Correlations between meteorological conditions and power loss in wind turbines under icing conditions

Résumé

L'énergie éolienne est devenue une source d'énergie renouvelable majeure, jouant un rôle crucial dans la transition mondiale vers un avenir durable. Récemment, l'utilisation de cette énergie renouvelable s'est développée, en particulier dans les régions à climat froid, où les vents forts et la densité élevée de l'air à des températures plus basses sont prédominants. Cependant, les exploitants de parcs éoliens sont confrontés à un problème : le givrage. Le givrage se produit lorsque des températures négatives entraînent la formation de glace sur les composants des éoliennes, notamment les pales, la nacelle et la tour. La présence de glace sur les éoliennes peut avoir de graves répercussions sur leurs propriétés aérodynamiques et compromettre leur capacité à capter efficacement l'énergie du vent. Les formations de glace augmentent le poids des pales et modifient leur forme, ce qui peut entraîner une réduction de la vitesse de rotation et de la production d'énergie. Par conséquent, les éoliennes fonctionnant dans des conditions de givre produisent moins d'électricité, ce qui limite leur contribution au réseau électrique et réduit leur efficacité globale. Il est essentiel que les exploitants de parcs éoliens surveillent et gèrent de près les conditions de givrage afin de garantir la sécurité du personnel et du public. L'influence du givre sur les éoliennes nécessite une approche à multiples facettes. La nature fluctuante de la température, de l'humidité et de la vitesse du vent rend difficile la prévision des phénomènes de givrage. Les systèmes de surveillance météorologique, comprenant des capteurs et des modèles météorologiques, améliorent la précision des prévisions des phénomènes de givrage. En surveillant ces conditions, les opérateurs peuvent anticiper et se préparer à d'éventuels épisodes de givrage. Cette étude vise à établir des corrélations permettant d'estimer la perte de puissance attendue des éoliennes en cas de givrage. Les corrélations proposées ici ont été développées à l'aide de l'analyse dimensionnelle, également appelée « théorème ᴨ », puis validées par trois méthodes d'apprentissage profond. Cette solution permet aux opérateurs d'améliorer l'efficacité de l'exploitation des éoliennes en conditions de givre, en évaluant systématiquement la gravité du givrage. L'originalité de la méthodologie proposée réside dans sa capacité à estimer les pertes de puissance directement à partir des paramètres météorologiques, géométriques et opérationnels des éoliennes. Une base de données a été créée à partir des résultats d'études de simulation sur le givrage, issus de la littérature, des données recueillies dans un centre de recherche et des résultats d’une étude de simulation CFD menée dans le cadre de la présente thèse. Les corrélations obtenues ont été validées à l'aide de diverses méthodes d'apprentissage profond et ont démontré leur cohérence dans différents scénarios. La méthodologie proposée facilite l'utilisation de paramètres adimensionnels qui établissent des corrélations entre les paramètres météorologiques, géométriques et opérationnels. Des recommandations sont présentées pour l'utilisation de méthodes d'apprentissage profond et d'analyse dimensionnelle afin d'améliorer l'efficacité des éoliennes dans des conditions de givrage. Un article de revue a été publié et intégré en tant que chapitre à la thèse. Cet article passe en revue les différentes méthodes de modélisation de la perte de puissance liée au givrage dans les éoliennes. Un second article de recherche a été publié, examinant l'impact de la modélisation de la rugosité de surface sur l'aérodynamique d'une éolienne givrée. Ce document constitue également un chapitre de la thèse. Ce projet contribuera au développement de nouvelles connaissances sur le phénomène de givrage et à l'optimisation des performances des éoliennes dans les climats nordiques.

Date	8 sept. 2026
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Adrian Ilinca (Directeur(-trice)) & Santiago Lain (Codirecteur(-trice))