Des réseaux électriques aux aéronefs plus électriques : une approche unifiée pour la détection précoce des instabilités oscillatoires dans les systèmes énergétiques dominés par les convertisseurs

Les systèmes énergétiques électriques modernes connaissent une transformation profonde sous l'effet de la pénétration croissante des modules de puissances (convertissuers,…), des sources d'énergie renouvelable à base d'onduleurs, des commandes numériques à haute bande passante, des réseaux de distribution en courant continu (DC) et de l'électrification des charges. Cette évolution améliore la flexibilité, l'efficacité et le potentiel de décarbonation des systèmes électriques, mais modifie également leur comportement dynamique et favorise l'apparition de nouvelles formes d'instabilités oscillatoires. Celles-ci peuvent se manifester sous la forme d'oscillations interzones à basse fréquence, d'oscillations forcées, d'oscillations subsynchrones, d'interactions entre convertisseurs et leurs systèmes de commande, d'oscillations des bus DC ou encore d'interactions entre les sources et les charges. Les perturbations récentes observées sur les réseaux électriques ont montré que ces phénomènes oscillatoires peuvent précéder des événements en cascade susceptibles de conduire à des défaillances majeures, notamment en présence d'un faible amortissement, de limitations des dispositifs de contrôle ou de conditions d'exploitation dominées par les convertisseurs. Dans ce contexte, le développement d'outils d'alerte précoce, capables de détecter en temps réel les précurseurs de ces instabilités tout en restant interprétables et généralisables, constitue un enjeu scientifique et industriel majeur. Cette projet de thèse propose le développement d'un cadre unifié d'Intelligence Artificielle Informée par la Physique (Physics-Informed Artificial Intelligence) pour la détection précoce, la classification, la localisation et l'évaluation du risque des instabilités oscillatoires dans les systèmes énergétiques dominés par les convertisseurs. L'application principale portera sur la surveillance des réseaux de transport d'électricité à partir des unités de mesure de phase (PMU) et des systèmes WAMS, afin d'identifier les oscillations de très basses fréquences et les oscillations subsynchrones avant qu'elles ne provoquent des perturbations critiques. La méthodologie sera ensuite étendue aux micro-réseaux et aux systèmes électriques d'aéronefs plus électriques (More-Electric Aircraft), afin d'évaluer sa capacité à détecter les interactions locales entre convertisseurs, les oscillations des bus DC, les instabilités liées aux charges à puissance constante et les phénomènes critiques des réseaux embarqués. L'approche combinera des techniques de traitement du signal, d'analyse temps-fréquence, d'apprentissage automatique, de modèles d'apprentissage profond temporels guidés par des indicateurs de stabilité. Contrairement aux approches d'intelligence artificielle de type 'boîte noire', le modèle intégrera explicitement des informations physiques telles que la fréquence des oscillations, l'évolution de l'amortissement, l'énergie modale et spectrale, les oppositions de phase entre zones, les marges d'impédance, les limites des convertisseurs et les incertitudes de mesure. Le résultat attendu est le développement d'un « Indice de Risque d'Instabilité Oscillatoire » permettant de caractériser et de classifier en temps réel l'état du système selon plusieurs niveaux de criticité, allant d'un fonctionnement normal à des situations présentant un risque élevé d'instabilité. Cette recherche contribuera au développement d'un outil d'alerte précoce interprétable, robuste et transférable, favorisant la prévention des blackouts dans les réseaux électriques, ainsi que le renforcement de la résilience des micro-réseaux et la sécurisation de l'électrification des aéronefs de nouvelle génération. École doctorale : GEETS - Génie Electrique Electronique,Télécommunications et Santé : du système au nanosystème Direction : Mohamed KOUKI Financement : MSCA COFUND BEST