Vestas booste ses modèles de contrôle de parcs éoliens pour une énergie durable

En passant devant un champ d’éoliennes, vous ne vous rendez peut-être pas compte du concert complexe de physique qui se joue à chaque instant à côté de vous. Les turbines en rotation captent l'énergie des rafales d'air et laissent derrière elles des courants turbulents qui forment des sillages entrant en collision avec les autres turbines et réduisant leur rendement énergétique global.

IEEE Spectrum estime que 10 % de l'énergie éolienne potentielle est perdue à cause de ces effets de sillage – le résultat de la turbulence d'une turbine qui affecte négativement celles derrière elle. Même une amélioration de 1 % pourrait se traduire par des millions de dollars de bénéfices et un avenir énergétique plus durable. En tant que leader mondial dans le domaine des énergies renouvelables et premier fabricant d'éoliennes au monde, Vestas cherche depuis longtemps à optimiser tous les aspects de l'énergie éolienne afin d'améliorer la rentabilité pour ses clients, ainsi que leur durabilité.

La danse des éoliennes

En modifiant l'alignement de chaque éolienne, la technique de « pilotage des sillages » permet de réduire les turbulences sur les autres éoliennes et d'augmenter le rendement global d’une flotte. Imaginez une danse réactive et collaborative où les turbines s'adaptent en temps réel aux conditions changeantes du vent. Lorsqu'une éolienne fait un mouvement de lacet pour rediriger son sillage et l'empêcher d'atteindre l'éolienne située derrière elle, les autres s'adaptent également pour réduire leur impact sur les éoliennes situées en aval. 

Le pilotage de sillage nécessite des stratégies de contrôle complexes, et Vestas souhaitait réduire le temps de développement grâce à l'apprentissage par renforcement via le calcul haute performance (HPC) Azure comme alternative à sa modélisation traditionnelle. Il a fallu, pour développer une approche optimisant le pilotage de sillage, des technologies d'IA avancées, des simulations intensives et une grande capacité de calcul pour surmonter les complexités de la dynamique des fluides et l'ampleur de la mécanique des parcs éoliens. Vestas, qui possède l'un des plus grands supercalculateurs d'Europe, a travaillé sur le problème qu'elle appelle le Grand Challenge, mais il a fallu un changement de tactique pour obtenir les résultats qu'elle souhaitait vraiment. 

« Nous disposons d'un supercalculateur sur site, un assez gros », explique Sven Jesper Knudsen, Chief Specialist and Modeling & Analytics Module Design Owner. Mais Vestas a reconnu que le calcul haute performance (HPC) basé sur le cloud computing pourrait présenter une meilleure solution. 

En fait, le parcours de l'idée jusqu’au déploiement du pilote a été remarquablement court. « La facilité avec laquelle nous pouvons commencer à développer avec la plateforme minds.ai sur Azure nous a ouvert les yeux », déclare Knudsen. « J'ai été complètement ébahi qu'une semaine après le début du projet, nous avions presque un produit minimum viable. »

L'entreprise a travaillé avec minds.ai, membre du réseau Microsoft Partner Network, et sa plateforme d'apprentissage par renforcement DeepSim pour générer un système de contrôle de turbine éolienne intelligent en tirant parti de la puissance des ressources HPC Azure. Vestas utilise cette plateforme pour exécuter des simulations complexes à l'échelle afin de former rapidement des modèles. Ces systèmes de contrôle doivent être capables de réagir automatiquement aux conditions de vent et d'orchestrer les orientations des turbines pour minimiser les pertes de puissance dues aux turbulences de sillage.

Un impact profond

En utilisant les capacités d'apprentissage par renforcement de la plateforme DeepSim sur Azure, le système améliore continuellement la prise de décision en utilisant des données basées sur les résultats des actions. Vestas utilise cette méthode pour former les systèmes de contrôle afin qu'ils prennent les mesures appropriées en fonction des données provenant de l'environnement du parc éolien. Par exemple, ajuster le lacet de l'éolienne en fonction de la direction, de la vitesse du vent et de l'effet de sillage, afin d'atténuer ce dernier et d'augmenter l'efficacité et le rendement du parc éolien.

La formation implique des millions de simulations, un lac de pétaoctets de données, et beaucoup d'essais et d'erreurs. Les vastes ressources de DeepSim fonctionnant sur Azure HPC permettent une convergence plus rapide, ce qui réduit le coût de calcul. 

Bien que l'approche n'en soit qu'à ses débuts, Vestas est désormais convaincue qu'elle fonctionne et qu'elle a le potentiel d’apporter des améliorations significatives pour les clients de l'entreprise. « Le principal moteur est l'augmentation de la valeur, du chiffre d’affaires, et il s’agit évidemment d’une conséquence directe de l'augmentation du nombre de kilowattheures », explique Ewan Machefaux, Senior Modeling Specialist chez Vestas.

Vestas s'attend à ce que cette optimisation améliore nettement les parcs éoliens existants. La société souhaite également aider les clients à construire les futurs parcs éoliens en tenant compte de ces formules afin qu'ils puissent fournir plus d'énergie à partir de turbines plus proches, conçues pour anticiper et minimiser les effets de sillage. « Il s’agit, en gros, de concevoir votre produit différemment, à moindre coût, tout en obtenant un meilleur rendement », note Ewan Machefaux. 

Mesurer l'impact des sillages sur les turbines en aval, et la façon dont ajuster leur orientation pourrait améliorer leur efficacité, nécessite des modèles compliqués exécutant des milliers de simulations en simultané. La solution HPC s'appuie sur des machines virtuelles Azure HBv3 équipées de processeurs AMD EPYC™ de troisième génération, poussés jusqu'à 15 000 cœurs, avec la capacité d'aller plus haut si nécessaire.

« Les derniers processeurs AMD offrent une puissance de calcul et une bande passante mémoire élevées, et c’est crucial pour les simulations impliquant de grandes quantités de données météorologiques. En plus de cela, le rapport coût/performance est remarquable : il nous a permis de monter en puissance tout en gardant un coût raisonnable », déclare Dr. Jeroen Bédorf, Senior Systems Architect chez minds.ai. « Ce projet aurait pris beaucoup plus de temps sans les nœuds Azure HBv3 basés sur AMD. »

DeepSim utilise l'infrastructure HPC Azure ainsi que Kubernetes pour passer à l'échelle supérieure et exécuter des simulations complexes. Il applique ensuite l'apprentissage par renforcement pour extraire les conclusions de ces tests. Grâce à un réseau neuronal il distingue les optimisations tout en testant des millions de paramètres. Notre partenaire minds.ai a utilisé DeepSim pour améliorer les performances de dispositifs et systèmes dans d'autres secteurs, notamment le régulateur de vitesse des véhicules électriques hybrides.

Des prototypes prometteurs, de belles simulations

Vestas considère que cette technologie est à la fois extrêmement prometteuse et belle, car elle illustre des flottes de turbines orchestrées qui se déplacent de concert pour éloigner les traînées de chaque turbine, tandis qu'elles s'adaptent toutes aux changements de direction et de vitesse du vent. 

« Nous avons appris au système de contrôle à laisser les turbines danser ensemble », explique Thomas Soule, Business Development Manager chez minds.ai. « Quand on le voit en simulation, c'est vraiment magnifique ».

Et avec Azure, contrairement à un supercalculateur sur site, Vestas ne paie que pour les cycles qu'elle utilise pendant le processus de modélisation. Elle peut utiliser le paiement en pay-as-you-go d'Azure pour augmenter les ressources de calcul et de stockage ou les réduire au besoin. Lorsque l'entreprise commercialisera sa solution d'apprentissage par renforcement, cette flexibilité l'aidera à contrôler les coûts et à proposer une technologie révolutionnaire à de nouveaux clients sans avoir à réaliser de gros investissements dans l'infrastructure.

« L'apprentissage par renforcement existe depuis un certain temps », explique M. Soule. « Mais il nécessite beaucoup de cycles de calcul et de simulations intensives. Et avant d’atteindre un certain niveau d'accessibilité et de puissance, ce n'était tout simplement pas pratique. »

Une fois le modèle achevé, les résultats de DeepSim indiqueront au système de contrôle de turbine comment s'adapter aux conditions changeantes du vent en utilisant des calculs mathématiques simplifiés. Il exécutera alors des ajustements spécifiques de la turbine sans avoir besoin de cycles HPC intensifs et permanents.

Un avenir durable et prospère

Des petits gains dans l’optimisation du sillage ont le potentiel de débloquer beaucoup d'énergie, et donc des profits plus élevés pour les exploitants de parcs éoliens. 

« Les technologies construites sur Azure HPC nous libèrent de l’effet de sillage mais aussi d'autres cas d'utilisation, et rendent l'énergie éolienne encore plus compétitive », rapporte Knudsen. « Grâce à elles, nous pouvons optimiser la conception et la rentabilité des solutions énergétiques durables pour nos clients. »

Bien qu'elle n'en soit encore qu'aux premiers stades de son développement, ce pilote est une étape essentielle vers la réalisation d’un avenir plus durable. Les améliorations basées sur ce premier prototype peuvent mettre des années à être appliquées aux turbines du monde entier, mais Vestas a maintenant une route toute tracée vers cet objectif.

« Nous avons un grand rôle à jouer dans la transition énergétique mondiale. Nous sommes désormais au même niveau que le pétrole et le gaz et nous sommes déjà la source d'énergie la plus rentable », déclare Line Storelvmo Holmberg, Senior Vice President, Applications, Controls & Electrical, chez Vestas. « Notre ambition est d'être le leader mondial des solutions énergétiques durables. »