Advanced Numerical Simulations (ME / M2-FME) - 5EUS5SNA

Objectif(s)

Acquis d’apprentissage (AA)

Partie CFD pour la conception de systèmes énergétiques

• Évaluer la qualité d’une simulation CFD à l’aide de méthodes de vérification et de validation.
• Expliquer les principes de modélisation de la turbulence et les limites des approches usuelles.
• Décrire les modèles numériques utilisés pour simuler des écoulements multiphasiques.
• Mettre en œuvre une simulation numérique pour analyser les pertes de charge dans un système hydraulique complexe (diffuseur d'une centrale hydroélectrique).
• Déterminer les paramètres géométriques optimaux d’un composant hydraulique en exploitant les résultats d’une simulation CFD.

Partie Optimisation pour la conception de systèmes énergétiques

Concernant l'analyse de sensibilité, l’élève sera capable de :

• expliquer les principes des méthodes d’analyse de sensibilité globale, en particulier les méthodes de Morris et de Sobol.
• mettre en œuvre une analyse de sensibilité pour identifier les paramètres influents dans une simulation numérique coûteuse.
• interpréter les indices de sensibilité pour orienter la réduction de dimension ou la priorisation des variables.

Concernant les algorithmes d'optimisation non linéaires, l’élève sera capable de :

• implémenter et de comparer des algorithmes d’optimisation (ex. quasi-Newton, heuristiques, métaheuristiques) dans le contexte de la modélisation énergétique.
• identifier les avantages et limites de différentes approches selon le type de problème (bruité, coûteux, multimodal, etc.).

Concernant l'optimisation indirecte, l’élève sera capable de :

• expliquer les concepts fondamentaux de l’optimisation bayésienne et son intérêt pour les fonctions objectif coûteuses à évaluer.
• construire un métamodèle (ex. Processus Gaussien/Krigeage) à partir d’un jeu de données simulé.
• formuler et résoudre un problème d’optimisation à l’aide d’un métamodèle et d’une stratégie d’acquisition active (ex. Expected Improvement).

Contenu(s)

• CFD pour la conception de systèmes énergétiques (G. Balarac) : turbulence, écoulements diphasiques, vérification et validation numérique ; projet sur la perte de charge d’un diffuseur hydroélectrique.
• Optimisation pour la conception de systèmes énergétiques (B. Delinchant) : algorithmes (quasi-Newton, métaheuristiques), optimisation multi-objectifs, analyse de sensibilité, métamodélisation ; projet de dimensionnement optimal d’un bâtiment.

Bases en mécanique des fluides, transfert thermique, mathématiques appliquées (optimisation, analyse numérique), et programmation (Python).