Suite à un stage avec la compagnie Hatch, nous possédons des jeux de données
composés de séries chronologiques de vitesses de vent mesurées à divers
sites dans le monde, sur plusieurs années. Les ingénieurs éoliens de la
compagnie Hatch utilisent ces jeux de données conjointement aux banques de
données d’Environnement Canada pour évaluer le potentiel éolien afin de savoir
s’il vaut la peine d’installer des éoliennes à ces endroits. Depuis quelques
années, des compagnies offrent des simulations méso-échelle de vitesses de
vent, basées sur divers indices environnementaux de l’endroit à évaluer. Les
ingénieurs éoliens veulent savoir s’il vaut la peine de payer pour ces données
simulées, donc si celles-ci peuvent être utiles lors de l’estimation de la production
d’énergie éolienne et si elles pourraient être utilisées lors de la prévision
de la vitesse du vent long terme. De plus, comme l’on possède des données mesurées
de vitesses de vent, l’on en profitera pour tester à partir de diverses méthodes
statistiques différentes étapes de l’estimation de la production d’énergie.
L’on verra les méthodes d’extrapolation de la vitesse du vent à la hauteur
d’une turbine éolienne et l’on évaluera ces méthodes à l’aide de l’erreur quadratique
moyenne. Aussi, on étudiera la modélisation de la vitesse du vent
par la distributionWeibull et la variation de la distribution de la vitesse dans le
temps. Finalement, l’on verra à partir de la validation croisée et du bootstrap si
l’utilisation de données méso-échelle est préférable à celle de données des stations
de référence, en plus de tester un modèle où les deux types de données
sont utilisées pour prédire la vitesse du vent. Nous testerons la méthodologie
globale présentement utilisée par les ingénieurs éoliens pour l’estimation de la
production d’énergie d’un point de vue statistique, puis tenterons de proposer
des changements à cette méthodologie, qui pourraient améliorer l’estimation
de la production d’énergie annuelle. / Following an internship with the company Hatch, we have access to datasets
that are composed of wind speed time series measured at different sites
accross the world and over several years. The wind speed engineers from Hatch
are using these datasets jointly with Environment Canada databases in order to
ascertain the wind energy potential of these sites and to know whether it is
worth installing wind turbines there. For a few years, some companies are also
offering mesoscale simulations of wind speed based on different environmental
characteristics from the site we want to evaluate. We would like to know
if it is worth paying for those mesoscale datasets and if they can be used to
provide better estimations of the wind energy potential. Among other things,
these data could be used to provide a better estimation of the long term mean
wind speed. Since we already possess measured datasets, we will also use
them to test, with statistical methods, the methodology currently used and the
different steps leading to an estimation of the wind energy production. First of
all, we will see what are the different methods that could be used to extrapolate
wind speed to a wind turbine’s height and we will evaluate those methods
with the mean squared extrapolation error. Also, we will study wind distribution
modelling by the Weibull distribution and consider its variability over
time. Finally, cross-validation and block bootstrap will be used to see whether
we should use mesoscale data instead of wind data from Environment Canada
or whether it would even be beneficial to use both kind of data to predict wind
speed. In summary, the whole methodology used by wind speed engineers to
estimate the energy production will be tested from a statistical point of view
and we will attempt to propose changes in this methodology that could improve
the estimation of the wind speed annual energy production.
Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/12015 |
Date | 04 1900 |
Creators | Coulombe, Janie |
Contributors | Léger, Christian |
Source Sets | Université de Montréal |
Language | French |
Detected Language | French |
Type | Thèse ou Mémoire numérique / Electronic Thesis or Dissertation |
Page generated in 0.0031 seconds