Chez Turbit, nous avons toujours eu à cœur de proposer des solutions à fort impact, validées scientifiquement, pour l'optimisation des éoliennes. Au fil des années, nous avons investi une expertise significative dans la compréhension des erreurs de yaw et de leur incidence sur les performances des turbines. Cependant, après des recherches approfondies et des tests en conditions réelles, nous avons décidé de ne pas poursuivre le développement de modules de détection des erreurs de yaw. Voici pourquoi :

Une expertise approfondie en matière d'erreurs de yaw — avec des limites importantes

Notre équipe, et en particulier notre fondateur Michael, dispose d'une expérience étendue sur les erreurs de yaw. Il a travaillé sur des systèmes à base de LiDAR pour la détection du désalignement du yaw et a même mis au point une méthode permettant de détecter les erreurs de yaw à partir de mesures vibratoires de la tour. Cette expertise nous a donné une longueur d'avance dans l'exploration de solutions d'identification et de correction du désalignement du yaw.

La complexité de la démonstration des gains de performance

Les corrections d'erreurs de yaw promettent des améliorations de la production d'énergie, mais en pratique, détecter ces améliorations est extrêmement difficile. Chez Turbit, nous sommes spécialisés dans la prédiction de la production d'énergie des éoliennes dans diverses conditions. Nous sommes en mesure de prédire la production d'énergie par IA avec la plus haute précision au monde. Cependant, nous avons constaté que :

La variabilité naturelle de la production, induite par la vitesse du vent, l'intensité de la turbulence, la dépendance à la température et d'autres facteurs, est bien supérieure aux améliorations systématiques susceptibles d'être obtenues en corrigeant les erreurs de yaw.

Même avec des modèles d'IA avancés, il est difficile d'isoler le signal d'une amélioration des fluctuations normales, surtout lorsque seules des données moyennées sur 10 minutes sont disponibles.

Les modèles théoriques suggèrent que même une erreur de yaw supérieure à 15° peut n'apporter qu'une amélioration inférieure à 3 % — une variation si faible qu'elle devient pratiquement indétectable par quelque méthode que ce soit.

La détection des erreurs de yaw à partir des données SCADA — un succès partiel

Nous avons également développé une méthode permettant de détecter le désalignement du yaw en utilisant uniquement des données SCADA, en identifiant avec succès des erreurs qui ont ensuite été confirmées par des mesures LiDAR. Cependant, si nous pouvions détecter les erreurs de yaw, démontrer une amélioration réelle de la courbe de puissance restait hors de portée. Malgré tous nos efforts, aucune validation scientifique n'a pu démontrer un gain de puissance mesurable à la suite de la correction du désalignement du yaw en conditions réelles.

Fidèles aux solutions scientifiquement prouvées

Chez Turbit, nous appliquons un principe strict : nous ne commercialisons rien qui ne soit scientifiquement prouvé. Tout en reconnaissant que d'autres entreprises peuvent développer des méthodes alternatives pour détecter les erreurs de yaw, nous choisissons de nous concentrer sur des solutions à impact clair et mesurable. Nous consacrons nos efforts aux domaines dans lesquels nous pouvons véritablement améliorer les performances : la maintenance prédictive, l'optimisation des stratégies de bridage, et la réduction des risques d'arrêt grâce à la surveillance continue de la production d'énergie des éoliennes, des composants principaux, des pales et d'autres composants à venir, afin de réduire les risques opérationnels. Nous sommes convaincus que les gains de performance les plus significatifs se trouvent dans ces domaines.

Conclusion

Nous pensons que les exploitants de parcs éoliens méritent des solutions offrant des bénéfices tangibles et scientifiquement validés. En concentrant nos efforts sur les domaines à fort impact, nous nous assurons que nos clients obtiennent le meilleur retour sur investissement possible dans la maintenance prédictive et l'optimisation des performances.