Cette thèse porte sur la commande de réseaux multi-terminaux à courant continu (MTDC) basés sur des convertisseurs multiniveaux modulaires (MMCs).Tout d’abord, notre attention se focalise sur l'énergie stockée en interne dans le MMC qui constitue un degré de liberté additionnel apporté par sa topologie complexe. Afin d’en tirer le meilleur parti, les limites de l’énergie interne sont formulées mathématiquement.Afin de maîtriser la dynamique de la tension DC, l’utilisation de ce nouveau degré de liberté s’avère d’une grande importance. Par conséquent, une nouvelle de stratégie de commande, nommée «Virtual Capacitor Control», est proposée. Cette nouvelle méthode de contrôle permet au MMC de se comporter comme s’il possédait un condensateur de taille réglable aux bornes, contribuant ainsi à l’atténuation des fluctuations de la tension DC.Enfin, la portée de l’étude est étendue au réseau MTDC. L'un des défis majeurs pour un tel système est de faire face à une perte soudaine d'une station de convertisseur qui peut entraîner une grande variation de la tension du système. A cet effet, la méthode de statisme de tension est la plus couramment utilisée. Cependant, l'analyse montre que l'action de contrôle souhaitée risque de ne pas être réalisée lorsque la marge disponible de réserve de puissance du convertisseur est insuffisante. Nous proposons donc une nouvelle structure de contrôle de la tension qui permet de fournir différentes actions en fonction du signe de l'écart de la tension suite à une perturbation, associée à un algorithme qui détermine les paramètres de statisme en tenant compte du point de fonctionnement et de la réserve disponible à chaque station. / The scope of this thesis includes control and management of the Modular Multilevel Converter (MMC)-based Multi-Terminal Direct Current (MTDC).At first, our focus is paid on the internally stored energy, which is the important additional degree of freedom brought by the complex topology of MMC. In order to draw out the utmost of this additional degree of freedom, an in-depth analysis of the limits of this internally stored energy is carried out, and they are mathematically formulated.Then, this degree of freedom of the MMC is used to provide a completely new solution to improve the DC voltage dynamics. A novel control strategy, named Virtual Capacitor Control, is proposed. Under this control, the MMC behaves as if there were a physical capacitor whose size is adjustable. Thus, it is possible to virtually increase the equivalent capacitance of the DC grid to mitigate the DC voltage fluctuations in MTDC systems.Finally, the scope is extended to MMC-based MTDC grid. One of the crucial challenges for such system is to cope with a sudden loss of a converter station which may lead to a great variation of the system voltage. The voltage droop method is commonly used for this purpose. The analysis shows that the desired control action may not be exerted when the available headroom of the converter stations are insufficient. We thus propose a novel voltage droop control structure which permits to provide different actions depending on the sign of DC voltage deviation caused by the disturbance of system voltage as well as an algorithm that determines the droop parameters taking into account the operating point and the available headroom of each station.

Avec l’augmentation de la popularité de l’IA et de l’apprentissage automatique, le nombre de participants a explosé dans les conférences AI/ML. Le grand nombre d’articles soumis et la nature évolutive des sujets constituent des défis supplémentaires pour les systèmes d’évaluation par les pairs qui sont cruciaux pour nos communautés scientifiques. Certaines conférences ont évolué vers l’automatisation de l’attribution des examinateurs pour les soumissions, le TPMS [1] étant l’un de ces systèmes existants. Actuellement, TPMS prépare des profils de chercheurs et de soumissions basés sur le contenu, afin de modéliser l’adéquation des paires examinateur-soumission. Dans ce travail, nous explorons différentes approches pour le réglage fin auto-supervisé des transformateurs BERT pour les données des documents de conférence. Nous démontrons quelques nouvelles approches des vues d’augmentation pour l’auto-supervision dans le traitement du langage naturel, qui jusqu’à présent était davantage axée sur les problèmes de vision par ordinateur. Nous utilisons ensuite ces représentations d’articles individuels pour construire un modèle d’expertise qui apprend à combiner la représentation des différents travaux publiés d’un examinateur et à prédire leur pertinence pour l’examen d’un article soumis. Au final, nous montrons que de meilleures représentations individuelles des papiers et une meilleure modélisation de l’expertise conduisent à de meilleures performances dans la tâche de prédiction de l’adéquation de l’examinateur. / With the increase in popularity of AI and Machine learning, participation numbers have exploded in AI/ML conferences. The large number of submission papers and the evolving nature of topics constitute additional challenges for peer-review systems that are crucial for our scientific communities. Some conferences have moved towards automating the reviewer assignment for submissions, TPMS [1] being one such existing system. Currently, TPMS prepares content-based profiles of researchers and submission papers, to model the suitability of reviewer-submission pairs. In this work, we explore different approaches to self-supervised fine-tuning of BERT transformers for conference papers data. We demonstrate some new approaches to augmentation views for self-supervision in natural language processing, which till now has been more focused on problems in computer vision. We then use these individual paper representations for building an expertise model which learns to combine the representation of different published works of a reviewer and predict their relevance for reviewing a submission paper. In the end, we show that better individual paper representations and expertise modeling lead to better performance on the reviewer suitability prediction task.

L'objectif de cette thèse est de proposer l'approche la plus appropriée afin de minimiser le coût d'intégration de petite éolienne dans un micro-réseau DC urbain. Une petit éolienne basé sur un machine synchrone à aimant permanent (MSAP) est considéré à étudier. Un état de l'art concernant les énergies renouvelables, micro-réseau DC, et la production d'énergie éolienne, est fait. Comme le capteur mécanique de cette structure est relativement d'un coût élevé, les différents types de contrôle pour un système de conversion éolienne sont présentés afin de choisir une structure active de conversion d'énergie et un MSAP sans capteur. Par conséquent, un estimateur de vitesse/position est nécessaire pour contrôler le système. Ainsi, les méthodes différentes proposées dans la littérature sont considérées et classifiées à étudier dans les détails, puis les plus efficaces et largement utilisés sont à vérifier dans la simulation et expérimentalement pour le système étudié. Les méthodes choisies sont: estimation de la flux de rotor avec boucle à verrouillage de phase (PLL), observateur à mode glissement (SMO), observateur de Luenberger d'ordre réduit, et filtre de Kalman étendu (EKF). Face à d'autres méthodes, l'estimateur basé sur un modèle EKF permet une commande sans capteur dans une large plage de vitesse et estime la vitesse de rotation avec une réponse rapide. Le réglage des paramètres EKF est le problème principal à sa mise en œuvre. Par conséquent, pour résoudre ce problème, la thèse présente une méthode adaptative, à savoir réglage-adaptatif d’EKF. En conséquence, et grâce à cette approche, le coût total du système de conversion est réduite et la performance est garantie et optimisée. / The aim of this thesis is to propose the most appropriate approach in order to minimize the cost of integration of a wind generator into a DC urban microgrid. A small-scale wind generator based on a permanent magnet synchronous machine (PMSM) is considered to be studied. A state of the art concerning the renewable energies, DC microgrid, and wind power generation is done. As the mechanical sensor for this structure is relatively of high cost, various types of wind conversion system control are presented in order to choose an energy conversion active structure and a sensorless PMSM. Therefore, a speed/position estimator is required to control the system. Thus, different methods proposed in literatures are considered and classified to be studied in details, and then the most effective and widely used ones are to be verified in simulation and experimentally for the studied system. The methods which are chosen are: rotor flux estimation with phase locked loop (PLL), sliding mode observer (SMO), Luenberger observer of reduced order, and extended Kalman filter (EKF). Facing to other methods, the EKF model-based estimator allows sensorless drive control in a wide speed range and estimates the rotation speed with a rapid response. The EKF parameters tuning is the main problem to its implementation. Hence, to solve this problem, the thesis introduces an adaptive method, i.e. adaptive-tuning EKF. As a result and grace to this approach, the total cost of conversion system is reduced and the performance is guaranteed and optimized.

No description available.