stabilisation est en moyenne de deux heures pour une consigne autour du courant
nominal. La constante de temps est en moyenne de 43 mn. Elle dépend de plusieurs paramètres dont
les paramètres physiques du matériau du jeu de barre et le courant. En effet elle est inversement
proportionnelle au carré du courant [14]. Cette expérience nous permet surtout de nous rendre

compte que la montée de température après un desserrage est un phénomène de l’ordre de quelques
minutes.
Nous pouvons tirer un certain nombre de conclusions à travers les observations faites durant cet
essai :
• Au-delà de 20cm le défaut est difficilement visible. A 20cm du point chaud nous avons en
moyenne 52% d’atténuation de l’échauffement supplémentaire généré.
• D’une manière générale, l’échauffement au point de contact est significatif à partir d’un
couple de serrage très faible (<1/8ième du couple nominal).
• Le desserrage ne conduit pas rapidement à un processus d’emballement thermique,

processus selon lequel le contact dans sa dégradation conduit à une augmentation de sa
température qui elle-même contribue à dégrader encore plus le contact.
3. Essai de vieillissement accéléré
3.1. Le but
Dans l’expérience de desserrage progressif, nous nous rendons compte que le desserrage progressif
se traduit par un échauffement supplémentaire mais ne provoque pas immédiatement un
emballement thermique. Dans la littérature nous pouvons lire que le desserrage favorise les micros
déplacements qui accélèrent le processus de vieillissement par oxydation et corrosion des contacts
élémentaires [15]. Pour un contact rigide (serré au couple), il faudrait des dizaines d’années pour
voir une dégradation significative.
Ainsi, cet essai de vieillissement accéléré poursuit deux objectifs :
• Visualiser le vieillissement à travers l’échauffement du contact.
• Voir l’influence du courant et les vibrations résultantes sur le vieillissement.
3.2. Déroulement de l’essai

Il s’agit de faire subir à un jeu de barre aboutissant à un contact « boulonné pincé » plusieurs cycles
de courants (Figure 17).

Figure 17 : Essai de vieillissement : exemple du contact boulonné pincé.
Le cycle étant décrit comme suit : Le jeu de barre est alimenté en courant pendant 2 heures, le
temps de la stabilisation. Entre deux cycles, le courant est coupé pour laisser refroidir le jeu de barre
jusqu’à sa stabilisation à la température ambiante. Ce refroidissement dure aussi environ deux
heures.
Le contact pincé mis à l’essai a été préalablement desserré à 1/8ième de son couple nominal soit 3,5
Nm, dans le but d’accélérer le vieillissement. L’essai a eu lieu en deux temps :
• Dans un premier temps nous faisons passer un courant de 1800 A (1,2 In). Cette première
phase dure 12 cycles.
• Dans un deuxième temps, nous faisons passer un courant de 2200A (1,5In). Cette phase dure
du cycle 13 au cycle 32.
Nous surveillons la différence de température entre le point 2 et le point 5. Les résultats sont
présentés ci-dessous.
3.3. Résultat de l’essai

La courbe de la Figure18 nous montre que le nombre de cycles affecte le contact. Celui-ci vieillit
dans le temps. Ce vieillissement se manifeste par un échauffement local qui augmente au fil des
cycles.
Evolution de l'échauffement (T5-T2)
40°C
35°C 1800A 2200A
30°C
deltaT(°C)
25°C
20°C
15°C
10°C
c y 10
c y 12
c y 14
c y 16
c y 18
c y 20
c y 22
c y 25
c y 28
c y 30
32
2
cy e 8
e
e
cl
cl
cl
cl
cl
cl
cl
cl
cl
cl
cl
cl
cl
cl
cl
cy
cy
cy
cy
Figure18 : Evolution de la température en fonction du nombre de cycle de

vieillissement.
Nous distinguons deux parties dans cette courbe :

• La première partie, relativement plate, du cycle 1 au cycle 12, se fait sans augmentation
notable de l’échauffement. Autrement dit le contact n’a presque pas vieilli durant ces cycles.
En effet le courant d’alimentation était de 1800 A, soit 1,2 fois le courant nominal.
• Du cycle 12 au cycle 32 nous notons une augmentation notable de l’échauffement, le contact

a donc vieilli. Ces cycles correspondent à un courant d’alimentation plus important à savoir
2200A soit un peu moins de 1,5 fois le courant nominal.
Nous constatons à travers cet essai que :
• Le contact électrique vieillit dans le temps.
• Le vieillissement est accéléré par les surcharges.

En effet plusieurs phénomènes en relation avec les surcharges peuvent expliquer ce
vieillissement accéléré :
La surcharge entraîne une élévation de température locale qui conduit, selon la loi d’Arrhenius [15]
à une accélération des réactions chimiques de corrosion et d’oxydation qui rongent les contacts.
Ce vieillissement peut s’expliquer aussi par les possibles phénomènes de relaxation du jeu de barre
qui subit des variations de températures. La variation des dimensions qui s’en suit provoque une
diminution de la force de pression au fil des cycles et donc une augmentation de la résistance de
contact. Les vibrations dues au courant alternatif (50 Hz), dont l’amplitude augmente avec le niveau
du courant, sont de nature à accélérer les micros déplacements. Ces micros déplacements peuvent
entraîner une diminution de la force de pression, ou bien créer une autre distribution des points de
contacts élémentaires qui irait dans le sens de la diminution de la surface effective de contact et
donc entraînerait l’augmentation des résistances de contact.
4. Essai vibratoire
4.1. Le but
Le but de cet essai est d’analyser dans quelle mesure le desserrage d’un contact modifie son mode
vibratoire.

4.2. Déroulement de l’essai
Le banc d’essai est une armoire électrique type « OKKEN » de Schneider-Electric. Le test consiste
à mesurer le signal vibratoire (accélération) d’une connexion de l’armoire.
Figure 19 : Mesures vibratoires sur un contact boulonné dans un tableau

électrique.
La connexion choisie relie un jeu de barre du tableau à un câble destiné à alimenter une charge
externe. Ce type de connexion est appelé connexion client car il relie généralement l’armoire à
l’application client. L’accéléromètre est placé sur la connexion dont on mesure la vibration (Figure
19). L’armoire est alimentée en courant alternatif de 1200A. L’accéléromètre est fixé sur un ergot
en acier comme le montre la Figure 19. L’essai consiste à faire des desserrages à 1/2, 1/4, 1/8 puis
1/16 du couple nominal qui est de 50 Nm. A chaque desserrage nous enregistrons une séquence de
quelques minutes du signal vibratoire. La fréquence d’échantillonnage est de 250 Hz. Elle a été
choisie pour pouvoir suivre la raie de 100Hz. En effet les vibrations dans l’armoire électrique ont
pour origine les forces de Laplace exercées sur les conducteurs à chaque alternance. Cette force fait
intervenir le produit des courants déphasés et de même fréquence. Ainsi si nous prenons deux jeux
de barres parcourues respectivement par des courants i1 = Cte1 ⋅ sin( wt ) et i2 = Cte2 ⋅ sin( wt + α ) ,
alors la force F de Laplace résultant de l’interaction entre ces deux courants sera de la
forme : F = Cte ⋅ sin(2 wt + α ) . Par conséquent, sachant que le courant pulse à 50Hz, les vibrations
résultantes ont une fréquence double, c’est-à-dire 100Hz.

4.3. Résultats de l’essai
Analyse temporelle
A la lecture du signal temporel, nous pouvons conclure que l’amplitude du signal vibratoire est
d’autant plus élevée que le couple de serrage est bas. Toutefois, si la différence d’amplitude est très
nette entre le signal associé au « serrage au couple nominal (Cn) » et celui associé au « serrage à
1/8 ième du couple nominal », elle ne l’est pas toujours pour les autres couples de serrages. Ainsi le
passage de Cn/8 à Cn/16 ne se voit pratiquement pas sur l’amplitude des vibrations associées à ces
cas.
Analyse fréquentielle
0.04
1/8 ième du couple nominal
0.035
Serrage à 1/16 du couple nominal
Serrage à 1/4 du couple nominal
0.03
Puissance du signal
0.025 Serrage à 1/2 du couple nominal
0.02 Serrage au couple nominal
0.015
0.01
0.005
0
99 99.5 100 100.5 101
Frequences(Hz)
Figure 20 : Amplitude de la raie 100hz selon le niveau de desserrage.
En règle générale, l’amplitude de la raie 100Hz croît avec la dégradation du contact (desserrage), la
différence est nette entre un contact serré au couple et un contact totalement dégradé (serré à Cn/8)
mais on peut arriver à des contradictions car l’amplitude du Cn/8 est plus élevée que celle du Cn/16
(Figure 20).
Une comparaison en valeur relative (par rapport à leur valeur au couple nominal) de la vibration et
de l’échauffement est donnée à la Figure 21 pour différents couples de serrage. Nous pouvons
constater que pour les petits desserrages jusqu’à 1/8ième du couple de serrage la variation relative de

l’amplitude des vibrations est plus importante que celle des échauffements mais la tendance
s’inverse à partir de 1/8ième du couple nominal.
Figure 21 : Comparaison de la variation relative d’amplitude de la température

et celle de la vibration.
L’essai de mesure de la vibration nous montre que :
Quel que soit le type d’analyse qui est faite (temporelle ou fréquentielle), un contact très dégradé se
distingue nettement d’un contact serré au couple par une amplitude des vibrations (pour l’analyse
temporelle) ou une amplitude de la raie de 100Hz (pour l’analyse fréquentielle) plus élevée.
Cependant nous remarquons que cette différence n’est pas très marquée pour des desserrages
intermédiaires. Nous arrivons même à avoir une amplitude de la raie de 100Hz correspondante au
desserrage au 1/16ième du couple nominal qui est inférieure à celle correspondante au 1/8ième du
couple nominal. Ceci rend difficile l’interprétation du signal vibratoire en tant que moyen de
détecter et surtout d’évaluer le desserrage d’un contact électrique.
Dans ce travail de thèse nous avons travaillé, surtout à la détection du desserrage par la mesure de la
température. Cependant, les résultats de cet essai ouvrent la voie à une possible complémentarité
entre la vibration et l’échauffement, pour la détection et l’évaluation du desserrage. La première
pouvant permettre de détecter les petits desserrages et la seconde les desserrages plus importants.
C’est le même principe que dans la coupure électrique, le courant est utilisé pour la coupure rapide
et la température pour la coupure lente.

CONCLUSION
Une vision théorique du contact électrique a été présentée dans cette partie. Cette vision met
l’accent sur deux paramètres influents dans l’échauffement du contact et permettant d’expliquer sa
dégradation. Ce sont : la résistance électrique de contact et la résistance thermique de contact.
Les observations faites au cours des expériences montrent bien que le desserrage du contact
électrique conduit à une augmentation de la résistance de contact qui s’échauffe par effet Joule au
passage du courant. Cependant, en général, il faut desserrer le contact à un couple inférieur au
huitième de son couple nominal pour voir un échauffement significatif. Par ailleurs, l’échauffement
résultant reste un phénomène local.
L’essai de vieillissement du « contact boulonné pincé » prouve que le contact vieillit dans le temps.
Il vieillit d’autant plus qu’il subit des surcharges, qui sont à l’origine de fortes vibrations et de
phénomènes de relaxations qui diminuent la force de pression et augmentent ainsi la résistance de
contact [16]. Par ailleurs, la mesure de la vibration comme moyen de détecter un desserrage se
heurte à des difficultés d’interprétations.
Une forte résistance thermique empêche le flux de chaleur de circuler à travers le contact. Ce
phénomène mis en évidence dans l’essai de bouchon thermique entraîne une élévation anormale de
la température en amont du contact.
Il est important de souligner que toutes ces expériences permettent de se rendre compte qu’un
contact électrique défaillant qui est laissé sans intervention ne retrouve pas son état normal. Au
contraire il peut se dégrader encore plus sous certaines conditions de vieillissement accéléré
(surcharges par exemples).
Ainsi, les essais réalisés pour comprendre les phénomènes physiques liés aux dégradations des
contacts électriques nous ont donné un certain nombre de résultats nous permettant d’aborder la
phase de pose des capteurs.

Chapitre3
LA THERMIQUE DANS LE TABLEAU

ELECTRIQUE ET LE POSITIONNEMENT
DES CAPTEURS DE TEMPERATURE
________________________________________________________________________________
LA THERMIQUE DANS LE TABLEAU
ELECTRIQUE ET LE POSITIONNEMENT
DES CAPTEURS DE TEMPERATURE
Introduction
Un bon emplacement des capteurs est une condition nécessaire pour espérer une détection précoce
des défaillances du tableau électrique. Avant d’aborder la pose de capteur proprement dite, il nous
semble important de rappeler les conditions d’échanges thermiques dans le tableau électrique.
48 Chapitre 3 : Thermique du tableau électrique et positionnement des capteurs de température

I. La thermique dans l’armoire électrique
Du point de vue de la thermique, l’armoire électrique est un système constitué d’un fluide, l’air, et
de plusieurs éléments solides actifs ou inactifs. Les éléments inactifs sont les cloisons, l’enveloppe
et toutes les parties dans lesquelles, normalement il ne circule pas de courant électrique. Les
éléments actifs sont les jeux de barres, les câbles, les disjoncteurs et autres appareils dans lesquels
circule le courant électrique. Ces éléments actifs sont reliés par des connexions qui tout comme ces
derniers sont de véritables sources de chaleur (surtout quand elles se desserrent).
Au passage du courant électrique, la température des éléments actifs s’élève par effet Joule
entraînant ainsi un déséquilibre de l’état thermique. Pour atteindre l’équilibre thermique, toutes les
parties y compris l’air, échangent thermiquement selon les trois phénomènes classiques
d’échanges thermiques que sont : la conduction, la convection, le rayonnement, dont la théorie est
rappelée en annexe (Cf. annexe 4). Tous ces phénomènes d’échanges thermiques se retrouvent au
sein de l’armoire électrique. La Figure 22 nous donne une vision synthétique des constituants du
tableau électrique et des différents échanges thermiques qui se passent entre ces éléments.
Air Ambiant
Air interne
Rayonnement
câbles, Appareils Convection
Jeu de barres
Conduction
Figure 22 : Echanges thermiques au niveau d’une armoire électrique.
1. La conduction dans l’armoire électrique
La conduction dans le tableau électrique est réalisée au sein des conducteurs, des câbles et des jeux
de barres qui sont aussi des sources d’énergie. Il s’agit donc d’une conduction vive. Au niveau des
appareils, la chaleur créée par effet joule est évacuée par conduction vers les jeux de barres et les
câbles à travers les contacts électriques. Selon les experts, la conduction est le phénomène
d’échange thermique prépondérant au sein de l’armoire électrique. Elle représente 60 à 70% des
échanges thermiques dans le tableau.

2. La convection dans l’armoire électrique
L’air interne de l’armoire électrique échange par convection avec les surfaces des constituants
solides de l’armoire électrique que sont les appareils, les conducteurs et les différentes parois
(enveloppes et cloisons). Il faut aussi noter qu’un transport de la chaleur est fait du bas du tableau
vers le haut par les mouvements convectifs de l’air interne. Ainsi il peut arriver que l’air du haut de
l’armoire électrique soit plus chaud de plus de 20°C par rapport à l’air du bas de l’armoire
électrique.
3. Le rayonnement dans l’armoire électrique
Dans l’armoire électrique, la chaleur est échangée par rayonnement, entre les jeux de barres des
différentes phases, entre les jeux de barres et les différentes parois des cloisons ou de l’enveloppe.
La chaleur apparaissant par effet joule au niveau des appareils est aussi échangée par rayonnement
avec les parois de l’enveloppe et les surfaces des autres appareils les plus proches.
Toutefois au niveau du tableau électrique ce mode d’échange thermique reste moins important que
la conduction et la convection.
II. Le positionnement des capteurs de

températures dans l’armoire électrique
Compte tenu des essais et études qui ont fait l’objet des paragraphes précédents, un certain nombre
de résultats et remarques peuvent nous guider dans l’emplacement des capteurs. Ce sont
principalement les suivants :
• La première cause de défaut des tableaux électriques est la dégradation des contacts
électriques, qui se manifeste par un échauffement. Cet échauffement est localisé.
• Dans certaines conditions, le phénomène de bouchon thermique peut empêcher la circulation

du flux thermique généré par un appareil, contribuant ainsi à chauffer encore plus l’appareil.
• La conduction est le phénomène d’échange prépondérant dans l’armoire électrique

représentant 60 à 70% des échanges thermiques.

• Le mouvement convectif de l’air entraîne des températures dans la partie supérieure du
tableau plus élevée que celles de la partie inférieure.
Le caractère local de l’échauffement résultant d’un défaut de contact électrique nous emmène à
instrumenter au plus près du contact pour espérer voir le défaut le plus tôt. L’instrumentation de
tous les contacts résoudrait évidemment le problème. Cependant, ceci n’est pas une solution viable
dans le tableau électrique, compte tenu du nombre très important de contacts électriques.
Ainsi, nous présentons dans ce chapitre une matrice de priorité des points de l’armoire à
instrumenter pour aider à placer les capteurs prioritairement dans les zones critiques.
Les critères de priorité sont dans l’ordre d’importance, « le contexte de raccordement », « la
technologie de contact », et « la hauteur à laquelle se situe le contact ». Dans le paragraphe suivant,
pour chacun de ces critères, nous donnons ses sous-éléments par ordre de criticité.
1. Les critères de priorité
1.1. Critère 1 : Le contexte

Le principal danger pour les connexions, n’est pas la température intrinsèque du point chaud, mais
le fait que les isolants atteigne leur température limite (<=130°C), ce qui peut conduire à un défaut
d’isolement et donc à un amorçage. Nous distinguons 4 contextes différents :
Contexte 1 : Connexions à proximité de gros appareils.
Les appareils sont le siège d’une création de chaleur. La défaillance de leurs connexions peut dans
certains cas rendre difficile l’évacuation de la chaleur et ainsi contribuer à l’échauffement de
l’appareillage. On observe un phénomène de bouchon thermique (Chapitre 2).
Il peut y avoir fusion des isolants, dégradation de l’isolement et même incendie provoqué par un
amorçage. Pour prévenir ce cas, il serait plus judicieux de placer le capteur coté appareillage. Car
comme nous pouvons le constater sur la photo thermique de la Figure 23, de gros écarts peuvent
être observés entre l’amont et l’aval du contact. Cette photo, certes caricaturale (car le défaut a été
amplifié en mettant 1 pince au lieu de trois dans le cas normal) nous montre bien ce qui pourrait se
passer à une échelle plus réduite en cas de défaut au niveau de la pince (Pince installée de travers
par exemple).

101°C 58°C
Figure 23 : Illustration du phénomène de bouchon thermique lors d’un essai.
Figure 24 : Exemple de positionnement de capteur autour d’un appareillage

débrochable.
Contexte 2 : Les connexions des raccordements clients
Les expertises attestent que c’est dans la zone installateur et plus particulièrement celle des
raccordements clients qu’il y a le plus de problèmes.
En effet les connexions clients sont susceptibles d’être manipulées par l’installateur en cas
d’extension par exemple. C’est la partie la plus susceptible d’être soumise à des modifications, donc
la plus susceptible de voir des défaillances dues aux fautes d’attention ou à la non-expertise de
l’installateur (non respect du couple de serrage par exemple).
Contexte 3 : Les connexions des jeux de barres isolées ou

près des parties isolées
En cas de surchauffe de la barre, les isolants risquent de perdre leurs propriétés d’isolation,
entraînant ainsi des défauts sur la tenue des distances d’isolement. En effet si par conception on
isole les jeux de barres, on réduit par la même occasion les distances d’isolement. Ainsi un jeu de

barre isolée qui perd son isolant à la suite d’un défaut ne tiendrait certainement plus les distances
d’isolement. L’exemple le plus frappant est celui des canalisations (Figure 25) où les barres sont
presque accolées parce qu’elles sont isolées.
Il peut arriver qu’une limaille de métal vienne gratter l’isolant. La tenue diélectrique est rompue : il
s’ensuit un court-circuit.
L’isolant permet de diminuer

la distance entre barres de la
canalisation.
Figure 25 : Illustration de la diminution de la distance entre jeux de barres

isolées.
Contexte 4 : Les connexions des jeux de barres nues loin

d’isolants et loin des appareillages
Les connexions des jeux de barres nues loin d’isolants et loin des appareillages contribuent
seulement à l’échauffement global de l’air autour du jeu de barre sans forcement être dangereux de
prime abord. Car, comme nous le disions plus haut, le danger n’est pas tant la température absolue
du jeu de barre mais l’atteinte des températures limites des isolants autour du jeu de barre.
Cependant une élévation globale de la température du tableau peut être source de déclenchements
intempestifs de l’appareillage. Le tableau de décroissance de l’échauffement du point chaud issu de
l’expérience de desserrage progressif sur plusieurs technologies de contacts (chapitre 2) montre que
le point chaud n’a pratiquement plus d’effet à 60 cm plus loin. Les jeux de barres nues peuvent être
considérées comme étant loin de toute partie isolante si les barres ne rencontrent pas d’isolant dans
leur voisinage jusqu’à 60 cm de distance.
Distance au point chaud (cm) 0 20 60

Décroissance de l’échauffement (%) 0 50 80
Tableau 2 : Tableau de décroissance de l’échauffement du point chaud issu de

l’expérience sur plusieurs technologies de contacts.

1.2. Critère 2 : Technologie de
raccordements
Le bouchon thermique est plus susceptible de se produire avec la pince d’embrochage car nos
expériences montrent que la résistance thermique des pinces est globalement plus élevée que celle
des contacts boulonnés. D’autre part, les pinces servent à raccorder les unités fonctionnelles
débrochables, d’où leur possible manipulation au cours de la durée de vie du produit, ce qui pourrait
être une source potentielle de défaut.
Il est important de souligner qu’il n’y a pas de risque lorsque les raccordements se font dans les
règles de l’art selon les guides Schneider-Electric. La pince a été dimensionnée en fonction de
l’utilisation qui devrait en être faite. Les risques apparaissent seulement en cas de mauvaise
utilisation entraînant la défaillance ou le vieillissement accéléré du contact (par exemple
l'installateur met une pince au lieu de deux ou la pince est mise de travers…).
Dans le critère technologie de raccordement nous distinguons donc deux catégories :
Technologie 1 : Les Pinces d’embrochage
Utilisées de plus en plus pour assurer la fonction de « débrochabilité » des unités fonctionnelles,
elles sont susceptibles de se dégrader plus rapidement entrainant ainsi des risques de bouchon
thermique.
Technologie 2 : Les Contacts de type Boulonné
Les contacts de type boulonné sont moins sujets au phénomène de bouchon thermique.
1.3. Critère 3 : La Hauteur

Nous pouvons observer dans un tableau faiblement cloisonné (c’est à dire qui facilite la convection
naturelle), que le haut du tableau est en général plus chaud que le bas du tableau. La différence de
température ambiante entre le haut du tableau et le bas peut alors atteindre 20°C. Ainsi un contact
placé dans la zone haute du tableau subit un stress supplémentaire dû à sa position.
La hauteur nous semble donc être un critère pertinent à prendre en compte dans l’installation des
capteurs. Nous pouvons subdiviser ce critère en 3 catégories (rangées de la plus contraignante à la
moins contraignante) : « Emplacement Haut », « Emplacement Bas », « Emplacement Milieu
rangé ».

2. Tableau des priorités dans la pose des
capteurs
Les différents critères cités plus haut nous permettent de créer une matrice de priorités des zones à
instrumenter, en rangeant les différents sous-critères par ordre de criticité. Ainsi chaque point de
contacts électriques à instrumenter pourra être situé dans la matrice en fonction des trois critères
que sont le contexte dans lequel le contact est installé, la technologie du contact, et son
emplacement dans l’armoire électrique.
3- Connexions près de gros

appareillages
2- Connexions clients 2- Haut

1- Connexions de barres isolées ou 1- Pince d’embrochage 1- Milieu
près de parties isolées.
0- Connexions barres non isolées et 0- Contact boulonné 0- Bas

loin des parties isolées
Critère 1: Contexte Critère 2:Technologie de Critère 3:Position

contact dans le tableau
Figure 26 : Tableau des zones de priorités dans l’emplacement des capteurs de

températures dans l’armoire électrique.
Utilisation de la matrice de priorité :

Au plus petit nombre correspond le poids critique le plus bas. Donc la situation « 0.0.0 » est moins
critique que la situation « 3.1.2 ». Autrement dit un contact qui assure la connexion d’une barre non
isolée et loin de parties isolées, qui est de type boulonné et qui se situe au bas du tableau, est moins
critique qu’une pince d’embrochage assurant la connexion d’un gros appareil et se situant dans la
partie haute du tableau . Le capteur sera prioritairement posé sur cette dernière.
Cette matrice nous permet donc de classer les zones à instrumenter par ordre de criticité. Supposons
que nous avons un nombre restreint de capteurs, nous pourrions utiliser cette matrice pour placer les
capteurs uniquement dans les zones prioritaires.

Cette matrice d’aide au choix devrait être mise à jour avec le retour d’expérience. En effet le retour
d’expérience devra permettre d’ajouter d’autres éléments à la matrice de manière à être plus précis
dans cette classification.
3. Autres précautions à prendre dans la pose

des capteurs
• Les capteurs devront être placés le plus près possible de la partie à surveiller. Ne pas placer
le capteur à plus de 20cm de l’élément cible (à 20cm il y a environ 52% de déperdition).
• Mesurer la température de l’ambiante extérieure du tableau. Les constructeurs de tableaux

électriques raisonnent souvent en échauffement par rapport à cette température. Par exemple
les échauffements admissibles des constituants du tableau électrique donnés dans la norme
IEC-60439.1 sont calculés à partir de l’ambiante extérieure.
• Mesurer la température de l’ambiante intérieure du tableau : Le vieillissement des

composants du tableau et des contacts est accéléré avec l’augmentation de la température de
l’ambiante intérieure du tableau. Cette donnée nous est donc nécessaire pour l’analyse de
vieillissement des contacts qui fera l’objet du prochain chapitre.
• Pour les tableaux faiblement compartimentés, il faut mesurer au moins la température

ambiante position haute, milieu et basse.
• Pour les tableaux fortement compartimentés (> forme 3: les appareils sont séparés entre eux)
il faudrait mesurer l’ambiante de chaque niveau car la convection naturelle est fortement
réduite par les cloisons (Figure 27).
Figure 27 : Schéma d’un tableau de forme 3

• Placer systématiquement les capteurs sur chacune des trois phases. En effet, en cas de défaut
sur la phase 1 s’il n’y a qu’un capteur sur la phase 2 on ne verra pas le défaut ou trop tard.
4. La question du nombre de capteurs
En ce qui concerne le nombre de capteurs, son optimisation est rendue difficile par le fait que
l’échauffement résultant d’un défaut de contact électrique est souvent très localisé, il faut donc aller
au plus près du contact pour espérer voir le défaut.
Le nombre de capteurs dépend évidemment de la structure et de la taille du tableau électrique. Il est
aussi lié au nombre de disjoncteurs et d’unités fonctionnelles du tableau car ce sont des zones à
instrumenter prioritairement. A titre indicatif, un tableau électrique avec un disjoncteur triphasé
d’arrivée et un disjoncteur triphasé de départ peut être instrumenté convenablement avec 15
capteurs. 2 capteurs d’ambiante intérieure près des disjoncteurs, 1 capteur d’ambiante extérieure, 3
capteurs pour chaque entrée et sortie des disjoncteurs. Sachant que le prix de revient du point de
mesure est bien inférieur à 50 euros (hors main d’œuvre) alors le coût de l’instrumentation de ce
tableau est sans comparaison devant les sommes énormes qui sont perdues quand une installation
est mise à l’arrêt. Le coût de l’arrêt étant en grande partie lié à la production perdue et non au
remplacement des matériels électriques défaillants.

CONCLUSION
Dans ce chapitre, nous nous sommes appuyés sur les expériences effectuées sur les contacts
électriques, et les conditions de transferts thermiques dans le tableau électrique pour présenter une
méthode de hiérarchisation des zones du tableau électrique à instrumenter en priorité. Le caractère
local des échauffements dus aux dégradations des contacts impose de se placer le plus près possible
(<20 cm) du contact à surveiller.
Une fois la pose du capteur effectuée, la prochaine étape est la détection du défaut en utilisant les
données issues des capteurs. Ce sera l’objet du chapitre suivant.

Chapitre4
SYSTEME DE DETECTION
________________________________________________________________________________
60
SYSTEME DE DETECTION
Introduction :
Dans les chapitres précédents, nous avons présenté les analyses qui ont conduit à une stratégie de
positionnement des capteurs de températures. Ceci dans le but d’instrumenter les contacts
électriques critiques pour pouvoir détecter tout échauffement anormal de ces derniers.
Dans le présent chapitre, nous nous intéressons à la mise en œuvre, à partir de ces mesures, du
système de détection proprement dit. Le système proposé est basé sur la connaissance des
températures et des courants circulant dans les différents circuits. Dans les applications basse
tension, les mesures de courants sont faites à l’aide des transformateurs de courant intégrés aux
appareillages communicants de Schneider-Electric. Ces données nous permettront de mettre en
œuvre deux niveaux de détection.
Le niveau 1 : Le premier niveau n’utilise que les données de températures pour donner une
indication sur l’état des contacts électriques. Ce niveau de détection simple à mettre en œuvre se fait
sans modélisation du système. Il génère deux types d’indicateurs (Figure 28) :
L’indicateur de franchissement des seuils de température imposés par la norme.
L’indicateur du taux de vieillissement des contacts électriques.
Le niveau 2 : Le deuxième niveau de détection utilise la mesure des courants électriques en plus
des températures pour donner une indication sur l’état des contacts électriques. Ce niveau d’analyse
permet d’être beaucoup plus en amont dans la prédiction de la défaillance du contact, en mesurant
l’adéquation entre le courant qui circule et les températures affichées. Cela nécessite une
modélisation du comportement thermique du tableau électrique. Deux types de modèles ont été
testés :
62 Chapitre 4 : Système de détection

Un modèle physique, donnant une image thermique du tableau en fonction du courant qui y
circule et des températures ambiantes (Figure 28).
Un modèle purement mathématique, basé sur la capacité des réseaux de neurones à
généraliser la reconnaissance des cas de défaillances ayant fait au préalable l’objet
d’apprentissage.
Modèle Physique
Courants
Image thermique du
tableau
Temperatures
ambiantes
Température des contacts comparaison

Etat du contact?
∫
Calcul de vitesse
de vieillissement Vieillissement du contact?
Dépassement Atteinte des seuils de

de seuil températures ?
Système réel
Figure 28 : Détection de l’état anormal d’un contact électrique
Dans la suite de ce rapport, nous présentons plus en profondeur la mise en œuvre de ces différents
moyens de détection ainsi que des exemples illustratifs.
I. Indicateur de franchissement des seuils

de températures
Cet indicateur répond au besoin du client (exploitant du tableau électrique) de se référer à la norme
pour qualifier l’état de son équipement. Il s’agit de comparer les valeurs de températures mesurées
sur le système réel, aux seuils jugés critiques par la norme. En effet, tout dépassement des
températures limites serait insupportable par l’utilisateur ou serait nuisible aux isolants qui se
trouvent au contact ou à proximité du point chaud et contribuerait à accélérer la dégradation des
éléments concernés. La norme IEC-60 439.1 donne les limites d’échauffement à ne pas dépasser

dans le tableau électrique. Ces valeurs sont calculées pour une température ambiante maximale de
40°C, la valeur moyenne mesurée sur une période de 24h n’excédant pas 35°C et la moyenne
annuelle n’excédant pas 20°C. Le tableau suivant donne quelques exemples de limites
d’échauffement.
Constituant des tableaux électriques Limites de températures admissibles
Bornes pour câbles extérieurs, +70°C
Organes manuels de commande métalliques +15°C
Organes manuels de commande isolants +25°C
Surfaces extérieures métalliques accessibles +30°C
Surfaces extérieures isolantes accessibles +40°C
Jeu de Barre souple isolée +90°C
Enveloppe tôle +30°C
Jeux de barres nus +105°C
Tableau 3 : Echauffements limites des constituants du tableau.
En ce qui concerne les bornes pour câbles extérieurs, la norme donne 70°C d’échauffement pour
une température ambiante de 35°C soit 105°C en absolu, correspondant à la limite de température
du PVC (Polychlorure de vinyle) qui est la matière utilisée pour isoler les câbles.
Pour ce qui est de l’échauffement de la tôle de l’enveloppe, la norme indique une valeur de 30°C
sous 35°C soit 65°C en absolu correspondant à la limite pour éviter une brûlure des doigts au
toucher de l’enveloppe.
Les autres valeurs sont données en considérant la limite d’échauffement du matériau isolant
directement en contact avec les composants. Nous retiendrons particulièrement les limites des
bornes de raccordement (70°C) et celles des jeux de barres (105°C) car ils constituent les endroits
où seront principalement posés les capteurs.
La détection de franchissement de seuil, à la limite de la prédiction, permet de ne pas laisser
perdurer un état avancé de dégradation qui pourrait très rapidement dégénérer vers un amorçage.

II. Indicateur de vieillissement
Cet indicateur, beaucoup plus que le premier, permet de prédire l’état anormal du contact avant une
dégradation très avancée. Il s’agit d’intégrer le vécu du contact électrique à travers sa température.
Il nous indiquera si le contact vieillit normalement ou plutôt de manière accélérée.
Le calcul de l’indicateur de vieillissement est basé sur la notion de facteur de doublement, utilisée
par MONSINGER lors de ses études sur le vieillissement des isolants des transformateurs [17].
Pour comprendre cette notion, considérons un appareil fonctionnant à une température « T » et
ayant une durée de vie probable « d », liée à son fonctionnement à « T ». Le facteur de doublement
correspond alors à la quantité ∆ , telle que si la température de fonctionnement de l’appareil est
augmentée de ∆ , alors sa durée de vie se trouvera divisée par 2. Autrement dit x heures de
fonctionnement à T équivalent à x heures de fonctionnement à T + ∆ en terme de vieillissement.

2
Comme nous l’avons déjà expérimenté, le contact électrique vieillit. La norme IEC-60943 établit
que le vieillissement du contact peut être quantifié au travers de deux principales contributions que
sont :
L’échauffement propre du contact par rapport au fluide environnant (caractérisé par le
facteur de doublement ∆ e ).
La température ambiante du fluide dans lequel le contact baigne (caractérisé par le facteur
de doublement ∆ a ).
La norme IEC-60943 dit qu’un contact étant initialement conçu pour fonctionner avec un
échauffement normal de ∆Tcnorm par rapport à la température ambiante va trouver son
vieillissement multiplié par un facteur K c , si cet échauffement passe de ∆Tcnorm à ∆Tc , le
coefficient K c étant donné par :
 ∆ Tc − ∆Tcnorm 
 
 ∆e 
 
Kc = 2
norm
De même, si la température ambiante passe de la valeur Ta à la valeur Ta , son vieillissement
sera multiplié par le coefficient K a donné par la formule :

 Ta −Tanorm 
 
 ∆a 
 
Ka = 2 .
De manière logique, le facteur K de réduction totale de la durée de vie est donné par le produit des
deux facteurs liés à l’échauffement propre et à la température ambiante. Nous avons donc
K = Ka * Ke
Autrement dit, 1 heure de fonctionnement dans une ambiante de température Ta avec un
échauffement propre du contact de ∆Tc , représenterait K heures de fonctionnement dans les
conditions normales ( Tanorm , ∆Tcnorm ) avec :
 ∆Tc − ∆T norm T a − T norm 

 c
+ a 
 ∆c ∆a 
 
K =2
Le facteur K peut être interprété comme une vitesse de vieillissement. Ainsi si nous connaissons la
durée totale de vie du contact dans les conditions normales d’utilisation nous pouvons en déduire le
reste des jours à vivre ((1-K)*durée de vie normale).
Ces différentes formules nous permettent de mettre au point un algorithme de suivi du
vieillissement.
1. Algorithme de calcul du facteur de

vieillissement
L’algorithme de calcul que nous proposons a été inspiré de celui de la norme IEC-60905 sur le
calcul de vieillissement des transformateurs. A l’aide des formules précédentes, nous pouvons
calculer le facteur de vieillissement horaire. L’intégration du vieillissement horaire sur 24 heures
donne le vieillissement journalier. Le vieillissement courant est obtenu en intégrant ce dernier sur
le nombre de jours écoulés.
Facteur vieillissement horaire :
Compte tenu des formules précédentes, le facteur de vieillissement horaire est donné par la formule
suivante :

 ∆Tch − ∆Tcnorm Tah −Tanorm 
 + 
 ∆norm ∆norm 
 
Vh = 2 e a
Où :
h
∆Tc : Valeur moyenne de l’échauffement propre du contact sur 1 heure.
norm
∆Tc : Valeur normale de l’échauffement pour la durée de vie garantie.
h
Ta : Valeur moyenne de la température ambiante sur 1 heure.
norm
Ta : Valeur normal de la température ambiante pour la durée de vie garantie.
norm
∆e : Facteur de doublement lié à l’échauffement propre.
norm
∆a : Facteur de doublement lié à la température ambiante.
Facteur de vieillissement journalier:
∑Vh
n =1..24
Vj =
24
Le facteur de vieillissement journalier Vj se calcule chaque jour comme étant la moyenne des
facteurs horaires Vh sur le nombre d’heures considérées (ici 24 heures). Il existe des sites
fonctionnant 8 heures par jour. Le nombre d’heures considéré dans ce cas serait de 8.
Facteur de vieillissement courant :
Le facteur de vieillissement courant est une moyenne des facteurs de vieillissement journalier sur le
nombre de jours écoulés. Il se calcule donc par la formule suivante :
∑Vj
i =1... J
Vc =
J
J étant le nombre de jours écoulés depuis le début de l’évaluation.

2. Exemple de simulation du calcul de
vieillissement
Les conditions normales de fonctionnement d’un contact électrique peuvent être décrites comme
suit: un échauffement propre du contact, inférieur à 70°C dans une ambiante intérieure inférieure à
norm norm
60°C. Nous avons donc Ta = 60° C et ∆Tc = 70°C .
Prenons l’exemple d’un contact mal serré et considérons qu’il vieillit selon une loi exponentielle
dans le temps. En effet, la littérature nous indique que le vieillissement du contact se manifeste par
une élévation de température très lente au départ et qui s’accélère par la suite d’où l’idée de prendre
une description exponentielle du vieillissement. La Figure 29 montre ce que pourrait être
l’évolution de la température de ce contact défaillant sur une période de 10 ans (courbe
exponentielle rouge en trait plein). Sur cette figure nous pouvons aussi voir la température ambiante
intérieure avec des alternances représentant les cycles été/hiver (courbe bleue trait plein). En
additionnant cette dernière à l’échauffement propre, nous obtenons la température propre du contact
qui alterne aussi suivant les mêmes cycles (courbe pointillée bleue).
Température propre
du conta
Echauffement propre
du contact
Température
ambiante annuelle
Figure 29 : Exemple de courbe d’évolution de l’échauffement propre et de la

température d’un contact sur 10 ans.
A l’aide du logiciel MATCAD® [18] nous avons implanté l’algorithme de calcul de vieillissement
(Cf. annexe5) et une simulation sur cet exemple précis. Ci-dessous les résultats de cette simulation
(Figure 30).

Figure 30 : Simulation du facteur de réduction de vie d’un contact défaillant
sur 10 ans.
Sur cet exemple nous pouvons voir :

La réduction normale de vie (droite à 45° en bleu) qui signifie qu’en un jour le contact
vieillit d’un jour. C’est le vieillissement normal que le contact devrait avoir s’il fonctionnait
dans les conditions nominales.
La réduction de vie courante (facteur de vie courante), qui nous donne le vieillissement
effectif compte tenu des températures réelles subissant le contact (courbe pointillé en rouge).
La durée de vie totale du contact (20ans correspondant à la durée garantie par Schneider-
Electric).
Nous remarquons que le facteur de réduction de vie courante nous permet de détecter une évolution
anormale du vieillissement du contact. Car, à partir de la 5ième année de fonctionnement la courbe
représentant le facteur de réduction de vie courante s’écarte de manière exponentielle de celle
représentant le fonctionnement normal. Cette détection à partir de la 5 ième année correspond à un
niveau de dégradation relativement bas (partie plate de l’exponentielle sur la courbe d’échauffement
de la Figure 29 ). Cet indicateur permet donc de détecter un état anormal de dégradation du contact
avant qu’il ne soit trop avancé.

III. Détection de l’échauffement anormal
par comparaison à un modèle
physique
Un contact électrique peut se trouver en surchauffe parce qu’il est dégradé, ou parce qu’il y passe
plus de courant que prévu dans son dimensionnement. La méthode de comparaison à un modèle
physique permet de mesurer l’adéquation entre le courant et la température mesurée. Elle s’appuie
sur la modélisation du comportement thermique du tableau électrique sain. Il existe une multitude
de logiciels de modélisation de systèmes électrothermiques. Ces logiciels, plus ou moins
complexes, ont chacun leurs spécificités. Avant de faire notre choix, nous passons en revue les trois
logiciels à notre disposition pour cette étude. Ces logiciels sont parmi les plus utilisés par les
experts thermiques de Schneider-Electric pour le dimensionnement et la conception des
appareillages des tableaux électriques.
1. Etat des lieux des logiciels de simulation à

notre disposition
1.1. Le logiciel ICEPAK

C’est un logiciel destiné aux calculs de mécanique des fluides en régimes permanent ou transitoire.
Le rayonnement et la convection y sont bien modélisés en 3D. Il fait un bon calcul de facteur de
forme nécessaire à la bonne prise en compte des phénomènes radiatifs. C’est un logiciel utilisé à
Schneider-Electric pour les calculs d’écoulement en 3D. Il est complexe à utiliser, compte tenu du
nombre important de paramètres nécessaires pour faire fonctionner le modèle. En plus, pour des
systèmes complexes, le modèle devient rapidement très lourd en terme de temps de calcul.
A Schneider-Electric, plusieurs travaux de modélisation du tableau électrique ou de ses constituants
ont été réalisés pour simplifier la modélisation thermique du tableau. Certains ont abouti à la
création de logiciels internes dont SOFTHER-890 et EchaufPC.

1.2. Logiciel SOFTHER-890
Comme son nom l’indique, ce logiciel applique exactement le guide de calcul IEC-890 [19]. Ce
guide nous donne une méthode de calcul de l’échauffement moyen de l’air dans une enveloppe en
régime établi. Le calcul est basé sur la puissance dissipée à l’intérieur du tableau. Il se fait en trois
étapes :
- Etape1 : Calcul de la surface effective de refroidissement
Ae = ∑ b * A0
Où :
Ae : Surface effective de refroidissement.
A0 : Surface géométrique des cotés de l’enveloppe du tableau.
b : Facteur de surface dépendant du type d’installation. Ce facteur prend en compte la
dissipation de chaleur des surfaces individuelles A0 en fonction du type d’installation.
- Etape 2 : Calcul de l’échauffement à mi hauteur de l’enveloppe
∆t 0,5 = k * d * p X
Où :
∆t0,5 : L’échauffement à mis hauteur de l’enveloppe.
k : Constante d’enveloppe dépendant de la taille de la surface effective Ae de
refroidissement pour les enveloppes sans orifices de ventilation et, en outre, de la section
des orifices d’entrée d’air pour les enveloppes avec orifices de ventilation.
d : Facteur d’échauffement dépendant du nombre de séparations horizontales internes du
tableau.
p : Puissance électrique dissipée.
X : Dépend du type d’installation et de la taille de la surface effective de refroidissement. Il

fait le lien entre l’échauffement de l’air interne et la puissance effectivement dissipée.
- Etape 3 : Calcul de l’échauffement de l’air dans la partie supérieure de l’enveloppe.
∆t1 = c * ∆t 0,5
Où :
∆t1 : Echauffement de l’air dans la partie supérieure du tableau.
c : Facteur de répartition de température.

Ce calcul est détaillé dans le guide IEC-890 qui donne aussi un exemple d’application. Par ailleurs,
ce guide précise que la méthode n’est valable que dans certaines conditions parmi lesquelles nous
pouvons citer :
• Une répartition sensiblement uniforme des puissances dissipées à l’intérieur de

l’enveloppe.
• Pas plus de trois séparations horizontales dans l’ensemble ou dans une colonne de
l’enveloppe.
• L’appareillage installé est disposé de façon à n’apporter qu’une légère gêne à la

circulation de l’air.
• Pour les enveloppes avec orifices de ventilation, la section des orifices de sortie d’air est
au moins 1.1 fois la section des orifices d’entrée.
La méthode de calcul IEC-890 semble donc être destinée aux tableaux où la convection est le
phénomène le plus important. Si cette méthode peut convenir dans le cas des petits coffrets sans
cloisons internes, elle n’est que difficilement applicable aux grands tableaux de distribution. En
effet ces derniers sont souvent très compartimentés pour des raisons de sécurité des usagers,
limitant ainsi les transferts convectifs.
1.3. Le Logiciel ECHAUFPC

ECHAUFPC est un logiciel basé sur la représentation du système à modéliser par un réseau de
nœuds reliés entre eux par des conductances thermiques (convectives, conductives, radiatives). Il
permet de réaliser des analyses thermiques en régime permanent ou transitoire. Il est adapté à un
système où la conduction est le phénomène le plus important. Les conductances convectives et
radiatives sont calculées à partir des coefficients d’échanges radiatifs et convectifs. Aucun calcul de
facteur de forme n’est effectué.
• Les éléments 0 D ou nœuds

Ils représentent principalement les contacts électriques. Ils sont alors caractérisés par deux
paramètres que sont la résistance thermique de contact et la résistance électrique de contact. Des
nœuds peuvent être aussi placés sur les conducteurs aux points où on veut connaître la température,
sans qu’il n’y ait de connexions en réalité.
• Les éléments 1D ou liaisons

Ces éléments lient les différents nœuds. Ils représentent les conducteurs, les jeux de barres et les
câbles entre deux connexions. Ils sont caractérisés par des paramètres tels que :

- leurs dimensions (longueurs, hauteurs, largeurs),
- leurs surfaces d’échanges,
- la surface d’échange des isolants qui les recouvrent.
• Les éléments 2D ou cloisons.

Ces éléments modélisent les surfaces des enveloppes et des cloisons. Ils sont caractérisés par leur
dimension et les coefficients d’échanges convectifs et radiatifs. Les éléments 2D sont utilisés pour
coupler thermiquement deux volumes qui échangent thermiquement.
• Les éléments 3D ou volumes.

Ces éléments modélisent les différents compartiments du tableau électrique ou de l’appareillage. Ils
sont caractérisés par leurs dimensions. Les échanges entre volumes se font via les éléments 2D qui
les lient. La température dans le volume peut être calculé par le programme ou fixer par
l’utilisateur.
Conclusion
Notre choix pour la modélisation thermique des tableaux électriques en vue de la détection de
l’échauffement anormal du contact, s’est porté sur EchaufPC pour trois raisons principales :
1. La première raison est que EchaufPC modélise bien la conduction qui est le phénomène
d’échange le plus important dans les tableaux électriques.
2. La deuxième raison est qu’il est moins complexe que les autres logiciels à notre disposition, du
point de vue des paramètres nécessaires à la modélisation.
3. La troisième raison est que ce logiciel possède une base de données de modèles des disjoncteurs
Schneider Electric.
Dans le chapitre suivant, nous décrivons les différentes étapes d’une modélisation à l’aide
d’EchaufPC ainsi qu’un exemple d’application. Par ailleurs, pour les besoins de la détection en
ligne, le Logiciel EchaufPC a dû être modifié. Nous donnons aussi par la suite l’architecture du
nouveau logiciel (EchaufWeb) implanté à partir du noyau de calcul d’EchaufPC.

2. Détection d’échauffement anormal à l’aide
d’EchaufPC
2.1. Modélisation EchaufPC

La modélisation d’un équipement à l’aide d’EchaufPC se fait en 5 étapes partant de la définition du
système à étudier jusqu’à la simulation proprement dite. Ces étapes décrites à la Figure 31 sont
détaillées ci-dessous.
L’étape 1 consiste à construire sur une feuille de brouillon un schéma (prémodèle) du système à
modéliser. Cette étape sert à identifier et à définir les objets EchaufPC (0 D, 1D….3D) nécessaires
à la construction du modèle dans EchaufPC.
L’Etape2 consiste à créer dans EchaufPC (en s’aidant du prémodèle de l’étape 1), les différents
éléments du modèle, c'est-à-dire les volumes, les cloisons et le réseau de nœuds et de liaisons
appelé « chaîne conduire ». La description de cette chaîne permet non seulement d’effectuer les
calculs de conduction thermique mais aussi de prendre en compte l’aspect électrique du problème.
L’étape 3 consiste à entrer les valeurs des différents paramètres du modèle. En effet, pour simuler le
comportement thermique d’un tableau sous EchaufPC, il est nécessaire de
renseigner principalement :
• Les paramètres géométriques (sections, volumes, longueurs…) des différents éléments

(compartiments, enveloppe, jeu de barres, câbles …).
• Les différents coefficients d’échanges radiatif et convectif des jeux de barre, des câbles et
des surfaces. Le programme peut aussi les calculer. Des coefficients d’ajustement peuvent
alors être utilisés pour ajuster les coefficients calculés.
• Le courant traversant les différents circuits du tableau électrique
• La température ambiante des différents compartiments. Elle peut être calculée par le
programme où donnée en entrée. Même si cela impose des points de mesures
supplémentaires, la mise de ce paramètre comme une entrée a le précieux avantage de
rendre le modèle beaucoup plus robuste aux erreurs faites sur les coefficients d’échanges.

Etape 5: Exploitation des résultats
Etape 4: Calage du modèle
Etape 3 : Collecte et saisie des données d’entrées
Etape 2 : Représentation de la chaine de conduction (jeu de barre, câble) et

habillage de cette chaîne par les cloisons et les volumes
Etape 1 : Définition du système et Identification des objets EchaufPC à

utiliser dans la modélisation.
Figure 31 : Les étapes de la modélisation sous EchaufPC.
L’étape 4 : l’étape 4 est celle de calage du modèle, en jouant sur ses paramètres pour minimiser
l’écart entre températures mesurées et températures calculées par le modèle. Les principaux
paramètres de calage sont :
- les résistances (électriques et thermiques),
- les périmètres et surfaces d’échanges,
- les coefficients multiplicateurs des paramètres d’échanges thermiques.
Comme cela fait beaucoup de paramètres, la stratégie adoptée est de faire varier autant que possible
les paramètres dont nous n’avons pas d’ordre de grandeur (coefficients et périmètres
d’échanges…), et de laisser les paramètres dont on a un ordre de grandeurs (résistances de contact,
dimensions…) le plus proche possible des valeurs de référence.
Le calage est réalisé sur un tableau sain et pour un niveau de courant voisin du courant d’utilisation
car le modèle est d’autant plus valide qu’il est utilisé près des conditions de calage.
L’étape 5 Une fois le modèle « calé » l’étape 5 est l’étape de simulation et d’analyse des résultats.
Les variables de sortie d’EchaufPC sont les températures aux différents nœuds sélectionnés.
EchaufPC donne aussi en sortie le bilan des puissances thermiques échangées pour chaque élément
du modèle. Nous nous intéresserons plus particulièrement aux températures des nœuds.

2.2. Exemple test de la méthode.
Prenons l’exemple du montage expérimental de la Figure 32. Il s’agit d’un disjoncteur NS630 de
courant nominal 630A, installé dans une enveloppe.
Figure 32 : Montage réel d’un disjoncteur dans une enveloppe.
Dans ce paragraphe, nous modélisons le système sain. Nous comparons par la suite les résultats
donnés par le modèle calé sur le système sain aux données expérimentales obtenues en présence de
défaut pour détecter un échauffement anormal.
Pour chaque phase, le système d’embrochage est constitué de trois pinces comme le montre la
Figure 32. Le défaut consistera à ne mettre que deux pinces au lieu des trois normalement
préconisées.
La Figure 33 est une représentation schématique du montage où l’on peut distinguer les jeux de
barres, les câbles, les points de connexions et l’intérieur du disjoncteur.
A partir de ce schéma nous pouvons faire un autre schéma dit de pré-modèle (Figure 34) qui se
rapproche beaucoup plus du modèle EchaufPC. Dans ce dernier schéma simplifié, les connexions
sont numérotées de 1 à 11. Elles sont liées entre elles par des liaisons, formant ainsi le circuit de
conduction qui est englobé dans des rectangles qui représentent l’enveloppe du disjoncteur et celui
du tableau (Figure 8). Comme dit précédemment, EchaufPC n’ayant pas d’interface graphique, nous

passons par ces différents schémas faits à la main, pour mieux identifier et visualiser les différents
éléments du modèle avant de les créer dans EchaufPC.
Figure 33 : Schéma du montage de la Figure 32
7
8 9
6
4 5 11
2
10
Figure 34 : Prémodèle du montage de la Figure 32.
Par la suite, en s’aidant de la Figure 34, les différents éléments du modèle sont créés dans
EchaufPC et leurs caractéristiques physiques (les surfaces d’échange, les dimensions, les résistances
thermiques et électriques…) y sont renseignées. Le courant (630A) circulant dans le montage et
les températures ambiantes (extérieure et intérieure de l’armoire) sont aussi donnés comme
paramètres d’entrée. La Figure 35 donne le profil de température obtenu après la phase de calage.
110°C
100°C
90°C
80°C
70°C
60°C
50°C
3-pinces (expérimental)
40°C 3 pinces modélisation
30°C
1 2 3 4 5 6 7 8 9 10 11
Points de mesures #
Figure 35 : Calage de modèle sous EchaufPC.

Ce profil résultant de la modélisation est comparé à celui obtenu expérimentalement. Nous
remarquons qu’il approche le résultat expérimental avec une erreur absolue sur chaque point de
mesure inférieure ou égale à ± 1,2°C , ce qui est satisfaisant sachant que l’erreur due à la chaîne
d’acquisition est d’environ ± 1°C .
Dans la suite de ce test, nous créons un défaut de pince. La Figure 36 est une comparaison entre le
modèle (sous EchaufPC) du système sain et les données expérimentales avec le défaut de pince.
Nous remarquons que la diminution du nombre de pinces a pour effet d’élever le profil de
température. L’échauffement anormal observé en comparant le modèle et l’expérience s’explique
par deux raisons :
En diminuant le nombre de pinces nous augmentons la résistance électrique de contact. Le
contact devient donc le siège d’une plus forte création de chaleur.
En diminuant le nombre de pinces nous augmentons aussi la résistance thermique de contact.
Donc la chaleur produite par le disjoncteur est piégée entre les bouchons thermiques créés de
part et d’autre du disjoncteur par ces contacts défaillants.
Cela entraîne un échauffement important de tous les points qui se trouvent entre les pinces (points
3 à 9), rendant le défaut difficilement localisable. Toutefois nous pouvons remarquer que le gradient
de température au niveau des pinces en défaut est élevé (passage du point 2 à 3 et aussi du point 10
à 9), ce qui pourrait nous guider dans la localisation du défaut.
110°C
100°C
90°C
80°C
70°C
60°C
Défaut 2pince
50°C
Normal 3 pince
40°C
30°C
1 2 3 4 5 6 7 8 9 10 11
points de mesure #
Figure 36 : Détection d’échauffements anormaux par comparaison du modèle

et de l’expérience.

Remarques
A travers cet exemple nous voyons que la comparaison entre le modèle thermique jugé sain et le
système réel peut être un moyen de détecter une défaillance des contacts électriques très tôt avant
même que ceux-ci n’atteignent les températures d’échauffement limites données par la norme. C’est
l’exemple des points de contacts 3 et 9 qui ont une température inférieure à 80°C alors que la
température limite donnée par la norme est de 105°C.
3. De EchaufPC à EchaufWeb
Le logiciel EchaufPC a été initialement conçu pour des experts du dimensionnement thermique et
de la conception de tableaux électriques.
L’outil de détection que nous voulons mettre en place est destiné à communiquer via internet pour
la récupération de certains paramètres (courants, températures) et pour l’affichage des résultats de
calculs. Ce n’est pas le cas d’EchaufPC qui n’était pas conçu pour cela. De plus son utilisation est
difficile par le fait qu’il ne possède pas d’interface graphique pour dessiner et visualiser le tableau
dans son ensemble.
Aussi, le logiciel EchaufWeb a été créé durant cette thèse, à partir du noyau de calcul d’EchaufPC.
Ceci, pour d’une part l’adapter au besoin de communication par le web, et d’autre part, pour le
rendre plus accessible et convivial dans son utilisation.
Outre l’encadrement fonctionnel de son développement, notre travail dans la mise en œuvre de ce
logiciel a consisté à :
o Spécifier le cahier des charges en définissant :
- L’interface graphique.
- Les nouvelles fonctionnalités pour simplifier la saisie des paramètres du modèle
par exemple les fonctions « duplication des éléments du modèle » et « annulation
de la duplication »
- Les paramètres indispensables, à la modélisation pour la détection, de façon à
n’en garder que ceux-ci afin d’alléger l’interface graphique.
o Procéder aux tests du logiciel.
Le développement d’EchaufWeb a nécessité 9 mois de travail incluant la spécification et le codage
proprement dit par 4 stagiaires DESS.

Le principe d’EchaufWeb est représenté à la Figure 37. Le logiciel est utilisable en local, sur une
machine où il a été préalablement installé ou en ligne par l'intermédiaire d’un serveur de Schneider
Electric. L'utilisation en ligne ne permet que la simulation sur un modèle validé de tableau existant.
L'utilisation en local permet la modélisation d’un tableau et le calage du modèle.
EchauWeb
Web
BD Echauf
E/S .exe
Echauf
ZEN
Températures Températures
ambiantes, courants
Client
Figure 37 : Principe de fonctionnement d’EchaufWeb.
Pour plus de détail sur le fonctionnement de ce logiciel il est possible de se reporter au rapport du
stage qui a abouti à la création du logiciel [20].
Une application de ce logiciel pour la détection est décrite dans le chapitre 6 de ce document.

IV. Détection de l’échauffement anormal
par les réseaux de neurones
Un autre moyen de détection de l’état anormal des contacts électriques est d’utiliser la technique
des réseaux de neurones. Avant de parler de l’application qui en est faite, il semble nécessaire de
faire un rappel théorique sur cet outil mathématique.
1. Des neurones biologiques aux neurones

artificiels
Les réseaux de neurones artificiels sont un moyen original de traitement de l’information inspiré du
fonctionnement des neurones biologiques. En effet, dans le système nerveux humain, les neurones
reçoivent l’information sous forme d’impulsions électriques ou influx nerveux. La liaison entre les
neurones biologiques se fait via des dendrites. Les connexions au niveau des dendrites sont appelées
synapses. C’est au passage à travers les synapses que le signal est amplifié ou atténué donnant ainsi
aux neurones la capacité d’influencer plus ou moins leurs voisins.
Une interprétation simple de ce mode de fonctionnement conduit au modèle de perceptron présenté
par Rosenblatt, F (1962)-[21] :
L’intensité des signaux transmis entre neurones est modulée par des coefficients appelés « poids
synaptiques » (Wi).
Le neurone est un automate à seuil. Si l’intensité totale de signal reçu dépasse un certain niveau,
il est propagé sinon il ne l’est pas. Cela est matérialisé par une fonction d’activation.

S1 W1
S2 W2
S
1
W3
S3 p = ∑ Wi ⋅ Si
Wj
0 p
Wn Fonction d’activation
Sn
Figure 38 : Modélisation et activation d’un neurone artificiel (perceptron).
Ainsi un neurone artificiel réalise une fonction non linéaire paramétrée à valeurs bornées. L’intérêt
des neurones réside dans la capacité à les mettre en réseau pour approximer des fonctions
complexes non linéaires.
s1
y
si
sn
Figure 39 : Un réseau de neurone à n entrées, deux couches cachées de

neurones et 1 neurone de sortie.
Il existe plusieurs types de réseaux de neurones. Ils peuvent être classés suivant la manière dont les
différents neurones qui les constituent sont connectés entre eux. Dans certains cas, les neurones
peuvent être connectés en couches (Figure 39), les connexions ne pouvant exister qu’entre les
couches successives dans un seul sens (entrée → sortie). Ce type de réseau est appelé perceptrons

multicouches ou MLP (Multiple layer perceptrons). Dans d’autres cas, les connexions peuvent
exister entre certaines sorties et les entrées dont elles sont issues, ce sont des réseaux récurrents.
Dans la suite de notre étude, nous utiliserons les MLP car leur utilisation est aujourd’hui largement
répandue et ils ont fait l’objet de recherches très poussées. Ces recherches ont prouvé que les MLP
avec un nombre de couches au moins égal à 3 sont capables de modéliser tout type de fonctions
suffisamment régulières [22]. On dit qu’ils sont des approximateurs universels.
Les réseaux de neurones peuvent ainsi être des outils très puissants permettant de modéliser, sur des
systèmes complexes, la « fonction frontière » séparant les points de fonctionnement saint de ceux
avec défaut. La question qui se pose d’ores et déjà est comment trouver les poids du réseau de façon
à ce qu’il approxime au mieux cette « fonction frontière ». En général cela se fait par une étape au
cours de laquelle les paramètres du réseau sont progressivement modifiés pour que la sortie du
réseau soit celle désirée, à quelques erreurs près. C’est le processus d’apprentissage.
2. L’apprentissage des réseaux de neurones
L’apprentissage peut être défini comme étant : « …le mécanisme par lequel les paramètres libres
d’un réseau de neurones sont adaptés à travers un processus de stimulation par l’environnement
dans lequel le réseau est intégré». Autrement dit, le processus d’apprentissage consiste à estimer les
paramètres des neurones du réseau afin que celui-ci remplisse au mieux la tache qui lui est assignée
[23].
Pour mieux comprendre, considérons un exemple de tri de mangues et d’oranges (arrivant tous dans
les mêmes paniers). Supposons que nous sommes chargés d’automatiser ce tri. Le poids et la texture
pourraient être deux éléments discriminants, sachant que les mangues ont souvent un poids plus
élevé que les oranges, lesquelles présentent, dans la plupart des cas, une texture plus rugueuse que
les mangues.

Poids
Rugosité
Figure 40 : Problème de tri de fruits (orange et mangue).
Dans notre exemple, considérons que nous connaissons, pour un échantillon de paniers, le poids et
la rugosité de tous les fruits contenus dans le panier (mangue, orange). Nous pouvons visualiser cet
échantillon sur la Figure 40, les oranges étant représentées par des ronds et les mangues par des
croix. Nous pouvons alors tracer la frontière entre « mangue » et « orange ». La fonction décrivant
cette frontière peut être estimée à l’aide d’un réseau de neurones dont les entrées sont la rugosité et
le poids du fruit et la sortie est le type de fruit. Le processus d’apprentissage consiste à adapter les
poids internes du réseau de sorte à ce que, pour l’échantillon disponible, les couples entrées-sortie
du réseau s’approchent au mieux des couples de l’échantillon. Cela revient donc à un problème de
régression. Ce type d’apprentissage est dit supervisé car il est fait à partir d’une série de vecteurs
« entrées, sorties » connus. Il existe un apprentissage non supervisé souvent appliqué aux réseaux
bouclés.
Un fois l’apprentissage fait, nous pouvons utiliser la fonction frontière estimée pour automatiser le
processus de tri des fruits. Les mangues se situent en général sur la partie supérieure et les oranges
sur la partie inférieure. Il suffit donc de localiser la nouvelle entrée par rapport à cette courbe pour
savoir dire si c’est probablement une « mangue » ou une « orange ». Cette capacité à bien classifier
les nouveaux cas qui sont présentés au réseau s’appelle la généralisation.
L’algorithme d’apprentissage que nous avons mis en œuvre est l’algorithme de Levenberg
Marquardt [24] qui est une version améliorée (en terme de temps de calcul) de l’algorithme de retro
propagation du gradient qui comporte deux étapes:
Une première étape de calcul des dérivées de la fonction d’erreur (sortie désirée – sortie
calculée) par rapport aux poids du réseau. La technique utilisée pour le calcul est celle de la
retro propagation [25]-[26].

Une deuxième étape où les dérivées sont utilisées pour ajuster les poids du réseau selon la
technique de la descente du gradient.
Cet algorithme adapté au MLP est particulièrement efficace dans le cas d’un apprentissage
supervisé. L’inconvénient de l’algorithme de Levenberg Marquardt est qu’il est basé sur le calcul
d’une matrice Jacobienne dont l’inversion est très gourmande en mémoire. Cependant il est très
bien adapté aux petits réseaux comme celui que nous allons tester dans la suite.
3. Application des réseaux de neurones à la

détection automatique de contacts
défaillants
Dans ce chapitre, nous utilisons la technique des réseaux de neurones pour détecter
automatiquement les contacts défaillants. Le but visé est de partir des mesures de températures et de
courants sur le tableau électrique pour déterminer si le contact est défaillant ou non.
L’approximation de la fonction qui permet cette séparation entre les bons contacts et les mauvais,
passe par une phase d’apprentissage. Pour ce faire nous devons constituer une base de vecteurs
entrées/sorties à l’aide des données enregistrées (courant, température, couple de serrage) lors de
différentes expériences que nous avons effectuées sur les contacts électriques.
3.1. Les entrées du modèle

Pour chaque contact, les entrées principales du modèle sont le courant dans le contact et
l’échauffement du contact. L’échauffement est calculé par rapport à la température ambiante à
l’intérieure du tableau (T°Contact -T°CambianteInterne). Nous choisissons comme entrées
complémentaires les dérivées premières du courant et de l’échauffement. Ces entrées
complémentaires contribuent à donner plus d’informations au réseau de neurone. En effet la
dynamique de la température d’un contact électrique est liée non seulement au courant, mais aussi à
sa résistance électrique. En théorie, plus grande est la résistance de contact électrique, plus petite est
sa constante de temps.
3.2. La sortie du modèle

La sortie du réseau de neurone dans notre problème est une valeur indiquant l’état du contact.
Au cours de l’expérience de desserrage progressif que nous avons menée sur la famille des contacts
boulonnés, nous avons pu constater qu’en général, un contact électrique engendre un échauffement

notable à partir d’un desserrage à 1/8ième de son couple nominal. Ainsi pour un contact boulonné,
nous considérons qu’un desserrage à un couple inférieur à 1/8ième de son couple nominal est
inacceptable. En dessous de ce couple de serrage le contact est déclaré défaillant.
Par ailleurs, en ce qui concerne les pinces d’embrochages pour lesquelles il n’y a pas de notion de
serrage, le contact a été considéré comme défaillant à partir d’un nombre de pinces inférieur ou
égal à deux (le contact normal étant constitué de trois pinces).
Dans les deux cas, cela revient d’une certaine manière à associer l’état du contact à sa résistance
électrique. Un contact très résistif est considéré comme défaillant.
3.3. Apprentissage du modèle de détection

Le réseau de neurones utilisé pour modéliser le problème de détection des contacts défaillants est un
MLP composé de 3 couches et d’une trentaine de neurones. Nous avons choisi un réseau de trois
couches car, comme nous l’avons dit précédemment, un tel réseau est théoriquement capable de
modéliser toute fonction suffisamment régulière. L’algorithme d’apprentissage est celui de
Levenberg Marquardt car il est très rapide et adapté au petit réseau qui ne nécessite pas beaucoup
d’espace mémoire pour les calculs. Un nombre important de neurones devrait permettre d’avoir une
erreur d’apprentissage minimale, cependant il n’augmenterait pas forcément (et pourrait même
dégrader) la capacité du réseau à prédire de nouveaux cas. Le plus important est de trouver un
réseau ayant une bonne capacité de généralisation avec un nombre de neurones le moins élevé
possible (pour avoir un temps de calculs raisonnable). Dans notre cas cela s’est fait en plusieurs
essais avec un nombre de neurones croissant et réparti assez uniformément sur les différentes
couches. Ainsi nous avons obtenu la trentaine de neurones qui semblent bien convenir (cf.
Résultats).
Dans notre exemple test, la base de données expérimentales est composée de 8000 couples
entrées/sorties. Cette base a été divisée en deux parties égales, l’une servant à l’apprentissage (base
d’apprentissage) et l’autre à la validation (base de validation).
3.4. Résultats
Deux cas de figures ont été testés :
Cas1 : la base d’apprentissage ne contenait que des vecteurs liés à la partie transitoire de nos
expériences.
Cas2 : la base d’apprentissage a été constituée à partir d’un tirage aléatoire dans l’ensemble
des vecteurs à notre disposition.

Dans le premier cas, nous avons 1% d’erreur de classification à l’étape d’apprentissage et plus de
30% pour l’étape de validation. Dans ce cas de figure, le réseau a du mal à généraliser son résultat.
Dans le deuxième cas, nous avons, 10% d’erreur de classification dans l’étape d’apprentissage et
aussi 10% pour l’étape de validation, ce qui dénote une bonne capacité de généralisation du réseau
de neurones ainsi paramétré. Comparativement au premier cas, ce réseau est beaucoup plus
susceptible de donner la bonne classification pour les nouvelles entrées qui lui seront présentées.
La Figure 41 donne un aperçu des résultats de validation.
Nous pouvons voir sur cette figure :
o Le profil de températures (mesurées sur les contacts électriques), en entrée du réseau de
neurones, dont les valeurs sont liées à l’état de dégradation du contact.
o La sortie estimée par le réseau et celle obtenue expérimentalement. Les valeurs basses
correspondent à un état normal du contact tandis que les valeurs hautes correspondent à un
contact dégradé (desserré).
Nous pouvons remarquer que la sortie expérimentale et celle estimée sont très proches, surtout sur
les parties où la température a atteint le régime permanent. En régime transitoire, le réseau estime
moins bien la sortie.
Ce test donne des résultats intéressants et permet donc de conclure positivement sur la faisabilité de
la méthode.
Contact de plus en plus dégradé
Figure 41 : Test du réseau de neurones après apprentissage.

CONCLUSION
Dans ce chapitre nous avons présenté 4 indicateurs ou méthodes aidant à détecter l’échauffement
anormal du contact ou son niveau de dégradation.
Les deux premiers indicateurs, à savoir « le dépassement des seuils d’échauffement donnés par la
norme » et « le facteur de vieillissement » sont mis en œuvre uniquement à partir des données de
températures. Le premier, correspondant en général à un niveau avancé de dégradation, donne une
alarme lorsque le seuil d’échauffement indiqué par la norme est atteint. Le deuxième permet de
détecter un vieillissement accéléré du contact avant que celui-ci n’atteigne sa fin de vie (garantie 20
ans par Schneider-Electric).
Les deux autres méthodes de détection sont basées sur la mesure de l’adéquation entre le courant et
la température. L’une se fait à partir d’un modèle électrothermique via le logiciel EchaufWeb
développé à partir du noyau de calcul d’EchaufPC. L’autre se fait par la technique des réseaux de
neurones qui permet d’apprendre et de reconnaître les cas de défaillance. Ces deux méthodes ont été
testées sur des données réelles et donnent des résultats qui nous permettent de conclure
positivement sur leurs faisabilités.
Après l’étape de détection, vient logiquement celle du diagnostic, c'est-à-dire l’explication des
causes de la défaillance constatée. Dans la suite de cette étude nous présentons un moyen de réaliser
un diagnostic automatique sur l’ensemble du tableau électrique en utilisant non seulement le résultat
de la détection mais aussi d’autres variables liées à l’environnement de fonctionnement du tableau
électrique.

Chapitre5
SYSTEME DE DIAGNOSTIC
90
Aide à la maintenance préventive des tableaux électriques basse tensions 91
SYSTEME DE DIAGNOSTIC
Introduction :
Aujourd’hui, lorsqu’une défaillance apparaît sur un équipement électrique, les experts vont sur site
pour chercher des indications qui pourraient les aider à identifier les causes réelles de la défaillance.
Plus précisément, ayant une idée du type de défaillance, ils cherchent la cause dans une famille de
causes probables et arrivent par un processus d’élimination à trouver la plus vraisemblable. L’un
des inconvénients de cette méthode est son coût, car trouver la cause réelle peut prendre beaucoup
de temps. En plus de cela, la pertinence des conclusions est très liée au degré d’expertise de
l’expert.
Fort de ce constat, dans le cas particulier des tableaux électriques, nous souhaitons mettre en place
un système qui automatise le raisonnement des experts afin de réduire le temps d’expertise. Ce
système doit aussi être capable de capitaliser l’expérience des différents cas de défaillances
rencontrés afin d’affiner les conclusions sur les futurs cas et rendre ces conclusions moins
tributaires de l’expertise initiale.
Le raisonnement probabiliste et inférentiel des experts nous conduit naturellement à l’utilisation des
réseaux Bayésiens afin de pouvoir représenter leur connaissance et automatiser leur raisonnement.
Plusieurs autres techniques de représentation pourraient être utilisées (Arbre de défaillance, logique
floue, système expert, arbre de décision…), mais la préférence donnée aux réseaux Bayésiens tient
plus particulièrement à leur polyvalence. En l’occurrence, on peut se servir du même modèle pour
diagnostiquer (conséquences causes) ou faire des analyses prédictives de risques (causes
conséquences).
92 Chapitre 5 : Système de diagnostic

L’intérêt des réseaux Bayésiens réside aussi dans leur capacité à tenir compte dans le même modèle
de plusieurs types d’informations (informations subjectives d’experts et celles issues du traitement
statistique de données).
Enfin, la représentation graphique des réseaux Bayésiens est intuitive et compréhensible par un non
spécialiste. Cela explique leur utilisation de plus en plus grande dans le domaine médical et
industriel où ils montrent des résultats encourageants. En guise d’exemple, nous pouvons citer le
système de diagnostic interactif des pannes des imprimantes [27].
Dans les chapitres qui vont suivre, nous faisons d’abord une introduction aux réseaux Bayésiens.
Pour plus de détail, nous pouvons nous référer à [28]-[29]. Par la suite, nous évoquons un exemple
classique de réseau Bayésien. Finalement, nous présentons leur application aux tableaux électriques
avec les différentes étapes, de la construction à l’utilisation d’un réseau Bayésien.
I. Les Réseaux Bayésiens
Les réseaux Bayésiens sont des graphes permettant à la fois de représenter des relations de
causalités entre différentes variables (nœuds) et de faire des raisonnements probabilistes sur celles-
ci à partir de calculs de probabilités conditionnelles.
Les relations causales sont matérialisées graphiquement par des arcs orientés entre les nœuds.
Comme dans tout graphe causal nous avons une terminologie relative à la « famille ». Si A cause B,
on dira que A est le parent de B ou B le fils de A.
Les relations causales ont par ailleurs un aspect quantitatif qui exprime la force du lien entre les
variables. D’un point de vue probabiliste, si A cause B, il est naturel de considérer « la probabilité
de B sachant A » qu’on note p ( B / A) , comme force du lien entre A et B. Ainsi dans un réseau
Bayésien, à chaque variable V avec P1 K Pn comme parents, est associée une table de probabilités
conditionnelles p(V / P1 , K Pn ) . Pour les variables n’ayant pas de parents et représentées par les
nœuds initiaux, on associe plutôt leurs probabilités a priori.
En résumé, un réseau Bayésien est un graphe dans lequel les nœuds représentent des variables
aléatoires, et les liens des influences (entre variables) quantifiées par les tables de probabilités
associées.
L’utilisation des réseaux Bayésiens, repose sur la propagation de l’information au sein du réseau,
c'est-à-dire les calculs de probabilités a posteriori de certaines variables à partir d’un certain nombre

d’observations sur d’autres variables. Ces calculs sont fondamentalement basés sur la règle de
Thomas Bayes (mathématicien britannique du XVIIe siècle).
P( A / B) ⋅ P( B)
P( B / A) =
P( A)
Cette règle, de par sa symétrie, permet de faire un raisonnement dans les deux sens, le calcul de la
probabilité de B sachant A mais aussi de A sachant B. Dans un sens nous cherchons à expliquer une
cause dans l’autre nous quantifions une conséquence.
Aujourd’hui, les algorithmes de calculs développés ne marchent que pour des réseaux ne
comportant pas de circuit en boucle. A la construction du réseau Bayésien, une attention particulière
doit donc être portée à ne pas introduire de boucle dans le réseau.
Les réseaux Bayésiens se servent aussi des propriétés des graphes pour limiter les calculs. Nous
pouvons citer par exemple, la d-séparation, un critère graphique permettant pour tout groupe de
variables de déterminer s’il y a ou non indépendance conditionnelle, simplifiant ainsi les calculs de
probabilités [30].
L’essor des réseaux Bayésiens à fait naître une multitude de logiciels de modélisation parmi
lesquels nous pouvons citer : Bayesia, Hugin, Netica et Genie2. Il existe aussi une toolbox Matlab
(Bayes Net toolbox) [ 31] qui permet de créer des modèles de réseaux Bayésiens.
Dans la suite de cette étude nous présentons un exemple issu de la littérature [32]. Le réseau
Bayésien mis en œuvre dans cet exemple a été modélisé à l’aide du logiciel Génie2.
1. Un exemple simple de réseau Bayésien
Ce matin-là, alors que le temps est clair et sec, M. Holmes sort de sa maison. Il s’aperçoit que la
pelouse de son jardin est humide. Il se demande alors s’il a plu pendant la nuit, ou s’il a
simplement oublié de débrancher son arroseur automatique. Il jette alors un coup d’œil à la
pelouse de son voisin, M. Watson, et s’aperçois qu’elle est humide. Il en déduit alors qu’il a
probablement plu, et il décide de partir au travail sans vérifier.
Dans ce texte, monsieur Holmes fait un raisonnement qui peut être décrit à l’aide d’un Réseau
Bayésien.

L’herbe de mon jardin est mouillée (J) si et seulement si : il a plu cette nuit (P) ou j’ai oublié
de débrancher mon arroseur (A). Ce qui se traduit par la table de probabilité ci-dessous et
les liens AJ et PJ.
A=vrai A=faux
P=vrai P=faux P=vrai P=faux
J=vrai 1 1 1 0
J=faux 0 0 0 1
L’herbe du jardin de mon voisin Watson est humide (W) si et seulement si il a plu cette nuit.
Ce qui se traduit par le lien PW et la table de probabilité associée.
P=vrai P=faux
W=vrai 1 0
W=faux 0 1
Cela conduit au graphe causal ci-dessous.

A J’ai oublié de débrancher mon arroseur
A P P Il a plu pendant cette nuit
J L’herbe de mon jardin est humide
W L’herbe du jardin de mon voisin Watson est
humide
W
J
Pour compléter le modèle du réseau Bayésien nous devons définir pour les variables A et P les
probabilités a priori. Supposons que Mr Holmes oublie assez souvent de débrancher son arroseur et
que la région soit relativement pluvieuse. Nous pouvons donc poser : p ( A) = 0.4 et p ( P ) = 0.4 . Le
tableau suivant montre parallèlement les différentes étapes du raisonnement de Mr Holmes et les
résultats qu’on aurait obtenus en raisonnant numériquement à l’aide d’un réseau Bayésien.
Raisonnement de Mr HOLME Résultats numériques du

modèle du réseau Bayésien

Etat initial
1ère partie du raisonnement

A P Comparaison des probabilités
p(P/J) et p(A/J).
Résultat : p(P/J) =p(A/J).

W
J
2ième partie du raisonnement
A P Comparaison des probabilités
p(P/J,W) et p(A/J,W)
Résultat : p(P/J,W) > p(A/J,W)

W
J
Figure 42 : Tableau de comparaison du raisonnement intuitif de Mr Holmes et

des résultats du modèle du problème à partir d’un réseau Bayésien.
A l’étape 1 du raisonnement de Mr Holmes, la connaissance de J renforce la croyance en ces deux

causes (A ou P) sans pouvoir les départager car J a la même influence sur A et P. D’un point de vue
numérique, dans le réseau Bayésien associé, les probabilités sont augmentées de la même quantité.
A l’étape 2 du raisonnement de Mr Holmes, la connaissance supplémentaire de W permet de
dégager la cause la plus probable. En effet, compte tenu du modèle adopté, p ( P / V , W ) = 1 . La
nouvelle information W donne la certitude qu’il a plu. Les calculs donnent par
ailleurs p ( A / V , W ) = 0.4 = p ( A / V ) . Mr Holmes ayant la certitude qu’il a plu, il n’a aucune raison
de modifier sa croyance a priori sur le fait que son arroseur est resté débranché.
Sur cet exemple relativement simple, nous arrivons à faire un raisonnement intuitif, et à obtenir la
même conclusion que le réseau Bayésien, cependant ce type de raisonnement devient rapidement
fastidieux voire impossible à l’échelle d’un graphe plus complexe. Nous avons dans ces cas recours
à la puissance de calculs des réseaux Bayésiens.

Dans le chapitre suivant, nous donnons, les différentes étapes de la création d’un réseau Bayésien
jusqu’à son utilisation sur notre cas d’application pour le diagnostic des tableaux électriques. Le
réseau Bayésien mis en œuvre a été modélisé à l’aide du logiciel génie2.
II. La mise en œuvre du réseau Bayésien

pour le diagnostic de l’armoire
électrique
L’Etat de la recherche sur les réseaux Bayésiens permet aujourd’hui une construction complète et
automatique du réseau Bayésien associé à un système à partir d’une base de données de cas
décrivant le comportement du système dans différentes situations. Cette base est alors utilisée non
seulement pour établir la structure du réseau en identifiant les dépendances entre les différentes
variables mises en jeux mais aussi pour le remplissage des tables de probabilités par une méthode
d’apprentissage [33]-[34]. La plupart du temps, cette technique nécessite de grandes bases de
données pour espérer avoir des résultats acceptables. Dans notre cas, ne disposant pas d’une telle
base, nous ne pouvions donc utiliser cette technique afin de construire le réseau Bayésien et remplir
les tables de probabilités associées. C’est pourquoi la construction du réseau Bayésien associé au
tableau électrique pour son diagnostic, s’est faite « manuellement » en deux étapes :
L’acquisition de connaissances (issues des experts et des sources documentaires) et la
création du graphe.
Le remplissage des tables de probabilités à l’aide des probabilités subjectives données par
les experts.
1. Acquisition d’informations et création de

graphe
La première étape de la mise en œuvre du réseau Bayésien est l’acquisition des connaissances.
Elle passe par une recherche d’information qui s’est faite dans notre cas à travers les documents
techniques complétés par les discussions avec les experts de Schneider-Electric.

1.1. Acquisition des informations
Plusieurs documents internes à Schneider-Electric traitent des causes de défaillances des tableaux
électriques et de leurs effets. La lecture de ces documents nous a permis d’avoir une première idée
des variables à prendre en compte et des liens de causalité entre ces variables [35]-[36]-[37].
Ci-dessous un exemple de document technique sur la thermique des tableaux électriques.
Figure 43 : Problème thermique en terme de causes/effets.
Sur la base des informations tirées de la recherche documentaire, nous avons engagé des
discussions avec plusieurs experts. Ces discussions ont permis de recueillir d’autres informations.
Dont les principales informations, au sens de la construction du réseau Bayésien, sont listées dans le
chapitre suivant.
1.2. Principales informations recueillies.

Les principales informations recueillies concernent les variables qui constituent les nœuds du
graphe. Dans un souci de clarté, nous les avons classées en trois catégories.
les variables sommets,
les variables intermédiaires,
les variables terminales.

Variables sommets
Ce sont les variables représentées par des nœuds sans aucun parent.
Age du tableau : comme on l’a vu précédemment, c’est un facteur significatif de dégradation des
contacts.
Environnement poussiéreux: Les quantités de poussières qu’on trouve dans les tableaux mal
protégés et installés dans des environnements poussiéreux peuvent engendrer la mauvaise
transmission des ondes radio nécessaires pour véhiculer les données des capteurs sans fil. Dans ce
type d’environnement, si le niveau de maintenance est mauvais, cela peut indirectement entraîner
l’accélération de la dégradation des contacts.
Ambiance corrosive : L’ambiance corrosive dans ou à proximité immédiate de sites chimiques ou
pollués, conduit à la corrosion des métaux : argent, aluminium ou cuivre. Elle peut entraîner la
dégradation des contacts électriques en augmentant leur résistance électrique. Une ambiance
corrosive conduit aussi à la dégradation des propriétés des matériaux servant d’isolants.
Niveaux de maintenance : Le maintien de la performance des tableaux électriques passe par une
bonne maintenance. Un mauvais niveau de maintenance contribue d’avantage à la dégradation des
contacts. L’impact de la maintenance est d’autant plus important lorsque nous sommes dans un
environnement agressif (environnement poussiéreux ou corrosif par exemple).
Vibration : Les installations proches de machines vibrantes ou celles dans un environnement marin
(bateau par exemple) sont des cas ou le niveau de vibration peut entraîner non seulement un
déclenchement intempestif des appareils de protection mais aussi contribuer à la dégradation des
contacts électriques par desserrage progressif.
Température externe élevée : Une augmentation de la température extérieure entraîne
automatiquement une augmentation de la température intérieure car la température interne résulte
de la somme de la température extérieure et de l’échauffement des jeux de barres et appareils
internes par effet joule. En général, les tableaux électriques basse tension sont conçus pour opérer
dans une ambiante extérieure qui ne dépasse pas 40°C et où la moyenne de température sur une
période de 24h n’excède pas 35°C [38].
Facteur de diversité : Le facteur de diversité assigné d'un tableau électrique ayant plusieurs circuits
principaux est le rapport de la somme maximale, à n'importe quel instant, des courants présumés
dans tous les circuits principaux considérés, à la somme des courants assignés de tous les circuits
principaux du tableau (Cf. IEC-60439.1). Le constructeur définit donc les valeurs de facteurs de

diversité à ne pas dépasser. Le non respect des prescriptions du constructeur entraîne une élévation
de la température interne du tableau.
Mauvaise ventilation : Des grilles d’aérations sont prévues dans la plupart des tableaux basse
tension pour assurer leur refroidissement naturel. Certains tableaux ont même un ventilateur. Le
mauvais fonctionnement de la ventilation ou son obstruction empêche le renouvellement de l’air,
ce qui se manifeste par un échauffement supplémentaire de l’air interne du tableau.
Ambiance saline : Un environnement salin est susceptible d’entraîner un dépôt salin conducteur sur
les isolants des appareils et jeux de barres, réduisant ainsi les caractéristiques d’isolation de ces
derniers.
Mauvais serrage : Le mauvais serrage d’un contact électrique augmente sa résistance électrique et
contribue à accélérer sa dégradation.
Visserie non conforme : De manière générale, avec une visserie non-conforme, il y a un risque de
dégradation rapide du contact électrique.
Harmoniques : Les harmoniques contribuent à amplifier certains effets nuisibles aux réseaux
électriques (effet de peaux, effet de proximité, pertes fer, et courants de Foucault). Un taux
d’harmonique inférieur à 30 % ne devrait pas avoir une influence notable sur l’équipement
électrique. La présence d’harmoniques avec un taux supérieur à 30% entraîne un échauffement plus
important que celui obtenu uniquement avec le fondamental. La présence d’harmoniques de rang 3
implique un échauffement du neutre.
Surcharges transitoires : Les surcharges transitoires, comme celles qui surviennent au démarrage de
certains moteurs, ou celles fréquemment rencontrées dans les usines de fabrication de véhicule
équipées de poinçonneuses, sont de nature à entraîner un phénomène de stress-relaxation au niveau
des contacts électriques, ce qui peut causer leur dégradation à long terme. Elles ont par ailleurs un
effet direct sur l’échauffement local des contacts électriques et peuvent entraîner le déclenchement
intempestif des appareillages de protection.
Variables intermédiaires
Les informations précédentes sur les nœuds initiaux nous ont permis d’identifier les nœuds
intermédiaires, c'est-à-dire ceux avec au moins un nœud parent et un nœud fils.
Dégradation des contacts : La dégradation des contacts conduit à un échauffement créé par
l’augmentation de sa résistance de contact.

Echauffement local anormal : L’échauffement anormal d’un conducteur ou d’un contact est un
phénomène qui pourrait contribuer à l’élévation de la température interne du tableau. Il faudrait
noter que l’échauffement des contacts est un phénomène plutôt local qui ne contribue pas beaucoup
à l’échauffement de l’ambiante du tableau, mais plutôt à la dégradation des isolants qui sont sur (ou
proches) du point chaud. L’échauffement anormal d’un contact est défini comme étant la différence
de température entre le modèle jugé sain et les mesures faites directement sur ce dernier. Ce nœud
fait le lien entre de diagnostic et la détection d’échauffement local anormal qui a fait l’objet de la
partie précédente de notre étude.
Température interne élevée : Une température interne élevée a deux conséquences principales qui
sont : le déclenchement intempestif des appareillages de protection et la dégradation des isolants
due au stress thermique supplémentaire.
Dégradation d’isolant : La dégradation d’isolant entraîne la réduction des distances d’isolement.
Réduction des distances d’isolement : La réduction des distances d’isolement peut conduire à un
incendie causé par un possible amorçage.
Variables terminales
La description des nœuds précédents (nœuds sommets et intermédiaires) nous permet d’identifier
les nœuds terminaux c'est-à-dire ceux sans aucuns nœud fils.
Risque d’amorçage : causé par une réduction de la distance d’isolement.
Déclenchements intempestifs : causés par les vibrations, les surcharges transitoires, les surcharges
permanentes ou une température interne élevée.
Pertes de données radio : causées par un environnement poussiéreux
Echauffement du neutre : causé par un taux élevé d’harmonique de rang 3 (supérieur à 30%).
1.3. Construction du graphe

En se basant sur les informations précédentes, tirées de la littérature et des discussions avec les
experts de Schneider-Electric, une première version du graphe associé au réseau Bayésien a été
construite et soumise aux experts. Ces derniers ont pu donc répondre à ces trois questions :
Êtes-vous d’accord avec les liens entre les variables ?
Y a-t-il des liens non représentés ?
Y a-t-il d’autres variables non représentées ?

Les réponses à ces questions nous ont permis de compléter le graphe de causalité. Le graphe final a
été validé au cours d’une réunion où étaient présents les experts interrogés.
Figure 44 : réseau Bayésien pour le diagnostic d’un tableau électrique.
6 experts ont été questionnés sur les causes possibles de défaillances de l’armoire électrique et 3
parmi eux ont participé à la construction et à la validation du réseau final. La Figure 44 donne la
version finale du graphe ainsi construit.
Après l’étape de construction du graphe, vient celle de remplissage des tables de probabilités
conditionnelles associées aux nœuds du graphe.
2. Remplissage des tables de probabilités

conditionnelles
Avant le remplissage des tables de probabilités, il est nécessaire de définir les différents états que
chacune des variables peut prendre.

Dans un souci de simplification, toutes les variables intervenant dans ce réseau Bayésien sont
considérées comme binaires. Nous nous plaçons ainsi à un niveau de diagnostic qui peut être
qualifié de « dégrossissage ».
Le remplissage des tables de probabilités s’est fait au cours de séances de travail avec les experts
qui ont donné, pour chaque variable, des estimations subjectives des probabilités conditionnelles.
La taille des tables de chaque nœud dépendant du nombre de leurs nœuds parents, nous avons eu
recours à l’hypothèse noisy-or, pour des nœuds ayant un nombre élevé de parents, comme le
suggère Finn V. Jensen [39]. Cette hypothèse permet de réduire le nombre de paramètres
nécessaires au remplissage des tables. Par exemple pour un nœud représentant une variable binaire
avec 7 parents, il serait nécessaire à l’expert d’estimer 27 =128 probabilités. C’est rapidement
ennuyeux et surtout irréaliste.
L’hypothèse de la variable noisy-or est basée sur le raisonnement suivant :
Considérons une variable binaire Y avec X1, X2,…Xi,….Xn comme parents :
Si nous connaissons les probabilités pi, que Xi cause X lorsque les autres variables Xj sont
absentes ( p (Y = 1 / X i = 1, X j = 0 ∀j ≠ i ) ).
Si nous faisons l’hypothèse que les évènements « Xi cause Y » sont indépendants des
évènements « Xj cause Y » pour tout Xi, Xj parents de Y.
Alors, sous l’hypothèse noisy-or, le calcul des probabilités conditionnelles du nœud Y lorsque
plusieurs des Xi sont présents se traduit par :
p(Y / X ) = 1 − ∏ (1 − p ) i (1)
i / X i ∈X p
Où Xp est l’ensemble des Xi vrais. Ainsi pour un nœud Y avec n parents X1, ….Xn, l’hypothèse
noisy-or conduit à ne spécifier que les n probabilités pi au lieu de 2 n pour remplir complètement la
table de probabilités (le reste des combinaisons étant calculées à l’aide de la formule (1).
Cette formule pourrait s’expliquer en prenant l’exemple d’un OU logique. En effet selon l’algèbre
de BOOLE, si C est causé par A ou par B, cela se traduit par :
C = A+ B
Ou encore,
C = A+ B = A• B
Ainsi en traduisant cette dernière formule dans le domaine des probabilités il vient : Si A et B sont
indépendants,

p (C ) = p ( A • B ) = p ( A) ⋅ p ( B )
En faisant p ( A) = 1 − p ( A) de même pour C et B. il s’en suit :

p (C ) = 1 − [1 − p ( A)] ⋅ [1 − p ( B )]
La formule (1) semble être la généralisation de ce résultat.
Dans notre cas, de manière générale, l’hypothèse noisy-or a été prise pour des nœuds ayant un
nombre de parents supérieur à 3.
Après plusieurs discussions avec les experts, il ne fait aucun doute qu’il est plus facile pour eux de
raisonner à partir d’indications verbales plutôt que directement sur des probabilités numériques.
Ainsi l’échelle ci-dessous a été utilisée pour faire correspondre des probabilités numériques à ces
indications verbales.
Figure 45 : Correspondance Indications verbales/ Probabilités.
L’annexe 6 donne la liste complète des tables de probabilités conditionnelles ainsi obtenues. En ce
qui concerne les probabilités a priori des nœuds sommets, elles dépendent de l’environnement de
fonctionnement du tableau électrique. Par exemple pour un tableau installé sur un site près de la
mer, la probabilité a priori de la variable « environnement salin » devrait être plus élevée que s’il
n’y était pas. N’ayant aucune indication à ce stade sur ces variables sommets, elles ont toutes été
initialisées dans un premier temps avec une valeur de 0.5.
Avant l’utilisation proprement dite du réseau Bayésien, il est nécessaire de le tester pour vérifier
qu’il ne donne pas de conclusions aberrantes. C’est l’objet du chapitre suivant.

III. Evaluation et utilisation du réseau
Bayésien
1. Evaluation
Une méthode pratique d’évaluation d’un réseau Bayésien est de le tester sur des exemples triviaux
ou issus de bases de données de cas réels [40].
Cette méthode consiste à estimer la probabilité de nœuds spécifiques étant données les observations
faites sur certains d’entre eux et de comparer le résultat à celui escompté.
Dans notre étude, la plupart des cas réels de défaillances à notre disposition concernent des cas
d’échauffements anormaux détectés par exemple durant les inspections périodiques par
thermographie infrarouge. Cette difficulté à avoir une base de données de cas très variés,
exploitables pour cette évaluation, s’explique par le fait qu’il n’y avait au préalable pas de politique
d’enregistrement de cas de défaillances en vue d’une telle capitalisation de connaissances pour le
diagnostic.
Chaque fois qu’un échauffement anormal est détecté, les experts essaient de l’expliquer par les
variables décrivant l’environnement ou les conditions de fonctionnement.
Ils utilisent les indications disponibles et ne font pas forcément la mesure de l’état de chacune des
variables apparaissant dans le réseau Bayésien avant de tirer leur conclusion. Ainsi, tous les cas
tests en notre disposition ont des valeurs manquantes. Cependant, cela ne devrait pas poser de
problèmes majeurs dans l’évaluation car les réseaux Bayésiens sont robustes à ce type de problème,
dans la mesure où les probabilités sont propagées seulement en tenant compte des nœuds dont l’état
est connu.
Nous avons donc testé la capacité du réseau Bayésien que nous avons construit à prédire la variable
« échauffement anormal » sur les 14 cas dont nous disposions (Figure 46). De par sa position
centrale dans le réseau, le nœud « échauffement anormal » s’avère intéressant à tester, car il a une
interaction avec un grand nombre d’autres nœuds.

Figure 46 : Vecteurs tests avec des données manquantes.
Pour cette évaluation, nous prenons comme probabilités a priori des nœuds sommets la valeur
intermédiaire 0.5, lorsque nous n’avons aucune information sur ces variables.
L’évaluation consiste, pour chaque cas test, à fixer dans le réseau l’ensemble des variables dont
nous connaissons les valeurs (évidence) à l’exception de la variable « échauffement anormal » qui
est à évaluer. Puis à l’aide du réseau Bayésien, nous estimons la probabilité
p(Echauffement local anormal=vrai/évidence) que nous comparons à l’état réel de cette variable.
Les résultats sont présentés à la Figure 47 sur laquelle nous constatons que 12 des 14 cas tests ont
une probabilité p (échauffement anormal=vrai/évidence) ≥ 0.8 alors que la valeur escomptée était
de 1. Ce qui est un résultat positif et très encourageant.
Comme nous pouvons le voir, cette méthode loin d’être exhaustive, permet de manière pratique de
se faire une bonne idée de la capacité du réseau Bayésien à estimer le bon résultat sur des cas
connus. En effet nous comptons sur la capacité du réseau Bayésien à s’adapter par un processus
d’apprentissage (développé dans le chapitre suivant #3), pour améliorer sa précision au fil du temps.

Prédiction de l'état de la variable
"Echauffement local anormal"
prob(Echauffement local
anormal=yes/ evidence)
1.2
1
0.8
0.6
0.4 Valeurs attendues
0.2 Prédiction par le Réseau Bayésien
ca 0
ca 1
ca 2
ca 3
14
1
2
3
4
5
6
7
8
ca 9
1
1
1
1
s
s
s
s
s
s
s
s
s
ca
ca
ca
ca
ca
ca
ca
ca
ca
s
s
s
s
s
Figure 47 : Résultat du test d’évaluation du réseau Bayésien.
Après la phase de test vient celle d’utilisation. Le chapitre suivant traite d’exemples d’utilisation
pratique des réseaux Bayésiens pour le diagnostic et pour l’analyse prédictive de risque.
2. Utilisation du réseau Bayésien
Dans cette phase d’utilisation, nous pouvons interroger le réseau Bayésien de deux manières :
Nous constatons que le système est défaillant, nous connaissons les manifestations de cette
défaillance et nous voulons connaître les causes de défaillance. C’est l’analyse pour le
diagnostic.
Nous ne constatons pas une défaillance de notre système, mais nous voulons connaître les
risques de défaillances compte tenu de l’environnement du système et de l’utilisation qui en
est faite. C’est l’analyse prédictive de risque.
Dans les cas d’application qui vont suivre, les variables ont été respectivement numérotés 1, 2 et 3
pour les variables sommets, intermédiaires et terminales.
2.1. Analyse de diagnostic

Le diagnostic, comme explication des causes de défaillances par les observations, consiste en une
remontée d’informations dans le réseau Bayésien. C’est à dire que le graphe est parcouru dans le
sens des effets vers les causes. Les variables du réseau Bayésien sont divisées en deux familles :
Une famille de variables observées, c'est-à-dire celles dont l’état connu est imposé au
réseau. Dans notre cas d’étude, nous pouvons choisir comme variables observées par

exemple les nœuds « échauffement anormal », « Corrosion de métal », « Température
interne élevée », « dégradation d’isolant », « dégradation de contact ».
Une famille de variables d’explications. Ce sont celles qui sont évaluées par le réseau et
hiérarchisées dans le but de déterminer les causes des observations faites sur les variables
observées. La Figure 48 donne un exemple d’analyse de diagnostic faite en deux étapes.
Figure 48 : Exemple d’analyse de diagnostic en deux étapes.
Il illustre le cas où le client observe un « échauffement anormal » et un « déclenchement

intempestif ». Il voudrait en connaitre les causes. Le réseau Bayésien est alors interrogé dans le sens
des effets vers les causes. Cela conduit au résultat sur La Figure 48 (partie gauche) où nous pouvons
noter que la cause la plus probable est « le mauvais serrage ».
Considérons maintenant qu’une nouvelle inspection du tableau faite par le client, guidé par la
première analyse, révèle qu’il n’y a pas « corrosion de métal », ni de marque de « dégradation
d’isolant », ni de « dégradation de contact ». Avec ces nouvelles informations dont il dispose, les
causes les plus probables deviennent, « les surcharges transitoires » et les « surcharges
permanentes ». Les variables « mauvais serrage » et « ambiante corrosive » ne sont plus des causes
très probables, compte tenu des nouvelles observations Figure 48 (partie droite).

La Figure 49 résume bien le processus d’analyse pour le diagnostic où, comme dans l’exemple
précédent, des mesures complémentaires peuvent être faites pour affiner le diagnostic dont les
conclusions devraient dicter une stratégie de maintenance.
Constatations
chez le client
Causes
probables
DIAGNOSTIC
Stratégie de maintenance
Mesures
complémentaires
Figure 49 : Remontée du réseau Bayésien, Diagnostic.
2.2. Analyse prédictive de risques
Dans le cas où le client exploitant du tableau électrique voudrait connaitre les risques de
défaillances compte tenu de l’environnement et des conditions de fonctionnement, le réseau
Bayésien peut être utilisé à cet effet. Il s’agit d’une descente du réseau, c'est-à-dire que le graphe est
parcouru des causes vers les effets.
L’analyse de risques se fait en définissant :
D’une part les variables cibles, celles dont nous voulons surveiller le risque d’apparition.
Et d’autre part, les variables « d’observation » qui sont utilisées pour décrire
l’environnement et les conditions d’utilisation du système.
Dans notre cas les cibles peuvent être les variables « déclenchement intempestif », « dégradation
des contacts », « risque d’amorçage», « température intérieure élevée », « échauffement du neutre ».
Dans un premier temps, le réseau Bayésien, interrogé avec les conditions de fonctionnement
décrites Figure 50 (partie gauche), avec une ventilation correcte, indique que le risque le plus
probable dans ce cas est « la dégradation de contact ». La forte valeur relative de la probabilité
d’apparition de « dégradation de contact » est liée au fait que pour ce test, les probabilités a priori
de toutes les variables sommets ont été définies égales à 0.5 ce qui est une valeur assez élevée.

Figure 50 : Exemple d’analyse prédictive de risque en deux étapes.
Dans un deuxième temps, supposons que le client constate que son système de ventilation ne
fonctionne plus. Nous constatons les variations de probabilités introduites sur les variables cibles
par cette nouvelle évidence Figure 50 (partie droite). Dans ce nouveau cas, le risque le plus
probable devient « température interne élevée » suivi de « déclenchement intempestif ». Pour
éliminer ce risque, le client devrait améliorer l’état de son système de ventilation.
Constatations
chez le client RISQUES
Stratégie de prévention
Mesures
complémentaires
Figure 51 : Descente du graphe du réseau Bayésien, Analyse de risque.
Ainsi à travers cet exemple, nous voyons que le réseau Bayésien peut être utilisé pour une analyse
de risques en vue de définir une stratégie de prévention. Pour affiner les conclusions de cette
analyse, des mesures complémentaires peuvent également être faites. Le principe de l’analyse de
risque est résumé à la Figure 51.
Remarques
Que ce soit pour diagnostiquer les causes d’un incident ou pour prévenir un risque, à partir des
observations on impose certaines variables du réseau, qui recalcule les probabilités des variables
non observées en conséquence (règle de Bayes). Certaine fois il est nécessaire de faire des mesures
supplémentaires pour affiner les conclusions. Le choix des variables supplémentaires à mesurer est
guidé par les premières conclusions, par la disponibilité des informations et le coût de la mesure.
3. Adaptation automatique des probabilités

des réseaux Bayésiens par un processus
d’apprentissage
Dans de nombreux cas réels, à la construction d’un réseau Bayésien, il n’existe pas ou très peu de
données. Ainsi, le remplissage des tables de probabilités conditionnelles se fait par les experts du
domaine. Par ailleurs, il n’est pas toujours possible de vérifier la fiabilité de ces informations.
Par exemple, nous rencontrons souvent le cas où l’expert concepteur d’un système tend à surestimer
les capacités du système qu’il a conçu.
Lorsque l’estimation des probabilités conditionnelles est faite par plusieurs experts, il peut aussi
arriver qu’il y ait désaccord entre ces derniers.
Ce sont autant de facteurs susceptibles de biaiser les valeurs de probabilités initialement données
par les experts.
Il est donc capital de construire un système qui adapte automatiquement les paramètres du réseau à
partir des données disponibles au fil du temps, ce qui permet de remplacer à long terme les
probabilités subjectives données par les experts au profit de celles issues du traitement statistique de
l’information issue du retour d’expérience. C’est un problème d’apprentissage des paramètres d’un
réseau de structure fixée.
3.1. L’apprentissage de paramètres

L’apprentissage de paramètres d’un réseau Bayésien consiste à calculer le meilleur jeu de
probabilités conditionnelles utilisées dans le graphe, qui permette de rendre compte des données
réelles observées. Il existe plusieurs techniques selon la disponibilité des données. Nous exposons
ici les plus connues.
Dans le cas où toutes les variables sont observées (données complètes), l’un des moyens le plus
simple d’estimer les probabilités est l’apprentissage statistique. Il s’agit de calculer la probabilité de

chaque évènement comme étant la fréquence d’apparition de cet évènement dans l’ensemble de la
base de données. C’est une approche basée sur le maximum de vraisemblance.
Il existe un autre moyen, l’apprentissage Bayésien, quelque peu différent de l’apprentissage
statistique. Le principe est de trouver les paramètres les plus probables compte tenu des
observations qui ont été faites. C’est une approche basée sur le calcul du maximum a posteriori.
En réalité, dans la plupart des problèmes, certaines variables sont non observées. Les bases de
données sont donc incomplètes. Dans ces cas, l’algorithme itératif Expectation-Maximisation (EM)
peut être utilisé pour estimer les paramètres manquants de façon à ce que les méthodes précédentes
soient applicables à chaque pas d’itération jusqu'à la convergence [41].
3.2. La base de données

L’apprentissage s’appuiera sur une base de données de cas réels qui s’enrichira chaque fois que des
cas de diagnostic seront rencontrés et enregistrés dans cette base.
Base de données(BDD)
Enrichissement de
Apprentissage
la BDD
si validation
Inference
Tables de
probabilités DIAGNOSTIC
Figure 52 : Processus d’enrichissement de la base de données d’apprentissage.
Dans notre étude, l’outil internet permet de partager une base de données centralisée qui contiendra
tous les cas survenus sur l’ensemble des systèmes en exploitation et dont la cohérence et la logique
auront au préalable été validées par les experts (Figure 52 ).
En ce qui concerne la confiance portée au diagnostic de l’expert, la plupart des logiciels de réseaux
Bayésiens permettent de prendre en compte cet aspect en donnant la possibilité de mettre un poids
plus ou moins important à chaque cas enregistré dans la base de données, selon le degré de certitude
sur le diagnostic posé.

Enfin, dans l’utilisation pratique, l’apprentissage pourrait être fait, selon les cas, sur une partie de la
base de données dans le but d’être plus précis. Par exemple, pour un diagnostic sur une marque
particulière de tableaux électriques, l’apprentissage pourrait se faire à partir uniquement des cas
rencontrés sur les tableaux de la même marque.
Ces derniers points ont très peu été abordés durant cette thèse, ce sont donc des pistes qui
constituent autant de perspectives pour la suite du travail.

CONCLUSION
Dans cette partie, nous avons proposé une méthode de diagnostic du tableau électrique qui répond à
deux objectifs :
Le premier objectif est de pouvoir identifier les causes réelles de défaillance pour pouvoir
les éliminer le plus rapidement possible, réduisant ainsi les coûts liés à la maintenance
corrective proprement dite et à l’arrêt de l’équipement.
Le deuxième est de pouvoir prévenir le tableau électrique des risques de défauts avant même
que ceux-ci n’apparaissent, permettant d’éviter des temps d’arrêts imprévus de l’équipement
et d’anticiper des maintenances lorsque nécessaire.
La méthode de diagnostic proposée est basée sur la technique des réseaux Bayésiens qui permet
avec le même modèle de répondre à ces deux objectifs.
A travers l’exemple du réseau Bayésien pour le diagnostic des tableaux électriques, nous montrons
les différentes étapes, de sa construction, qui inclut l’acquisition des informations auprès des
experts, jusqu’à son utilisation.
Ce réseau fait intervenir à la fois des paramètres locaux tels que « échauffement local anormal » et
globaux tels que ceux liés à l’environnement de fonctionnement (ambiance saline, ambiance
poussiéreuse).
En ce qui concerne l’évaluation du réseau Bayésien, le manque d’une grande base de données de
cas tests ne nous a pas permis de faire une évaluation exhaustive. Cependant, les tests qui ont été
faits sur quelques cas réels à notre disposition, ont donné des résultats satisfaisants.
Par ailleurs, la précision des conclusions du réseau Bayésien devrait s’améliorer avec la possibilité
d’adaptation automatique du réseau. Cette adaptation faite par un processus d’apprentissage au fil
des interventions sur les équipements permet de pouvoir remplacer à long terme, les probabilités
subjectives des experts par des probabilités issues d’un traitement statistique des données.

115
Chapitre6
LE SYSTEME COMPLET : EXEMPLE

D’APPLICATION
________________________________________________________________________________
116
LE SYSTEME COMPLET : EXEMPLE
D’APPLICATION
Introduction
Dans les chapitres précédents, nous avons détaillé les différents éléments du système de détection et
de diagnostic de défaut des armoires électriques.
Le but de ce chapitre est de présenter l’état actuel du système de détection et de diagnostic de défaut
dans sa globalité, sur un exemple concret.
118 Chapitre 6 : Le système complet Exemple d’application

I. Tableau OKKEN en condition réelle
d’utilisation.
Face avant Face arrière

sans appareils décapotée
Figure 53 : Essais sur le tableau électrique OKKEN.
Le tableau OKKEN est une configuration typique de tableau électrique basse tension de forte
puissance. Le tableau de la Figure 53 est composé de deux disjoncteurs :
o Un disjoncteur d’arrivée (Masterpact NW 32), pouvant véhiculer jusqu’à 3200A de courant.
o Un disjoncteur de départ (Masterpact NT 16), pouvant véhiculer jusqu’à 1600A de courant.
Ces deux disjoncteurs triphasés sont reliés par un circuit de jeux de barres en cuivre comme
indiqué sur le schéma de la Figure 54. Ils sont donc obligatoirement traversés par le même courant
car il n’y a aucune dérivation de circuit entre eux. Ainsi, le courant qui peut traverser ce tableau
dans cette configuration est limité au courant maximum du disjoncteur NT c’est à dire 1600A.
Ce tableau a un degré de protection (contre les contacts avec des parties actives, contre la
pénétration de corps étrangers solides et liquides) élevé. D’où un indice de protection fort (IP >3).
C’est un tableau qui avait moins d’une année d’utilisation au moment des tests.

II. Positionnement des capteurs
Selon le principe de la matrice de priorités présentée au chapitre 3, les contacts de ce tableau

électrique, pourront être instrumentés dans l’ordre de priorité ci-dessous, afin de mesurer leur
température.
a. Les pinces d’embrochages du disjoncteur d’arrivée NW32 (Figure 54 contacts 3, 4).
b. Les pinces d’embrochages du disjoncteur de départ NT16 (Figure 54 contacts 7, 8).
c. Les contacts boulonnés des connexions clients (Figure 54 contacts 9).
d. Les contacts boulonnés près d’isolants (Figure 54 contacts 5, 6).
e. Les contacts boulonnés de jeux de barres nues (Figure 54 contacts 1, 2).
Figure 54 : Schéma du montage du tableau okken.
Les températures ambiantes des différents compartiments et celle de l’extérieur doivent également
être mesurées. En effet elles constituent des entrées du modèle thermique pour la détection de

défauts. Les points de mesures des températures ambiantes sont repérés de A0 à A5 sur la Figure
54. En ce qui concerne la mesure des courants, elle se fait à l’aide des capteurs de courant intégrés
aux disjoncteurs. Ce schéma filaire, ne montre qu’une seule des trois phases du tableau.
III. Modélisation et Détection
1. Modélisation
Deux techniques de détection de l’échauffement anormal d’un contact électrique ont été présentées
dans le chapitre 4 de ce document à savoir :
o La détection par modélisation mathématique via les réseaux de neurones.
o La détection par modélisation physique via le logiciel EchaufWeb.
Figure 55 : Modélisation EchaufWeb du tableau électrique en essai.

Pour la détection de défaut sur le tableau faisant l’objet de notre étude dans ce chapitre, nous avons
choisi la méthode par modélisation physique. La Figure 55 représente un écran du logiciel montrant
le schéma du modèle, les points de connexions, les disjoncteurs et les différents compartiments du
tableau.
Nous avons également vu que pour réduire l’écart entre le modèle et les mesures réelles il est
nécessaire de passer par une phase de calage du modèle sur des valeurs issues de ces mesures. Cette
opération s’est faite en modifiant la valeur de certains paramètres, le tableau étant alimenté avec un
courant de 1000A. Nous pouvons distinguer trois types de paramètres (Figure 56-Figure 57-Figure
58)
o Les paramètres dont la valeur exacte est connue. Ce sont par exemple les
dimensions de jeux de barres lues dans le plan associé au tableau (Jdb1 à Jdb6 sur le schéma
de la Figure 54). Ils ne sont normalement pas utilisés pour le calage.
Erreur ! Liaison incorrecte. Erreur ! Liaison incorrecte.
Figure 56: Variation de paramètres avant et après calage (1).
o Les paramètres estimés par une mesure approximative (dimension de certains jeux
de barres : exemple jdb0) ou par mesures sur d’autres équipements (résistances électriques
et thermiques). Ils sont utilisés pour le calage ; cependant leur variation se fait dans des
plages connues.
Figure 57 : Variation de paramètres avant et après calage (2).
o Les paramètres empiriques, dont on ne connaît normalement pas la valeur. Ils sont
initialisés en utilisant des tables (voir annexe 7) ou des règles de calculs. Leurs valeurs
finales (après calage) peuvent beaucoup différer des valeurs initiales (avant calage). Nous
pouvons citer dans cette catégorie les périmètres d’échanges et les paramètres d’ajustement
des coefficients d’échanges calculés par le programme.
Erreur ! Liaison incorrecte.
Figure 58 : Variation de paramètres avant et après calage (3).
Ces paramètres représentent autant de degré de liberté dans le processus de calage, car ils agissent
différemment sur le profil de températures. En effet, la résistance électrique de contact a un effet
local de translation vertical du profil de température, tandis que les périmètres et coefficients

d’échanges permettent de faire une translation verticale beaucoup plus globale. La résistance
thermique modifie localement la pente du gradient de température, etc.
La Figure 59 nous donne la comparaison des résultats avant et après calage sur les différents points
de mesures (connexions sur la phase 1). Nous pouvons voir qu’avant le calage le profil de
température ressemblait déjà au profil après calage.
70°C
65°C
60°C Avant calage
55°C Après calage
50°C
45°C
40°C
35°C
1 2 3 4 5 6 7 8 9
Points # connexions
Figure 59 : Comparaison des résultats du modèle EchaufWeb avant et après la

phase de calage.
La Figure 60 est la comparaison des températures calculées et celles mesurées sur la phase 1 du
tableau après stabilisation des températures (après environ 4h 30 d’essai).
Modèle Expérience
105°C Modèle Expérience
95°C
1600A Vérification de la validité du
85°C modèle
75°C
65°C
55°C
1000A-Calage du modèle
45°C
35°C
1 2 3 4 5 6 7 8 9
Points de mesures (thermocouples)
Figure 60 : Résultats du modèle du tableau phase de calage du modèle et

validation.
Nous pouvons remarquer que ces températures sont très proches. L’erreur relative moyenne entre le
modèle et l’expérience est de 1%.

Afin de vérifier la validité du modèle, la même comparaison a été faite avec le tableau électrique
alimenté par un courant de 1600A. Le modèle EchaufWeb a alors été lancé sans aucun changement
sur les valeurs des paramètres d’entrées, à part le courant qui est passé de 1000A à 1600A. Les
résultats de cette comparaison sont représentés également sur la Figure 60.
Pour ce point de fonctionnement (1600A) l’erreur moyenne relative entre le modèle et l’expérience
est passée à 2% avec un maximum de 4% sur le point 5. D’après ces résultats, le modèle peut être
considéré comme valide.
Le modèle peut donc être utilisé comme une référence valide pour la détection d’échauffements
anormaux des contacts.
2. Détection
Dans ce chapitre, nous utilisons le modèle précédent pour détecter un état d’échauffement anormal.
Pour ce faire, nous créons un défaut de desserrage sur la connexion client repérée 9 sur le schéma
de la Figure 54. Ce contact a subi un desserrage jusqu’à 1/8ième de son couple nominal. Le tableau
est alimenté avec un courant de 1000A.
1000A
65°C
Experience avec contact 9 desserré
60°C
Model sain
55°C
50°C
45°C
40°C
35°C
1 2 3 4 5 6 7 8 9
points mésurés
Figure 61 : Détection de l’échauffement anormal d’un contact par comparaison

avec le modèle sain.
La Figure 61 nous indique que le contact 9 a une température anormalement élevée

comparativement au modèle sain (+7,2°C). Les autres points de mesures étant restés relativement
proches du modèle. Le point 8 qui est physiquement à coté du point 9 est quelque peu affecté par la
température élevée de ce dernier (+2°C). Les différentes expériences que nous avons faites nous

révèlent qu’une différence de température supérieure à 4 °C doit nous alerter sur l’éventualité d’un
défaut. Ce modèle nous permet ainsi de détecter des défauts sur les contacts électriques.
L’une des limites du modèle est qu’il n’est capable de détecter que des défauts liés à la dégradation
des contacts électriques. Ainsi les défauts tels que les surcharges et l’obstruction de ventilation ne
sont pas détectables via ce modèle. Dans ces deux cas cette incapacité est due au fait que les
variables directement modifiées par ces défauts sont des paramètres d’entrées du modèle (le courant
pour la surcharge et les températures ambiantes pour l’obstruction de la ventilation).
Nous avons testé le cas du défaut d’obstruction de la ventilation, en grandeur réelle (Figure 62).
Les orifices de circulation d’air du tableau ont été obstrués par de la laine de verre sur les parties
inférieures et supérieures empêchant ainsi sa ventilation naturelle.
Orifices de ventilations
obstrués avec de la laine
de verre
Figure 62 : Essai d’obstruction des orifices d’aération.
Ce défaut se manifeste par une élévation de toutes les températures ambiantes, ce qui entraîne
l’élévation de la température de tous les points de mesures (connexions) qui sont soumis à ces
températures ambiantes. Comme le montre le résultat de la Figure 63, une comparaison entre le
modèle EchaufWeb et les mesures réelles effectuées ne permet pas de détecter le défaut.

résultats Modèle tableau non aéré
70°C
65°C résultat expérimental tableau non
60°C aéré
55°C
50°C
45°C
40°C
35°C
1 2 3 4 5 6 7 8 9
points de m esures
Figure 63 : Incapacité du modèle à détecter un défaut d’obstruction de la

ventilation naturelle.
Cependant une analyse de l’historique des mesures sans passer par le modèle (comparaison des
valeurs de températures ambiantes pour les mêmes conditions de fonctionnement (même courant))
devrait permettre la détection d’un état anormal. Nous avons fait cette comparaison sans et avec
défaut. Les températures ambiantes internes du tableau sont globalement plus élevées que ce
qu’elles devraient être dans le cas d’une aération normale (Figure 64).
1000A
sans défaut non aere

18°C
16°C
14°C
12°C
10°C
8°C
6°C
4°C
2°C
0°C
A1 A2 A3 A4 A5 A6
Figure 64 : Comparaison des températures ambiante avec et sans défaut de

ventilation.

IV. Diagnostic
Dans ce chapitre, nous allons utiliser l’outil de diagnostic et d’analyse de risques à base de réseau
Bayésien pour diagnostiquer les causes des deux états de défaillances précédemment décrits.
Diagnostic du défaut d’échauffement anormal du contact 9
Supposons qu’après avoir détecté l’échauffement anormal sur le contact 9 du tableau précédemment
décrit, nous voulions connaitre la cause de cette défaillance. Nous allons utiliser le réseau Bayésien
pour nous aiguiller sur les causes possibles.
Les connaissances sur le tableau sont qu’il a un indice de protection élevé et qu’il a moins d’un an
d’utilisation. L’interrogation du réseau Bayésien, avec comme évidence supplémentaire sur le
tableau électrique : « échauffement anormal », nous donne directement : « mauvais serrage »
comme première cause de défaillance (Figure 65). La vérification du contact supposé en défaut
nous permettra de nous rendre compte de la pertinence du diagnostic. Le processus de diagnostic
s’arrête là pour entreprendre les actions correctives nécessaires, à savoir le resserrage du contact ou
son remplacement.
Figure 65 : Diagnostic du défaut d’échauffement anormal détecté sur le contact

9.

Diagnostic du défaut « températures internes élevées »
Considérons à présent, le deuxième défaut celui « d’obstruction de la ventilation ». Outre les

connaissances sur le système, à savoir son indice de protection élevé (IP >3) et son âge < 1 an,
l’évidence liée à ce défaut d’obstruction de la ventilation est : « températures internes élevées ».
En interrogeant l’outil de diagnostic sur les causes possibles de cette observation, nous avons le
résultat de la Figure 66. Il nous dit que la cause la plus probable est « une température extérieure
elle-même élevée ».
Figure 66 : Diagnostic température interne élevée étape 1.
Cependant la vérification de la température externe c'est-à-dire celle du local dans lequel se trouvait
le tableau au moment de l’essai nous donne 24 °C, ce qui ne peut être qualifié d’élevé car le tableau
OKKEN est prévu pour fonctionner dans une température ambiante extérieure allant jusqu’à 40°C.
L’information « la température extérieure n’est pas élevée » est donc donnée comme une évidence
supplémentaire au réseau Bayésien. Il vient alors le résultat de la Figure 67 indiquant que la cause
la plus probable est la « mauvaise ventilation ».

Figure 67 : Diagnostic température interne élevé étape 2.
V. Etat des lieux du système global
Nous venons de voir sur un exemple concret ce que donne le système de détection et de diagnostic
de défaut que nous avons mis en place dans ces travaux de thèse. Ce système s’inscrit globalement
dans le schéma de la Figure 68 qui décrit l’enchaînement logique qui existe entre ces différentes
fonctions, résumées par le triplet: {Voir, Comprendre, Agir} [42].
o La fonction « Voir » est réalisée à travers l’acquisition, la transmission (via les capteurs de
températures sans fil, les disjoncteurs communicants de Schneider-Electric, le réseau
internet, les serveurs) et le traitement des données pour la détection.
o la fonction « Comprendre » est réalisée à travers l’outil de diagnostic et d’analyse de risques
utilisant la technique des réseaux Bayésiens.
o Enfin, la fonction « Agir » est réalisée chaque fois que le diagnostic nous permet de
modifier le système à bon escient, de sorte à éliminer le défaut détecté ou même à prévenir
un défaut en agissant en amont sur la conception du tableau électrique.

Diagnostic
Détection de défaut
En vu d’établir une stratégie
de maintenance
Serveur
Recommandations
Traitement centralisé de données

s
Capteurs de
temperature
Transmission de
sans fil
données
Mesures de
courants @
Tableau électrique
Figure 68 : Schéma du système global de détection de défaut et de diagnostic.
A ce stade, nous pouvons passer ce système en revue, en faire un état des lieux et proposer les
développements possibles pour qu’il soit totalement opérationnel.
Le système de détection.
Le système de détection qui a été présenté est constitué de :
1. La détection de dépassement de seuil de température admissible par la norme.
Ce premier indicateur a été implanté et intégré au logiciel de suivi des grandeurs électriques de
Schneider-Electric. Il est opérationnel.
2. L’analyse de vieillissement.
L’algorithme de calcul de vieillissement a été spécifié, implanté sous Matcad et testé sur un
exemple théorique. Il n’a pas encore fait l’objet d’intégration dans un logiciel de Schneider-Electric.
3. La détection d’échauffement anormal lié à une dégradation de contact électrique.
En ce qui concerne la détection par comparaison à un modèle physique, le logiciel de modélisation
EchaufWeb à été développé et permet aujourd’hui d’effectuer le calcul et l’affichage des
températures du modèle. Il est important de préciser que cet outil ne prend en compte que les
défauts liés aux contacts électriques comme nous avons pu le constater dans le cas test du tableau
OKKEN. Cela se justifie par le fait que c’est la première cause de défaillance. Par ailleurs, la
détection de défauts se manifestant par une élévation globale des températures ambiantes pourrait se
faire en dehors du modèle, par une comparaison des températures mesurées dans les mêmes

conditions de fonctionnement du tableau. Cette comparaison se fait aujourd’hui à la main avec des
outils comme Excel et Matlab.
En ce qui concerne l’outil de détection via les réseaux de neurones il a été expérimenté sur un cas
test, et les résultats encourageants devraient permettre son approfondissement notamment en ce qui
concerne sa complémentarité possible avec la détection par modèle physique. Il n’a donc pas encore
fait l’objet d’une intégration dans un logiciel.
Le système de diagnostic.
Comparativement à l’outil de détection de l’échauffement anormal des contacts électriques, celui du
système de diagnostic est beaucoup plus global et permet de diagnostiquer toutes les évidences sur
les variables incluses dans le réseau Bayésien. L’exemple du diagnostic de l’obstruction de la
ventilation met bien cela en évidence.
Par ailleurs, il est capable d’apprendre les paramètres (probabilités du réseau) à partir d’une base de
cas enregistrés et validés.
Il a été complètement implanté dans le logiciel Génie2 et fonctionne correctement.
Les liens entres les différents blocs.

Les différents blocs du système de détection et de diagnostic (Figure 68 ) existent et ont été testés
indépendamment à travers les nombreux exemples donnés dans ce document.
Cependant, les liens entre ces différents blocs ne se font pas tous aujourd’hui de manière
automatique. C’est le cas du lien entre le serveur et le bloc de détection. Il a été spécifié dans
l’architecture d’EchaufWeb. Il a été implanté à 70% et n’est pas encore tout a fait opérationnel. En
ce qui concerne le lien entre le bloc de détection et celui de diagnostic, il se fait manuellement
aujourd’hui : L’état d’ « échauffement local anormal » est rentré à la main dans le réseau Bayésien
comme dans l’exemple précédent du tableau Okken.

CONCLUSION
Ce chapitre a montré sur un tableau électrique OKKEN, configuration typique de tableau basse
tension de forte puissance, les possibilités du système de détection et de diagnostic que nous avons
proposé dans ce travail de thèse.
Ce test en situation réelle nous a permis :
o De nous confronter aux difficultés de mise en œuvre du modèle EchaufWeb et notamment
de l’opération de calage du modèle sur les mesures réelles.
o De mettre en évidence les limites du système, à savoir son incapacité à détecter le défaut
d’obstruction de ventilation en particulier, et en général des défauts se manifestant par une
variation des variables d’entrées du modèle.
o De situer les différents blocs du système dans sa globalité, les passer en revue et donner des
indications sur ce qu’il faut faire pour le rendre complètement opérationnel à court terme.

CONCLUSION GENERALE
Au terme de cette thèse, nous avons développé différentes méthodes de détection et de diagnostic
des causes de défaillances des tableaux électriques basse tensions dans le but d’aider à sa
maintenance préventive.
Des enquêtes impliquant des experts de Schneider-Electric nous ont permis de constater que la
plupart des causes de défaillances des tableaux électriques se manifestent par un échauffement, ce
qui nous a conforté dans l’idée de surveiller le tableau principalement par la mesure de la
température. Ces enquêtes ont aussi révélé que la principale cause de défaillance est « le défaut de
raccordement ». Ainsi nous nous sommes intéressés aux contacts électriques. Différentes
expériences réalisées sur ces derniers ont permis de mettre en évidence l’effet des paramètres tels
que la résistance électrique, la résistance thermique et le courant, sur leur dégradation. Les résultats
de ces expériences ainsi que les considérations sur l’influence des phénomènes d’échange
thermique dans le tableau électrique, ont conduit à une stratégie de positionnement des capteurs de
température basée sur des critères de priorités.
S’étant assurer du bon positionnement des capteurs, condition nécessaire à une bonne détection des
défauts, 4 indicateurs et méthodes aidant à détecter l’échauffement anormal du contact ou son
niveau de dégradation ont été présentés. Ils correspondent à deux niveaux de détection :
o La détection d’un état avancé de dégradation est possible à partir des indicateurs tels que
« le dépassement des seuils d’échauffement donnés par la norme » et « le facteur de
vieillissement » qui sont mis en œuvre uniquement à partir des données de températures.
o La détection d’un état de dégradation moins avancé se fait à l’aide des deux autres
méthodes de détection, basées sur la mesure de l’adéquation entre le courant et la
température, permettent de détecter un état moins avancé de dégradation. Il s’agit de la
méthode par comparaison à un modèle sain modélisé via le logiciel EchaufWeb, et celle à
partir des réseaux de neurones qui permettent d’apprendre et de reconnaître les cas de
défaillances.

Après la détection vient l’étape de diagnostic. Elle s’est faite en utilisant la technique des réseaux
Bayésiens. Cette technique très intuitive a l’avantage de permettre de faire, non seulement une
analyse de diagnostic (explication des causes de défaillance), mais aussi une analyse préventive des
risques de défaillances.
Outre les développements à très courts termes qui permettront de rendre l’ensemble du système de
détection et de diagnostic complètement opérationnel (Chapitre 6), le travail mené durant cette thèse
a ouvert le champ à plusieurs perspectives :
o En ce qui concerne la modélisation via EchaufWeb, aujourd’hui elle se fait en passant par
une étape de calage du modèle. Cette étape manuelle peut s’avérer fastidieuse à cause du
nombre important de paramètres nécessaires au calage. D’où l’intérêt d’explorer dans quelle
mesure cette étape nécessaire peut être automatisée. En effet il s’agit d’un problème
d’optimisation, trouver les bons paramètres qui minimisent l’erreur entre des valeurs réelles
et celles calculées par le modèle. En plus, la connaissance des intervalles de variation de
certains paramètres devrait permettre de restreindre le domaine de recherche de la fonction
objectif.
o La piste de détection à l’aide des réseaux de neurones a été testée sur un exemple. Les
résultats nous encouragent à approfondir la méthode et à l’améliorer, par exemple en la
testant sur une base de données d’apprentissage et de validation de plus grande taille et
constituée de mesures sur des tableaux dans des conditions réelles de fonctionnement.
o Partant du fait que la plupart des causes de défaillance se manifestent par un échauffement,
nous nous sommes intéressés à la température. Si dans le cas de forts desserrages les essais
de vibrations ne permettent pas de faire une bonne corrélation entre le niveau de dégradation
du contact et l’amplitude fréquentielle de la vibration, cela semble être plus prometteur dans
le cas des petits desserrages. La vibration pourrait donc représenter une alternative
complémentaire dans la détection de défauts. Cette piste pourra être approfondie dans la
suite de ce travail.
o En ce qui concerne le diagnostic, la technique des réseaux Bayésiens permet de faire une
adaptation des paramètres et également de la structure du réseau, par apprentissage sur une
base de cas. La plupart des logiciels de modélisation de réseaux Bayésiens permettent de
faire facilement un apprentissage de paramètres. L’offre logicielle d’apprentissage de
structures se développe de plus en plus. Ces possibilités d’adaptation constituent des
perspectives intéressantes dans la mesure elles permettront de s’affranchir de la subjectivité
de l’avis des experts. Ce qui permettrait sans doute d’améliorer la précision des conclusions
134 Conclusion générale

du réseau Bayésien. La principale difficulté est la construction d’une base valide en taille et
en qualité.
o Le diagnostic devrait permettre de faire des recommandations de maintenances préventives.
Dans le système actuel nous n’avons pas d’outil de décision qui nous guiderait par exemple
pour donner les différentes recommandations suite à un diagnostic. Cet aspect de l’analyse
décisionnelle n’a pas été vraiment abordé durant cette thèse et pourrait faire l’objet de
travaux futurs.

136
ANNEXES
________________________________________________________________________________
137
138 Annexe
Annexe 1 : Résistances (Électrique et Thermique) d’un contact.
1. Le passage du courant à l’interface d’un

contact électrique
Le passage du courant à l’interface d’un contact électrique se caractérise par deux phénomènes :
o L’effet tunnel à l’origine de la résistance de film.
o L’effet de striction à l’origine de la résistance de striction.
1.1. La résistance de film

Au contact de l’air ambiant tout métal se recouvre d’une couche d’oxyde de quelques nanomètres
d’épaisseur. A l’interface d’un contact électrique, cette couche d’oxyde offre une résistance au
passage du courant. Cette résistance s’explique par un mécanisme de type « effet tunnel » [9].
L’effet tunnel désigne la propriété que possède un électron à franchir une barrière de potentiel. Ce
phénomène non explicable par la mécanique classique trouve une explication dans la nature
ondulatoire des électrons, régie par l’équation classique de Schrödinger en mécanique quantique
[43]. La probabilité de franchissement par les électrons de la barrière créée par la couche d’oxyde à
l’interface d’un contact n’est pas nulle même si les électrons ne possèdent pas toute l’énergie
nécessaire. Par conséquent cette couche d’oxyde peut être conductrice de courant électrique. Par
conséquent cette couche d’oxyde peut être conductrice de courant électrique. Pour caractériser la
propriété conductrice de la couche d’oxyde, on introduit la résistivité superficielle qui s’exprime en
Ω / m 2 La formule donnant la résistance de film est alors [7]:
σ0
R film =
S ef
Où
S ef : Surface effective de contact
σ 0 : Résistivité superficielle du matériau.
Sachant que la surface effective de contact est constituée de points élémentaires, si nous faisons
l’hypothèse que nous avons n points de rayon moyen « a » alors la formule précédente devient :
σ0
R film =
n ⋅ π ⋅ a²

Où
n : Nombre de points de contacts élémentaires.
a : Rayon moyen des points de contacts élémentaires
1.2. La résistance de constriction

A l’interface du contact métallique le courant électrique passe par les contacts élémentaires.
Les lignes de courant à l’interface du contact convergent toutes vers les zones conductrices que sont
les points de contacts élémentaires. Le resserrement des lignes de courant pour passer aux travers
des points de contacts élémentaires est à l’origine de la résistance de constriction [8]. La résistance
de constriction est une résistance purement ohmique. Elle tient compte de la résistivité ρ du
matériau. En faisant l’hypothèse que la taille des conducteurs est grande devant celle des contacts
élémentaires, la formule de la résistance de constriction est donnée dans [8] par:
ρ
Rcons =
2⋅n⋅a
Où
ρ : Résistivité du matériau
a : Rayon moyen des points de contacts élémentaires
n : Le nombre de contacts élémentaires
2. Le passage du flux thermique à l’interface

d’un contact électrique
2.1. La résistance thermique de constriction
Le transfert thermique à l’interface du contact entre deux parties métalliques est complexe et
s’explique par plusieurs phénomènes dont les plus prépondérants sont :
• La conduction par les points de contacts élémentaires
• La conduction par le fluide interstitiel

Ce deuxième phénomène est moins influant à cause de la conductivité réduite des fluides par
rapport aux métaux.
140 Annexe
En ce qui concerne la conduction par les points de contacts élémentaires, les lignes de flux
thermique subissent un resserrement à l’interface du contact entre les deux parties métalliques. La
courbure de ces lignes de flux thermique due à leur passage préférentiel aux points de contacts
élémentaires, entraîne une augmentation supplémentaire de la résistance thermique [10]-[11]. C’est
le même phénomène que la résistance électrique de constriction relativement aux lignes de courant
électrique. L’existence de la résistance thermique se traduit concrètement par une chute
supplémentaire de température à l’interface des parties métalliques).
Ce phénomène est évoqué dans [44] par son auteur, qui attire l’attention sur le fait que même si
c’est le même phénomène physique qui explique la résistance électrique de constriction et la
résistance thermique de constriction, le ressenti pratique des choses est complètement différent. Et
cela s’explique par le fait qu’il existe « un rapport quasi infini de la conductivité électrique des
conducteurs relativement à celle des isolants, en regard du rapport correspondant en thermique ».
Ainsi dans l’exemple d’un condensateur électrochimique, un copeau métallique venant s’interposer
entre les deux armatures du condensateur suffit pour détruire le condensateur par court-circuit, alors
que la diminution de résistance thermique de constriction dans ce cas, reste quasi indécelable.
Dans certaines situations, la résistance thermique est négligeable. Il n’en demeure pas moins que
dans d’autres cas cette résistance gagne en importance et ne peut pas être toujours négligée.
Figure 69 : Illustration de l’élongation des lignes de flux thermique à l’interface

d’un contact

2.2. Le calcul de la résistance thermique
En écrivant la conservation du flux de chaleur conductif à l’interface du contact nous obtenons une
formule théorique donnant la résistance thermique de contact.
λ ⋅ S ef λ ⋅Sf
Φ= [T1 − T2 ] + [T1 − T2 ] = Cth ⋅ S ⋅ [T1 − T2 ]
δ δ
1 1
D’où Rth = =
C th 1  S ef Sf 
 ⋅λ + ⋅λf 
δ S S 
Où
δ : L’épaisseur moyenne de l’interstice
λ f : La conductivité thermique du fluide interstitiel
S f : La surface moyenne correspondant aux interstices remplis par le fluide interstitiel.
λ : La conductivité du métal utilisé

S : La surface totale
C th : La conductance thermique
Rth : La résistance thermique de contact.
1 1
Si nous négligeons la conduction dans la zone interstitielle, il vient : Rth = =
C th 1  S ef 
 ⋅ λ 
δ S 
142 Annexe
Annexe 2 : Exemple de Calcul de la résistance thermique.
65mm 30mm 35mm
Rth3
T0 T1
T2 T2
T0 T1
Rth1 Rth2 Rth4
Figure 70 : Montage servant au calcul de la résistance thermique par la mesure

de la température.
o La conservation du flux thermique de conduction mène à :
( Rth3 + Rth2 + Rth4 )(T0 − T1 ) = Rth1 .(T1 − T2 )
(T1 − T2 )
Soit, Rth3 = Rth1 . − ( Rth2 + Rth4 )
T0 − T1
o Calcul de Rth2 et Rth4 : Particulièrement sur ce montage on a : Rth 2 + Rth 4 = Rth1
L
Calcul de Rth1 : Rth1 = = 0.82°C / W
λ *S
Avec L (longueur de la barre)= 65mm, S (section de la barre)= 40*5 mm² et λ(conductivité
thermique du cuivre)=385W/°C.m
D’où les résultats suivants :
1 pince barre 1pince barre 3 pinces 3 pinces boulonnée boulonnée

courte longue barre courte barre barre barre longue
longue courte
T0[°C] 76,1 73,7 69,3 76 69,1 75,4
T1[°C] 72,3 69,4 64,3 71,9 64,2 71,4
T2[°C] 57,4 48,6 53,7 63,4 57,6 68
Rth [°C/W] 2.5 2.9 0.9 0.9 0.1 0.3
Tableau 4 : Tableau de valeurs de résistances thermiques issues du calcul.

144 Annexe
Annexe 3 : Résultats de l’essai de desserrage progressif sur les
contacts de type boulonné.
Les courbes ci-dessous représentent les profils de températures enregistrées (pour chaque type de
contact) lors de l’essai de desserrage ainsi que les variations de résistances électriques mesurées.
Contact boulonné pincé
R é s is ta n c e d e Boulonné pincé
c o n ta c t ( µ Ω ) 200
150
100
50
0
2
4
6
8
10
14
18
22
26
ai n
m
ge
Couple de serrage
r ra
Se
Contact boulonné à plat
Boulonné à plat
R é s is ta n c e d e
c o n ta c t (µ Ω )
250
200
150
100
50
0
1
2
5
10
20
30
40
50
ai n
am
àl
Couple de serrage

Contact boulonné Surchant
Boulonné surchant
200
R ésistance d e
con tact ( µ Ω )
150
100
50
0
à la 1 2 5 10 20 28
main
Couple de serrage
Figure 71 : Profils de températures obtenus lors de l’essai de desserrage des

contacts boulonnées
146 Annexe
Annexe 4 : Théorie de transfert thermique
1. Conduction
La conduction thermique est le mode de transfert de chaleur provoqué par une différence de
température entre deux régions d’un même milieu ou entre deux milieux en contact sans
déplacement appréciable de matière.
Il existe deux types de conduction :
• La conduction simple où le corps solide n’est le siège d’aucune création de chaleur, par
exemple la conduction dans un mur.
• La conduction vive où le corps solide est le siège d’une création de chaleur, par exemple la
conduction dans les barres de cuivre parcourues par un courant électrique.
La transmission de chaleur par conduction est régie par la loi de Fourier qui traduit un débit de
chaleur dû à un gradient de température. Son expression unidimensionnelle se réduit à :
(T1 − T2 )
Φ cond = λ ⋅ S ⋅
L
Où
Φ cond : Flux échangé entre deux points 1 et 2 d’un solide en W
S : Surface d’échange en m²
T1 , T2 : Température respectivement aux points 1 et 2 du solide.
L : Distance entre les deux points considérés

λ : Conductivité thermique en W/m°C du matériau du solide.
La conductivité thermique est une caractéristique du matériau. A titre indicatif, voici quelques
valeurs de conductivité de matériau utilisé dans le tableau électrique.
Cuivre Argent Aluminium PVC
λ( W/m°C ) 385 420 203 0.167
Tableau 5 : Exemples de conductivité thermique de certains matériaux

2. Convection
La convection se définit comme un échange thermique entre un fluide en mouvement et un corps

solide. La convection peut se faire de manière naturelle ou forcée avec un ventilateur par exemple.
Pour un fluide à la température T∞ autour d'un solide de surface S, à la température uniforme TS ,
l'expression du flux de chaleur en convection est donnée par la formule de Newton :
Φ conv = h ⋅ S (Ts − T∞ )
Où
Φ conv : Flux convectif échangé en W entre le fluide et le corps solide.
S : Surface d’échange en m²
TS : Température à la surface du solide
T∞ : Température du fluide
h : Coefficient d’échange convectif en W/°K*m²

Le coefficient d’échange convectif dépend des conditions d’écoulement du fluide et de la forme du
solide. Son calcul fait intervenir un paramètre sans dimension de la mécanique des fluides, qui est le
nombre de Nusselt (Nu).
Dans le cas de la convection naturelle le nombre de Nusselt dépend de deux autres paramètres qui
sont le nombre de Prandtl ( Pr ) et celui de Grashof ( Gr ). Soit Nu = K .(Gr ⋅ Pr ) avec K et α
α
constantes.
Dans le cas de la convection forcée le nombre de Nusselt dépend du nombre caractéristique de
Reynolds et du nombre de Prandtl. Nu = K . Reα ⋅ Pr β avec K, α et β des constantes.
Dans la réalité le coefficient d’échange convectif est difficilement calculable de manière analytique.
Il faut donc recourir à des techniques numériques.
3. Rayonnement
Le rayonnement est un phénomène de transfert thermique par l’intermédiaire d’ondes

électromagnétiques, entre deux milieux séparés par un milieu transparent. L’exemple de
rayonnement le plus connu est le rayonnement. Le rayonnement fait intervenir des phénomènes
physiques complexes. Pour simplifier la compréhension du phénomène de rayonnement, l’exemple
148 Annexe
pris classiquement est celui du corps noir. Le corps noir est un modèle théorique correspondant à un
corps qui absorbe toute l’énergie qu’il reçoit sans aucune réflexion.
D’après la loi de Stephan Boltzmann, le flux thermique rayonné par un corps noir est donné par :
Φ = σ ⋅ S ⋅T 4
Les corps réels sont pris comme étant une approximation du corps idéal qu’est le corps noir. Ainsi
pour étendre la formule de rayonnement à ces derniers, on introduit le coefficient d’émissivité ε .
La formule générale devient :
Φ = ε ⋅σ ⋅ S ⋅T 4
Où :
Φ : Flux rayonné par un corps en W
S : Surface d’émission en m²
T : Température des corps en regard
ε : Emissivité
Le coefficient d’émissivité mesure l’écart qu’il y a entre un corps noir et un corps réel en terme
d’émission d’énergie. Il dépend de la nature du matériau et de plusieurs paramètres dont l’état de
surface, la température, la longueur d’onde, la direction d’émission de l’onde etc.
L’échange radiatif entre deux corps est complexe à décrire. On fait communément intervenir un
coefficient sans dimension appelé facteur de forme ( F ) qui dépend de l’émissivité des deux corps
qui échangent et de leur géométrie.
Le flux thermique échangé entre deux corps respectivement de surface S1 et S 2 et de température

T1 et T2 est donné par :
( 4
Φ rad = F1, 2 ⋅ σ ⋅ S1 ⋅ T1 − T2
4
)
Où
Φ rad : Flux radiatif échangé entre deux corps en W
S1 , S 2 : Surface d’émission en m²
T1 , T2 : Température des corps en regard
F1, 2 : Facteur de forme
Pour simplifier les calculs et pour faire l’analogie avec l’échange par convection et par conduction,
on définit un coefficient d’échange radiatif hr , la formule précédente devient :

Φ rad = hr ⋅ S1 ⋅ (T1 − T2 )
( 3 2 2
avec hr = F1, 2 ⋅ σ ⋅ T1 + T1 ⋅ T2 + T1 ⋅ T2 + T2
3
)
150 Annexe
Annexe 5 : Algorithme de vieillissement
Cette figure donne une vision schématique de l’algorithme de vieillissement présenté au chapitre 4.
Initialisation...
j=j+1
Pour h variant de 1 à 24
 h norm T h −T norm 
 ∆Tc −∆Tc a 
 + a 
 norm
∆c norm
∆a 
 
vh = 2
vj + vh
vj =
24
vc + vj
vc =
j
Afficher
vc
Figure 72 : Algorithme de vieillissement

152 Annexe
Annexe 6 : Tables de probabilités associées aux variables
intermédiaires et terminales du réseau Bayésien
♦ Dégradation de contact (noisy or node)
Mauvais Visserie non Cycle de f Maintenance Surcharges
serrage conforme onctionnement Force Corrosion transitoires Vibration
parent des métaux
state yes no yes no 8h/24h 24h/24h high small yes no yes no yes no
yes 0.8 0 0.05 0 0.15 0 0.6 0 0.5 0 0.25 0 0.2 0
no 0.2 1 0.95 1 0.85 1 0.4 1 0.5 1 0.75 1 0.8 1
Tableau 6 : Table de probabilités de la variable « Dégradation de contact »
♦ Température interne élevée (noisy or node)

Température externs élevée Mauvaise ventilation Echauffement local anormal Facteur de diversité
parents
states yes no yes no yes no high normal
yes 0.99 0 0.75 0 0.05 0 0.5 0
no 0.01 1 0.25 1 0.95 1 0.5 1
Tableau 7 : Table de probabilités de la variable « Température interne élevée »
♦ Echauffement local anormal (noisy or node)
Dégradation de contacts Taux d’harmoniques Surcharge permanentes Surcharges transitoires

Parent
states yes no high normal yes no yes no
yes 0.9 0 0 0 0.05 0 0.25 0
no 0.1 1 1 1 0.95 1 0.75 1
Tableau 8 : Table de probabilités de la variable « Echauffement local anormal »
♦ Réduction d’isolement
Degré de High_IP Samll_IP

protection
Dégradation yes no yes no
d’isolants
Ambiance yes no yes no yes no yes no
humide
Ambiance
saline yes no yes no yes no yes no yes no yes no yes no yes no
yes 0.8 0.65 0.4 0.4 0.4 0.1 0.05 0 1 0.85 0.6 0.4 0.5 0.25 0.1 0
no 0.2 0.35 0.6 0.6 0.6 0.9 0.95 1 0 0.15 0.4 0.6 0.5 0.75 0.9 1
Tableau 9 : Table de probabilités de la variable « Réduction d’isolement »

♦ Perte de données radio
Environnement
poussièreux yes no
yes 0.65 0.3
no 0.35 0.7
Tableau 10 : Table de probabilités de la variable « Perte de données radio »
♦ Déclenchements intempestifs. (noisy or node)
Température Vibration Surcharges Surcharges

interne élevée transitoires permanentes
parents
states yes no yes no yes no yes no
yes 0.7 0 0.15 0 0.5 0 0.99 0
no 0.3 1 0.85 1 0.5 1 0.01 1
Tableau 11 : Table de probabilités de la variable « Déclenchements intempestifs »
♦ Dégradation d’isolants
Température interne élevée yes yes yes yes no no no no

Echauffement local anormal yes yes no no yes yes no no
Ambiance corrosive yes no yes no yes no yes no
yes 1 0.8 0.4 0.1 0.65 0.5 0.25 0
no 0 0.2 0.6 0.9 0.35 0.5 0.75 1
Tableau 12 : Table de probabilités de la variable « Dégradation d’isolants »
♦ Corrosion de métaux
Ambiance humide yes yes no no
Ambiance corrosive yes no yes no
yes 1 0.05 0.75 0
no 0 0.95 0.25 1
Tableau 13 : Table de probabilités de la variable « Corrosion de métaux »
♦ Risques d’amorçage
Reduction
d’isolement yes no
yes 0.9 0.01
no 0.1 0.99
Tableau 14 : Table de probabilités de la variable « Risques d’amorçage »
154 Annexe
Annexe 7 : Tables des paramètres dimensionnels EchaufWeb en
fonction de la section des câbles isolés
En générale quand on modélise un conducteur isolé seul sa section est connue. Ce tableau donne
(en fonction de la section du conducteur), les périmètres et les sections d’échanges du conducteur et
de son isolant. Ces valeurs sont utiles pour la modélisation EchaufWeb des câbles isolés
Conducteur (âme) Isolant

Section
Périmètre section Périmètre épaisseur
nominale
(mm) (mm²) (mm) (mm)
(mm²)
1.5 4.3 5.6 9.4 0.8
2.5 5.6 7.7 11.3 0.9
4 7.1 9.9 13.2 1.0
6 8.7 11.3 14.8 1.0
10 11.2 18.3 18.8 1.2
16 14.2 28.2 23.6 1.5
25 17.7 41.5 28.9 1.8
35 21.0 51.6 33.0 1.9
50 25.1 70.8 39.0 2.2
70 29.7 92.9 45.2 2.5
95 34.6 129.3 53.1 3.0
120 38.8 154.6 58.7 3.2
150 43.4 196.4 66.0 3.6
185 48.2 234.1 72.6 3.9
240 54.9 295.0 82.0 4.3
Ces données sont issues du catalogue "câbles SILEC" (câble H07V-K)
Tableau 15 : Tableau de sections et des périmètres d’échange des câbles

isolés.

156 Annexe
Annexe 8 : Analyse de sensibilité sur les températures résultantes
du modèle thermique de détection par rapport aux erreurs sur les
dimensions de jeux de barres.
A titre indicatif nous avons fait une étude de sensibilités des températures résultantes du modèle par
rapport aux erreurs faites sur les dimensions de jeu de barres qui peuvent être mesurées
approximativement , dans le cas où nous ne disposons pas des plans de construction du tableau
électrique. Cette étude montre qu’une erreur sur la longueur ou sur la section des jeux de barres
jusqu’à 10%, engendre respectivement moins de 2% (pour les longueurs) et moins de 5% (pour les
sections) de variation sur la température. C’est donc une valeur d’erreur acceptable.
Figure 73 : Analyse de sensibilité, par rapport aux erreurs dimensionnelles, des

températures calculées par EchaufWeb.

158 Annexe
BIBLIOGRAPHIE
________________________________________________________________________________

160 Bibliographie
Bibliographie
[1] Kahan N’guessan, Eric Jouseau , Jean-Pierre ROGNON, Gilles Rostaing , Florence
François “A new approach for local detection of failures and global diagnosis of LV
switchboards.” IEEE International Conference on Power Engineering, Setubal, April
2007.
[2] Kahan N’guessan, Eric Jouseau , Gilles Rostaing , Florence François

“A Joint faults detection in LV switchboard and its global diagnosis, through a Temperature
Monitoring System” IEEE International Conference on Industrial Technology, Mumbai,
December 2006.
[3] Sandy Dunn. "Condition Monitoring in the 21st century." Plant Maintenance Resource
Center 20 sept. 2006 available at http://www.plant-maintenance.com/articles
/ConMon21stCentury.shtml.
[4] Roland AUBER. "Techniques de l'ingénieur: Tableaux et armoires." 1997
[5] Fernando Lisboa. "Thermal Imaging in a predictive maintenance program." Sensors

Magazine, August 2003.
[6] Albert Livshitz, Bella H. Chudnovsky, Boris Bukengolts, Boris A Chudnovsky. "On-Line
Temperature Monitoring of Power Distribution Equipment." PCIC 2005 Denver, USA:
2005. pp223-231.
[7] International Electrotechnical Commission. "IEC-60943, paragraph 2.3.2 Calculation of

the Film resistance." 1998.
[8] International Electrotechnical Commission. "IEC-60943, paragraph 2.3.1 Calculation of

the Constriction resistance." 1998
[9] Christian Ngô ,HélèneNgô. "Chapitre 4.7 : Effet tunnel." Physique quantique
Introduction Ed. Dunod Paris: 2000. pp 166-171.
[10] Bernard Eyglunent. "Chapitre 3.2 : La question des interfaces." Thermiques Théorie
et pratique à l'usage de l'ingénieur Hermes, 1994.

[11] Ana-Maria Bianchi, Yves Fautrelle, Jacqueline Etay. "Chapitre 2.3.2 : Résistance
thermique de contact." Transferts thermiques Presse polytechniques et universitaires
Romandes, 2004.
[12] L. Féchant. Le contact électrique : l'appareillage de connexion Hermes, 1994.
[13] International Electrotechnical Commission. " IEC-60943.1, paragraph 2.2 Nature of

electric contact." 1998.
[14] John Hus. "Reduction of Joint Force by Creep in High Current Joints." IEEE
Transactions on Industry Applications 26.5 (1990), pp 926-934.
[15] International Electrotechnical Commission. "IEC-60943, paragraph3 page 31, Ageing

mechanisms of contacts and connection terminals." 1998.
[16] Stephan Schoft. "Measurement and calculation of the decreasing joint force in high
current aluminum joints." 22nd Conference on Electrical Contacts Seattle: 2004, pp
511-518.
[17] International Electrotechnical Commission. "IEC-60354, Chapitre 6.2 Vieillissement

Thermique des isolants des transformateurs." IEC, 1992.
[18] Mathsoft Engineering and Education, Inc. " Logiciel Matcad 12."
[19] International Electrotechnical Commission. "IEC-890, A method of temperature-rise

assessment by extrapolation for partially type-tested assemblies (PTTA) of low-
voltage switchgear and controlgear." IEC, 1987.
[20] Rapport de stage ECHAUFFWEB disponible dans la base :

P:\PROJETS\Eds\5_EDS_TEAM\projet_EchaufWeb\DOCS\index.htm
[21] F. Rosenblatt. "Principles of Neurodynamics." New York: Spartan Books, 1962.
[22] Christopher M. Bishop. "Section4.3.1 Three-Layers Network." Neural Network for

Pattern Recognition Oxford university press, 2005. pp 129-132.
[23] Christopher M. Bishop. "Section 9 Learning and Generalization." Neural Network for
Pattern Recognition Oxford university press, 2005. pp 332-333.
[24] Christopher M. Bishop. "Section 7.11 The Levenberg-Marquardt algoritm." Neural

Network for Pattern Recognition Oxford university press, 2005. pp290-292.
162 Bibliographie
[25] Christopher M. Bishop. "Section 4.8 Error Back-propagation." Neural Network for
Pattern Recognition Oxford university press, 2005, pp 140-160.
[26] Hagan, M.T, and M. Menhaj, “Training feedforward networks with the Marquardt
algorithm,” IEEE Transaction on neural networks, Vol .5 n°6, pp.989-993, 1994.
[27] Claus Skaanning, Finn V. Jensen, Uffe Kjærulff, Paul Pelletier & Lasse Rostrup-
Jensen, “Printing System Diagnosis A Bayesian Network Application” presented at
Ninth International Workshop on Principles of Diagnosis, Massachusetts, USA, 1998,
Available: www.cs.auc.dk/~uk/papers/skaanning:etal:98.doc
[28] FinnV.Jensen. “Bayesian Networks and decision graph: Statistics for engineering and
information” science Springer-Verlag, 2001.
[29] Patrick Naïm, Pierre-henri Wuillemin, Philippe leray, Olivier Pourret, Anna Becker.
"Réseaux Bayésiens." Eyrolles, 2004.
"Chapitre 1.1.2 D-séparation (blocage)." Réseaux Bayésiens Eyrolles, 2004.
[31] Murphy, Bayes Net Toolbox for Matlab, available at

www.cs.berkeley.edu/~murphyk/Bayes/bnt.html
"Chapitre 1.1.1 Circulation de l'information dans un graphe causal." Réseaux
Bayésiens Eyrolles, 2004. pp 4-6.
[33] Heckerman, “A Tutorial on Learning with Bayesian Networks”, Technical report

Microsoft Research MSR-TR-95-06, 1996.
"Chapitre 2.2: Apprentissage." Réseaux Bayésiens Eyrolles, 2004. pp 30-36.
[35] Christophe Kilindjian, Thermal study of LV electric switchboards, available at

www.schneiderelectric.com/cahier_technique/en/
abstracts/thermal_study_LV_switchboards.htm
[36] Olivier Bouju dependability and LV switchboards Cahier technique n°156

www.schneiderelectric.com/cahier_technique/en/abstracts/
dependability_LV_switchboards.htm

[37] Les cahiers GIMELEC, Tableaux électriques basse tension n° 4 : "La maîtrise des
effets thermiques". www.gimelec.fr/techf.htm
[38] International Electrotechnical Commission. "IEC-60439.1 , Chapitre 6.1.1.1 :

Température de l'air ambiant pour les installations à l'intérieur." IEC, 2004.
[39] FinnV.Jensen, “Noisy-0r”, in Bayesian Networks and decision graph, Statistics for
engineering and information science, Springer 2001, sec2.3.2, pp 59-60.
[40] Przytula, K.W. Dash, D. Thompson, D. “Evaluation of Bayesian networks used for
diagnostics”, proc. IEEE Vol.7, Sep 2003. pp: 3177- 3187.
"Chapitre 6.1.2 : A partir de données incomplètes" Réseaux Bayésiens Eyrolles,
2004. pp 103-106.
[42] Basseville, M. and Cordier, M.O. 1996. Surveillance et diagnostic de systèmes

dynamiques : approches complémentaires du Traitement de Signal et de
l'Intelligence Artificielle. Rapport de Recherche INRIA 2861.
[43] Christian Ngô ,HélèneNgô. "Chapitre 1.5.4 : Equation de Schrödinger" Physique

quantique Introduction Ed. Dunod Paris: 2000. pp 166-171.
[44] Alain DEGIOVANNI. "Technique de l'ingénieur: Transmission de l’énergie thermique."

available at www.techniques-ingenieur.fr
164 Bibliographie

Outils & Mce TGBT

Transféré par

Droits d'auteur :

Formats disponibles

Outils & Mce TGBT

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Outils & Mce TGBT

Transféré par

Droits d'auteur :

Formats disponibles

INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE

N° attribué par la bibliothèque

pour obtenir le grade de

DOCTEUR DE L’INP Grenoble

Spécialité : « Génie Electrique »

préparée au laboratoire de Génie Electrique de Grenoble (UMR 5269 INPG-UJF-CNRS),

présentée et soutenue publiquement

METHODES ET OUTILS D’AIDE AU DIAGNOSTIC ET A LA MAINTENANCE DES

DIRECTEUR DE THESE : ROGNON Jean-Pierre

M. Guy CLERC , Président

Je remercie tout particulièrement le professeur Guy CLERC de l’université de Lyon 1 et le

Remerciement spécial à Daniel ROYE et Pierre GRANJON, professeur et professeur assistant à

Enfin un grand merci à Danielle pour son soutien moral.

« Ce travail est un cadeau à ma mère

CHAPITRE 1 :CONTEXTE DE L’ETUDE............................................................ 15

CHAPITRE 2 :LE CONTACT ELECTRIQUE ET LES ESSAIS DE MISE EN EVIDENCE

I. GENERALITES SUR LE CONTACT ELECTRIQUE ...................................................................................... 28

CHAPITRE 3 :LA THERMIQUE DANS LE TABLEAU ELECTRIQUE ET LE

I. LA THERMIQUE DANS L’ARMOIRE ELECTRIQUE ................................................................................... 49

Aide à la maintenance préventive des tableaux électriques basses tensions 5

CHAPITRE 4 :SYSTEME DE DETECTION......................................................... 62

I. INDICATEUR DE FRANCHISSEMENT DES SEUILS DE TEMPERATURES ................................................... 63

CHAPITRE 5 :SYSTEME DE DIAGNOSTIC ...................................................... 92

I. LES RESEAUX BAYESIENS ....................................................................................................................... 93

CONCLUSION ............................................................................................. 114

CHAPITRE 6 :LE SYSTEME COMPLET : EXEMPLE D’APPLICATION ............... 118

INTRODUCTION ......................................................................................... 118

CONCLUSION ............................................................................................. 132

CONCLUSION GENERALE ............................................................................ 133

ANNEXES ................................................................................................... 137

ANNEXE 1 : RESISTANCES (ÉLECTRIQUE ET THERMIQUE) D’UN CONTACT. ........................................... 139

BIBLIOGRAPHIE ........................................................................................ 159

BIBLIOGRAPHIE ........................................................................................ 161

Aide à la maintenance préventive des tableaux électriques basses tensions 7

Figure 1 : Exemple de réseau électrique industriel simplifié.

Aide à la maintenance préventive des tableaux électriques basses tensions 9

Figure 2 : Différents types de maintenances préventives.

Schneider-Electric, comme tous les constructeurs d’équipements, propose systématiquement à ses

Aide à la maintenance préventive des tableaux électriques basses tensions 11

II. Le tableau électrique Basse tension et ses

Aide à la maintenance préventive des tableaux électriques basses tensions 15

2. Les cloisonnements internes

16 Chapitre 1 : Contexte de l’étude

La distribution est constituée de jeux de barres de distribution horizontales et verticales et de

L’ensemble de l’appareillage est constitué de dispositifs pour la protection, la commande, le

5. Les câbles de raccordements clients

Aide à la maintenance préventive des tableaux électriques basses tensions 17

Figure 4 : Structure du tableau électrique « OKKEN » de Schneider-Electric

III. Etat des lieux des causes de défaillances

18 Chapitre 1 : Contexte de l’étude

1. Les Grandes familles de causes de

1.1. Environnement /Pollution

1.2. Défauts de raccordements

1.3. Défauts appareillages et ventilations

Aide à la maintenance préventive des tableaux électriques basses tensions 19

1.5. Objets oubliés ou intrusions extérieures

2. Répartition des grandes familles de

Figure 5 : Répartition des causes de défauts des tableaux électriques

20 Chapitre 1 : Contexte de l’étude

1. La surveillance thermique hier et