http://dspace.univ-djelfa.dz:8080/xmlui/handle/123456789/119 2026-04-23T09:22:28Z http://dspace.univ-djelfa.dz:8080/xmlui/handle/112/8191 Improvement of wind turbines availability based on the optimization of their performances طيباوي, احمد Ahmed Taibaoui أدى الاعتماد المتزايد على طاقة الرياح كمصدر مستدام للطاقة إلى زيادة الحاجة إلى تحسين الأداء الديناميكي الهوائي والسلامة الهيكلية والتوافر التشغيلي لتوربينات الرياح. تعمل هذه الأنظمة في ظل ظروف معقدة ومتغيرة، حيث تلعب الكفاءة الديناميكية الهوائية وسلوك المواد واستراتيجيات الصيانة دورًا حاسمًا في الأداء العام والفعالية من حيث التكلفة. تساهم هذه الأطروحة في هذا السياق من خلال نهج رقمي تحسيني متكامل ، ومنظم في أربعة أجزاء رئيسية. أولاً، يتم دراسة السلوك الديناميكي الهوائي والهيكلي لشفرات توربينات الرياح ذات المحور الأفقيعبر نسب سرعة طرفية مختلفة، مع إيلاء اهتمام خاص لتأثير معامل يونغ. ثانيًا، يتم تحليل الأداء الديناميكي الهوائي غير المستقر لثلاثة أجنحة هوائية — NACA 4412 و NACA 23012 و . NACA 63415ثالثًا، تمت دراسة التحسين الديناميكي الهوائي لتوربينات الرياحSavoniusمن خلال تقييم عدة تكوينات للموجه. أخيرًا، تم اقتراح إطار عمل متعدد الأهداف لتحسين الصيانة. تشير النتائج إلى أن نسبة سرعة الطرف المنخفضة تؤدي إلى انفصال التدفق بالقرب من الحافة للشفرة، بينما تحافظ نسبة سرعة الطرف المثلى على التدفق الملتصق على طول امتداد الشفرة. يوضح التحليل الهيكلي أن تشوه الشفرة يزداد من المحور إلى الطرف وينخفض مع ارتفاع معامل يونغ، مع تركيز الضغوط القصوى عند تقاطع الشفرة والمحور. تظهر المقارنة بين نهجي التفاعل أحادي الاتجاه وثنائي الاتجاه بين الموائع والهياكلأن الفرق يعتمد بشكل كبير على صلابة الشفرة. يحدث أكبر تباين، الذي يصل إلى 8.21 بالمئة، عند معامل يونغ المنخفض (5×10⁸ Pa)، بينما يتناقص الفرق تدريجياً مع زيادة الصلابة ويصبح ضئيلًا تقريبًا عند قيم معامل يونغ العالية. من بين الأجنحة الهوائية التي تمت دراستها، يوفر NACA 4412 أفضل أداء ديناميكي هوائي، بينما يظهر NACA 63415 مناطق فصل أكبر ومقاومة أعلى. يحقق تكوين الموجه المُحسّن لتوربينSavoniusمعامل طاقة أقصى يبلغ 0.433. بالإضافة إلى ذلك، تقلل استراتيجية الصيانة المقترحة تكاليف الإنتاج المفقودة بأكثر من 64٪ وتزيد من توفر التوربين إلى 98٪. The increasing reliance on wind energy as a sustainable power source has intensified the need to improve the aerodynamic performance, structural integrity, and operational availability of wind turbines. These systems operate under complex and variable loading conditions, where aerodynamic efficiency, material behavior, and maintenance strategies play a critical role in overall performance and cost-effectiveness. This thesis contributes to this context through an integrated numerical and optimization-based approach organized into four main parts. First, the aerodynamic and structural behavior of Horizontal Axis Wind Turbine (HAWT) blades is investigated across different tip-speed ratios, with particular attention to the effect of Young’s modulus. Second, the unsteady aerodynamic performance of three airfoils—NACA 4412, NACA 23012, and NACA 63415—is analyzed. Third, the aerodynamic optimization of Savonius wind turbines is studied by evaluating several diffuser configurations. Finally, a multi-objective maintenance optimization framework is proposed. The results indicate that low tip-speed ratio lead to flow separation near the blade trailing edge, while optimal tip-speed ratio maintain attached flow along the blade span. Structural analysis shows that blade deformation increases from hub to tip and decreases with higher Young’s modulus, with maximum stresses concentrated at the blade–hub junction. A comparison between one-way and two-way fluid–structure interaction (FSI) approaches shows that the difference depends strongly on blade stiffness. The largest discrepancy, reaching 8.21%, occurs at a low Young’s modulus (5×10⁸ Pa), while the difference progressively decreases as stiffness increases and becomes nearly negligible for high Young’s modulus values. Among the airfoils studied, NACA 4412 provides the best aerodynamic performance, while NACA 63415 exhibits larger separation regions and higher drag. The optimized diffuser configuration for the Savonius turbine achieves a maximum power coefficient of 0.433. Additionally, the proposed maintenance strategy reduces lost production costs by more than 64% and increases turbine availability to 98%. Le recours croissant à l'énergie éolienne comme source d'énergie durable a intensifié la nécessité d'améliorer les performances aérodynamiques, l'intégrité structurelle et la disponibilité opérationnelle des éoliennes. Ces systèmes fonctionnent dans des conditions de charge complexes et variables, où l'efficacité aérodynamique, le comportement des matériaux et les stratégies de maintenance jouent un rôle essentiel dans les performances globales et la rentabilité. Cette thèse contribue à ce contexte grâce à une approche intégrée, numérique et basée sur l'optimisation, organisée en quatre parties principales. Tout d'abord, le comportement aérodynamique et structurel des pales des éoliennes à axe horizontal (HAWT) est étudié pour différents rapports de vitesse de pointe, avec une attention particulière portée à l'effet du module d'Young. Ensuite, les performances aérodynamiques instables de trois profils aérodynamiques (NACA 4412, NACA 23012 et NACA 63415) sont analysées. Troisièmement, l'optimisation aérodynamique des éoliennes Savonius est étudiée en évaluant plusieurs configurations de diffuseurs. Enfin, un cadre d'optimisation de la maintenance à objectifs multiples est proposé. Les résultats indiquent qu'un faible rapport de vitesse périphérique entraîne une séparation du flux près du bord de fuite de la pale, tandis qu'un rapport de vitesse périphérique optimal maintient un flux attaché sur toute la longueur de la pale. L'analyse structurelle montre que la déformation de la pale augmente du moyeu vers l'extrémité et diminue avec un module d'Young plus élevé, les contraintes maximales étant concentrées à la jonction entre la pale et le moyeu. Une comparaison entre les approches d'interaction fluide-structure (FSI) unidirectionnelle et bidirectionnelle montre que la différence dépend fortement de la rigidité des pales. L'écart le plus important, atteignant 8,21 %, se produit à un faible module d'Young (5×10⁸ Pa), tandis que la différence diminue progressivement à mesure que la rigidité augmente et devient presque négligeable pour des valeurs élevées du module d'Young. Parmi les profils aérodynamiques étudiés, le NACA 4412 offre les meilleures performances aérodynamiques, tandis que le NACA 63415 présente des zones de séparation plus importantes et une traînée plus élevée. La configuration optimisée du diffuseur pour la turbine Savonius atteint un coefficient de puissance maximal de 0,433. De plus, la stratégie de maintenance proposée réduit les coûts de perte de production de plus de 64 % et augmente la disponibilité de la turbine à 98 %. 2026-02-14T00:00:00Z http://dspace.univ-djelfa.dz:8080/xmlui/handle/112/8187 TARGETED SYNTHESIS OF ASYMMETRIC ALKYLATED COUMARIN DERIVATIVES AS POTENTIAL SARS-CoV-2 MAIN PROTEASE INHIBITORS: CASCADE ADDITION, ALKYLATION, MOLECULAR DOCKING, AND ADME EVALUATION // SYNTHÈSE CIBLÉE DE DÉRIVÉS DE COUMARINE ALKYLÉS ASYMÉTRIQUES COMME INHIBITEURS POTENTIELS DE LA PROTÉASE PRINCIPALE DU SARS-COV-2 : ADDITION EN CASCADE, ALKYLATION, DOCKING MOLÉCULAIRE ET ÉVALUATION ADME جعفر, لخضر Jaafar Lakhder تركز هذه الدراسة على تخليق مشتقات الكومارين المُلكلة كمثبطات للإنزيم البروتيني الرئيسي لفيروس SARS-CoV-2، باستخدام تفاعل متسلسل في وعاء واحد يتبعه تفاعل ألكلة. استُخدمت ثلاثة أنواع مختلفة من الكومارين كنقطة انطلاق، وأُنتجت اثنا عشر مشتقًا جديدًا بكفاءة عالية، وتم تأكيد تراكيبها باستخدام تقنيات ¹H NMR، ¹³C NMR، HRMS، والتحليل البلوري بالأشعة السينية. أظهرت دراسات الإرساء الجزيئي باستخدام برنامج AutoDock Vina أن بعض المشتقات، خصوصًا 4c و4d و6c، تمتلك طاقة ارتباط قوية مع الإنزيم، متفوقة على الدواء المرجعي هيدروكسي كلوروكوين، مع تفاعلات رئيسية مع المخلفات النشطة مثل His41 وMet49 وGly143 وCys145 وMet165. كما أظهرت التحاليل الدوائية والفيزيائية-الكيميائية أن جميع المشتقات تحقق المعايير الأساسية للتشابه الدوائي، مما يشير إلى إمكانية استخدامها كمثبطات واعدة للإنزيم البروتيني الرئيسي لفيروس .SARS-CoV-2 This study reports the synthesis of alkylated coumarin derivatives as potential SARS-CoV-2 main protease inhibitors using a one-pot cascade addition followed by alkylation. Three different coumarins were used as starting materials, yielding twelve novel derivatives with high efficiency. Their structures were confirmed through ¹H NMR, ¹³C NMR, HRMS, and single-crystal X-ray diffraction. Molecular docking using AutoDock Vina revealed that compounds 4c, 4d, and 6c showed the strongest binding affinities, outperforming the reference drug hydroxychloroquine, and interacting with key active site residues such as His41, Met49, Gly143, Cys145, and Met165. Physicochemical and ADME analyses confirmed that all derivatives met key drug-likeness criteria, indicating their potential as promising SARS-CoV-2 main protease inhibitors. Cette étude porte sur la synthèse de dérivés de coumarine alkylés comme inhibiteurs potentiels de la protéase principale du SARS-CoV-2, en utilisant une réaction en cascade en une seule étape suivie d’une alkylation. Trois types de coumarines ont été utilisés comme matières de départ, permettant l’obtention de douze nouveaux dérivés avec un rendement élevé. Leurs structures ont été confirmées par ¹H NMR, ¹³C NMR, HRMS et diffraction des rayons X sur monocristal. L’étude de docking moléculaire avec AutoDock Vina a montré que les composés 4c, 4d et 6c présentent les meilleures affinités de liaison, surpassant le médicament de référence hydroxychloroquine, avec des interactions clés avec les résidus actifs His41, Met49, Gly143, Cys145 et Met165. Les analyses physico-chimiques et ADME ont confirmé que tous les dérivés respectent les principaux critères de similarité médicamenteuse, suggérant leur potentiel en tant qu’inhibiteurs prometteurs de la protéase principale du SARS-CoV-2. 2026-02-05T00:00:00Z http://dspace.univ-djelfa.dz:8080/xmlui/handle/112/8186 Energy Management and Monitoring in an Electric Vehicle using IoT Technology Based on Artificial intelligence واضح, عبد الفتاح Abdelfetah Ouadah تُعدّ المركبات الكهربائية (EV) من أهم الحلول لتحقيق النقل المستدام، ومع ذلك، تواجه هذه المركبات تحديات كبيرة تتعلق بإدارة الطاقة والمراقبة الذكية لأنظمة البطاريات. يهدف هذا العمل إلى تطوير استراتيجيات فعالة لتسيير الطاقة وأنظمة مراقبة متقدمة في المركبات الكهربائية الهجينة وتلك التي تعتمد على خلايا الوقود. يعتمد النهج المقترح على استخدام تقنيات الذكاء الاصطناعي (AI) وإنترنت الأشياء (IoT) لتحسين الكفاءة الطاقوية وضمان الموثوقية والأمان أثناء التشغيل. تم تصميم واختبار عدة استراتيجيات تحكم، مثل التحكم بالمنطق الضبابي وخوارزميات التحسين الجيني، بالإضافة إلى أساليب مراقبة تعتمد على التعلم الآلي، كما استخدمت خوارزميات مثل K-means و Random Forest لتقدير حالة شحن البطارية (SOC) وحالتها الصحية (SOH) بدقة عالية. تم تنفيذ المحاكاة باستخدام برنامج MATLAB/Simulink لتقييم الأداء من حيث كفاءة استهلاك الطاقة واستقرار النظام والكشف المبكر عن الأعطال. أظهرت النتائج أن دمج الذكاء الاصطناعي مع إنترنت الأشياء يساهم في تحسين الكفاءة، وإطالة عمر البطارية، وتعزز الاستدامة في المركبات الكهربائية Electric Vehicles have become a key solution for sustainablemobility, yet challenges persist in energyoptimization and real-time monitoring. This thesis focuses on developingadvancedenergy management and intelligent monitoring strategies for hybrid and fuel cellelectricvehicles. The proposedframework combines Artificial Intelligence and Internet of Things technologies to enhanceenergyefficiency, reliability, and safety. Several control strategies are designed and evaluated, includingfuzzylogic-based management, GeneticAlgorithmoptimization, and machine learning-based monitoring. The integration of K-means clustering and Random Forest classification enables accurateprediction of battery State of Charge and State of Health, whileensuring stable operationunderdynamicdriving conditions. The developedmodels are simulated using MATLAB/Simulink to validate performance in terms of energyefficiency, battery stability, and faultprediction. The resultsdemonstratethatcombining AI-driven control and IoT-based monitoring significantlyimproves system adaptability and sustainability Les véhicules électriques constituent aujourd’hui une solution essentielle pour une mobilité durable. Toutefois, des défis majeurs subsistent en matière d’optimisation énergétique et de surveillance en temps réel. Cette thèse propose le développement de stratégies avancées de gestion d’énergie et de surveillance intelligente pour les véhicules hybrides et à pile à combustible. Le cadre méthodologique repose sur l’intégration de l’intelligence artificielle et de l’Internet des objets afin d’améliorer l’efficacité énergétique, la fiabilité et la sécurité des systèmes embarqués. Plusieurs stratégies de contrôle ont été conçues et évaluées, notamment la gestion basée sur la logique floue, l’optimisation par algorithmes génétiques, ainsi que des approches de surveillance fondées sur l’apprentissage automatique. L’intégration des méthodes de regroupement K-means et de classification par forêts aléatoires permet d’estimer avec précision l’état de charge et l’état de santé de la batterie, tout en assurant la stabilité du système dans des conditions de conduite variables. Les modèles développés ont été simulés sous MATLAB/Simulink afin de valider les performances en termes d’efficacité énergétique, de stabilité de la batterie et de détection préventive des défauts. Les résultats montrent que la combinaison du contrôle intelligent basé sur l’intelligence artificielle et de la surveillance connectée via l’Internet des objets améliore significativement l’adaptabilité, la durabilité et la performance globale des véhicules électriques. 2026-03-12T00:00:00Z http://dspace.univ-djelfa.dz:8080/xmlui/handle/112/8185 Modélisation des systèmes d'énergie photovoltaïque // Modeling of photovoltaic energy systems مختار, علي Ali Mokhtar تعالج هذه الأطروحة تحدي التنبؤ الدقيق بالطاقة الكهروضوئية (PV)، وهو عنصر حاسم في دمج الطاقة المتجددة ضمن شبكات الكهرباء الحديثة. ومع تزايد أهمية الطاقة الشمسية في التحول الطاقوي العالمي، تفرض طبيعتها المتقطعة والمعتمدة على الطقس ضرورة اعتماد نماذج تنبؤية فعّالة. يركز هذا العمل على استغلال تقنيات الذكاء الاصطناعي خاصة الشبكات العصبية العميقة مثل الشبكات الالتفافية (CNN) وشبكات الذاكرة طويلة المدى (LSTM)لتحسين دقة التنبؤ. كما يشمل تقنيات متقدمة لاختيار الخصائص مثل ReliefF ، mRMR وCFS بالإضافة الى تحليل الإشارة باستخدام VDM. تتكون الدراسة من ثلاثة أجزاء رئيسية: عرض لتقنيات الطاقة الشمسية وسياقها الطاقوي استعراض لمقاربات التنبؤ باستخدام الذكاء الاصطناعي وتقييم تجريبي لأداء النماذج. يهدف هذا البحث إلى تطوير نموذج ذكي يُمكِّن من التنبؤ الدقيق بإنتاج الطاقة الكهروضوئية، عبر دمج تقنيات اختيار الميزات، تحليل الإشارة، والتعلم العميق، مع تطبيقه على المناخ الصحراوي الجزائري لتحسين أداء وإدارة أنظمة الطاقة الشمسية. أظهرت النتائج فعالية الأساليب الهجينة في تحسين الدّقة ودعم إدارة الطاقة خاصة في المناطق الغنية بالإشعاع الشمسي مثل الجزائر. This thesis addresses the challenge of accurate photovoltaic (PV) power forecasting, a critical component in the integration of renewable energy into modern power grids. As solar energy becomes a key player in the global energy transition, the intermittent and weather-dependent nature of PV production necessitates reliable predictive models. This work explores the use of artificial intelligence (AI), specifically deep learning methods such as Convolutional Neural Networks (CNN) and Long Short-Term Memory networks (LSTM), to improve the forecasting of solar power. It also incorporates advanced feature selection techniques like ReliefF, MRMR and CFS, as well as signal decomposition using VMD, to enhance model performance. The study is structured in three main parts: an overview of PV technology context, an exploration of AI-based forecasting approaches, and a comparative evaluation of predictive model performance. The aim of this thesis is to develop an intelligent model for accurate prediction of photovoltaic power output by integrating feature selection, signal analysis, and deep learning techniques, applied to the Algerian desert climate to enhance the performance and management of solar energy systems. Experimental results highlight the relevance of hybrid methods for better accuracy and energy management,particulary in solar-rich regions like Algeria. Cette thèse traite le défi de la prévision précise de la puissance photovoltaïque (PV),un enjeu essentiel pour l'intégration des énergies renouvelables dans les réseaux électriques modernes. Alors que l'énergie solaire occupe une place centrale dans la transition énergétique mondiale, la variabilité liée aux conditions météorologiques impose le recours à des modèles prédictifs fiables. Ce travail explore l'utilisation de l'intelligence artificielle (AI), notamment les réseaux de neurones profonds tels que CNN et LSTM, pour améliorer la prévision de l'énergie solaire. Il intègre également des techniques avancées de sélection de caractéristiques comme ReliefF, mRMR et CFS, ainsi que la décomposition du signal par VMD. L'étude des approches de prévision basées sur AI, et une évaluation comparative des performances des modèles. L’objectif de cette thèse est de développer un modèle intelligent capable de prédire avec précision la production d’énergie photovoltaïque, en combinant des techniques de sélection de caractéristiques, d’analyse de signal et d’apprentissage profond, appliqué au climat désertique algérien afin d’améliorer la performance et la gestion des systèmes solaires. Les résultats expérimentaux montrent la pertinence des approches hybrides pour une prévision plus précise et une gestion énergétique optimisée, notamment dans des régions fortement ensoleillées comme l'Algérie. 2025-11-26T00:00:00Z