Développement d'un Système de Conversion d'Énergie pour les Turbines Énergétiques de Toit : Intégration dans les Bâtiments, Optimisation du Rendement et Gestion Optimisée de l'Énergie Électrique // Energy Conversion System Design for Rooftop Wind Turbines

Avec l'essor des énergies renouvelables, les bâtiments intelligents sont de plus en plus conçus pour intégrer des technologies d'autoproduction et de gestion de l'énergie. Les turbines énergétiques de toit, qui captent l'énergie cinétique du vent pour produire de l'électricité, offrent une opportunité intéressante pour rendre les bâtiments plus autonomes. Le projet de thèse porte sur le développement d'un système de conversion d'énergie destiné aux turbines énergétiques de toit, en s'appuyant sur les Wind Box de Wind-my-Roof, mises à disposition par la SICAE de la Somme et du Cambraisis. L'objectif est de concevoir une chaîne de conversion électrique innovante, intégrant une machine électrique optimisée et un convertisseur de commande associé à un système de stockage, permettant la synchronisation avec le réseau et le cas échéant un fonctionnement en mode ilôté. Ce travail s'inscrit dans une démarche d'optimisation du rendement énergétique, en intégrant des stratégies avancées de commande et de gestion de l'énergie, afin de maximiser l'efficacité des turbines en milieu urbain. L'étude inclura le développement d'un système d'instrumentation pour la surveillance et le diagnostic, garantissant une fiabilité accrue et une meilleure exploitation des données énergétiques. Cette approche garantira une gestion optimisée de l'énergie, améliorant la stabilité du réseau et la résilience du micro-réseau en cas de fonctionnement décentralisé.
S'appuyant sur une collaboration entre recherche académique et industrie, cette thèse apportera des avancées en commande des machines électriques et en gestion des systèmes énergétiques distribués, dans une perspective d'intégration massive des énergies renouvelables dans les infrastructures urbaines.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

With the rise of renewable energy, smart buildings are increasingly designed to integrate self-generation and energy management technologies. Rooftop wind turbines, which capture the kinetic energy of the wind to generate electricity, offer a promising opportunity to enhance building autonomy. This doctoral project focuses on the development of an energy conversion system dedicated to rooftop wind turbines, leveraging the Wind Boxes from Wind-my-Roof, provided by SICAE de la Somme et du Cambraisis.
The goal is to design an innovative electrical conversion chain, integrating an optimized electrical machine and a control converter coupled with a storage system, enabling synchronization with the grid and, when necessary, islanded operation. This work is part of a broader effort to optimize energy efficiency by incorporating advanced control and energy management strategies, aiming to maximize the performance of turbines in urban environments.
The study will also involve the development of an instrumentation system for monitoring and diagnostics, ensuring enhanced reliability and improved utilization of energy data. This approach will enable optimized energy management, improving grid stability and microgrid resilience in decentralized operation scenarios.
Built on a collaboration between academic research and industry, this thesis will contribute advancements in the control of electrical machines and the management of distributed energy systems, supporting the broader integration of renewable energy within urban infrastructures.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Programmes de l'Union Européenne de financement de la recherche (ERC, ERASMUS)

Université de Picardie - Jules Verne

585 Sciences, Technologie, Santé

Le candidat devra posséder de solides compétences en génie électrique et en machines électriques ainsi qu'une expérience importante en commande, modélisation et en expérimentation. Des connaissances en IA et en mécanique sont les bienvenus
The candidate must have strong expertise in electrical engineering and electrical machines, along with substantial experience in control, modeling, and experimentation. Knowledge of AI and mechanics would be an asset.