Développement de chaînes de modélisation numérique pour prendre en compte les effets de la variabilité à petites échelles du vent dans la simulation de la production électrique avec des éoliennes

Development of numerical modelling chains to account for the effects of wind small scales space-time variability in the simulation of power production with wind turbines

• Auteur / Autrice : Ángel García gago
• Direction : Auguste Gires
• Type : Projet de thèse
• Discipline(s) : Sciences et Techniques de l'Environnement
• Date : Inscription en doctorat le ; Soutenance le 06/12/2023
• Etablissement(s) : Marne-la-vallée, ENPC
• Ecole(s) doctorale(s) : École doctorale Sciences, Ingénierie et Environnement
• Partenaire(s) de recherche : Laboratoire : HM&CO - Hydrométéorologie et Complexité
• Jury : Président / Présidente : Martin Obligado
• Jury : Examinateurs / Examinatrices : Auguste Gires, Sandrine Aubrun-sanches, Paul Veers, Maxime Thiébaut, Ioulia Tchiguirinskaia, Daniel Schertzer, Rudy Calif
• Jury : Rapporteurs / Rapporteuses : Rudy Calif

Mots clés

Mots clés libres

Multifractals

Modélisation du vent

Énergie éolienne

Turbulence

Variabilité atmosphérique

Turbulence

Multifractals

Wind modelling

Wind Energy

Atmospheric variability

Résumé

Les champs atmosphériques, dont le vent, présentent une variabilité extrême sur une large gamme d'échelles spatio-temporelles. Cela les rend complexes à analyser, modéliser et même observer. Les outils gaussiens standard ne permettent pas de prendre en compte cette variabilité et sous-estiment les fluctuations extrêmes. L’augmentation continue de la production éolienne dans les scénarios de transition énergétique souligne la nécessité de mieux caractériser et simuler ces champs. Les Multifractales Universels (UM) sont un candidat approprié pour ce cadre requis. En effet, elles reposent sur le concept physique d'invariance d'échelle, hérité des équations de Navier-Stokes, et sont parcimonieuses avec seulement trois paramètres physiquement interprétables pour caractériser pleinement la variabilité des champs. Dans ce cadre, les champs sont générés par un processus de cascade multiplicative, où l'activité est transférée itérativement des grandes échelles jusqu'aux échelles de dissipation (quelques mm pour le vent). Les UM ont été largement mis en oeuvre sur large spectre de champs géophysiques. D’abord, des champs de vent réalistes ont été simulés. Une analyse UM a été mise en œuvre sur des données d'anémomètres 3D à haute résolution collectées lors de la campagne de mesure du projet RW-Turb qui a eu lieu pendant 2,5 ans sur le parc éolien des Pays d'Othe. On a observé un bon comportement invariant d'échelles entre 4 secondes et 17 minutes et identifié des tendances sur paramètres UM en fonction de la vitesse moyenne du vent. Des changements rapides sont notés jusqu'à environ 4 m/s avant d'atteindre un plateau. Ensuite, des champs de vent sont simulés en utilisant des méthodes existantes pour les cascades continues. Ces outils sont conçus pour faciliter la simulation de champs géophysiques scalaires et vectoriels. Ils offrent la flexibilité d'étendre leur application à des champs 1D, 2D et 2D+1, fournissant ainsi une approche polyvalente pour la modélisation de champs vectoriels complexes. Quatre méthodes de simulation du vent sont mises en œuvre sur la plage d'échelles identifiées dans l'analyse. La première, simpliste, implique la reconstruction des champs de vent à partir de mesures ponctuelles et de lois d'échelles. Deux autres sont basées sur les Flux Intégrés Fractionnairement (FIF). L'une simule directement les champs de vent, tandis que la seconde est adaptée pour modéliser les fluctuations du vent et le reconstruire à partir de là. Des outils ont été développés pour simuler des scalaires (vent horizontal) ou des vecteurs pour des séries temporelles, des cartes ou dans un espace 3D avec le temps. Enfin, des champs ont également été générés en utilisant le logiciel commercial Turbsim, développé par le NREL (Etats-Unis). Il repose sur des statistiques gaussiennes, dont les limites sont connues pour le vent. Les simulations ont été analysées en 1D et 2D pour confirmer leur validité. Les propriétés du vent observées sont mieux reproduites par des simulations FIF directes. Enfin, les champs de vent simulés sont utilisés pour étudier les effets de la variabilité du vent à petites échelles sur le couple de l'éolienne en les intégrant dans trois chaînes de modélisation à la complexité croissante. La première ne prend en compte que la variabilité temporelle, en moyennant le vent et en le considérant à la hauteur de la nacelle. La deuxième intègre la contribution de chaque portion de pale pour calculer à chaque pas de temps le couple global et ainsi prendre en compte à la fois la variabilité spatiale et temporelle. La troisième utilise le logiciel largement utilisé dans la recherche et l'industrie, OpenFAST (NREL). Dans l'ensemble, des caractéristiques similaires sont observées pour les trois types de séries temporelles simulées. L'analyse UM mise en œuvre sur un ensemble de simulations montre une meilleure capacité de la méthode intégrale à tenir compte des fluctuations du vent à petite échelle.

Atmospheric fields, and notably wind fields are known to exhibit extreme variability across wide ranges of space-time scales. This makes them complex to analyse, model and even to observe. Standard Gaussian tools are not able to deal with such variability and underestimate extreme fluctuations. However, the ongoing increase of wind power production in energy transition scenarios highlights the need to better characterize and simulate these fields. Multifractals are an appropriate candidate for this required framework. Indeed, they rely on the physically based concept of scale invariance retrieved from the governing Navier-Stokes equations. In this framework, fields are generated through a multiplicative cascade process, where activity is iteratively transferred from large scales down to dissipation scales, which is of few millimeters in the case of wind. In the specific framework of Universal Multifractals (UM) only three parameters with clear physical interpretations are needed to fully characterize the fields' variability. UM have been extensively used to characterize and simulate a wide range of geophysical fields such as wind, rainfall or river flow. In a first step of this PhD, realistic wind fields are simulated. First, UM analysis were implemented on high-resolution 3D anemometer data collected during the RW-Turb measurement campaign that took place over 2.5 years on the operational wind farm of Pays d'Othe. A good scaling behaviour between 4 s and 17 min was observed and trends of retrieved UM parameters were identified depending on average wind. Rapid changes are found up to roughly 4 m/s before reaching a plateau. Then wind fields are simulated relying on existing methods for continuous cascades. These tools are designed to facilitate the simulation of both scalar and vector geophysical fields, expanding beyond the constraints of one-dimensional scenarios. They offer the flexibility to extend their application to spatial, temporal, or spatio-temporal fields, providing a versatile approach to modeling complex vector fields. Four distinct wind simulation methods are implemented on the range of scales identified in the analysis. The first one entails the reconstruction of wind fields from point measurements using scaling laws, although it does involve certain oversimplifications. The next two methods, are both based on Fractionally Integrated Flux. One directly simulates wind fields, while the second is tailored to model wind fluctuations and reconstruct wind from there. Tools to simulate scalars (horizontal wind) or vectors for time series, maps or in a 3D space plus time framework were developed. Finally, fields were also generated using the commercial software Turbsim, developed by the US National Renewable Energy Laboratory (NREL). It relies on Gaussian statistics which are know to exhibit limitations in capturing the true nature of wind fields. Simulation were analysed in 1D and 2D to confirm validity. It appears that observed wind properties are best reproduced by direct FIF simulations. Finally, the wind fields simulated are used to investigate the effects of small-scale wind variability on the wind turbine torque computation by imputing the simulated vector fields into three modelling chains with increasing complexity. The first one only considers the temporal variability, averaging the wind field and considering it at hub height. The second one is based on the angular moment definition and allows to consider both spatial and temporal variability by computing the torque at each blade point and integrating it along the radius for each time step. Finally, the third one uses the commonly used in research and industry software OpenFAST developed by the NREL. Overall similar features are observed for three types of simulated time series. UM analysis implemented on ensemble of simulations enabled to highlight a better ability of the integral method to account for the small scale wind fluctuations.