Optimal wind farm energy and reserve scheduling incorporating wake interactions

Cet article propose une approche novatrice d'ordonnancement de l'énergie et des réserves pour les parcs éoliens intégrant explicitement les interactions de sillage via un modèle stochastique et le logiciel FLORIS, démontrant que cette méthode améliore la précision des prévisions, réduit les pénalités de déséquilibre et augmente les revenus par rapport aux méthodes conventionnelles, comme illustré par l'étude de cas du parc éolien offshore London Array.

L'essentiel

🌬️ Le Grand Jeu du Vent : Comment gagner plus en évitant les embouteillages

Imaginez un parc éolien comme une armée de cyclistes qui participent à une course contre la montre pour produire de l'électricité. Chaque cycliste (l'éolienne) veut aller aussi vite que possible pour gagner de l'argent.

Mais il y a un problème : quand un cycliste pédale fort, il crée un sillage (un courant d'air turbulent et moins rapide) derrière lui. Si le cycliste qui le suit se trouve exactement dans ce sillage, il doit pédaler plus dur pour aller aussi vite, ou alors il ralentit. C'est ce qu'on appelle l'effet de sillage (ou wake effect en anglais).

🚫 Le Problème : La fausse confiance

Jusqu'à présent, les gestionnaires de ces parcs éoliens utilisaient une méthode très simple pour prédire combien d'électricité ils allaient produire. C'était comme si on disait : "Chaque cycliste va à sa vitesse maximale théorique, peu importe ce qui se passe devant lui."

C'est ce qu'on appelle la méthode de la "Courbe de Puissance".

• Le problème : Cette méthode est trop optimiste. Elle ignore les embouteillages d'air. Elle pense qu'on va produire 100% de l'énergie, alors qu'en réalité, à cause des sillages, on n'en produit que 85 ou 90%.
• La conséquence : Les gestionnaires vendent trop d'électricité sur le marché. Quand le moment de la livraison arrive, ils ne peuvent pas tenir leurs promesses. Ils doivent payer de lourdes amendes (des pénalités) pour ne pas avoir livré ce qu'ils avaient promis. C'est comme commander 10 pizzas et en recevoir seulement 8 : le client est mécontent et vous facturez une pénalité.

💡 La Solution : Le "Pilote de Sillage" (Wake Steering)

Ce papier propose une nouvelle stratégie intelligente, un peu comme un entraîneur de cyclisme qui regarde la course en temps réel.

Au lieu de laisser chaque éolienne pédaler tout droit (ce qui crée un gros sillage pour les suivantes), l'entraîneur dit aux éoliennes du devant : "Tourne légèrement ton gouvernail (l'axe) de quelques degrés !".

• L'analogie : Imaginez que le cycliste du devant tourne légèrement son guidon. Il va un tout petit peu moins vite lui-même, mais il déplace son sillage sur le côté, comme si il ouvrait la route pour le cycliste derrière lui.
• Le résultat : Le cycliste derrière peut maintenant aller beaucoup plus vite. Au total, l'équipe gagne plus de temps (plus d'énergie) que si chacun avait pédalé tout droit.

📈 Ce que la recherche a découvert

Les auteurs de ce papier ont créé un logiciel (un "cerveau" mathématique) qui combine deux choses :

1. La météo : Il prédit le vent et les embouteillages d'air.
2. Le marché : Il décide combien vendre d'électricité et combien garder en réserve pour aider le réseau électrique (comme un service de dépannage).

Ils ont testé leur méthode sur le London Array (un immense parc éolien en mer au Royaume-Uni) et ont comparé trois approches :

1. L'approche naïve (Courbe de Puissance) : "On vend tout ce qu'on pense pouvoir faire."
   • Résultat : On pense gagner beaucoup, mais on paie trop d'amendes. Au final, on perd de l'argent (environ 3% de moins que prévu).
2. L'approche réaliste (Baseline) : "On tient compte des embouteillages d'air."
   • Résultat : On vend moins, mais on est plus précis. On évite les grosses amendes. C'est déjà mieux.
3. L'approche intelligente (avec Pilotage de Sillage) : "On tient compte des embouteillages ET on tourne les éoliennes pour optimiser le flux."
   • Résultat : C'est le gagnant ! En tournant légèrement les éoliennes, on récupère de l'énergie perdue. Cela permet de gagner 1 à 2% de plus que la méthode réaliste.

🏆 Pourquoi c'est important pour nous ?

Avec le changement climatique, nous voulons plus d'énergie éolienne. Mais plus il y a d'éoliennes, plus les "embouteillages d'air" sont complexes.

Ce papier nous apprend deux choses essentielles :

1. Arrêtons de rêver : Ne prévoyons pas de produire l'énergie maximale théorique si le vent ne le permet pas à cause des autres éoliennes. Sinon, on perd de l'argent en amendes.
2. Soyons malins : En faisant bouger légèrement les éoliennes (comme un chef d'orchestre qui ajuste ses musiciens), on peut produire plus d'énergie propre et gagner plus d'argent, tout en aidant à stabiliser le réseau électrique.

En résumé : C'est comme passer d'une course où chacun court pour soi (et se gêne mutuellement) à une course d'équipe où l'on s'organise pour que tout le monde arrive à l'arrivée le plus vite possible, en évitant de se marcher sur les pieds.

Résumé technique

Titre de l'article

Planification optimale de l'énergie et des réserves des parcs éoliens intégrant les interactions de sillage
(Optimal wind farm energy and reserve scheduling incorporating wake interactions)

1. Problématique

L'intégration croissante de l'énergie éolienne dans les réseaux électriques pose des défis majeurs en matière de stabilité et de fiabilité. Les producteurs d'électricité éolienne (WPP) sont de plus en plus contraints de participer aux marchés de l'énergie et aux services auxiliaires (comme les réserves de fréquence) pour soutenir le réseau.

Le problème central identifié dans cet article réside dans la modélisation imprécise de la production éolienne utilisée pour les stratégies d'enchères sur les marchés à court terme (J-1) :

• Méthode "Power Curve" (Courbe de puissance) : Les approches conventionnelles se basent souvent sur les courbes de puissance des turbines, ignorant les effets de sillage. Cela conduit à une surestimation de la production (une limite supérieure théorique), augmentant les risques de déséquilibre et de pénalités financières.
• Méthode "Baseline" (Référence) : Certaines études intègrent les pertes de sillage mais ne proposent pas de stratégies de gestion active, sous-estimant ainsi le potentiel de production (une limite inférieure).
• Le vide de recherche : Il existe un décalage entre les modèles aérodynamiques de sillage (gestion de parc) et les modèles d'optimisation de marché. Peu d'études intègrent explicitement les effets de sillage et les stratégies de contrôle actif (comme le wake steering) dans un cadre d'optimisation de profit pour les marchés de l'énergie et des réserves.

2. Méthodologie

Les auteurs proposent une approche novatrice basée sur une programmation stochastique à deux étapes pour la planification conjointe de l'énergie et des réserves.

• Modélisation du Sillage et Contrôle Actif :
  • Utilisation du logiciel FLORIS (bibliothèque de simulation Python) avec le modèle de sillage "Cumulative Curl" pour estimer la production en tenant compte des interactions entre turbines.
  • Intégration de la déviation de sillage (Wake Steering) : Les turbines en amont sont volontairement orientées (yaw) pour dévier leur sillage loin des turbines en aval, réduisant les pertes globales et augmentant la production totale du parc.
• Cadre Stochastique :
  • Génération de scénarios : Création de scénarios pour la vitesse du vent, la direction du vent et la durée des réserves (FR) en utilisant des distributions statistiques (Normale pour la vitesse, von Mises pour la direction).
  • Réduction de scénarios : Utilisation de l'algorithme K-medoids pour regrouper les scénarios générés en un nombre représentatif (15 scénarios) afin de maintenir un coût de calcul raisonnable tout en préservant la précision.
• Formulation du Problème d'Optimisation :
  • Objectif : Maximiser le profit espéré du producteur (revenus énergie + réserves) tout en minimisant les coûts de déséquilibre.
  • Variables de décision : Enchères pour l'énergie (J-1), les réserves de restauration de fréquence (FRR/FR) et les réponses fréquentielles obligatoires (MFR).
  • Contraintes : Capacité maximale du parc (dépendante du vent et du sillage), limites de délestage (10 % pour le MFR), et contraintes physiques de redéploiement en temps réel.
• Étude de Cas :
  • Application sur le parc éolien offshore London Array (630 MW, Royaume-Uni).
  • Participation simulée aux marchés britanniques (GB) : Énergie J-1, MFR et FR (Fast Reserve).
  • Données météorologiques issues d'une tour offshore aux Pays-Bas (Ijmuiden) pour simuler des conditions réalistes.

3. Contributions Clés

1. Estimation de puissance consciente du sillage : Contrairement aux méthodes traditionnelles, ce modèle utilise des modèles de sillage avancés pour fournir des prévisions de production réalistes, évitant ainsi les surestimations dangereuses pour les enchères.
2. Optimisation par déviation de sillage (Wake Steering) : L'article démontre comment l'orientation active des turbines peut être intégrée directement dans la stratégie d'enchères pour maximiser les revenus, en allouant l'énergie supplémentaire générée soit au marché de l'énergie, soit aux réserves.
3. Analyse de marché étendue : Extension de l'analyse au-delà des réserves primaires (FCR) vers le marché des réserves de restauration (FRR/FR), un domaine où les interactions de sillage sont critiques en raison des échelles de temps (quelques minutes).
4. Comparaison méthodologique : Établissement d'une comparaison claire entre trois approches : "Power Curve" (optimiste), "Baseline" (conservatrice avec sillage statique) et "Proposée" (réaliste avec gestion active).

4. Résultats Principaux

L'étude a été menée sur deux jours types (11 et 12 avril 2015) avec des conditions de vent variables.

• Surestimation des méthodes conventionnelles :
  • La méthode "Power Curve" surestime la production de 12 à 13 % par rapport à la méthode "Baseline" (qui inclut les pertes de sillage).
  • En conséquence, bien que la méthode "Power Curve" propose des enchères plus élevées, elle subit des pénalités de déséquilibre importantes, résultant en un revenu réel 3 % inférieur à celui de la méthode "Baseline".
• Bénéfices de la déviation de sillage (Wake Steering) :
  • L'approche "Wake Steering" (WRC) permet d'augmenter les revenus de 1 à 2 % par rapport à la méthode "Baseline".
  • Cette amélioration provient de la capacité à récupérer de l'énergie perdue par les effets de sillage et à l'optimiser sur les marchés les plus rentables.
• Comportement des enchères :
  • Le modèle montre une sensibilité aux prix de l'énergie et à la variabilité du vent. Lorsque les prix de l'énergie sont bas ou la variabilité du vent élevée, le modèle privilégie les enchères sur le marché des réserves (FR).
  • Les stratégies WRC1 (allocation optimale entre énergie et réserve) et WRC2 (allocation de l'excédent uniquement aux réserves) ont donné des résultats identiques dans ce cas d'étude spécifique, car les conditions de déclenchement de la contrainte spécifique (prix > 35 £/MWh et production excédentaire) n'ont pas été simultanément satisfaites.
• Faisabilité temporelle : Le temps de calcul (environ 30 minutes par jour) est compatible avec les délais de fermeture des marchés J-1 britanniques.

5. Signification et Implications

Ce travail a une importance significative pour l'avenir de l'intégration de l'énergie éolienne :

• Économique : Il démontre que négliger les effets de sillage dans la planification commerciale entraîne des pertes financières directes dues aux pénalités de déséquilibre. À l'inverse, la gestion active du sillage offre un levier de profit supplémentaire.
• Opérationnel : Il valide la pertinence du wake steering pour les services auxiliaires à court terme (FRR), prouvant que le temps de propagation du sillage (quelques minutes) est compatible avec les exigences de réponse des opérateurs de réseau.
• Stratégique : L'article fournit un cadre décisionnel robuste pour les producteurs éoliens, leur permettant de passer d'une approche passive (suivre la courbe de puissance) à une approche active et optimisée, essentielle à mesure que la pénétration du vent augmente et que la stabilité du réseau devient plus critique.

En conclusion, l'intégration explicite des interactions de sillage et des stratégies de contrôle actif dans les modèles d'optimisation de marché est non seulement techniquement réalisable, mais économiquement supérieure, offrant une voie vers une meilleure stabilité du réseau et une rentabilité accrue pour les parcs éoliens.