Les outils actuels de gestion en temps réel des réseaux s’appuient sur deux outils logiciels : les logiciels de prévision météorologique et les logiciels de simulation hydraulique. L’usage des premiers est une cause importante d’imprécision et d’incertitude, l’usage des seconds oblige à des pas temporels de décision importants du fait de leur besoin en temps de calcul. Cette façon de procéder fait que les résultats obtenus sont généralement éloignés de ceux attendus. L’idée force du projet CARDIO est de changer de paradigme de base en abordant la problématique par la face « automatique » plutôt que par celle « hydrologie ». L’objectif est de rendre possible la réalisation d’un grand nombre de simulations en des temps très courts (quelques secondes) permettant de se passer des prévisions météorologiques en utilisant directement les données pluviométriques recueillies en temps réel. L’objectif est de parvenir à un système où la prise de décision est réalisée à partir de données fiables et où la correction de l’erreur est permanente. / Generally, real-time management of sewer systems uses two main tools. The first software one, dedicated to weather forecast is known by their imprecision and uncertainty. The main issue of the second one concerns their computational complexity, which becomes a burden, as they require temporal important steps of decision. This leads to an important problem, where the obtained results are generally different from the really waited ones. The main idea and objective of the CARDIO project, which are the core of this thesis, is to deal with this important problem using a new paradigm based on “automatic” concepts rather than applied from “hydrology” point of view. Such approach allows the realization of a large amount of numerical simulation in a fast way during a very short time (a few seconds). This allows dispensing of weather forecast by using real-time meditative pluviometric data directly. The objective is to achieve a system where the decision-making is made based on reliable data and also, the error correction is permanent.

Un contrôle moteur conventionnel se compose de deux niveaux de commande dénommés strates " groupe motopropulseur " et " moteur ". Historiquement, la conception de ce dispositif s'est organisée autour d'une logique organique, focalisée sur la composition matérielle de la chaîne de production de couple. Ceci explique que les moyens de développement soient, aujourd'hui encore, découplés et spécifiques à chaque type de motorisation, diesel ou essence. L'heure est désormais à la recherche d'une approche davantage fonctionnelle, et de chaînes de développement aussi génériques et mutualisées (en diesel, essence, voire hybride) que possibles, dans l'objectif de réduire les temps et coûts de développement. En effet, le besoin fonctionnel de la strate GMP est indépendant de l'architecture moteur, et, vue du GMP, la strate moteur n'est autre qu'un générateur de couple aux amplitudes et dynamiques diverses. Cette structuration ouvre la possibilité de traiter les spécificités Essence et Diesel au travers d'une gestion appropriée des dynamiques, dans le sens GMP vers moteur, et de la prise en compte de fonctions de contrainte transversales dans le sens moteur vers GMP. Dans ce contexte et à cette fin, cette thèse inventorie et explore différentes possibilités offertes par la théorie de la commande : commande hiérarchisée, commande optimale, commande prédictive, commande avec anticipation. In fine, la thèse met à disposition du projet une architecture de commande (articulation commande prédite / commande anticipée à l'interface des deux strates), et des outils pour son développement. Elle donne également quelques éléments permettant de jauger son intérêt et faisabilité de mise en œuvre.

Cette thèse porte sur l’application des approches de commande prédictive pour l’optimisation des démarrages des centrales à cycles combinés. Il s’agit d’une problématique à fort enjeu qui pose des défis importants. L’élaboration des approches est progressive. Dans une première partie un modèle de centrale est construit et adapté à l’optimisation, en utilisant une méthodologie qui transforme des modèles physiques Modelica conçus pour la simulation en des modèles pour l’optimisation. Cette méthodologie a permis de construire une bibliothèque adaptée à l’optimisation. La suite des travaux porte sur l’utilisation du modèle afin d’optimiser phase par phase les performances du démarrage. La solution proposée optimise, en temps continu, le profil de charge des turbines en recherchant dans des ensembles de fonctions particulières. Le profil optimal est déterminé en considérant que celui-ci peut être décrit par une fonction paramétrée dont les paramètres sont calculés en résolvant un problème de commande optimale sous contraintes. La dernière partie des travaux consiste à intégrer cette démarche d’optimisation à temps continu dans une stratégie de commande à horizon glissant. Cette approche permet d’une part de corriger les dérives liées aux erreurs de modèles et aux perturbations, et d’autre part, d’améliorer le compromis entre le temps de calcul et l’optimalité de la solution. Cette approche de commande conduit cependant à des temps de calcul importants. Afin de réduire le temps de calcul, une structure de commande prédictive hiérarchisée avec deux niveaux, en travaillant à des échelles de temps et sur des horizons différents, a été proposée. / This thesis focuses on the application of model predictive control approaches to optimize the combined cycle power plants start-ups. Generally, the optimization of start-up is a very problematic issue that poses significant challenges. The development of the proposed approaches is progressive. In the first part a physical model of plant is developed and adapted to optimization purposes, by using a methodology which transforms Modelica model components into optimization-oriented models. By applying this methodology, a library suitable for optimization purposes has been built.In the second part, based on the developed model, an optimization procedure to improve the performances of the start-up phases is suggested. The proposed solution optimizes, in continuous time, the load profile of the turbines, by seeking in specific sets of functions. The optimal profile is derived by considering that this profile can be described by a parameterized function whose parameters are computed by solving a constrained optimal control problem. In the last part, the open-loop optimization procedure has been integrated into a receding horizon control strategy. This strategy represents a robust solution against perturbation and models errors, and enables to improve the trade-off between computation time and optimality of the solution. Nevertheless, the control approach leads to a significant computation time. In order to obtain real-time implementable results, a hierarchical model predictive control structure with two layers, working at different time scales and over different prediction horizons, has been proposed.