Validation des modèles de charges lors des services réseau par comparaison entre mesures en exploitation et simulations aéroélastiques

Objectif

Mettre en place et appliquer une méthodologie de validation 0-Series des charges d’éoliennes lors d’événements de régulation réseau et de services système.

Le travail reposera sur l’analyse de données mesurées sur turbines, notamment les séries temporelles SCADA, les données haute fréquence disponibles et les signaux de contrôle, afin d’identifier et de caractériser des événements tels que les variations rapides de puissance, les changements de consigne, les fonctionnements en puissance réduite, les activations de réserve ou les transitions associées aux services réseau.

L’objectif principal sera de comparer le comportement réel des turbines et les charges mesurées avec les résultats des simulations de charges réalisées a priori lors de la conception. Cette comparaison sera menée sur plusieurs plateformes afin d’évaluer la représentativité des modèles, d’identifer les écarts éventuels et de proposer des améliorations des hypothèses de simulation et de validation.

Périmètre de travail

• Prise en main des outils internes de simulation aéroélastique, des modèles de turbine et des bases de données 0-Series et flotte.
• Compréhension des différents modes de régulation réseau et services système appliqués aux éoliennes : variations de consigne de puissance, réserve de puissance, rampes, limitation de puissance et transitions entre modes de fonctionnement.
• Compréhension de la chaîne de mesure utilisée pour la validation des charges : instrumentation, acquisition, synchronisation, filtrage, calibration et traitement des signaux.
• Collecte, nettoyage et mise en cohérence des données SCADA, des séries temporelles haute fréquence, des signaux contrôleur et des mesures de charges disponibles.
• Développement de méthodes permettant d’identifier et de classifier automatiquement les événements de régulation réseau dans les données d’exploitation.
• Sélection d’événements représentatifs en fonction des conditions de vent, des consignes réseau, de la dynamique de puissance et du comportement de la turbine.
• Reconstruction des conditions initiales et des entrées nécessaires à la reproduction numérique des événements sélectionnés.
• Ré-exécution ou réutilisation des simulations de charges réalisées a priori pour les différents événements et plateformes étudiés.
• Comparaison entre mesures et simulations sur les principales grandeurs pertinentes : puissance, vitesse rotor, pas des pales, couples, poussée, accélérations, moments de tour et charges de composants.
• Évaluation de la qualité de corrélation entre les données réelles et les simulations en termes d’amplitude, de dynamique, de charges extrêmes et, lorsque pertinent, de contribution à la fatigue.
• Comparaison des résultats entre plusieurs plateformes afin d’identifier les tendances communes, les écarts spécifiques et les limites éventuelles des méthodologies de simulation.
• Analyse détaillée des écarts entre modèles et mesures et identification des causes potentielles : représentation du contrôleur, conditions de vent, modèles structurels, caractéristiques site-spécifiques, filtrage ou incertitudes de mesure.
• Proposition d’améliorations des modèles, des hypothèses de simulation et des critères de validation utilisés pour les futurs projets 0-Series.
• Contribution à l’automatisation de la chaîne de traitement et de comparaison afin d’améliorer l’efficacité, la traçabilité et la reproductibilité des analyses.
• Communication régulière des résultats par des notes techniques et des présentations au sein de l’équipe projet.

Livrables

• Base de données structurée et documentée des événements de régulation réseau étudiés.
• Méthode automatisée d’identification et de classification des événements dans les données turbine.
• Scripts Python ou MATLAB pour le traitement, la synchronisation et la comparaison des mesures et simulations.
• Ensemble de cas de simulation représentatifs des événements observés sur les différentes plateformes.
• Figures et indicateurs standardisés permettant d’évaluer la corrélation entre mesures et simulations.
• Matrice de validation par plateforme, événement et grandeur physique étudiée.
• Rapport présentant les résultats de validation, les principaux écarts observés, leurs causes potentielles et les recommandations associées.
• Présentations techniques intermédiaires et présentation finale de synthèse.

Critères de succès

• Données de mesure et résultats de simulation correctement synchronisés, nettoyés et traçables.
• Identification fiable d’un ensemble représentatif d’événements de régulation réseau.
• Méthodologie reproductible de comparaison entre données réelles et simulations aéroélastiques.
• Quantification claire de la qualité de corrélation pour les principales grandeurs opérationnelles et de charges.
• Identification des écarts significatifs entre comportement simulé et comportement réel.
• Comparaison cohérente des résultats entre plusieurs plateformes de turbine.
• Recommandations concrètes pour améliorer les modèles, les cas de simulation et les futures activités de validation 0-Series.
• Documentation permettant la réutilisation des méthodes, scripts et résultats par les équipes internes.

Profil du candidat

• Étudiant(e) en dernière année de cycle ingénieur ou Master 2 dans une grande école ou une université reconnue : CentraleSupélec, École Polytechnique, ENSTA, ISAE-Supaero, Arts et Métiers, IMT Atlantique, INSA, UTC, ENPC – École des Ponts ParisTech, Mines Paris, Centrale Lyon, Centrale Nantes, ou formation internationale équivalente.
• Formation en génie mécanique, aéronautique, énergie éolienne ou dans un domaine similaire.
• Bonnes connaissances en mécanique des structures, mécanique des fluides et modélisation numérique.
• Connaissances en aéroélasticité, dynamique des structures ou calcul de charges sur éoliennes fortement appréciées.
• Intérêt marqué pour l’analyse de données expérimentales et la compréhension du comportement réel des turbines.
• Bonne maîtrise de Python ou MATLAB.
• Une première expérience en traitement de séries temporelles, analyse de signaux ou comparaison essais–simulations constitue un avantage.
• Une connaissance des systèmes de contrôle d’éoliennes, des services réseau ou des systèmes électriques constitue un plus.
• Rigueur, autonomie, esprit critique et capacité à documenter clairement les résultats.
• Anglais courant requis ; le français est un plus.

Validation of Wind Turbine Load Models During Grid Services Through Comparison of Operational Measurements and Aeroelastic Simulations

Objective

To develop and apply a 0-Series validation methodology for wind turbine loads during grid-regulation and ancillary-service events.

The work will rely on the analysis of turbine measurements, including SCADA data, available high-frequency time series and controller signals, to identify and characterize events such as rapid power variations, power set-point changes, derated operation, power-reserve activation and transitions associated with grid services.

The main objective will be to compare actual turbine behaviour and measured loads with load simulations performed a priori during the turbine design process. The comparison will be carried out across several turbine platforms to assess model representativeness, identify potential discrepancies and propose improvements to simulation and validation assumptions.

Scope of Work

• Become familiar with in-house aeroelastic simulation tools, turbine models and available 0-Series and fleet databases.
• Understand the main grid-regulation and ancillary-service operating modes applied to wind turbines, including power set-point changes, power reserve, ramps, curtailment and transitions between operating modes.
• Understand the measurement chain used for load validation, including instrumentation, acquisition, synchronization, filtering, calibration and signal processing.
• Collect, clean and align SCADA data, high-frequency time series, controller signals and available load measurements.
• Develop methods to automatically identify and classify grid-regulation events within operational turbine data.
• Select representative events based on wind conditions, grid set points, power dynamics and turbine response.
• Reconstruct the initial conditions and numerical inputs required to reproduce the selected events.
• Re-run or reuse load simulations performed a priori for the different events and turbine platforms under investigation.
• Compare measurements and simulations for the main relevant quantities, including power, rotor speed, blade pitch, torque, thrust, accelerations, tower moments and component loads.
• Assess the agreement between operational data and simulations in terms of amplitude, transient dynamics, extreme loads and, where relevant, fatigue contribution.
• Compare results across several turbine platforms to identify common trends, platform-specific discrepancies and potential limitations of the simulation methodologies.
• Perform detailed root-cause analyses of discrepancies between models and measurements, considering controller representation, wind conditions, structural models, site-specific characteristics, filtering and measurement uncertainty.
• Propose improvements to models, simulation assumptions and validation criteria for future 0-Series projects.
• Contribute to the automation of the processing and comparison workflow to improve efficiency, traceability and reproducibility.
• Report progress and results through concise technical notes and regular presentations within the project team.

Deliverables

• Structured and documented database of the selected grid-regulation events.
• Automated method for identifying and classifying grid-service events in turbine data.
• Reusable Python or MATLAB scripts for processing, synchronizing and comparing measurements and simulations.
• Set of simulation cases representative of observed events across the selected turbine platforms.
• Standardized figures and indicators for assessing measurement-to-simulation correlation.
• Validation matrix organized by turbine platform, event type and physical quantity.
• Technical report summarizing validation results, key discrepancies, potential root causes and recommendations.
• Interim technical presentations and a final presentation summarizing the methodology and main findings.

Success Criteria

• Measurement data and simulation results are properly synchronized, cleaned and traceable.
• A representative set of grid-regulation events is reliably identified.
• A reproducible methodology for comparing operational data and aeroelastic simulations is established.
• The level of agreement is clearly quantified for the main operational and load-related quantities.
• Significant discrepancies between simulated and actual turbine behaviour are identified and explained where possible.
• Results are consistently compared across several turbine platforms.
• Concrete recommendations are provided to improve turbine models, simulation cases and future 0-Series validation activities.
• Methods, scripts and results are sufficiently documented for reuse by internal engineering teams.

Candidate Profile

• Final-year engineering school or Master 2 student from a leading French institution such as CentraleSupélec, École Polytechnique, ENSTA, ISAE-Supaero, Arts et Métiers, IMT Atlantique, INSA, UTC, ENPC – École des Ponts ParisTech, Mines Paris, Centrale Lyon, Centrale Nantes, or an equivalent international program (TU Munich etc).
• Background in mechanical engineering, aerospace engineering, wind energy or a related discipline.
• Good knowledge of structural mechanics, fluid mechanics and numerical modelling.
• Knowledge of aeroelasticity, structural dynamics or wind turbine load calculations is strongly appreciated.
• Strong interest in experimental data analysis and in understanding actual turbine behaviour.
• Good programming skills in Python or MATLAB.
• Previous experience with time-series processing, signal analysis or test-to-simulation correlation is an advantage.
• Familiarity with wind turbine control systems, grid services or electrical power systems is an advantage.
• Rigorous, autonomous and able to critically analyse and clearly document technical results.
• Fluent English required; French is an advantage.