Au sein de IRDL, Haroon Rashid a développé des solutions avancées pour la détection du biofouling sur les hydroliennes.
L'Essentiel : Au sein de IRDL, Haroon Rashid a développé des solutions avancées pour la détection du biofouling sur les hydroliennes.
Haroon Rashid, chercheur·e au sein de IRDL (Institut National Polytechnique de Bretagne).
Thèse soutenue en 2025 à l'école doctorale École doctorale Sciences Pour l'Ingénieur (Lorient ; 2022-....).
Référencée dans le réseau ABES/STAR, cette thèse répond aux critères de rigueur de l'enseignement supérieur français.
L'énergie marémotrice représente une avenue prometteuse pour répondre aux besoins croissants en énergie renouvelable, notamment dans un contexte où les préoccupations environnementales et les enjeux climatiques deviennent de plus en plus pressants. Cette forme d'énergie, qui exploite les mouvements des marées pour produire de l'électricité, pourrait jouer un rôle clé dans la transition énergétique, en particulier pour les pays côtiers comme le Bénin, qui disposent d'un potentiel inexploité dans ce domaine. Cependant, un obstacle majeur se dresse sur son chemin : le biofouling.
Ce phénomène, qui consiste en l'accumulation d'organismes marins tels que les algues, les moules et d'autres espèces sur les turbines, compromet non seulement l'efficacité des hydroliennes, mais engendre également des coûts de maintenance élevés et des interruptions fréquentes de service. Par exemple, des études montrent que le biofouling peut réduire l'efficacité de conversion d'énergie des turbines jusqu'à 30 %, ce qui a un impact direct sur la production d'électricité et, par conséquent, sur la rentabilité des projets d'énergie marémotrice. Face à cette problématique, la recherche menée par Haroon Rashid à l'Institut National Polytechnique de Bretagne propose des solutions basées sur l'apprentissage automatique pour détecter et gérer le biofouling de manière proactive.
Les résultats de cette thèse sont significatifs et ouvrent de nouvelles perspectives. L'utilisation de modèles pré-entraînés tels que VGG et ResNet a permis d'améliorer considérablement la précision de la détection du biofouling. Ces modèles, qui ont fait leurs preuves dans d'autres domaines comme la reconnaissance d'images, sont adaptés à l'analyse des images sous-marines pour identifier les zones touchées par le biofouling. De plus, l'introduction d'un modèle Fast R-CNN pour la détection en temps réel offre une réponse rapide aux problèmes de biofouling, ce qui est crucial pour maintenir la performance des turbines. En effet, la capacité à détecter rapidement l'accumulation d'organismes permet d'intervenir avant que les dommages ne deviennent trop importants, réduisant ainsi les coûts de réparation et de maintenance.
L'algorithme RegStack, quant à lui, permet de prédire l'impact du biofouling sur les performances des turbines, facilitant ainsi la mise en place de stratégies de maintenance préventive. En intégrant des données historiques et en temps réel, cet algorithme peut anticiper les périodes de forte accumulation d'organismes, permettant aux exploitants de planifier des interventions ciblées. Ces avancées technologiques ne se limitent pas à des améliorations théoriques. Elles ont été validées sur des plateformes réelles, démontrant leur robustesse et leur applicabilité dans le secteur de l'énergie marémotrice.
En réduisant les temps d'arrêt et en optimisant les coûts opérationnels, ces solutions pourraient transformer la gestion du biofouling, offrant ainsi une meilleure rentabilité aux exploitants d'hydroliennes. Par exemple, des projets pilotes en Europe ont déjà montré que l'application de ces technologies pouvait réduire les coûts de maintenance de 20 à 40 %, ce qui représente une économie substantielle pour les entreprises du secteur.
Il est impératif que les acteurs du secteur prennent conscience de ces innovations. La transition vers une énergie marémotrice plus efficace et durable dépendra de l'adoption de ces technologies avancées. Les décideurs doivent également s'interroger sur les politiques à mettre en place pour encourager l'intégration de ces solutions dans les projets d'énergie renouvelable. Comment garantir que les investissements dans ces technologies soient soutenus par des réglementations favorables ? Quelles collaborations peuvent être établies entre les institutions académiques et les entreprises pour maximiser l'impact de ces recherches ?
Des initiatives de partenariat entre universités et entreprises pourraient favoriser l'innovation et le transfert de technologie, en s'assurant que les résultats de la recherche soient rapidement mis en œuvre sur le terrain. En outre, des subventions gouvernementales pourraient être envisagées pour soutenir les projets d'énergie marémotrice qui intègrent ces nouvelles technologies de détection et de gestion du biofouling.
En somme, la thèse de Haroon Rashid ouvre la voie à une gestion plus efficace du biofouling, un enjeu crucial pour l'avenir de l'énergie marémotrice. Les solutions proposées pourraient non seulement améliorer la performance des hydroliennes, mais également contribuer à une transition énergétique plus durable. En intégrant ces innovations, le Bénin et d'autres pays d'Afrique de l'Ouest pourraient non seulement réduire leur dépendance aux énergies fossiles, mais également se positionner comme des leaders dans le domaine des énergies renouvelables, tout en préservant leur environnement marin.
Accéder à l'étude complète
Sources et accès
Haroon Rashid. Tidal stream turbine biofouling detection, extent estimation, and performance prognosis : a machine learning approach. Electric power. Université de Bretagne occidentale - Brest, 2025. English. ⟨NNT : 2025BRES0012⟩. ⟨tel-05499160⟩