Topic description
CONTEXTE : Pour des raisons de sécurité évidentes, la surveillance des barrages hydrauliques est une préoccupation majeure pour tous les fournisseurs d'hydroélectricité dans le monde, et c'est pourquoi de nombreux efforts ont été consacrés au développement d'outils algorithmiques à cette fin depuis plusieurs années. Parmi ceux-ci, les modèles statistiques dits HST et HTT sont actuellement les plus utilisés, reliant principalement l'effet hydrostatique, le vieillissement, voire la température, aux déplacements mesurés [1]. Les paramètres de ces modèles sont généralement déterminés sur la base de mesures antérieures, sans mise à jour automatique. Toute nouvelle mesure est alors comparée aux prévisions du modèle et si un écart est détecté, une analyse spécifique doit être effectuée pour en comprendre l'origine. Avec l'essor de l'apprentissage automatique, de plus en plus d'études se concentrent sur l'utilisation d'un tel outil, très efficace pour faire correspondre les modèles HST/HTT avec les données [2], mais au détriment du sens physique. Une autre limitation de la pratique habituelle est que le plus souvent, les méthodes sont proposées phénomène par phénomène, sans tenir compte des couplages possibles, ni d'installations multi-détecteurs parfois disponibles. Dans le cas spécifique du groupe EDF, la branche hydroélectrique est chargée, dans ce même esprit, de surveiller en permanence des mesures spécifiques sur les barrages. Les approches sont donc confrontées aux mêmes limites que celles mises en évidence précédemment. Pour cette raison, et dans le contexte du projet de collaboration à long terme TwinHy qui a récemment démarré avec Gipsa-lab sur les jumeaux numériques dans la production hydroélectrique, EDF est partie prenante de ce doctorat.
OBJECTIFS ET TRAVAUX DU DOCTORAT : L'objectif principal de la thèse est d'aborder certaines des limitations énumérées précédemment dans la surveillance des barrages, et d'améliorer les systèmes de surveillance en conséquence, en tirant parti d'un point de vue système [3]. Plus particulièrement, il est proposé de se concentrer sur le problème de phénomènes hydrauliques dans le corps des barrages ou dans leurs fondations. Cette question est essentielle pour l'analyse des données de surveillance et elle est commune à tous les types de barrages que l'on peut rencontrer (barrages-poids, voûtes en béton, remblais). Beaucoup de ces structures sont équipées de piézomètres ou de cellules de pression distribuées linéairement de l'amont vers l'aval, permettant de mesurer les profils de pression et de détecter tout changement dans les conditions hydrauliques.
Dans ce contexte, l'idée est donc de développer un modèle numérique 1D d'écoulement dans la zone la plus critique de la structure à l'interface avec la fondation, utilisable à des fins de surveillance dynamique. Ce modèle 1D serait constitué de sections de perméabilité variable, de valeurs à ajuster selon les mesures disponibles. Les conditions aux limites seraient données par les cotes amont et aval, ainsi que par les effets de drainage lorsqu'ils existent. Le développement du modèle pourrait également être lié à une modélisation plus complexe par éléments finis, et même prendre en compte l'effet de retard observé dans les barrages en remblai. L'ajustement automatique des paramètres du modèle basé sur l'acquisition régulière de données doit ensuite être construit, de sorte que l'analyse des changements possibles puisse fournir une explication physique directe. Cela soulève des questions scientifiques liées à l'estimation des paramètres/états dans les systèmes à paramètres distribués [4] (e.g. convection-diffusion), qui pourraient bénéficier de résultats pour les cas hyperbolique [5] ou couplant équations différentielles partielles et ordinaires [6] par exemple. L'étude pourra enfin tirer parti des bases de données d'EDF, pour la calibration du modèle, comme pour des travaux à suivre vers des applications en surveillance.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
CONTEXT: Motivated by obvious safety reasons, monitoring hydraulic dams is a major concern for all hydroelectricity providers worldwide, and for this reason a lot of efforts have been dedicated to the development of algorithmic tools to that end since several years now. Among them, so-called HST and HTT statistical models are currently the most used ones, basically relating hydrostatic effect, ageing, and possibly temperature, to measured displacements [1]. The parameters of those models are generally determined on the basis of previous measurements (model calibration period), with no automatic updating. Any new measurement is then compared with the model forecast, and if a discrepancy is detected, a specific analysis has to be carried out to understand its origin. With the increased expansion of machine learning, many studies more and more focus on the use of such a tool, pretty efficient in matching HST/HTT models with data [2], but at the expense of physical insights. Another limitation in the usual practice is that most of the time, methods are proposed phenomenon by phenomenon, without accounting for possible couplings, nor multi-sensing facilities (which may yet be available).
In the specific case of EDF group, the Hydroelectric branch is, in a similar fashion, in charge of continuously monitoring specific measurements on dams, which are analysed in order to detect any behavioural anomaly by comparison with previous recordings. The approaches are thus facing same limitations as highlighted before. For this reason, and within the context of the long-term collaborative project TwinHy which has recently started with Gipsa-lab about digital twins in hydropower production, EDF is a stakeholder in the present PHD topic.
PHD OBJECTIVES AND WORK: The main goal of the PHD is to address some of the limitations listed before in dam monitoring, and enhance monitoring systems accordingly, taking advantage of a system viewpoint [3]. More particularly, it is proposed to focus on the problem of analysing hydraulic phenomena in the body of dams or in their foundations. This issue is a key one in the analysis of monitoring data, and is common to all the types of dams which can be found (concrete gravity and arch dams, embankment dams). Many of such structures are equipped with piezometers or pressure cells distributed linearly from upstream to downstream, allowing to measure under pressure profiles and detect any change in hydraulic conditions.
The primary goal of this PHD is then to develop a 1D numerical model of the flow in the most critical zone of the structure at the interface with the foundation, usable for dynamical monitoring purposes.
This 1D model would be made up of sections of variable permeability, with values to be adjusted using available pointwise measurements. Boundary conditions would be given by upstream and downstream elevations, as well as drainage effects where there exist. The development of the model could also be connected with some more complex finite element modelling, and potentially take into account the delay effect observed in embankment dams.
The automatic adjustment of model parameters based on regular data acquisition is then to be constructed, so that analysis of possible changes can thus provide a direct physical explanation. This raises scientific issues related to parameter/state estimation in distributed parameter systems [4] (here mainly of a convection-diffusion nature), which could benefit from results for hyperbolic case [5], or when coupling Partial Differential Equations with Ordinary ones [6] for instance.
The study is intended to take advantage of EDF databases, for calibration of the model with real data, and subsequent investigations towards monitoring application.
Intermediate results should give rise to communication and publication proposals, and the overall work will ultimately be reported in a final thesis.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
Funding category
Funding further details
Financement d'une fondation pour la recherche française
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.