La recherche sur les interactions des sillages d’éoliennes et de fermes éoliennes ainsi que leur couplage avec la couche limite atmosphérique repose fortement sur des modèles haute-fidélité basés sur la simulation des grandes échelles. Le couplage fort entre la couche limite atmosphérique et les champs éoliens nécessite la prise en compte d’une large gamme d’échelles de longueur, allant de l'échelle kilométrique des tourbillons atmosphériques jusqu'à l'échelle métrique des tourbillons de sillage. Une telle variété d’échelles de longueur nécessite à la fois des domaines de simulation très grands et des résolutions numériques très fines, afin de capturer tous les phénomènes physiques en jeu. En conséquence, il est nécessaire de disposer de codes de calcul extrêmement performants, de manière à pouvoir réaliser de telles simulations, comprendre la physique sous-jacente, et mettre au point des outils à destination des industriels.
CRÉATION DU SOLVEUR waLBerla-wind
Les méthodes Lattice-Boltzmann semblent répondre à ce problème. En effet, les algorithmes numériques sous-jacents sont hautement parallèles, et montrent de très bonnes performances sur les supercalculateurs. Dans cette étude, la plateforme logicielle multiphysique waLBerla est utilisée. waLBerla se base sur des outils de génération de code très performants, qui sont utilisés pour générer des noyaux de calcul très optimisés, sur GPU et CPU, permettant la vectorisation via les intrinsèques SIMD et le choix de la précision utilisée. En revanche, des modèles permettant la prise en compte des éoliennes et de la couche limite atmosphérique manquaient.
Dans le cadre du projet « Centre of Excellence » EoCoE-II ainsi qu’au cours de la thèse en cours d’Helen Schottenhamml à IFPEN, des modèles de turbines, basés sur les méthodes de lignes et disques actuateurs, ainsi que des lois de parois adaptées à la simulation de couches limites atmosphériques ont été implémentés [1,2]. L’ensemble de ces développements ont donné lieu à la création du solveur waLBerla-wind. Les méthodes actuatrices permettent de s’affranchir du maillage proche pale couteux, en remplaçant la résolution complète de l’écoulement autour de celle-ci par des termes de forçage volumiques, portés par des lignes ou bien de manière plus grossière par un disque, uniformément chargé dans le cas présent. Les lois de parois, quant à elles, permettent de s’affranchir de la résolution de la sous-couche visqueuse au niveau du sol qui nécessiterait des mailles de tailles micrométriques.
Notre objectif au cours de ce grand challenge était de valider les performances de waLBerla-wind pour la simulation de grand champs éolien, voire de clusters de champs éoliens, et de repousser les limites du code. La capacité à réaliser des simulations plus rapidement que le temps réel ouvre le champ de nombreuses nouvelles applications.
Pour ce faire, différents cas tests ont été considérés, allant d’une turbine seule (NREL 5MW) à la simulation de fermes entières (Westermost et Anholt, constituée de 35 et 111 turbines, respectivement) mais aussi de plusieurs fermes en interaction (Danish Energy Island, 10 fermes de 67 turbines chacune). Des cas avec et sans couche limite atmosphérique idéalisée [3] ont été simulés.
L’ensemble des résultats détaillés ci-dessous se basent sur des simulations simple précision, incluant la vectorisation AVX512, ayant été lancés sur les nœuds CPU d’Adastra.
SIMULATIONS ET PERFORMANCES ASSOCIÉES
Pour le cas de la NREL 5MW, l’extensibilité parallèle du code a été testée sur 1 à 100 nœuds. Jusqu’à 50 nœuds, une extensibilité quasi parfaite est observée. De 50 à 100 nœuds, les résultats restent bons. Des simulations temps réel ont été atteintes à partir de 20 nœuds pour ce cas comprenant environ 145 millions de cellules.
Pour le cas de la ferme de Westermost Rough (35 turbines, 32 cellules par diamètre de rotor pour un total de 4 milliards de cellules), les performances globales et la scalabilité sont légèrement dégradées, mettant en lumière le surcoût lié à la prise en compte des éoliennes. Cependant, le temps réel était atteint dès l’utilisation de 40 nœuds de calcul.
Le cas Anholt avec 111 turbines a nécessité une réduction de la finesse du maillage, passant à 16 cellules par diamètre de rotor, ce qui reste conforme aux préconisations faites dans la littérature. Le domaine de simulation étant lui-même plus restreint, le temps réel a été atteint pour seulement 9 nœuds.
Le dernier cas test, Danish Energy Island, est constitué de 670 turbines réparties en 10 fermes. 16 cellules par diamètre de rotor ont été considérées. Malgré la taille du domaine, d’environ 2.2 milliards de cellules, le temps réel a été atteint sur 50 nœuds, ce qui est remarquable étant donné la complexité de l’étude.
Enfin, la fonctionnalité couche limite atmosphérique a été testée pour les cas mono turbine et Westermost Rough. Dans les deux cas, des simulations sans turbine ont été lancées pour initialiser la couche limite. Ensuite, une seconde simulation a été lancée, cette fois avec les turbines. Pour les simulations sans turbine, une excellente extensibilité parallèle a été obtenue, jusqu’à 400 des 544 nœuds de calcul disponibles. Pour les simulations avec turbines, les performances ont été légèrement réduites. Sur 100 nœuds, le surcoût en calcul a été estimé à environ 12 pourcents, ce qui reste modéré.
AMÉLIORATION DES PERFORMANCES DU CODE EN PERSPECTIVE
Ces résultats ouvrent la porte à des application prometteuses, telles que la génération de bases de données pour la mise au point de modèles physiques analytiques ou pilotés par les données. Des jumeaux numériques à l’échelle de fermes éoliennes peuvent également être envisagés, permettant la mise en place d’algorithmes de contrôle en boucle fermée basés sur des modèles à haute-fidélité.
Les travaux futurs vont porter sur l’amélioration des performances du code, afin de pouvoir réaliser des simulations exascale. Ces travaux seront réalisés au cours du projet EoCoE-III. Par ailleurs, les modèles physiques sont également améliorés, avec notamment la prise en compte des terrains complexes et des effets thermiques, afin de pouvoir modéliser des couches limites non neutres.
Références:
[1] Helen Schottenhamml et al 2022 J. Phys.: Conf. Ser. 2265 022027
[2] Helen Schottenhamml et al 2024 Concurrency and Computation: Practice and Experience doi: 10.1002/cpe.8117
[3] Helen Schottenhamml et al 2024 ECCOMAS
Chiffres clés :
670 éoliennes simulées en temps réel à l'aide d'un solveur haute-fidélité prêt pour l'exascale.
Définitions :
L’EFFET DE SILLAGE: À l’arrière d’une éolienne, un sillage tourbillonnaire se développe, et la vitesse moyenne du vent après l’hélice est réduite puisque l’éolienne a capté une partie de l’énergie cinétique du vent. L’effet de sillage signifie ainsi une diminution de la vitesse du vent derrière l’éolienne entraînant notamment une baisse de production des éoliennes situées après la première mais aussi des charges de fatigue et l’usure prématurée. D’où l’importance d’une distance adaptée entre les éoliennes d’un champ ou entre plusieurs champs proches.
L’EXTENSIBILITÉ DES PERFORMANCES: Ou performance scalability en anglais signifie l’accroissement des performances de calcul d’un modèle en fonction soit du nombre de processeurs utilisés (exemple : pour un problème donné on divise par 2 le temps calcul en mobilisant 2 fois plus de ressources) soit en fonction de la taille du modèle (exemple : on est capable dans le même temps de traiter un problème 2 fois plus gros sur 2 fois plus de ressources de calcul).