Les défauts d’arcs électriques sont souvent la cause du déclenchement d’un incendie dans l’habitat. Les détecter constitue une amélioration de la sécurité électrique domestique. La contribution de cette thèse porte sur la problématique de l’identification et de la détection de défauts d’arcs électriques sur le réseau basse tension domestique (charge simple et combinée). Dans ce travail de thèse, le premier axe de recherche porte sur la mise en œuvre d’un modèle de simulation de réseau. Sur le modèle de réseau l’objectif est d’introduire à volonté et de manière graphique des charges de nature différentes associées à un défaut d’arc électrique série. La modélisation porte sur la source de tension, des charges domestiques, le défaut d’arc et le bloc d’analyse numérique du courant et de la tension pour la commande d’un disjoncteur. Le second axe de recherche porte la mise au point de méthodes de détection robuste d’un défaut d’arc électrique Quatre méthodes originales de détection portant sur la tension et le courant de ligne ont été développées dans le cadre de ce travail de thèse. Elles sont toutes basées sur l’analyse des caractéristiques fréquentielles et temporelles du courant de ligne. Toutes les méthodes produisent une information dont l’amplitude tend à s’accroître en présence d’un arc électrique. Toutefois, le caractère non déterministe et très variable des signaux produits par un arc électrique ainsi que la grande variabilité des charges et des perturbations qu’elles introduisent rendent la détection très difficile. L’ensemble des études s’est donc systématiquement composé d’une comparaison entre la situation avec et sans arcs. Le résultat a abouti à une approche combinée de plusieurs méthodes et d’un modèle simple de décision basé sur un simple seuil. Un prototype implémentant une partie de l’algorithme a montré la faisabilité d’un circuit en temps réel / The electrical arc faults are the cause of electrical home fire. Detecting them is an improvement of domestic electrical safety. The thesis contribution focuses on the problem of the electrical arc fault identification and detection in the domestic low voltage network. In this thesis, the first research objective is the modeling of a domestic electrical network. The aim of the modeling is to recreate graphically the loads and the topology of the real domestic electrical network associated with a series electrical arc fault. The modeling is made on the AC voltage source, domestic loads, arc fault model and a block of current and voltage analysis to control a circuit breaker. The second research objective is the development of a robust method for detecting arcing fault. Four detecting methods were developed as part of this thesis; they are based on the current analysis of frequency and time characteristics. All methods generate information whose amplitude tends to increase in the presence of an electric arc. However, the non-deterministic and random feature of the signals produced by the electrical arc fault as well as the large number and variability of loads and the disturbances which they introduce make the arc detection very difficult. All the studies consistently are composed of a comparison between the normal operation and arc fault signals. The result has resulted in a combined approach of some methodologies and a simple decision model based on a threshold. A prototype which contains a part of the algorithm was shown the feasibility of a circuit in real time

La dangerosité des défauts électriques et notamment des défauts d’arcs série dans les installations basse tension est connue depuis longtemps et représente une problématique d’actualité. La détection et la localisation de ces défauts constituent ainsi le sujet d’étude de cette thèse. Notons également, qu’à l’heure actuelle, aucun disjoncteur pour la détection des défauts d’arcs n’est équipé de la fonction localisation d’un arc sur la ligne électrique. Plusieurs méthodes de localisation des défauts d’arcs électriques séries ont été proposées dans le travail présenté. La première méthode est basée sur les paramètres d’impédance obtenus à partir des lois de Kirchhoff et ceci sur une ligne expérimentale de 49 m de longueur. La seconde méthode utilise la modélisation de ligne pour obtenir différents vecteurs de signatures utilisés pour entrainer un réseau de neurones. La troisième méthode par transformée en ondelettes est basée sur l’identification des ondes haute fréquence qui apparaissent en présence d’un défaut d’arc série. L’autre contribution majeure de cette thèse est la mise au point d’un algorithme performant de détection de la présence d’un défaut d’arc électrique par analyse du courant de ligne. L’algorithme est conçu pour détecter de manière fiable les défauts d'arc dans les modes de fonctionnement stationnaires et transitoires des appareils ménagers puis dans des configurations complexes de masquage de charges et d'appareils perturbateurs. L’algorithme repose sur l’analyse du courant de ligne par un filtre de Kalman associé à une logique de décision. La technique mise en œuvre, portant sur un seuillage adaptatif à base de logique floue (Fuzzy Logic), entraîne une réduction significative des faux déclenchements / The dangerousness of electrical defects and in particular serial arcing ones in low-voltage installations is well known and represents a topical research issue. The detection and localization of these defects is therefore the subject of this thesis. It should also be noted that, at present time, no circuit-breaker for arc fault detection is equipped with the arc location function on the power line. Several methods for locating series arc faults have been proposed in this work. For the first method, a model based on the impedance parameters of the experimental power line (length 49 meters) based on Kirchhoff's laws was developed. The second method uses line modeling to obtain different signature vectors used to train a neural network. The third wavelet transform method is based on the identification of high frequency waves that occur in the presence of a series arc fault. The other major contribution of this thesis is the development of an efficient algorithm for detecting the presence of an electrical arc fault by the line current analysis. The algorithm is designed to reliably detect series arcing faults in stationary and transient operating modes of household appliances and then in complex load masking and with disturbance device configurations. The algorithm is based on the analysis of the line current by a Kalman filter associated with a decision logic block. The technique used based on adaptive fuzzy logic thresholding logic, allows significant reduction in false triggering