CaVision

Le but du projet CaVision est de développer de nouveaux services de maintenance indépendants basés sur un exemple de module de détection de la présence de cavitation par une approche de Machine Learning afin de participer à la mise en place de la maintenance prédictive dans les centrales hydroélectriques et augmenter ainsi leur flexibilité.

Résumé

Avec l’intégration massive des nouvelles énergies renouvelables, la flexibilité des centrales hydroélectriques est cruciale pour maintenir la stabilité du réseau. Pour augmenter cette flexibilité, les machines hydrauliques sont utilisées en dehors de leur plage de fonctionnement optimale où des phénomènes physiques complexes apparaissent. Parmi eux, la cavitation qui peut provoquer une usure importante et des vibrations élevées et impose des révisions régulières et coûteuses. Afin de compléter la surveillance des machines qui seront de plus en plus sujettes à ce type d’usure, HYDRO Exploitation SA, responsable de l'exploitation et de la maintenance de 22% de la puissance installée du parc hydroélectrique suisse, a approché la HES SO VS pour développer une solution de monitoring de la cavitation afin de compléter leurs outils de surveillance et fournir un service de validation du fonctionnement flexible d’une centrale. Un module de détection sonore de la cavitation, peu coûteux et facilement transportable, sera développé. Le spectre fréquentiel du signal sonore sera traité par une adaptation innovante des méthodes d’analyse statistique, permettant d’identifier et de visualiser les différents régimes de cavitation. Les données d’analyse seront utilisées, afin d’identifier précisément les points de fonctionnement responsables de défauts, de pannes potentielles et d’une usure prématurée afin de faciliter la maintenance prédictive. L’usage d’algorithmes de Machine Learning et de Deep Learning permettront ensuite de construire des modèles prédictifs à partir des données acquises lors de l’utilisation de ce nouveau module sur le long terme. 

Dommages causés par de la cavitation

Partenaires

•  HYDRO Exploitation SA

Financement

Publications

• 2020 Master HES-SO Engineering - D. Voide - Machine Learning pour détecter la cavitation
• 2019 Bachelor - F. Pedroni Détection de la cavitation

Photo: SNSF, Scientific Image Contest 2019, Cavitating Flow over a Hydrofoil by Ali Amini, EPFL