Description du projet :
Avec l'intégration massive des nouvelles énergies renouvelables, la flexibilité des centrales hydroélectriques est cruciale pour maintenir la stabilité du réseau. Pour augmenter cette flexibilité, les machines hydrauliques sont utilisées en dehors de leur plage de fonctionnement optimale où des phénomènes complexes apparaissent. Parmi eux, la cavitation qui provoque une usure importante et impose des révisions régulières et coûteuses.
Afin de compléter la surveillance des machines qui seront de plus en plus sujets à ce type d'usure, HYDRO Exploitation, responsable de l'exploitation et de la maintenance de 20% du parc hydroélectrique suisse, a approché la HES SO VS pour développer une solution de monitoring de la cavitation afin de compléter leurs outils de surveillance et fournir un service d'assessment du fonctionnement flexible d'une centrale.
Un module de détection sonore de la cavitation, peu coûteux et facilement transportable, sera développé. Le spectre fréquentiel du signal sonore sera traité par une adaptation innovante des « Point Distribution Model au distribution cumulative », permettant d'identifier et de visualiser les différents régimes de cavitation. Les données d'analyse découvertes seront utilisées, afin d'identifier précisément les points de fonctionnement responsables de défauts et de pannes potentielles et faciliter la maintenance predictive.
L'usage d'algorithmes de Machine Learning et de Deep Learning permettront ensuite de construire des modèles prédictifs à partir des données acquises lors de l'utilisation de ce nouveau module en continu.
Le traitement et la visualisation des données seront directement intégrés dans l'infrastructure IT d'HYDRO Exploitation qui souhaite une indépendance dans le traitement du signal et une certaine souveraineté des données récoltées, leur permettant d'offrir une nouvelle gamme de services et de développer une nouvelle expertise avec un potentiel de commercialisation important en Suisse et à l'international
Research team within HES-SO:
Genoud Dominique
, Münch-Alligné Cécile
, Wannier David
, Hasmatuchi Vlad Constantin
, Vianin Jérémie
, Maître Gilbert
, Pereira Helena
, Arbellay Olivier
, Alder Jean-Marie
, Ferreira Da Silva João Carlos
, Cosandey Solène
, Pacot Olivier
, Gustin Gwenaëlle
, Chianella Nicolas
, Lenoir Cédric
, Treboux Jérôme
, Amini Ali
, Neveu Emilie
, Roduit Pierre
Partenaires académiques: VS - Institut Systèmes industriels; VS - Institut Informatique; VS - Institut Energie et environnement; Münch-Alligné Cécile, VS - Institut Energie et environnement
Durée du projet:
01.03.2022 - 28.02.2025
Montant global du projet: 443'797 CHF
Statut: Ongoing