36 mois

thèse – Development of an oscillating wind turbine

[TheChamp-Sharing]
Wind as a worldwide exploited renewable energy source is facing societal acceptability issues due to the ever-growing scale of windfarms and their environmental imprint on natural lands. As an alternative, networks of small-scale wind (or water) energy harvesters may facilitate their installation directly in dense urban environments in order to provide electricity locally, with limited land occupation, transport infrastructure and connexion cost. However, the use of such technologies must be acceptable in heavily populated area, from both the design and disturbance points of view. The proposed project aims at developing alternative energy harvesting technologies at small scale, designed to be integrated in urban or remote environments. Such solutions fall in the Energy topic of the research theme “Sustainable Cities and Communities”, and in the “Energy, Environment, Evolution” topical UP campus. Oscillating airfoil-based structures are seen as possible alternatives to the conventional rotating horizontal or vertical wind - or water - turbines thanks to their limited spatial extent and lower operating velocities. A two d.o.f. prototype was designed by Costa (2018) which will be experimentally investigated by the PI. Using a different approach, the “Eel energy” demonstrator (Träsch, 2018) exploits the deformation of an elongated membrane made of articulated rigid segments acting as a multi d.o.f. oscillator. The present project will focus on a continuously deformable flag-like structure with embedded devices designed to convert self-sustained oscillations (Eloy, 2008) in electricity. From the design and disturbance points of view, this concept will limit the use of moving parts and assembly in order to reduce both the structural fatigue and noise emission. One of the main challenges of the project lie in the prediction of multi-modal operating points in order to extend the operability range of the energy harvester. The PhD will be co-supervised at Institut PPRIME (CNRS, University of Poitiers, ISAE-ENSMA) in France and at the Department of Civil Engineering and Architecture of the University of Pavia in Italy. From theoretical and numerical analysis, an experimental demonstrator will be designed and operated in the fluid-mechanics facilities of Institut PPRIME.
Ludovic CHATELLIER - Contacter
Institut Pprime - Bâtiment H2 - site du futuroscope

Autres offres d'emploi

Retour à la liste
12 mois

CHERCHEUR/POST-DOC (H/F) – Investigations expérimentales de stratégies de contrôle en boucle fermée pour la réduction d'impact du sillage d'un corps d'Ahmed

Au CNRS, Laboratoire PPRIME, situé au Futuroscope, ce post-doctorat s'inscrit dans le cadre du projet ANR COWAVE (Contrôle rétroactif du sillage d'un véhicule) entre les laboratoires PRISME à Orléans, Pprime à Poitiers, LHEEA à Nantes et l'industrie automobile PSA. Cette offre concerne la contribution de Pprime au projet COWAVE. Celle-ci consiste à explorer expérimentalement dans un canal hydrodynamique des stratégies de contrôle de sillage en boucle fermée avec des volets mobiles. Les sillages tridimensionnels de corps épais, du type corps d'Ahmed, génèrent une traînée de pression et des forces latérales, contribuant ainsi de manière significative à la consommation de carburant et aux émissions polluantes des véhicules routiers. Malgré les nombreuses tentatives réalisées pour minimiser l'impact des sillages sur l'environnement, on ne sait toujours pas quelle est la stratégie de contrôle la plus efficace ! Dans ce contexte, le projet ANR COWAVE aborde deux aspects fondamentaux du contrôle du sillage : premièrement, quels types d'actionneurs sont les plus efficaces ? Alors que la plupart des stratégies de contrôle en boucle fermée utilisent des effets d'entraînement visqueux pour actionner les couches de cisaillement dans le sillage, l'exploitation des forces de pression produites par des déflecteurs mobiles pourrait être une alternative intéressante à tester. Deuxièmement, pour la mise en œuvre de la commande en boucle fermée, nous voulons tester si les stratégies de commande obtenues par des techniques d'apprentissage automatique (Machine Learning) permettent d'obtenir une meilleure efficacité et une plus grande robustesse que les approches plus classiques basées sur des modèles. Pour postuler suivre ce lien https://bit.ly/3qDG6Ml / Date Limite Candidature : vendredi 12 mars 2021