Il était une fois ... l'hydrogène naturel
 voir la vidéo

Facebook Twitter LinkedIn Imprimer

L’énergie éolienne représente une part croissante du mix énergétique grâce la construction de parcs permettant de réduire les coûts d’investissement et d’exploitation. Toutefois, au sein d’un parc, les éoliennes en aval subissent les sillages des rotors situés en amont, ce qui induit à la fois une réduction de leur production et une augmentation de leur sollicitation en fatigue. De plus, les éoliennes opèrent dans un environnement complexe, appelé couche limite atmosphérique (CLA), qui interagit avec ces sillages. Cette zone de l’atmosphère est soumise à des effets de grande échelle (gradients de pression, force de Coriolisa) mais également à des effets locaux, tels que les échanges thermiques avec le sol ou la topographie environnante.

Pour la simulation numérique (exemple de calcul à la Figure 1), il existe un véritable challenge lié au caractère multi-échelle du problème : cela nécessite en effet d’analyser et de modéliser l’impact de phénomènes kilométriques (turbulence atmosphérique) sur des sillages dont l’origine est d’échelle métrique (écoulement autour d’une pale).

Pour traiter cette problématique, un partenariat de recherche a été mis en place avec le CNRM (Centre National de Recherche en Météorologie) autour de l’outil de simulation Meso-NH). Le CNRM y a intégré une modélisation fine de la CLA, incluant les différents phénomènes d’importance pour l’éolien, tels que la turbulence, la stratification thermique, ou la topographie [1]. Pour sa part, IFPEN a implémenté dans cet outil des modèles représentatifs d’éoliennes, basés sur des approches de lignes ou de disques actuateurs [2] [3].
Ces évolutions ont permis d’étudier avec Meso-NH le comportement des sillages [4][5][6] et ont conduit au développement de modèles analytiques qui sont intégrés depuis dans FarmShadowTM, l’outil mis au point par IFPEN pour la conception de fermes éoliennes.
  

Figure 1 Coupe horizontale du champ de vent, simulé par waLBerla

   
L’amélioration induite par rapport aux outils de simulation existants est que FarmShadowTM permet, en quelques secondes de temps de calcul, d’estimer la production d’un champ éolien. Couplé à des méthodes d’optimisation, il permet également de maximiser la production globale d’un parc en jouant sur le placement des éoliennes. 

Par ailleurs, les nouveaux modèles analytiques de sillages instationnaires en interactions avec la CLA sont employés dans le code de calcul aero-hydro-servo-élastique DeepLines WindTM, utilisé pour dimensionner une éolienne au sein d’une ferme. 

Dans ce cas, un point de blocage restant à lever est celui des temps de calcul : réalisées par LESd, les simulations se limitent alors d’un point de vue pratique à quelques configurations incluant une à quelques turbines. Une approche alternative, basée sur les méthodes Lattice Boltzmann (LBM), pourrait permettre de lever ce verrou et est actuellement à l’étude (figure 2), en partenariat avec l’université d’Erlangen [7]. En exploitant les capacités des cartes graphiques des ordinateurs, des premiers résultats montrent une réduction des temps de calcul d’un facteur 400. Des travaux en cours visent à implémenter dans ce solveur les modèles physiques nécessaires à la simulation de la CLA.

Figure 2 - Simulation LBM d'une éolienne horizontale (IFPEN/FAU-Erlangen)
Figure 2 : Simulation LBM d'une éolienne horizontale
(IFPEN/FAU-Erlangen)



a- Force de Coriolis : force inertielle agissant perpendiculairement à la direction du mouvement d'un corps en déplacement dans un milieu lui-même en rotation uniforme
b- waLBerla : Widely applicable Lattice Boltzmann from Erlangen : framework massivement parallèle pour les applications multi-physiques
c- FAU-Erlangen : Friedrich-Alexander-Universität Erlangen-Nürnberg
d- Large Eddy Simulation : modèle mathématique de turbulence utilisé en dynamique des fluides numérique
   

Références :

  1. Lac, C., Chaboureau, J. P., Masson, V., Pinty, J. P., Tulet, P., Escobar, J., ... & Wautelet, P. (2018). Overview of the Meso-NH model version 5.4 and its applications. Geoscientific Model Development, 11(5), 1929-1969.
    >> DOI: 10.5194/gmd-11-1929-2018
       
  2. Joulin, P. A. (2019). Modélisation à fine échelle des interactions entre parcs éoliens et météorologie locale (Doctoral dissertation).
    >> https://www.theses.fr/2019INPT0135
      
  3. Joulin, P. A., Mayol, M. L., Masson, V., Blondel, F., Rodier, Q., Cathelain, M., & Lac, C. (2020). The actuator line method in the meteorological LES model meso-NH to analyze the horns rev 1 wind farm photo case. Frontiers in Earth Science, 7, 350.
    >> DOI: 10.3389/feart.2019.00350
      
  4.  Blondel, F., Cathelain, M., An alternative form of the super-Gaussian wind turbine wake model, Wind Energ. Sci., 2020 
    >> DOI: 10.5194/wes-5-1225-2020
       
  5. Blondel, F., Cathelain, M., Joulin, P.A., Bozonnet, P., An adaptation of the super-Gaussian wake model for yawed wind turbines, J. Phys.: Conf. Ser. 1618 062031, 2020
    >> DOI: 10.1088/1742-6596/1618/6/062031
       
  6.  Jézéquel, E., Blondel, F., and Masson, V.: Breakdown of the velocity and turbulence in the wake of a wind turbine – Part 2: Analytical modeling, Wind Energ. Sci. Discuss. [preprint], in review, 2022
    >> DOI: 10.5194/wes-2022-47
         
  7. Schottenhamml, H., Anciaux-Sedrakian A., Blondel F., Borras-Nadal, A., Joulin, P.A., Rüde, U., Evaluation of a lattice Boltzmann-based wind-turbine actuator line model against a Navier-Stokes approach, 2022
    >> DOI: 10.1088/1742-6596/2265/2/022027
       

Contacts scientifiques : pierre-antoine.joulin@ifpen.fr ; frederic.blondel@ifpen.fr

>> NUMÉRO 49 DE SCIENCE@IFPEN