Générer plus d’énergie

L’intelligence collective basée sur des modèles mathématiques coordonne parcs éoliens et turbines à gaz. Pour un rendement optimisé et un processus de vieillissement ralenti.

Nous avons tous assisté à un concert sans rien voir à cause d’un géant assis devant nous. Si les éoliennes avaient des sentiments, celles placées en dernière position d’un parc ressentiraient la même frustration. En effet, les premiers rotors, qui bénéficient d’un vent non altéré, génèrent plus d’énergie que les derniers. Par ailleurs, les dernières turbines doivent faire face à des turbulences de plusieurs kilomètres de long produites par les premiers rotors, qui font fluctuer leur production. Si les premières turbines laissaient les dernières générer plus d’énergie, la production du parc tout entier s’en trouverait améliorée. Dragan Obradovic, de Siemens Corporate Technology (CT) à Munich, travaille en étroite collaboration avec les ingénieurs de Siemens Wind Power pour transformer cette idée en un logiciel qui prévoit les effets du vent et le comportement du parc tout entier en quelques secondes et transmet immédiatement ses commandes aux turbines.

energie eolienne
Dans les parcs offshore, les premières éoliennes reçoivent plus de vent que les dernières et génèrent des turbulences de plusieurs kilomètres qui réduisent les performances des derniers rotors.

Le logiciel mesure la production, la vitesse des rotors, la température ainsi que d’autres facteurs. Chaque turbine est reliée par fibre optique à une unité de commande centrale qui coordonne tout le système et modifie par exemple l’angle des pales. « Tout le parc fonctionne donc comme un seul générateur doté d’une intelligence collective », explique Dragan Obradovic. Siemens Wind Power à Brande, au Danemark, teste ce logiciel depuis deux ans dans la ferme éolienne de Lillgrund au large des côtes suédoises. « Nous sommes certains que le rendement augmentera de plusieurs pourcents », explique Henrik Stiesdal, responsable des technologies chez Siemens Wind Power. « Cela reviendra à recevoir une éolienne gratuite pour l’achat de 20 turbines ! », ajoute le Professeur Thomas Runkler, responsable de l’entité technologique mondiale « Intelligent Systems and Control », qui est à l’origine de l’algorithme. Dragan Obradovic travaille déjà à une mise à jour de ses modèles mathématiques afin de prendre en compte le processus d’usure normale des turbines. Les turbulences qui naissent dans les flux éoliens créent des vibrations sur les pales et les mâts des dernières éoliennes, qui les font vieillir plus vite. « L’optimisation du rendement et le ralentissement du processus de vieillissement sont deux objectifs contradictoires », explique Dragan Obradovic, dont le logiciel permettra de concrétiser ces deux projets. Les données collectées alimentent les modèles mathématiques utilisés pour calculer les interactions entre les turbines. Si les rotors s’usent trop vite, leur rendement chute. On peut alors réduire le rendement des turbines situées à l’avant afin de ralentir les turbulences. Ici, il s’agit d’éviter aux éoliennes le même destin que James Dean : vivre vite et mourir jeune.

simulations
Dans les fermes éoliennes, la direction du vent influe sur la production des différentes turbines. Des simulations permettent aux experts de déterminer la direction et la puissance des turbulences. Les chercheurs de Siemens ont développé un logiciel qui utilise ces données pour optimiser la production des parcs.

Des réseaux neuronaux pour les turbines

La commande des turbines à vapeur ou à gaz est encore plus complexe. Elles doivent produire une fréquence de courant alternatif constante grâce à une rotation continue. Si la consommation augmente ou si les parcs éoliens produisent moins lors d’un jour sans vent, les turbines à gaz doivent produire plus.

Sans cela, la fréquence du courant variera. Des capteurs contrôlent certains facteurs comme la pression de l’air, la température des gaz d’échappement, les émissions et le comportement du réseau. Volkmar Sterzing et ses collègues, qui font également partie de l’équipe du Professeur Runkler, ont développé des réseaux neuronaux artificiels qui utilisent ces données pour prédire les émissions des turbines en quelques secondes. Leur logiciel contrôle l’approvisionnement en carburant et vérifie que les turbines gardent un niveau de production optimal pour générer le moins d’émissions possible. Ces réseaux neuronaux apprennent en permanence de ces données et, avec le temps, optimisent l’exploitation de la turbine.

Dans quelques années, le logiciel sera prêt à l’exploitation. Dans la plus grande turbine à gaz du monde, à Irsching, en Bavière, 1 000 réseaux neuronaux contrôlent les composantes du système grâce à environ 5 000 points de mesure. « Cela mènera à une réduction visible des émissions, même durant les variations de charge causées par les parcs solaires et éoliens », explique Volkmar Sterzing. A l’avenir, de tels logiciels serviront également à uniformiser le processus de combustion. Ils allongeront la durée de vie des composantes des turbines.

Bernd Müller