Exploiter les données pour concevoir une éolienne offshore plus robuste
Avec ses cinq bassins maritimes, l’Europe dispose d’un immense potentiel d’énergie éolienne en mer(s’ouvre dans une nouvelle fenêtre). Mais exploiter pleinement ce potentiel suppose de disposer d’éoliennes capables de résister aux conditions extrêmes de l’environnement offshore. «Soumises à des vents, des vagues et des courants intenses, la durée de vie moyenne d’une éolienne monopolaire peut être de 20 ans seulement, et atteindre cette longévité exige un niveau élevé de maintenance », explique Felix Nieto, professeur de génie civil à l’université de La Corogne(s’ouvre dans une nouvelle fenêtre). Cette maintenance est non seulement coûteuse et dangereuse, mais une turbine mise à l’arrêt produit moins d’énergie, ce qui peut peser sur la rentabilité des exploitants. L’augmentation de la demande pour des turbines plus durables et nécessitant moins d’entretien n’est donc pas surprenant. Selon Felix Nieto, la première étape vers une meilleure conception des turbines consiste à comprendre les charges environnementales auxquelles elles doivent résister. «Si nous comprenons les charges structurelles auxquelles les éoliennes monopieu sont exposées tout au long de leur durée de vie, nous pouvons les concevoir de manière plus efficiente tout en garantissant un fonctionnement sûr dans des conditions extrêmement difficiles», explique-t-il. C’est précisément l’objectif du projet FUNnY-SUMO, financé par l’UE. Soutenu par le programme Actions Marie Skłodowska-Curie(s’ouvre dans une nouvelle fenêtre) (MSCA) et coordonné par l’université de La Corogne, le projet a développé un modèle de mécanique des fluides numérique (MFN) capable de simuler simultanément l’impact du vent, des vagues et des courants sur une éolienne offshore.
Des solutions fondées sur les données pour relever des défis complexes de conception structurelle
L’originalité de l’approche MFN du projet tient au fait que les données recueillies ont ensuite servi à entraîner des algorithmes d’apprentissage automatique. Ces algorithmes ont ainsi pu évaluer les charges environnementales appliquées aux monopieux offshore et intégrer ces informations dans la conception de nouvelles éoliennes. Après avoir confirmé que le modèle de calcul produisait des résultats comparables à ceux obtenus en laboratoire, les chercheurs ont notamment utilisé le modèle MFN pour créer un modèle de substitution. Celui-ci a ensuite permis d’estimer, avec un effort de calcul minimal, les charges structurelles exercées sur l’éolienne monopieu dans un large éventail de conditions de vent, de vagues et de courants. «Notre modèle constitue non seulement une avancée dans l’utilisation des techniques fondées sur les données appliquées à des problèmes complexes de conception structurelle, mais il contribue aussi à concevoir des infrastructures énergétiques critiques plus sûres, exposées à des charges environnementales extrêmement exigeantes et en partie imprévisibles», souligne Felix Nieto.
Vers une éolienne optimisée
Si le modèle développé dans le cadre du projet ouvre la voie à des éoliennes plus performantes, il ne représente qu’une première étape. «Notre modèle pourrait encore être amélioré en intégrant des charges environnementales supplémentaires ou en l’étendant à d’autres structures éoliennes, comme les éoliennes flottantes ou les fondations de type “jacket”», conclut Felix Nieto. Le modèle pourrait également être étendu afin de prendre en compte la dynamique structurelle des éoliennes monopieu. L’équipe de recherche souhaite à présent collaborer avec des partenaires industriels afin de faciliter l’intégration des approches de conception fondées sur les données dans les pratiques du secteur. L’essentiel des recherches du projet a été mené par Ali Kareem Hilo al Behadili, boursier postdoctoral MSCA(s’ouvre dans une nouvelle fenêtre), en collaboration avec des chercheurs et experts de l’université de Zagreb(s’ouvre dans une nouvelle fenêtre), de l’IH Cantabria(s’ouvre dans une nouvelle fenêtre) en Espagne et de l’université nationale de Chungnam(s’ouvre dans une nouvelle fenêtre) en Corée du Sud.
