AMÉLIORATION DES PERFORMANCES DES PARCS ÉOLIENS GRÂCE À UNE OPTIMISATION DES DIMENSIONS ET DE LA DISPOSITION DES ÉOLIENNES À L'AIDE D'UN ALGORITHME DE TYPE PARTICLE SWARM
DOI :
https://doi.org/10.59277/RRST-EE.2026.1.9Mots-clés :
Éolienne, Diamètre du rotor, Hauteur du moyeu, Configuration du parc éolien, Algorithme d'optimisation par essaim particulaire (PSO), Estimation des coûts, EfficacitéRésumé
L'énergie éolienne joue un rôle crucial dans la transition mondiale vers une production d'électricité durable. Pour répondre à la demande croissante en énergies renouvelables, il est essentiel d'optimiser la conception des parcs éoliens afin de maximiser la production d'énergie et de minimiser les coûts. Cet article s'appuie sur des études précédentes pour affiner et élargir l'analyse de plusieurs configurations idéales d'éoliennes, en les utilisant comme base pour une analyse et une amélioration plus complètes. Alors que les recherches antérieures se sont principalement concentrées sur la réduction du coût par kilowatt (coût/kW) de l'électricité produite, cette étude adopte une approche plus large, visant à optimiser l'efficacité globale des parcs éoliens grâce à l'ajustement stratégique du diamètre des rotors et de la hauteur des moyeux des éoliennes. En mettant en œuvre un algorithme d'optimisation par essaim particulaire (PSO), ce travail identifie la disposition optimale des dimensions des éoliennes afin d'obtenir une efficacité accrue tout en réduisant les coûts globaux. La méthodologie proposée offre une solution flexible et évolutive qui peut améliorer considérablement les performances des parcs éoliens, les rendant plus adaptés aux conditions environnementales variables et aux contraintes économiques.
Références
(1) M. Naidji, M. Dafri, and A. Laib, Optimal coordinated voltage control of distribution networks considering renewable energy sources, ECTI Trans. on Elec. Eng., Elect, and Com., 23, 1 (2025).
(2) P. Ziyaei, M. Khorasanchi, Effect of cost elements on optimum layout of an offshore wind farm, Appl. Ocean Res., 158, 104537 (2025).
(3) P.S. Portocarrero Mendoza, Technical-economic evaluation of a 94.5 MW wind power plant at different elevation heights. A case study in Peru's countryside, J. of Eng. Res., 13, 2, pp. 1089-1103 (2025).
(4) P. Asaah, L. Hao, J. Ji, Optimal placement of wind turbines in wind farm layout using particle swarm optimization. Journal of Modern Power Systems and Clean Energy, 9, 2, pp. 367-375 (2021).
(5) M. Yeghikian, A. Ahmadi, R. Dashti, F. Esmaeilion, A. Mahmoudan, S. Hoseinzadeh, D.A. Garcia, Wind farm layout optimization with different hub heights in Manjil wind farm using particle swarm optimization, Applied Sciences, 11, 20, 9746 (2021).
(6) Z. Zhang, J. Li, Z. Lei, Q. Zhu, J. Cheng, S. Gao, Reinforcement learning-based particle swarm optimization for wind farm layout problems, Energy, 313, 134050 (2024).
(7) M. El Jaadi, T. Haidi, A. Belfqih, M. Farah, A. Dialmy, Optimizing wind farm layout for enhanced electricity extraction using a new hybrid PSO-ANN method, Glob. Ener. Intercon., 7, 3, pp. 254-269 (2024).
(8) W. Hu, Q. Yang, Z. Yuan, F. Yang, Wind farm layout optimization in complex terrain based on CFD and IGA PSO, Energy, 288, 129745 (2024).
(9) H. Sun, H. Yang, Wind farm layout and hub height optimization with a novel wake model, App. Energy, 348, 121554 (2023).
(10) H. Sun, H. Yang, S. Tao, Optimization of the number, hub height, and layout of offshore wind turbines, Journal of Marine Science and Engineering, 11, 8, 1566 (2023).
(11) S.S. Raju M, P. Mohapatra, S. Dutta, R. Mallipeddi, K.N. Das, Optimal placement of fixed hub height wind turbines in a wind farm using twin archive guided decomposition based multi-objective evolutionary algorithm, Eng. Appl. Art. Intell., 130, 107735 (2024).
(12) C. Popa et al., Analysis of wind turbine power output via modeling, simulation, and validation, Rev. Roum. des Sci. Tech. Ser. Electrotech. Energ., 70, 2, pp. 175–180 (2025).
(13) H. Erol, A. Arslan, Wind turbine pitch angle control with artificial neural networks, Rev. Roum. des Sci. Tech. Ser. Electrotech. Energ., 70, 2, pp. 235–240 (2025).
(14) P. Jamieson, Innovation in Wind Turbine Design, 2nd Edition, Wiley, Chichester (2018).
(15) S. Krohn, P.-E. Morthorst, and S. Awerbuch, The Economics of wind energy, European Wind Energy Association (EWEA), Brussels, Belgium, pp.1-156 (2009).
(16) F. Fingersh, M. Hand, and A. Laxson, Wind turbine design cost and scaling model, National Renewable Energy Laboratory (NREL), Tech. Rep. NREL/TP-500-40566 (2006).
(17) K. Chen, M. X. Song, X. Zhang, and S. F. Wang, Wind turbine layout optimization with multiple hub height wind turbines using greedy algorithm, Renewable Energy, 96, pp. 676–686 (2016).
(18) H. Rezk, A. Fathy, A.A.Z. Diab, M. Al-Dhaifallah, The application of water cycle optimization algorithm for optimal placement of wind turbines in wind farms, Energies, 12, 22, 4335 (2019).
(19) M. Naidji, M. Boudour, Stochastic multi-objective optimal reactive power dispatch considering load and renewable energy sources uncertainties: a case study of the Adrar isolated power system, Int Trans Electr Energ Syst., 30, 6 (2020).
(20) L. Parada, C. Herrera, P. Flores, V. Parada, Wind farm layout optimization using a Gaussian-based wake model, Renewable Energy, 107, pp. 531-541 (2017).
(21) M. Beşkirli, İ. Koç, H. Kodaz, Optimal placement of wind turbines using novel binary invasive weed optimization, Tehnički vjesnik 26, 1 pp. 56-63 (2019).
22. S.D.O. Turner, D.A. Romero, P.Y. Zhang, C.H. Amon, T.C.Y. Chan, A new mathematical programming approach to optimize wind farm layouts, Renewable Energy, 63, pp. 674-680 (2014).
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright REVUE ROUMAINE DES SCIENCES TECHNIQUES — SÉRIE ÉLECTROTECHNIQUE ET ÉNERGÉTIQUE 2026
Ce travail est disponible sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.
