MENU
Accueil Toute l'actualité Recherche De nouveaux locaux pour le laboratoire IRDL à l’IUT de Brest-Morlaix : pour une longueur d’avance dans la recherche énergétique
08/02/2024

De nouveaux locaux pour le laboratoire IRDL à l’IUT de Brest-Morlaix : pour une longueur d’avance dans la recherche énergétique

Recherche

Les nouveaux locaux de l’Institut de Recherche Dupuy de Lôme à l’IUT de Brest-Morlaix ont été inaugurés le 8 février par Pascal Olivard, Président de l’UBO, Philippe Léon, Présient du Conseil d’institut de l’IUT de Brest-Morlaix et Mohamed Benbouzid, responsable du site de l’IRDL à l’IUT. Ces nouveaux aménagements offrent aux chercheurs des espaces plus modernes et une infrastructure d’émulation de premier plan renforçant ainsi l’excellence du laboratoire dans le domaine de l’énergie et des systèmes électriques.

Les équipements de simulation et d’émulation déployés dans ce laboratoire comprennent notamment la Plateforme Opal-RT. Cette plateforme de renommée mondiale offre une capacité inégalée pour émuler des systèmes complexes en temps réel, plaçant le laboratoire en tête des institutions de recherche du Grand Ouest. Parmi les autres équipements notables figurent des émulateurs spécifiques, tels qu’un émulateur d’hydrolienne, un émulateur de système photovoltaïque, une pile à combustible ou des dispositifs de stockage tels que des batteries Lithium-ion, des atouts majeurs pour les recherches axées sur la transition énergétique et les solutions innovantes.

 

Pascal Olivard a remercié tous les collaborateurs qui ont contribué à ces nouveaux locaux

Les chercheurs IRDL sur le site de l’IUT abordent la récupération des énergies marines renouvelables et le contrôle résilient de ces systèmes. Le laboratoire s’investit également dans la recherche liée aux micro-réseaux électriques, à la cybersécurité dans le domaine énergétique, ainsi qu’à la caractérisation et à la modélisation des problèmes énergétiques. Une partie significative de ses efforts est dédiée au développement et à l’évaluation d’outils numériques pour une détection et un diagnostic des défaillances des systèmes énergétiques et un fonctionnement énergétique et dynamique optimal.

L'occasion pour Mohamed Benbouzid de présenter ses doctorants

Exemples de travaux de recherche

Dans ses travaux de recherche récents, cette branche du laboratoire a exploré plusieurs sujets clés :

Les énergies marines renouvelables

  • M.E.H. Benbouzid, (Ed), Design, Control and Monitoring of Tidal Stream Turbine Systems, ISBN-13: 978-1-83953-420-1, 226 p., IET, London 2023 (livre).
    Une vue d’ensemble de la recherche en énergie marémotrice couvrant des aspects tels que la conception des générateurs et des groupes motopropulseurs des hydroliennes, le contrôle des turbines, la surveillance, le diagnostic et la maintenance.
  • H. Rashid, M.E.H. Benbouzid, H. Titah-Benbouzid, Y. Amirat and A. Mamoune, “Tidal stream turbine biofouling detection and estimation: A review-based roadmap,” Journal of Marine Science and Engineering, vol. 11, n°5, 908, pp. 1-18, April 2023.

La détection et l’estimation du biofouling dans les hydroliennes.

La résilience

  • S. Toumi, E. Elbouchikhi, Y. Amirat, M.E.H. Benbouzid and G. Feld, “Magnet failure-resilient control of a direct-drive tidal turbine,” Ocean Engineering, vol. 187, 106297, pp. 1–10, September 2019.
    La résilience d’une hydrolienne en cas de défaut dans sa génératrice.

Détection et diagnostic

  • T. Berghout and M.E.H. Benbouzid, “Exploring labels autoencoding in augmented hidden layers of feedforward neural networks for cybersecurity in smart grids,” Reliability Engineering and System Safety, vol. 226, Article 108680, pp. 1–13, October 2022.
    Les défis de cybersécurité des smart grids (ou réseaux intelligents), en utilisant le machine learning pour détecter et atténuer les cyber-attaques.

Pronostic

  • T. Berghout, M.E.H. Benbouzid, Y. Amirat and G. Yao, “Lithium-ion battery state of health prediction with a robust collaborative augmented hidden layer feedforward neural network approach,” IEEE Transactions on Transportation Electrification, vol. 9, n°3, pp. 4492–4502, September 2023.

Un modèle prédictif pour évaluer, grâce aux techniques avancées du machine learning, l’état de santé des batteries lithium-ion.

Partager

L'actualité
de l'IUT

Voir toute l'actualité