Philippe Dessante HDR 015813

Optimisation, conception et modélisation des systèmes
électrotechniques
Philippe Dessante
To cite this version:

Philippe Dessante. Optimisation, conception et modélisation des systèmes électrotechniques. Physique
des plasmas [physics.plasm-ph]. Université Paris Sud - Paris XI, 2012. �tel-00718555�
HAL Id: tel-00718555

https://theses.hal.science/tel-00718555
Submitted on 17 Jul 2012
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
N° D’ORDRE 1515
Mémoire
Optimisation, conception et modélisation des systèmes

électrotechniques
Présenté pour obtenir
L’HABILITATION A DIRIGER DES RECHERCHES

DE L’UNIVERSITE PARIS-SUD 11
par
Philippe Dessante
Soutenue le 22 juin 2012 devant la Commission d’examen :
M. EICHWALD Olivier, Professeur, Laboratoire Laplace
M HECQUET Michel, Professeur, Ecole Centrale de Lille
M MULTON Bernard, Professeur, ENS de Cachan
M. VANNIER Jean-Claude, Professeur, Département Énergie, Supélec
M. BERGER Gérard, directeur de recherche, LPGP, Université Paris Sud
M. ROGER Daniel, Professeur, LSEE - Université d'Artois - Béthune
Rapporteurs :
M. EICHWALD Olivier, Professeur, Laboratoire Laplace
M HECQUET Michel, Professeur, Ecole Centrale de Lille
M MULTON Bernard, Professeur, ENS de Cachan
Travaux effectués au département Énergie de Supélec, à Gif-sur-Yvette

Optimisation, conception et
modélisation des systèmes
électrotechniques
Philippe Dessante
2
Figure 1 – Amazing Stories août 1926

Première partie
Fiche synthétique
3
Chapitre 1
CV scientifique
1.1 État civil

Philippe Dessante
Né le 28 décembre 1971, 40 ans.
Célibataire, vie maritale, un enfant.
Professeur adjoint au département Énergie,

équipe d’accueil E3S EA4454, Supélec.
Mél : [email protected]
Adresse : Département Énergie, Supélec

3 rue Joliot Curie
Plateau de Moulon
91192 Gif-sur-Yvette
1.2 Titres universitaires

– 2000 : Thèse de doctorat de l’Université de Versailles - Saint-Quentin-en-
Yvelines ;
– 1996 : DEA de Modélisation mathématique, simulation et applications à la
physique, Université de Versailles - Saint-Quentin-en-Yvelines ;
– 1995 : Maîtrise d’ingénierie mathématique, Université de Montpellier II ;
– 1995 : Licence de mathématiques, Université de Montpellier II ;
– 1993 : DEUG A, Université de Montpellier II.
5
6 Chapitre 1 : CV scientifique
1.3 Parcours professionnel

– 1996-2000 : thèse de Doctorat au laboratoire de physique des gaz et des
plasmas ;
– depuis 2001 : professeur assistant puis professeur adjoint au département
Énergie de Supélec (EA 4454).
1.4 Activités d’enseignement

Responsabilités d’enseignement :
– chargé du cours méthodes numériques et optimisation en deuxième année
de Supélec (33h eq. TD) ;
– chargé de cours en troisième année de Supélec en optimisation et me-
thodes numériques (28h eq. TD) ;
– TD d’électrotechnique en première année de Supélec (6h eq. TD) ;
– TD de méthodes numériques et optimisation en deuxième année de Supé-
lec (6h eq. TD) ;
– TP d’électrotechnique en première année de Supélec (50h eq. TD) ;
– encadrement de projets d’études d’élèves ingénieurs Supélec (50h eq. TD) ;
– cours en formation continue d’analyse numérique, d’optimisation,
d’électrotechnique, et de physique des décharges (15 eq. TD) ;
– co-responsable du mastère spécialisé Ingénieur d’affaire pour les nou-
veaux marchés de l’électricité (IANME).
1.5 Activités liées à l’administration

– Membre du comité de pilotage du projet Énergie, Supélec.
1.6 Activités liées à la recherche

1.6.1 Prix
– "PLASMA PHYSICS INNOVATION PRIZE" décerné par la Société Euro-
péenne de Physique, "for breakthrough developments and applications of
basic plasma physics tools to address environmental concerns" en colla-
boration avec Emmanuel Marode, Christophe Laux, Djamal Djermoune,
Christian Deniset, Pierre Ségur, François Bastien, et Anne Bourdon.
1.6 Activités liées à la recherche 7
1.6.2 Organisations de congrès scientifiques

Organisation de congrès scientifiques :
– Électrotechnique du futur (2003) : EF2003, Supélec 2003 ;
– Journées du club EEA, Supélec 2006 ;
– Journée d’économie expérimentale, Supélec 2007 ;
– sixième Conférence de la Société Française d’Électrostatique, SFE 2008.
1.6.3 Comités de lecture

Participation à des comités de lecture :
– revues d’articles pour la revue IET Generation, Transmission and Distribu-
tion ;
– revues d’articles pour le congrès Power System Computation Conference :
PSCC 2005 ;
– revues d’articles pour la conférence de la société française d’électrosta-
tique : SFE 2008 ;
– revues d’articles pour la revue IEEE TDEI Electrostatics ;
– revues d’articles pour la revue Journal of Electrostatics.
1.6.4 Participation à des jurys de thèse

– Examinateur de la thèse d’Assia Djellalli : Optimisation technico - écono-
mique d’un réseau d’énergie électrique dans un environnement dérégulé.
Jury : J. Robert, F. Bernot, A. Jaafari, M. Meunier, Ph. Dessante.
– Examinateur de la thèse de Marcelo Saguan : Analyse économique des

architectures de marché électrique. Application au Market Design du temps
réel .
Jury : R. Belmans, C. von Hirschhausen, S. Saussier, Ph. Dessante, M. Mas-
soni, J.-M. Glachant.
– Examinateur de la thèse de Vincent Rious : Le développement du réseau de

transport dans un système électrique libéralisé, un problème de coordination
avec la production.
Jury : R. Green, J. Doucet, S. Saussier, Ph. Dessante, J.-M. Coulondre, É. Le
Boulanger, J.-M. Glachant.
– Examinateur de la thèse de Florent Maupas : Analyse de l’impact écono-

mique de l’aléa éolien sur la gestion de l’équilibre d’un système électrique.
Jury : J.-M. Glachant, J. Usaola, Ch. Weber, E. Neau, U. Stridbaeck, Ph.
Dessante.
– Examinateur de la thèse de Julien Capeillere : Modélisations numériques

bidimensionnelles du transport des particules et photons dans des gaz ionisés.
Application au xénon sous excitation laser et à la propagation d’une décharge
monofilamentaire à barrières diélectriques dans l’azote.
Jury : O. Eichwald, J-F. Loiseau, J-M. Pouvesle, Ph. Dessante, M.C. Bordage,
N. Sewraj.
– Examinateur de la thèse d’Herman Bayem : Apport des méthodes probabi-
listes pour l’insertion de la production éolienne dans les systèmes électriques
.
Jury : J. Usaola, V. Miranda, G. Kariniotakis, Françoise Lamnabhi, Ph. Des-
sante, J.-C. Vannier.
– Examinateur de la thèse de Michelle Nsoumbi : Étude des mécanismes
d’inflammation d’un matériau isolant en présence d’un point chaud d’origine
électrique.
Jury : N. Ben Jemaa, S. Berthelot, S. Bourbigot, Ph. Dessante, D. Diallo, Z.
Khatir, P. Lagonotte, Ph. Testé.
1.6.5 Partenariats industriels et projets de pôles de compétiti-

vité
– Projet Comette, (2010-) Ph. Dessante, P. Vidal. Modélisations et calculs de

performances pour la propulsion électrique automobile.
– Projet CSDL Complex Systems Design Lab, (2010-) Ph. Dessante, P. Vidal,
G. Sandou. Réduction de modèles complexes et optimisation.
– Projet Preface, (2009-) Ph. Dessante, P. Vidal, B. Lorcet, M. Hennebel. Mo-
délisation de type circuit du passage de la foudre dans les composants d’un
avion.
– Leroy Somer (2009-) Ph. Dessante, P. Vidal, Jean-Claude Vannier. Optimi-
sation de systèmes de motorisation.
– Projet Sefora, (2008-2010) Ph. Dessante, P. Vidal. Étude d’optimisation
d’un actionneur pour application freinage. Optimisation d’une chaîne de
motorisation (actionneur, réducteur, liaison hélicoïdale).
– Projet O2M, (2008-2010), Ph. Dessante, P. Lefranc, S. M’Rad. Étude sur le
développement d’un modèle diffusif d’un bras d’onduleur d’un alterno-
démarreur.
1.6 Activités liées à la recherche 9
– PSA (2007-2010) Ph. Dessante, E. Odic, Ph. Testé, R. Meyer, M. Nsoumbi.

Étude des mécanismes d’inflammation d’un matériau isolant en présence
d’un point chaud d’origine électrique. Mesures expérimentales d’échauf-
fement sur des pistes électriques, modélisation et simulation des phéno-
mènes.
– Virax (2007) Ph. Dessante, P. Vidal. Optimisation du système de motorisa-

tion pour un outil portatif. Modélisation analytique du moteur, du réduc-
teur épicycloïdal et de la batterie. Optimisation de la masse du système
complet sous les contraintes de fonctionnement/performance.
– RTE (2006-2008) : Ph. Dessante, F. Maupas. Étude du mécanisme d’ajuste-

ment en présence de l’aléa éolien. Développement d’un modèle du méca-
nisme d’ajustement. Optimisation de l’ajustement en fonction du besoin
et des moyens mis à disposition. Application de ce modèle en présence de
l’aléa éolien.
– Sodielec (2006) : Ph. Dessante, M. Petit. Étude d’un algorithme d’estima-

tion d’état sur un réseau de distribution. Mise au point théorique de l’al-
gorithme. Calcul de load flow. Application de l’estimateur d’état au cas du
load flow sur un réseau de distribution électrique.
– RTE (2006-2007) : Ph. Dessante, V. Rious. Étude sur les investissements

sur le réseau de transport dans un environnement de marché de l’élec-
tricité. Coordination production-transport. Modélisation des acteurs, op-
timisations des décisions d’investissement.
– Renault (2006-2009) : Ph. Dessante, M. Petit. Étude d’un réseau de bord

électrique automobile, étude et conception d’un modèle d’alternateur. Éta-
blissement des paramètres du modèle par mesures expérimentales. Modé-
lisation du réseau en régime transitoire.
– CRE (2005-2007) : Ph. Dessante, M. Saguan. Étude des architectures de

marché de l’électricité. Modélisation analytique des différents designs de
marché. Optimisation du choix des acteurs. Analyse économique des ré-
sultats.
– EDF (2005-2009) : Ph. Dessante, S. Plumel, M. Petit, H. Bayem. Étude sur

l’opportunité d’utiliser des méthodes probabilistes pour les études d’inté-
gration de l’éolien dans les réseaux électriques, et en particulier sur les
études de raccordement. Étude bibliographique. Modèles probabilistes de
vent et de production éolienne. Conséquences de l’insertion de l’éolien
dans les réseaux.
– Basta (2005-2006) : Ph. Dessante, P. Vidal, M. Bensetti. Étude des perfor-

mances et optimisation d’une génératrice embarquée. Simulations par élé-
ments finis en trois dimensions. Calculs de couples. Vérifications et études
des paramètres par des mesures expérimentales.
– Sodern (2004-2005) : Ph. Dessante, J-C. Vannier, B. Bonafos. Définition des

caractéristiques d’un blindage magnétique à plusieurs étages. Analyse du
comportement d’un blindage contre le champ magnétique terrestre. Mise
au point d’une optimisation d’un système à trois niveaux d’écran en re-
cherchant la masse minimale pour une application sur satellite. Simulation
de l’influence mutuelle de deux blindages voisins.
– PSA (2003-2004) : Ph. Dessante, B. Lorcet. Étude de cosimulation d’un ré-

seau de bord électrique automobile, simulation sous Simulink et Saber.
Modélisation d’un réseau de bord, étude de cas critiques.
1.7 Encadrements
1.7.1 Thèses
– Marcelo Saguan : 50% Analyse économique des architectures de marché

électrique. Application au Market Design du temps réel , thèse de l’Univer-
sité Paris-Sud 11, soutenue le 28 avril 2007, partenariat Faculté Jean Mon-
net/CRE, directeur de thèse : Jean-Michel Glachant (50%). Actuellement en
poste de consultant chez Microeconomix.
Jury : Ronnie Belmans, Christian von Hirschhausen, Stéphane Saussier,
Philippe Dessante, Michel Massoni, Jean-Michel Glachant.
[50][47][46][45].
– Vincent Rious : 50% Le développement du réseau de transport dans un sys-

tème électrique libéralisé, un problème de coordination avec la production,
partenariat Faculté Jean Monnet/RTE, thèse de l’Université Paris-Sud, sou-
tenue le 30 octobre 2007, directeur de thèse : Jean-Michel Glachant (50%).
Actuellement en poste de consultant chez Microeconomix.
Jury : Richard Green, Joseph Doucet, Stéphane Saussier, Philippe Des-
sante, Jean-Marc Coulondre, Éric Le Boulanger, Jean-Michel Glachant.
[38][11][30][9] [31][29][22][32] [23][34][28][33][19] [24]
– Florent Maupas : 50% Analyse de l’impact économique de l’aléa éolien sur

la gestion de l’équilibre d’un système électrique, partenariat Faculté Jean-
Monnet/RTE, thèse de l’Université Paris-Sud, soutenue le 2 juillet 2008,
1.7 Encadrements 11
directeur de thèse : Jean-Michel Glachant (50%). Actuellement ingénieur

chez RTE.
Jury : Jean-Michel Glachant, Julio Usaola, Christoph Weber, Emmanuel
Neau, Ulrik Stridbaeck, Philippe Dessante. [40]
– Herman Bayem : 40% Apport des méthodes probabilistes pour l’insertion

de la production éolienne dans les systèmes électriques , partenariat EDF,
thèse de l’Université Paris-Sud soutenue le 23 novembre 2009, directeur
de thèse : Jean-Claude Vannier (10%), co-encadrant : Marc Petit (50%). Ac-
tuellement ingénieur chez EDF.
Jury : Julio Usaola, Vladimiro Miranda, Georges Kariniotakis, Françoise
Lamnabhi, Philippe Dessante, Jean-Claude Vannier. [44] [37] [36]
– Michelle Nsoumbi : 33% Étude des mécanismes d’inflammation d’un ma-

tériau isolant en présence d’un point chaud d’origine électrique, partenariat
LGEP/PSA, thèse de l’Université Paris-Sud, soutenue le 28 septembre 2010,
directeur de thèse : Philippe Testé (33%), co-encadrant : Emmanuel Odic
(33%). Actuellement ingénieur chez PSA.
Jury : Noureddine Ben Jemaa, Sylvie Berthelot, Serge Bourbigot, Philippe
Dessante, Demba Diallo, Zoubir Khatir, Patrick Lagonotte, Philippe Testé.
– Henri Borsenberger : 50% Modélisation et optimisation robuste de sys-

tèmes complexes : application aux réseaux énergétiques, thèse de l’Univer-
sité Paris-Sud/Supélec, financée par la Fondation Supélec en cours, direc-
teur de thèse : Philippe Dessante, co-encadrant : Guillaume Sandou (50%).
[21] [59][8]
– Romaric Lanfried : 33% Contribution à l’étude de la transition décharge lu-

minescente - arc électrique dans l’air et l’argon au voisinage de la pression at-
mosphérique, thèse de l’Université Paris-Sud/Supélec soutenue en octobre
2011, financement Carnot, directeur de thèse : Emmanuel Odic (33%), co-
encadrant : Philippe Testé (33%).[16]. Actuellement en poste d’ATER.
Jury : Francisco Alves, Laurent Chemartin, Jean-Marie Cormier, Alain
Gleizes, Michael J. Kirkpatrick, Christophe Laux, Olivier Lesaint, Emma-
nuel Odic, Philippe Testé.
– Benjamin Dagusé : 50% Optimisation de systèmes d’entraînement, parte-

nariat Leroy-Somer, thèse de l’Université Paris-Sud/Supélec , directeur de
thèse : Jean-Claude Vannier (50%), soutenance prévue en octobre 2012.
[18]
– Florent Sainct : 30% Étude de la réactivité de décharges électriques nanose-

conde à la pression atmosphérique en milieu riche en hydrocarbures. Évalua-
tion de l’efficacité énergétique de production d’hydrogène, partenariat École
Centrale de Paris, laboratoire EM2C, directeur de thèse : Christophe Laux
(40%), co-encadrant Emmanuel Odic (30%), soutenance prévue en 2013.
– Khaled Almaksour : 33% Étude de l’émission de courant noir par une surface
soumise à un champ électrique intense et de ses mécanismes de transition à
l’arc, partenariat laboratoire LGEP, thèse de l’Université Paris-Sud/Supélec
, directeur de thèse : Philippe Testé (33%), co-encadrant Emmanuel Odic
(33%), soutenance prévue en 2013.
– Dany Prieto : 30% Modélisation et optimisation des machines synchro-

réluctantes à aimants permanents et de leur électronique – Application aux
véhicules électriques et aux compresseurs, partenariat Leroy-Somer, thèse de
l’Université Paris-Sud/Supélec , directeur de thèse : Jean-Claude Vannier
(40%), co-encadrant Pierre Vidal (30%), soutenance prévue en 2014.
– Ivan Kravtzoff : 40% Design et contrôle d’une nouvelle configuration de

groupe électrogène associée à un dispositif de stockage d’énergie permettant
de minimiser la consommation et l’empreinte environnementale, partena-
riat Leroy-Somer, thèse de l’Université Paris-Sud/Supélec , directeur de
thèse : Daniel Sandarnac (20%), co-encadrant Pierre Lefranc (40%), soute-
nance prévue en 2014.
Participation à l’encadrement des thèses de Miguel Lopez, Dario Morales,

Xavier Jannot et Christophe Gutfrind.[12][41][27] [17]
1.7.2 Stagiaires post-doc

– Co-encadrement avec Claude Marchand et Jean-Claude Vannier de Moha-
med Bensetti, stagiaire de post-doctorat pour une étude sur l’analyse et
l’optimisation des performances d’une génératrice embarquée. [48]
– Co-encadrement avec Pierre Lefranc de Sabrine M’Rad, stagiaire de post-
doctorat pour une étude sur le développement d’un modèle diffusif d’un
bras d’onduleur d’un alterno-démarreur. [26]
1.7.3 Stagiaires Master 2
– Jesus Periscal, Mise en place du logiciel de base pour la simulation d’un

marché électrique dans le cadre de l’économie expérimentale, stage de fin
1.8 Synthèse scientifique 13
d’étude de master, 2005.
– Fabien Petit, Économie expérimentale, outil pour l’étude de l’efficacité du

market coupling, stage de fin d’étude d’ingénieur Supélec, 2006. [39][33]
– Fabien Petit, Efficacité des méthodes d’allocation implicite des capacités de

transport du réseau électrique dans un réseau fortement maillé, stage de
master EGIR, 2007.
– Pablo de la Cruz Martinez, Estimation d’état sur un réseau de distribution

électrique, stage de master, 2007.
– Ridga Ben Abdallah, Simulation du déplacement des charges électriques au

sein d’une décharge électrique à l’aide d’une méthode ELLAM, stage de mas-
ter, 2010.
1.8 Synthèse scientifique
Après ma thèse soutenue en octobre 2000 effectuée sur la modélisation d’une

décharge électrique de type streamer, je suis entré au département Énergie de
Supélec. J’y ai rejoint une équipe travaillant sur les machines électriques sous la
direction de Monsieur Jean-Claude Vannier. Mes travaux portent sur la modéli-
sation et l’optimisation des systèmes électrotechniques.
J’ai tout d’abord mis à profit mes connaissances sur la modélisation du champ
électrique et de la propagation des décharges pour l’étude de la tenue en tension
en régime nominal et en coup de foudre de bagues pour l’alimentation d’un pod.
Cette étude a ensuite portée sur des calculs de températures effectués à l’aide de
circuits électriques équivalents et par éléments finis.
Par la suite, l’objectif de mes recherches s’est axé sur deux points : la modé-
lisation numérique et l’optimisation. J’ai donc développé des modèles physiques
et numériques par éléments finis appliqués à la modélisation des machines élec-
triques ou phénomènes électrotechniques. Ces modèles ont alimenté, par le biais
de simplifications, des algorithmes d’optimisation pour la conception de ma-
chines. Le développement de ces algorithmes a ensuite été appliqué à l’optimi-
sation technico-économique des grands réseaux de transport d’électricité. Dans
les paragraphes suivants, je développerai une présentation succincte des travaux
réalisés.
Avec la collaboration de Bernard Bonnafos, j’ai étudié les systèmes de blin-

dage électromagnétiques en vue d’une utilisation dans une horloge atomique
placée dans un satellite. Le fonctionnement correct de l’horloge nécessite d’avoir
un champ magnétique le plus faible et le plus homogène possible sur l’axe de ces
blindages. Le système étudié comportait trois blindages imbriqués. La géométrie
du problème ne permettant pas l’utilisation de symétrie, le calcul du champ ma-
gnétique résultant sur l’axe de l’horloge a dû être mené grâce à l’utilisation d’un
code de calcul par éléments finis en trois dimensions. L’atténuation du champ
magnétique calculé n’étant pas assez importante, il a fallu introduire une com-
pensation active[6][54]. Cette dernière était composée d’un certain nombre de
bobinages cocylindriques avec le blindage passif. En fonction du champ rési-
duel sans compensation active (mesurée par un capteur), une optimisation sur
le nombre de bobines et sur les densités de courant à appliquer dans celles-ci a
été introduite. Ceci m’a permis d’estimer la meilleure distribution des courants
dans les bobines afin de minimiser le champ magnétique extérieur sur l’axe de
l’enceinte de l’horloge.
J’ai par la suite appliqué ces compétences acquises lors de cette étude à l’op-
timisation des systèmes de motorisation. Dans de nombreuses applications in-
dustrielles (spatiales, aéronautiques, automobiles, outillage portatif), il est né-
cessaire de minimiser la masse du système ou les pertes, tout en gardant les
performances constantes. La première étape a consisté à modéliser analytique-
ment les éléments (moteur, générateur, batterie, convertisseur, réducteur de vi-
tesse et transformateur de mouvement éventuel), à partir de simplifications des
modèles numériques éléments finis, pour relier les performances et les dimen-
sions. La seconde étape a consisté à mettre au point un algorithme d’optimisation
relativement ouvert afin de prendre en compte différentes contraintes et diffé-
rents objectifs en intégrant les modèles précédemment mis au point et validés.
Ainsi, diverses études ont porté sur la minimisation de la masse ou le volume du
système[52][51][49][48][43]. Une première optimisation multiobjectif (minimi-
sation du volume et des pertes) a été menée sur une pompe à carburant pour un
satellite[43].
Pour valider cette approche, une étude effectuée dans le contexte d’un pro-
jet de pôle de compétitivité a porté sur l’optimisation globale et multiobjectif
d’un système de motorisation et d’entraînement pour une application aéronau-
tique. Le système complexe composé d’éléments mécaniques et électriques (ré-
ducteur, transformateur de mouvement et moteur) a été modélisé par des fonc-
tions simples permettant de développer des algorithmes d’optimisation perfor-
mants. La double optimisation (simple et par front de Pareto) des pertes et de la
longueur du système a bien montré l’importance de l’agrégation des composants
dans l’optimisation.
Ces travaux se poursuivent actuellement au travers de la thèse de Benja-
min Dagusé portant sur l’optimisation globale d’un système de motorisation.
Les recherches s’orientent d’une part vers la parallélisation des codes de calcul
d’optimisation et d’autre part vers l’incorporation de modèles par éléments finis.
Ces compétences en optimisation m’ont permis de participer aux activités du

groupe réseau du département Énergie de Supélec, dans le cadre de l’optimisa-
tion technico-économique des grands réseaux d’énergie. J’ai tout d’abord éla-
boré conjointement avec Sophie Plumel des algorithmes d’optimisation du plan
de production pour la gestion des congestions au sein des marchés de l’élec-
tricité. Une première optimisation est réalisée sous la forme d’un équilibre de
Nash-Cournot pour déterminer les prix et les quantités échangées sur le mar-
ché de l’électricité. Une deuxième optimisation est alors conduite pour s’assurer
des contraintes physiques du réseau électrique. Ces contraintes rendent néces-
saire la modélisation complète et non linéaire du réseau à l’aide d’un calcul de
load-flow[14][12][57].
J’ai ensuite travaillé à l’élaboration des modèles de designs des marchés de

l’électricité en partenariat avec Jean Michel Glachant du groupe Réseau Jean-
Monnet de l’Université de Paris-Sud. Lors de cette étude, il a été développé un
modèle analytique probabiliste du marché du temps réel. Ce modèle a permis
l’étude plus approfondie de l’influence de la dynamique de la succession des
marchés en environnement dérégulé. Une analyse économique a ensuite été me-
née avec Marcelo Saguan dans le cadre de la thèse qu’il a soutenue en avril
2007[50][47][46][45].
Le partenariat avec le groupe réseau Jean-Monnet m’a conduit à co–encadrer

une thèse sur les problèmes d’investissements sur le réseau lorsque sa gestion
est déconnectée de la production. Il s’agissait de faire une suite d’optimisations
qui permettait d’obtenir une étude sur les possibilités d’investissement pour le
gestionnaire du réseau de transport (GRT). En effet, le temps de fabrication d’une
ligne de transport d’électricité est en général supérieur à celui de la construction
d’une centrale qu’elle doit relier. Le but de ce travail conduit dans le cadre de la
thèse de Vincent Rious a été d’étudier entre autres les signaux de coordination
possibles qui peuvent aider le GRT à décider de ses investissements en collabo-
ration avec les producteurs d’électricité[38].
Dans le même cadre de coopération, j’ai co-encadré la thèse de Florent Mau-

pas sur l’impact de l’aléa éolien sur le mécanisme d’ajustement du réseau élec-
trique. La première étape à été la réalisation d’un modèle du mécanisme d’ajus-

tement. Il s’agit d’une série d’optimisations de la gestion dynamique du parc
de production pour conserver l’équilibre offre-demande tout au long de la jour-
née. Cette gestion se fait en fonction des groupes de production disponibles et
de leur contraintes physiques et en fonction de l’aléa de consommation. Après
avoir validé ce modèle de gestion du mécanisme d’ajustement, nous avons étu-
dié l’impact de l’aléa éolien sur celui-ci. L’analyse des résultats nous a permis
de montrer les avantages et les inconvénients de l’incorporation de l’éolien dans
les marchés et l’équilibrage de l’électricité.[40].
En parallèle de ce travail, la thèse de Herman Bayem a porté sur l’opportunité

d’utiliser des méthodes probabilistes pour les études d’intégration de l’éolien et
du photovoltaïque dans les réseaux électriques, et en particulier sur les études
de raccordement. Il s’agit, à partir de modèles probabilistes ou des relevés de
vents et d’ensoleillement réels, de remonter à une production électrique proba-
biliste. On obtient alors une probabilité de production pour une éolienne ou un
panneau que l’on peut agréger – en tenant compte des corrélations entre chaque
éolienne – pour obtenir celle d’une ferme ou d’une région. Avec ces données,
nous pouvons déterminer l’impact (probabilité de congestions par exemple) de
la production aléatoire sur le réseau électrique[44]. Cette étude a fait l’objet de
deux applications sur des réseaux insulaires.[36]
Dans la continuité de ces travaux sur les aléas et les incertitudes, il est apparu
nécessaire de développer des algorithmes d’optimisation robustes tenant compte
de ces incertitudes sur les fonctions objectifs ou les contraintes. Un travail explo-
ratoire a donc été mené lors de la thèse d’Henri Borsenberger en collaboration
avec Guillaume Sandou du département Automatique de Supélec. La gestion
d’un réseau de production, distribution ou stockage d’énergie est devenue un
enjeu tant économique que technique, devant respecter des contraintes environ-
nementales et législatives. Il est donc apparu nécessaire d’optimiser cette gestion
afin de maximiser le profit de fonctionnement du réseau tout en respectant les
contraintes imposées. Cette tâche s’est complexifiée du fait de la diversification
des sources d’énergie qui peuvent coexister dans un même réseau (électricité,
gaz, fioul, vapeur...). Par ailleurs, la modélisation de ce type de systèmes doit in-
tégrer les incertitudes liées à la méconnaissance ou à la simplification du modèle
(en vue de son optimisation) ou des incertitudes provenant de la nature prévi-
sionnelle de la planification du fonctionnement du système (demande réelle des
consommateurs, fluctuations économiques). La robustesse de cette gestion opti-
male est dès lors impérative, de sorte que les performances du système puissent
être garanties en dépit des différentes sources d’incertitudes. Lors de ce travail
de thèse, trois types d’incertitudes ont été pris en compte : sur la demande des
consommateurs, sur la capacité de production maximale, et sur les coûts de pro-
duction. Différents algorithmes d’optimisation ont été élaborés, en s’appuyant
sur les méthodes existantes dans le cas des méthodes déterministes (program-
mation dynamique et relaxation lagrangienne).
En parallèle de ces travaux sur l’optimisation des systèmes électrotechniques,

j’ai continué, en partenariat avec Emmanuel Odic, à apporter ma connais-
sances sur la physique des plasmas et des modèles associés aux activités du
département[55]. Nous avons ainsi développé des modèles de calcul et effectué
des simulations de températures au sein de la colonne de plasma qui se forme
après le passage de la décharge de type streamer, en vue de modéliser l’activité
chimique[13][53].
En partenariat avec Philippe Testé du laboratoire LGEP nous avons mené une
étude des défaillances sévères susceptibles de conduire à un amorçage de feu
sur circuit imprimé lors de la thèse de Michèle Nsoumbi. Ce travail basé sur
des mesures expérimentales et des simulations électrothermiques m’a permis de
mettre à profit mon expérience en modélisation par éléments finis acquise lors
de travaux sur la modélisation des machines électriques. Les expériences ont été
conduites jusqu’à rupture d’une piste de circuit imprimé aboutissant ou non à un
départ de feu. Le courant de fuite circulant dans le substrat s’est révélé être un
paramètre pertinent pour évaluer la dégradation du circuit imprimé. Un modèle
numérique électrothermique en trois dimensions développé sur cette structure
a permis de décrire et de valider la dominance d’un processus thermique jus-
qu’à la rupture de la piste. Un enregistrement détaillé des paramètres électriques
synchronisés à une cinématographie rapide au moment de la rupture a permis
d’identifier un mécanisme impliquant un décollement de piste au niveau du dé-
faut lié à un emballement de la température et du courant de fuite localisé. Ce
mécanisme a été associé à la présence d’un canal chaud au travers du substrat
conduisant à un échauffement important et localisé du matériau par effet Joule
susceptible de conduire à l’inflammation, ainsi qu’un entretien de chauffage du
substrat après rupture de la piste contribuant à entretenir et à propager le feu,
notamment par émission de composés inflammables.
Cette collaboration, nous a amené à mettre en commun nos compétences,

tant au niveau des domaine de recherche que des méthodes utilisées. En effet,
le Laboratoire de Génie Electrique de Paris a développé une compétence dans
le domaine des arcs électriques (expérience et modélisation) et le département
Energie de Supélec a développé une compétence dans l’étude expérimentale et
par simulation de décharges électriques pré-disruptives dans plusieurs milieux

gazeux. Les décharges étudiées par les deux groupes se situent dans les domaines
différents, mais complémentaires, des plasmas thermiques et des plasmas froids
(hors équilibre thermodynamique). L’étude de la transition d’une décharge lumi-
nescente (forte tension, faible intensité du courant) en un arc électrique (faible
tension, forte intensité du courant) présente un intérêt académique majeur tant
du point de la physique des décharges (incluant l’arc électrique) que du point
de vue de l’interaction plasma / surface. C’est pourquoi nous avons débuté une
thèse sur ce sujet de la transition décharge glow–arc. Les phénomènes physiques
qui régissent la physique de la décharge électrique sont sensiblement différents
de ceux qui gouvernent la physique de l’arc électrique et jusqu’à présent les
mécanismes conduisant à la transition ne sont pas bien connus. L’étude de la
transition d’un mode à l’autre présente donc un intérêt scientifique particulier.
Cette thèse, toujours en cours, nous a permis de décrire les phénomènes présents
lors de la transition glow-arc grâce à des mesures électriques et visuelles à l’aide
d’une caméra rapide. Cette description va par la suite nous permettre de réali-
ser un modèle physique des phénomènes qui devrait conduire à une simulation
numérique de validation et d’interprétation.
Figure 1.1 – Amazing Stories août 1926

Deuxième partie
Synthèse des travaux de recherche
21
Chapitre 2
Introduction
L’électrotechnique est une science relativement ancienne, mais toujours

d’actualité. Que ce soit le transport d’électricité, les machines électriques ou
l’électrostatique, ce sont des domaines de recherche étudiés depuis longtemps,
pourtant, on observe une augmentation de l’intérêt et de la demande sociétale
pour la recherche en électrotechnique. La consommation d’électricité mondiale
et en France croît de plusieurs pour-cent par an et les récents développement
de la dérégulation du marché de l’électricité imposent une gestion des coûts et
une optimisation des moyens de productions. Ces problématiques sont complé-
tées par l’introduction de plus en plus massive des énergies renouvelables qui
apportent de l’incertitude supplémentaire dans la résolution des optimisations
technico-économiques.
Cette entrée des énergies renouvelables est due à une forte demande socié-
tale de réduction des émissions de gaz à effet de serre. De la même manière,
le monde des transports assiste à une électrification accrue des organes allant
jusqu’au remplacement des moteurs thermiques par des moteurs électriques.
Des contraintes d’encombrement et de poids entraînent une recherche impor-
tante dans l’optimisation des systèmes de motorisation électriques. Grâce aux
connaissances acquises dans l’optimisation des systèmes d’énergies nous avons
développé des algorithmes et des méthodes d’optimisation adaptés aux systèmes
de motorisation.
Ce document s’articule autour de trois parties principales. Dans la première,
nous nous intéresserons à la problématique de l’optimisation et de la modélisa-
tion technico-économique des réseaux électriques. Nous y présenterons les col-
laborations avec le monde économique par le biais de co-encadrements de thèse
avec le groupe réseau Jean-Monet. L’arrivée massive des énergies renouvelables
nous a par la suite poussée à nous intéresser à l’incorporation des incertitudes
dans les modèles et les optimisations.
Dans une deuxième partie, nous traiterons de l’optimisation des systèmes de
23
24 Chapitre 2 : Introduction
motorisation. Après une introduction de la problématique et la présentation de

la méthodologie, nous présenterons deux exemples plus développés : une optimi-
sation industrielle d’une gamme de moteurs électriques, où nous présenterons
de nouvelles techniques pour réduire les coûts de fabrication et d’utilisation.
L’optimisation de la chaîne de motorisation ne peut se réduire uniquement au
traitement du moteur, c’est pourquoi notre approche d’optimisation système se
base sur la prise en compte complète du système de motorisation : moteur, ré-
ducteur de vitesse, convertisseurs de mouvement et de puissance, source d’éner-
gie. . .Pour cela, il faut s’assurer que les modèles pris pour chaque composant
puissent être traités par l’optimisation. Nous présenterons donc une modélisa-
tion et une première optimisation d’un convertisseur de puissance en vue de son
incorporation dans l’optimisation globale de la chaîne de motorisation.
Pour faire de l’optimisation, il faut pouvoir disposer de modèles de com-
portement, que ce soit pour les objectifs de la minimisation comme pour les
contraintes. En effet optimiser c’est bien souvent se positionner en limite de fia-
bilité pour le système, il faut alors bien comprendre les mécanismes physiques et
assurer sa robustesse. Ce point fera l’objet de la dernière partie. Dans un premier
exemple nous traiterons de l’inflammation des cartes électroniques soumises à
un stress important où nous présenterons des résultats expérimentaux couplés
à une modélisation électrothermique des mécanismes conduisant à l’inflamma-
tion des circuits imprimés. Enfin et toujours en rapport avec la fiabilité nous
exposerons dans la dernière partie de ce chapitre, les récents avancements des
modèles en physique des décharges par le biais d’un travail sur la compréhen-
sion des mécanismes de transition entre la décharge glow luminescente et l’arc
électrique.
25
Figure 2.1 – Amazing Stories septembre 1926

26 Chapitre 2 : Introduction
Chapitre 3
Optimisation et modélisation
technico-économique des réseaux
électriques
3.1 Introduction
Depuis quelques dizaines d’années on assiste à une réforme importante de

l’industrie électrique. L’introduction de la concurrence s’inscrit dans la lignée
des mouvements de réformes des secteurs économiques relevant traditionnelle-
ment de monopoles. Le département Énergie à une tradition de recherche im-
portante dans le secteur des réseaux électriques. Il nous a paru important de
suivre ces réformes, de les comprendre et même de les devancer. L’introduction
de l’économie, domaine étranger aux compétences axées techniques du dépar-
tement nous a conduit à nous associer au laboratoire GRJM de la faculté Jean-
Monnet de Sceaux. Ce partenariat a donné lieu à de nombreuses collaborations
où nous apportions nos compétences techniques du monde de l’énergie complé-
tées par le savoir-faire économique du groupe de recherche Jean-Monnet. Plu-
sieurs thèses ont été soutenues, toutes au sein du projet pluridisciplinaire Éner-
gie de Supélec et co-encadrées par Jean-Michel Glachant professeur en science
économique dans le groupe réseau Jean-Monnet de l’université Paris 11. J’ai moi-
même participé à l’encadrement de trois d’entre elles, celles de Marcelo Saguan,
Vincent Rious et Florent Maupas. Tout au cours de cette collaboration, il nous
est apparu nécessaire de ne pas uniquement se focaliser sur les aspects tech-
niques des réseaux électriques, mais de marier ceux-ci à la nouvelle approche
économique qui modifie en profondeur les problèmes préexistants.
27
Chapitre 3 : Optimisation et modélisation technico-économique des réseaux
28 électriques
3.2 Designs de marchés
Nos travaux se sont tout d’abord orientés vers l’analyse, la description et
la modélisation des formes que pouvait prendre le de marché de l’électricité au
travers de la thèse de Marcelo Saguan. Cette recherche s’inscrit dans l’analyse
économique des architectures de marché électrique. La construction d’une ar-
chitecture de marché est une condition nécessaire pour la création d’un marché
de gros d’électricité. Le manque de maîtrise rationnelle dans le choix des op-
tions optimales de design pousse ainsi à une recherche plus approfondie sur les
différents designs, prenant en compte les spécificités du bien électricité. Cette
recherche s’est appuyée sur un cadre d’analyse modulaire permettant de séparer
les problèmes du market design en autant de modules distincts. L’analyse modu-
laire a montré le rôle clé du module du temps réel qui constitue le noyau central
de toute architecture de marché électrique et où tous les échanges physiques
entre acteurs de marché se réalisent. Grâce à des simulations numériques, nous
avons montré que le design du module du temps réel n’est pas neutre vis-à-vis
de la séquence des marchés d’énergie et de la dynamique concurrentielle. Les
designs qui s’écartent du type « marché » et utilisent des systèmes de prix pé-
nalisant les transactions du temps réel devraient être évités, dans la mesure du
possible, car ils provoquent des distorsions, des inefficacités et peuvent créer des
barrières à l’entrée. Parallèlement, la fermeture des marchés forward, déterminée
par la position temporelle de la gate closure, devrait être le plus proche possible
du temps réel afin de diminuer l’ampleur de ces distorsions. Ce cadre forma-
lisé a permis ensuite d’évaluer les conséquences de l’intégration de modules du
temps réel entre deux zones de contrôle. Les résultats des simulations numé-
riques ont montré que l’intégration des modules du temps réel est fondamentale
pour la création de marchés régionaux. De surcroît, l’intégration de ces modules
doit être suivie d’une harmonisation adéquate des designs, afin que les effets de
l’intégration proviennent des caractéristiques économiques des systèmes élec-
triques intégrés et non des règles du design.
3.3 L’investissement dans les réseaux

Après avoir étudié les designs de marché, il nous a paru intéressant de nous
intéresser aux problèmes soulevés par cette ouverture concurrentielle. Ce travail
a été réalisé lors de la thèse de Vincent Rious co-encadrée avec Jean-Michel Gla-
chant du groupe réseau Jean-Monnet. Pour assurer un accès libre et non discri-
minatoire aux infrastructures essentielles (réseau électrique) la réforme a géné-
ralement nécessité une séparation verticale entre la production en concurrence
et le réseau électrique en monopole naturel. La gestion de ce réseau a été délé-
3.4 Gestion de l’aléatoire et des incertitudes dans les réseaux d’énergie 29
guée au gestionnaire de réseau de transport (GRT). La séparation des activités

de production et de transport a fait apparaître des problèmes de coordination,
en particulier entre les investissements en production et en réseau. En effet les
temps caractéristiques de construction d’une centrale électriques sont beaucoup
plus courts que ceux de création de lignes de raccordement sur le réseau de
transport. Cette problématique a fait l’objet de la thèse de Vincent Rious co-
encadrée avec Jean-Michel Glachant du Groupe Réseau Jean Monnet.
Ce travail c’est donc articulé autour d’une analyse des mécanismes liés à la
séparation des activités et des problématiques liées. Un des objectifs de cette
thèse a été de montrer que l’investissement du réseau est le cœur de la coordi-
nation entre la production et le transport. La place centrale de l’investissement
du réseau dans cette coordination s’explique alors par les différences de rythme
temporel d’investissement entre le transport et la production. Étant donnée cette
différence de dynamique temporelle, il faut faire connaître aux producteurs à
l’avance les prévisions de développement du système électrique et les éventuels
signaux de localisation. Enfin il nous est apparu nécessaire de montrer comment
s’organise la coordination à long terme entre la production et le transport dans
un système électrique libéralisé et du rôle proactif que doit y tenir le GRT pour
coordonner de façon satisfaisante ces deux activités.
Pour réaliser ces objectifs, il a été nécessaire de construire un simulateur
ainsi que des procédures d’optimisation permettant de définir les meilleures so-
lutions pour une stratégie coordonnée d’investissement. La construction de ces
outils a demandé un large panel de connaissances tant aussi bien sur le plan élec-
trique des réseaux (calcul de la répartition de puissance par un load-flow), écono-
mique (signaux de localisation, investissement, incitations) que mathématiques
(résolution de systèmes d’équations non linéaires, optimisation sous contraintes
mono et multi-objectif).
3.4 Gestion de l’aléatoire et des incertitudes dans les

réseaux d’énergie
3.4.1 Introduction
Ce travail sur la coordination entre l’investissement en réseau et en produc-
tion nous a amené à nous pencher sur l’intégration de plus en plus importante et
encouragée des moyens de production aléatoires que sont les fermes éoliennes et
photovoltaïques, ces études ont fait l’objet de trois thèses. La première, celle de
Florent Maupas, co-encadrée avec Jean-Michel Glachant du groupe réseau Jean-
Monnet, portant sur l’impact de l’éolien sur les marchés de l’électricité. Cette
thèse mixte en économie et gestion des réseaux à eu pour objet de rechercher
30 électriques
les impacts de l’intégration de l’éolien, notamment sur l’équilibre production-

consommation à travers le mécanisme d’ajustement en temps réel.
La seconde, réalisée par Herman Bayem et co-encadrée avec Marc Petit et
Jean-Claude Vannier du département Énergie de Supélec s’est intéressée à la
gestion locale des fermes éoliennes et photovoltaïques à travers les conditions
d’intégrations de celles-ci sur les réseaux de distribution. Nous avons recher-
ché de nouveaux moyens de détermination des conditions de raccordement des
moyens de production aléatoires. En effet actuellement, les études de raccorde-
ment se basent sur des cas déterministes où ne sont regardés que les cas critiques
pour le réseau. En introduisant une détermination probabiliste des moyens de
production et de la consommation, nous avons étudié comment modifier ces
études de raccordement.
Cette approche probabiliste et la gestion de l’éolien nous a amené à nous
questionner sur les techniques d’optimisation en présence d’incertitudes. Ainsi
une troisième thèse sur ce sujet est en cours de réalisation. Henri Borsenberger
s’est intéressé aux techniques d’optimisations robustes en présence d’incerti-
tudes. Sa thèse co-encadrée avec Guillaume Sandou du département Automa-
tique de Supélec, porte sur les modifications à apporter aux algorithmes d’opti-
misation déterministes pour les rendre performants dans les cas stochastiques.
C’est thèse bien que traitant d’un sujet mathématique est appliquée à la problé-
matique de la gestion d’un réseau d’énergie. Ce dernier pouvant être électrique
ou de chaleur. Nous avons introduit les problématiques d’incertitudes sur les
coûts de production, la quantité de production et enfin la demande.
3.4.2 Impact de la filière éolienne sur les marchés de l’électricité

Dans un premier temps, nous avons regardé l’impact de l’intégration éo-
lienne à grande échelle sur l’équilibre de production-consommation et les mar-
chés de l’électricité au cours de la thèse de Florent Maupas, co-encadrée avec
Jean-Michel Glachant du groupe réseau Jean-Monet. Depuis les années 1990, la
production d’électricité à partir d’éoliennes a été encouragée dans un certain
nombre de pays par la mise en place de mécanismes de soutien. Ainsi, la filière
éolienne s’est massivement développée et représente dans certains pays une part
significative de la capacité totale de production électrique. Cette filière de pro-
duction transforme l’énergie mécanique du vent en énergie électrique qui est
ensuite injectée dans le réseau électrique. Les éoliennes exploitent ainsi une res-
source locale abondante sans émettre de gaz à effet de serre. La filière éolienne
apporte donc une réponse à des enjeux sociétaux de premier plan tels que la
réduction des émissions de gaz à effet de serre ou la sécurisation de l’approvi-
sionnement en électricité. Cependant, la production électrique des éoliennes hé-
rite de certaines caractéristiques de sa ressource primaire : la puissance produite
par les éoliennes est variable, peu prévisible et non contrôlable. Ces caractéris-
tiques distinguent la filière éolienne des filières de production dites « classiques
» pour lesquelles la production est très largement contrôlable et prévisible. À
cause de ces caractéristiques, l’intégration de la filière éolienne dans l’équilibre
production-consommation soulève des enjeux économiques et techniques im-
portants.
Ces enjeux de l’intégration de la production éolienne sont liés à une spécifi-
cité de la gestion du réseau électrique. À chaque instant, la production injectée
dans le réseau doit être égale à la consommation soutirée du réseau. La pro-
duction éolienne, par son caractère imprévisible, constitue ainsi un aléa pour
les systèmes électriques. La gestion de cet aléa revêt non seulement un en-
jeu technique - car la sûreté du réseau en dépend - mais également un enjeu
économique - car la gestion d’un aléa a un coût. Cependant, le défi technique
posé par la production éolienne n’est pas d’une nature entièrement nouvelle.
La problématique de gestion de l’équilibre du système n’est pas apparue lors
de l’émergence de la filière éolienne. D’une part, sur un réseau, la consomma-
tion d’électricité change sans préavis et constitue donc un aléa pour l’équilibre
production-consommation. D’autre part, les centrales des producteurs peuvent
subir des indisponibilités fortuites qui remettent également en cause cet équi-
libre. Depuis la libéralisation du secteur électrique, la gestion de l’équilibre du
réseau est organisée autour de deux étapes : les marchés de l’électricité et le
module du temps réel.
Dans le cadre de cette intégration de plus en plus importante de l’éolien
dans le mix énergétique de production, il est nécessaire de connaître l’impact
de cet aléa éolien sur les marchés de l’électricité. Ceux-ci permettent d’atteindre
un équilibre prévisionnel entre l’offre et la demande en électricité. Cependant
cet équilibre prévisionnel entre l’offre et la demande ne garantit pas, en temps
réel, l’équilibre physique entre la production et la consommation. C’est le mo-
dule du temps réel qui garantit en temps réel l’équilibre physique des injections
et des soutirages. Le défi technique imposé par le caractère imprévisible de la
production éolienne est donc relevé par deux modules de réalisation de l’équi-
libre : d’une part les marchés de l’électricité, en particulier ceux organisés du
jour pour le lendemain et en infrajournalier et, d’autre part, le module du temps
réel durant lequel un opérateur du système coordonne les injections et les sou-
tirages. L’enjeu économique de la gestion des systèmes électriques consiste à
minimiser les coûts de fourniture de la consommation, tout en respectant les
contraintes techniques et de sûreté du système. Dans une situation fictive d’in-
formation parfaite sur les conditions du temps réel, nous pouvons considérer
que la programmation optimale des centrales électriques est idéale. Dans la si-
tuation réelle d’exploitation du système électrique, les centrales sont program-
mées dans une situation d’information imparfaite sur les conditions du temps
32 électriques
réel. La présence de l’aléa éolien renforce encore le caractère incertain du temps

réel. Dès lors, le coût optimal de fourniture de la consommation s’éloigne de
son idéal. L’enjeu économique de la gestion de l’aléa éolien se situe précisément
au niveau de la différence entre les coûts de fourniture optimaux réel et idéal.
L’enjeu économique de la gestion de l’aléa éolien est donc lié à l’efficacité de la
programmation des centrales. Cette programmation résulte de deux types de dé-
cisions : celles prises sur les marchés de l’électricité dont la dimension physique
est importante et celles prises sur le module du temps réel. Par conséquent, les
étapes déterminantes pour l’enjeu économique de la gestion de l’aléa éolien sont
le marché du jour pour le lendemain, les marchés infrajournaliers et le module
du temps réel. C’est pourquoi l’objectif de ce travail est de définir une méthodo-
logie d’analyse économique de l’enjeu économique de la gestion de l’aléa éolien
et de l’appliquer au cas particulier du système électrique français. L’enjeu éco-
nomique de la gestion de l’aléa éolien est fortement lié à la programmation des
centrales électriques. Il faudra donc analyser comment la programmation des
centrales est influencée par ce nouvel aléa. Une approche par simulation semble
alors s’imposer.
Nous avons développé notre propre simulateur de la gestion de l’aléa éo-
lien. Celui-ci se démarque des simulateurs existants sur plusieurs plans car il
modélise l’ensemble des contraintes techniques des centrales électriques, la dua-
lité des modules en infrajournalier, les aspects dynamiques de la programma-
tion ainsi que la situation d’incertitude au moment de programmer les centrales.
Les difficultés d’accès aux données sont partiellement résolues en exploitant les
offres déposées en infrajournalier par les producteurs électriques français qui
participent au module du temps réel. Ces offres donnent des informations im-
portantes sur les conditions financières et techniques d’utilisation infrajourna-
lière des centrales électriques. Cet outil de simulation modélise les deux mo-
dules de gestion de l’équilibre en infrajournalier que sont les marchés infra-
journaliers et le module du temps réel en prenant en compte l’organisation de
ces deux modules, de la situation d’information imparfaite pour la programma-
tion des centrales électriques en infrajournalier ainsi que des contraintes tech-
niques d’exploitation du système. L’utilisation du simulateur a mis en évidence
une augmentation du coût de fourniture de la consommation pour gérer en in-
frajournalier un aléa sur l’équilibre production-consommation. Ce surcoût est
défini comme le coût de gestion de l’aléa. L’analyse de ce coût a permis d’en
identifier le principal déterminant qui est la flexibilité limitée des centrales élec-
triques. C’est à cause du manque de flexibilité des centrales que l’incertitude et la
dualité des modules infrajournaliers provoquent des pertes d’efficacité. L’appli-
cation du simulateur au cas du système électrique français actuel a montré l’en-
jeu économique de l’intégration d’une capacité éolienne de 3 à 12GW. Le coût
de gestion de l’aléa éolien pour son responsable d’équilibre varie largement en
fonction des hypothèses retenues pour la liquidité des marchés infrajournaliers.

Les travaux réalisés ont montré que les choix méthodologiques qui caractérisent
le simulateur développé étaient justifiés. Le choix d’une représentation poussée
de la flexibilité limitée des centrales a des conséquences importantes sur la com-
plexité du simulateur et requiert l’utilisation de données privées des producteurs.
Les travaux ont cependant montré que cette représentation est très importante
puisque le coût de gestion de l’aléa éolien est très fortement influencé par la flexi-
bilité limitée des centrales. De plus, les résultats montrent qu’il est nécessaire de
rendre compte de la flexibilité limitée des centrales pour simuler les effets de la
dualité des modules en infrajournalier et les effets des incertitudes en infrajour-
nalier. Ce choix méthodologique est cependant moins fort si le simulateur est
appliqué à un système où les centrales très flexibles abondent. Le choix métho-
dologique retenu permet de maîtriser les temps de calcul. Nous avons montré
que sous certaines conditions, la représentation des centrales électriques par des
agrégats de centrales permettait des gains de temps de calculs importants et
n’altérait pas significativement la qualité des estimations numériques du coût de
gestion d’un aléa.
3.4.3 Intégration des moyens de productions incertains

Un autre aspect de l’augmentation de la pénétration des énergies renouve-
lable est la problématique des conditions d’insertion des fermes éoliennes. Cette
étude a été réalisée lors de la thèse d’Herman Bayem. Le contexte politique,
économique et énergétique européen est actuellement favorable à une insertion
importante d’énergie renouvelable (EnR) sur les réseaux électriques. L’accrois-
sement de la production d’énergie renouvelable et la déréglementation des mar-
chés de l’électricité font naître, dans le domaine de la gestion et de l’exploitation
des réseaux, des problèmes scientifiques et techniques nouveaux. Ces problèmes
sont induits par l’insertion de nouvelles sources d’énergie dans les systèmes élec-
triques, non conçus à priori pour les accueillir. L’une des conséquences de cette
arrivée massive de nouvelles énergies est la modification de la structure des ré-
seaux qui passera d’une structure hiérarchique avec des moyens de production
conventionnels de grande taille et centralisés à une structure horizontale avec
de la production décentralisée (notamment renouvelable) dans les réseaux de
distribution.
Le nouveau système électrique est constitué de moyens de production
conventionnels (thermique, nucléaire, hydraulique), de moyens de production
non conventionnels (micro turbines, cogénération, pile à combustible, géother-
mie, biomasse, petite hydraulique, éolien et photovoltaïque), des réseaux de
transport et de distribution. En 2004 les énergies fossiles (pétrole, gaz) repré-
sentaient 65,8% de la production mondiale d’électricité et le nucléaire 15,8%. Les
34 électriques
moyens de production conventionnels (centrales thermiques et nucléaires) sont

adaptés au fonctionnement des systèmes électrique puisque leurs production est
contrôlable mais ils utilisent les énergies qui présentent plusieurs inconvénients
liés aux considérations environnementales : réserves limitées, émissions de gaz
à effet de serre, traitement des déchets (notamment nucléaires). Ces considéra-
tions environnementales ont en partie dicté l’évolution des systèmes électriques
vers une intégration massives des moyens de production non conventionnels
et particulièrement de l’éolien et du photovoltaïque qui feront l’objet de ce tra-
vail. La part d’énergie renouvelable hors hydraulique dans la production mon-
diale est passée de 1,1% en 2000 (Papaefthymiou, 2006) à plus de 2% en 2004. La
caractéristique fondamentale de la production renouvelable est sa dépendance
aux conditions climatiques (le vent pour les fermes éoliennes et l’ensoleillement
pour les fermes photovoltaïques). L’exploitant du système électrique a donc un
pouvoir de contrôle limité sur la quantité d’électricité en sortie des unités de pro-
duction d’énergie renouvelable. Plusieurs études montrent qu’un comportement
fluctuant peut être caractérisé par des variables aléatoires traduisant les varia-
tions sur une période donnée. Il en est de même de la puissance produite par
les fermes éoliennes et photovoltaïques. Plusieurs paramètres du système élec-
trique ont également un comportement stochastique (disponibilité des moyens
de production conventionnelle, des ouvrages de réseau, la demande. . .). Ainsi la
puissance produite par les moyens conventionnels peut être modélisée par une
variable aléatoire qui tient compte de la disponibilité des groupes de production.
Il est donc légitime de penser qu’une modélisation probabiliste du système élec-
trique serait adéquate pour caractériser son fonctionnement. Et, par conséquent,
que l’analyse des systèmes électriques par les méthodes probabilistes serait par-
ticulièrement appropriée.
L’insertion d’une installation éolienne ou photovoltaïque sur un réseau élec-
trique (de transport ou de distribution) peut entraîner des contraintes liées à
différents aspects tels que : courants en régime permanent et congestion de ré-
seaux, plan de tension, courants de court-circuit, plan de protection, comporte-
ment dynamique et contribution aux services de réglage de tension et fréquence,
stabilité des fermes éoliennes, photovoltaïques et du réseau lors de défauts, qua-
lité de la tension, etc. La réalisation d’études d’impact des énergies renouvelables
sur les réseaux est donc nécessaire pour analyser ces contraintes, anticiper les
problèmes liés au développement futur de ces énergies et rechercher des solu-
tions appropriées. Ces études reposent en particulier sur la modélisation des uni-
tés de production d’électricité d’origine renouvelable. Les premières études d’in-
sertion d’éolien ou de photovoltaïque dans les systèmes électriques ont été réali-
sées à l’aide de méthodes déterministes ; ceci principalement à cause de l’absence
de modélisation probabiliste appropriée et de l’importance initialement relative-
ment réduite de ces unités de production dans le parc de production. Ces ana-
lyses déterministes s’appuient sur l’examen d’un nombre restreint de situations

considérées à priori comme problématiques (« les pires cas ») pour lesquelles on
vérifie la tenue du système électrique. On fait l’hypothèse implicite que les autres
situations pouvant se produire sont moins contraignantes. L’approche probabi-
liste est une autre façon d’aborder le problème. Dans son principe, elle revient
à considérer tous les cas possibles avec leur probabilité d’occurrence afin d’esti-
mer le risque de ne pas respecter une contrainte du système. Les conséquences
du non-respect de la contrainte seront bien sûr à mettre en regard de leur « gra-
vité » ou sévérité pour le système. Le gestionnaire de réseau devra au préalable
établir une politique de risque. L’approche probabiliste devrait ainsi permettre
de « balayer » l’ensemble des configurations (ou cas) possibles en tenant compte
des aléas liés à la production renouvelable, à la disponibilité des unités conven-
tionnelles et des lignes, à la demande et donc de cerner plus finement les risques
encourus avec le niveau de sévérité et la probabilité d’occurrence des situations
contraignantes. L’objectif est alors de rechercher des solutions nouvelles tech-
niquement et économiquement viables tout en garantissant la sécurité des per-
sonnes et des biens. Bien sûr, en plus d’une modélisation probabiliste du système
électrique, l’utilisation de ce type d’approche requiert le développement d’une
nouvelle méthodologie pour les études d’insertion et l’utilisation d’outils ap-
propriés. D’autre part, l’implémentation des solutions nouvelles auxquelles elles
pourraient conduire devra probablement s’appuyer sur des moyens évolués de
conduite et de contrôle des fermes et des réseaux et pourrait nécessiter une évo-
lution du cadre réglementaire et contractuel.
L’analyse des systèmes électriques dans ce contexte requiert la prise en
compte des différents aléas induits par les nouveaux moyens de production et
par les autres éléments du système. L’objectif principal de ce travail a été d’éva-
luer l’apport de l’application des méthodes probabilistes aux études d’impact de
l’éolien et du photovoltaïque sur les systèmes électriques par rapport aux mé-
thodes déterministes. La réalisation de ce travail est passée par trois étapes :
– modélisation probabiliste du système électrique : il s’agit ici de caractéri-
ser la variation de plusieurs paramètres du système par des variables aléa-
toires, de développer des méthodes de calcul des distributions de proba-
bilité de ces variables aléatoires et d’analyser les corrélations éventuelles
entre elles.
– développement de méthodes probabilistes pour les études de raccorde-
ment et d’intégration des énergies renouvelables dans les systèmes élec-
triques : les études de raccordement concernent l’analyse de l’impact
d’une ferme éolienne ou photovoltaïque raccordée au réseau de distribu-
tion ; les études d’intégration concernent l’analyse de l’impact d’un parc
d’éolien et de photovoltaïque sur un système maillé.
– études de cas et comparaisons des méthodes probabilistes et déterministes.
36 électriques
Les énergies renouvelables (en particulier l’éolien et le photovoltaïque) ont

des impacts sur le système qui peuvent être classés en deux catégories :
– les impacts locaux qui concernent la qualité de tension, le plan de protec-
tion et la capacité d’accueil du réseau,
– les impacts globaux qui concernent la gestion de la production à tous les
horizons de temps et le comportement dynamique du système.
Les études d’impact des EnR ont pour principal objectif de vérifier que toutes
les contraintes liées au fonctionnement normal des systèmes sont respectées. Du
fait de leurs particularités, certaines des contraintes ont été aménagées pour les
unités de production renouvelable. Elles sont par exemple exemptées de réglage
primaire et secondaire de fréquence dans les réseaux français. Si le comporte-
ment stochastique de la puissance éolienne ou photovoltaïque est naturellement
mis en évidence, elle n’est pas le seul paramètre du réseau à avoir un comporte-
ment aléatoire. Ainsi les paramètres suivants ont été modélisés comme des va-
riables aléatoires et leur distribution de probabilité a été calculée : la puissance
en sortie d’une centrale constituée de plusieurs unités de production conven-
tionnelle. Le principal facteur induisant l’aléa est la disponibilité des unités, la
disponibilité des lignes, la consommation dont la variation sur une année est
modélisée par une gaussienne, les productions éolienne et photovoltaïque qui
sont modélisées par des distributions de probabilité non paramétrées issues de
la transformation des distributions de probabilité des sources primaires. Ces
différentes distributions de probabilité et la structure de corrélation qui les lie
forment le modèle probabiliste du système électrique. La gestion et l’exploita-
tion d’un système électrique passe par la réalisation d’analyses d’adéquation, de
sécurité statique et dynamique. Toutes ces analyses sont basées sur le calcul de la
répartition de puissance. Ce calcul peut être résolu pour un point de fonctionne-
ment par la méthode dite déterministe. Vu les différents aléas qui caractérisent le
fonctionnement réel d’un système, il est très vite devenu nécessaire d’introduire
les notions de probabilité dans les calculs de répartition et par conséquent dans
les analyses des systèmes électriques. Il a été proposé une méthode probabiliste
pour étudier l’impact des EnR dans un système électrique. La principale carac-
téristique de cette méthode est qu’elle tient compte des aléas liés aux variations
des différents paramètres du réseau sur la période d’étude. Ces aléas sont pris
en compte par le biais des distributions de probabilité préalablement calculées.
Cette méthode est applicable aux trois types d’analyse (adéquation, sécurité sta-
tique, sécurité dynamique). L’application de la méthode probabiliste aux études
d’impact des EnR sur la sécurité statique montre qu’elle permet de mieux simu-
ler le fonctionnement du système sur une longue période. L’étude probabiliste
permet de relativiser l’impact des EnR sur un système électrique donné. En effet
l’impact est défini en termes de risque de défaillance sur une longue période et
non en termes de défaillance sur des points de fonctionnement dits « pire cas
» comme c’est le cas pour les études déterministe. De plus l’étude d’un grand
nombre de points de fonctionnement permet d’effectuer une analyse plus dé-
taillée de l’impact des EnR. Les points de fonctionnement défaillants ont ainsi
pu être analysés et caractérisés, les distributions de probabilité des tensions aux
nœuds, des transits, de la réserve du système ont été déterminées et analysées.
La méthode probabiliste a été appliquée à l’étude de raccordement d’une ferme
éolienne à un réseau de distribution. L’analyse du transit dans la ligne en amont
du point de raccordement montre que celui-ci est inversé et que les congestions
sont rares. Comparée à celle obtenue par la méthode déterministe, la capacité de
la ferme raccordable obtenue par la méthode probabiliste est plus grande moyen-
nant un risque d’écrêtement de la production. Pour un risque d’écrêtement rai-
sonnable, cette possible augmentation de la capacité raccordable de la ferme
comparée à la capacité raccordable obtenue en déterministe, permet d’accroitre
le productible annuel. Pour le cas d’étude d’un système insulaire, l’intégration
de 70 MW d’EnR (soit un taux de pénétration de 22,2%) ne modifie presque pas
la réserve et augmente globalement les tensions aux nœuds de raccordement.
Les transits sont inversés dans les lignes voisines des nœuds de raccordement.
De même le taux de pénétration maximal en puissance obtenu par la méthode
probabiliste est plus élevé que celui obtenu par la méthode déterministe.
3.4.4 Modélisation et optimisation robuste de systèmes com-

plexes : application aux réseaux énergétiques
L’intégration éolienne et photovoltaïque apporte des problématiques de plus
en plus complexes, tant du point de vue physique et industriel, que du point
de vue mathématique où, comme nous l’avons vu, les probabilités et les incer-
titudes prennent une part importante dans les techniques d’optimisation et de
résolution. C’est pourquoi il nous est apparu nécessaire de continuer dans cette
voie de recherche en développement des techniques d’optimisation robuste des
systèmes incertains. Cette étude a fait l’objet de la thèse d’Henri Borsenberger
co-encadrée avec Guillaume Sandou du département Automatique de Supélec.
La gestion optimale à court terme (de quelques heures à quelques jours)
des réseaux d’énergie apparaît comme un enjeu industriel et sociétal majeur.
En effet, d’un point de vue purement technique, l’émergence de nouvelles tech-
nologies (installations aux rendements élevés, moyens de prédiction accrus par
exemple), combinée à la croissance de la puissance de calcul permet d’amélio-
rer la gestion des installations de production. D’un point de vue économique,
l’ouverture des marchés de l’énergie induit un contexte fortement concurren-
tiel qui oblige les producteurs à optimiser la gestion de leur parc de production.
Enfin, d’un point de vue environnemental, il s’agit de réduire les émissions de
38 électriques
polluants. Une telle réduction peut être facilitée par une gestion optimale et rai-
sonnée de la production.
La gestion d’un réseau de production, distribution ou stockage d’énergie
est devenue un enjeu tant économique que technique, devant respecter des
contraintes environnementales et législatives. Il apparaît donc la nécessité d’op-
timiser cette gestion afin de maximiser le profit de fonctionnement du réseau
tout en respectant les contraintes imposées. Cette tâche s’est complexifiée du
fait de la diversification des sources d’énergie, qui peuvent coexister dans un
même réseau (électricité, gaz, fioul, vapeur. . .). Par ailleurs, la modélisation de
ce type de système doit intégrer les incertitudes liées à la méconnaissance ou
à la simplification du modèle (en vue de son optimisation) ou des incertitudes
provenant de la nature prévisionnelle de la planification du fonctionnement du
système (demande réelle des consommateurs, fluctuations économiques. . .). La
robustesse de cette gestion optimale est dès lors impérative, de sorte que les per-
formances du système puissent être garanties en dépit des différentes sources
d’incertitude.
Il existe à l’heure actuelle relativement peu de travaux concernant la modé-
lisation et optimisation de réseaux multi-énergétiques, du fait de l’émergence de
ce type de problématique. Ainsi, ce sujet suscite un grand intérêt de la part des
industriels, confrontés à la complexité et interconnexion, de plus en plus accrues,
de leurs systèmes. Des travaux sur ce sujet ont été menés par le département Au-
tomatique lors de la thèse de Guillaume Sandou portant sur la modélisation et
optimisation d’un réseau d’énergie thermique. Les résultats scientifiques obte-
nus à l’issue de cette thèse sont encourageants et ont permis de discerner les
verrous existants et donc de mieux cibler les travaux de recherche. En effet, il en
est ressorti la nécessité de prendre en compte les incertitudes présentes dans le
système, notamment dans la détermination de la commande optimale du réseau.
De ce fait, un enjeu scientifique consiste en la détermination d’une commande
optimale robuste vis-à-vis des incertitudes.
Dans ce cadre, cette étude à visé à la mise au point de stratégies de gestion
optimale d’un réseau d’énergie. La détermination de cette commande optimale
doit, dans la mesure du possible, utiliser des procédures systématiques et géné-
riques, facilitant ainsi la transposition de la méthodologie développée à divers
types de réseau. Cette commande devra également être robuste vis-à-vis des in-
certitudes. En outre, un enjeu majeur est de mettre au point des algorithmes
numériques de résolution qui soient rapides, fiables et robustes.
Poursuivant les travaux initiés dans le cadre du projet Énergie de Supélec sur
l’optimisation des réseaux dans un contexte déterministe, le but de cette thèse a
été de rechercher des méthodologies assurant un pilotage robuste du réseau et
ce malgré plusieurs types d’incertitudes.
L’approche déterministe des problèmes d’optimisation sur des systèmes in-
certains donne des résultats imparfaits. Les optimums obtenus souffrent de deux
défauts :
– des résultats présentant des risques. Les algorithmes d’optimisation
poussent généralement le système en limite de fonctionnement. Les pa-
ramètres du système faisant varier le point de fonctionnement du système
et/ou ses contraintes, il est possible que la solution initialement faisable
dans le cas déterministe se retrouve être infaisable. On corrige générale-
ment ce défaut en imposant une marge arbitraire au système qui se traduit
généralement par une moins bonne performance de la solution. La solu-
tion ainsi obtenue devient donc sous-optimale.
– des résultats sous-optimaux. Lorsque les paramètres varient, de manière
générale le lieu de l’optimum varie aussi. Les paramètres incertains n’ont
pratiquement aucune chance d’être égaux à leurs estimations. Par consé-
quent le lieu de l’optimum obtenu a priori par la résolution du problème
déterministe n’est pas celui de l’optimum réel que l’on ne peut obtenir
qu’a posteriori après observation des paramètres.
L’optimisation de systèmes incertains est communément appelé optimisa-
tion stochastique ou optimisation robuste. Il est étonnant de constater à quel
point les deux termes optimisation et robuste peuvent être antagonistes. En ef-
fet, l’optimisation du fonctionnement d’un système conduit généralement à se
placer en limite de contraintes, alors que la robustesse cherche au contraire à
s’en éloigner en prenant des marges de sécurité. Les premiers développements
en matière d’optimisation stochastique datent des années 60. Les algorithmes et
la théorie ont connu un essor récent ces 20 dernières années particulièrement
dans les problèmes en chimie et en économie ([AP98], [BN02], [BN99], [Sah04]).
Les méthodes développées dans ce domaine font souvent appel à des propriétés
inhérentes à leurs applications ce qui les rend parfois délicates à appliquer aux
problèmes d’énergie.
La première difficulté rencontrée dans des problèmes d’optimisation stochas-
tique par rapport cas déterministes est la complexification de problèmes déjà
complexes. En effet, dans la plupart des problèmes posés chaque incertitude
ajoute une dimension de complexité au système, ce qui a des répercussions in-
évitables sur le temps de calcul.
La deuxième difficulté est un problème théorique. En général, un optimum
stochastique est l’optimum qui minimise l’espérance du critère, ou son écart
type. Dans les problèmes de planification pour les réseaux d’énergie en parti-
culier, on s’intéresse généralement à l’espérance des coûts de production. Ce-
pendant le calcul de cette espérance n’est pas aisé. Les systèmes ne sont pas
linéaires et le temps de calcul pour évaluer la fonction critère est une barrière
pour le calcul de l’espérance sur le domaine d’incertitude. Par ailleurs, l’objectif
étant d’optimiser une suite de décisions échelonnées dans le temps, ces déci-
40 électriques
sions peuvent être amenées à être modifiées selon les réajustements des prévi-
sions. Ces réajustements utilisent les nouvelles données acquises au cours du
temps : nouvelle données météo, écart de la consommation par rapport aux
prévisions. . . L’intégration du réajustement dans des problèmes d’optimisation
robuste fait appel à la notion de recours, qui est un thème central en optimisa-
tion stochastique. Les travaux dans ce domaine font appels à des méthodes de
programmation dynamique stochastique ([PCW00][GR]) et des méthodes multi-
stage stochastic programming [DR97].
Nous avons étudié les incertitudes suivantes, motivées par des problèmes
industriels réels :
– incertitude sur la demande des consommateurs. Ce type d’incertitude est
présent sur la quasi-totalité des réseaux d’énergie, car la demande de
consommation ne peut être que prédite. La contrainte d’équilibre consom-
mation / production est une contrainte forte des réseaux électriques pour
en assurer le bon fonctionnement et la stabilité.
– incertitude sur la capacité de production maximale. Ce type d’incertitude
est présent lors de l’utilisation d’énergies renouvelables telles que l’énergie
photovoltaïque ou l’éolien dans les réseaux électriques, ou encore dans les
réseaux de chaleur avec l’utilisation d’incinérateurs de déchets.
– incertitude sur les coûts de production. Ce type d’incertitude est présent
sur presque toutes les installations, car les caractéristiques de production
sont souvent identifiées à partir de points de mesure. Un cas particulier
qui pourra avoir son importance dans l’avenir est celui des usines de co-
générations. En effet, si le prix de revente devient indexé sur le prix du
marché de l’électricité, alors de telles installations rentreront exactement
dans ce cadre.
Les méthodes développées pour prendre en compte ces incertitudes appa-
raissent comme des extensions de la méthode choisie pour la résolution du pro-
blème déterministe, à savoir l’utilisation de la programmation dynamique et de
la relaxation lagrangienne. Ceci est un point fort de nos travaux car les schémas
classiques d’optimisation utilisés dans le cas déterministe restent utilisables.
3.5 Conclusion
Dans ce chapitre, nous avons traité de la modélisation et de l’optimisation
technico économique des réseaux électriques de transport ou de distribution.
Nous avons dans un premier temps étudié les effets de la dérégulation et de la sé-
paration des entreprises de réseau de de production. Puis, au vu de l’insertion de
plus en plus importante des énergie renouvelables photovoltaïques et éoliennes,
nous avons cherché à comprendre les incidences induites par cette augmenta-
3.5 Conclusion 41
tion. Nous nous sommes intéressés aux études de raccordement des moyens de
productions aléatoire, puis nous avons cherché à développer de nouvelles tech-
niques d’optimisation qui prennent en compte ces incertitudes. En parallèle à ces
travaux, nous avons appliqué les algorithmes d’optimisation développés au cas
des machines électriques et plus particulièrement des systèmes de motorisation.
Ce développement fait l’objet du chapitre suivant.
42 électriques
Figure 3.1 – Amazing Stories juillet 1926

Chapitre 4
Optimisation et modélisation des

machines électriques
4.1 Principes de l’optimisation des systèmes électro-

techniques
Dans beaucoup d’applications industrielles la question de la masse d’un sys-
tème de motorisation est cruciale. On peut citer par exemple la conception des
satellites ou des aéronefs, mais c’est une réalité dans l’ensemble des industries
aéronautique et spatiale. Dans de tels systèmes une diminution de la masse ou
du volume induit une baisse de la consommation de carburant c’est à dire une
diminution du coût d’exploitation et une hausse des prix de vente des appareils.
L’industrie automobile est confronté à la même problématique, avec en complé-
ment la question du volume nécessaire à l’incorporation dans le véhicule et du
coût.
La recherche d’une minimisation des pertes –ou du coût énergétique– est
bien sur une autre approche de l’optimisation d’un système de motorisation. Cet
optimum est en général en contradiction avec le précédent, ce qui nous amène à
nous intéresser à des optimisations multiobjectifs en introduisant des fronts de
Pareto.
Nous avons choisi de nous intéresser à l’optimisation et à la modélisation des
systèmes au département énergie. Un système est un ensemble fonctionnel de
composants réunis au sein d’une même application. Par exemple pour un sys-
tème de motorisation, l’ensemble de la chaîne de traction est représentée sur la
figure 4.1 : moteur électrique, réducteur de vitesse, convertisseur de mouvement,
source d’énergie, convertisseurs électriques. . .
La prise en compte de l’ensemble des composants de la chaîne de traction
est primordiale comme le montre la figure 4.2 où une optimisation système est
43
44 Chapitre 4 : Optimisation et modélisation des machines électriques
DC Motor Speed Reducer
Ω 
θ 
ibat iM  
Cem
Ubat uM ρr
 Ωr 
Cr  
θr 
ρt
DC/DC Converter
LOAD
γ 
v 
 
Lead Screw Device
 x 
Figure 4.1 – Représentation schématique d’une chaîne de traction électrique
réalisée. Nous avons en fonction de contraintes spécifiques à une application,

effectué une optimisation de la masse d’un ensemble réducteur de vitesse et
moteur. Sur la figure sont tracés les masses totales et de chaque composant en
fonction d’une contrainte variable sur le rapport de transformation maximal du
réducteur de vitesse. C’est à dire que chaque point de ces courbes est une op-
timisation qui arrive en buttée sur cette contrainte variable. En permettant un
rapport de réduction maximal plus important, l’optimisation réduit le volume de
la machine, mais augmente celui du réducteur. Il s’en suit une réduction globale
de la masse. La masse totale du système (en vert) est donnée par la somme des
masses du réducteur et du moteur. Si l’on augmente (relâche) la contrainte sur le
rapport de transformation, on diminue la masse totale du système : la masse du
moteur (en rouge) diminue tandis que celle du réducteur (en bleu) augmente. Op-
timiser seulement sur un point de fonctionnement la masse du moteur n’est pas
recommandé dans ce cas, il faut prendre en compte l’ensemble des composants
du système. À noter dans cet exemple le point optimal minimum de la masse
totale du système : à partir d’une contrainte sur le rapport de réduction au-delà
de 9,5.104 , l’augmentation de la masse du réducteur n’est plus compensée par la
diminution de la masse du moteur.
Composer des optimisations systèmes implique de réaliser des modèles mul-
tiphysiques prenant en compte tous les aspects des composants : électrique, mé-
canique, thermique. . .Ces modèles se doivent d’être relativement simples, ou tout
du moins d’être rapidement calculables pour être implémentés dans les codes
d’optimisation.
Dans la suite de cet exposé, nous allons présenter deux exemples d’optimi-
4.2 Optimisation des coûts de fabrication et du rendement d’une gamme de
machine 45
0.2
M
m
M
r
[M +M ]/2
0.18 m r
0.16
0.14
r
M ,M
m
0.12
0.1
0.08
0.06
0.04
5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10
r 4
x 10
max
Figure 4.2 – Variation des masses optimales du système en fonction de la

contrainte sur le rapport de transformation
sation. Le premier réalisé lors de la thèse de Xavier Jannot, présente une forme
originale de problème d’optimisation : la réduction des coûts de fabrication d’une
gamme d’alternateurs. Il s’agit encore une fois d’optimisation système, bien que
celui-ci n’est pas cette fois ci composé d’éléments physiques, mais plutôt de
types d’alternateurs dans une même gamme.
Par la suite, nous présenterons une première réalisation d’optimisation d’un
convertisseur de puissance. Cette optimisation multi-objective servira de base
pour une conception future complète du système de motorisation : batterie,
convertisseur d’énergie, réducteur de vitesse, convertisseur de mouvement, mo-
teur.
4.2 Optimisation des coûts de fabrication et du ren-

dement d’une gamme de machine
Avec la récente augmentation du prix des matières premières les construc-
teurs de machines électriques cherchent à améliorer leurs dimensionnement afin
de réduire la quantité de matériaux actifs utilisés ainsi que les coûts de fabrica-
tion. Cette diminution du poids et de la quantité de matière utilisée influence
directement le rendement énergétique de la machine. Cette augmentation des
pertes est en contradiction avec les nouvelles réglementations européennes qui

recommandent au contraire une augmentation des rendements. Les construc-
teurs sont donc confrontés à un choix qui peut être représenté par une optimi-
sation sous contraintes : réduire le coût en matière des machines en respectant
des contraintes de rendement.
Une autre problématique introduite lors de cette étude vient du fait que les
constructeurs tendent à harmoniser et à mutualiser les conceptions au sein d’une
même gamme. Pour un même type de machine (ici un alternateur), une partie
de la conception est gardé le même pour toute une gamme de puissance. Dans
l’application proposée par la suite, certaines caractéristiques comme le rayon de
la machine, le nombre de paires de pôles sont gardées constants pour une même
gamme de puissance, la différence se faisant sur la longueur de tôle utile.
Plusieurs stratégies d’optimisation ont été proposées, la première qui pourra
servir de référence est d’optimiser chaque machine de la gamme séparément. La
seconde dite classique est celle utilisée habituellement dans le monde industriel.
Elle consiste à optimiser la machine de plus forte puissance puis la décliner en
passant à des modèles de plus basse puissance. Cette déclinaison se faisant en
optimisant les paramètres pouvant varier pour chaque machine de la gamme.
Une nouvelle approche que nous avons proposée et qui apporte des gains
supplémentaires en terme de réduction des coûts de fabrication est d’optimiser
globalement la gamme en tenant compte de la répartition des productions sui-
vant les puissances.
Pour réaliser ces optimisations, il est nécessaire d’avoir un modèle phy-
sique des composants, cette modélisation sera développée dans le prochain para-
graphe. Nous présenterons par la suite les résultats des optimisations de gamme
en mono-objectif puis en multi-objectif en prenant en compte les rendements.
4.2.1 Modélisation de la machine

Le type de machine étudiée ici est une génératrice synchrone à pôle saillant.
Afin de réaliser l’optimisation, nous avons besoin d’un modèle global et phéno-
ménologique de la machine. La géométrie type est présentée sur la figure 4.3.
Les dents du stator sont de section constante (exceptée dans les pieds et les fond
d’encoches). Le bobinage du rotor est ordonné et le nombre de paires de pôles
est fixé à 2.
Un modèle électromagnétique tenant compte de la saturation a été déve-
loppé, et permet de déterminer à partir de données géométriques, les densités
de flux magnétiques, la force électromotrice et les courants dans les bobinages.
Les résultats de ce modèle servent ensuite de point d’entrée à une modélisation
des pertes. Les pertes joules, les pertes fers ainsi que les pertes mécaniques sont
évaluées à partir d’un premier point de température. Les valeurs de ces pertes
machine 47
Figure 4.3 – Géométrie de la machine étudiée
dépendant grandement de la température, celle-ci est ensuite recalculée puis par

itérations successives (méthode du point fixe), les pertes et la température sont
réajustées suivant l’organigramme de la figure 4.4.
Un modèle complet de la machine et des interactions entre composants est
donné dans le chapitre d’ouvrage [1].
4.2.2 Optimisation d’une gamme d’alternateurs
L’approche de conception optimale nous permet de trouver le meilleur sys-

tème tout en respectant les spécifications aussi appelées contraintes. L’optimisa-
tion d’une gamme de machines électriques basées sur le modèle présenté dans le
paragraphe précédent est complexe, il y a en effet des variables mixtes (entières
et réelles), la fonction objectif est non linéaire et surtout non dérivable analyti-
quement. C’est pourquoi le choix de l’algorithme d’optimisation s’est porté sur
une méthode d’algorithme génétique et d’évolution différentielle. Ce choix est
renforcé par la nécessité par la suite de réaliser des optimisations multi-objectifs
traitées à l’aide de l’algorithme NGSA2 [KAST02].
Figure 4.4 – Organigramme de calcul du couplage électrique–thermique
Optimisation mono-objectif
Plusieurs optimisations ont été réalisées afin de minimiser différentes fonc-

tions objectifs. Une gamme de trois machines a été considérée couvrant des puis-
sances variant de 125kVA à 180kVA. La fonction objectif dans chacune des opti-
misations réalisées dans ce paragraphe est représentative du coût des matières
machine 49
utilisées lors de la fabrication :
X
W RSGcost = weight.materialcost (4.1)
Les contraintes peuvent être séparées en deux types. Les premières portent
directement sur les variables d’entrées du problème, aussi appelé paramètres de
l’optimisation. Ce sont les bornes de recherche et sont figurées dans le tableau
4.1.
WRSG’s parameters Initial design Range
Outer stator diameter [mm] 390 [390,420]
Inner stator diameter [mm] 270.5 [255,290]
Slot diameter [mm] 317.5 [300,360]
Tooth width [mm] 10.2 [5,24]
Rotor pole width [mm] 86.5 [70,100]
Rotor pole opening factor 0.7045 [0.6,0.8]
Machine length [mm] 410 [210,420]
Conductor number 6 [5,12]
Relative cost 1
Table 4.1 – Paramètre de la machine à optimiser et leurs bornes
Le second type de contraintes porte sur des grandeurs calculées par la mo-
délisation. Les températures du stator et du rotor ne doivent pas augmenter au-
dessus de 125K. Les rendements doivent être supérieurs à une certaine valeur
dépendant de la puissance de la machine considérée. Ces contraintes sont indi-
quées dans le tableau 4.2.
Quantity Constraint
Stator temperature rise < 125K
Rotor temperature rise < 125K
125kVA WRSG efficiency η > 91.6%
Table 4.2 – Contraintes de l’optimisation sur les valeurs de sortie
Une première approche est d’optimiser le coût de chaque machine prise sé-
parément. Cela conduit à la réalisation de trois calculs dont le résultat nous don-
nera le coût minimum de fabrication d’une machine si celle-ci était la seule à être
produite. D’un point de vue industriel cette approche n’est pas réalisable car elle
conduit à trois sections de rotor différentes. Cela oblige le constructeur à déve-
lopper des chaînes de production différentes pour chaque machine et ne permet
aucune mutualisation des processus des fabrication. Les résultats des optimisa-
tions pour ces trois machines de puissance différente sont présentés dans le ta-
bleau 4.3. D’après ces résultats, les machines 165kVA et 180kVA optimisées sont
en limite de contrainte pour les températures de rotor et de stator ainsi que sur
le diamètre extérieur du stator. Pour la machine 125kVA, la butée en contrainte
se fait cette fois-ci sur la température du rotor et sur le rendement. Ces résultats
sont en accord avec l’expérience de conception de machines : les machines les
plus volumineuses sont en général limitées par la hausse de température, alors
que les machines plus petites sont connues pour avoir des rendements moins
performants.
variables 125 kVA 165 kVA 180 kVA

Outer stator diameter [mm] 393.7 420 420
Inner stator diameter [mm] 255.2 276.9 278.9
Slot diameter [mm] 311 326.1 331.5
Tooth width [mm] 11.1 12.9 12.4
Rotor pole width [mm] 89 100 96.9
Rotor pole opening factor 0.748 0.7415 0.7415
Machine length [mm] 285.2 331.7 349.9
Conductor number 8 6 6
Stator temperature rise [K] 83.0 125 125
Rotor temperature rise [K] 124.8 125 125
Efficiency [%] 91.60 91.79 92.34
Relative cost 0.7129 0.8693 0.9589
Table 4.3 – Paramètres des machines suite aux optimisations individuelles
Approche classique de l’optimisation d’une gamme

Les résultats précédents, bien que garantissant pour chaque puissance de ma-
chine la meilleure solution, ne peuvent être utilisés dans les étapes de production
industrielle. Les solutions proposées imposeraient de modifier la chaine de mon-
tage et de production lors du changement de type de machine ce qui induirait des
coûts de production bien plus importants que le gain fait sur chaque machine.
Pour la réduction de ces coûts une contrainte forte est d’imposer une section
identique pour les trois machines de puissance différente. C’est à dire que les
machine 51
trois machines ne seront différentes que par le nombre de conducteurs dans les
encoches et leur longueur. L’approche classique, présentée ici pour des raisons
de comparaison, se base sur l’optimisation de la machine la plus contraignante
(la plus puissante en générale) puis le nombre de conducteurs et la longueur
des autres machines sont optimisés en imposant la même section. En se basant
sur les résultats précédents pour la machine 180kVA et en optimisant le nombre
de conducteur et la longueur des machines 165kVA et 125kVA, on obtient les
résultats du tableau 4.4.
variables 125 kVA 165 kVA 180 kVA

Outer stator diameter [mm] 420 420 420
Inner stator diameter [mm] 278.9 278.9 278.9
Slot diameter [mm] 331.5 331.5 331.5
Tooth width [mm] 12.4 12.4 12.4
Rotor pole width [mm] 96.9 96.9 96.9
Rotor pole opening factor 0.7415 0.7415 0.7415
Machine length [mm] 261.8 349 349.9
Stator temperature rise [K] 87.1 97.8 125
Rotor temperature rise [K] 90.3 106.9 125
Efficiency [%] 91.61 92.53 92.34
Relative cost 0.7526 0.9568 0.9589
Table 4.4 – Paramètres des machines après optimisation classique de la gamme :
optimisation de la machine de plus forte puissance, puis déclinaison pour les
machines de plus faible puissance
Cette optimisation nous donne des résultats moins optimaux que celles
mono-objectif réalisées pour chaque machine prise séparément, mais permet
une mutualisation des processus de fabrication entrainant une diminution des
coûts. Les coûts relatifs sont à comparer à la conception initiale des machines
dans le tableau 4.1.
Une autre possibilité serait de prendre comme optimisation initiale celle
d’une machine de plus faible puissance, puis augmenter la longueur jusqu’à trou-
ver celle correspondant aux puissances 165kVA et 180kVA. L’algorithme d’opti-
misation nous montre que cela n’est pas faisable, car dans ce cas aucune solution
optimale n’est trouvée. En effet l’augmentation de la longueur de la machine est
plus grande que la limite haute fixée dans les contraintes. Cela confirme bien
l’approche faite par les constructeurs qui permet en plus de garder la gamme
de machine dans un volume donné. Mais fixer la section à partir de la machine
la plus puissante n’est pas la meilleure optimisation lorsque l’on considère la

gamme entière comme nous allons le voir dans la section suivante.
Optimisation simultanée d’une gamme de machine

Une nouvelle approche que nous avons proposée est d’optimiser l’ensemble
des paramètres des trois types de machines considérées. Il s’agit donc de réa-
liser une seule optimisation prenant en compte l’ensemble des paramètres. La
fonction objectif globale devient :
3
X
rangecost = αi .W RSGcost,i (4.2)
i=1
La pondération αi correspond à la répartition des ventes à l’intérieur de la

gamme.
125 kVA 165 kVA 180 kVA
Cas I 8/10 1/10 1/10
Cas II 1/10 8/10 1/10
Cas III 1/10 1/10 8/10
Table 4.5 – Pondérations des ventes pour les trois scénarios envisagés
Le nombre de variables d’optimisation est augmenté, puisqu’il comprend

maintenant trois longueurs de machine et trois nombres de conducteurs par
encoche (une pour chaque puissance). Les autres paramètres restent inchangés
(voir le tableau 4.1). Cela nous conduit à réaliser une optimisation sur douze
paramètres sous les contraintes du tableau 4.2. Nous avons étudié trois cas cor-
respondants aux différentes pondérations du tableau 4.5 sur les volumes de vente
des machines au sein la gamme. Les résultats de ces trois optimisation sont re-
portés dans les tableaux 4.6,4.7 et 4.8.
Dans les trois cas présentés, le gain relatif en terme de coût de production
est reporté sur la dernière ligne du tableau. Pour les trois répartitions de vente,
nous obtenons grâce à cette nouvelle approche, une baisse des coûts de fabrica-
tion. Le gain étant le plus important lorsque les volumes de vente sont en faveur
des machines de petite puissance. La troisième configuration apporte un gain
relativement faible (mais non négligeable pour le constructeur), car elle favorise
la machine de forte puissance, ce qui est déjà le cas pour la technique d’opti-
misation classique. Nous pouvons aussi observer une répartition des contraintes
atteignant les bornes fixées suivant les distributions, les puissances plus faibles
que celle favorisée étant en butée sur le rendement minimum, alors que les puis-
sances plus grandes le sont sur la température.
machine 53
125 kVA 165 kVA 180 kVA

Outer stator diameter [mm] 412
Inner stator diameter [mm] 267.6
Slot diameter [mm] 324.1
Tooth width [mm] 12.1
Rotor pole width [mm] 94.7
Rotor pole opening factor 0.7472
Machine length [mm] 266.2 360.7 394.8
Rotor temperature rise [K] 110.4 124.9 124.9
Efficiency [%] 91.60 92.53 92.40
Relative cost 0.726 0.9372 1.0135
Relative average cost per machine 0.7759
Saving compared to classical approach - 2.24 %
Table 4.6 – Paramètres optimaux des trois types de machine dans le cas du
scénario I
125 kVA 165 kVA 180 kVA

Machine length [mm] 266.1 306.6 355
Stator temperature rise [K] 78.6 125 111.7
Rotor temperature rise [K] 89.5 125 125
Efficiency [%] 91.89 92.00 92.59
Relative cost 0.7753 0.8712 0.9857
scénario II
125 kVA 165 kVA 180 kVA

Machine length [mm] 261.3 348 352.1
Rotor temperature rise [K] 92.5 110.1 125
Efficiency [%] 91.60 92.51 92.35
Relative cost 0.7478 0.95 0.9596
scénario III
4.2.3 Optimisation multi-objectif du coût et du rendement

Nous avons par la suite travaillé sur une optimisation multi-objectif basée sur
le même modèle et les mêmes contraintes. Nous optimisons conjointement, le
rendement et le coût de fabrication. La première partie de cette section se plaçait
du coté constructeur de machine, ou seul le coût de fabrication était important ;
ici on se place coté consommateur ou utilisateur de la machine. Celui-ci doit
faire un choix entre le coût d’achat (relié au coût de fabrication) et le rendement
à long terme de la machine. Un exemple de calcul d’optimisation multi-objectif
est représenté sur la figure 4.5, où le front de Pareto pour la machine 125kVA
est tracé en trait plein. Cette optimisation est réalisée à l’aide d’un algorithme
évolutionnaire couplé à un mode de résolution de type NGSA2 [KAST02] et est
basée sur le scénario 1 de la section précédente. Nous avons aussi reporté les
caractéristiques rendement–coût pour les autres machines de la gamme pour
chaque point du front de Pareto.
Le premier objectif est de minimiser le coût de fabrication de la gamme de
machine dans le cadre d’une répartition donnée. Le second objectif est le ren-
dement de la machine 125kVA (et uniquement celui-ci). On peut tracer un front
de pareto de cette double optimisation : en trait plein sur la figure 4.5. D’autre
part, pour chaque point de ce front de pareto, on obtient un jeu de paramètre
pour l’ensemble des machines de la gamme, on peut donc en déduire un coût et
4.3 Prototypage virtuel en électronique de puissance 55
Figure 4.5 – Front de Pareto, coût en fonction du rendement pour la machine de

125kVA. Les rendements des autres machines de la gamme sont reportés sur la
figure.
un rendement. On trouve alors les nuages de points : indiqué par des o pour les
machines à 180kVA et des + pour les machines 165kVA. Ces points ne forment
pas une courbe, mais sont répartis en plusieurs paquets. On observe une coupure
vers 1.0 en coût et .93 en rendement.
La figure 4.5 peut être une aide précieuse pour aider au choix des carac-
téristiques d’une gamme de machine. En effet, on s’aperçoit qu’il vaut mieux
pénaliser un peu le rendement (au-dessous de 0.93) de la machine 125kVA ou
son coût (au-dessous de 1) ; les rendements des autres machine de la gamme s’en
trouvant largement améliorés. D’autres recherches sur ce sujet sont en cours et
ont donné lieu à une publication actuellement en cours d’examen.
4.3 Prototypage virtuel en électronique de puissance

4.3.1 Introduction
Après avoir étudié et appliqué ces techniques d’optimisation au cas des
chaînes de traction, il nous est apparu nécessaire de nous intéresser à un autre
composant des systèmes électrotechniques, les convertisseurs de puissance. En
effet avant leur intégration complète dans le processus d’optimisation système, il
est nécessaire d’avoir des modèles simples et des applications testées. C’est pour-
quoi nous avons travaillé avec Pierre Lefranc et Xavier Jannot sur l’optimisation
et le prototypage virtuel d’un convertisseur de puissance dc-dc de type hacheur
abaisseur. Cette étude a fait l’objet d’un article accepté dans le journal IET Power
Electronics. Ce type de convertisseur est largement utilisé, que ce soit dans les
applications domestiques, automobiles ou aéronautiques. Les contraintes élec-
triques, thermiques, mécaniques, d’encombrement, et de coût imposées par les
constructeurs requièrent une approche de dimensionnement par optimisation
multiphysique qui doit prendre en compte les divers impacts de l’environnement
sur le convertisseur, mais aussi ceux induits par le convertisseur lui-même. Di-
verses approches ont déjà été proposées dans la littérature, ainsi des techniques
d’optimisation ont été développées pour le prototypage d’un convertisseur ha-
cheur multi-phase [HAD05], mais aussi pour un abaisseur (buck) DC-DC pour
une application automobile [TD03] et pour des convertisseurs DC-DC faible ten-
sion [XTF97]. D’autres auteurs se sont focalisés sur des techniques de prototy-
page virtuel en plusieurs étapes : ceci permet aux concepteurs de commencer
à donner des premiers éléments de réponse sur la définition du convertisseur.
On parle alors de pre-dimensionnement. Dans un second temps, le concepteur
affine ses choix, les modélisations, les optimisations afin de définir de plus en
plus précisément le système [KCPC09]. Le pré-dimensionnement est très impor-
tant dans le cas d’applications industrielles avec une forte contrainte sur le coût
(automobiles par exemple). Le but de ce travail a été de proposer une technique
de prototypage virtuel à l’aide d’une optimisation bi-objectif dans le contexte
d’une application industrielle. Pour cet exemple, les données des composants du
convertisseur (MOSFETS, diodes et échangeurs de chaleur. . .) sont issus directe-
ment des données techniques des constructeurs. Nous nous sommes intéressés
en guise d’application et d’exemple au prototypage d’un hacheur abaisseur (24V-
12V) d’une puissance d’un kW sans filtre d’entrée. Les variations de la tension
d’entrée et de la puissance de sortie ont été prises en compte dans la formulation
des contraintes : la tension d’entrée vi varie entre 20V et 30V, et la puissance de
sortie entre 100W et 1kW.
La méthodologie de prototypage virtuel appliquée ici au convertisseur abais-
seur peut être appliquée aux autres convertisseurs continu-continu en adaptant
les contraintes. Comme précédemment, un modèle simple (permettant l’optimi-
sation) a du être développé, et il sera présenté dans la prochaine section où il
servira de point d’entrée des méthodes d’optimisations dont les résultats seront
exposés dans la section 4.3.3.
4.3.2 Modélisation du hacheur abaisseur

Les convertisseurs de type hacheur sont très souvent utilisés dans des appli-
cations industrielles et grand public (alimentation de carte CPU par exemple).
Nom de variable Définition

K MOSFET
D diode
L inductor
C capacitor
R load resistor
vi input voltage
vo output voltage
P output power, P = vo2 /R
d duty cycle
T switching period
F switching frequency
∆iL inductor current ripple
iLm minimum inductor current value
iLM maximum inductor current value
∆vo output voltage ripple
Table 4.9 – Notations utilisées pour le convertisseur abaisseur
On trouvera un schéma de principe du hacheur étudié sur la figure 4.6. Le sys-

tème est constitué de composants classiques : un MOSFET K, une diode D, une
inductance L et un condensateur C. Les formes d’ondes (sans pertes, c’est à dire
en utilisant des composants parfaits) sont présentées sur la figure 4.7, où iLm et
iLM sont définis respectivement par les valeurs minimale et maximale du cou-
rant d’inductance. La figure 4.8 montre les ondulations de la tension de sortie
∆vo . On utilisera par la suite les notations du tableau 4.9.
Figure 4.6 – Schéma électrique de principe du hacheur
Plusieurs hypothèses ont été prises en compte pour l’élaboration du mo-

Figure 4.7 – Forme d’onde du courant dans l’inductance et le MOSFET
dèle du convertisseur. Elles nous permettent, sans nous éloigner de la réalité, de

simplifier les modèles utilisés et de les incorporer ainsi dans une approche d’op-
timisation multi-critère et multi-physique. On considérera donc les hypothèses
suivantes :
– la tension d’entrée vi est constante,
– les ondulations de tension ∆vo sont négligeables par rapport à la valeur
moyenne de v0 ,
– la valeur de la résistance de la bobine est négligeable,
– le courant iL évolue linéairement,
– les temps de montée et de descente dans le MOSFET sont négligeables face
au temps de conduction,
– il n’y a pas de saturation dans le matériau magnétique de l’inductance L.
À partir de ces hypothèses, nous avons élaboré un modèle fonctionnel du
convertisseur dont les équations de base sont :
vo
d= (4.3)
vi
Figure 4.8 – Ondulations de la tension et du courant de sortie
P vi (1 − d) d
iLM = + (4.4)
dvi 2LF
P vi (1 − d) d
ilm = − (4.5)
dvi 2LF
vi d (1 − d)
∆vo = (4.6)
8LCF 2
Ces équations servent de point de départ à la modélisation des pertes dans
les composants du convertisseur. Nous avons considéré les pertes par conduction
et par commutation dans l’interrupteur MOSFET et par conduction seulement
dans la diode. Pour le MOSFET, l’évaluation des pertes par conduction se fait en
fonction des tensions d’entrée et de sortie, de la puissance de sortie, de la période
de fonctionnement, de l’inductance, mais aussi de l’évaluation de la température
de jonction entre le composant et le boitier TjK . Finalement une relation pour
les pertes par conduction dans le MOSFET est donné par une équation du type :
PKcond = f1 (vi , vo , P, T, L, TjK ) . (4.7)

De la même manière, les pertes par commutation sont fonction des tensions,
de la puissance, de l’inductance et de la période de fonctionnement :
PKsw = f2 (vi , vo , P, L, T ) . (4.8)

Les pertes totales dans le MOSFET sont données par la somme des pertes par
conduction et commutation :
PK = PKcond + PKsw = f1 (vi , vo , P, T, L, TjK ) + f2 (vi , vo , P, L, T ) . (4.9)

Les pertes dans la diode sont des pertes par conduction, et sont évaluées à
partir d’une modélisation des données constructeurs en fonction de la tension
à ses bornes, du courant, de sa température de jonction (Tjd1 ), de la période de
découpage et du rapport cyclique d.
Pd1cond = Pd2cond = f3 (T, d, id , vd , Tjd1 ) . (4.10)
L’inductance est le troisième composant à être modélisé. Il s’agit, à partir du
modèle fonctionnel et des pertes (dans le fer Piron,vol ×volcore et le cuivre Pcopper ),
de caractériser son volume et l’élévation de température au sein de l’inductance.
On obtient ainsi des équations analytiques permettant de calculer les différents
paramètres de cette dernière.
Enfin le dissipateur de puissance est un élément passif qui doit être dimen-
sionné. Il est représenté par une résistance thermique évaluée en fonction de
sa géométrie. Un modèle analytique a été développé pour tenir compte de la
longueur du dissipateur dans la valeur de la résistance thermique globale. Pour
cela, les données constructeur sont utilisées pour réaliser une approximation du
type :
Rth (Lhs ) = a + b.e−c.Lhs (4.11)
Une modèle électrothermique a été mis au point en tenant compte des tem-
pératures de jonction et des résistances thermiques entre les composants et le
boîtier puis entre le boîtier et le dissipateur. Ce modèle est représenté sur la
figure 4.9.
4.3.3 Définition de l’optimisation et prototypage virtuel du ha-

cheur
Pour réaliser une optimisation, il faut définir les objectifs ainsi que les
contraintes. Comme dans de nombreuses applications électrotechniques, la ten-
dance actuelle est à la réduction des volumes et des pertes. Nous définirons deux
Figure 4.9 – Modèle électro-thermique
objectifs, qui –nous le verrons dans les résultats– sont contradictoires ou en op-
position. Il s’agit pour le premier de proposer un dimensionnement le plus petit
possible (optimisation du volume du convertisseur) et pour le second d’optimiser
le rendement (diminuer les pertes).
Le rendement η est défini classiquement par le rapport entre la puissance de
sortie et la somme de celle-ci et des pertes :
P
η= (4.12)
P + PK + Pdcond + Piron,vol volcore + Pcopper
Il dépend fortement du point de fonctionnement comme constaté sur la fi-
gure 4.10 qui montre la variation de celui-ci en fonction de la puissance et de
la tension d’entrée. Les spécifications techniques imposent en général un rende-
ment minimum qui est défini par :
F1 = min η (4.13)
vi ,P
Nous reprenons ici, cette définition pour le premier objectif de notre optimi-
sation. Le volume total du convertisseur est notre deuxième objectif, il est défini
par le volume du plus petit parallélépipède entourant le dissipateur (figure 4.11).
En négligeant le volume du circuit imprimé, le volume total est défini par :
F2 = max (Lhs , LL ) . max (Ehs .EL ) . (Hhs + HL ) (4.14)
Les huit variables d’optimisation sont données dans le tableau 4.10, ainsi que
leur domaine de variation respectifs.
Efficiency Map for the range of working conditions

30
0.975
29
28 0.97
27
0.965
26
Ve [V]
25 0.96
24
0.955
23
22
0.95
21
20
100 200 300 400 500 600 700 800 900 1000
P [W]
Figure 4.10 – Valeurs du rendement dans le plan puissance–tension de sortie
Figure 4.11 – Définition de la géométrie du disspipateur
Ces variables définissent une optimisation à valeurs mixtes entières et

réelles. Les variables discrètes ne peuvent prendre qu’un nombre limité de va-
leurs dans le domaine autorisé, ainsi le nombre de tours de la bobine de l’in-
ductance est un entier entre 1 et 200, tandis que les valeurs de la capacité du
condensateur ne peuvent prendre que des valeurs normalisées ({1, 1.5, 2.2, 3.3,
Optimisation variable min value max value

F [kHz] : switching frequency 10 20
C [F] : capacitor value 10−6 10−1
e [mm] : air gap 0 3,3
A [cm2 ] : winding square area 0 100
S [m2 ] : square cross section of the feritte core 10−6 36 × 10−4
s [m2 ] : cross section of the elementary wire 10−7 16 × 10−6
n : wiring turn number of the inductor 1 200
Lhs [mm] : heatsink length 50 200
Table 4.10 – Définitions et domaine de variation des paramètres de l’optimisa-
tion
4.7, 6.8} multipliées par des puissances de dix.

Imposer des contraintes, permet de s’assurer que les solutions du problème
sont réalistes et réalisables. Dans cette application, nous avons tenu compte des
limites physiques, des conditions d’utilisation et des contraintes géométriques.
Ces contraintes sont exposées dans la liste suivante.
CCM Le hacheur étant destiné à être utilisé sous condition de conduction

continue (CCM), la valeur minimale du courant dans l’inductance doit être posi-
tive :
iLm > 0 (4.15)
Ondulation de la tension de sortie Les spécifications des applications im-

posent en général une valeur minimale des ondulations de la tension de sortie.
Ici nous imposons le taux d’ondulation kvo = 0, 05 :
∆vo < kvo vo (4.16)
Densité de courant Afin d’éviter des températures trop importantes dans le

cuivre, une densité de courant maximale de 10 A.mm−2 est imposée.
Température de jonction des semi-conducteurs Les températures de jonction

des diodes et du MOSFET ne doivent pas excéder 130◦ C afin d’assurer un fonc-
tionnement normal.
Induction magnétique dans le noyau de l’inductance La densité de flux ma-

gnétique BM dans le noyau de fer de l’inductance est bornée à 0,3T pour s’as-
Quantité Contrainte
CCM condition iLm > 0
Output voltage ripple ∆vo < kvo vo
Current density J < 10 A.mm−2
Junction temperatures (TjK , TjD < 130◦ C
Induction magnétique dans la ferrite BM < 0, 3T
Geometric constraint n.s < kf .A
Inductor temperature Tcore < 80◦ C
Table 4.11 – Contraintes de l’optimisation du convertisseur abaisseur
surer que l’inductance ne soit jamais saturée pour un matériau ferrite de type
3F3.
Géométrie de l’inductance La géométrie de l’inductance est caractérisée par

cinq variables (e l’entrefer entre la bobine et le noyau de ferrite, A l’aire carrée
de la section de bobinage, S la section du noyau, s la section d’un fil de la bobine,
et n le nombre de tours dans la bobine). Ces variables sont indépendantes, mais
on doit s’assurer de la faisabilité de l’inductance en imposant que le bobinage
s’insère dans la fenêtre A du noyau :
n.s < kf .A (4.17)
où kf est pris ici égal à 0,75.
Température de l’inductance Pour assurer une stabilisation de la température

au sein de l’inductance, celle-ci est limitée à 80◦ C. En effet en dessous de cette
valeur critique les pertes diminuent alors qu’elles augmentent pour des tempé-
ratures supérieures (caractéristique du matériaux 3F3 du noyau magnétique).
Ces contraintes sont résumées dans les tableau 4.11.
4.3.4 Résultats de l’optimisation

Choix de la technique d’optimisation L’optimisation d’un hacheur abaisseur
est une tâche complexe, elle implique des variables entières et réelles. De plus le
cas présenté ici est celui d’une optimisation multi-objectif, c’est pourquoi nous
nous sommes orienté vers un algorithme évolutionnaire couplé à une procé-
dure du type Multiobjective Optimisation Evolutionnary Approches (MOEA) et
plus particulièrement de l’algorithme SGA2 [EKL] [KAST02].
Résultats La figure 4.12 montre le résultat du front de Pareto reliant les ob-
jectifs de volume en abscisse et de rendement en ordonnée. Le rendement va-
rie entre 92,6% et 94,6% (convertisseur avec le moins de perte). Le volume est
lui compris entre une valeur minimale de 1, 4 × 106 mm3 et un encombrement
maximal de 7, 6 × 106 mm3 . Rappelons que les réalisations faisables sont toutes
situées en dessous de cette courbe. Pour démontrer la robustesse de l’optimisa-
tion, l’algorithme a été appliqué plusieurs fois. Nous obtenons les courbes de la
figure 4.13 qui se superposent.
95
94.5
94
Efficiency [%]
93.5
93
92.5
92
0 1 2 3 4 5 6 7 8
Buck converter external volume [m3] x 10
−3
Figure 4.12 – Front de Pareto pour l’optimisation multi-objectif volume–

rendement
Ce front de Pareto nous permet dans un premier temps de qualifier les confi-
gurations possibles et d’aider au choix pour le constructeur. Sa forme très incur-
vée nous indique qu’un choix logique serait de situer les paramètres autour du
point d’abscisse 2 × 106 mm3 . Mais le front de Pareto n’est pas le seul outil dis-
ponible, il est aussi intéressant d’observer les variations des autres paramètres
ou contraintes de l’optimisation le long de cette courbe. Ces observations per-
mettent aussi de prendre en compte des contraintes non exprimées ici car diffi-
ciles à quantifier, telle que le coût (automobile) ou la fiabilité (aéronautique).
Influence du volume extérieur et du rendement Ces deux résultats se

lisent directement sur le front de Pareto. Si le volume est le paramètre le plus
important le choix sera fait sur la partie gauche du front ; si c’est le rendement
95
94.5
94
Efficiency [%]
93.5 front 1
front 2
front 3
93 front 4
92.5
92
0 0.002 0.004 0.006 0.008 0.01
Buck converter external volume [m3]
Figure 4.13 – Calculs successifs du front de Pareto
on choisira plutôt sur la droite. Bien sûr, il faut tenir compte de la forte courbure
du front et ne pas trop pénaliser le deuxième paramètre.
Influence des températures de jonction Sur la figure 4.14, les tempéra-

tures de jonction de la diode et du MOSFET sont confrontées au front de Pareto.
D’un point de vue industriel, on sait que des températures supérieures à 100◦ C
pénalisent de manière importante la durée de vie des composants [EF97]. La lec-
ture de cette figure permet donc de compléter le choix sans avoir à modifier les
contraintes de l’optimisation en y incluant une température de jonction maxi-
male plus basse.
Influence de la fréquence de commutation La fréquence de commutation

et le volume extérieur du système sont étroitement liés comme le montre la
figure 4.15. Cette liaison se fait par le volume de l’inductance. Cette interaction
est principalement due au volume de l’inductance.
De la même manière, on peut représenter les variations de longueur du dis-
sipateur, des paramètres de l’inductance et du condensateur. Comme vu pour
les autres variables et résultats de l’optimisation ces variations et tendances
peuvent elles aussi aider à la décision pour le concepteur en faisant apparaître
des contraintes non spécifiées dans un premier niveau de cahier des charges.
Cet exemple démontre que le front de Pareto seul ne peut pas donner un
résultat optimal. Bien souvent toutes les contraintes ne peuvent être modéli-
130 95
TjK 94.8
Tjd 94.6
128 η 94.4
94.2
126 94
Temperature [°C]
Efficiency [%]
93.8
93.6
124
93.4
93.2
122 93
92.8
92.6
120
92.4
92.2
118 92
0 0.002 0.004 0.006 0.008 0.01
3
Buck converter external volume [m ]
Figure 4.14 – Températures de jonction des diode et du MOSFET le long du front

de Pareto
4
x 10
10 95
F 94.8
9 η
94.6
94.4
8
94.2
7 94
Frequency [Hz]
Efficiency [%]
93.8
6
93.6
93.4
5
93.2
4 93
92.8
3
92.6
92.4
2
92.2
1 92
0 0.002 0.004 0.006 0.008 0.01
3
Buck converter external volume [m ]
Figure 4.15 – Fréquence de commutation le long du front de Pareto
sées (ou leur prise en compte conduirait à des calculs lourds). Il faut une ana-
lyse supplémentaire sur tous les paramètres et résultats pour aider à la décision,
apportant ainsi un éclairage important sur la faisabilité du système. Ceci nous

montre que l’optimisation n’est pas seulement un problème mathématique de
formulation du problème puis de résolution par des algorithmes adaptés. Par cet
exemple, nous montrons que l’analyse a posteriori des résultats d’optimisation
doit rester très critique. Pour cela il est nécessaire de continuer à produire des
modèles comportementaux, fonctionnels et de compréhension. Cet aspect sera
l’objet du prochain chapitre de cet exposé.
4.4 Conclusion
Le thème principal de ce chapitre à été de présenter notre recherche sur
l’optimisation des machines électriques. Après avoir introduit la problématique,
où nous avons montré l’importance de l’optimisation système, nous avons pré-
senté deux exemples de l’optimisation des éléments des chaînes de motorisa-
tion électrique. Dans le premier, nous avons introduit une nouvelle technique
d’optimisation d’une gamme de machines suivant leur puissance. Cette nouvelle
approche permet des gains relativement importants face aux volumes pouvant
être concernés par les fabricants. Nous avons aussi traité au cours de cet exemple
d’une double optimisation sur les coûts de fabrication et les rendements. Le front
de Pareto construit, permet de choisir entre l’investissement ou les coûts de fa-
brication mais aussi entre les coûts d’utilisation.
Enfin, sur un deuxième exemple, nous avons introduit l’optimisation d’un
convertisseur de puissance, et ce dans le but de prendre en compte cet aspect
dans l’optimisation globale des systèmes.
Dans le prochain chapitre, nous nous intéresserons à la modélisation et à la
compréhension des phénomènes physiques, en prenant comme fil conducteur la
fiabilité des systèmes liée aux contraintes des optimisations.
4.4 Conclusion 69
Figure 4.16 – Amazing Stories juin 1926

Chapitre 5
Modélisation des phénomènes

physiques
5.1 Introduction
Optimiser c’est se placer en limite de fiabilité. Sur les exemples précédents,

les résultats des optimisations ont bien montré l’importance des contraintes
dans l’énoncé du problème. Que ce soit sur l’optimisation d’une gamme ou d’un
convertisseur de puissance, les contraintes en température, en rendement ou
en fonctionnement bornent les problèmes posés. Il est donc impératif de com-
prendre et de poser des contraintes réalistes et compatibles avec les applications
industrielles. De plus pour optimiser, il nous faut comprendre et développer des
modèles permettant de simuler les points de fonctionnement des systèmes. Ces
modèles bien que nécessairement simples pour pouvoir être inclus dans la pro-
cédure d’optimisation doivent s’appuyer sur des modélisations complexes qui
seront réduites par la suite. Pour ces deux raisons, il nous est apparu nécessaire
de poursuivre dans l’élaboration et la compréhension de modèles physiques des
composants.
C’est ce que nous avons réalisé par le biais de collaborations avec Philippe
Testé du Laboratoire de Génie Électrique de Paris (LGEP), Emmanuel Odic et
Mike Kirkpatrick du département Énergie de Supélec. Cette collaboration à
donné lieu à plusieurs thèses, dont deux que nous allons présenter plus en dé-
tail. Dans la première, nous nous sommes intéressés à l’étude des mécanismes
pouvant donner lieu à l’inflammation d’une carte de circuit imprimé.
71
72 Chapitre 5 : Modélisation des phénomènes physiques
5.2 Étude des mécanismes d’inflammation d’un ma-

tériau isolant en présence d’un point chaud
d’origine électrique
La multiplication des calculateurs au sein des véhicules terrestres ou aériens
a entraîné une hausse de la puissance embarquée et de la densité de composants
dans les circuits, augmentant ainsi la probabilité d’incidents d’origine électrique
et électronique ; ceux-ci pouvant occasionner des défaillances du point de vue
de la fiabilité du circuit mais aussi une dégradation sévère du système électrique
et électronique, et conduire à la mise à feu de celui-ci. Petit à petit, l’architec-
ture électrique et électronique s’est complexifiée au point d’envisager des ar-
chitectures multiplexées dans le but de réduire la quantité de câbles électriques.
Au cours de leur fonctionnement, les systèmes électriques embarqués sont sou-
mis à de fortes contraintes environnementales : mécaniques (vibrations), clima-
tiques/chimiques (variations de températures, présence d’eau, de poussières, de
polluants divers. . .). Aussi, ils doivent subir un certain nombre de validations en
vue de garantir leur robustesse et leur durabilité. Ces validations s’appuient sur
des normes d’essais qui sont régulièrement mises à jour en fonction de l’évolu-
tion des technologies et du retour d’expérience, particulièrement des construc-
teurs automobiles. Parmi les paramètres à prendre en considération lors de la
validation figurent les phénomènes d’échauffement, au niveau notamment de la
carte électronique et plus précisément du circuit imprimé. L’échauffement d’un
circuit imprimé peut effectivement conduire à différentes conséquences dont des
dysfonctionnements, des pannes, voire, dans le pire des cas, une inflammation
de la carte. Lors de sa thèse s’inscrivant dans le cadre d’une action de préven-
tion et de maîtrise des risques, mademoiselle Michèle Nsoumbi s’est intéressée
à l’étude l’échauffement d’un circuit imprimé dans le but d’en appréhender les
modes d’apparition et d’en évaluer les conséquences, et de mettre en place, à
terme, des dispositifs ou règles de conception préventifs. Ainsi l’objectif de ce
travail est de contribuer à l’identification et à la compréhension des mécanismes
physiques à l’origine d’un échauffement et qui conduisent à l’inflammation d’un
circuit imprimé. Si ce sujet parait, au premier abord, simple et compréhensible
par tous, il s’avère qu’il n’a que peu ou pas été étudié et qu’il met en œuvre de
nombreux phénomènes physiques. La complexité réside dans l’amalgame de ces
phénomènes – électriques, thermiques, chimiques – et dans la difficulté de les
isoler pour comprendre leurs enchaînement et interactions. Dans cette optique,
la présente étude a considéré qu’une carte électronique se composait principale-
ment de deux éléments à savoir un substrat (matériau composite isolant) et des
pistes conductrices de cuivre confronté à diverses situations d’échauffement.
L’approche choisie pour ce travail repose sur l’hypothèse qu’un point chaud
5.2 Étude des mécanismes d’inflammation d’un matériau isolant en présence
d’un point chaud d’origine électrique 73
d’origine électrique, résultant d’une défaillance sur un composant et/ou une

piste, est susceptible d’amorcer une inflammation. Une première étape a consisté
à caractériser les matériaux étudiés d’un point de vue électrique, et dans une
certaine mesure, d’un point de vue chimique. Ainsi, afin de prédire l’évolution
du caractère isolant du substrat en présence d’un point chaud, des mesures de
résistivité électrique en volume ont été menées sur trois circuits imprimés de dé-
nomination FR-4. Les essais ont montré que celle-ci décroissait fortement avec la
température, en présentant des disparités de comportement selon la provenance
des échantillons. Les différences de comportement observées entre les trois ma-
tériaux ont pu être attribuées, d’une part aux propriétés électriques des consti-
tuants de la matrice époxy, et d’autre part, au caractère anisotrope du substrat
notamment dû au tissage des fibres de verre. Pour une grande majorité des ma-
tériaux, il s’est avéré que plus la fraction volumique de fibres était faible, plus
rapide était la décroissance de la résistivité électrique avec la température. Les
mesures de caractérisation chimique, menées à haute température (300◦ C ), ont
notamment permis de déceler la présence d’hydrogène et d’acétylène. Ces es-
pèces chimiques, extrêmement inflammables, seraient susceptibles de jouer un
rôle dans l’initiation et/ou la propagation d’une inflammation.
La seconde étape a consisté à étudier la dégradation d’un circuit imprimé
simple tel que représenté schématiquement sur la figure 5.1 et en photo après
inflammation sur la figure 5.2.
Figure 5.1 – Schéma du circuit imprimé étudié
Figure 5.2 – Photo recto (a) et verso (b) du circuit imprimé étudié après inflam-
mation
Contrairement aux défaillances de fiabilité, couramment observées, liées à
des défauts apparaissant sur de longues durées (plusieurs centaines ou milliers
d’heures) et pouvant mettre en jeu des phénomènes d’électro-migration, nous

nous sommes intéressés à des défauts liés à des surintensités conduisant « rapi-
dement » à des températures de piste et de substrat élevées. La défaillance a été
expérimentalement modélisée par :
– un défaut géométrique contrôlé de la piste,
– une surcharge en courant, elle aussi contrôlée, conduisant ainsi à un
chauffage progressif du circuit.
Un suivi temporel des grandeurs électriques a été réalisé. On peut voir sur la
figure 5.3, l’évolution du courant d’alimentation (entre les deux extrémités de la
piste) et des courants de fuite (entre la piste et la contre-électrode au verso, c’est
à dire un courant traversant le matériau du circuit) en fonction du temps et de
la température du substrat pour deux épaisseurs (0,4mm et 1,6mm).
De plus, au cours de l’expérience, des cartographies thermiques de la surface
du circuit imprimé (substrat et piste) ou de l’épaisseur de la plaque au niveau du
défaut ont été réalisées à l’aide d’une caméra thermique. La figure 5.4 illustre un
résultat de cartographie thermique ainsi que les profils de températures le long
de la piste.
Enfin, une caméra rapide a permis d’observer la rupture de la piste et, le cas
échéant, les départs de feu ainsi que leurs propagations sur la carte (voir figure
5.5 pour un exemple.)
Une étude préliminaire du comportement d’un circuit imprimé face à un
échauffement caractérisé a permis d’identifier divers paramètres et conditions
opératoires favorables à l’inflammation du circuit imprimé. Parmi eux, on peut
citer :
– la dynamique d’augmentation de l’intensité du courant dans la piste,
– l’épaisseur des cartes,
– la nature des cartes,
– la présence d’un conducteur polarisé à proximité de la piste,
– la géométrie de la piste.
La suite de cette étude a porté sur les phénomènes électriques aggravant ra-
pidement la dégradation du circuit imprimé. Les courants de fuite circulant dans
le substrat entre deux conducteurs polarisés ont ainsi été étudiés. Dans cet ob-
jectif, une carte double face a été utilisée, comportant sur le recto, une piste avec
un rétrécissement en son centre, modélisant par un point chaud la défaillance
d’un composant électronique sur une carte et sur le verso, une contre-électrode
polarisée. Parmi les différentes configurations d’électrodes testées, seule celle
nommée « contre- électrode étendue » a fait l’objet d’une étude approfondie en
raison de sa correspondance avec les cartes électroniques usuelles. Dans cette
configuration, deux types de matériaux et trois épaisseurs de carte ont été utili-
sés. En alimentant la piste avec une intensité de courant progressive, pouvant at-
teindre jusqu’à quatre fois l’intensité nominale (figure 5.3), trois comportements
Figure 5.3 – Évolution du courant d’alimentation et du courant de fuite en fonc-

tion du temps (haut) et de la température du PCB (bas)
ont principalement été observés à l’issue des essais et ont conduit à définir dif-
férents types de rupture de piste à savoir :
– la simple coupure de piste ;
– la coupure de piste accompagnée d’une inflammation visible (quelques se-
condes) ;
– la coupure de piste accompagnée d’une inflammation visible et entretenue
(durée supérieure à 10 secondes).
Le courant de fuite, circulant au travers d’un substrat entre les deux pistes po-
larisées, a été identifié comme paramètre indicateur de l’état de détérioration
du matériau. En effet, au cours d’un échauffement croissant, trois phases se dis-
Figure 5.4 – Cartographie de température et profils le long de la piste
tinguent principalement :
– une première phase durant laquelle l’intensité du courant de fuite est
faible (< 10 µA) ;
– une deuxième phase, dite de conduction, au cours de laquelle on observe
une augmentation significative du courant de fuite (< 1 mA) ;
– et une dernière phase d’emballement à l’issue de laquelle interviennent la
coupure et l’inflammation de la carte.
Les résultats expérimentaux enrichis par les cartographies thermiques de surface
et les mesures de résistivité électrique en fonction de la température ont été
confrontés aux résultats d’une simulation numérique par éléments finis réalisée
à l’aide du logiciel COMSOL.
La Figure 5.6 illustre la géométrie du modèle considéré pour les simulations.
Cette géométrie se compose de 3 volumes :
– au premier plan, la piste est définie par trois sections (2mm, 1,5mm et
2mm) et par son épaisseur (33µm) ;
– au second plan, le substrat d’une épaisseur de 0,4mm, d’une longueur de
60mm et d’une largeur de 25mm, sur lequel repose la piste ;
– le plan de masse (33µm d’épaisseur), situé au verso et occupant la même
surface que le substrat, qui n’est pas visible sur ce schéma en raison de sa
faible épaisseur par rapport au substrat.
Une étude temporelle couplant les phénomènes électriques et thermiques
a été menée, un exemple de calcul est représenté sur la figure 5.7. L’évolution
de la cartographie de température simulée montre l’échauffement localisé au
niveau du défaut de la piste, mais aussi la relativement bonne répartition de la
température le long de la piste.
En complément on trouvera sur la figure 5.8 une comparaison des tempé-
ratures expérimentales et simulées le long d’un profil transversal à la piste au
niveau du défaut qui montre une cohérence des résultats. Cette bonne adéqua-
Figure 5.5 – Images enregistrées par la caméra rapide au cours de l’inflammation

d’un circuit imprimé de 0,8mm
Figure 5.6 – Géométrie utilisée pour le modèle numérique
Figure 5.7 – Distribution de la température au cours du temps dans un substrat

z = 0,2 mm pour une intensité de courant de chauffe comprise entre 10A et 20A
et un coefficient d’échange thermique égal à 8W.m−2 .K −1
tion entre modèle numérique et expérimental n’est par contre pas respectée sur
un temps plus long comme le montre la figure 5.9. Ceci met en évidence l’exis-
tence de phénomènes non pris en compte dans la simulation numérique et qui
Figure 5.8 – Comparaison entre les profils de température expérimentaux et

ceux calculés numériquement transversalement au défaut, pour une valeur de h
égale à 8W/m2 /K
conduisent à l’élévation de température au sein du matériau.

Cette confrontation a permis de valider un modèle physique basé sur le ca-
ractère thermique de la dégradation. La deuxième phase a ainsi pu être interpré-
tée par une chute de la résistivité électrique dans le volume du matériau due à
l’augmentation de température (phénomène non pris en compte dans le modèle
contrairement à la dépendance de la résistivité du cuivre en fonction de la tempé-
rature). L’emballement juste avant la rupture de la piste semble lié à l’existence
d’un défaut très localisé permettant le passage d’un courant de densité élevée
susceptible de créer les conditions propices à l’apparition d’une inflammation.
De plus, à l’issue de l’emballement et après rupture de la piste, la persistance du
courant de fuite entre l’extrémité de la piste à potentiel nul et la contre-électrode
étendue (polarisée) apparaît comme un facteur aggravant permettant l’entretien
et la propagation de l’inflammation, d’une part en maintenant une zone chaude
en surface du circuit, et d’autre part, en contribuant à l’émission de composés
organiques volatils et inflammables susceptibles d’entretenir et de propager le
Figure 5.9 – Courbes d’évolution en fonction du temps de chauffe de la tempé-

rature à la surface d’un substrat pour un courant de chauffe initial égal à 4 A -
Comparaison entre les résultats expérimentaux et le modèle numérique
feu.
Le modèle numérique nous a aussi permis d’avoir accès à une cartographie
de la répartition du courant de fuite au sein du matériaux sur la figure 5.10. On
note que la densité de courant est concentrée autour du défaut, ce qui corrobore
les hypothèses faites lors de ce travail.
Le courant de fuite est donc apparu non seulement comme un indicateur de
l’état du circuit imprimé, mais aussi comme un facteur aggravant d’une part, en
facilitant le départ de feu et d’autre part, en contribuant à son entretien et à sa
propagation sur le circuit imprimé.
À l’aide des cartographies thermiques, une estimation de la surface échauf-
fée, à travers laquelle le courant de fuite était susceptible de circuler, a montré
que la contribution de celui-ci à l’échauffement global de la carte était négli-
geable au cours de cette phase. La modélisation numérique en 3-D de l’échauf-
fement d’un circuit imprimé double face, d’une épaisseur de 0,4mm, a permis de
calculer la distribution de la tension et de la température à l’intérieur de celui-ci.
Figure 5.10 – Modèle d’une distribution de la densité de courant selon l’axe z à

un instant t dans un substrat
Une bonne corrélation a été obtenue entre les résultats expérimentaux et ceux
issus du modèle numérique. La transition menant à la dernière phase, attribuée
au décollement de la piste du substrat, a également pu être modélisée. Au cours
de cette phase, un emballement de la température est visualisé, aussi bien à la
surface de la carte que dans le volume, où des points chauds apparaissent. À
ce moment-là, l’intensité du courant de fuite, très élevée, est représentative de
l’état de dégradation du substrat. Dans ces conditions, l’enregistrement du cou-
rant de fuite peut être considéré comme un paramètre indicateur de l’état de
détérioration du matériau. Dans le cas de cartes double face, la persistance du
courant de fuite apparaît comme un facteur aggravant permettant l’entretien de
l’inflammation sur la carte.
Figure 5.11 – Amazing Stories avril 1926

5.3 Physique des décharges électriques 83
5.3 Physique des décharges électriques

5.3.1 Description et modélisation des phénomènes physiques
des décharges électriques dans les plasmas froids
Introduction
Nous avons étudié dans la section précédente les inflammations dues à des
surintensités et des courants de fuite au sein du matériau. Dans la présente sec-
tion, nous allons aborder un sujet plus physique, mais tout aussi important dans
l’élaboration des composants de systèmes à optimiser. En effet l’optimisation qui
conduit à réduire les masses ou les volumes, réduit aussi les distances entre les
éléments conducteurs. La réduction de cette distance augmente ainsi les champs
électriques et les probabilités de présence de décharge partielle ou pire d’arc élec-
trique. Ces derniers peuvent être destructeurs pour les conducteurs et conduire
à un vieillissement prématuré des composants. C’est pourquoi dans le cadre des
problématiques de fiabilité des systèmes étudiées au département Énergie de
Supélec, nous nous sommes intéressés aux conditions et aux mécanismes de
passage d’un arc entre deux électrodes.
Le terme de claquage, souvent utilisé en français comme synonyme d’arc
électrique, exprime le passage d’un courant important dans un milieu initiale-
ment non-conducteur. L’arc électrique est caractérisé par un fort courant et une
faible tension aux électrodes, il est précédé d’une phase de pré-ionisation de l’es-
pace interélectrode. Celle-ci peut prendre plusieurs formes, soit une décharge de
type filamentaire aussi appelée streamer ou diffuse de type glow, en fonction des
conditions de pression, de température, de champ électrique. . .
Dans le cadre des études des décharges filamentaire prédisruptives, nous
avons continué les travaux de modélisation numérique des streamers ; en tra-
vaillant d’une part sur la partie mathématique et algorithmique des schémas
numériques de résolution, mais aussi sur les résultats physiques donnés par les
codes de calculs.
Physique des décharges prédisruptives

L’air est un composant naturel de notre environnement, c’est pourquoi de
nombreuses études ont été réalisées sur les plasmas dans l’air à pression at-
mosphérique ainsi que sur leurs applications. L’étude générale et synthétique
présentée ici, porte sur la description phénoménologique et la modélisation nu-
mérique des états possibles des décharges dans l’air ainsi que des applications
possibles. Elle servira de plus d’introduction à l’étude de la section suivante sur
l’étude des mécanismes de transition glow-arc dans l’argon à faible pression.
La conduction électrique dans un gaz est un phénomène hautement dépen-

dant de la pression de celui-ci. La raison principale est la modification du libre
parcourt moyen des électrons avec la pression. À 10−1 Torr le libre parcourt
moyen d’un électron est de l’ordre de 30 cm, soit de l’ordre de grandeur d’une
distance interélectrode typiquement étudiée en laboratoire. À 10 bar, il se ré-
duit à 4µm, soit inférieur a une distance interélectrode typique. L’apparence
visuelle et l’espace occupé par une décharge électrique entre deux électrodes est
de ce fait largement dépendante de la pression. À faible pression, une décharge
électrique va apparaitre comme étant étendue spatialement, on parle alors de
décharge diffuse ou glow. A contrario, a haute pression, les décharges sont des
phénomènes locaux confinés spatialement. Pour toutes les gammes de pression,
un autre paramètre primordial est l’énergie gagnée entre deux collisions qui dé-
terminera le type de ces dernières et le comportement macroscopique de la dé-
charge. L’énergie gagnée par les électrons est au premier ordre égal au produit
du champ électrique –qui induit le déplacement électronique– par le libre par-
court moyen. C’est pourquoi il est habituel de caractériser les décharges par le
E
rapport N du champ électrique E par la densité N des espèces lourdes ( N1 étant
proportionnel au libre parcourt moyen). Ce rapport étant appelé champ réduit.
À première vue, une règle de similarité peut s’appliquer ici : les phénomènes
à basse pression peuvent être retrouvés pour toute autre pression tant que le
champ réduit et la température restent constants. Mais cette règle de simila-
rité, ne prend pas en compte des effets locaux de chauffage du gaz par le cou-
rant de décharge. L’élévation de température qui en découle est de plus en plus
concentré au centre de la décharge pour des pressions élevées car la conduction
thermique est de moins en moins efficace. C’est pourquoi pour des pressions
de plusieurs atmosphères, une décharge d’arc électrique transitoire ou continue
apparait dès l’application d’une tension seuil. L’arc électrique est caractérisé par
une température de plasma élevée (de l’ordre de 103 à 104 K et par un équilibre
entre les températures des ions et des électrons (état dénommé LTE ou équilibre
thermodynamique local).
À pression atmosphérique les études précédentes ont montrées que l’arc
électrique était toujours précédé d’une phase d’ionisation –aussi appelé dé-
charge prédisruptive– préparant le passage de celui-ci. Durant cette phase d’io-
nisation qui peut prendre plusieurs formes, la température des électrons est
plus importante que celle des ions ou des atomes/molécules du gaz. Le plasma
ainsi obtenu est dit dans un état NTP (non thermal plasma). L’avantage des NTP
est la grande réactivité chimique induite par la forte température des électrons
face à celle des neutres ou des ions. Les collisions électroniques avec les par-
ticules lourdes sont fréquentes et produisent des espèces réactives (collisions
innélastiques). De nombreuses applications environnementales sont basées sur
la grande réactivité chimique de ces plasmas NTP, on peut citer sans être ex-
haustif le traitement de l’eau, la production d’ozone, la stérilisation ou déconta-

mination, la dépolution et l’ammélioration de la combustion. Néanmoins l’uti-
lisation des ces décharges impose un moyen de controler leur tendance natu-
relle à passer à l’arc électrique, il est alors nécessaire de bien comprendre les
mécanismes physiques liés au développement de cette phase d’ionisation. Dans
un premier temps, nous ferons une description des différentes structures que
peuvent prendre ces phases d’ionisation, puis nous présenterons les modèles
utilisés ainsi que les résultats de simulations.
Développement spatial et structure de la phase d’ionisation
On peut classer les phases de préionisation avant le passage à l’arc d’un es-
pace interélectrode en deux types de développement spatial. Le premier est un
mode diffus avec une apparence quasi uniforme. On se réferre à cette extension
spatiale comme étant une décharge glow, diffuse ou corrona. Un exemple d’une
telle décharge est présentée sur la photographie de la figure 5.16 où une décharge
glow est obtenue dans l’argon à faible pression.
Le second type est une décharge filamentaire, fortement non-uniforme dans
l’espace et présentant un aspect transitoire et des branchements importants. Ces
décharges sont appellées en général streamers, dards ou filamentaires et sont gé-
néralement obtenues à haute pression dans les gaz électronégatifs comme l’air
et particulièrement avec des électrodes à fort rayon de courbure. Ce paragraphe
traitera plus particulièrement de ce type de décharge, la section 5.3.2 s’intéres-
sera plus particulièrement à la transition entre un glow et un arc électrique dans
l’argon à faible pression.
Au dessous de la tension seuil de claquage Dans une configuration d’élec-

trodes uniformes de type plan-plan, tant que la tension appliquée reste en des-
sous de la tension seuil de claquage (passage à l’arc), la théorie classique de
Townsend basée sur une suite d’avalanches électroniques suffit à expliquer les
phénomènes. Les avalanches électroniques successives sont induites par des
électrons secondaires issus de la première avalanche (par exemple par effet d’ar-
rachement d’électrons à la cathode par des ions). On parle d’une décharge auto-
maintenue car le courant reste continu indéfiniment.
Dans une configuration non uniforme, par exemple une pointe faisant face
à un plan, la région d’ionisation appellée glow est située proche de l’électrode
à faible rayon de courbure ou le champ électrique est le plus intense. Une telle
configuration est donnée sur la région A de la figure 5.12 pour un système pointe
positive-plan dans l’air.
Plasma Phys. Control. Fusion 51 (2009) 124002 E Marode et al
Figure 1. Coronas: left, sketch of the glow region (A) versus streamers region (B). Top right:
the dc glow current, and the increased total current due to streamer. Bottom right: the repetitive
streamersFigure
intermittent voltage
5.12 and current. Solid
– Description lines, under
d’une spark threshold;
décharge dotted lines above
pointe-plan
spark threshold with insets for details.
as parallel plate configuration and non-electronegative gas, hoping to keep complete control of
all parameters and discharge
Au dessus phenomena.
de la tension seuilThey considered that
de claquage Si the Loeb [10]entre
la tension and Meek and
les électrodes
Craggs dépasse
[11] approach, in air with various gap configurations, was not sufficiently
la tension seuil de claquage, la morphologie de la décharge change ra- mastered,
too complicated, just able to lead to descriptive observations rather than scientific results.
dicalement et ceci pour les deux configurations d’électrodes mentionnées (uni-
In non-uniform gaps, indeed, strong geometrical field gradients around curved electrodes
formes
and negative ionetformation
non-uniformes). Danscomplicated
lead to various le cas d’une géométrie
discharge plane,
shapes, on remarque
surrounding such deux
‘highly stressed’ electrodes, following the way Loeb liked to qualify such gaps. The generic et se
phénomènes propagatifs filamentaires partant de l’espace interélectrodes
name ‘coronas’
dirigeantencompassing
chacune vers these
unevarious discharge
électrode. manifestations sont
Ces phénomènes was then introduced.
associés à des ondes
They may be diffuse or filamentary, with fluctuations in time and space, more
d’ionisation appelés streamer, il est largement admis celles-ci sont dues à la mo- or less statistically
reproducible.
dification du champ électrique causée par la charge d’espace laissée par les ava-
Both approaches however, have been the roots of the actual concept of high pressure gas
lanches précédentes (ions relatiment moins mobiles que les électrons). L’onde
discharge and NTPs. In the parallel gap configuration, as far as the gap voltage remains near
d’ionisation dirigée vers l’anode appellée en anglais anode directed streamer
the threshold of the spark breakdown, the Townsend theory of ionization growth does well.
avanceavalanche
Each electron dans le sens de dérive
is followed des électrons
by another avalanchedans le champ
through électrique,
‘secondary mais celle
effects’ from
the firstdirigée
one, the vers
secondary effect being,
la cathode (cathodefor example,
directedions of the first
streamer ou avalanche
streamerproviding
positif) theavance à
secondaryuneelectron
vitessebycomparable
hitting the cathode.
à celle Thedes discharge
électronscurrent
dans un maysens
thus opposé
endlesslyà continue
celle imposée
and the par
discharge
le champis saidélectrique.
to be ‘self-sustained’.
Il est donc Such a theory isd’avoir
nécessaire the physical basis of a number
un mécanisme créant des
of uniform and largely spread discharges often qualified as ‘glows’.
électrons en amont du streamer (entre celui-ci et la cathode) pour provoquer deFor non-uniform gaps,
the glow ionization region is confined near the stressed electrode where the geometrical field
nouvelles avalanches. Des théories basées sur la diffusion arrière des électrons
is large enough, as seen, for example, in the case of a positive point-to-plane discharge in
ont1, été
air, figure proposées,
region A. Regionmais nécessitent
B is the des with
ion drift region températures électroniques
no ion production. largement
As explained
in [12, 13] the field distribution is mainly space charge controlled while the current is limited
by the ions’ drift.
4
supérieures à celle rencontrées dans la décharge. Il est maintenant communé-

ment admis que cet électron secondaire est créé par un phénomène de photoio-
nisation à partir d’un photon émis à partir des avalanches précédentes.
Dans le cas d’un système non-uniforme pointe posivite - plan, un seul strea-
mer se déplace depuis la pointe positive vers le plan. Sur la figure 5.12, le filament
positif (C) émerge de la zone dite de glow (A) et parcourt l’espace interélectrode.
Sur cette figure, a été aussi représenté l’évolution du courant pour des tensions
de l’ordre de la tension seuil de claquage (courbes en bleu continues). Dans ce
cas, le streamer est un phénomène répétitif et en fonction des conditions ex-
périmentales, on peut obtenir une répétition sporadique et spontanée ou une
répétition controlée pouvant aller jusqu’à des fréquences de plusieurs dizaines
de kiloHerz. Dans le cas d’un streamer répétif, on observe une évolution du cou-
rant présentant une augmentation et un pic au moment où le streamer atteint
la cathode, puis une décroissance lente jusqu’à répétition de l’onde d’ionisation
suivante.
Si la tension est supérieure à la tension de claquage (courbe en rouge et en
pointillés), il va se former après le passage du streamer un arc électrique. Dans
ce cas le premier pic est suivi d’un second beaucoup plus intense. L’échelle de
temps entre les deux phénomènes est de l’ordre de 50ns à quelques dizaines de
µs. C’est durant ce temps caractéristique que le plasma laissé par le passage du
streamer est dans un état NTP.
Distribution de la densité d’énergie jE

Les mécanismes aux sein des NTP sont largement caractérisés par la dis-
tribution de la densité d’énergie j.E, produit de la densité de courant par le
champ électrique. Cette densité d’énergie peut être décomposée en trois parties
liées respectivement aux ions positifs, aux ions négatifs et aux électrons. Cette
dernière part étant prépondérante. Cette energie va se dissiper sous plusieurs
formes : chauffage du gaz et des électrodes (principalement pour les ions), mais
surtout sous forme de collisions inélastiques qui participeront à terme elles aussi
au chauffage du gaz. Cet échauffement global est primordial pour expliquer la
formation de l’arc électrique. À cause de cet élévation de température, le canal
de décharge subit une expansion, la densité N décroit et le champ réduit E/N
(équivalent à l’énergie moyenne des électrons) augmente. De plus les processus
chimiques sont aussi influencés au travers de la loi d’Arrhenius. Il est donc né-
cessaire d’évaluer finement la distribution des électrons et des espèces chargées
au sein du canal conducteur. La densité des électrons dépend fortement du rayon
de ce celui-ci, en effet plus la décharge sera constrainte dans un espace réduit,
plus la densité des électrons sera importante ainsi que le densité de courant.
Par conséquent, plus le rayon sera faible, plus l’élévation de température et de
pression sera importante.

Pour répondre a ces questions et établir une cartographie des distributions
des espèces en présence dans la décharge, une modélisation fine du plasma et
des mécanismes de propagation du streamer est nécessaire. C’est pourquoi nous
nous sommes intéressés à la simulation en deux dimensions d’une décharge
pointe positive plan. Notre travail c’est concentré sur l’analyse des résultats de
codes de calculs déjà existant et sur l’ammélioration des algorithmes numériques
mis en place notamment par des travaux exploratoires sur des méthodes mêlants
des éléments finis et méthode des caractéristiques (ELLAM).
Modélisation de l’onde d’ionisation streamer dans l’air
Le modèle utilisé dans cette étude se base sur un jeu d’équations fluides hy-
drodynamiques. Pour chaque espèce, une équation de convection-diffusion en
coordonnées cylindriques est écrite en se basant sur le modèle de l’équation 5.1 :

∂n ∂ ∂n 1 ∂ ∂n
+ nwx − Dx + r nwr − Dr =S (5.1)
∂t ∂x ∂x r ∂r ∂r
où, pour chaque espèce considérée : n est la densité, wx et wr les vitesses

de conduction axiale et radiale, Dx et Dr les coefficients de diffusion axiale et
radiale. S est un terme source de création et destruction. Il prend en compte
pour les électrons et les ions positifs de l’ionisation (via le premier coefficient
de Townsend) ; et de la photoionisation et pour les électrons et les ions négatifs
de l’attachement. Ce modèle sert de base à de nombreux travaux sur la simu-
lation d’un streamer, en général c’est sur la modélisation de la photoionisation
que ceux-ci diffèrent. Ici une approche s’appuyant sur une équation intégrale du
type de l’équation 5.2a été choisi. Cette équation est simplifiée par l’hypothèse
d’Eddington se basant sur la supposition que le rayonnement est faiblement ani-
sotropique proche de son lieu d’émission (ici la tête du streamer).
Z ∞ Z
Sph = c µph ~ t dΩdν
Ψnu ~r, Ω, (5.2)
ν
0 Ω
On définit Ω~ comme la direction d’un photon à la position ~r au temps t, c est

la célérité de la lumière, µph
ν est le coefficient
de
photoionisation dépendant de
la fréquence du photon considéré. Ψnu ~r, Ω, ~ t est la distribution de la densité
de photons à la fréquence ν.
Ce système d’équation est fermé par la connaissance du champe électrique

~
E donné par la résolution de l’équation de Poisson :
~E
∇ ~ = ρ (5.3)
ε0
où ρ est la densité nette de charge.
Ce modèle complet est résolu par l’application d’une méthode de pas frac-
tionnés qui nous permet de traiter les équations différemment suivant leur type :
différences finies pour la diffusion et caractéristiques pour la convection. L’as-
pect évolutif et propagatif du streamer impose la création d’un maillage mobile
suivant le déplacement de la décharge dans l’espace et le temps. Les travaux ac-
tuels sur ce modèle portent sur l’application de méthodes de résolution mixtes
par éléments finis et caractéristiques.
Comparaison des résulats de simulation avec les expériences
Figure 5.13 – Comparaison du courant de décharge et de l’émission lumineuse

à la caméra streak, simulation à gauche et expériences à droite
La figure 5.13 montre les résultats de la simulation en comparaison avec

ceux issus de l’expérience. Sur la partie haute de la figure, à droite est reportée
une photographie streak d’une décharge. Chaque image représente à un instant

donné (toute les 3 nanosecondes) l’émission lumineuse de la décharge et le rayon
total est de 600 µm. Sur la même figure, à droite en haut pour les mêmes ins-
tants est reporté les résultats de la simulation pour l’émission photonique. Les
résultats de la simulation sont en bon accord avec les résultats expérimentaux,
notamment sur le temps de propagation du streamer (40 ns) pour la jonction à
la cathode et donc sur la vitesse de l’onde d’ionisation. De plus, après l’établis-
sement du canal conducteur, une zone lumineuse à la cathode aparait dans les
deux cas appelé un streamer secondaire ou secondary streamer en anglais.
Sur la même figure, est reporté à gauche le courant de décharge simulé, com-
paré à droite avec celui issu de l’expérience. Si la forme générale semble la même,
on peut remarquer quelques différences. Le premier pic de courant simulé, n’ap-
parait pas sur le courant expérimental. En effet dans le cas expériemental, la
mesure est réalisée sur un streamer s’établissant dans un milieu préionisé par le
passage précédent d’un autre streamer. Dans le cas de la simulation, ce premier
pic de courant est représentatif de l’établissement de la zone de glow autour de
la pointe et des premières avalanches électronique dans un milieu non ionisé.
Considérations sur le rayon du streamer

Nous l’avons précisé précédemment, le rayon du canal conducteur formé par
le passage de l’onde d’ionisation est très importante pour l’aspect d’expansion
hydrodynamique et le possible passage à l’arc électrique après la phase de préio-
nisation du gaz. Il est donc nécessaire d’avoir une bonne estimation de la valeur
de ce rayon. Expérimentalement les mesures, s’étalent suivant les techniques
utilisées, sur une vaste plage entre 10µm et 170µm. Les résultats de la simula-
tion donnent pour leur part un rayon de l’ordre de 100µm, c’est à dire dans la
fourchette haute de l’estimation expérimentale. Pour réduire ce rayon simulé,
nous nous sommes intéressés aux valeurs des coeficients de la photoionisation
et des mécanismes pris en compte. L’ajout de l’émission induite dans le calcul du
terme de photoionisation n’a pas permis à lui seul la réduction de la valeur du
rayon de décharge simulé. Par contre, nous nous sommes aperçu que le rayon
variait en fonction du coefficient d’absorption des photons émis par la tête de
streamer. Pour de faibles valeur de ce coefficient d’absorption, le rayon obtenu
par simulation est proche de 50µm. Ceci montre la nécessité d’avoir des données
précises des coeficients et des mécanismes pris en compte.
De plus, le modèle basé ici sur des équations fluides à une tendance intrin-
sèque à créer des densités dont la somme est inférieure à une particule. Si cela
n’est pas pénalisant lors de la phase de propagation du streamer, cela doit poser
des problèmes lors de la formation de la zone de glow et de l’établissement de la
charge d’espace au démarrage du streamer à la pointe. En effet, à ce moment très
peu d’électrons sont présent dans le gaz (un seul au départ du streamer), et la
simulation créé des fractions d’électrons dans les zones de plus fort champ élec-
trique, c’est à dire sur la surface de la pointe. On assiste alors à un étalement de
la distribution de la densité des électrons autour de la pointe, étalement spatial
qui sera projeté dans l’espace interélectrode lors de la propagation et sera donc
une des causes de la valeur du rayon. De plus ce phénomène purement numé-
rique et simulatoire peut aussi expliquer le premier pic de courant relativement
important dans la simulation.
Dernièrement, des mesures expérimentales ont déterminé un rayon du cœur
de la décharge d’environ 10µm, montrant l’écart avec les modélisations. Des
questions se posent naturellement sur la détermination expérimentale et la défi-
nition du rayon de décharge. En effet, faut il se baser sur des mesures lumineuses
par spectroscopie ou plutot sur des mesures de la distribution de la densité des
électrons. Néanmoins un faible rayon de décharge suporte l’hypothèse que la
transformation de celle-ci en un arc électrique est principalement due à une ex-
E
pansion hydrodynamique et une augmentation du champ réduit N .
Extensions du modèle électrique 2D

La modélisation 2D présentée ici traite du développement du streamer en
coordonnées cylindriques axiales et radiales. Il ne tient pas encore compte des
phénomènes d’expansion hydrodynamique ultérieurs au passage de la décharge
au sein de l’espace interélectrode. Cette extension est prévue dans un cadre plus
vaste de réalisation d’un logiciel de simulation comportant une phase de simu-
lation du passage de la décharge dans un gaz qui se couplerait à des codes de
simulation d’expansion hydrodynamique et de cinétique chimique.
Néanmoins un code de calcul une dimension radial à été déjà mis au point
à partir des résultats du modèle 2D présenté ici. Sa réalisation s’appuie sur un
découplage de l’équation de convection-diffusion en trois équations de conser-
vation (masse, quantité de mouvement et énergie). Ce modèle est relié à partir
des données de température et de pression à une simulation de la dynamique
chimique des réactions.
Un autre aspect des décharges prédisruptives ou NTP sur lequel nous avons
travaillé est l’étude des mécanismes de transision des décharges non filamen-
taires ou glow à faible pression dans l’argon et fera l’objet du paragraphe suivant.
5.3.2 Étude des mécanismes de transitions glow-arc dans l’ar-

gon à faible pression
L’étude de la transition d’une décharge luminescente ou glow (forte tension,
faible intensité du courant) en un arc électrique (faible tension, forte intensité
du courant) présente un intérêt académique majeur tant du point de la physique

des décharges (incluant l’arc électrique) que du point de vue de l’interaction
plasma/surface. En effet les phénomènes physiques qui régissent la physique de
la décharge électrique sont sensiblement différents de ceux qui gouvernent la
physique de l’arc électrique et jusqu’à présent les mécanismes conduisant à la
transition ne sont pas bien connus. L’étude de la transition d’un mode à l’autre
présente donc un intérêt scientifique particulier.
L’étude de la transition glow vers arc et arc vers glow est un sujet largement
étudié depuis plus de 40 ans, suivant des approches à la fois expérimentales et
de simulations. Ces études sont encouragées par de nombreuses applications in-
dustrielles comme le traitement de surface ou la prévention du passage à l’arc
pour les décharges dans le CO2 (lasers CO2 ). L’étude des décharges glow est
très ancienne et de nombreux travaux ont été réalisés dans différents gaz (air à
pression atmosphérique, azote, oxygène, air et argon). Plus précisément des re-
cherches importantes ont été faites sur les transitions glow-arc dans des gammes
de pression allant de quelques Torrs à la pression atmosphérique dans des gaz
rares. L’étude que nous présentons ici, et qui est l’objet de la thèse de Romarick
Landfried co-encadrée avec Emmanuel Odic, Mike Kirkpatrick (Supélec dépar-
tement Énergie) et Philippe Testé du Laboratoire de Génie Électrique de Paris,
s’intéresse aux transitions dans l’argon à faible pression (jusqu’à 100mbar).
Avant de réaliser une étude par simulation numérique, il est toujours né-
cessaire de comprendre les mécanismes mis en jeu dans le processus physique,
ainsi que de caractériser les paramètres d’une telle simulation. C’est pourquoi la
première partie de cette étude à portée sur un travail exploratoire. Après avoir
présenté rapidement le dispositif expérimental, nous aborderons les résultats et
les hypothèses que nous en avons déduites sur les mécanismes de transition. Ces
hypothèses serviront dans un futur proche à alimenter un modèle numérique de
la décharge.
Dispositif expérimental
La cellule de décharge est constituée de deux électrodes cylindriques co-
axiales en tungstène. Elles sont placées à l’intérieur d’une enceinte hermétique
(figure 5.14) en acier inox emplie d’argon à une pression de 100mbar. La distance
interélectrode est variable et peut être ajustée entre 5mm et 45mm. L’alimenta-
tion électrique –dont le schéma est représenté sur la figure 5.15– mise en jeu
dans le dispositif de transition est décomposée en deux parties.
D’une part une composante continue permettant de générer une décharge
glow de type luminescente telle que celle photographiée en pause longue sur
la figure 5.16. Le courant de décharge est maintenu constant via l’ajustement
de la tension par une capacité de 10µF qui se décharge à travers une résistance
Figure 5.14 – Photographie de l’enceinte de décharge
Figure 5.15 – Schéma électrique de l’alimentation utilisée
de 180kΩ. La deuxième partie permet de superposer au courant de décharge

un échelon de courant d’une amplitude variable dans l’espace intérelectrode.
Cet échelon permet de faire transiter la décharge luminescente glow vers un
arc photographié en pause longue sur la figure 5.17. L’amplitude de ce pulse
de forme rectangulaire peut être ajustée jusqu’à 400mA pour une durée de 2ms
grâce à la décharge d’une capacité de 10µF à travers une résistance de 18kΩ
reliée à l’anode par un interrupteur rapide. Dans ces conditions la seconde partie
de l’alimentation (à droite sur la figure 5.15) agit comme une source de courant.
Lorsque l’interrupteur est fermé, le courant résultant est fixé par la tension du
condensateur et la valeur de la résistance (18kΩ).
En plus de mesures électriques (courant et tension de décharge), une caméra
rapide est couplée au dispositif et permet de réaliser des observations visuelles
de la transition.
Figure 5.16 – Photographie en pause longue d’une décharge luminescente glow
Transitions irréversibles
Illustrons tout d’abord le cas simple d’une transition irréversible, ce qui
nous permettra de poser quelques définitions phénoménologiques de la décharge
glow luminescente et de l’arc. Lorsque la première partie de l’alimentation est
Figure 5.17 – Photographie en pause longue d’une transition glow-arc
utilisée, le dispositif expérimental permet l’établissement d’une décharge de type

glow caractérisée par une tension élevée (370V sur la partie (a) de la figure 5.18)
et un courant faible (10ma). Visuellement à l’aide d’un appareil photo classique
et une pause longue, nous voyons une décharge diffuse (figure 5.16) qui remplit
l’espace interélectrode. L’image (a) prise à la caméra rapide ne permet pas de
voir la partie diffuse à cause du temps de pause court (16µs), mais nous montre
une autre caractéristique de la décharge glow, son étalement à la cathode.
Au temps 1500µs, la seconde partie de l’alimentation est connectée via le
switch et un échelon de courant est appliqué aux bornes de la décharge. L’am-
plitude de ce courant, de l’ordre de 400mA sur une durée de 2ms, est suffisante
pour provoquer une transition à l’arc de la décharge. L’arc est caractérisé élec-
triquement par une chute de la tension (ici de 370V à 49V sur la partie (b) de
la figure 5.18), et une élévation du courant de décharge (passage de 10mA à
380mA). Le gaz devient largement conducteur et la puissance consommée dans

la décharge passe de 3,7W à 18,6W. Visuellement l’arc est une constriction de
la décharge diffuse en un filament visible sur la photographie de la figure 5.17.
La pause longue utilisée ici avec un appareil photographique classique, nous
montre la superposition de la décharge glow et de l’arc. Sur l’image (b) de la
figure 5.18 prise à l’aide de la caméra rapide, le filament est bien visible ainsi que
le rétrécissement du pied cathodique en un spot très lumineux.
Après les 2ms de pulse la déconnexion de la seconde partie de l’alimentation
impulsionlade transition
permet inverse 400
courant d’environ de l’arc vers
mA et une une décharge
distance luminescente
inter-électrode de 25 qui
mm.induit
Sur la
une hausse de la tension aux bornes des électrodes et une diminution du courant
partie de gauche de la figure 3.14 l’évolution au cours du temps de la tension entre les
de décharge.
électrodes ainsi que l’évolution de l’intensité dans la décharge sont présentées. Sur la partie de
Nous avons caractérisé ce phénomène déjà largement observé de transition
droite se trouvent
irréversible partrois photographies extraites d’un film (caméra rapide) et correspondant aux
opposition aux phénomènes que nous allons décrire dans le pro-
chain paragraphe.
instants notés (a), (b) et (c) qui sont aussi indiqués approximativement sur la figure de gauche.
Cathode Cathode Cathode
t =1250µs t =2500µs t =3750µs
Anode Anode Anode
(a) 10 mA/370 V (b) 380 mA/49 V (c) 9 mA/285V

Figure 3.14 : Enregistrement typique de la tension et du courant de décharge en fonction du temps pour une
impulsion de 2 ms et d’environ 400 mA d’amplitude et pour une distance inter-électrode de 25 mm.
P = 100 mbar. Photographie de la décharge (16,6 µs de temps d’exposition) en régime de glow (a+c) et en
Figure 5.18 – Oscillogramme du courant et de la tension et photographies des
régime d’arc (c).
phases de la transition.
La tension passe de 370 V à 49 V pendant que le courant croît de 10 mA à 380 mA en
approximativement 100 µs. La puissance moyenne de la décharge passe de 3,7 W à 18,6 W.
Transitions spontanées
Le système d’imagerie rapide montre pour le régime de glow (figure 3.14 (a) et (c)) un pied
Les transitions
cathodique irréversibles
diffus et une présentées
colonne positive dans
diffuse. La la section
colonne diffuse précédente nesur
n’apparaît pas sont
les
possibles
images qu’à partir
présentées du fait d’un
de sa échelon de courant,
faible luminosité et du lié à ladu
choix connexion de la seconde
temps d’exposition imposé
partie de l’alimentation, relativement élevé (dépendant comme nous le verrons
par la luminosité de l’arc électrique. En revanche, le caractère diffus de la colonne est
par la suite des conditions géométriques et de pression). Pour des amplitudes de
parfaitement observable à l’œil nu. Pour le régime d’arc (figure 3.14(b))
courant plus faibles (par exemple 280mA pour l’argon à 100mbar un spotpour
cathodique
un es-et
pace
une interéletrode
colonne de 25mm),
filamentaire il se produit observés.
sont systématiquement une suitePour de transitions glow-arc
les deux régimes, et
un spot
anodique a été observé. Ce type de transition a déjà été observé précédemment par différents
auteurs20 à pression atmosphérique. Il faut également noter que la transition d’un glow vers un
arc électrique peut se produire sans que le pied cathodique n’occupe la totalité de la surface
cathodique.
arc-glowassociées
tout au long
à une de l’application
modification structurelle du (2ms) de l’échelon
pied cathodique. Comme de courant.
nous Ces transi-
l’avons précisé
tions sont
dansappelées
le cas des spontanées car elles
transitions irréversibles, ne se
il n’est pas produisent pas forcément
non plus nécessaire au début
dans le cas de
transitions spontanées que la totalité de la surface
de l’échelon, mais comme le montre l’oscillogramme de la figure 5.19 peuvent d’électrode soit occupée par la zone
cathodique pour qu’une transition survienne.
apparaître en grand nombre pendant l’application de l’échelon de courant.
Figure 3.15 : Évolution au cours du temps de la tension de décharge et de l’intensité de décharge lors de
l’application d’un pulse d’intensité environ égale à 200 mA (P = 100 mbar et d = 25 mm)
Figure 5.19 – Oscillogramme du courant et de la tension pour un échelon de
Pour desde
280mA, apparition électrodes de même
transitions nature ayant cependant une géométrie en pointe,
spontanées
Watanabe et al.16 20 n’ont pas observé à pression atmosphérique dans l’argon l’existence de
La figure 5.20
transitions est un sezoom
spontanées de cet
produisant oscillogramme
à intensité constante. Surautour
la figure des
3.17 temps 1700µs et
nous avons
2000µs avec
rappeléles photographies
les résultats présentés paràWatanabe
la caméraet al. rapide
concernant(temps de pause
la caractéristique de 16,6µs)
U/I pour une des
distance inter-électrode de 1 mm : aucune zone relative aux
phases associées. La partie (a) correspond au temps avant l’échelon de courant, transitions spontanées (deux
valeurs de tension possibles pour une même valeur de l’intensité) n’apparaît.
la décharge est en phase glow (faible courant et forte tension). L’application de
l’échelon de courant modifie la morphologie de la décharge luminescente, mais
sans transition à l’arc, l’aspect visuel, photographie (b), est plus filamentaire,
mais le pied cathodique reste étendu (électrode du haut sur la photographie).
Au niveau de l’oscillogramme, on observe une légère baisse de la tension et une
forte hausse du courant (environ 200mA dans ce cas). La transition complète
à l’arc se réalise (partie (c) de la figure 5.20) lorsqu’il y a une forte chute de
57
la tension et une constriction importante du pied cathodique en un spot lumi-
neux. Il faut noter que lors de cette transition, l’aspect général de la colonne
positive de décharge reste inchangé. Un autre fait important lors de ces transi-
tions est la variation de la puissance consommée dans la décharge, de 56W en
mode luminescent à moins de 15W pour l’arc. Enfin précisons que ces transitions
spontanées ne sont pas affectées par le circuit extérieur d’alimentation qui reste
inchangé pendant les 2ms de temps d’application de l’échelon et sont caracté-
risés par une chute de la tension (200V) qui semble associée aux changements
Figure 5.20 – Zoom de l’oscillogramme du courant et de la tension pour un

échelon de 280mA, apparition de transitions spontanées et photographies ca-
méra rapide de la décharge
morphologiques du pied cathodique.

Pour mieux comprendre les mécanismes entrant en jeu dans ces transitions,
nous avons focalisé la suite de ce travail sur deux points, une étude statique
des caractéristiques de chaque mode de décharge (arc, glow, glow-arc) en fonc-
tion des paramètres géométriques, de pression et d’amplitude de l’échelon de
courant. La seconde partie traitera des mécanismes dynamiques de la transition
elle-même.
Étude paramétrique des conditions stables
Dans un premier temps, nous nous sommes intéressés au régime de glow

uniquement. En faisant varier le courant de décharge, nous avons observé les
changements morphologiques de la décharge grâce aux images caméra rapide,
mais aussi la valeur de la tension aux bornes des électrodes. La distance inter-
électrode est gardée constante à 25mm et la pression est de 100mbar. Ces obser-
vations sont reportées sur la figure 5.21 avec la caractéristique courant-tension,
mise en relation avec les photographies de la décharge. Notons tout d’abord qu’à
cause des temps de pause et de l’ouverture de l’objectif, la décharge luminescente
n’apparaît pas sur le cliché, mais est bien visible à l’œil nu. Notons aussi la pré-
sence de stries déjà rencontrées dans la littérature pour ces situations. Ces points
ne représentent pas une expérience en continu, mais une série d’expériences réa-
lisées avec des échelons de courant différents. Si on observe maintenant le pied

cathodique (en haut sur l’image), on s’aperçoit que malgré l’aspect filamentaire
prononcé et ce même pour les plus fortes valeurs de courant, celui-ci reste large-
ment étalé sur l’ensemble de l’électrode et n’est pas modifié par l’augmentation
du courant. La tension diminue légèrement avec l’augmentation du courant, sui-
vant en ce sens la taille du filament qui tend à rejoindre les deux électrodes pour
un courant de 50mA. Le point important ici est la coexistence des deux modes
de décharges glow et filament sans passage proprement dit à l’arc.
Figure 5.21 – Caractéristique courant-tension associée à des images caméra ra-

pide d’une décharge glow
Par la suite en gardant la même distance interélectrode (25mm) et la même

pression (100mbar), nous avons augmenté l’amplitude de l’échelon de courant
entre 5mA et 400mA. Pour chaque expérience, nous avons relevé des tensions
stables dont les valeurs moyennées sur la période de stabilité sont reportées
sur la figure 5.22. Ainsi pour des courants entre 5mA et 50mA nous retrouvons
uniquement des décharges de type glow luminescente. Une seconde zone (II)
est présente entre les valeurs de courant 50mA et environ 280mA où des tran-
sitions spontanées et réversibles sont observées pour chaque expérience. Enfin
une troisième zone (III) a été déterminée pour des valeurs de courant supérieures
à 280mA pour lesquelles seules des transitions irréversibles vers l’arc sont pré-
sentes.
Figure 5.22 – Caractéristique courant-tension pour une distance intérélectrode

de 25mm
Étude dynamique de la transition
Nous nous sommes ensuite intéressés à l’étude dynamique de la transition

en elle-même. Tout d’abord nous avons cherché à caractériser électriquement
et morphologiquement les changements ayant lieu à partir de l’application de
l’échelon de courant par le circuit extérieur. Les mesures électriques –pour une
distance interélectrode de 25mm, une pression de 100mbar et un échelon de
25mA– sont reportées sur l’oscillogramme de la figure 5.23, avec en correspon-
dance des intervalles notés sur le haut de cette figure, les images issues de la
caméra rapide (temps de pause pour chaque image de 16,6µs) sur la figure 5.24.
Dans un premier temps, durant environ 25µs, on remarque une hausse de la ten-
sion ainsi que l’établissement du courant à la valeur fixée par l’alimentation. Par
la suite la tension et le courant se stabilisent sur un plateau. Visuellement, le
filament semble se propager depuis l’anode vers la cathode pour former un état
stationnaire avec jonction ou non des deux électrodes en fonction de l’amplitude
de l’échelon de courant. Un temps de quelques dizaines de µs est nécessaire pour
l’établissement d’un filament au sein de la colonne positive.
Nous avons ensuite effectué une étude paramétrique sur la distance inter-
électrode et relevé les temps de transition glow-arc pour trois échelons de cou-
rant (100mA, 150mA et 250mA). Comme nous pouvons le voir sur les résultats
agrégés sur la figure 5.25, les temps de transitions augmentent linéairement en
Figure 5.23 – Courant et tension de décharge lors de la transition (extension de

la colonne filamentaire
Figure 5.24 – Images de la caméra rapide en rapport avec les intervalles de la

figure 5.23 lors d’une transition
fonction de la distance, et ce quel que soit l’amplitude de l’échelon de courant.

En extrapolant ces courbes vers une distance fictive interélectrode nulle, les trois
courbes tendent vers une valeur commune proche de 50ns. Ce temps est peut
être caractéristique des phénomènes se produisant aux électrodes (typiquement
un changement d’émission électronique à la cathode). La dépendance linéaire
entre le temps de transition et la distance interélectrode d’une part et le courant
de décharge d’autre part semble suggérer un mécanisme propagatif dépendant
de la distance et du degré d’ionisation de la colonne. Ce phénomène propagatif a
une vitesse constante seulement fonction du courant de décharge. Finalement un
temps de propagation de l’ordre de quelques centaines de nanosecondes semble
être caractéristique dans les conditions de nos expériences.
Figure 5.25 – Durée de la transition en fonction de la distance interélectrode
Finalement se pose la question de savoir quel est l’ordre temporel des méca-
nismes de transition glow-arc. Est-ce que les phénomènes à la cathode (constric-
tion du pied cathodique) prennent place avant les modifications de la colonne
positive ou est-ce que le filament doit être totalement propagé pour que la tran-
sition au pied cathodique ait lieu ? Pour répondre partiellement à cette question,
un exemple significatif illustré sur la figure 5.26 a été trouvé. L’amplitude de
l’échelon de courant est de 80mA pour une distance interélectrode de 25mm et
une pression de 100mbar. Dans ces conditions, on peut observer qu’un temps
plus long est nécessaire pour établir un état similaire à ceux des figures 5.19
et 5.20. Les transitions spontanées liées à une baisse significative de la tension
n’apparaissent qu’à partir de 2000µs. Les images prises à la caméra rapide sur la
figure 5.26 montrent que différentes structures existent avant ce temps : la dé-
charge peut être partiellement filamentaire avec un pied cathodique sous forme
de spot sur les photographies (a) et (c), mais aussi partiellement filamentaire avec
un pied cathodique diffus. Les modifications du pied cathodique sont donc pos-
sibles même si la décharge n’a pas atteint un aspect complètement filamentaire.
En effet sur les images le pied cathodique oscille entre un spot et un mode diffus
durant le temps de propagation du filament au sein de l’espace interélectrode.
En conclusion nous pouvons avancer l’hypothèse que le développement fila-
mentaire complet n’est pas une condition nécessaire pour l’établissement d’un
spot cathodique, mais aussi que celui-ci n’est pas une condition suffisante pour
mener à une transition complète à l’arc. L’arc électrique nécessite donc une nou-
velle définition structurelle : la colonne de décharge doit être totalement filamen-
taire et le pied cathodique doit être sous la forme d’un spot (constriction du pied
cathodique).
Figure 5.26 – Tension et courant de décharge pour une série de transitions glow-
arc et arc-glow spontanées et réversibles
Pour être totalement complet ce modèle comportemental exposé ici devra

être étendu à un modèle comprenant et expliquant en détail les mécanismes
internes qui conduisent ces transitions.
Figure 5.27 – Amazing Stories avril 1926

Chapitre 6
Conclusion générale et perspectives

scientifiques
6.1 Conclusion
Ce mémoire en vue de l’obtention de l’habilitation à diriger les recherches à
fait l’objet d’un découpage en 3 parties. La première sur la modélisation et l’op-
timisation des grands réseaux électriques, la deuxième sur l’optimisation sys-
tèmes des machines électriques et la dernière sur la modélisation des phéno-
mènes physiques. Ces trois approches de l’électrotechnique, à première vue dif-
férentes, sont associées par la volonté de réaliser des optimisations et modélisa-
tions globales des systèmes. Pour cela, il faut développer des algorithmes perfor-
mants, tant du point de vue des résultats que de la rapidité de calcul. Cela passe
par une phase de développement sur des cas simples et des exemples concrets
déjà résolus. Pour bien poser les problèmes d’optimisation, il faut de plus avoir
une connaissance approfondie des phénomènes physiques. C’est pourquoi nous
avons notamment continué à travailler sur les mécanismes de claquage dans les
gaz isolants, ceci en vu de bien comprendre les contraintes posés lors des opti-
misations.
6.2 Perspectives scientifiques

Mes travaux de recherche, tels que déjà présentés, ont portés sur le dévelop-
pement de modèles et d’algorithmes d’optimisation appliqués à plusieurs do-
maines d’étude. À court et moyen termes, mes perspectives de recherche se
structurent autour de deux principaux axes de travail : l’optimisation dans le
domaine de l’énergie, en particulier des systèmes d’entraînement, et la modéli-
sation par simulations numériques appliquée à la physique des plasmas.
105
106 Chapitre 6 : Conclusion générale et perspectives scientifiques
L’objet du présent document est de présenter l’intérêt porté pour ces théma-
tiques, de développer les orientations de recherche envisagées dans le cadre de
thèses en cours et programmées, et de mentionner les collaborations mises en
place, ainsi que les moyens qui seront déployés.
6.2.1 Optimisation des systèmes d’énergie

Le durcissement progressif du contexte réglementaire relatif aux émissions
de gaz à effet de serre et les attentes croissantes de la société pour le dévelop-
pement d’innovations propres, conduisent les industriels à s’orienter vers l’uti-
lisation de moteurs électriques. Au-delà de la motivation environnementale, ces
technologies sont également utilisées en raison de leurs performances écono-
miques. Les moteurs électriques investissent les différents compartiments des in-
dustries aéronautique, spatiale, navale et automobile, et les besoins de recherche,
notamment d’optimisation, s’accroissent fortement.
Ainsi, les avionneurs tendent à remplacer la plupart des actionneurs hydrau-
liques par des chaînes de motorisations électriques, la conception navale cherche
à remplacer les modes de propulsion thermiques par des groupes hybrides (puis-
sance thermique et propulsion électrique). Ces deux derniers concepts sont sou-
vent reconnus dans les termes avions ou bateaux tout (plus) électriques. Les
constructeurs automobiles et leurs fournisseurs ont dans un premier temps cher-
ché à remplacer ou créer des fonctions où l’électrification des organes tient une
place centrale. Depuis quelques années compte tenu de la nécessité de réduire la
consommation et les rejets de polluants atmosphériques, les moteurs électriques
prennent leur place dans la propulsion du véhicule. La question de la masse ou
du volume est critique dans l’aéronautique, alors que le coût de fabrication est
un élément clef dans l’automobile.
Compte tenu de ce contexte, divers axes de recherches sont proposés. La
prise en compte de nouveaux modèles physiques comportementaux plus per-
formants et plus précis va nécessiter une amélioration des algorithmes d’opti-
misation qui devront être eux aussi plus précis et surtout plus rapides. En effet,
la prise en compte de la mécanique (transformateurs et réducteurs) et de l’élec-
tronique de puissance est encore réalisée de manière trop simple. Pour la partie
mécanique, il va nous falloir faire des rapprochements avec des spécialistes de
la conception mécanique pour réaliser des modèles plus complexes des trans-
formateurs de mouvement. La modélisation de l’électronique de puissance en
vue de son incorporation dans l’optimisation devrait elle se faire rapidement en
collaboration avec Pierre Lefranc du département Énergie de Supélec.
La complexification des modèles va nécessiter de travailler sur les algo-
rithmes d’optimisation afin de les rendre plus performants. De ce point de vue, la
première amélioration à apporter est de bénéficier de l’augmentation du nombre
6.2 Perspectives scientifiques 107
de cœurs de calcul au sein des ordinateurs modernes ainsi que du calcul sur
architectures parallèles. Un tel cluster de machines est déjà en place à Supélec,
nous projetons donc de paralléliser les codes déjà existants sur cette architec-
ture. Les algorithmes stochastiques du type algorithme génétique forment un
très bon exemple au vu de leur caractère massivement parallèle. Des premiers
essais d’accélération de calcul seront réalisés très prochainement lors de la thèse
de Benjamin Dagusé.
Une seconde piste de recherche est de s’orienter vers des optimisations ou la
fonction objectif n’est plus sous forme analytique (ou simple), mais représentée
comme le résultat de calculs par éléments finis (calcul du couple d’une machine
par exemple). De telles optimisations ne peuvent être menées à l’aide des al-
gorithmes classiques, il est donc nécessaire d’inventer de nouvelles approches.
Une piste possible est l’utilisation de méthodes où le nombre d’évaluations de
la fonction coût est minimisé pour rendre l’optimisation dans un temps de cal-
cul raisonnable. Ces méthodes font appel à des techniques d’approximation de
la fonction coût, cette approximation étant raffinée au fur et à mesure des ité-
rations uniquement aux endroits de l’optimum probable. Ces développements
feront l’objet d’une collaboration avec le département Signaux et Systèmes Élec-
troniques et la chaire de Systèmes analogiques complexes à Supélec.
Ces nouvelles méthodes d’optimisation, après validation sur les systèmes
d’entraînement électriques, seront appliquées à l’électronique de puissance, en
particulier à la problématique du placement routage de composants sur une carte
électronique. En effet, le placement de composants a un effet direct sur les cou-
plages inductifs et sur l’échauffement du dispositif. Il est donc nécessaire par le
biais de simulations et d’optimisations de trouver le placement des composants
minimisant les fuites et l’échauffement. L’analyse thermique et électromagné-
tique ne peut être faite de manière précise que par éléments-finis, ce qui corres-
pond bien au thème de recherche présenté. La problématique ici sera renforcée
par le grand nombre de degrés de libertés présents sur le système.
6.2.2 Modélisation des processus plasmas

La physique des plasmas et plus précisément des décharges électriques est
relativement bien connue, mais sa modélisation fine par le biais de simulations
numériques est encore une question non totalement résolue. En effet, le couplage
de la dynamique des décharges avec le circuit électrique, et de la dynamique des
gaz avec la cinétique chimique des réactions restent encore des enjeux scienti-
fiques majeurs. C’est pourquoi dans le cadre d’un dépôt de projet ANR, nous
nous proposons d’étudier ces couplages au sein d’une collaboration entre plu-
sieurs laboratoires. Ce projet vise à la réalisation d’un logiciel de simulation
comportant une phase de simulation du passage de la décharge dans un gaz qui
se couplerait à des codes de simulation d’expansion hydrodynamique et de ci-

nétique chimique. Toutes ces modélisations seront alimentées par des données
expérimentales réalisées pour ce projet. Le contexte de cette étude s’inscrit dans
un cadre environnemental de la réduction des composés polluants dans des gaz.
Ma participation à ce projet portera sur la modélisation de la phase de décharge.
La multiplication de la puissance des calculateurs rend possible la simulation en
trois dimensions de la décharge, ainsi que l’utilisation de codes de calculs par
éléments finis ou par des méthodes mixtes du type ELLAM (Euler Lagrange Lo-
cal Adjoint Methods). Ces algorithmes couplent des méthodes de résolution par
éléments finis avec des méthodes des caractéristiques, permettant ainsi d’utili-
ser des géométries complexes tout en gardant les avantages des méthodes des
caractéristiques pour la modélisation des équations fluides de conservation. En
complément, il sera nécessaire de paralléliser ces codes de calcul.
Une deuxième collaboration vient de débuter avec le laboratoire EM2C de
l’École Centrale de Paris par le biais du co-encadrement d’une thèse portant sur
l’étude de l’efficacité des plasmas froids pour la production d’hydrogène. L’utili-
sation de l’hydrogène comme vecteur d’énergie prend une importance croissante
en raison de la nécessité du stockage d’énergie pour l’application aux trans-
ports et l’utilisation de sources d’énergie renouvelables. La production efficace
d’hydrogène devient donc un enjeu majeur. Plusieurs techniques et procédés
de production existent aujourd’hui, mais la recherche de technologies alterna-
tives plus efficaces d’un point de vue énergétique demeure très active. Ainsi les
plasmas froids à pression atmosphérique pourraient constituer une technolo-
gie prometteuse. En parallèle avec une approche expérimentale qui permettra
de mieux décrire les phénomènes mis en jeux dans les réacteurs à plasma, un
modèle thermique et physique décrivant les mécanismes d’interactions entre la
décharge et les hydrocarbures légers sera développé et validé face à ces expé-
riences. Cette double approche de modélisation et d’expérimentation permettra
ensuite d’optimiser l’efficacité énergétique de la production d’hydrogène.
Enfin, une thèse sur l’étude du courant noir par une surface soumise à un
champ électrique intense et des mécanismes de transition à l’arc vient de dé-
buter, en partenariat avec Philippe Testé du Laboratoire de Génie Électrique de
Paris et Emmanuel odic du département Énergie de Supélec. Dans divers dispo-
sitifs mettant en œuvre des champs électriques élevés et des pressions réduites
tels que les accélérateurs de particules (accélérateur de neutres pour ITER par
exemple), il apparaît parfois des courants non prévus. Ces courants sont appelés
courants noirs et sont susceptibles de fortement dégrader les performances du
dispositif. Divers phénomènes peuvent contribuer à l’émission de ces courants.
L’objectif de l’étude expérimentale sera d’une part d’identifier les paramètres
dominants conduisant à l’établissement du courant noir dont on proposera un
modèle physique, et d’autre part d’élaborer des solutions permettant de réduire
6.2 Perspectives scientifiques 109
ce phénomène. Dans un second temps les conditions de passage à l’arc seront

étudiées par le biais d’une modélisation qui permettra de proposer un scénario
expliquant la transition brutale de l’émission électronique à l’arc électrique.
6.2.3 Conclusions
Ces perspectives de recherche s’inscrivent dans le cadre vaste de l’optimi-
sation et la modélisation des systèmes d’énergie. Deux domaines sont présen-
tés, le premier traite de l’optimisation des systèmes de conversion de l’énergie
(entraînement électrique et électronique de puissance) et le second de la phy-
sique des plasmas. La complexification de ces modèles passe bien sûr par une
phase d’analyse physique de compréhension des phénomènes. Une caractéris-
tique commune à ces deux axes de recherche est la nécessaire augmentation
des coûts de calculs liés à la complexification des modèles en cours de dévelop-
pement. Pour remédier à cette difficulté, diverses pistes sont envisagées : algo-
rithmes innovants et parallélisation des codes de calcul.
Figure 6.1 – Amazing Stories décembre 1926

Troisième partie
Bibliographie
111
Chapitre 7
Production scientifique
7.1 Tableau récapitulatif

– Revues avec comité de lecture : 8 ;
– actes de conférences éditées et conférences invitées : 6 ;
– congrès avec actes : 44 ;
– communications : 2 ;
– articles acceptés en cours de publication : 1 ;
– articles soumis en cours de relecture : 2.
7.2 Actes de conférences éditées, conférences invi-

tées et chapitres de livres
[1] Xavier Jannot, Philippe Dessante, Pierre Vidal et Jean-Claude Van-
nier, Optimization of wound rotor synchronous generators based on genetic
algorithm, in Computational Methods for the Innovative Design of Elec-
trical Devices., vol. 327 de Studies in Computational Intelligence, Springer
Verlag, 2010, p. 87–113.
[2] E. Marode, D. Djermoune, P. Dessante, C. Deniset, P. Ségur, F. Bas-
tien, A. Bourdon et C. Laux, Physics and applications of atmospheric non-
thermal air plasma with reference to environment, in 36th EPS Conference
on Plasma Physics, Sofia, Bulgaria, 2009, 17 pages.
[3] A. Goldman, M. Goldman, E. Odic et P. Dessante, Partial discharges in-
ception and ageing effects in a gas insulated HV equipment, in Proc. Gaseous
dielectrics 2008, Cardiff Royaume-Uni, 2008, p. 49 – 56.
[4] N. Bellegarde, P. Dessante, P. Vidal et J.-C. Vannier, Optimisation of a
drive system and its epicyclic gear set, in Intelligent Computer Techniques
113
114 BIBLIOGRAPHIE
in Applied Electromagnetics, vol. 119, Springer Berlin Heidelberg, Berlin,

Heidelberg, 2008, p. 241–248.
[5] P. Dessante, J. Vannier et C. Ripoll, Optimization of a linear brushless DC
motor drive, in Recent Developments of Electrical Drives, Springer Nether-
lands, Dordrecht, 2006, p. 127–136.
[6] P. Dessante, J. Vannier et B. Bonafos, Active shielding optimisation, in
Computer Engineering in Applied Electromagnetism, Springer-Verlag, Ber-
lin/Heidelberg, 2005, p. 35–40.
7.3 Revues internationales avec comité de lecture

[7] P. Lefranc, X. Jannot et P. Dessante, Virtual prototyping and pre-sizing
methodology for buck DC-DC converters using genetic algorithms, Power
Electronics, IET, 5 (2012), p. 41 –52.
[8] G. Sandou, H. Borsenberger et P. Dessante, Unit commitment with pro-
duction cost uncertainty : A recourse programming method, Journal of Energy
and Power Engineering, 5 (2011), p. 164–172.
[9] V. Rious, J.-M. Glachant, Y. Perez et P. Dessante, L’insuffisance des si-
gnaux de localisation pour la coordination entre la production et le transport
d’électricité dans les systèmes électriques libéralisés, Revue Économique, 60
(2009), p. 819–829.
[10] E. Marode, D. Djermoune, P. Dessante, C. Deniset, P. Ségur, F. Bas-
tien, A. Bourdon et C. Laux, Physics and applications of atmospheric
non-thermal air plasma with reference to environment, Plasma Physics and
Controlled Fusion (IF 2,4), 51 (2009), p. 124002, 15 pages.
[11] V. Rious, J.-M. Glachant, Y. Perez et P. Dessante, The diversity of design
of TSOs, Energy Policy (IF 2,4), 36 (2008), p. 3323–3332.
[12] J. Mendoza, R. Lopez, D. Morales, E. Lopez, P. Dessante et R. Moraga,
Minimal loss reconfiguration using genetic algorithms with restricted popula-
tion and addressed operators : Real application, IEEE Transactions on power
systems (1,94), 21 (2006), p. 948–954.
[13] E. Odic, M. Dhainaut, A. Goldman, M. Goldman et P. Dessante, Study in
space and time of the gas temperature variations in dielectric barrier discharge
reactors, Journal of Advanced Oxydation Technologies (IF 0,79), 8 (2005),
p. 133–141.
[14] S. Deladreue, P. Dessante, F. Brouaye et P. Bastard, Using cluster ana-
lysis in power system planning under uncertainty, Engineering Intelligent
Systems for Electrical Engineering and Communications (IF 0,2), 11 (2003),
p. 187–92.
BIBLIOGRAPHIE 115
7.3.1 Conférences internationales avec comité de lecture

[15] P. Molinié, R. Hanna, T. Paulmier, B. Dirassen, P. Dessante, M. Bel-
haj, D. Payan et N. Balcon, Polyimide and FEP charging behavior under
multienergetic Electron-Beam irradiation : Experiments and a simple model,
in 14th International Symposium on Electrets ISE14, Montpellier, France,
2011, 7 pages.
[16] R. Landfried, R. Andlauer, P. Dessante, M. Kirckpatrick, T. Leblanc,
E. Odic et P. Testé, Investigation of a glow discharge structure in 100 mbar
argon, in 30th International Conference on Phenomena in Ionized Gases
ICPIG, Belfast, Northern Ireland, UK, sept. 2011, 3 pages.
[17] C. Gutfrind, J. Vannier, P. Vidal et P. Dessante, Analytical study of an
optimized limited motion actuator used in engine combustive flow regula-
tion, in XV International Symposium on Electromagnetic Fields in Mecha-
tronics, Electrical and Electronic Engineering ISEF2011, Funchal, Portugal,
sept. 2011, 9 pages.
[18] B. Dagusé, P. Dessante, P. Vidal, J. Vannier, J. Saint-Michel et J. Tho-
mas, Optimization and comparison of optimal saliency permanent magnet
synchronous machines for electric vehicle application, in XV International
Symposium on Electromagnetic Fields in Mechatronics, Electrical and Elec-
tronic Engineering ISEF2011, Funchal, Portugal, sept. 2011, 8 pages.
[19] V. Rious, J. Glachant et P. Dessante, Transmission network investment as
an anticipation problem, in DIME Workshop "The changing Governance of
Network Industries", Naples, Italie, avril 2010, 32 pages.
[20] M. Petit et P. Dessante, Modeling and experimental set-up of an automo-
tive electrical network for transient studies, in International Conference on
Electrical Machines, ICEM2010, Rome, Italy, sept. 2010, 6 pages.
[21] H. Borsenberger, P. Dessante et G. Sandou, Unit commitment with pro-
duction cost uncertainty, a recourse programming method, in IFAC Confe-
rence on Control Methodologies and Technology for Energy Efficiency, Vi-
lamoura, Portugal, mars 2010, 5 pages.
[22] V. Rious, J. Glachant, Y. Perez et P. Dessante, The role of transmission
investment in the coordination between generation and transmission in the li-
beralized power systems, in 32nd IAEE International Conference, San Fran-
cisco, California, USA, juin 2009, 9 pages.
[23] V. Rious et P. Dessante, Real gains from flow-based methods for allocating
power transmission capacity in europe, in 6th International Conference on
the European Energy Market, Leuven Belgique, avril 2009, 6 pages.
116 BIBLIOGRAPHIE

investment in the coordination between generation and transmission in the
liberalized power systems, in 13th Annual Conference of The International
Society for New Institutional Economic, Berkeley, USA, juin 2009, 9 pages.
[25] M. Petit, P. Dessante et E. Laurain, Modélisation et simulation en régime
dynamique d’un réseau de bord automobile, in Électrotechnique du Futur,
EF’2009, Compiègne France, sept. 2009, 8 pages.
[26] S. M’Rad, P. Lefranc, P. Dessante, P. Chiozzi, G. Blondel, M. Fakes et
P. Masson, A compact transient electrothermal model for integrated power
systems : Automotive application, in IECON’09 Annual Conference of the
IEEE Inductrial Electronics Society, Porto : Portugal, nov. 2009, p. 3755 –
3760.
[27] X. Jannot, K. Gaudefroy, N. Vinel, P. Vidal et P. Dessante, Optimal
design of a wound rotor synchronous generator using genetic algorithm, in
ISEF 2009 - XIV International Symposium on Electromagnetic Fields in Me-
chatronics, Electrical and Electronic Engineering, Arras, France, sept. 2009,
6 pages.
[28] V. Rious, J. Usaola, M. Saguan, J. Glachant et P. Dessante, Assessing
available transfer capacity on a realistic european network : Impact of as-
sumptions on wind power generation, in Proceedings of the Conference :
"Building Networks for a Brighter Future" 1st International scientific confe-
rence, Rotterdam Pays-Bas, 2008, 6 pages.
[29] V. Rious, Y. Perez et P. Dessante, The efficiency of short run and long
run locational signals to coordinate generation location with lumpy transmis-
sion investments, in Proceedings of the 31st IAEE International Conference.
Bridging Energy Supply and Demand : Logistics, Competition and Envi-
ronment, Istanbul Turquie, juin 2008, 21 pages.
investment in the coordination between generation and transmission in the
liberalized power systems, in 7th Conference on Applied Infrastructure Re-
search, Berlin Germany, oct. 2008, 9 pages.
[31] V. Rious, J. M. Glachant, Y. Perez et P. Dessante, Le rôle de l’investisse-
ment réseaux dans la coordination entre la production et le transport d’élec-
tricité dans les systèmes électriques libéralisés, in 57ème Congrès Annuel
de l’Association Française de Sciences Economiques (AFSE), Paris, France,
sept. 2008, 10 pages.
[32] V. Rious, J. Glachant, Y. Perez et P. Dessante, Anticipation for efficient
electricity transmission network investments, in Infrastructure Systems and
BIBLIOGRAPHIE 117
Services : Building Networks for a Brighter Future (INFRA), 2008 First In-
ternational Conference on, Rotterdam Pays-Bas, 2008, 6 pages.
[33] V. Rious, Y. Phulpin, F. Petit, P. Dessante et M. Saguan, A contribution in
experimental economics to classify market power behaviors in an oligopolistic
power market, in 5th International Conference on the European Electricity
Market, Lisbon, PORTUGAL, mai 2008, IEEE, p. 271–276.
[34] V. Rious, Y. Perez et P. Dessante, Is combination of nodal pricing and ave-
rage participation tariff the best solution to coordinate the location of power
plants with lumpy transmission investments ?, in Proceedings of The Econo-
mics of Energy Market, Toulouse France, juin 2008, 23 pages.
[35] W. Frelin, M. Petit, J. Vannier, L. Berthet et P. Dessante, Evaluation of
thermal heating in LV-cable in presence of harmonics, using FEM methods,
in International Conference on Electrical Machines, ICEM2008, Villamoura
Portugal, 2008, 6 pages.
[36] H. Bayem, M. Petit, P. Dessante, F. Dufourd et R. Belhomme, Wind inte-
gration study for an island network using a probabilistic tool, in Proceedings
of European Wind Energy European Wind Energy Conference & Exhibi-
tion, EWEC, Bruxelles Belgique, 2008, 8 pages.
[37] H. Bayem, Y. Phulpin, P. Dessante et J. Bect, Probabilistic computation of
a wind farm generation based on wind turbine dynamic modeling, in 10th
International Conference on Probabilistic Methods Applied to Power Sys-
tems, PMAPS, Rincon, PR, mai 2008, IEEE, p. 517–522.
[38] V. Rious et P. Dessante, A limited place for competition to develop the power
transmission network, in 9th IAEE European Energy Conference : Energy
Markets and Sustainability in a Larger Europe, Florence, Italie, juin 2007,
19 pages.
[39] F. Petit, Y. Phulpin, P. Dessante et J. Glachant, A contribution of ex-
perimental economics toward characterization of the use of market power in
oligopolistic markets, in 9th IAEE European Energy Conference : Energy
Markets and Sustainability in a Larger Europe, Florence, Italie, juin 2007,
12 pages.
[40] F. Maupas, P. Dessante et J. Glachant, Definition and controllability of
wind power integration cost, in 9th IAEE European Energy Conference :
Energy Markets and Sustainability in a Larger Europe, Florence, Italie, juin
2007, 15 pages.
[41] M. Lopez, P. Dessante, D. Morales, J. Vannier et D. Sadarnac, Optimisa-
tion of a small non controlled wind energy conversion system for Stand-Alone
applications, in International Conference on Renewable Energies and Po-
wer Quality, ICREPQ, Seville Espagne, mars 2007, 5 pages.
118 BIBLIOGRAPHIE
[42] N. Bellegarde, J. Vannier, P. Vidal et P. Dessante, Multi objective opti-

misation of an electromagnetic valve actuator, in Sensors and Actuators for
Advanced Powertrain Application, SENSACT2007, Gif sur Yvette, France,
oct. 2007, 6 pages.
[43] N. Bellegarde, P. Dessante, P. Vidal et J. Vannier, Optimisation of a drive
system and its epicyclic gear set, in International Simposium on Electroma-
gnetique Field, ISEF2007, Prague, République Tchèque, sept. 2007, 6 pages.
[44] H. Bayem, M. Petit, P. Dessante, F. Dufour et R. Belhomme, Probabilistic
characterisation of wind farms for grid connection studies, in European Wind
Energy Conference & Exhibition, EWEC, Milan, Italie, mai 2007, 8 pages.
[45] M. Saguan, J. Glachant et P. Dessante, Assessing economic consequences
of the european electricity market design choices : The case of balancing me-
chanism, in 29th IAEE (International Association for Energy Economics)
International Conference, Berlin Germany, 2006, 20 pages.
[46] M. Saguan, N. Keseric, P. Dessante et J. Glachant, Market power in po-
wer markets : Game theory vs. agent-based approach, in IEEE/PES Transmis-
sion and Distribution Conference and Exposition Latin America, Caracas,
VENEZUELA, août 2006, p. 1081–1086.
[47] M. Saguan, J. Glachant et P. Dessante, Risk management and optimal
hedging in electricity forward markets coupled with a balancing mechanism,
in 2006 International Conference on Probabilistic Methods Applied to Po-
wer Systems, Stockholm, SWEDEN, juin 2006, IEEE, p. 917–922.
[48] M. Bensetti, P. Dessante, P. Vidal et J. Vannier, Study and optimisation of
an electrical generator with original structure, in XVII International Confe-
rence on Electrical Machines, ICEM, Chania, Crete, Greece, 2006, 5 pages.
[49] P. Dessante, J. Vannier et P. Vidal, Optimisation of a linear brushless dc
moteur drive and the associated power supply, in Fith Symposium on the
all-electric ship, AES2005, Versailles, France, oct. 2005, 5 pages.
[50] M. Saguan, S. Plumel, P. Dessante, J. Glachant et P. Bastard, Gene-
tic algorithm associated to game theory in congestion management, in 2004
International Conference on Probabilistic Methods Applied to Power Sys-
tems, PMAPS 2004, Ames, IA, USA, 2004, p. 415–20.
[51] P. Dessante, J. Vannier et C. Ripoll, Optimisation of a linear brushless DC
motor drive, in 16th International Conference on Electrical Machines, ICEM
2004, Cracow, Poland, sept. 2004, Institute of Mechatronics and Information
Systems, 5 pages.
[52] J. Vannier, P. Vidal et P. Dessante, Optimisation d’un ensemble conver-
tisseur, actionneur électrique et pompe pour un système d’alimentation en
7.4 Communications 119
carburant, in Électrotechnique du Futur, EF’2003, Supélec, Gif-sur-Yvette,

France, 2003, 7 pages.
[53] M. Dhainaut, E. Odic, P. Buin, P. Herzog, M. Goldman, A. Goldman,
P. Dessante et C. Karimi, From acoustic waves to the gas temperature in
a point-to-plane dielectric barrier discharge in air at atmospheric pressure, in
16th International Symposium on Plasma Chemistry, ISPC, Taormina, Italy,
2003, 6 pages.
[54] P. Dessante, J. Vannier et B. Bonafos, Active shielding optimisation, in
11th International Symposium on Electromagnetic Fields in Electrical En-
gineering, ISEF 2003, Maribor, Slovénie, sept. 2003, p. 631–636.
[55] P. Dessante et E. Marode, Modélisation d’une décharge électrique de type
streamer en géométrie pointe-plan, in Électrotechnique du Futur, EF’2003,
Supélec, Gif-sur-Yvette, France, 2003, 6 pages.
[56] B. Bonafos, P. Dessante, J. Vannier, P. Lognonne, J. Karczewski et
N. Stiebig, Analysis and parameter identification of a PM linear actuator for
space application, in International Simposium on Applied Electromagntics
and Mechanism, ISEM 2003, Versailles, France, 2003, p. 252–253.
[57] S. Deladreue, P. Dessante, F. Brouaye et P. Bastard, Using cluster analy-
sis in power system planning under uncertainty, in International Conference
on Probabilistic Methods Applied to Power Systems, PMAPS 2002, Naples,
Italie, sept. 2002, p. 479–483.
[58] E. Marode, P. Dessante, N. Deschamps et C. Deniset, Diagnostics and
modeling of high pressure streamer induced discharges, in Spring Meeting
on Diagnostics of Non-Equilibrium High Pressure Plasmas, Bad Honnef,
Germany, 2001, Univ. Essen, p. 39–48.
7.4 Communications
[59] H. Borsenberger, P. Dessante et G. Sandou, Optimisation de la produc-
tion dans un réseau d’énergie soumis à des incertitudes sur le coût de produc-
tion, in Recherche Opérationnelle et d’Aide à la Décision, ROADEF 2010,
Toulouse, France, fév. 2010, 2 pages.
[60] J. Vannier, P. Vidal, P. Dessante et F. Dugué, Ensemble convertisseur ac-
tionneur électrique et pompe pour un système d’alimentation en carburant
d’un satellite, in Journées 2004 du club EEA, Cergy-Pontoise, France, mars
2004.
120 BIBLIOGRAPHIE
Figure 7.1 – Amazing Stories septembre 1926

Chapitre 8
Références bibliographiques
[AP98] Joaquin Acevedo and Efstratios N. Pistikopoulos. Stochastic opti-

mization based algorithms for process synthesis under uncertainty.
Computers & Chemical Engineering, 22(4-5) :647–671, 1998.
[BN99] A. Ben-Tal and A. Nemirovski. Robust solutions of uncertain linear
programs. Operations Research Letters, 25(1) :1–13, August 1999.
[BN02] Aharon Ben-Tal and Arkadi Nemirovski. Robust optimization ? me-
thodology and applications. Mathematical Programming, 92 :453–
480, May 2002.
[DR97] Darinka Dentcheva and Werner Römisch. Optimal power generation
under uncertainty via stochastic programming. In : Stochastic Pro-
gramming Methods and Technical Applications (K. Marti And P. Kall
Eds.), Lecture Notes in Economics and Mathematical Systems, 458 :22—
56, 1997.
[EF97] E.A.Amerasekera and F.N.Najm. Failure Mechanisms in Semiconduc-
tor Devices, 2nd Edition. WILEY, ISBN : 978-0-471-95482-8, 1997.
[EKL] E.Zitzler, K.Deb, and L.Thiele. Comparison of multiobjective evolu-
tionary algorithms : Empirical results. In Evolutionary Computation
8, EC2000.
[GR] Nicole Gröwe-Kuska and Werner Römisch. Stochastic unit commit-
ment in Hydro-Thermal power production planning.
[HAD05] H.N.Nagaraja, A.Patra, and D.Kastha. Design optimization of coupled
inductor multiphase synchronous buck converter. In IEEE Internatio-
nal Conference on Industrial Technology, ICIT’05, Hong Kong, 14-17
December 2005. DOI : 10.1109/ICIT.2005.1600735.
[KAST02] K.Deb, A.Pratab, S.Agrawal, and T.Meyarivan. A fast elitist non-
dominated sorting genetic algorithm for multi-objective optimiza-
121
122 BIBLIOGRAPHIE
tion : Nsga-ii. IEEE Trans. on Evolutionary Computation, 6(2) :182–197,

April 2002.
[KCPC09] K.Ejjabraoui, C.Larouci, P.Lefranc, and C.Marchand. A new pre-
sizing approach of dc-dc converters, application to a boost converter
for the automotive domain. In 35th Annual Conference of the IEEE
Industrial Electronics Society, IECON’09, Porto, Portugal, November
2009.
[PCW00] A.B. Philpott, M. Craddock, and H. Waterer. Hydro-electric unit com-
mitment subject to uncertain demand. European Journal of Operatio-
nal Research, 125(2) :410–424, September 2000.
[Sah04] Nikolaos V Sahinidis. Optimization under uncertainty : State-of-the-
art and opportunities. COMPUTERS AND CHEMICAL ENGINEERING,
28 :971—983, 2004.
[TD03] T.C.Neugebauer and D.J.Perreault. Computer-aided optimization of
dc-dc converters for automotive applications. IEEE Trans. on Power
Electronics, 18(3), May 2003.
[XTF97] X.Zhou, T.G.Wang, and F.C.Lee. Optimizing design for low voltage
dc-dc converters. In IEEE Applied Power Electronics Conference and
Exposition, APEC’97, Vancouver, Canada, 23-27 February 1997. DOI :
10.1109/APEC.1997.575633.
Table des matières
I Fiche synthétique 3
1 CV scientifique 5
1.1 État civil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Titres universitaires . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Parcours professionnel . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Activités d’enseignement . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Activités liées à l’administration . . . . . . . . . . . . . . . . . . 6
1.6 Activités liées à la recherche . . . . . . . . . . . . . . . . . . . . 6
1.6.1 Prix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6.2 Organisations de congrès scientifiques . . . . . . . . . . 7
1.6.3 Comités de lecture . . . . . . . . . . . . . . . . . . . . . 7
1.6.4 Participation à des jurys de thèse . . . . . . . . . . . . . 7
1.6.5 Partenariats industriels et projets de pôles de compétitivité 8
1.7 Encadrements . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7.1 Thèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7.2 Stagiaires post-doc . . . . . . . . . . . . . . . . . . . . . 12
1.7.3 Stagiaires Master 2 . . . . . . . . . . . . . . . . . . . . . 12
1.8 Synthèse scientifique . . . . . . . . . . . . . . . . . . . . . . . . 13
II Synthèse des travaux de recherche 21

2 Introduction 23
3 Optimisation et modélisation technico-économique des réseaux élec-

triques 27
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Designs de marchés . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 L’investissement dans les réseaux . . . . . . . . . . . . . . . . . 28
3.4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . 29
123
124 TABLE DES MATIÈRES
3.4.2 Impact de la filière éolienne sur les marchés de l’électricité 30

3.4.3 Intégration des moyens de productions incertains . . . . 33
3.4.4 Modélisation et optimisation robuste de systèmes com-
plexes : application aux réseaux énergétiques . . . . . . 37
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4 Optimisation et modélisation des machines électriques 43

4.1 Principes de l’optimisation des systèmes électrotechniques . . . 43
4.2 Optimisation des coûts de fabrication et du rendement d’une
gamme de machine . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.1 Modélisation de la machine . . . . . . . . . . . . . . . . 46
4.2.2 Optimisation d’une gamme d’alternateurs . . . . . . . . 47
4.2.3 Optimisation multi-objectif du coût et du rendement . . 54
4.3 Prototypage virtuel en électronique de puissance . . . . . . . . . 55
4.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.3.2 Modélisation du hacheur abaisseur . . . . . . . . . . . . 56
4.3.3 Définition de l’optimisation et prototypage virtuel du ha-
cheur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.3.4 Résultats de l’optimisation . . . . . . . . . . . . . . . . . 64
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5 Modélisation des phénomènes physiques 71

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.2 Étude des mécanismes d’inflammation d’un matériau isolant en
présence d’un point chaud d’origine électrique . . . . . . . . . . 72
5.3 Physique des décharges électriques . . . . . . . . . . . . . . . . 83
5.3.1 Description et modélisation des phénomènes physiques
des décharges électriques dans les plasmas froids . . . . 83
5.3.2 Étude des mécanismes de transitions glow-arc dans l’ar-
gon à faible pression . . . . . . . . . . . . . . . . . . . . 91
6 Conclusion générale et perspectives scientifiques 105

6.1 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.2 Perspectives scientifiques . . . . . . . . . . . . . . . . . . . . . . 105
6.2.1 Optimisation des systèmes d’énergie . . . . . . . . . . . 106
6.2.2 Modélisation des processus plasmas . . . . . . . . . . . 107
6.2.3 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . 109
TABLE DES MATIÈRES 125
III Bibliographie 111

7 Production scientifique 113
7.1 Tableau récapitulatif . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2 Actes de conférences éditées, conférences invitées et chapitres
de livres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.3 Revues internationales avec comité de lecture . . . . . . . . . . 114
7.3.1 Conférences internationales avec comité de lecture . . . 115
7.4 Communications . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
8 Références bibliographiques 121

126 TABLE DES MATIÈRES
Liste des tableaux
4.1 Paramètre de la machine à optimiser et leurs bornes . . . . . . . 49

4.2 Contraintes de l’optimisation sur les valeurs de sortie . . . . . . 49
4.3 Paramètres des machines suite aux optimisations individuelles . 50
4.4 Paramètres des machines après optimisation classique de la
gamme : optimisation de la machine de plus forte puissance, puis
déclinaison pour les machines de plus faible puissance . . . . . 51
4.5 Pondérations des ventes pour les trois scénarios envisagés . . . 52
4.6 Paramètres optimaux des trois types de machine dans le cas du
scénario I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
scénario II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
scénario III . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.9 Notations utilisées pour le convertisseur abaisseur . . . . . . . . 57
4.10 Définitions et domaine de variation des paramètres de l’optimi-
sation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.11 Contraintes de l’optimisation du convertisseur abaisseur . . . . 64
127
128 LISTE DES TABLEAUX
Table des figures
1 Amazing Stories août 1926 . . . . . . . . . . . . . . . . . . . . . 2
1.1 Amazing Stories août 1926 . . . . . . . . . . . . . . . . . . . . . 19
2.1 Amazing Stories septembre 1926 . . . . . . . . . . . . . . . . . . 25
3.1 Amazing Stories juillet 1926 . . . . . . . . . . . . . . . . . . . . 42
4.1 Représentation schématique d’une chaîne de traction électrique 44

4.2 Variation des masses optimales du système en fonction de la
contrainte sur le rapport de transformation . . . . . . . . . . . . 45
4.3 Géométrie de la machine étudiée . . . . . . . . . . . . . . . . . . 47
4.4 Organigramme de calcul du couplage électrique–thermique . . . 48
4.5 Front de Pareto, coût en fonction du rendement pour la machine
de 125kVA. Les rendements des autres machines de la gamme
sont reportés sur la figure. . . . . . . . . . . . . . . . . . . . . . 55
4.6 Schéma électrique de principe du hacheur . . . . . . . . . . . . 57
4.7 Forme d’onde du courant dans l’inductance et le MOSFET . . . 58
4.8 Ondulations de la tension et du courant de sortie . . . . . . . . . 59
4.9 Modèle électro-thermique . . . . . . . . . . . . . . . . . . . . . . 61
4.10 Valeurs du rendement dans le plan puissance–tension de sortie . 62
4.11 Définition de la géométrie du disspipateur . . . . . . . . . . . . 62
4.12 Front de Pareto pour l’optimisation multi-objectif volume–
rendement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.13 Calculs successifs du front de Pareto . . . . . . . . . . . . . . . . 66
4.14 Températures de jonction des diode et du MOSFET le long du
front de Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.15 Fréquence de commutation le long du front de Pareto . . . . . . 67
4.16 Amazing Stories juin 1926 . . . . . . . . . . . . . . . . . . . . . 69
5.1 Schéma du circuit imprimé étudié . . . . . . . . . . . . . . . . . 73

5.2 Photo recto (a) et verso (b) du circuit imprimé étudié après in-
flammation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
129
130 TABLE DES FIGURES
5.3 Évolution du courant d’alimentation et du courant de fuite en

fonction du temps (haut) et de la température du PCB (bas) . . . 75
5.4 Cartographie de température et profils le long de la piste . . . . 76
5.5 Images enregistrées par la caméra rapide au cours de l’inflam-
mation d’un circuit imprimé de 0,8mm . . . . . . . . . . . . . . 77
5.6 Géométrie utilisée pour le modèle numérique . . . . . . . . . . 78
5.7 Distribution de la température au cours du temps dans un sub-
strat z = 0,2 mm pour une intensité de courant de chauffe com-
prise entre 10A et 20A et un coefficient d’échange thermique égal
à 8W.m−2 .K −1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.8 Comparaison entre les profils de température expérimentaux et
ceux calculés numériquement transversalement au défaut, pour
une valeur de h égale à 8W/m2 /K . . . . . . . . . . . . . . . . . 79
5.9 Courbes d’évolution en fonction du temps de chauffe de la tem-
pérature à la surface d’un substrat pour un courant de chauffe
initial égal à 4 A - Comparaison entre les résultats expérimen-
taux et le modèle numérique . . . . . . . . . . . . . . . . . . . . 80
5.10 Modèle d’une distribution de la densité de courant selon l’axe z
à un instant t dans un substrat . . . . . . . . . . . . . . . . . . . 81
5.11 Amazing Stories avril 1926 . . . . . . . . . . . . . . . . . . . . . 82
5.12 Description d’une décharge pointe-plan . . . . . . . . . . . . . 86
5.13 Comparaison du courant de décharge et de l’émission lumineuse
à la caméra streak, simulation à gauche et expériences à droite . 89
5.14 Photographie de l’enceinte de décharge . . . . . . . . . . . . . . 93
5.15 Schéma électrique de l’alimentation utilisée . . . . . . . . . . . . 93
5.16 Photographie en pause longue d’une décharge luminescente glow 94
5.17 Photographie en pause longue d’une transition glow-arc . . . . 95
5.18 Oscillogramme du courant et de la tension et photographies des
phases de la transition. . . . . . . . . . . . . . . . . . . . . . . . 96
5.19 Oscillogramme du courant et de la tension pour un échelon de
280mA, apparition de transitions spontanées . . . . . . . . . . . 97
5.20 Zoom de l’oscillogramme du courant et de la tension pour un
échelon de 280mA, apparition de transitions spontanées et pho-
tographies caméra rapide de la décharge . . . . . . . . . . . . . 98
5.21 Caractéristique courant-tension associée à des images caméra
rapide d’une décharge glow . . . . . . . . . . . . . . . . . . . . . 99
5.22 Caractéristique courant-tension pour une distance intérélec-
trode de 25mm . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.23 Courant et tension de décharge lors de la transition (extension
de la colonne filamentaire . . . . . . . . . . . . . . . . . . . . . . 101
TABLE DES FIGURES 131
5.24 Images de la caméra rapide en rapport avec les intervalles de la

figure 5.23 lors d’une transition . . . . . . . . . . . . . . . . . . 101
5.25 Durée de la transition en fonction de la distance interélectrode . 102
5.26 Tension et courant de décharge pour une série de transitions
glow-arc et arc-glow spontanées et réversibles . . . . . . . . . . 103
5.27 Amazing Stories avril 1926 . . . . . . . . . . . . . . . . . . . . . 104
6.1 Amazing Stories décembre 1926 . . . . . . . . . . . . . . . . . . 110
7.1 Amazing Stories septembre 1926 . . . . . . . . . . . . . . . . . . 120
8.1 Amazing Stories août 1926 . . . . . . . . . . . . . . . . . . . . . 132

Figure 8.1 – Amazing Stories août 1926

Philippe Dessante HDR 015813

Transféré par

Droits d'auteur :

Formats disponibles

Philippe Dessante HDR 015813

Transféré par

Informations du document

Titre original

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

Philippe Dessante HDR 015813

Transféré par

Droits d'auteur :

Formats disponibles

Optimisation, conception et modélisation des systèmes

To cite this version:

HAL Id: tel-00718555

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

Optimisation, conception et modélisation des systèmes

Présenté pour obtenir

L’HABILITATION A DIRIGER DES RECHERCHES

Soutenue le 22 juin 2012 devant la Commission d’examen :

M. EICHWALD Olivier, Professeur, Laboratoire Laplace

M HECQUET Michel, Professeur, Ecole Centrale de Lille

M MULTON Bernard, Professeur, ENS de Cachan

M. VANNIER Jean-Claude, Professeur, Département Énergie, Supélec

M. BERGER Gérard, directeur de recherche, LPGP, Université Paris Sud

M. ROGER Daniel, Professeur, LSEE - Université d'Artois - Béthune

M. EICHWALD Olivier, Professeur, Laboratoire Laplace

M HECQUET Michel, Professeur, Ecole Centrale de Lille

M MULTON Bernard, Professeur, ENS de Cachan

Travaux effectués au département Énergie de Supélec, à Gif-sur-Yvette

Figure 1 – Amazing Stories août 1926

1.1 État civil

Né le 28 décembre 1971, 40 ans.

Célibataire, vie maritale, un enfant.

Professeur adjoint au département Énergie,

Adresse : Département Énergie, Supélec

1.2 Titres universitaires

1.3 Parcours professionnel

1.4 Activités d’enseignement

1.5 Activités liées à l’administration

1.6 Activités liées à la recherche

1.6.2 Organisations de congrès scientifiques

1.6.3 Comités de lecture

1.6.4 Participation à des jurys de thèse

– Examinateur de la thèse de Marcelo Saguan : Analyse économique des

– Examinateur de la thèse de Vincent Rious : Le développement du réseau de

– Examinateur de la thèse de Florent Maupas : Analyse de l’impact écono-

– Examinateur de la thèse de Julien Capeillere : Modélisations numériques

1.6.5 Partenariats industriels et projets de pôles de compétiti-

– Projet Comette, (2010-) Ph. Dessante, P. Vidal. Modélisations et calculs de

– PSA (2007-2010) Ph. Dessante, E. Odic, Ph. Testé, R. Meyer, M. Nsoumbi.

– Virax (2007) Ph. Dessante, P. Vidal. Optimisation du système de motorisa-

– RTE (2006-2008) : Ph. Dessante, F. Maupas. Étude du mécanisme d’ajuste-

– Sodielec (2006) : Ph. Dessante, M. Petit. Étude d’un algorithme d’estima-

– RTE (2006-2007) : Ph. Dessante, V. Rious. Étude sur les investissements

– Renault (2006-2009) : Ph. Dessante, M. Petit. Étude d’un réseau de bord

– CRE (2005-2007) : Ph. Dessante, M. Saguan. Étude des architectures de

– EDF (2005-2009) : Ph. Dessante, S. Plumel, M. Petit, H. Bayem. Étude sur

– Basta (2005-2006) : Ph. Dessante, P. Vidal, M. Bensetti. Étude des perfor-

– Sodern (2004-2005) : Ph. Dessante, J-C. Vannier, B. Bonafos. Définition des

– PSA (2003-2004) : Ph. Dessante, B. Lorcet. Étude de cosimulation d’un ré-

– Marcelo Saguan : 50% Analyse économique des architectures de marché

– Vincent Rious : 50% Le développement du réseau de transport dans un sys-

– Florent Maupas : 50% Analyse de l’impact économique de l’aléa éolien sur

directeur de thèse : Jean-Michel Glachant (50%). Actuellement ingénieur

– Herman Bayem : 40% Apport des méthodes probabilistes pour l’insertion

– Michelle Nsoumbi : 33% Étude des mécanismes d’inflammation d’un ma-

– Henri Borsenberger : 50% Modélisation et optimisation robuste de sys-

– Romaric Lanfried : 33% Contribution à l’étude de la transition décharge lu-

– Benjamin Dagusé : 50% Optimisation de systèmes d’entraînement, parte-

– Florent Sainct : 30% Étude de la réactivité de décharges électriques nanose-