Correlations between meteorological conditions and power loss in wind turbines under icing conditions

Contreras Montoya, Leidy Tatiana (2026). Correlations between meteorological conditions and power loss in wind turbines under icing conditions. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (12MB) | Prévisualisation

Résumé

Wind energy has become a significant renewable energy source, playing a crucial role in the global transition to a sustainable future. Recently, the use of this renewable energy has been expanding, particularly in cold-climate regions, where strong winds and higher air density at lower temperatures are prevalent. However, wind farm operators face a challenge: icing. Icing occurs when sub-zero temperatures cause ice to form on wind turbine components, including blades, the nacelle, and the tower.

The presence of ice on wind turbines can have serious repercussions on their aerodynamic properties and compromise their ability to capture wind energy efficiently. Ice formations increase the blades' weight and alter their shape, potentially reducing rotational speed and energy production. As a result, wind turbines operating under icing conditions produce less electricity, limiting their contribution to the power grid and reducing their overall efficiency. It is essential for wind farm operators to closely monitor and manage icing conditions to ensure the safety of personnel and the public.

Addressing the influence of icing on wind turbines necessitates a multifaceted approach. The variability of temperature, humidity, and wind speed predicts challenging icing events. Advanced weather monitoring systems, including sensors and meteorological models, improve the accuracy of forecasts for icing events. By monitoring these conditions, operators can anticipate and prepare for potential icing events.

This study aims to establish correlations for estimating the expected power loss of wind turbines during icing conditions. The correlations proposed here were developed using dimensional analysis, also known as the “ᴨ theorem,” and validated using three machine learning methods. This solution enables operators to improve the efficiency of wind turbine operations under icing conditions by systematically assessing icing severity. The originality of the proposed methodology lies in its ability to estimate power losses directly from meteorological, geometrical, and operational parameters of wind turbines. A database has been created using results from literature-based icing simulation studies, data collected at a research center, and results from a CFD simulation study conducted as part of this thesis.

The correlations obtained were validated using multiple machine learning methods and demonstrated consistency across different scenarios. The proposed methodology facilitates the utilization of dimensionless parameters that establish correlations among meteorological, geometrical, and operational parameters. Recommendations are presented for the utilization of machine learning methods and dimensionless analysis to improve the efficiency of wind turbines under icing conditions.

A review paper has been published and included as a chapter in the thesis. This paper reviews various methods for modeling power loss due to icing in wind turbines. A second research paper has been published, examining the impact of surface roughness modeling on the aerodynamics of an iced wind turbine airfoil. This paper is also included as a chapter in the thesis.

This project will contribute to advancing knowledge on icing and to optimizing wind turbine performance in northern climates.

Titre traduit

Corrélations entre les conditions météorologiques et la perte de puissance des éoliennes en cas de givrage

Résumé traduit

L'énergie éolienne est devenue une source d'énergie renouvelable majeure, jouant un rôle crucial dans la transition mondiale vers un avenir durable. Récemment, l'utilisation de cette énergie renouvelable s'est développée, en particulier dans les régions à climat froid, où les vents forts et la densité élevée de l'air à des températures plus basses sont prédominants. Cependant, les exploitants de parcs éoliens sont confrontés à un problème : le givrage. Le givrage se produit lorsque des températures négatives entraînent la formation de glace sur les composants des éoliennes, notamment les pales, la nacelle et la tour.

La présence de glace sur les éoliennes peut avoir de graves répercussions sur leurs propriétés aérodynamiques et compromettre leur capacité à capter efficacement l'énergie du vent. Les formations de glace augmentent le poids des pales et modifient leur forme, ce qui peut entraîner une réduction de la vitesse de rotation et de la production d'énergie. Par conséquent, les éoliennes fonctionnant dans des conditions de givre produisent moins d'électricité, ce qui limite leur contribution au réseau électrique et réduit leur efficacité globale. Il est essentiel que les exploitants de parcs éoliens surveillent et gèrent de près les conditions de givrage afin de garantir la sécurité du personnel et du public.

L'influence du givre sur les éoliennes nécessite une approche à multiples facettes. La nature fluctuante de la température, de l'humidité et de la vitesse du vent rend difficile la prévision des phénomènes de givrage. Les systèmes de surveillance météorologique, comprenant des capteurs et des modèles météorologiques, améliorent la précision des prévisions des phénomènes de givrage. En surveillant ces conditions, les opérateurs peuvent anticiper et se préparer à d'éventuels épisodes de givrage.

Cette étude vise à établir des corrélations permettant d'estimer la perte de puissance attendue des éoliennes en cas de givrage. Les corrélations proposées ici ont été développées à l'aide de l'analyse dimensionnelle, également appelée « théorème ᴨ », puis validées par trois méthodes d'apprentissage profond. Cette solution permet aux opérateurs d'améliorer l'efficacité de l'exploitation des éoliennes en conditions de givre, en évaluant systématiquement la gravité du givrage. L'originalité de la méthodologie proposée réside dans sa capacité à estimer les pertes de puissance directement à partir des paramètres météorologiques, géométriques et opérationnels des éoliennes. Une base de données a été créée à partir des résultats d'études de simulation sur le givrage, issus de la littérature, des données recueillies dans un centre de recherche et des résultats d’une étude de simulation CFD menée dans le cadre de la présente thèse.

Les corrélations obtenues ont été validées à l'aide de diverses méthodes d'apprentissage profond et ont démontré leur cohérence dans différents scénarios. La méthodologie proposée facilite l'utilisation de paramètres adimensionnels qui établissent des corrélations entre les paramètres météorologiques, géométriques et opérationnels. Des recommandations sont présentées pour l'utilisation de méthodes d'apprentissage profond et d'analyse dimensionnelle afin d'améliorer l'efficacité des éoliennes dans des conditions de givrage.

Un article de revue a été publié et intégré en tant que chapitre à la thèse. Cet article passe en revue les différentes méthodes de modélisation de la perte de puissance liée au givrage dans les éoliennes. Un second article de recherche a été publié, examinant l'impact de la modélisation de la rugosité de surface sur l'aérodynamique d'une éolienne givrée. Ce document constitue également un chapitre de la thèse.

Ce projet contribuera au développement de nouvelles connaissances sur le phénomène de givrage et à l'optimisation des performances des éoliennes dans les climats nordiques.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment of the requirements for the degree of Doctor of Philosophy". Comprend des références bibliographiques (pages 211-225).
Mots-clés libres:	accrétion de glace, pertes de puissance, outil d'apprentissage automatique, théorème Pi, modélisation et simulation
Directeur de mémoire/thèse:	Directeur(-trice) Ilinca, Adrian
Codirecteur:	Codirecteur(-trice) de mémoire/thèse Lain, Santiago
Programme:	Doctorat en génie > Génie
Date de dépôt:	25 sept. 2026 18:12
Dernière modification:	25 sept. 2026 18:12
URI:	https://espace.etsmtl.ca/id/eprint/4113

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt