Les éoliennes à axe vertical améliorent leur efficacité de 200 % grâce à l'IA

À l'EPFL, une équipe de chercheurs, utilisant des algorithmes génétiques, a obtenu une augmentation de 200 % de l'efficacité et une réduction de 70 % des vibrations dans les éoliennes à axe vertical, promettant un avenir plus durable et innovant dans le domaine de l'énergie éolienne.

À l'École Polytechnique Fédérale de Lausanne, en Suisse, il se passe quelque chose d'extraordinaire qui pourrait révolutionner notre façon de penser.l'énergie éolienne. Deux chercheurs ont utilisé l'intelligence artificielle pour pousser les éoliennes à axe vertical vers de nouveaux niveaux d'efficacité et réduire leur impact environnemental. Leurs travaux ont déjà produit des résultats impressionnants : une augmentation de l'efficacité des 200% et une réduction des vibrations du 70%.

Cette réussite est due à l'intuition et au travail de Sébastien Le Fouest Et Karen Mulleners, qui a appliqué avec succès un algorithme d'apprentissage automatique à cette technologie, marquant ainsi un moment historique dans l'industrie. Éoliennes à axe vertical (VAWT) représentent l'une des innovations les plus prometteuses dans le domaine des énergies renouvelables, se distinguant par une série d'avantages notables par rapport aux éoliennes traditionnelles à axe horizontal.

Des fonctionnalités de pointe optimisées par l'IA

Ces éoliennes, qui tournent perpendiculairement au vent, ne dépendent pas de sa direction, ce qui les rend particulièrement efficaces en milieu urbain où le flux d'air est moins prévisible. Leur conception compacte et leur vitesse de rotation plus lente contribuent à Reduire le bruit et le risque d'impacts avec la faune volante, tandis que la proximité des pièces mécaniques avec le sol facilite la maintenance et améliore la résistance aux charges structurelles.

Malgré leurs nombreux avantages, les VAWT n’ont pas encore atteint une position dominante sur le marché, principalement en raison de limitations techniques. Sébastien Le Fouest précise que ces turbines ne sont optimales qu'avec des débits d'air constants et modérés ; Des rafales intenses peuvent en effet modifier l'angle de l'écoulement par rapport aux pales, provoquant la formation de tourbillons dans un phénomène appelé décrochage dynamique, qui impose des charges transitoires qui ne peuvent être supportées par les structures.

Pour surmonter ces obstacles et améliorer à la fois l'efficacité et la robustesse des turbines, l'équipe de recherche a mis en œuvre une stratégie innovante, basée sur l'utilisation de algorithmes génétiques. Ces algorithmes heuristiques particuliers, inspirés de la sélection naturelle, ont été utilisés pour identifier les profils d'inclinaison optimaux des pales.

Grâce à l'installation de capteurs sur une turbine à petite échelle, connectée à un optimiseur exploitant ces algorithmes, les chercheurs ont testé différentes configurations d'angle, de vitesse et de largeur des pales. Suite à un processus évolutif, l’algorithme a sélectionné les profils les plus performants et les a combinés pour créer une « progéniture » améliorée. Cette méthodologie nous a permis d'identifier des configurations qui non seulement augmentent considérablement l'efficacité et la robustesse des turbines, mais transforment également leur plus grande faiblesse en un avantage concurrentiel. Les détails de cette étude pionnière ont été publiés dans la revue Communications naturellessoulignant le potentiel révolutionnaire de ces recherches dans le domaine des énergies renouvelables.

Source: Communications naturelles