Maintenance des éoliennes 

Maintenance des éoliennes 

Types de conceptions d’éoliennes

Les concepts d’éoliennes ont beaucoup évolué au fil des années. Le concept danois d’éolienne tripale à axe horizontal face au vent fonctionnant à vitesse et calage constants a réellement amorcé une nouvelle ère dans l’industrie éolienne. Par la suite, de nouveaux concepts ont dérivé du concept danois. Les différents concepts d’éolienne moderne se distinguent selon le contrôle de la vitesse de rotation et de la régulation de la puissance.
Les concepts de contrôle de la vitesse se divisent en deux classes soit les éoliennes à vitesse du rotation constante et les éoliennes à vitesse de rotation variable alors que les concepts de  régulation de la puissance se divisent en trois classes soit le contrôle par décrochage, le contrôle par angle de calage variable et le contrôle par décrochage aérodynamique.

Courbe de puissance norme IEC61400-12-1, IEC61400-12-2 ,IEC61400-12-3

« International Energy Commission » (IEC) ont développé des méthodes normalisées afin de faire l’évaluation des performances de puissance des centrales éoliennes. En voici un résumé.
La norme IEC 61400-12-1 (IEC, 2005) propose une méthodologie uniforme qui assure la constance, la précision, la reproductibilité dans les mesures et l’analyse des performances de puissance des éoliennes individuellement.
Les principales étapes de la norme sont d’installer un mât météorologique à une distance de 2 à 4 fois le diamètre du rotor et d’y installer un anémomètre à la hauteur de la nacelle afin  d’obtenir la vitesse du vent, la puissance, la température et la pression à une fréquence minimale de 1Hz. Les données sont ensuite converties en moyennes sur 10-min et filtrées selon un contrôle qualité. Les vitesses de vent sont calibrées pour les terrains complexes et les données sont corrigées en densité. La courbe de puissance est bâtie à l’aide de la méthode des BINS. Le calcul de la production énergétique annuelle ainsi que ses incertitudes sont calculées avec la distribution des fréquences de vent. Cette méthode est bien acceptée et a été testée par l’industrie et donne des résultats avec un minimum d’incertitude. Les limitations de la norme sont qu’elle ne tient pas compte de l’intensité de la turbulence, le cisaillement du vent, la stabilité atmosphérique, les vitesses de vent inclinées. De plus, elle évalue seulement la performance d’une éolienne à la fois. Les éoliennes ne sont pas toutes testées en raison des coûts associés au mât météorologique et du sillage des éoliennes. Enfin, en terrain complexe, il est nécessaire de faire une calibration du site.

Systèmes de maintenance conditionnelle

Les systèmes de maintenance conditionnelle permettent un suivi continu de l’état des systèmes et permettent de prendre des décisions sur la maintenance à effectuer. (Gray et Watson, 2009)
Dans le domaine éolien, les pertes énergétiques causées par des défaillances et des arrêts de maintenance sont très coûteuses. Les coûts de location d’équipements et de déplacement de la main d’œuvre sont non négligeables. De plus, notons qu’en milieu nordique, la maintenance est souvent impossible durant la période hivernale.
Il devient alors important dans la gestion d’une centrale éolienne d’utiliser des outils afin de bien planifier les travaux de maintenance.
Les systèmes de maintenance conditionnelle sont un ensemble d’outils relativement nouveaux pour l’éolien et utilisés afin de détecter la condition actuelle d’un système (Hameed et al., 2009). Ces derniers font une revue des systèmes de maintenance conditionnelle et des systèmes de détection de fautes. Nous allons nous concentrer sur les systèmes de maintenance conditionnelle en discutant premièrement des différents outils disponibles puis de leur application aux différents sous-systèmes.

Suivi de performance des éoliennes

Modèles basés sur la courbe de puissance d’une éolienne

Il existe plusieurs types et niveaux de complexité de modèles de courbe de puissance servant à faire une évaluation de l’énergie attendue de l’éolienne. L’énergie réellement produite sera par la suite comparée au modèle afin de déceler des problèmes. . Les principaux paramètres (J.-D. Langlois,1. Fotsing et Leblanc, 2009; Pelletier et al. 2010) pouvant être utilisés pour bâtir les modèles sont la puissance de sortie, la vitesse du vent à la nacelle, la direction du vent, la densité de l’air, la vitesse mesurée au mât météorologique, l’intensité de turbulence, le cisaillement et les coefficients d’aplatissement (kurtosis) et de dissymétrie (skewness) d’un indice de performance comme le résidu de la puissance réelle comparée à celle de la courbe de puissance du manufacturier.
La courbe de puissance du manufacturier caractérise la production électrique d’une l’éolienne en fonction de la vitesse du vent en aval à la hauteur de la nacelle. Elle est construite selon les normes IEC 61400. Cette norme est faite dans un contexte global afin d’assurer la répétabilité des résultats. Pour ce faire, ce test s’effectue sous des conditions contrôlées de topographie et de densité de l’air. On ne tient compte que d’une vitesse moyenne à la hauteur du moyeu. L’intensité de turbulence n’est pas encore considérée, il le sera probablement dans la prochaine révision.

Outils de détection de sous-performance

L’analyse par composante principale (ACP) (D’ollonne, 2008; Decaestecker et Saerens 2006; Tahan, 2007) est une méthode de la statistique multivariée. Elle est utilisée dans le cas où nous ne connaissons pas la relation entre les variables prédictives et les variables prédites.
Pour un problème avec plusieurs variables (p), nous voulons réduire les variables à l<p variables principales et l’axe principal. Habituellement, on essaie d’avoir l=2 ou 3 pour améliorer la visualisation. On espère pouvoir expliquer le maximum de la variance des données avec le minimum de variables.
L’étude de (Provost 2008) essaie de déterminer quelle est la méthode parmi l’ACP, la régression linéaire locale (LLR) et les réseaux de neurones artificiels (RNA) qui est la mieux adaptée à l’éolien. Les données proviennent d’une centrale en France de 5 éoliennes totalisant 4,25 MW. Les données disponibles comportent 34 paramètres provenant du système numérique de contrôle-commande « DCS » de chaque éolienne, 7 paramètres de la station météo, 4 paramètres d’un wattmètre.  Il y a un modèle global comportant 14 paramètres, un modèle de puissance, du boitier d’engrenage, du système hydraulique et du générateur. Nous n’avons pas davantage d’information concernant les paramètres d’entrées et de sorties. Les paramètres sont moyennés sur 10min puis analysées par rapport à leur résidu.
Le résidu est la différence entre une valeur estimée et une valeur observée. Les données s’étalent sur 16 mois à partir de janvier 2006.

Table des matières

INTRODUCTION
Présentation et objectifs du projet
CHAPITRE 1 REVUE DE LITTÉRATURE 
1.1 Éolien en général
1.1.1 Types de conceptions d’éoliennes
1.1.1.1 Contrôle de la vitesse
1.1.1.2 Régulation de la puissance
1.1.2 Production énergétique
1.1.3 Courbe de puissance norme IEC61400-12-1, IEC61400-12-2,IEC61400-12-3
1.2 Maintenance des éoliennes 
1.2.1 Défaillances fréquentes
1.2.2 Types de maintenance
1.2.3 Systèmes de maintenance conditionnelle
1.3 Suivi de performance des éoliennes
1.3.1 Modèles basés sur la courbe de puissance d’une éolienne
1.3.2 Outils de détection de sous-performance
CHAPITRE 2 MÉTHODOLOGIE GÉNÉRALE 
2.1 Présentation du parc éolien du SNEEC 
2.2 Présentation des données 
2.3 Traitement des données 
2.3.1 Données moyennées 10-min et glissante sur 2-min
2.3.2 Contrôle qualité et élimination des données aberrantes
2.4 Exemple de journée de sous-performance
CHAPITRE 3 MODÈLES DE PUISSANCES ATTENDUES 
3.1 Modèle basé sur la méthode des « bins » corrigé en densité (BINS) IEC61400-12-1 
3.1.1 Critiques de la méthode BINS
3.1.2 Calcul du modèle 10m-g2m
3.1.3 Calcul du modèle 1 min
3.2 Modèles réseau de neurones 
3.2.1 Données et développement du réseau de neurones
3.2.2 Effet de la température
3.3 Résultats et comparaisons des modèles 
3.3.1 Comparaison modèles Bins 10min et 1min
3.3.2 Comparaison des modèles MLP et Bins 10min
CHAPITRE 4 DÉTECTION DE SOUS-PERFORMANCE PAR LA MÉTHODE DE CASELITZ 
4.1 Calcul des limites de contrôles
4.2 Présentations des données testées 
4.3 Résultats 
CHAPITRE 5 DÉTECTION DE SOUS-PERFORMANCE PAR LA MÉTHODE DES CARTES DE CONTRÔLE 
5.1 Théorie sur les cartes de contrôle
5.1.1 Types de carte
5.1.1.1 Carte d’étendue R
5.1.1.2 Carte d’écart-type (carte S)
5.1.1.3 Carte
5.2 Calcul des indicateurs de performance 
5.3 Choix de la carte de contrôle
5.4 Calcul des limites des cartes de contrôle 
5.5 Résultats 
CHAPITRE 6 MÉTHODE DES MOMENTS CENTRAUX
6.1 Développement de la méthode Sgurr 
6.1.1 Essai graphique Kurtosis vs Skewness
6.2 Essais avec les moments centraux 
CHAPITRE 7 ANALYSE DES CAUSES DE SOUS – PERFORMANCE 
7.1 Identification des périodes de sous-performance 
7.2 Indicateur de présence de givre 
7.2.1 Indicateurs utilisés pour le projet
7.2.1.1 Données historiques et informations visuelles (DHVIS)
7.2.1.2 Température et humidité (DRHT)
7.2.1.3 Comparaison entre un anémomètre chauffé et non chauffé (DACNC)
7.2.2 Autres indicateurs non utilisés
7.2.2.1 Précipitation liquide par temps froid (DPL)
7.2.2.2 Lecture erronée sur un anémomètre/girouette non chauffé (DAE)
7.3 Les codes d’états de l’éolienne
7.3.1 Codes d’opération
7.4 Analyse des causes d’erreur 
CONCLUSION

Télécharger le rapport complet