Modélisation multi-échelle et multi-fidélité pour des extracteurs d'énergie marine

Multi-fidelity multi-scale numerical modelling of wave energy converter farms

• Auteur / Autrice : Beatrice Battisti
• Direction : Michel Bergmann, Giovanni Bracco
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques appliquées et calcul scientifique
• Date : Soutenance le 22/04/2024
• Etablissement(s) : Bordeaux en cotutelle avec Politecnico di Torino
• Ecole(s) doctorale(s) : École doctorale Mathématiques et informatique (Talence, Gironde ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Institut de mathématiques de Bordeaux
• Jury : Président / Présidente : Angelo Iollo
• Jury : Examinateurs / Examinatrices : Stefano Mauro, Angela Scardigli
• Jury : Rapporteurs / Rapporteuses : Simone Camarri, Vincenzo Nava
• DOI : 10.70675/3963c942z0c8az484czb7d1zc3a9feb8b792

Mots clés

Mots clés contrôlés

Énergie des vagues

Modèles mathématiques

Décomposition orthogonale aux valeurs propres

Modèles réduits

Mots clés libres

Décomposition Orthogonale aux valeurs Propres

Energie marine

Modélisation mathématique

Modèles réduits

Simulations numériques

Modèles multifidelité

Proper Ortogonal Decomposition

Wave energy

Mathematical Modeling

Reduced Order Models

Numerical simulations

Multifidelity models

Résumé

Le secteur maritime s’oriente de plus en plus vers les convertisseurs d’énergie des vagues (WECs), en particulier vers des fermes de WECs. Cependant, les simulations numériques sont complexes, et bien que les modèles haute fidélité assurent la précision, leurs exigences computationnelles ont stimulé l’intérêt pour les techniques de réduction de modèles. Les modèles à ordre réduit basés sur la Décomposition Orthogonale aux valeurs Propres (POD) sont efficaces dans les écoulements monophasiques, mais rencontrent des problèmes de stabilité avec les écoulements multiphasiques. Un modèle multifidélité intègre la CFD (Computational Fluid Dynamics) pour le champ proche des WECs et la POD pour la propagation des vagues en champ lointain. L’échange d’informations assure une description précise de l’écoulement et de la dynamique des flotteurs. Les tests confirment son efficacité, réduisant significativement la charge computationnelle, cruciale pour aborder l’optimisation des fermes de WECs.

The marine sector is increasingly turning to wave energy converters (WECs) for clean energy generation. For commercial-scale production, WEC farm deployment is essential, but requires complex numerical simulations. While high-fidelity models like Computational Fluid Dynamics (CFD) ensure accuracy, their substantial computational demands have prompt interest in model order reduction techniques. Proper Orthogonal Decomposition (POD) projection-based reduced order models have proven effective in monophase flows, yet face stability issues with multiphase flows. A proposed multi-fidelity model integrates CFD for WEC near-field description, and POD for far-field wave propagation. Bidirectional information exchange ensures precise flow reconstruction and floater dynamics description. Testing confirms its efficacy in various scenarios, significantly reducing the computational burden, decisive for tackling WEC farm design and optimization.

Il settore marittimo è sempre più orientato verso i convertitori di energia delle onde (WECs), in particolare verso i parchi di WECs. Tuttavia, le simulazioni numeriche sono complesse e, sebbene i modelli ad alta fedeltà assicurino precisione, i loro requisiti computazionali hanno stimolato l’interesse per le tecniche di riduzione di modello. I modelli a ordine ridotto basati sulla Decomposizione Ortogonale ai valori Propri (POD) sono efficaci per flussi monofase, ma incontrano problemi di stabilità con i flussi multifase. Un modello multifideltà è proposto, che integra la CFD (Computational Fluid Dynamics) per il campo vicino ai WECs e la POD per la propagazione delle onde nel campo lontano. Lo scambio di informazioni assicura una descrizione precisa del flusso e della dinamica dei WECs. I test ne confermano l’efficacia, riducendo significativamente il carico computazionale, cruciale per affrontare l’ottimizzazione dei parchi di WECs.