Contribution au diagnostic et au pronostic par mesure indirecte des actifs d'énergies renouvelables à partir des données SCADA avec quantification d'incertitude

Résumé

La transition énergétique mondiale repose sur une intégration croissante des énergies renouvelables, notamment l’éolien et l’hydroélectricité, dont la durabilité dépend de la fiabilité et de la disponibilité des actifs. Soumis à des conditions d’exploitation sévères, ces systèmes sont exposés à des mécanismes de dégradation tels que la cavitation ou la fatigue de composants critiques. Dans ce contexte, le pronostic et la gestion de la santé des systèmes (PHM) constituent un levier essentiel pour anticiper les dégradations et réduire les arrêts non planifiés. Les approches de PHM reposent sur la disponibilité de données fiables. Les systèmes de suivi des conditions (CMS) offrent une forte sensibilité aux dégradations mais restent peu déployés en raison de contraintes économiques et opérationnelles. À l’inverse, les données SCADA sont disponibles sur l’ensemble des installations, mais présentent une résolution temporelle limitée et une observabilité partielle des mécanismes de dégradation. En collaboration avec Hydro-Québec et Power Factors, cette thèse propose un cadre de PHM fondé exclusivement sur les données SCADA, visant, lorsque possible, à remplacer les CMS par des approches de mesure indirecte afin d’assurer une surveillance continue et déployable à l’échelle de flottes d’actifs. Les contributions portent sur le développement d’approches de mesures indirectes basées sur les données, leur exploitation pour le diagnostic et le pronostic malgré les limitations des données SCADA, ainsi que l’intégration d’une quantification d’incertitude valide et correctement calibrée. Deux cas industriels sont étudiés. Le premier concerne la surveillance et le diagnostic de la cavitation érosive dans des turbines hydrauliques Francis, où une approche de mesure indirecte fondée sur l’intelligence artificielle permet d’estimer la perte de masse due à la cavitation érosive à partir des données SCADA, en remplaçant les CMS, tout en assurant la transférabilité entre turbines. Le second porte sur le pronostic d’environ 200 éoliennes commerciales à partir de données SCADA uniquement, via la classification pronostique des anomalies thermiques puis la prédiction de la durée de vie résiduelle à l’aide d’indicateurs de santé adaptés aux contraintes SCADA. L’ensemble des approches intègre des méthodes de quantification de l’incertitude, notamment avec les méthodes conformes. Les résultats montrent que, pour certains mécanismes de dégradation observables, les données SCADA, associées à des approches de mesure indirecte, constituent une alternative crédible aux CMS pour la surveillance, le diagnostic et le pronostic, ouvrant la voie à un déploiement industriel à grande échelle.

Date	28 avr. 2026
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Antoine Tahan (Directeur(-trice)) & Martin Gagnon (Codirecteur(-trice))