Aller au contenu principal

Soutenance de thèse - Elie COURDOUAN - 17 Décembre 2019 - Développement d’un module BMS multi-sources harvesting

Amphithéâtre de l’ISEN Yncrea Méditerranée / Campus de Toulon / Maison du Numérique et de l’Innovation
-

Soutenance de thèse d’Elie COURDOUAN, ancien étudiant ISEN Toulon, en Micro & Nanoélectronique intitulée: "Développement d’un module BMS multi-sources harvesting". 

 

La soutenance aura lieu le Mardi 17 Décembre à 10h30 au sein de l’amphithéâtre  de l’ISEN Yncrea Méditerranée

Campus de Toulon

Maison du Numérique et de l’Innovation

Place G. POMPIDOU

83 000 TOULON

 Le jury est composé de: 

Mr. Luc HEBARD, Professeur, ICube, UMR 7357, Rapporteur

Mr. Alain PEGATOQUET, Maitre de conférence HDR, LEAT, UMR 7248, Rapporteur

Mr. Hervé BARTHELEMY, Professeur IM2NP, UMR 7334, Examinateur

Mr. Wenceslas RAHAJANDRAIBE, Professeur, IM2NP, UMR 7334, Examinateur

Mr. Jean-François ROBILLARD, Enseignant Chercheur, IEMN, UMR 8520, Examinateur

Mme. Edith KUSSENER, Enseignant Chercheur HDR, IM2NP, ISEN Toulon, UMR 7334, Directeur de thèse

Mr. Lionel GIROD, Encadrant Industriel au sein de la société Step At, dans le cadre du déroulement de la thèse CIFRE. 

 

Résumé du travail réalisé: 

Avec l’avènement de l’Internet des Objets et du Big Data, le déploiement de capteurs autonomes à grande échelle a explosé au cours des dernières années. Le faible coût associé à ce nouveau marché a rapidement posé le problème d'autonomie de ces capteurs qui sont loin de tenir leur promesse. Le but de cette étude est d'étudier et de concevoir un système de gestion de batterie innovant et à faible coût permettant de récupérer de l’énergie depuis une ou plusieurs sources d’énergie telles que le photovoltaïque, la piézoélectricité ou encore la thermoélectricité. La consommation énergétique étant le critère le plus important, un soin tout particulier est apporté à l’optimisation du rendement avec la mise en œuvre d’un MPPT performant, basé sur des réseaux de neurones mais adapté à la problématique low-power. Enfin, au terme de cette étude, un algorithme d’apprentissage innovant a été conçu, permettant de réaliser un apprentissage non supervisé sur des microcontrôleurs à faible consommation.