Ecole Doctorale
SCIENCES POUR L'INGENIEUR : Mécanique, Physique, Micro et Nanoélectronique
Spécialité
« Sciences pour l'ingénieur » : spécialité « Micro et Nanoélectronique »
Etablissement
Aix-Marseille Université
Mots Clés
Energie positive,Systèmes autonomes,Basse consommation,Récupération d'énergie,
Keywords
Positive energy,Autonomous systems,Ultra Low Power,Harvesting,
Titre de thèse
Développement dun module BMS multi-sources harvesting
Development of a multi-source harvest BMS module
Date
Mardi 17 Décembre 2019 à 10:30
Adresse
ISEN Toulon
Maison des technologies et de l'innovation
Place G. Pompidou, 83000 TOULON AMPHI
Jury
Directeur de these |
Mme Edith KUSSENER |
IM2NP - ISEN Toulon |
Rapporteur |
M. Alain PEGATOQUET |
LEAT, University of Nice Sophia |
Examinateur |
M. Jean-Francois ROBILLARD |
Institut dElectronique, de Microélectronique et de Nanotechnologie U.M.R C.N.R.S 8520 |
Rapporteur |
M. Luc HEBRARD |
Laboratoire ICube - UMR 7357 |
Examinateur |
M. Wenceslas RAHAJANDRAIBE |
IM2NP - AMU |
Examinateur |
M. Hervé BARTHELEMY |
IM2NP - Université de Toulon |
Résumé de la thèse
Avec le développement des applications mobiles (téléphonie, IoT, domotique,
), les systèmes embarqués ont montré une croissance exponentielle ces dernières années. En effet, en à peine 20 ans, ces derniers ont consacré lavènement dune industrie nouvelle, utilisant la puissance, la miniaturisation, et la robustesse des puces électroniques pour rendre intelligents, communicants et sécurisés les objets de notre quotidien. Or la principale caractéristique de ces nouveaux systèmes est la combinaison dune puissance de calcul importante avec une grande autonomie de fonctionnement. Malheureusement, ces caractéristiques étant diamétralement opposées, les concepteurs de systèmes se heurtent à un dilemme leur imposant de limiter la puissance embarquée. Afin de pallier ce problème d'autonomie, de plus en plus d'architectures se tournent vers la mise en place d'étages de récupération d'énergie depuis une ou plusieurs sources.
Dans le cadre d'une thèse CIFRE, l'étude a ainsi été portée sur la conception d'un module de récupération d'énergie optimisé s'interfaçant sur plusieurs sources. Deux directions ont ainsi été trouvées afin d'augmenter la quantité récupérée par un tel dispositif :
- Le développement de l'approche multisource afin de proposer une architecture industrialisable.
- L'optimisation des quantités d'énergie extraites de chaque source par l'intermédiaire d'algorithmes nouvelle génération permettant la recherche du point de fonctionnement maximum.
Ces derniers sont ainsi optimisés grâce aux progrès réalisés récemment dans le domaine du Deep Learning et la commercialisation de microcontrôleurs à faible puissance de plus en plus performants.
Lobjectif final étant de déployer des réseaux de capteurs à grande échelle et faible coût, dont lautonomie est améliorée voire infinie si le système parvient à produire plus dénergie que ce quil consomme.
Thesis resume
With the development of mobile applications, such as telecoms, IoT and home automation, embedded systems have shown an exponential growth over the past years. Indeed, in 20 years, they have led to the advent of a new industry, using processing power, miniaturization and reliability of electronic chips to make everyday objects smarter, safer and more communicative. The main characteristic of these newly build systems is to combine high processing capabilities and extended operational autonomy. Unfortunately, these parameters are diametrically opposed and hardware designers facing this issue by limiting processing capability to ensure enough autonomy. To solve this problem, newly architectures choose to implement an energy harvesting stage with one or more sources.
As part of this industrial thesis, the study has been carried out on the design of an optimized energy harvesting module using one or more sources. Two directions were found to increase the quantity of harvested energy:
- Interfacing multiple harvesters from complementary sources in an industrialized architecture
- Optimization of produced energy from each source by using next-generation algorithms of Maximum Power Point Tracking.
These algorithms are optimized thanks to technical advances made in the field of Deep Learning and the availability of more efficient low power microcontroller.
The final goal of this study is to deploy a low cost wide area network of sensors with enhanced or infinite autonomy.