Soutenance de thèse de Robin THOMAS

Composition du jury :

• M. Frédéric GILLON, Maître de Conférences – HDR, Ecole Centrale de Lille, Rapporteur
• Mme. Carole HENAUX, Professeure des Universités, Université de Montpellier, Rapporteure
• M. Yacine AMARA, Professeur des Universités, Université du Havre, Examinateur
• Mme. Sophie PERSONNAZ, Directrice de l’Electrotechnique, Valeo, Examinatrice
• M. Nicolas RETIERE, Professeur des Universités, Université Grenoble-Alpes, Examinateur

• M. Hervé CHAZAL, Maître de Conférences, Université Grenoble-Alpes, Co-Encadrant, invité
• M. Lauric GARBUIO, Maître de Conférences, Université Grenoble-Alpes, Co-Encadrant, invité
• M. Laurent GERBAUD, Professeur des Universités, Université Grenoble-Alpes, Directeur de thèse, invité

Résumé :
Nos travaux de thèse visent à améliorer la densité de puissance de la machine asynchrone (MAS) dans le cadre d’une application automobile. Pour cela, nous lui associons un dispositif de suralimentation : le « Magnetic Energy Recovery Switch » (MERS).
Ainsi, dans un premier temps, nous avons procédé à une étude de rétro-ingénierie sur la MAS de la Tesla Model S 60 afin de nous en servir d’exemple pour illustrer l’intérêt d’une association MERS-MAS. Puis, nous avons procédé à une étude comportementale de ce système en simulations. Nous avons notamment traité la problématique de l’auto-excitation et présenté les bénéfices potentiels d’une telle association. Ensuite, nous avons développé une modélisation semi-analytique multiphysique du système variateur-MERS-MAS. Elle comprend un aspect électromagnétique (modèle de la MAS), un aspect système électrique (circuit équivalent de l’ensemble variateur-MERS-MAS) et un aspect thermique (échauffement de la MAS). Finalement, nous avons appliqué une approche de dimensionnement par optimisation à notre modèle du système, principalement à l’aide de méthodes de type gradients. Cela nous a permis d’analyser les principaux compromis sur le dimensionnement optimal d’une association MERS-MAS et de démontrer les bénéfices que nous pouvons en attendre.
Mots-clés : machine asynchrone de la Tesla Model S 60, MERS, étude comportementale, modélisation multiphysique (électromagnétique statique – système électrique dynamique – thermique transitoire), approche de dimensionnement par optimisation (SQP)
 
Abstract :
This PhD thesis aims to improve the power density of the induction machine (IM), for automotive application. For this purpose, we associate it with a supercharging device: the "Magnetic Energy Recovery Switch" (MERS).
First, a reverse engineering study was carried out on the IM of the Tesla Model S 60, in order to use it as an example to illustrate the interest of a MERS-IM association. A behavioural study of this system was carried out in simulations. In particular, we addressed the problem of self-excitation and presented the potential benefits of such an association. Then, a semi-analytical multiphysics model of the drive-MERS-IM system was developped. It includes an electromagnetic aspect (IM model), an electrical system aspect (drive-MERS-IM equivalent circuit) and a thermal aspect (heating of the IM). Finally, an optimization-based sizing approach was applied to our system model, mainly using gradient methods. This allowed us to analyse the main trade-offs on the optimal sizing of a MERS-IM combination and to demonstrate the benefits we can expect from it.
Keywords: Tesla Model S 60 induction machine, MERS, behavioural study, multiphysics modelling (static electromagnetic - dynamic electrical system - transient thermal), optimization-based sizing approach (SQP)