Développement d'une méthode d'assimilation de données pour la calibration et la mise à jour en continu de modèles fidèles d'éoliennes.

par Adrien Hirvoas

Projet de thèse en Mathématiques Appliquées

Sous la direction de Clémentine Prieur et de Elise Arnaud.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble) , en partenariat avec Laboratoire Jean Kuntzmann (Grenoble) (laboratoire) depuis le 15-05-2018 .


  • Résumé

    Le développement de la production d'électricité d'origine éolienne est en forte croissance en France et dans le monde. IFP Energies nouvelles se positionne dans cette dynamique en tant qu'EPIC acteur de la transition énergétique, en investissant dans la recherche et l'innovation sur la caractérisation de la ressource en vent, le contrôle commande des turbines, la modélisation mécanique couplée des systèmes éoliens et sur le développement technologique de flotteurs pour éoliennes. Associées à la croissance de la puissance installée, la surveillance et la maintenance des éoliennes au sein des parcs deviennent un enjeu majeur. Les solutions actuelles ne tirent pas pleinement profit des quantités importantes de données fournies par les capteurs placés sur les éoliennes modernes en production. Dans un contexte de digitalisation de l'industrie, l'exploitation et la valorisation de ces données peuvent en effet être repensées et optimisées afin d'affiner les prédictions de production, de durée de vie, les stratégies de contrôle et la planification des actions de maintenance. Pour cela, il serait intéressant de combiner de manière optimale les données de production et les modèles numériques afin d'obtenir des modèles hautement fidèles des éoliennes. La thèse proposée vise à traiter les verrous scientifiques liés au développement d'un « jumeau numérique » d'une éolienne terrestre. Le « jumeau numérique » est un modèle numérique de haute-fidélité, miroir de la structure réelle alimenté en continu par les mesures effectuées en production (puissance électrique produite, couple électrique, accélérations, inclinaisons, jauges de déformation, …).

  • Titre traduit

    Development of a data assimilation method for the calibration and continuous update of wind turbines digital twins.


  • Résumé

    In the context of the energy transition, wind power generation is developing rapidly in France and worldwide. IFP Energies nouvelles is positioning itself as an energy transition player by investing in research and innovation on wind resource characterization, turbine control, coupled mechanical modeling of wind systems and technological development of offshore wind turbines floaters. Together with this development, the monitoring and the maintenance of wind turbines is becoming a major issue. Current solutions do not take full advantage of the large amounts of data provided by sensors placed on modern wind turbines in production. In a context of digitization of the industry, the exploitation of this data can be optimized in order to refine the predictions of production, the lifetime of the structure, the control strategies and the planning of maintenance. In this context, it would be interesting to combine production data and numerical models optimally in order to obtain highly reliable models of wind turbines. This process is of interest to many industrial and academic groups and is known in many fields of the industry, including the wind industry, as “digital twin”. The objective of the PhD work is to develop of data assimilation methodology to build the “digital twin” of an onshore wind turbine. Based on measurements, the data assimilation should allow the reducing of the uncertainties of the physical parameters of the numerical model developed during the design phase to obtain a highly reliable model. This model will be then continuously or periodically updated to take into account the possible changes in the properties of the wind turbine during its lifetime.