La maintenance prédictive
au service de la résilience des centrales photovoltaïques
Un plan de maintenance prédictive des convertisseurs de puissance embarqués par une centrale photovoltaïque permet de contribuer à la résilience de l’installation. Cette maintenance repose sur des outils algorithmiques capables d’évaluer l’état de santé des composants embarqués par les convertisseurs. Une approche dite « dissociée » est traditionnellement retenue pour construire ces outils, limitant leurs performances. Un changement de paradigme avec une approche dite « adaptative » est ici proposé pour répondre à ces enjeux.
Par Sanjiv Kumar, doctorant au laboratoire Ampère et membre du projet DC-Architect
L’implantation d’une centrale photovoltaïque (PV) nécessite la mise en œuvre d’un réseau électrique local, afin de raccorder les différents postes de production PV au réseau de transport électrique. Les cellules PV produisent de l’énergie en courant continu faible tension (LVDC) tandis que le réseau de transport de l’énergie fonctionne en courant alternatif haute tension (HVAC). Le réseau électrique local doit ainsi mettre en œuvre plusieurs étages d’adaptation de la tension via des convertisseurs de puissance pour assurer le bon raccordement des postes de production au réseau de transport.
Pour réaliser des opérations de conversion en courant continu, ces convertisseurs de puissance embarquent nécessairement des composants de puissance actifs à semi-conducteur : des diodes et des transistors de puissance. Cependant, l’utilisation de ces composants implique des enjeux en matière de coût, de rendement et de fiabilité du convertisseur.
La maintenance prédictive repose sur un outil de pronostic capable d’évaluer l’état de dégradation du composant critique et ainsi d’estimer sa durée de vie utile restante. Cette estimation permet alors de planifier le remplacement du composant, tout en maximisant sa durée d’utilisation.
Maintenance préventive ou prédictive ?
A l’échelle de l’exploitant, mettre en œuvre un plan de maintenance planifiée est un moyen efficace de compenser la fiabilité limitée des convertisseurs de puissance d’une installation PV. La maintenance préventive est traditionnellement plébiscitée. Elle consiste à remplacer périodiquement le composant dit critique d’un système selon les recommandations de son fabricant. Cependant, étant donné le coût économique, environnemental et social de l’industrie du semi-conducteur, ce type de maintenance ne s’aligne pas avec des enjeux de développement durable, puisque le composant critique y est remplacé indépendamment de son état de dégradation. Par conséquent, un intérêt grandissant est porté aux méthodes de maintenances prédictives.
C’est la proportion de défaillances causées par les convertisseurs chargés de l’ondulation de la tension, observées sur 350 installations photovoltaïques durant 3 ans, selon l’étude « PV System Reliability: An Operator’s Perspective ». Cela représente 2.34 GWh de production énergétique perdue.
Construire un outil de pronostic requiert une étude de la dégradation du composant, autrement dit, comprendre sa physique de défaillance et/ou avoir accès à une base de données de mesures représentatives de la variation de l’état de santé de celui-ci au cours de son vieillissement. Un obstacle majeur se dresse alors : en conditions de vieillissement réel, les mécanismes de dégradation des composants actifs sont lents. Ces composants sont conçus pour fonctionner au moins une dizaine d’années, ce qui rend impossible, ou du moins extrêmement contraignant, l’étude de leur dégradation sur un tel horizon de temps.
Le vieillissement accéléré comme solution ?
Traditionnellement, l’étude de la dégradation de composants actifs se fait donc en conditions dites de vieillissement accéléré. Des bancs de tests dédiés permettent de soumettre ces composants à des facteurs de stress amplifiés afin d’accélérer artificiellement leurs mécanismes de dégradation et donc leur défaillance prématurée.
Au cours de ces essais, les composants sont instrumentés afin de collecter un ensemble de mesures permettant de construire une base de données de vieillissement accéléré. Une méthode dite dissociée est ensuite classiquement mise en œuvre : la base de données de vieillissement accéléré sert à construire un outil de pronostic. Ce même outil est ensuite utilisé pour évaluer l’état de santé des composants subissant un vieillissement réel à partir de mesures similaires. A ce jour et à notre connaissance, aucune étude publique n’a été menée sur des composants subissant un vieillissement réel.
© Cyril FRESILLON – IPVF – CNRS Images
La représentativité des données de vieillissement accéléré vis-à-vis d’un vieillissement réel demeure donc une question ouverte. Par conséquent, il est impossible de garantir les performances d’une méthode dissociée pour construire un outil de pronostic sur de telles conditions d’extrapolation.
Un changement de paradigme nécessaire
Pour répondre à cet enjeu, nous proposons de changer de paradigme méthodologique en développant une méthode de construction adaptative d’outils de pronostic. L’idée est de combiner la base de données de vieillissement accéléré à des mesures en vieillissement réel afin de transposer au mieux le contenu informationnel des essais de vieillissement accéléré sur un cas de vieillissement significativement différent.
L’algorithme de pronostic que nous proposons repose sur l’utilisation d’un réseau de neurones. Des concepts avancés de Machine Learning reposant sur des mécanismes de transfert d’apprentissage par alignement de domaine, de même qu’une hybridation du réseau via des contraintes d’optimisation reposant sur des considérations issues de la physique de défaillance du composant, permettent de soutenir les capacités d’adaptation du réseau de neurones.
L’intérêt de cette approche adaptative a pu être évalué avec l’appui du laboratoire SATIE, où des essais de vieillissement accéléré sur des modules à transistors IGBT ont été mis en œuvre selon plusieurs conditions de vieillissement. A mi-vie, les prédictions de la méthode adaptative réduisent en moyenne de 72.8% l’erreur d’estimation de l’état de santé des modules par rapport à la méthode dissociée, démontrant ainsi l’intérêt de cette approche et la robustesse de l’outil de pronostic proposé. De plus, notre méthode de pronostic permet une utilisation 30% plus longue des composants en comparaison à un plan de maintenance préventive équivalent.
Les résultats obtenus sont encourageants quant à la pertinence d’une méthode adaptative pour estimer l’état de santé de composants actifs de convertisseur de puissance. Cette approche permet de faire face au verrou de la représentativité du vieillissement accéléré vis-à-vis du vieillissement réel et ainsi soutenir efficacement un plan de maintenance préventive des convertisseurs de puissance d’une installation photovoltaïque.
Plus d'actualités Article
