École de technologie supérieure
Évaluation des méthodes d'estimation du productible des parcs éoliens
Abstract
dc:descriptionL’estimation de la capacité de production est une étape cruciale dans le processus de conception d’une centrale éolienne. Une mauvaise estimation de la production peut engendrer des pertes économiques importantes. Une étude réalisée sur les centrales éoliennes subventionnées par le gouvernement canadien a démontré que l’estimation moyenne de ces centrales affichait une surestimation de la capacité de production. Dans ce contexte, une étude a été effectuée afin de mieux comprendre l’origine de ces erreurs et de développer une méthode afin de les réduire. Pour ce faire, les logiciels MS-Micro, WAsP, WindFarm et WindPro ont été étudiés et comparés. Selon les résultats obtenus, MS-Micro donne de meilleurs résultats lorsque le terrain est simple comparativement à WAsP. À l’inverse, WAsP accorde des erreurs plus faibles en terrain complexe. Au niveau des modèles de sillage, le modèle WindFarm affiche les résultats les plus concluants lorsqu’il s’agit de sillage unitaire tandis que le modèle WindPro donne les meilleurs résultats dans le cas de sillage multiple. Suite à ces analyses, des indicateurs de topographie et de sillage ont été développés afin d’identifier l’influence des diverses caractéristiques d’un site sur l’erreur de production. Entre autres, une classification de la rugosité a été créée, incluant un paramètre de rugosité de référence ainsi qu’un paramètre de complexité de rugosité. Les indicateurs ont également permis d’établir des corrélations et de développer des équations permettant d’évaluer l’erreur de production en fonction du site et du positionnement des éoliennes sur le site. Une réduction de 83.4% des erreurs de production sur l’effet de terrain est obtenue, tandis que les indicateurs de sillage ont engendré une amélioration de l’estimation de 79.3%. Enfin, diverses études de cas ont été effectuées sur le modèle WAsP afin d’évaluer les erreurs engendrées par certaines approximations. Les résultats démontrent, entre autres, que des erreurs importantes se produisent lorsque les données de vent n’ont pas tendance à suivre une distribution de Weibull. Ce phénomène ne semble pas être observé sur le modèle MS-Micro.
Degree
thesis:*- Name thesis:degree_name
- Mémoire de maîtrise électronique
- Level thesis:degree_level
- masters
- Grantor dc:publisher
- École de technologie supérieure
- Year dc:date
- 2011
Author and committee
dc:creator, dc:contributor.*- Author dc:creator
-
- Dorval, Jonathan
Subjects
dc:subject × 1Rights
- Language dc:language
- fr
Identifiers
dc:identifier.*- Identifier
- INSERT-YOUR-LIBRARY-ID-HERE966