Un nouvel algorithme de contrôle pour les parcs éoliens qui modifie la façon dont les turbines individuelles sont orientées vers le vent promet d'augmenter l'efficacité globale et la production d'énergie des parcs en optimisant la façon dont ils gèrent leur sillage turbulent.

L'algorithme, qui a été testé dans un parc éolien commercial en Inde mais qui pourrait être utilisé n'importe où, offre le potentiel d'une amélioration immédiate et sans frais des parcs éoliens existants. Cela peut également permettre de construire des parcs éoliens dans des espaces plus restreints, ce qui permet d'extraire plus d'énergie de moins de biens immobiliers, atténuant ainsi un énorme inconvénient de l'énergie éolienne.

Collectivement, les parcs éoliens génèrent environ 380 milliards de kilowattheures chaque année aux États-Unis. Si chaque parc éolien américain devait adopter la nouvelle stratégie et voir des augmentations d'efficacité similaires à celles trouvées dans la nouvelle étude, cela équivaudrait à ajouter des centaines de nouvelles turbines capables d'alimenter des centaines de milliers de foyers au réseau électrique national, déclare Caltech. John O. Dabiri, professeur centenaire d'aéronautique et de génie mécanique, et auteur principal d'un article sur le projet publié par la revue Nature Energy le 11 août.

"Les turbines individuelles génèrent de l'air agité, ou un sillage, qui nuit aux performances de chaque turbine sous le vent", explique Dabiri. "Pour faire face à cela, les éoliennes des parcs éoliens sont traditionnellement espacées le plus possible, ce qui prend malheureusement beaucoup de place."

Après des années d'étude du problème, Dabiri et son ancien étudiant diplômé Michael F. Howland, auteur principal de l'article et maintenant professeur adjoint Esther et Harold E. Edgerton de génie civil et environnemental au MIT, ont développé un algorithme qui force les éoliennes individuelles cesser d'agir uniquement dans leur propre intérêt, c'est-à-dire maximiser leur propre accès au vent en y faisant directement face, et plutôt agir pour le plus grand bien de la production du parc éolien.

Un test et un réglage d'un an dans le monde réel de l'algorithme mené en Inde de 2020 à 2021 ont été rendus possibles par Varun Sivaram qui, à l'époque, était le directeur de la technologie (CTO) de ReNew Power, la plus grande société indienne d'énergie renouvelable, et qui est maintenant conseiller principal de l'envoyé spécial du président américain pour le climat John Kerry, en tant que directeur général pour l'énergie propre et l'innovation. Sivaram est également co-auteur de l'article.

Sivaram avait été impressionné par une présentation faite par Dabiri en 2017 au conseil d'administration d'une compagnie d'électricité canadienne sur l'utilisation d'algorithmes pour améliorer l'efficacité des parcs éoliens. Lorsqu'il est devenu directeur technique de ReNew Power en 2018, Sivaram a demandé si Dabiri serait intéressé à collaborer.

"J'ai appelé John et lui ai demandé si nous pouvions le faire. Et il a dit :"J'ai un étudiant diplômé extraordinaire en ce moment, et je pense que cela pourrait être le projet parfait pour nous tous.""

L'intérêt de Howland pour le contrôle collectif des parcs éoliens a commencé lorsqu'il était étudiant de premier cycle à l'Université Johns Hopkins, étudiant la physique du flux d'air dans les parcs éoliens. "J'étais intéressé par le développement de modèles prédictifs pour les parcs éoliens, qui peuvent être utilisés pour améliorer l'efficacité", explique Howland. "Mais c'est incroyablement coûteux en termes de puissance de calcul pour simuler la physique complète des flux atmosphériques et éoliens."

C'est au cours de ses recherches de premier cycle que Howland a exploré pour la première fois comment le désalignement de l'angle de la turbine par rapport au vent a un impact considérable sur le sillage.

Pour expliquer l'importance de cet ajustement, il est utile de comprendre qu'il n'y a pas beaucoup de façons de modifier facilement les performances d'une éolienne sans installer de matériel supplémentaire. Ils ne sont pas conçus pour que leur inclinaison ou leur angle de haut en bas soit modifié. Mais ils peuvent être pivotés d'un côté à l'autre, en ajustant leur lacet.

"Certaines études antérieures se sont concentrées sur la modification de la traînée créée par la production d'énergie de la turbine", explique Howland. "Laisser les pales tourner plus librement crée des sillages moins intenses, mais la turbine avec un fonctionnement modifié génère également moins de puissance." Le désalignement de lacet, en revanche, ne réduit pas seulement la force du sillage, il redirige son impact vers l'aval.

Après ses études de premier cycle, Howland a poursuivi ses études supérieures avec Dabiri, qui était alors à l'Université de Stanford. Dabiri avait déjà travaillé à Caltech pour étudier comment le placement des éoliennes influençait la production d'énergie. En 2019, Howland et Dabiri ont développé un modèle informatique pour tenter d'améliorer les performances d'un réseau spécifique de six turbines, puis ont effectué un test de deux semaines sur le réseau pour évaluer les performances des turbines. Ils ont démontré qu'une stratégie d'orientation à l'échelle de l'exploitation qui inclut un désalignement en lacet peut améliorer les performances globales. Le problème était, avaient-ils vraiment optimisé les performances de cette ferme ? Ou simplement l'a-t-il quelque peu amélioré par rapport aux méthodes de contrôle standard de l'industrie ?

Sans pouvoir tester toutes les stratégies sous-optimales possibles et choisir directement la meilleure, il était impossible de se prononcer. Ainsi, l'équipe s'est concentrée spécifiquement sur le développement de modèles améliorés sur la façon dont le réglage de l'angle d'une turbine au vent affecte à la fois les turbines sous le vent et également les performances de la turbine mal alignée elle-même. Il est important de noter que les performances de la turbine mal alignée dépendent des conditions de vent atmosphérique incident qui pénètrent dans la ferme. La modélisation de l'effet conjoint de l'ajustement de l'angle et des conditions de vent incident était essentielle pour développer un modèle précis capable de prédire la meilleure stratégie d'orientation possible de la ferme.

"Parce que les forts effets de sillage réduisent la production d'énergie des turbines sous le vent, la turbine sous le vent fait le gros du travail pour la production totale de la ferme", explique Howland. "La modélisation précise de la puissance de l'éolienne mal alignée en lacet, en fonction du flux de vent atmosphérique, a souvent été négligée dans les modèles utilisés pour l'optimisation du contrôle du flux des parcs éoliens. C'était un objectif à la fois pour le développement de notre modèle et nos expériences de validation."

Sur la base de cette recherche, Howland, Dabiri et leurs collègues ont développé un algorithme qui oblige les turbines individuelles - en commençant par la turbine principale - à désaligner leur lacet jusqu'à 25 degrés afin de maximiser l'efficacité globale de la ferme et donc la puissance de sortie.

En fonction de la vitesse du vent, le nouvel algorithme était capable de modifier l'orientation des turbines pour augmenter la production globale du parc éolien en Inde de 1 à 3 %.

"Personne n'a besoin de construire ou d'acheter quoi que ce soit de nouveau pour commencer à tirer immédiatement plus d'énergie de son parc éolien", déclare Dabiri.

Cependant, le véritable avantage, selon Howland et Dabiri, est le potentiel de l'algorithme pour permettre aux éoliennes d'être regroupées plus étroitement en s'attaquant activement au problème de sillage, soit en ajoutant de nouvelles éoliennes entre celles existantes, soit en permettant aux futurs plans de construction d'emballer plus de turbines dans une parcelle de terrain donnée.

L'un des éléments les plus importants du nouvel algorithme est qu'il a le potentiel d'être utile n'importe où, d'un parc éolien offshore en mer du Nord aux parcs éoliens qui parsèment le désert à l'extérieur de Palm Springs, en Californie, en prédisant la meilleure stratégie pour orienter le désalignement en lacet des turbines individuelles. "Il n'y avait aucun moyen de faire cette prédiction de manière fiable jusqu'à cet article ; il n'y avait que des essais et des erreurs", explique Dabiri. "Le problème est que vous ne pouvez pas passer beaucoup de temps à faire une tonne d'expériences sur un parc éolien qui a l'obligation de produire de l'énergie pour ses clients."

Au lieu de cela, l'algorithme de Howland et Dabiri résume chaque site de parc éolien à quelques paramètres importants qui décrivent mathématiquement comment les sillages seront créés par ses turbines. L'algorithme prédit ensuite les meilleurs moyens d'atténuer ce sillage. Par exemple, un facteur critique est de savoir si le parc éolien est au-dessus de la terre ou au large, car la terre offre une plus grande résistance de frottement au vent que l'eau, et brise ainsi un sillage sur une distance plus courte. L'algorithme est fondé sur la physique de l'écoulement atmosphérique et du parc éolien, mais il exploite les données opérationnelles du parc éolien pour apprendre et améliorer le modèle, réduisant considérablement les erreurs de prédiction et les incertitudes.

Un élément clé du projet est qu'il n'est pas seulement basé sur la théorie; il a plutôt été testé dans le monde réel dans un parc éolien produisant de l'électricité. Sous la direction de Sivaram, ReNew Power a investi dans des unités LiDAR (dispositifs de balayage laser) qui mesuraient la vitesse et la direction du vent en fonction de la hauteur dans le flux incident au parc éolien, offrant des données précises qui ont permis à Howland et Dabiri d'améliorer leur algorithme au besoin. . De plus, des équipes d'ingénierie ont été établies en Inde et en Espagne pour collaborer avec Howland et Dabiri aux États-Unis.

"À la fin, tout le monde a été époustouflé par l'ampleur de ce qui a été accompli :une amélioration des performances qui ne coûte rien en termes d'investissement dans les infrastructures", déclare Sivaram. ReNew Power travaille maintenant à étendre les découvertes pour améliorer le reste de sa flotte de parcs éoliens.

Meanwhile, the team plans to expand its field demonstrations to tackle offshore wind farms, which present new challenges and opportunities.

"The wakes tend to persist for much longer distances over the ocean, so these new methods become even more important," Dabiri says. "At the same time, the wind resource offshore is phenomenal and still largely untapped. And, we can design those wind farms from scratch using these ideas, so we're not limited by existing wind turbine layouts, as is the case for existing wind farms on land."

The real-world testing of the algorithm was made possible in part by the efforts of Caltech's Office of Technology Transfer and Corporate Partnerships (OTTCP), which helped the engineers in Pasadena negotiate a relationship with ReNew Power in India and also Siemens Gamesa Renewable Energy Innovation &Technology in Spain (the company that designed the turbines ReNew Power operates).

"Working with OTTCP was fantastic," Sivaram says. "What we created is a groundbreaking, three-continent agreement that I now use as a model."

Sivaram sits on the steering committee of Mission Innovation, a global research and development alliance announced by President Barack Obama in 2015 to address climate change and make clean energy more affordable.

"This is my centerpiece example for how we want to do international R&D collaboration," Sivaram says. "If we have a hundred more partnerships like these, then we'll change the world."

The project was also a true product of the COVID-19 pandemic, as the engineers from the U.S. and Spain only met in-person one time—at a dinner in Pasadena held in February 2020 to kick off their new venture.

"We thought then that we'd all be meeting up regularly to share notes and discuss ideas," Dabiri says. "Thankfully, we were all able to pivot toward work via video conference, with multiple online meetings each week throughout 2020, 2021, and 2022." + Explorer plus loin

How to build a better wind farm