Stage – Calcul des charges aérodynamiques - conditions transitoires

Évaluation de l’impact des conditions de marché, des contraintes réseau et des stratégies d’exploitation sur les charges structurelles et la durée de vie des éoliennes

Objectif

Les éoliennes sont traditionnellement conçues en considérant que leur objectif principal est de maximiser la production d’énergie lorsque les conditions de vent le permettent. Les cas de charge définis dans les normes internationales représentent ainsi principalement des conditions d’exploitation dictées par le vent, avec une prise en compte limitée des contraintes liées au marché de l’électricité et à l’exploitation du réseau.

Le développement rapide des énergies renouvelables modifie cependant profondément le fonctionnement des parcs éoliens. Les prix négatifs de l’électricité, les congestions réseau, les actions d’équilibrage, les écarts de prévision et la participation aux services système entraînent des limitations de puissance, des fonctionnements dégradés, des rampes de puissance ainsi que des cycles fréquents d’arrêt et de redémarrage.

e stage vise à déterminer dans quelle mesure ces modes d’exploitation influencent les charges structurelles, l’endommagement en fatigue et la consommation de durée de vie des éoliennes.

En s’appuyant sur des données SCADA de flotte, des données de marché et des outils de simulation aéroélastique, l’objectif est de :

• Caractériser le fonctionnement réel des éoliennes sous différentes conditions de marché et de réseau.
• Identifier les événements opérationnels liés aux prix de l’électricité, aux contraintes réseau et aux incertitudes de prévision.
• Quantifier leur contribution aux charges structurelles et à l’endommagement en fatigue.
• Proposer des recommandations pour l’exploitation des turbines et l’amélioration des hypothèses de dimensionnement.

Le résultat attendu est une méthodologie permettant de relier les conditions du système électrique, le comportement opérationnel des turbines et leur impact sur la durée de vie structurelle.

Périmètre de travail

Comprendre les données SCADA disponibles, les outils de simulation aéroélastique et les principales grandeurs utilisées pour l’analyse des charges et de la fatigue.

Réaliser une revue ciblée des travaux relatifs au fonctionnement réduit, aux limitations de puissance, aux services système et à l’impact des marchés de l’électricité sur les éoliennes.

Collecter et préparer des données SCADA représentatives de plusieurs turbines ou parcs, ainsi que les données de marché et de réseau pertinentes.

Caractériser le comportement opérationnel des turbines sous différentes conditions de prix de l’électricité, de production renouvelable et de contraintes réseau.

Développer des méthodes permettant d’identifier automatiquement les événements opérationnels tels que :

• Limitations de puissance et curtailments.
• Transitions entre niveaux de puissance réduite.
• Rampes de puissance.
• Arrêts et redémarrages.
• Redispatch et autres modifications d’exploitation non directement liées au vent.

Étudier le rôle des erreurs de prévision entre les engagements du marché day-ahead et la production éolienne réellement disponible.

Identifier un ensemble limité mais représentatif d’événements et de scénarios opérationnels à reproduire par simulation.

Simuler ces événements à l’aide des outils aéroélastiques de l’entreprise afin d’évaluer leurs effets sur les charges extrêmes, les cycles de fatigue et la consommation de durée de vie.

Comparer, lorsque les données le permettent, les résultats des simulations aux mesures opérationnelles disponibles.

Combiner la fréquence d’occurrence des événements et leur sévérité structurelle afin d’estimer leur contribution au spectre global de charges sur la durée de vie de la turbine.

Comparer l’impact des modes d’exploitation pilotés par le marché avec celui d’un fonctionnement conventionnel principalement dicté par les conditions de vent.

Formuler des recommandations pour les stratégies d’exploitation, les cas de charge représentatifs et les futures méthodologies de dimensionnement.

Selon l’avancement, des analyses complémentaires pourront porter sur les mesures de fréquence réseau, la participation aux services système, les stratégies de réserve de puissance ou l’utilisation de méthodes statistiques et de machine learning pour classifier les événements opérationnels.

Livrables

• Base de données combinant mesures SCADA, données de marché et informations opérationnelles pertinentes.
• Méthode automatisée d’identification et de classification des événements opérationnels pilotés par le marché ou le réseau.
• Caractérisation statistique des principaux modes de fonctionnement réduits, transitoires et cycles d’arrêt-redémarrage.
• Ensemble de cas aéroélastiques représentatifs des conditions d’exploitation observées.
• Évaluation des charges extrêmes, de l’endommagement en fatigue et de la consommation de durée de vie associée à chaque type d’événement.
• Quantification de la contribution des événements pilotés par le marché au spectre global de charges de la turbine.
• Scripts Python ou MATLAB permettant d’automatiser le traitement des données, la classification des événements et l’analyse des résultats.
• Rapport synthétique présentant les résultats, limites et recommandations.
• Support de présentation final pour l’équipe.
• Contribution potentielle à une conférence internationale ou à une publication scientifique.

Critères de succès

• Analyse reproductible d’un ensemble représentatif de données SCADA et de marché.
• Identification fiable des principaux événements opérationnels non directement dictés par les conditions de vent.
• Sélection d’un nombre limité mais représentatif de scénarios pour les simulations aéroélastiques.
• Quantification de l’impact des limitations de puissance, des rampes et des cycles d’arrêt-redémarrage sur les charges et la fatigue.
• Evaluation de la contribution de ces événements à la consommation de durée de vie globale.
• Recommandations concrètes concernant les stratégies opérationnelles et les hypothèses de dimensionnement.
• Documentation permettant à l’équipe de réutiliser les données, méthodes, scripts et conclusions après le stage.

Profil du candidat

• Étudiant(e) en dernière année de cycle ingénieur ou Master 2 en mécanique, aéronautique, énergie éolienne, systèmes énergétiques ou dans un domaine similaire.
• Intérêt pour l’ingénierie des éoliennes, la modélisation numérique et l’analyse de données.
• Expérience en programmation Python ou MATLAB.
• Connaissances en mécanique des structures, aéroélasticité ou analyse de fatigue appréciées.
• Connaissances en statistiques, traitement de données ou machine learning appréciées.
• Une connaissance des marchés de l’électricité, des réseaux électriques ou des services système constitue un plus.
• Rigueur, autonomie et capacité à analyser et documenter clairement les résultats.
• Anglais courant requis ; le français est un plus.

ENGLISH

Assessment of Market Conditions, Grid Constraints and Operational Strategies on Wind Turbine Loads and Lifetime

Objective

Wind turbines have traditionally been designed assuming that their primary objective is to maximize energy production whenever wind conditions allow. International design load cases therefore mainly represent wind-driven operation, with limited consideration of constraints imposed by electricity markets and power-system operation.

The rapid growth of renewable generation is, however, fundamentally changing wind farm operation. Negative electricity prices, grid congestion, balancing actions, forecast errors and ancillary service participation increasingly lead to curtailment, derated operation, power ramps and frequent start-stop cycles.

The internship aims to determine to what extent these operating modes influence structural loading, fatigue damage and wind turbine lifetime consumption.

Using fleet SCADA measurements, electricity market data and aeroelastic simulation tools, the work will:

• Characterize the actual operation of wind turbines under different electricity market and grid conditions.
• Identify operational events driven by electricity prices, grid constraints and forecast uncertainty.
• Quantify their contribution to structural loading and fatigue damage.
• Provide recommendations for turbine operation and improved future design assumptions.

The expected outcome is a methodology linking power-system conditions, turbine operational behaviour and their impact on structural lifetime.

Scope of Work

Understand the available SCADA data, aeroelastic simulation tools and the main quantities used for load and fatigue assessment.

Perform a focused review of derated operation, curtailment, ancillary services and the influence of electricity markets on wind turbine operation.

Collect and prepare representative SCADA data from several turbines or wind farms together with relevant electricity market and grid data.

Characterize turbine operational behaviour under different electricity prices, renewable production levels and grid constraints.

Develop methods to automatically identify operational events such as:

• Curtailment and power limitation.
• Transitions between derated power levels.
• Power ramps.
• Stop-start sequences.
• Redispatch and other operational adjustments not directly driven by wind conditions.

Investigate the role of forecast errors between day-ahead market commitments and actual available wind production.

Select a limited but representative set of operational events and scenarios for numerical reproduction.

Reproduce these events using the company’s aeroelastic simulation tools to assess their impact on extreme loads, fatigue cycles and lifetime consumption.

Compare simulation results with available operational measurements where appropriate.

Combine event frequency and structural severity to estimate their contribution to the turbine lifetime load spectrum.

Compare the impact of market-driven operating modes with conventional operation mainly determined by wind conditions.

Provide recommendations for operational strategies, representative design load cases and future turbine design methodologies.

Depending on progress, complementary investigations may address grid-frequency measurements, ancillary service participation, power-reserve strategies or the use of statistical and machine-learning methods to classify operational events.

Deliverables

• Dataset combining SCADA measurements, electricity market data and relevant operational information.
• Automated method to identify and classify market- and grid-driven operational events.
• Statistical characterization of the main derated operating modes, transients and stop-start cycles.
• Set of aeroelastic simulation cases representative of observed operating conditions.
• Assessment of extreme loads, fatigue damage and lifetime consumption associated with each event type.
• Quantification of the contribution of market-driven events to the overall turbine load spectrum.
• Python or MATLAB scripts to automate data processing, event classification and result analysis.
• Concise report summarizing results, limitations and recommendations.
• Final presentation material for the team.
• Potential contribution to an international conference or peer-reviewed publication.

Success Criteria

• Reproducible analysis of a representative SCADA and electricity market dataset.
• Reliable identification of the main operational events not directly driven by wind conditions.
• Selection of a limited but representative set of scenarios for aeroelastic simulation.
• Quantification of the impact of curtailment, power ramps and stop-start cycles on structural loads and fatigue.
• Assessment of the contribution of these events to overall lifetime consumption.
• Concrete recommendations regarding operational strategies and turbine design assumptions.
• Documentation enabling the team to reuse the data, methods, scripts and conclusions after the internship.

Candidate Profile

• Final-year engineering school or Master 2 student in mechanical engineering, aerospace engineering, wind energy, energy systems or a related field.
• Strong interest in wind turbine engineering, numerical modelling and data analysis.
• Experience with Python or MATLAB programming.
• Knowledge of structural mechanics, aeroelasticity or fatigue analysis is appreciated.
• Knowledge of statistics, data processing or machine learning is appreciated.
• Familiarity with electricity markets, power systems or ancillary services is an advantage.
• Rigorous, autonomous and able to clearly analyse and document results.
• Fluent English required; French is an advantage

Qui est Siemens Gamesa

Siemens Gamesa fait partie de Siemens Energy, leader mondial des technologies de l’énergie, fort de plus de 150 ans d’innovation. Ensemble, nous œuvrons pour rendre l’énergie durable, fiable et abordable, en repoussant constamment les limites du possible. Acteur majeur de l’industrie éolienne et fabricant de turbines, Siemens Gamesa est pleinement engagé dans la transition énergétique et le développement de solutions innovantes pour répondre à la demande énergétique croissante à l’échelle mondiale. Nous recherchons en permanence des talents pour soutenir notre mission de transformation énergétique.

Découvrez comment vous pouvez faire la différence chez Siemens Energy : [1] https://www.siemens-energy.com/employeevideo

Notre engagement en faveur de la diversité

Heureusement pour nous, nous sommes tous différents. La diversité est notre moteur. Il fonctionne à l’inclusion, et notre énergie créatrice combinée est alimentée par plus de 130 nationalités. Siemens Energy célèbre la personnalité de chacun

• quels que soient son origine ethnique, son genre, son âge, sa religion, son identité ou son handicap. Nous donnons de l’énergie à la société, à toute la société, et nous ne discriminons pas sur la base de nos différences.