EP-4118317-B1 - METHOD FOR PREDICTING A CHARACTERISTIC RESULTING FROM A SWELL ON THE BASIS OF A SPECTRAL MODEL OF THE SWELL

Inventors

• Tona, Paolino
• MERIGAUD, Alexis

Dates

Publication Date

20260506

Application Date

20210301

Claims (14)

1. Method for predicting a characteristic resulting from the sea's swell for a floating system subjected to said swell, said floating system being provided with at least one sensor that measures the variation in said swell, said method for predicting said characteristic resulting from said swell implementing a transfer function (FT) that relates said characteristic resulting from said swell to a measurement of said at least one sensor, characterized in that the following steps are implemented: a) the variation in said swell is measured (MES) in real time with a first time interval (T1) by means of said at least one sensor; b) a spectral model (MSH) of said swell is updated (MAJ) with a second time interval (T2), said spectral model of said swell (MSH) being updated on the basis of meteorological data (DON) and/or on the basis of at least one measurement of said at least one sensor, and said second time interval (T2) being longer than the first time interval (T1); c) a swell prediction model (MPR) is determined by means of said transfer function (FT) and of said updated spectral model (MSH) of said swell; and d) said characteristic resulting from said swell is determined, in real time, for a future period, by means of said swell prediction model (MPR) applied to said real-time measurements (MES).
2. Method for predicting a swell-resulting characteristic according to Claim 1, wherein said floating system is a wave-energy converter (1), which converts the energy of the swell into electric, pneumatic or hydraulic energy, a vessel (5), a floating platform, a floating wind turbine, an amphibious vehicle or a seaplane.
3. Method for predicting a swell-resulting characteristic according to either of the preceding claims, wherein said at least one sensor is a sensor chosen from: a radar, a lidar sensor, a sensor of deformation of at least one deformable portion of said floating system, a sensor of movement of at least one mobile portion of said floating system, an accelerometer placed on at least one mobile portion of said floating system, and a sensor of pressure within at least one pneumatic or hydraulic portion of said floating system.
4. Method for predicting a swell-resulting characteristic according to one of the preceding claims, wherein said first time interval (T1) is comprised between 0.01 s and 10 min.
5. Method for predicting a swell-resulting characteristic according to one of the preceding claims, wherein said second time interval (T2) is comprised between 10 min and 24 h.
6. Method for predicting a swell-resulting characteristic according to one of the preceding claims, wherein said method for predicting the swell-resulting characteristic comprises a prior step of constructing said transfer function (FT).
7. Method for predicting a swell-resulting characteristic according to one of the preceding claims, wherein said method for predicting the swell-resulting characteristic further comprises a step of filtering (FIL) said measurements of said at least one sensor.
8. Method for predicting a swell-resulting characteristic according to one of the preceding claims, wherein said method for predicting the swell-resulting characteristic further comprises a step of determining a degree of confidence (ddc) in said prediction of said swell-resulting characteristic by means of said swell prediction model (MPR).
9. Method for predicting a swell-resulting characteristic according to one of the preceding claims, wherein said characteristic resulting from said swell is the elevation of said swell at at least one point and/or the value of the signal of said at least one sensor.
10. Method for predicting a swell-resulting characteristic according to one of the preceding claims, wherein said floating system is equipped with a plurality of sensors, and said variation in said swell is measured by means of each sensor.
11. Method for predicting a swell-resulting characteristic according to Claim 10, wherein, for a future period, the future value of said signal of each sensor is determined taking into account only the measurements of said sensor in question.
12. Method for predicting a swell-resulting characteristic according to Claim 10, wherein, for a future period, the future value of said signal of each sensor is determined taking into account the measurements of all the sensors.
13. Method for predicting a swell-resulting characteristic according to one of the preceding claims, wherein said prediction model is determined using a prediction approach based on the spectrum of said swell.
14. Method for controlling a wave-energy converter (1), which converts the energy of the swell into electric, pneumatic or hydraulic energy, wherein a characteristic resulting from the effect of the swell on said wave-energy converter (1) is predicted by means of the method for predicting a resulting characteristic according to one of the preceding claims, and said wave-energy converter (1) is controlled depending on said predicted characteristic resulting from said swell.

Description

Domaine technique La présente invention concerne le domaine de la prédiction de la houle, en particulier pour la commande d'un système houlomoteur. Les ressources énergétiques renouvelables connaissent un fort intérêt depuis quelques années. Ces ressources sont propres, gratuites et inépuisables, autant d'atouts majeurs dans un monde rattrapé par la diminution inexorable des ressources fossiles disponibles, et prenant conscience de la nécessité de préserver la planète. Parmi ces ressources, l'énergie houlomotrice, relativement méconnue par rapport aux technologies largement médiatisées comme l'éolien ou le solaire, contribue à l'indispensable diversification de l'exploitation des énergies renouvelables. Les dispositifs de récupération d'énergie des vagues, couramment appelés appareils "houlomoteurs", sont particulièrement intéressants, avec un potentiel de 300 à 400 GW le long des côtes européennes, sans émission de gaz à effet de serre. Ils sont particulièrement bien adaptés pour fournir de l'électricité à des sites insulaires isolés. Par exemple, les demandes de brevet FR 2876751, FR 2973448, US 2010/230370 A1 et WO 2009/081042 décrivent des appareils pour capter l'énergie produite par le flot marin. Ces dispositifs sont composés d'un support flottant sur lequel est disposé un pendule monté mobile par rapport au support flottant. Le mouvement relatif du pendule par rapport au support flottant est utilisé pour produire de l'énergie électrique au moyen d'une machine de conversion de l'énergie (par exemple une machine électrique). La machine de conversion fonctionne en tant que générateur et en tant que moteur. En effet, pour fournir un couple ou une force qui entraîne le mobile, on fournit une puissance à la machine de conversion afin de mettre le mobile en résonance avec les vagues (mode moteur). Par contre, pour produire un couple ou force qui résiste au mouvement du mobile, on récupère une puissance via la machine de conversion (mode générateur). Dans l'intention d'améliorer le rendement et donc la rentabilité des dispositifs pour convertir l'énergie des vagues en énergie électrique (systèmes houlomoteurs), il est intéressant de contrôler en temps réel la machine de conversion, afin de maximiser l'énergie absorbée par le système. Cela nécessite de prédire en temps réel le comportement de la houle, qu'il s'agisse de la force exercée sur le système houlomoteur ou de l'élévation de la surface libre . Dans d'autres domaines relatifs aux systèmes flottants (plateforme flottante, éolienne flottante, navire...), il est également intéressant de prédire le comportement de la houle pour assurer la stabilité de ces systèmes flottants ou optimiser leur utilisation. Par exemple, une application possible est le positionnement dynamique des navires, la compensation du pilonnement, ou encore le contrôle de bras robotiques à bord de navires. D'autres types d'applications peuvent tirer profit de la prédiction, plusieurs dizaines de secondes à l'avance, de périodes d'accalmie, telles l'appontage d'hélicoptères, la récupération de petits submersibles ou bateaux de surfaces, ainsi que diverses opérations de transbordement d'équipage et de transfert de navire à navire, qui nécessitent toutes une fenêtre temporelle relativement brève pendant laquelle le mouvement dû à la houle est suffisamment petit. La possibilité de prédire ces périodes d'accalmies, ne serait-ce que quelques dizaines de secondes à l'avance, pourrait étendre significativement les conditions de mer dans lesquelles ces opérations peuvent être effectuées. Un autre exemple d'application concerne les éoliennes flottantes. En effet, l'angle d'orientation des pales de ces éoliennes peut être contrôlé en temps réel, non seulement pour la maximisation de la puissance récupérée et la régulation de la vitesse du rotor (qui constituent les objectifs "classiques" du contrôle des pales des éoliennes), mais également pour réduire le tangage ou les efforts mécaniques induits par la houle. Pour ces deux derniers objectifs, l'application de commande prédictive est une piste intéressante, qui nécessite de prédire l'action de la houle sur le flotteur. Technique antérieure Un certain nombre d'algorithmes, permettant la prédiction à court terme de la force ou de l'élévation de la houle à partir de séries temporelles de mesures passées, ont été proposés dans la littérature. Parmi ceux-ci, on connaît l'approche de décomposition harmonique (implémentée par filtre de Kalman ou moindres carrés récursifs), l'approche d'extrapolation sinusoïdale (implémentée par filtre de Kalman étendu) et l'approche par modèle autorégressif (AR) avec minimisation, sur un seul pas de temps, de l'erreur de prédiction ou sur plusieurs pas de temps (on parle dans ce cas d'identification prédictive à longue portée, « long range predictive identification », ou LRPI, en anglais). De telles approches sont décrites dans les documents suivants : Francesco Fusco and John V Ringwood. "Short-term wave forecasting fo