Soutenance de thèse de Bastien Pasquet – Vendredi 06 Décembre à 09 h 30 – Salle des thèses ENSEEIHT

La soutenance de thèse de Bastien Pasquet intitulée : « Etude d’un Convertisseur DC-DC 20kW pour application aéronautique : Prototypages et Développement d’un algorithme d’optimisation Mixed-Discrete Geometric Programming« , dirigée par M. Thierry Meynard et co-encadrée par M. Sébastien Sanchez, aura lieu le vendredi 06 Décembre à 09 h 30 en salle des thèses à l’ENSEEIHT.

La soutenance sera réalisée en langue anglaise.
Le jury sera composé de :
M. Jean-Luc SCHANEN Rapporteur Professeur des Universités      Grenoble INP
M. Arnaud VIDET Rapporteur Maître de conférences     Université de Lille
M. Frédéric RICHARDEAU Examinateur                Directeur de Recherche   CNRS – Laplace
Mme. Anne LIENHARDT Examinatrice  Ingénieure Airbus
Mr. Timothy MCRAE Examinateur       Assistant Professor University of Southern Denmark
Mr. Christophe TURPIN Examinateur         Directeur de Recherche CNRS – Laplace
Mr. Thierry MEYNARD Directeur de Thèse       Directeur de recherche CNRS – Laplace
Et en membre invité :
Mr. Sébastien SANCHEZ Co-Encadrant de Thèse Enseignant-Chercheur Icam
—————
Résumé :
Dans un contexte industriel de réduction de la consommation d’énergies fossiles et d’émission de gaz à effet de serre, l’électrification des moyens de transports joue un rôle important dans la transition écologique. Les Piles à Combustible hydrogène sont le sujet de nombreux projets d’études dans le secteur de l’aéronautique. Les travaux ici présentés s’intéressent à l’implémentation d’une Pile à Combustible comme alimentation électrique pour un réseau embarqué d’aéronef 28V DC, 20kW nominal. Plus spécifiquement, l’objet de cette thèse est le développement d’un Convertisseur Électrique moyenne puissance, forts courants, adaptant la puissance en sortie d’une Pile à Combustible au réseau électrique embarqué. Les enjeux de l’aéronautique imposent des critères exigeants d’optimisation de la masse et du rendement du convertisseur. Une comparaison entre plusieurs topologies de convertisseurs a été réalisée, un convertisseur à capacités flottantes 3-niveaux a été retenu. Des transistors de type GaN ont été sélectionnés pour leur faible résistance à l’état passant et leurs vitesses de commutation élevées, permettant de minimiser les pertes du convertisseur, ainsi que la taille des composants passifs et de refroidissement du convertisseur. Un soin particulier a été apporté au routage des circuits imprimés pour réduire les impédances parasites et permettre une mise en parallèle de deux transistors pour chaque interrupteur. Un prototype présentant un rendement expérimental moyen de 98.25% a été produit.

Afin d’améliorer la rapidité et la pertinence des travaux d’optimisation des design des convertisseurs électriques, un nouvel algorithme d’optimisation a été développé à partir de travaux préexistants. Cet algorithme Mixed-Discrete Geometric Programming (MDGP) permet de résoudre des problèmes physiques, dotés d’un mélange de nombreuses variables d’optimisation continues et discrètes, dans un temps raisonnable tout en garantissant une convergence vers leur optimum global. Il est capable de gérer des variables discrètes multidimensionnelles, ainsi que des fonctions substituables. L’algorithme permet d’évaluer et de sélectionner des composants électriques spécifiques, plutôt que de représenter une gamme entière de composants par une modélisation continue imprécise. Les transistors ont notamment pu être modélisés sous forme de jeux de fonctions, différents pour chaque composant, fittées sur des résultats de simulation. Un front de Pareto suivant les critères de la masse et du rendement du convertisseur a été obtenu en 25h de calcul sur un ordinateur portable, pour un problème comportant 161.28 millions de combinaisons discrètes possibles.

Abstract :
As the industry strives to reduce its consumption of fossil fuels and the associated greenhouse gas emissions, vehicle electrification plays a major role in the Ecological Transition. There is a growing number of studies aiming at evaluating and increasing Hydrogen Fuel Cells viability as a power supply for aircraft. This work aims to study the implementation of a hydrogen Fuel Cell as an electrical power supply for an aircraft 28V DC, 20kW on-board electrical network. More specifically, the subject of this thesis is the development of a low-voltage, high current Power Converter adapting the power flowing from the Fuel Cell, to the on-board electrical network. Converter mass, volume and efficiency are major optimization criteria in aircraft design. A comparison between several converter topologies has been realized, and a 3-level Flying Capacitor Converter has been selected. GaN transistors were selected for heir low on-state resistance and their high switching speed, allowing the reduction of the converter power losses and of the passive components and heat sink sizes. Particular attention was provided to printed circuit board routing in order to reduce parasitic impedance and to parallelize two transistors for each power switch. A prototype has been realized, measurements show an experimental average efficiency of 98.25%.
In order to enhance the speed and pertinence of optimization studies for electrical converters design, a new optimization algorithm has been developed based on pre-existing works. This Mixed-Discrete Geometric Programming algorithm (MDGP) can solve physics problems composed of a mix of many continuous and discrete optimization variables, in a reasonable calculation time while still guaranteeing convergence to the global optimum. It can handle multidimensional discrete variables, as well as substitutable functions. The algorithm allows to evaluate and select specific electrical components, instead of representing a range of components by a single continuous and imprecise modeling. Specifically, transistors are modeled as collections of functions, different for each component, fitted on simulation results. A Pareto Front for the converter mass and efficiency was generated in a 25h calculation time on a laptop, for an optimization problem involving 161.28 million possible discrete combinations.