Durant la dernière décennie, le déploiement de l’éolien offshore a bénéficié d’une réduction importante du coût des équipements, grâce à la croissance du marché et à la montée en échelle de la production. Toutefois des marges supplémentaires seraient possibles grâce à une meilleure maîtrise des incertitudes opératoires, permettant le recul du conservatisme dans les règles de conception.
Face à cette perspective, le projet européen HIPERWIND auquel IFPEN a pris part, visait une meilleure compréhension de la physique complexe influençant la conception et le fonctionnement des grands parcs éoliens en mer en vue de permettre des économies de coût substantielles à leurs propriétaires et in fine aux consommateurs d’électricité.
Plus précisément, il a eu pour objectif de quantifier les différentes sources d’incertitudes dont celles sur les conditions environnementales, de manière à les propager jusqu’aux conditions de chargement mécanique sur les turbines et leurs fondations, et à les intégrer dans l’évaluation économique du design et de la maintenance des installations.
La quantification d’incertitudes a notamment été établie en comparant les résultats issus d’outils d’ingénierie, utilisés par les industriels, avec des simulations dites de haute fidélité1 [1], [2]. La propagation de ces incertitudes avec des conséquences sur le design et la maintenance nécessitait de nouvelles méthodes pour calculer les probabilités de défaillances des composants d’éoliennes [4].
Le projet a développé une chaîne de modélisation efficace du chargement en fatigue des principaux composants (pales, tour et fondation), résultant de l’effet de sillage2 dans une ferme éolienne [3], qui est utilisée dans les offres de GreenWITS, la nouvelle filiale d’IFPEN.
HIPERWIND a produit de plus diverses avancées :
- sur le plan phénoménologique : la caractérisation de l’effet de la stabilité atmosphérique sur le comportement des sillages, et de l’effet de superposition de sillages de différentes turbines lorsque la direction du vent est défavorable par rapport à leur alignement [1] ;
- sur le plan de la conception : l’optimisation pour un cas d’étude d’une tour et de sa fondation monopieu, conduisant à une réduction de sa masse de 20% (figure 1) [4] ;
- sur le plan économique : une réduction d’environ 10 % du coût actualisé de l’énergie pour une ferme représentative, comptant 75 turbines de 8MW.
Au sein du projet HIPERWIND, IFPEN a associé ses compétences à celles de grands acteurs de la recherche : DTU, EDF, ETH Zürich, l’université de Bergen, le DNV et l’EPRI. Cette collaboration a été largement couronnée de succès et pose les bases pour de futures recherche d’intérêt dans le domaine de l’éolien.
1 Avec moins de simplifications des processus physiques modélisés
2 Zone de déficit de vitesse et d’ajout de turbulence en aval d’une turbine
Le projet HIPERWIND a bénéficié d’un financement de la part du programme de recherche et d’innovation de l’Union européenne Horizon 2020 au titre de la Convention de subvention n° 101006689.
Références :
[1] Ardillon, E., Bakhoday Paskyabi, M., Cousin, A., Dimitrov, N., Dupoiron, M. Eldevik, S., Fekhari, E., Ferreira, C., Guiton, M., Jezequel, B., Joulin, P.-A., Lovera, A., Mayol, L. and Penchah, M.R., Turbine loading and wake model uncertainty, D3-2, European Union. 2023, pp.145. (2023),
>> https://ifp.hal.science/hal-04096504
[2] Peyrard, C., Robaux, F., Borràs Nadal, A. and Joulin, P.-A., Mayol, M.-L., Eldevik, S., Guiton, M., Cousin, A., Benoit, M.,Dimitrov, N. Lovera, A, Fereira, C., Aero-servo-hydroelastic model uncertainty, IFPEN; EDF; DTU; DNV. 2022, pp. Deliverable n° D3.3. (2022)
>> https://ifp.hal.science/hal-04033056
[3] Mc William, M., Bonfils, N., Dimitrov, N., Dou, S., (2022), Wind farm parameterization and turbulent wind box generation, DTU; IFPEN. 2022, pp. Deliverable n° D3.1
>> https://inria.hal.science/hal-04033050
[4] Cousin, A.,Munoz Zuniga, M., Franceschini, L., Guiton, M., Agrell, C., Dimitrov, N. K., Gramstad, O., Marelli, S., Mc William, M., Schär, S., Vanem, E., Wang, H., Winter, S., Kelly, M., Methods for efficient ULS reliability calculations and their impact on probabilistic design, IFPEN; DTU; DNV; ETH Zurich (Suisse), (2024),
>> https://ifp.hal.science/hal-04836508
Contacts scientifiques : Martin Guitton, Alexis Cousin, Pierre-Antoine Joulin