Thèse soutenue

Stratégies de contrôle individuel de pâles d'éoliennes basées sur les données pour la réduction de fatigue
FR  |  
EN
Accès à la thèse
Auteur / Autrice : David Collet
Direction : Mazen Alamir
Type : Thèse de doctorat
Discipline(s) : Automatique et productique
Date : Soutenance le 04/12/2020
Etablissement(s) : Université Grenoble Alpes
Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
Partenaire(s) de recherche : Laboratoire : Grenoble Images parole signal automatique
Jury : Président / Présidente : Gildas Besançon
Examinateurs / Examinatrices : Nicolas Petit
Rapporteurs / Rapporteuses : Jan-Willem Van Wingerden, Hervé Guéguen

Résumé

FR  |  
EN

Les éoliennes à axe horizontal, qui sont la figure de proue de l'énergie éolienne sont devenues une technologie mature. Bien que l'éolien est une tendance mondiale à la hausse, l'accroissement de la capacité installée faiblit dans certains pays, à cause des réductions des subventions. Dans un contexte de réchauffement climatique et de transition énergétique, il est de première importance d'optimiser le coût de l'éolien, de manière à rendre cette énergie compétitive face aux énergies fossiles, et ainsi permettre un développement de l'éolienne moins dépendant des subventions économiques. Le contrôle des éoliennes peut fortement contribuer à la réponse à cette problématique.Le contrôle individuel des pâles (IPC) d'éoliennes peut permettre de modifier les propriétés aérodynamiques du rotor, et ainsi réguler les charges déséquilibrées induites par des vents asymétriques. Réguler ces déséquilibres peut aider à réduire la fatigue des pièces de l'éoliennes en rotation, telle que les pâles. Par ailleurs, le contrôle IPC est connu pour accroître l'activité des actionneurs de pâles, induisant une fatigue additionnelle sur les actionneurs ainsi que les roulements portant les pâles. Par conséquent, le contrôle IPC peut avoir des effets positifs sur la fatigue de certaines pièces, mais négatifs sur d'autres. Pour optimiser le coût de l'énergie éolienne, il est nécessaire qu'un contrôleur IPC soit optimisé de manière à pondérer efficacement le compromis entre les fatigues des divers composants de l'éolienne.Pour répondre à cette problématique, une fonction de coût de la fatigue a été définie comme la somme pondérée de la fatigue de divers composants de l'éolienne. Un contrôleur IPC doit être conçu de manière à minimiser l'espérance du coût de la fatigue. Cependant, l'optimisation de la fatigue est une tâche complexe, car son expression en tant que fonction de coût ne suit pas les formes conventionnelles. Il est montré plusieurs fois au cours de cette thèse que les stratégies de contrôle conventionnelles limitent le potentiel de réduction de la fatigue. Par ailleurs, combiner plusieurs stratégies de contrôle conventionnelles paramétrées différemment pourrait permettre des réductions significatives de l'espérance du coût de la fatigue, par rapport à des stratégies conventionnelles à paramètre fixes. La problématique adressée dans cette thèse est donc l'adaptation des paramètres de stratégies de contrôle IPC conventionnelles, pour une réduction efficace de la fatigue d'éoliennes. Deux approches sont ainsi développées par la suite.La première consiste à approcher le coût de la fatigue par une fonction de coût orientée fatigue, grâce à une identification basée sur des données. Cette fonction de coût orientée fatigue utilisée dans un problème de contrôle optimal permet de paramétrer un problème d'optimisation standard, qui approche le problème d'optimisation de la fatigue autour de son optimum. Le problème d'optimisation orienté fatigue permet ainsi des réductions efficaces du coût de la fatigue.La commande prédictive (MPC) est une stratégie de contrôle qui permet d'optimiser une fonction de coût spécifique, en résolvant en ligne un problème de contrôle optimal. Ensuite, un contrôleur IPC MPC est obtenue à partir de l'expression du problème d'optimisation orienté fatigue. Ces contrôleurs ont ensuite été mis en oe uvre en boucle fermée sur un modèle d'éolienne simplifié, et ont montré un grand potentiel de réduction de l'espérance du coût de la fatigue, par rapport à un contrôleur MPC à paramètres fixés.La seconde solution est une méthodologie où un superviseur basé sur l'apprentissage, sélectionne les paramètres de contrôleurs candidats à partir des conditions de vent, de manière à réduire efficacement le coût de la fatigue d'une éolienne. Une preuve de concept comportant un superviseur simple a montré que des réductions significatives de la fatigue sont possibles, ce qui encourage aussi le développement de cette seconde approche.