Plus d'info sur IFP Energies nouvelles - Mobilité et Systèmes
Stage Data / Mathématiques Appliquées Hauts-de-Seine entre mars et septembre 2024 6 mois
IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. De la recherche à l’industrie, l’innovation technologique est au cœur de son action, articulée autour de quatre priorités stratégiques : CLIMAT, ENVIRONNEMENT ET ÉCONOMIE CIRCULAIRE, ÉNERGIES RENOUVELABLES, MOBILITÉ DURABLE et HYDROCARBURES RESPONSABLES.
L’engagement d’IFPEN en faveur d’un mix énergétique durable se traduit par des actions visant :
tout en répondant à la demande mondiale en mobilité, en énergie et en produits pour la chimie.
Dans cet objectif, IFPEN développe des solutions permettant, d’une part, d’utiliser des sources d’énergie alternatives et, d’autre part, d’améliorer les technologies existantes liées à l’exploitation des énergies fossiles.
Les machines électriques jouent aujourd’hui un rôle crucial dans la transition écologique en contribuant à réduire l'empreinte carbone et à promouvoir une utilisation plus durable de l'énergie. Afin de dimensionner correctement une machine électrique en fonction d’un cahier des charges spécifique, les ingénieurs ont souvent recours à des méthodes d’optimisation qui prennent en compte l’ensemble des critères définis.
En raison de la nature non linéaire des modèles décrivant le comportement d’une machine électrique, les méthodes de modélisation basées sur les éléments finis sont souvent préférées. Ces modèles, associés « directement » à des algorithmes d’optimisation heuristiques, constituent une méthodologie d’optimisation efficace qui conduit généralement à des solutions respectant le cahier des charges et qui est relativement simple à mettre en place.
Cependant, un problème d’optimisation d’une machine électrique est en réalité un problème multi-physique qui peut comporter un grand nombre de paramètres d’optimisation. Dans certain cas, la méthodologie d’optimisation directe décrite précédemment peut s’avérer inapplicable en raison du temps d’optimisation élevé requis. Des stratégies permettant de réduire ce temps d’optimisation sont alors nécessaires.
Parmi les approches multi-fidélité, deux variantes ont été développées comme l’utilisation de deux modèles à fidélités réduites [1] ou bien la multi-fidélité N-niveau [2]).
L'objectif de ce stage est de proposer une méthodologie d’optimisation basée sur l’une de ces deux variantes et de l’appliquer sur un cas de dimensionnement d’une machine électrique pour une application de véhicules électriques.
Master 2 (ou diplôme équivalent) en Mathématiques appliquées.
Mots-clefs : Méthodologies d’optimisation, Machines électriques, Multi-fidélité
Durée et période du stage : 6 mois entre mars et septembre 2024
Lieu du stage : Rueil-Malmaison
Bibliographie
[1] |
S. Nachar, P.-A. Boucard et D. Néron, «Optimisation de structures par couplage métamodèles multi-fidélité et modèles réduits,» chez 23ème CongrèsFrancais de Mécanique, Lille. |
[2] |
R. Ben Ayed et S. Brisset, «Nac,» COMPEL: The International Journal for Computation and Mathematics in Electrical and Electronic Engineering, pp. 868-878, 2014. |