Référence Projet :  ANR - Plan de Relande R&D

Date de la signature de la convention : octobre 2021

Financeurs : ANR & Siemens Gamesa

Porteur : INSA Rouen Normandie [Dossier : C. Gout (INSA) & P. Deglaire (SGRE)]

Responsables Scientifiques : P. BENARD (CORIA) et C. GOUT (LMI)

Budget du projet / Budget total : 897 900 € [dont 257 469€ pour le LMI]

Partenaires du projet : CORIA (INSA Rouen, CNRS, UniRouen), LMI (INSA Rouen), Siemens Gamesa Renewable Energy

Participants LMI : C. Gout, C. Le Guyader, N. Rouxelin, A. Tonnoir, H. Zidani.

Recrutements dans le cadre de ce projet : Thibault Ternon (LMI, 2 ans à partir de décembre 2021), S. Zouhri, J. Cortez et E. Muller pour le CORIA. (Offre LMI été 2021)

Résumé scientifique du projet : (Mots clés : Modélisation mathématique et simulation numérique pour l’énergie éolienne. étude des charges aéro-élastique via des couplages forts, mécanique des fluides, étude des écoulements turbulents, étude des sillages, approximation des champs de vent et de l’environnement offshore, intelligence artificielle).

LMI : Afin de développer les outils avancés, il est nécessaire de connaitre la ressource amont c’est à dire les champs de vents incidents, ce qui ne peut être appréhendé avec suffisamment de précisions par les méthodes disponibles aujourd’hui. Le LMI se focalisera donc pour développer les méthodologies les plus précises pour les approximations de champs de vent à partir de données partielles de types variés (LIDARs, SCADA, Mesoscale data etc). Ceci permet de mieux connaitre les conditions rencontrées sur les sites et mettre au point une méthodologie de design adaptée à un milieu toujours mal connu et peu mesuré (l’offshore)
Ce projet fait suite à des collaborations récentes ces dernières années entre SGRE , le CORIA et le LMI : on peut citer le projet de la Région Normandie INWIT (2015-1018), le projet Région Normandie et fond FEDER (Europe) WAKE OP (projet du 1er juillet 2019 à fin 2022,) ou encore un contrat de recherche partenariale SGRE-CORIA en 2020 (VIVAL), un contrat de recherche partenariale SGRE-LMI en 2019, et de très nombreux stagiaires co-encadrés dont une grande partie (plus de 3 ont été ensuite recrutés par SGRE).

 

Thibault Ternon (LMI)  travaillera sur la modélisation et la simulation des champs de vent. L'un des principaux défis de la conception d'éoliennes réside dans la modélisation fine du champ de vitesses du vent et dans l'utilisation de ces modèles pour simuler la réponse mécanique d'une éolienne face à diverses conditions atmosphériques (turbulence, rafales). L'ajustement des paramètres de la turbine en fonction de ces conditions (pas de pale, vitesse de rotation, ajouts actifs) réduit les charges mécaniques, ce qui augmente la production d'électricité et permet des conceptions de turbines plus grandes à coûts réduits par MWh produit. Les approches existantes de ce problème sont fondées sur des méthodes d'interpolation (Simple Krigeage). Ces méthodes sont conçues à partir d'hypothèses (mesures ponctuelles, cohérence spatiale connue) qui ne sont pas satisfaites sur le terrain et introduisent donc des biais/erreurs limitant la qualité de la reconstruction. L'objectif de ce projet est d'utiliser des méthodes d'optimisation convexe (éventuellement non lisse) pour la reconstruction du champ de vitesses du vent au lieu de l'interpolation en minimisant une fonction coût (une fonction d'erreur) sur une partie du domaine où le champ de vent est reconstruit. Les données d'entrée de la fonction coût sont des données de mesure, une représentation du champ de vitesse (par exemple, spectralement ou dans une base éléments finis) avec des coefficients/paramètres inconnus, et potentiellement des mesures et des vitesses reconstruites à partir de pas de temps précédents (fondées sur un modèle de transport). Si elles sont construites correctement, les fonctions coût sont convexes et peuvent donc être traitées numériquement de manière efficace en utilisant des méthodes d'optimisation convexe (techniques de splitting). De plus, ces fonctions coût peuvent être adaptées pour contenir des contraintes supplémentaires (incompressibilité du champ d'écoulement, mesures volumétriques avec fonctions de pondération spatiale) nécessaires pour mieux approximer le champ d'écoulement et le processus de mesure. De plus, une optimisation numérique approfondie de cette méthode est requise, en utilisant autant que possible des expressions sous forme fermée et en utilisant des librairies de calcul optimisées.