Modélisation des effets de sillage d'une hydrolienne avec la méthode de Boltzmann sur réseau - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2018

Modelling of the wake effects of a tidal turbine with the lattice Boltzmann method

Modélisation des effets de sillage d'une hydrolienne avec la méthode de Boltzmann sur réseau

Résumé

In a global context where access to energy is a major problem, the exploitation of tidal currents with tidal turbines is of particular interest. Flows in areas with high energy potential suitable for the installation of tidal turbines are often highly turbulent. However, the ambient turbulence has a strong impact on the surrounding hydrodynamics and the turbine operation. A precise prediction of turbulence and wake is fundamental to the optimization of a tidal farm. A numerical model of the flow around the turbine must therefore be accurate and take into account the ambient turbulence. A tool based on the Lattice Boltzmann Method (LBM) is used for this purpose, in combination with a Large Eddy Simulation (LES) approach. The LBM is an unsteady method for modelling fluid flows. A synthetic turbulence method is implemented to take into account the ambient turbulence of tidal sites. Complex geometries, potentially in motion, are modelled using the Immersed Boundary Method (IBM). The implementation of a wall model is carried out in order to reduce the cost of the simulations. These tools are then used to model a turbine in a turbulent environment. The calculations, performed at two different turbulence rates, are compared with experimental and NS-LES results. The LBM-LES models are then used to analyze the wake of the turbine. In particular, it is observed that a low turbulence rate has a significant impact on the propagation of tip-vortices.
Dans un contexte mondial où l’accès à l’énergie est un problème de premier plan, l’exploitation des courants de marée avec des hydroliennes revête un intérêt certain. Les écoulements dans les zones à fort potentiel énergétique propices à l’installation d’hydroliennes sont souvent fortement turbulents. Or la turbulence ambiante impacte fortement l’hydrodynamique avoisinante et le fonctionnement de la turbine. Une prédiction fine de la turbulence et du sillage est fondamentale pour l'optimisation d'une ferme d'hydroliennes. Un modèle de simulation de l'écoulement autour de la turbine doit donc être précis et tenir compte de la turbulence ambiante. Un outil basé sur la méthode de Boltzmann sur réseau (LBM) est utilisé à ces fins, en association avec une approche de simulation des grandes échelles (LES). La LBM est une méthode instationnaire de modélisation d’écoulement fluide. Une méthode de génération de turbulence synthétique est implémentée afin de prendre en compte la turbulence ambiante des sites hydroliens. Les géométries complexes, potentiellement en mouvement, sont modélisées avec la méthode des frontières immergées (IBM). La mise en place d’un modèle de paroi est réalisée afin de réduire le cout en calcul du modèle. Ces outils sont ensuite utilisés pour modéliser en LBM-LES une hydrolienne dans un environnement turbulent. Les calculs, réalisés à deux taux de turbulence différents, sont comparés avec des résultats expérimentaux et des résultats NS-LES. Les modélisations LBM-LES sont ensuite utilisées pour analyser le sillage de l'hydrolienne. Il est notamment observé qu'un faible taux de turbulence impacte de manière significative la propagation des tourbillons de bout de pale.
Fichier principal
Vignette du fichier
sygal_fusion_28204-grondeau-mikael.pdf (13.44 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02141153 , version 1 (27-05-2019)

Identifiants

  • HAL Id : tel-02141153 , version 1

Citer

Mikaël Grondeau. Modélisation des effets de sillage d'une hydrolienne avec la méthode de Boltzmann sur réseau. Mécanique des fluides [physics.class-ph]. Normandie Université, 2018. Français. ⟨NNT : 2018NORMC257⟩. ⟨tel-02141153⟩
424 Consultations
335 Téléchargements

Partager

Gmail Facebook X LinkedIn More