Ce projet s'inscrit dans un vaste programme de diagnostic et pronostic visant, à l'aide de simulations multiphysiques et de mesures expérimentales, à caractériser la ventilation dans les alternateurs hydro-électriques. Une meilleure connaissance du refroidissement de ces machines permettrait de les opérer de façon optimale afin de prolonger leur durée de vie et ainsi d'éviter des remplacements prématurés.

Ce projet de recherche est axé sur le développement d’outils numériques permettant de simuler l’endommagement de la microstructure des aciers utilisés chez Hydro-Québec. Cette démarche permettra de mettre évidence les différents mécanismes qui favorisent l’apparition des fissures dans une structure soumise à différents types de chargement. Cependant, pour être en mesure de prédire de tels phénomènes, il est nécessaire de posséder un modèle numérique le plus représentatif possible de la microstructure réelle de l’alliage.

Ce projet de recherche de HANF Canada en collaboration avec l’École de technologie supérieure vise à effectuer une compensation du facteur de puissance de charges non linéaires à l’aide d’un filtre actif.  Plus précisément, le premier objectif du projet est de compenser l’angle du courant à la fréquence du réseau ainsi que les harmoniques de courant. L’entreprise souhaite effectuer une compensation intelligente et autonome de manière à limiter l’intervention humaine, et maximiser l’utilisation de l’équipement, tout en rencontrant les normes de qualité de l’onde.

Les thermostats à tension de secteur pilotent le plus grand poste de consommation énergétique des résidences chauffées par plinthes électriques. Jusqu’à maintenant, les habitudes d’utilisation de ces thermostats par les occupants des résidences étaient obtenues par sondage, ce qui limite la quantité et la qualité de l’information récoltée. Le stage vise à traiter les données de thermostats communicants obtenues dans le cadre d’un projet pilote couvrant la plupart des pièces de trente résidences.

Ce projet a pour but de proposer aux exploitants des centrales hydroélectriques d’Hydro-Québec un modèle d’estimation et de prédiction de la dégradation de leurs turbines hydrauliques. Celui-ci pourra être régulièrement mis à jour en se basant sur des inspections planifiées et réalisées de façon logique. L’estimation de la dégradation des systèmes est essentielle à la planification de la maintenance.

Ce projet a pour but de proposer aux exploitants des centrales hydroélectriques d’Hydro-Québec un modèle d’estimation et de prédiction de la dégradation de leurs turbines hydrauliques. Celui-ci pourra être régulièrement mis à jour en se basant sur des inspections planifiées et réalisées de façon logique. L’estimation de la dégradation des systèmes est essentielle à la planification de la maintenance.

Preventive maintenance is essential for the reliable operation of hydroelectric systems. However, maintenance planning is a complex activity since outages of hydro-turbines for maintenance can impact hydropower operation costs. In addition, operation costs are also determined by physical laws governing water and electricity, uncertain water precipitations and interdependencies between short-term decisions and long-term operations.

Les réseaux et les microréseaux électriques sont rarement accessibles pour effectuer des tests. Le recours à des simulateurs à temps réel est une solution efficace pour permettre l’étude de ces réseaux électriques. Le réalisme de ces simulateurs à temps réel est étroitement lié à la précision des modèles utilisés ainsi que leurs lois de commande. Le projet vise à développer et mettre en oeuvre des correcteurs robustes sur un système de simulation temps-réel, afin d’inclure un nouveau volet dans les simulateurs temps-réel développés par OPAL-RT Technologie.

Le projet a pour but de développer une méthodologie globale permettant d’élaborer des systèmes pronostics intelligents. Cette méthodologie inclura deux aspects : une approche pronostic générique hybride (mécanismes de dégradation, données diagnostiques et connaissances d’expert) et des méthodologies d’aide à la décision (analyse des incertitudes du modèle, sélection d’algorithmes IA, génération d’indicateurs ciblés).