Etudiant : CHOUIEKH SIHAME

Filière : Master Microélectronique, Signaux et Systèmes (2ME2S)

Encadrant : Pr. BOUMHIDI ISMAIL

Annèe : 2022

Résumé : L’énergie éolienne est l’une des sources d’énergie renouvelable dont la croissance est la plus rapide au monde. Par conséquent, le nombre et la complexité des turbines éoliennes ont considérablement augmenté au cours des dernières décennies. Cependant, en raison du vieillissement des matériaux, des défauts de fabrication ou des conditions de fonctionnement assez sévères, différents types de défauts sont capables de survenir dans les composants de la turbine, ses organes de commande ou de mesure. Pour répondre aux exigences de sûreté, de fiabilité et de disponibilité, l’intégration d’une approche de surveillance et de détection de défauts devient de plus en plus primordiale. Dans ce contexte, l’objectif de ce mémoire est de contribuer à la conception d’un système de détection pour les systèmes éoliens. Dans un premier volet, une méthode de détection à base de modèle utilisant les équations mathématiques explicites de l’éolienne est utilisée pour détecter les défauts. Le but est de concevoir un observateur flou à base d’un modèle flou de type TS pour générer des résidus robustes et sensibles aux défauts. La deuxième méthode utilisée pour réaliser un système de détection des défauts est basée sur les réseaux de neurones artificiels. L’objectif principal est de réaliser et apprendre un réseau de neurones de manière qu’il soit capable de détecter les défauts. Les performances des méthodes proposées sont vérifiées par des tests de simulation.