The aim of the internship is to contribute to the development of a fluidized-bed heat exchanger model in which the fluid to be heated circulates inside bundles of immersed tubes. This is an intermediate-scale model between a particulate approach in which the movement of each particle is simulated, and a global approach which describes the transfer solely on the basis of a parietal exchange coefficient.
Catégorie : Stages
Durée : 6 mois (ou 4 mois minimum) à partir de 02/2024
Le laboratoire PROMES, spécialiste reconnu dans le domaine de la conversion de l’énergie solaire à concentration, recherche un stagiaire pour une durée de 6 mois ayant des compétences dans les domaines suivants: génie des procédés, modélisation numérique, transferts de chaleur, contrôle/commande, apprentissage automatique.
Le recrutement du stagiaire s’inscrit dans la volonté de poursuivre les travaux en doctorat.
Niveau : Formation BAC+5 (Master ou Ingénieur) –
Ce stage s’inscrit dans des enjeux énergétiques importants et d’actualité : la valorisation de chaleurs basse température (telles que l’énorme gisement de rejets thermiques industriels, l’énergie solaire basse concentration…), la problématique du stockage pour gérer les fluctuations à la fois des sources et des demandes énergétiques, et la demande croissante en électricité et en froid.
Pour répondre à ces problématiques, le laboratoire a défini un procédé thermodynamique innovant intégrant une cogénération de froid et d’électricité associé à une fonction stockage d’énergie.
Contexte –
Ce stage fait partie du projet ANR SOLAIRE qui compte 2 doctorants. Le projet SOLAIRE vise à améliorer l’efficacité de la conversion de l’énergie solaire concentrée en électricité grâce à des outils d’apprentissage automatique. Le composant clé de ces centrales électriques est le récepteur solaire, qui convertit l’énergie solaire concentrée en énergie thermique et la transfère à un fluide caloporteur, l’air sous pression dans notre cas. Le projet vise à maximiser les transferts thermiques entre le gaz et la paroi du récepteur solaire, tout en minimisant les pertes de pression. Pour ce faire, l’optimisation des transferts thermiques et l’élaboration de stratégies de contrôle de la turbulences en proche parois font appel à l’apprentissage automatique.
Contexte –
Ce stage fait partie du projet ANR SOLAIRE qui comprend 2 doctorants. Le projet SOLAIRE vise à améliorer l’efficacité de la conversion de l’énergie solaire concentrée en électricité grâce à des outils d’apprentissage automatique. Le composant clé de ces centrales électriques est le récepteur solaire, qui convertit l’énergie solaire concentrée en énergie thermique et la transfère à un fluide caloporteur, l’air sous pression dans notre cas. Le projet vise à maximiser les transferts thermiques entre le gaz et la paroi du récepteur solaire, tout en minimisant les pertes de pression. Pour ce faire, l’optimisation des transferts thermiques et l’élaboration de stratégies de contrôle de la turbulences en proche parois font appel à l’apprentissage automatique.
Stage Master 2, site du Grand Four solaire d’Odeillo
Objectif
Le stage consistera principalement à étudier le comportement de matériaux conçus par fabrication additive (alliages métalliques Inconel718 ou composites céramiques ZrB2/MoSi2) sous flux solaire concentré et air standard ou dissocié, en utilisant l’enceinte MESOX (Moyen d’Essai Solaire d’OXydation) et à caractériser l’endommagement des matériaux par diffraction de rayons X, sectroscopie μ-Raman et/ou spectrométrie photoélectronique X. Une étape préalable de recherche bibliographique permettra au ou à la stagiaire de comprendre le fonctionnement des installations solaires et le comportement (résistance à l’oxydation et aux chocs thermiques) des matériaux soumis à des conditions extrêmes de traitement. Des modélisations sous logiciels Scilab/Matlab ou ANSYS/Fluent pourraient être effectuées en parallèle aux études expérimentales pour évaluer les performances thermiques des matériaux développés.
Mots-clés
Mécanique des fluides numérique, Thermique, Ecoulement diphasique fluide – particules, Front-Tracking, Simulation Numérique Directe.
Objectif
Une méthode de simulation numérique directe d’écoulements fluide – particules solides, utilisant la méthode Front-Tracking (FT) du logiciel TrioCFD et une approche Discrete Element Method (DEM), a récemment été développée. L’objectif de ce travail consiste à valider cet outil numérique sur des simulations d’écoulements anisothermes.
Aujourd’hui, l’électricité issue de sources renouvelables « variables » (éolien, solaire) est essentiellement injectée sur le réseau électrique « au fil de l’eau », en fonction de la disponibilité de la ressource. Le déploiement massif d’électricité issue d’énergies renouvelables (EnR) variables soulèvera de nouveaux défis de compatibilité entre disponibilité de la ressource, et demande électrique. L’intégration de technologies de stockage de l’énergie constitue un levier prometteur permettant de lisser la production d’électricité renouvelable « variable » et à garantir une meilleure adéquation avec la demande électrique.
PROMES est expert dans le solaire à concentration. Ce stage s’inscrit dans le projet NANOPLAST (nanoplast-project.cnrs.fr) en collaboration avec des laboratoires partenaires à Orléans, Nantes, Clermont-Ferrand et un partenaire industriel à Saint-Etienne. Dans ce projet, des revêtements minces absorbeurs pour le solaire thermique concentré sont développés et caractérisés. Leur réponse optique spectrale et la stabilité en température et sous rayonnement solaire de celle-ci sont des caractéristiques essentielles pour ces revêtements et sont donc étudiées.
Niveau : Formation BAC+5 (Master ou Ingénieur)
Contexte : This internship is part of the SOLAIRE ANR project which includes 2 Ph.D. students. The SOLAIRE
project aims to improve the efficiency of converting concentrated solar energy into electricity using
artificial intelligence. The key component of these power plants is the solar receiver, which converts
concentrated solar energy into thermal energy and transfers it to a heat-carrying fluid, pressured air
in our case. The project focuses on maximizing thermal transfers between the gas and the wall of
the solar receiver, while minimizing pressure losses. This is done through optimization of thermal
transfers and the development of strategies for controlling near-wall turbulence in the solar receiver
using machine learning. To best assess different types of Thermal-Large Eddy Simulation (T-LES)
models in our study case, it is necessary to run simulations with different types of models on different
meshes to obtain the most accurate assessment of these models. This type of simulation offers a good
perspective as it’s comparatively much cheaper than Direct Numerical Simulation (DNS).