L’énergie éolienne : simulation en terrain complexe et escarpé

L’énergie éolienne : introduction

L’énergie éolienne est devenue l’une des sources principales parmi les plus fiables d’énergie renouvelable pour la production d’électricité non polluante. En 2012, l’industrie du vent a connu une croissance de 19 %, atteignant le niveau record de 44 711 MW de capacité de puissance pour les nouvelles installations dans le monde. Il existe aujourd’hui plus de 150 000 éoliennes en activité dans le monde, situé dans plus de 90 pays [1]. L’évaluation de la ressource éolienne constitue l’un des principaux secteurs de recherche et développement de l’industrie [2]. Elle est considérée comme la première étape de la planification d’un parc éolien et s’effectue en amassant suffisamment d’information sur le site prévu pour l’installation d’éoliennes.

Problématique

L’industrie éolienne, en forte croissance, a besoin de cartographier de façon précise les conditions du vent près du sol afin de permettre aux concepteurs de parc éolien d’identifier les zones à grand potentiel énergétique [3]. Ils doivent effectuer des simulations de grande précision de la couche limite atmosphérique sous diverses configurations topographiques au coût le plus bas possible pour planifier les parcs éoliens. La précision des méthodes d’évaluation de la ressource éolienne est toutefois limitée, principalement à cause de schémas numériques peu performants et des calculs lourds qui nécessitent un ordinateur de grande capacité pour résoudre les comportements à échelle fine du vent près de la surface topographique.

Solution proposée

Pour résoudre cette problématique, les chercheurs du laboratoire de recherche sur l’aérodynamique des éoliennes en milieu nordique (AEMN) et Environnement Canada ont amélioré le modèle à méso-échelle (MC2) . Ce modèle fait partie du système de cartographie éolienne WEST (Wind Energy Simulation Toolkit), un logiciel libre développé par la division recherche en prévision numérique (RPN) d’Environnement Canada pour l’évaluation de l’énergie éolienne.

Le logiciel WEST est conçu pour estimer la ressource éolienne en tenant compte d’une vaste étendue de phénomènes atmosphériques en ce qui concerne leur durée (de décennale à diurne) et leur envergure (de synoptique grande échelle à mésoéchelle/microéchelle). Il a été utilisé pour établir la cartographie complète de la ressource éolienne et les analyses statistiques compilées dans l’Atlas éolien du Canada.

.
Le modèle MC2 du Canada est un modèle non hydrostatique à domaine limité [4 – 6]. Il a été conçu à l’origine pour la recherche et les prévisions météorologiques.

Une recherche a démontré une corrélation entre la vitesse moyenne à long terme des vents simulés par le logiciel WEST et les mesures obtenues par dix stations de surveillance [3]. Toutefois, en terrain montagneux WEST tend à surestimer la vitesse des vents de 40 %. Le modèle introduit aussi des modifications au niveau de la direction du vent pour les terrains irréguliers, entraînant un alignement qui ne respecte pas les forces géostrophiques.

Carte de puissance des vents de l’Amérique du Nord.

Ce projet de recherche vise donc principalement à améliorer le modèle MC2 afin qu’il ait une stabilité numérique robuste et que ses prédictions soient fiables en réduisant le bruit numérique des évaluations de la ressource éolienne en terrain complexe (pentes modérées ou abruptes).

Représentation artistique du parc éolien de Waterloo situé environ à 30 km de Clare en Australie-Méridionale.

En dépit d’un résolveur elliptique (GMRES) intégré dans le modèle MC2 [4], le modèle demeure perturbé par un bruit de haute fréquence, relié à la topographie et à certains types de filtrage décrits par [7].  Une partie de ce bruit est générée par le déséquilibre de la température initiale et du champ barométrique qu’on croyait maîtriser par l’introduction d’un paramètre décentré dans les opérateurs de calculs de moyennes SISL.

Conclusion

La solution proposée à ce problème numérique est un nouveau schéma semi-implicite (NSI) basé sur une redéfinition de la flottabilité. La forme finale est obtenue en appliquant une analyse modale analogue aux équations moyennées résultantes, ce qui entraîne une relation de dispersion simplifiée. Selon ce nouveau schéma, tous les termes non linéaires sont traités de façon implicite, incluant le terme de divergence restant de l’équation thermodynamique. Par conséquent, le schéma NSI produit des résultats très stables et réduit le bruit numérique de plusieurs ordres de grandeur lors de simulations avec gradients topographiques élevés. Une comparaison simple des champs de vitesse verticaux est présentée à la figure no 2 pour différentes pentes de terrain et une atmosphère isotherme initialement au repos. Elle permet d’évaluer la performance de la solution proposée pour minimiser autant que possible le bruit numérique.

Informations additionnelles

Pour obtenir plus d’informations concernant les méthodes numériques améliorées pour la modélisation du débit éolien en terrain complexe, nous vous invitons à lire l’article suivant  :

A. Flores-Maradiaga, R. Benoit, C. Girard, C. Masson y M. Desgagné (2015): “On the Enhancement of Numerical Stability and Noise Control for Mesoscale Modelling over Steep Complex Terrain”. Monthly Weather Review – American Meteorological Society (en prosessus de révision).