Contrôle collaboratif d’une ferme de génératrices

houlomotrices
Paul-Emile Meunier

To cite this version:

Paul-Emile Meunier. Contrôle collaboratif d’une ferme de génératrices houlomotrices. Mécanique
des fluides [physics.class-ph]. École centrale de Nantes, 2018. Français. �NNT : 2018ECDN0039�.
�tel-01959432�

HAL Id: tel-01959432

https://theses.hal.science/tel-01959432v1
Submitted on 18 Dec 2018

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
THESE DE DOCTORAT DE

L'ÉCOLE CENTRALE DE NANTES

COMUE UNIVERSITE BRETAGNE LOIRE

ECOLE DOCTORALE N° 602

Sciences pour l'Ingénieur
Spécialité : Mécanique des milieux fluides

Par
Paul-Emile MEUNIER
« Contrôle collaboratif d’une ferme de génératrices houlomotrices »

Thèse présentée et soutenue à Nantes, le 22 novembre 2018

Unité de recherche : CNRS UMR6598

Rapporteurs avant soutenance :

Simon Chesné Maître de conférences HDR, INSA de Lyon

Philippe Sergent Directeur scientifique HDR, CEREMA, Margny Les Compiègne

Composition du Jury :

Présidente
Sandrine Aubrun-Sanches Professeur des universités, École Centrale de Nantes

Simon Chesné Maître de conférences HDR, INSA de Lyon

Philippe Sergent Directeur scientifique HDR, CEREMA, Margny Les Compiègne
Olivier Doaré Professeur des universités, ENSTA ParisTech, Palaiseau

Directeur de thèse
Alain H. Clément Ingénieur de recherche HDR, École Centrale de Nantes

Co-encadrant de thèse
Jean-Christophe Gilloteaux Ingénieur de recherche, École Centrale de Nantes
Contrôle collaboratif d’une ferme de
génératrices houlomotrices

Paul-Emile Meunier
Laboratoire de recherche en Hydrodynamique, Énergétique et
Environnement Atmosphérique

Le présent manuscrit est soumis pour l’obtention du diplome de

Docteur de l’Ecole Centrale de Nantes

Centrale Nantes 2018

ii
Table des matières
Table des matières iii

Table des figures vii

Liste des tableaux xvii

Liste des symboles xxii

1 Introduction 1
1.1 Avant-propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Production énergétique mondiale . . . . . . . . . . . . . . . . . . 4
1.2.2 La place de l’énergie houlomotrice . . . . . . . . . . . . . . . . . . 5
1.3 Défis technologiques et scientifiques . . . . . . . . . . . . . . . . . . . . . 8
1.4 Les concepts de machine houlomotrice . . . . . . . . . . . . . . . . . . . 10
1.5 Contrôle des point absorbers . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.5.1 Power take-off et conversion d’énergie . . . . . . . . . . . . . . . . 13
1.5.2 Nécessité des méthodes de contrôle . . . . . . . . . . . . . . . . . 14
1.5.3 Méthodes de contrôle . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.3.1 Formes de contrôle résistif . . . . . . . . . . . . . . . . . 16
1.5.3.2 Formes de contrôle réactif . . . . . . . . . . . . . . . . . 18
1.5.3.3 Contrôle adaptatif . . . . . . . . . . . . . . . . . . . . . 22
1.5.3.4 Contrôle de ferme . . . . . . . . . . . . . . . . . . . . . 23
1.6 Les modèles d’interaction vague structure . . . . . . . . . . . . . . . . . . 26
1.6.1 Présentation des modèles . . . . . . . . . . . . . . . . . . . . . . . 26
1.6.2 Application au contrôle de ferme . . . . . . . . . . . . . . . . . . 28
1.7 Méthodes de prévisions de la force d’excitation . . . . . . . . . . . . . . . 29
1.8 Objectifs de la thèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2 Mise en place du simulateur de ferme houlomotrice 33

2.1 Théorie linéarisée des écoulements à potentiel . . . . . . . . . . . . . . . 34
2.1.1 Problème aux limites . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.1.2 Expression des efforts linéaires à partir du potentiel . . . . . . . . 36
2.2 Résolution du problème aux limites . . . . . . . . . . . . . . . . . . . . . 37
2.2.1 Méthode BEM - Code NEMOH . . . . . . . . . . . . . . . . . . . 39
iv Table des matières

2.2.2 Méthode semi-analytique . . . . . . . . . . . . . . . . . . . . . . . 39

2.2.3 Comparaison des coefficients hydrodynamiques . . . . . . . . . . . 40
2.3 Résolution dans le domaine temporel : équation de Cummins . . . . . . . 42
2.4 Représentation d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5 Identification de la radiation . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.5.1 Identification en système SISO . . . . . . . . . . . . . . . . . . . . 48
2.5.2 Identification en système MIMO . . . . . . . . . . . . . . . . . . . 48
2.5.3 Passivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6 Caractéristiques du simulateur . . . . . . . . . . . . . . . . . . . . . . . . 50
2.6.1 Calcul et mise en forme des coefficients hydrodynamiques . . . . . 52
2.6.2 Pré-processeur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6.3 Intégration numérique et contrôle . . . . . . . . . . . . . . . . . . 55
2.6.4 Dynamique transitoire . . . . . . . . . . . . . . . . . . . . . . . . 57
2.6.5 Vérifications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.6.5.1 Vérification de la phase et de l’amplitude en houle poly-
chromatique . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.6.5.2 Vérification de la réponse en amplitude . . . . . . . . . . 63

3 Théorie et analyse du contrôle collaboratif 65

3.1 Méthode de contrôle collaboratif . . . . . . . . . . . . . . . . . . . . . . . 66
3.1.1 Géométrie utilisée au cours de l’étude . . . . . . . . . . . . . . . . 67
3.1.2 Théorie du contrôle optimal . . . . . . . . . . . . . . . . . . . . . 68
3.1.2.1 Expression du contrôle optimal sans contrainte pour un
corps isolé . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.1.2.2 Expression du contrôle optimal d’un groupe de N corps . 71
3.1.3 Contrôleur optimal en domaine temporel . . . . . . . . . . . . . . 73
3.1.4 Non causalité du contrôleur optimal . . . . . . . . . . . . . . . . . 76
3.1.5 Fenêtrage du contrôleur optimal . . . . . . . . . . . . . . . . . . . 79
3.1.5.1 Pulsation de coupure basse fréquence . . . . . . . . . . . 81
3.1.5.2 Pulsation de coupure haute fréquence . . . . . . . . . . . 82
3.1.5.3 Intersection . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.1.5.4 Rendement du contrôleur optimal fenêtré . . . . . . . . 84
3.1.6 Fonction de transfert des vitesses . . . . . . . . . . . . . . . . . . 85
3.1.6.1 Fonction de transfert sans PTO . . . . . . . . . . . . . . 86
3.1.6.2 Fonction de transfert avec contrôleur optimal . . . . . . 92
3.1.7 Prévision de la vitesse . . . . . . . . . . . . . . . . . . . . . . . . 96
3.1.8 Forme pseudo causale du contrôleur . . . . . . . . . . . . . . . . . 100
Table des matières v

3.1.9 Premières vérifications . . . . . . . . . . . . . . . . . . . . . . . . 102

3.1.10 Remarques sur la discrétisation des coefficients hydrodynamiques 104
3.2 Étude de sensibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.2.1 Plan d’expérience . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.2.2 Coefficient d’optimalité . . . . . . . . . . . . . . . . . . . . . . . . 107
3.2.3 Analyse de la stabilité . . . . . . . . . . . . . . . . . . . . . . . . 108
3.2.4 Raffinement de l’étude pour les corps proches . . . . . . . . . . . 111
3.2.5 Identification et analyse des paramètres optimaux . . . . . . . . . 112
3.2.6 Points de fonctionnement réalistes . . . . . . . . . . . . . . . . . . 115
3.2.7 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

4 Analyse des résultats numériques 121

4.1 Discrétisation fréquentielle . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.1.1 Corps libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.1.2 Corps contrôlés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4.2 Discrétisation temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
4.2.1 Corps libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
4.2.2 Stratégie de contrôle collaboratif . . . . . . . . . . . . . . . . . . 131
4.3 Validation de la stratégie de contrôle pour un groupe de deux corps . . . 132
4.3.1 Prévision de vitesse . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.2 Conditions d’optimalité . . . . . . . . . . . . . . . . . . . . . . . . 134
4.4 Validation de la stratégie de contrôle avec les coefficients hydrodyna-
miques issus de méthode BEM . . . . . . . . . . . . . . . . . . . . . . . . 139
4.5 Impact du déplacement moyen en cavalement sur la méthode . . . . . . . 143
4.6 Orientation et étalement directionnel de la houle . . . . . . . . . . . . . . 147
4.6.1 Erreur de mesure de l’orientation de la houle . . . . . . . . . . . . 147
4.6.2 Étalement spectral directionnel . . . . . . . . . . . . . . . . . . . 151
4.7 Application à une ferme complexe . . . . . . . . . . . . . . . . . . . . . . 154
4.7.1 Impact du contrôleur sur le facteur d’interaction . . . . . . . . . . 154
4.7.1.1 PTO passif . . . . . . . . . . . . . . . . . . . . . . . . . 156
4.7.1.2 Contrôle optimal . . . . . . . . . . . . . . . . . . . . . . 158
4.7.2 Simulation d’une ferme de 10 machines . . . . . . . . . . . . . . . 159
4.7.2.1 Impact du fenêtrage sur la récupération . . . . . . . . . 161
4.7.2.2 Résultats en domaine temporel . . . . . . . . . . . . . . 163
vi Table des matières

5 Conclusions et perspectives 169

5.1 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
5.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

Bibliographie 175

A Correction des fréquences irrégulières de NEMOH 185

B Paramètres du simulateur 189

B.1 Paramètres de la classe ferme . . . . . . . . . . . . . . . . . . . . . . . . 189
B.2 Paramètres de la classe simulation . . . . . . . . . . . . . . . . . . . . . . 190

C Résultats de l’étude de sensibilité 193

C.1 Étude de sensibilité générale . . . . . . . . . . . . . . . . . . . . . . . . . 193
C.2 Étude de sensibilité des corps proches . . . . . . . . . . . . . . . . . . . . 200

D Étude de convergence en maillage 203

E Spectre directionnel de houle 205

Table des figures
1.1 Production d’électricité mondiale de 1971 à 2015 en TWh. La ressource
« Renouvelable non-hydro » inclue la géothermie, le solaire, l’éolien, les
énergies marines, les biocarburants, et l’incinération des déchets (Central
Statistics Office [21]). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Coût actualisé de l’énergie (LCOE) par technologie de production d’éner-
gie renouvelable, pour l’année 2010 et 2017. Le diamètre de chaque cercle
représente la taille de chaque projet et son centre le coût du projet. Les
lignes épaisses représentent le LCOE moyen et pondéré des centrales
misent en service pour chaque année (International Renewable Energy
Agency [78]). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Extrait de la planche accompagnant le brevet de 1799 publié par Girard
père et fils [70]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Schéma représentatif de la bouée sifflante de Courtenay (à gauche), et
cliché d’un dérivé de cette machine à Point Fermin, San Pedro, réalisé en
1890 (à droite) (California Historical Society Collection). . . . . . . . . . 7
1.5 Design du Salter’s Duck présenté dans [80]. . . . . . . . . . . . . . . . . . 7
1.6 Atténuateur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7 Flotteur en rotation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8 Système à colonne d’eau oscillante (OWC). . . . . . . . . . . . . . . . . . 12
1.9 Centrale à déferlement. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.10 Point absorber. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.11 Schéma représentatif d’un power take-off sur un point absorber pilonnant. 14
1.12 Comparaison des méthodes de calcul d’interaction vague structure. . . . 28

2.1 Schéma représentatif d’un corps flottant dans un volume fluide pour la
démonstration de la théorie des écoulements potentiels. . . . . . . . . . . 34
2.2 Maillage du cylindre vertical utilisé pour illustrer la méthode de contrôle
collaboratif. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3 Étude de convergence des coefficients hydrodynamiques issus de la mé-
thode analytique pour un cylindre isolé. . . . . . . . . . . . . . . . . . . . 40
2.4 Comparaison des coefficients hydrodynamiques issus du code NEMOH et
de la méthode analytique pour une géométrie cylindrique. . . . . . . . . . 41
2.5 Identification du noyau de radiation pour 3 cylindres proches et de tailles
différentes en utilisant « Vectfit3 » avec 30 pôles. . . . . . . . . . . . . . . 46
viii Table des figures

2.6 Comparaison de l’amplitude de la radiation pour un groupe de deux cy-

lindres séparés d’une distance d = {50m, 200m, 1000m}. . . . . . . . . . 47
2.7 Exemple de non-passivité pour l’identification du terme d’amortissement
hydrodynamique pour des cylindres espacés de d = 200m et en utilisant
35 pôles pour l’identification. . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.8 Résultats de vitesse en domaine temporel Vsim , et théorique calculé en
fréquentiel Vth pour deux cylindres libres espacés de d = 200m en utilisant
l’identification de la radiation. Les résultats sont obtenus pour une houle
monochromatique de pulsation ω = 2.17rad/s correspondant au point le
plus extrême de non passivité présenté dans la figure 2.7. . . . . . . . . . 50
2.9 Diagramme représentatif du calcul et de la mise en forme des coefficients
hydrodynamiques pour le simulateur. . . . . . . . . . . . . . . . . . . . . 52
2.10 Diagramme représentatif du chargement des données et des calculs pré-
processeur du simulateur. . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.11 Diagramme représentatif de la boucle d’intégration et de contrôle du si-
mulateur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.12 Dynamique transitoire pour un groupe de deux cylindres libres, séparés
d’une distance d = 200m, dans une houle polychromatique Hs = 2m et
Tp = 6s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.13 Dynamique transitoire pour un groupe de deux cylindres libres, séparés
d’une distance d = 200m, dans une houle polychromatique Hs = 2m et
Tp = 9s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.14 Schéma du groupe de 4 cylindres utilisé pour la vérification du simulateur. 60
2.15 Comparaison avec les résultats théoriques de la vitesse des corps du groupe
de 4 cylindres libres pilonnant présenté dans la figure 2.14, dans une houle
polychromatique avec un état de mer Hs = 2m Tp = 6s. . . . . . . . . . . 62
2.16 Comparaison avec les résultats théoriques de la vitesse des corps du groupe
de 4 cylindres libres pilonnant présenté dans la figure 2.14, dans une houle
polychromatique avec un état de mer Hs = 2m Tp = 9s. . . . . . . . . . . 62
2.17 Réponses en amplitude (RAO) obtenues à partir des simulations en do-
maine temporel et comparaison avec les résultats théoriques pour le groupe
de 4 cylindres libres pilonnant présenté dans la figure 2.14. . . . . . . . . 64

3.1 Représentation de la géométrie de ferme utilisée dans la section 3.1. . . . 67

3.2 Réponse impulsionnelle du contrôleur optimal h̃u (t) pour un cylindre pi-
lonnant isolé. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Table des figures ix

3.3 Composantes de la réponse impulsionnelle du contrôleur optimal h̃u (t)

pour un cylindre pilonnant isolé. . . . . . . . . . . . . . . . . . . . . . . . 75
3.4 Impédance du contrôleur optimal Z̃u (ω) (en haut à gauche), fenêtre ap-
pliquée à l’impédance (en bas à gauche), et réponse impulsionnelle huf (t)
de l’impédance du contrôleur fenêtrée Zuf (ω) pour un cylindre isolé. . . . 76
3.5 Réponses impulsionnelles du contrôleur optimal fenêtré huf,II,II et huf,I,II
pour des machines espacées de 200m et 400m. Les réponses impulsion-
nelles correspondent au terme direct II, II (en haut) et au terme croisé
I, II (en bas) du second corps du groupe. . . . . . . . . . . . . . . . . . . 78
3.6 RAO en pilonnement d’un cylindre isolé équipé d’un contrôleur optimal
sans fenêtrage. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.7 Schéma représentatif de la densité spectrale des différentes ondes de sur-
face (Wind waves : their generation and propagation on the ocean surface
[62]). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.8 Représentation des pulsations de coupure du spectre de houle pour un
état de mer de Hs = 2m Tp = 7s (en haut), et de la RAO en pilonnement
d’un cylindre isolé (au milieu) pour le choix des pulsations de coupure du
fenêtrage (en bas). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.9 Impact sur la puissance théorique de la mise en place du fenêtrage sur
l’impédance du contrôleur optimal dans le cas d’un cylindre isolé. . . . . 85
3.10 Amplitude (en haut) et phase (en bas) de la fonction de transfert Hv (ω),
dans le cas de la géométrie à deux corps (section 3.1.1) avec une distance
de séparation d = 100m. . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.11 Comparaison des coefficients de force d’excitation dans le cas d’un cylindre
isolé, et d’un groupe de deux cylindres espacés d’une distance d = 100m. 89
3.12 Comparaison de la vitesse de propagation à partir de Hv (ω), et de la
vitesse de phase Vϕ pour un groupe de deux cylindres espacés de d = 100m. 90
3.13 Évolution de l’amplitude (en haut) et de la phase (en bas) de la fonction
de transfert Hv (ω) en fonction de la distance de séparation d entre les
corps. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.14 Amplitude de la fonction de transfert des vitesses Hv (ω) avec contrôleur
optimal, pour un groupe de deux cylindres avec une distance de séparation
d = 200m. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
x Table des figures

3.15 Comparaison de l’amplitude (en haut) et de la phase (en bas) de la fonc-

tion de transfert des vitesses Hv (ω), avec contrôleur optimal Z̃u (ω) et
contrôleur optimal fenêtré Zuf (ω), pour un groupe de deux cylindres avec
une distance de séparation d = 200m. . . . . . . . . . . . . . . . . . . . 95

3.16 Réponses impulsionnelles de la fonction de transfert des vitesses hv (t),

pour un groupe de deux cylindres sans force de PTO, séparés d’une dis-
tance d = 200m, d = 400m, et d = 600m. . . . . . . . . . . . . . . . . . 97

3.17 Décalage vers la gauche, de la réponse impulsionnelle hv (t) d’un temps

de prévision tprev , pour un groupe de deux cylindres sans force de PTO,
séparés d’une distance d = 600m. . . . . . . . . . . . . . . . . . . . . . . 98

3.18 Réponses impulsionnelles de la fonction de transfert des vitesses hv (t),

pour un groupe de deux cylindres avec contrôleur optimal fenêtré, séparés
d’une distance d = 200m, d = 400m, et d = 600m, où le premier corps
est laissé libre et le second est contrôlé. . . . . . . . . . . . . . . . . . . . 99

3.19 Décalage vers la droite, de la réponse impulsionnelle hv (t) d’un temps de

prévision tprev , pour un groupe de deux cylindres avec contrôleur collabo-
ratif Zuc (ω). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

3.20 Comparaison de la vitesse d’un groupe de deux cylindres pilonnants sé-

parés d’une distance d = 600 m équipés d’un PTO passif et du même
groupe soumis à la stratégie de contrôle collaboratif où le premier corps
est équipé d’un PTO passif. . . . . . . . . . . . . . . . . . . . . . . . . . 103

3.21 Comparaison de l’énergie récupérée par un groupe de deux corps équipés

d’un PTO passif et par le même groupe soumis à la stratégie de contrôle
collaboratif où le premier corps est équipé d’un PTO passif. . . . . . . . 103

3.22 Synthèse des résultats des matrices de coefficient d’optimalité pour un

groupe de deux cylindres et une période de pic Tp = 9s. . . . . . . . . . . 109

3.23 Matrices de coefficient d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m. . . . . . . . . . . . . . . . . . . . . . . 112

3.24 Présentation de la matrice de coefficient d’optimalité (à gauche), de l’am-

plitude de l’impédance du contrôleur fenêtré à (en haut à droite), et du
spectre de houle (en bas à droite) dans le cas de l’apparition de deux maxi-
mums locaux de coefficient d’optimalité pour un groupe de deux cylindres
séparés de d = 200m et une période de pic de Tp = 12s. . . . . . . . . . . 114
Table des figures xi

3.25 Matrices de coefficient d’optimalité Copt (couleurs) et de ration réac-

tif/passif Rrp (valeurs numériques) pour un groupe de deux cylindres sé-
parés de d = 400m, avec une période de pic Tp = 9s, et un temps de
prévision tprev = 15s. La matrice de droite présente les résultats raffinés
du domaine inclus dans le carrée noir de la matrice de gauche. . . . . . . 116
3.26 Représentation de la relation entre le ration réactif/passif et le coefficient
d’optimalité maximal associé pour un groupe de deux cylindres séparés
de d = 400m, avec une période de pic Tp = 9s, et un temps de prévision
tprev = 15s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.27 Matrice de probabilité d’état de mer du site d’essai « Atlantic Marine
Energy Test Site » (A detailed assessment of the wave energy resource at
the atlantic marine energy test Site [5]). . . . . . . . . . . . . . . . . . . 118

4.1 Réponses impulsionnelles des efforts de radiation hrad (t) d’un groupe de
deux cylindres pilonnant séparés d’une distance d = 200m, en utilisant
des coefficients hydrodynamiques ayant pour discrétisation fréquentielle
dω = [0, 05; 0, 025; 0, 0125] rad/s. . . . . . . . . . . . . . . . . . . . . . . 124
4.2 Agrandissement des réponses impulsionnelles hradI,I (t) présentées dans la
figure 4.1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.3 Étude de convergence en discrétisation fréquentielle dω des coefficients
hydrodynamiques, pour un groupe de deux cylindres sans PTO, séparés
d’une distance d = 200m, en résonance dans une houle monochromatique
a = 1m et T = 7, 19s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.4 Étude de convergence en discrétisation fréquentielle dω des coefficients
hydrodynamiques, pour un groupe de deux cylindres sans PTO, séparés
d’une distance d = 200m, en résonance dans une houle polychromatique
Hs = 2m et Tp = 7, 19s. . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.5 Étude de convergence en pas de temps dt pour un groupe de deux cylindres
libres, séparés d’une distance d = 200m, dans une houle monochromatique
a = 1m et T = 6s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.6 Étude de convergence en pas de temps dt pour un groupe de deux cylindres
libres, séparés d’une distance d = 200m, en résonance dans une houle
monochromatique a = 1m et T = 7, 19s. . . . . . . . . . . . . . . . . . . 129
4.7 Étude de convergence en pas de temps dt pour un groupe de deux cylindres
libres, séparés d’une distance d = 200m, dans une houle polychromatique
Hs = 2m et Tp = 7, 19s. . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
xii Table des figures

4.8 Étude de convergence en pas de temps dt de la vitesse du corps contrôlé,

pour un groupe de deux cylindres séparés d’une distance d = 200m, où le
second corps est contrôlé avec la stratégie de contrôle collaboratif, dans
une houle polychromatique Hs = 2m et Tp = 9s. . . . . . . . . . . . . . . 131
4.9 Comparaison de la prévision de vitesse du corps contrôlé avec la vitesse obtenue
par les simulation pour un groupe de deux cylindres pilonnant avec une distance
de séparation d = 200m en haut, et une distance de séparation d = 600m, dans
une houle polychromatique Hs = 2m Tp = 9s. Le premier corps (capteur) est
laissé libre et le second est soumis à la stratégie de contrôle collaboratif. . . . 133
4.10 Comparaison de la prévision de vitesse du corps contrôlé avec la vitesse obtenue
par les simulation dans des configurations identiques à la figure 4.9, mais pour
lesquelles le premier corps (capteur) est équipé d’un PTO passif d’une valeur
BP T O = 1.5 · 105 N.s/m et le second est soumis à la stratégie de contrôle
collaboratif. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
4.11 Force d’excitation fex (t) et vitesse v(t) normalisées du corps contrôlé d’un
groupe de deux cylindres pilonnant séparés d’une distance d = 200m (en haut)
et d = 600m en bas, dans une houle polychromatique Hs = 2m Tp = 9s, où
le corps (capteur) est laissé libre et le second soumis à la stratégie de contrôle
collaboratif. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
4.12 Force d’excitation fex (t) et vitesse v(t) normalisées du corps contrôlé dans des
configurations identiques à la figure 4.11, mais pour lesquelles le premier corps
(capteur) est équipé d’un PTO passif d’une valeur BP T O = 1.5 · 105 N.s/m et
le second est soumis à la stratégie de contrôle collaboratif. . . . . . . . . . . . 135
4.13 Schéma représentatif de l’angle du portrait de phase de la vitesse ϕv et
de la force d’excitation ϕf ex . . . . . . . . . . . . . . . . . . . . . . . . . . 136
4.14 Angle du portrait de phase de la vitesse ϕv (t) et de la force d’excitation
ϕf ex (t) correspondant aux simulations de la figure 4.11. . . . . . . . . . . 137
4.15 Angle du portrait de phase de la vitesse ϕv (t) et de la force d’excitation
ϕf ex (t) correspondant aux simulations de la figure 4.12. . . . . . . . . . . 137
4.16 Demi-maillage du cylindre utilisé pour le calcul des coefficients hydrody-
namiques avec le code BEM NEMOH. . . . . . . . . . . . . . . . . . . . 140
4.17 Coefficients d’amortissement hydrodynamique et de masse d’eau ajou-
tée des termes diagonaux en pilonnement d’un groupe de deux cylindres
séparés d’une distance d = 400m, obtenus à partir de la méthode semi-
analytique, de la méthode BEM NEMOH, et de la méthode BEM NE-
MOH avec correction des fréquences irrégulières. . . . . . . . . . . . . . . 141
Table des figures xiii

4.18 Comparaison de la prévision de vitesse du corps contrôlé avec la vitesse obtenue

par les simulation pour un groupe de deux cylindres pilonnant avec une distance
de séparation d = 400m dans une houle polychromatique Hs = 2m Tp = 9s, où
le premier corps (capteur) est laissé libre et le second est soumis à la stratégie
de contrôle collaboratif. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
4.19 Angle du portrait de phase de la vitesse ϕv (t) et de la force d’excitation
ϕf ex (t) correspondant aux simulations de la figure 4.18. . . . . . . . . . . 142
4.20 Schéma représentatif de la dérive des corps liée à l’ancrage. . . . . . . . . 144
4.21 Résultats de coefficients d’optimalité Copt et de coefficient d’optimalité
tenant compte du fenêtrage Coptf en fonction de la dérive dr du corps
contrôlé pour une houle polychromatique Hs = 2m Tp = 6s (en haut) et
Hs = 2m Tp = 9s (en bas). . . . . . . . . . . . . . . . . . . . . . . . . . . 145
4.22 Schéma représentatif de la distance de propagation de la houle dp en
fonction de l’orientation de la houle β et la distance de séparation d entre
les corps. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
4.23 Relation entre la dérive équivalente dr et l’erreur de mesure d’orientation
de la houle βerr pour différentes distances de séparation d entre le corps
capteur et le corps contrôlé avec β = 0° (à gauche) et pour différentes
valeurs d’orientation de la houle β avec d = 200 m (à droite). . . . . . . 148
4.24 Puissance théorique maximale récupérable Pth du corps contrôlé en fonc-
tion de l’orientation de la houle incidente β pour un groupe de deux
cylindres pilonnant séparés d’une distance d = 400m. . . . . . . . . . . . 149
4.25 Résultats de coefficients d’optimalité Copt et de coefficient d’optimalité te-
nant compte du fenêtrage Coptf du corps contrôlé en fonction de l’erreur de
mesure de l’orientation de la houle βerr , pour une houle polychromatique
Hs = 2m Tp = 9s d’orientation β = 0°. . . . . . . . . . . . . . . . . . . . 150
4.26 Fonctions D(β) d’étalement spectral pour les différentes valeurs d’expo-
sant n utilisées dans l’étude. . . . . . . . . . . . . . . . . . . . . . . . . . 152
4.27 Résultats de coefficients d’optimalité Copt et de coefficient d’optimalité
tenant compte du fenêtrage Coptf du corps contrôlé en fonction de la
valeur d’exposant n de la distribution d’étalement D(β), pour une houle
polychromatique Hs = 2m Tp = 9s. . . . . . . . . . . . . . . . . . . . . . 153
4.28 Facteurs d’interaction qf et fractions de puissances qind pour différentes
configurations de ferme pour des machines équipées d’un PTO passif
d’amortissement BP T O = 2, 1 · 105 N.s/m (en noir), ou soumis au contrôle
optimal (en rouge). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
xiv Table des figures

4.29 Schéma représentatif de la ferme de 10 corps utilisée pour la simulation,

le premier corps (capteur) est équipé d’un PTO passif noté « BP T O »,
et tous les autres corps de la ferme sont soumis au contrôle collaboratif
« CC ». . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
4.30 Puissance théorique Pth (à gauche) et puissance théorique avec fenêtrage
Pthf (à droite) de la ferme de 10 corps utilisée dans la simulation. . . . . 161
4.31 Réponse impulsionnelle du transfert de vitesse du corps IX (en haut) et
réponse impulsionnelle de radiation du corps IX sur le corps I (en bas). 164
4.32 Comparaison de la prévision de vitesse des corps contrôlés avec la vitesse
obtenue par simulation pour la ferme de 10 corps soumise à la stratégie
de contrôle collaboratif, dans une houle polychromatique Hs = 2m Tp = 9s.167
4.33 Angle du portrait de phase de la vitesse ϕv (t) et de la force d’excitation
ϕf ex (t) obtenus lors de la simulation de la ferme de 10 corps soumise
à la stratégie de contrôle collaboratif, dans une houle polychromatique
Hs = 2m Tp = 9s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168

A.1 Comparaison des coefficients d’amortissement hydrodynamique et de force

d’excitation obtenus avec le code NEMOH standard et avec la correction
des fréquences irrégulières. . . . . . . . . . . . . . . . . . . . . . . . . . . 187

C.1 Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m avec une période de pic Tp = 6s. . . . . 194
C.2 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 200m avec une période de pic Tp = 6s. . . . . 194
C.3 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 400m avec une période de pic Tp = 6s. . . . . 195
C.4 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 600m avec une période de pic Tp = 6s. . . . . 195
C.5 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 100m avec une période de pic Tp = 9s. . . . . 196
C.6 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 200m avec une période de pic Tp = 9s. . . . . 196
C.7 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 400m avec une période de pic Tp = 9s. . . . . 197
C.8 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 600m avec une période de pic Tp = 9s. . . . . 197
Table des figures xv

C.9 Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m avec une période de pic Tp = 12s. . . . 198
C.10 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 200m avec une période de pic Tp = 12s. . . . 198
C.11 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 400m avec une période de pic Tp = 12s. . . . 199
C.12 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 600m avec une période de pic Tp = 12s. . . . 199
C.13 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 100m avec une période de pic Tp = 6s. . . . . 200
C.14 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 100m avec une période de pic Tp = 9s. . . . . 201
C.15 Matrices de coefficients d’optimalité pour un groupe de deux cylindres
séparés d’une distance d = 100m avec une période de pic Tp = 9s. . . . . 201

D.1 Maillages utilisés pour l’étude de convergence. . . . . . . . . . . . . . . . 203

D.2 Coefficient d’amortissement hydrodynamique B(ω) et de masse d’eau ajoutée
Ma (ω) en pilonnement obtenus avec le code NEMOH pour les 3 maillages
comparés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
D.3 Amplitude et phase du coefficient de force d’excitation Hex (ω) pilonnement
obtenu avec le code NEMOH pour les 3 maillages comparés. . . . . . . . . . 204
Liste des tableaux
2.1 Erreur RMS en pourcentage de l’identification du noyau de radiation sur
la partie réelle et la partie imaginaire en fonction du nombres de pôles. Les
résultats sont présentés pour un groupe de deux cylindres séparés d’une
distance d = {50m, 200m, 1000m}. . . . . . . . . . . . . . . . . . . . . . 47
2.2 Erreur RMS de la vitesse des corps du groupe de 4 cylindres libres pilon-
nant présenté dans la figure 2.14. . . . . . . . . . . . . . . . . . . . . . . 61

3.1 Classification des ondes de surface par fréquence [62]. . . . . . . . . . . . 81

3.2 Niveaux des facteurs choisis pour l’étude de sensibilité pour un groupe de
deux cylindres en utilisant la stratégie de contrôle collaboratif. . . . . . . 106
3.3 Niveaux des facteurs choisis pour l’étude de sensibilité de corps proches
pour un groupe de deux cylindres en utilisant la stratégie de contrôle
collaboratif. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.4 Paramètres optimaux de la stratégie de contrôle collaboratif issus de
l’étude de sensibilité pour un groupe de deux cylindres pilonnant. . . . . 113
3.5 Paramètres optimaux du contrôleur pour le groupe de deux cylindres sé-
parés d’une distance d = 200 m sur le site AMETS. . . . . . . . . . . . . 119

4.1 Relation entre la discrétisation fréquentielle et la longueur des réponses

impulsionnelles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.2 Coefficient d’optimalité pour un groupe de deux corps séparés d’une dis-
tance d = 200m en fonction de la discrétisation fréquentielle des coeffi-
cients hydrodynamiques, dans une houle polychromatique Hs = 2m et
Tp = 9s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
4.3 Coefficient d’optimalité pour un groupe de deux corps séparés d’une dis-
tance d = 200m en fonction de l’extrapolation des coefficients hydrody-
namiques, dans une houle polychromatique Hs = 2m et Tp = 9s. . . . . . 128
4.4 Étude de convergence en pas de temps dt du coefficient d’optimalité du
corps contrôlé, pour un groupe de deux cylindres séparés d’une distance
d = 200m, où le second corps est contrôlé avec la stratégie de contrôle
collaboratif, dans une houle polychromatique Hs = 2m et Tp = 9s. . . . . 132
4.5 Résultats de puissance et de coefficient d’optimalité pour les différentes
configurations de ferme présentées dans l’étude. . . . . . . . . . . . . . . 138
xviii Liste des tableaux

4.6 Comparaison des résultats de puissance et de coefficient d’optimalité en

utilisant les coefficients hydrodynamiques issus d’une méthode semi-analytique,
de la méthode BEM NEMOH, et de la méthode BEM NEMOH avec cor-
rection des fréquences irrégulières. . . . . . . . . . . . . . . . . . . . . . . 143
4.7 Comparaison des résultats de puissance et de coefficient d’optimalité en
fonction de la dérive du corps contrôlé. . . . . . . . . . . . . . . . . . . . 145
4.8 Résultats de puissance et de coefficient d’optimalité du corps contrôlé en
fonction de l’erreur de mesure de l’orientation de la houle βerr . . . . . . . 151
4.9 Résultats de puissance et de coefficient d’optimalité du corps contrôlé en
fonction de la valeur d’exposant n de la distribution d’étalement D(β). . 153
4.10 Paramètres du fenêtrage des corps contrôlés pour la ferme de 10 corps. . 160
4.11 Puissance d’un corps isolé en fonction du contrôleur avec les paramètres
utilisés pour les corps de la ferme. . . . . . . . . . . . . . . . . . . . . . . 161
4.12 Résultats de puissance et de coefficient d’optimalité tenant compte du
fenêtrage pour la ferme de 10 corps soumise à la stratégie de contrôle
collaboratif, dans une houle polychromatique Hs = 2m Tp = 9s. . . . . . 165

C.1 Niveaux des facteurs choisis pour l’étude de sensibilité pour un groupe de
deux cylindres en utilisant la stratégie de contrôle collaboratif. . . . . . . 193
C.2 Niveaux des facteurs choisis pour l’étude de sensibilité de corps proches
pour un groupe de deux cylindres en utilisant la stratégie de contrôle
collaboratif. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
Liste des symboles
Acronymes

BEM Boundary Element Method

CFD Computational Fluid Dynamic

DNS Direct Numerical Simulation

LES Large Eddy Simulation

MIMO Multiple Input Multiple Output

PTO Power take-Off

RANS Reynolds Averaged Navier-Stoke

SISO Single Input Single Output

WEC Wave Energy Converter

Symboles généraux

.̄ Moyenne

P̄pass Puissance passive moyenne

P̄react Puissance réactive moyenne

Copt Coefficient d’optimalité

Φ Potentiel des vitesses

ρ Masse volumique du fluide

⃗n Vecteur normal
⃗
X Vecteur déplacement

BP T O Terme d’amortissement du PTO passif

d Distance entre les corps

dr Distance de dérive

g Constante gravitationnelle

G(M, M ′ ) Fonction de Green

h Hauteur du cylindre
xx Liste des symboles

Hs Hauteur significative de l’état de mer

j Nombre imaginaire

M Masse du corps

N Nombre de machines

p Pression

qf Facteur d’interaction de la ferme

qind Fraction de puissance d’un corps

R Rayon du cylindre

Rrp Ration puissance réactive / passive

Tp Période de pic de l’état de mer

Vϕ Vitesse de phase

z Profondeur

H Profondeur d’eau

Domaine temporel

P̄(t) Puissance moyenne en domaine temporel

η(t, x) Elevation de surface libre

F −1 Transformée de Fourier inverse

fu (t) Force du PTO

fex (t) Force d’excitation

frad (t) Force de radiation

hu (t) Réponse impulsionnelle du contrôleur

hv (t) Réponse impulsionnelle du transfert de vitesse

hrad (t) Réponse impulsionnelle de radiation

huf (t) Réponse impulsionnelle du contrôleur optimal fenêtrée

tr Temps de retard de la réponse impulsionnelle

tnc Horizon non causal

Liste des symboles xxi

tprev Temps de prévision

tsim Durée de la simulation

Domaine fréquentiel

.∗ Conjuguée

PA (ω) Puissance absorbée

Pth Puissance théorique maximale

Zuc (ω) Matrice d’impédance modifiée du contrôleur collaboratif

F Transformée de Fourier

ωHc Pulsation de coupure haute du fenêtrage

ωLc Pulsation de coupure basse du fenêtrage

.̃ Optimal

Ξ(ω) Elevation de surface libre

Ah (ω) Amplitude de la houle

B(ω) Coefficient d’amortissement hydrodynamique

BP T O Amortissement du PTO

FD (ω) Effort de Diffraction

fp Fréquence de pic du spectre de houle

Fu (ω) Force du PTO

Fex (ω) Force d’excitation

FF K (ω) Effort de Froude-Krylov

Fks Force hydrostatique

Frad (ω) Force de radiation

Hv (ω) Fonction de transfert des vitesses

Hex (ω) Coefficient de force d’excitation

k Nombre d’onde

Ks Raideur hydrostatique
xxii Liste des symboles

Ma (ω) Coefficient de masse d’eau ajoutée

Ma∞ Masse d’eau ajoutée à l’infini

Pu (ω) Puissance absorbée

Pth,f erme Puissance moyenne de la ferme

Pth,isolé Puissance moyenne d’un corps isolé

V (ω) Vecteur vitesse du corps

VM (ω) Vecteur de la fonction de transfert des vitesses

w Pulsation

X(ω) Vecteur position du corps

Zi (ω) Impédance intrinsèque

ZM (ω) Matrice de la fonction de transfert des vitesses

Zu (ω) Impédance du contrôleur

Znet (ω) Matrice d’impédance nette

Zuf (ω) Impédance du contrôleur optimal fenêtrée

A(ω) Vecteur accélation du corps

Chapitre 1
Introduction

Sommaire
1.1 Avant-propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Production énergétique mondiale . . . . . . . . . . . . . . . . 4
1.2.2 La place de l’énergie houlomotrice . . . . . . . . . . . . . . . 5
1.3 Défis technologiques et scientifiques . . . . . . . . . . . . . . 8
1.4 Les concepts de machine houlomotrice . . . . . . . . . . . . . 10
1.5 Contrôle des point absorbers . . . . . . . . . . . . . . . . . . 13
1.5.1 Power take-off et conversion d’énergie . . . . . . . . . . . . . 13
1.5.2 Nécessité des méthodes de contrôle . . . . . . . . . . . . . . . 14
1.5.3 Méthodes de contrôle . . . . . . . . . . . . . . . . . . . . . . 15
1.6 Les modèles d’interaction vague structure . . . . . . . . . . 26
1.6.1 Présentation des modèles . . . . . . . . . . . . . . . . . . . . 26
1.6.2 Application au contrôle de ferme . . . . . . . . . . . . . . . . 28
1.7 Méthodes de prévisions de la force d’excitation . . . . . . . 29
1.8 Objectifs de la thèse . . . . . . . . . . . . . . . . . . . . . . . . 31
2 Introduction

1.1 Avant-propos

L’énergie constitue un pilier fondamental de l’évolution de l’humanité. Lorsque les

premiers hommes ont domestiqué le feu, environ 400 000 ans av. J.-C., ils bénéficièrent
alors de moyens de chauffage, de cuisson, et d’éclairage, bouleversant pour la première
fois leurs pratiques. Environ 4 000 ans av. J.-C., après la domestication des animaux,
l’Homme commence à atteler des bovins et utilise la force motrice animale pour faciliter
les travaux agricoles et les transports. C’est au VII° siècle qu’apparaissent les premiers
moulins à vent, destinés en premier lieu à l’irrigation. Cependant, les moulins à vent et
à eau ne prennent leur essor qu’aux alentours du XI° siècle. Avec ces nouvelles énergies,
la mécanisation des outils apparait et permet de moudre les grains, fouler les draps ou
encore tanner les peaux. À cette époque et jusqu’au XVII° siècle, le bois reste la res-
source principale d’énergie.

Un nouveau bouleversement intervient avec l’invention de la machine à vapeur en 1769,

qui marque le début de la révolution industrielle. On assiste alors à la naissance de
nouvelles machines permettant de produire plus vite et pour moins cher. Fournissant de
meilleurs rendements que le bois, le charbon devient la principale ressource énergétique
de cette ère. Pour subvenir au besoin croissant de cette ressource, l’exploitation du char-
bon subit un développement massif avec l’édification de nombreux bassins miniers. La
pollution amenée par la révolution industrielle et l’industrialisation était un problème
déjà considéré et contrôlé à son époque. Cependant, l’énergie était déjà devenue un fac-
teur clé de l’économie, et les règlementations alors en place furent allégées à la demande
des industriels au nom de la compétitivité et de la liberté économique.

Au XIX° siècle, les travaux sur l’électricité permettent la création des machines élec-
triques et de son transport. Parallèlement, la construction du premier puits de pétrole
a lieu en 1859, et les progrès de la chimie permettent le raffinage du pétrole. Avec les
deux guerres mondiales vient la création de nouvelles techniques augmentant au passage
le facteur d’échelle de la production industrielle et donc de l’énergie nécessaire. Le XX°
siècle sera aussi la scène du développement de l’énergie nucléaire, avec la mise en service
de la première centrale en 1954. À la fin du XX° siècle, la consommation de masse se
généralise dans de nombreux pays et impose une demande en production et en énergie
toujours croissante.
1.1 Avant-propos 3

La diminution des réserves des énergies fossiles, les catastrophes naturelles liées à leurs
exploitations, et l’accélération des changements climatiques imposent de métamorpho-
ser le rapport de l’homme à l’énergie. Si le XIX° et le XX° siècle ont pu être le théâtre
d’une production intensive, et irresponsable face aux enjeux environnementaux, la prise
de conscience de la population et des gouvernements face à l’urgence de cette problé-
matique est de plus en plus marquée. Les efforts en ce sens tendent à être d’ampleur
internationale, avec la mise en place d’objectifs communs lors des conférences des par-
ties (COP). Cependant, l’urgence pourtant palpable de la situation environnementale
ne semble pas toujours faire face aux pressions économiques établies.

Face à la croissance fulgurante des besoins énergétiques et aux contraintes environne-

mentales, la transition énergétique est devenue une nécessité. Un retour aux premières
sources d’énergie est observé avec l’éolien, l’énergie hydraulique ou encore la biomasse.
De nouveaux moyens de production d’énergie renouvelable sont développés comme le
solaire ou les énergies marines. La motivation de ces travaux de thèse est de tenter de
contribuer à cette transition en participant au développement des énergies marines, et
plus particulièrement celui de l’énergie des vagues.

« Nous n’héritons pas de la terre de nos parents,

nous l’empruntons à nos enfants. »

À ma fille, Emma.
4 Introduction

1.2 Contexte
Pour comprendre la place de l’énergie houlomotrice dans le contexte actuel, il est
tout d’abord nécessaire de rappeler l’évolution de la production énergétique mondiale et
du coût des différentes technologies de production d’énergie renouvelable au cours des
dernières années. Ensuite, après un bref historique de la technologie houlomotrice, le
potentiel énergétique de cette ressource est mis en avant et l’état actuel de la production
d’énergie houlomotrice est présenté.

1.2.1 Production énergétique mondiale

La production mondiale d’électricité s’est vue augmenter de plus d’un facteur 4 entre
1971 et aujourd’hui (figure 1.1). Si cette production était majoritairement constituée
d’énergie fossile et d’hydroélectricité en 1971, on observe le développement rapide du
nucléaire au cours de cette période, puis le développement progressif des énergies renou-
velables à partir des années 1990. Par ailleurs, il faut attendre le début des années 2000
pour voir s’accélérer le développement des énergies renouvelables.

28 000

24 000

20 000

16 000

12 000

8 000

4 000

0
1971 1975 1980 1985 1990 1995 2000 2005 2010 2015
Thermique fossile Nucléaire Hydro Renouvelable non-hydro

Figure 1.1 – Production d’électricité mondiale de 1971 à 2015 en TWh. La ressource

« Renouvelable non-hydro » inclue la géothermie, le solaire, l’éolien, les énergies marines,
les biocarburants, et l’incinération des déchets (Central Statistics Office [21]).

Au-delà des considérations environnementales, la récente croissance des énergies renou-

velables dans le mix énergétique mondial s’explique par une baisse significative des coûts
de production (figure 1.2). En effet, les progrès scientifiques dans les différents domaines
associés à ces énergies ont permis d’améliorer la compétitivité de ces énergies, au point
1.2 Contexte 5

que la majorité d’entre elles est devenue plus rentable que la production d’énergie fossile.
On notera par exemple le coût de l’énergie photovoltaïque divisé par un facteur 3, 6 en
seulement 7 ans, ou encore la diminution de 20% du coût de l’éolien terrestre sur la
même période. De plus, si le coût des énergies renouvelables tend à baisser, celui des
énergies fossiles lui est à la hausse. Cette hausse est en partie due à l’accroissement de
la complexité de l’exploitation de ces ressources, elle même causée par la raréfaction des
sources d’énergie fossile.

Figure 1.2 – Coût actualisé de l’énergie (LCOE) par technologie de production d’énergie
renouvelable, pour l’année 2010 et 2017. Le diamètre de chaque cercle représente la taille
de chaque projet et son centre le coût du projet. Les lignes épaisses représentent le LCOE
moyen et pondéré des centrales misent en service pour chaque année (International
Renewable Energy Agency [78]).

1.2.2 La place de l’énergie houlomotrice

L’idée de récupérer l’énergie des vagues n’est pas nouvelle. C’est en 1799 qu’est publié,
par Girard et fils, le premier brevet de récupération d’énergie houlomotrice proposant
6 Introduction

d’extraire l’énergie d’un corps flottant en pilonnement animé par la houle (figure 1.3)
[70]. Il y est déjà fait état du grand potentiel énergétique de la houle, et de la prédictibilité
de cette ressource. De plus, les auteurs présentent déjà l’intérêt du dimensionnement du
corps flottant et de la contrainte appliquée au système sur le rendement de la machine.

Figure 1.3 – Extrait de la planche accompagnant le brevet de 1799 publié par Girard
père et fils [70].

Il faut ensuite attendre 1876 pour voir brevetée et construite la première machine uti-
lisant cette ressource. Il s’agit alors d’une bouée sifflante utilisée pour la signalisation
maritime, inventée par J.M. Courtenay (figure 1.4). Le système exploite le mouvement
d’une colonne d’eau oscillante permettant de mettre en pression un volume d’air, qui à
son tour actionne un sifflet de locomotive. Cette bouée est considérée comme l’ancêtre
des systèmes houlomoteur à colonne d’eau oscillante (OWC). En 1885, 34 de ces bouées
sont à flot [56].

Peu après le choc pétrolier de 1973, Salter publie un article dans Nature nommé « Wave
Power » [80], qui marque le début de l’ère moderne de l’énergie houlomotrice. Cet article
fondateur quantifie l’énergie récupérable dans cette ressource, met en évidence certaines
considérations à prendre en compte lors de l’élaboration de récupérateurs d’énergie des
vagues, et propose un design innovant qui gardera le nom de Salter’s Duck (figure 1.5).
À partir de cette période, les projets de recherche et industriels relatifs à l’énergie hou-
lomotrice se multiplient, et en 1980 plus de 1000 brevets avaient déjà été déposés [32].
Aujourd’hui, le nombre de brevets de machine houlomotrice est estimé à plus 3000 [84].
1.2 Contexte 7

Figure 1.4 – Schéma représentatif de la bouée sifflante de Courtenay (à gauche), et

cliché d’un dérivé de cette machine à Point Fermin, San Pedro, réalisé en 1890 (à droite)
(California Historical Society Collection).

Figure 1.5 – Design du Salter’s Duck présenté dans [80].

Si l’énergie houlomotrice suscite tant d’intérêt, c’est que l’océan représente une immense
ressource énergétique. La puissance totale des vagues incidentes sur les côtes mondiales
est estimée à 2, 11 ± 0, 05 T W [49]. Cette valeur a été calculée à partir des données obte-
nues avec le code de calcul NOAA WaveWatch III [83], et en intégrant le flux d’énergie
de la houle le long d’une ligne située à 30 miles nautiques des côtes sur une période de 6
ans. Bien qu’il ne soit pas possible d’extraire la totalité de cette énergie, l’auteur de cette
évaluation de ressource présente une estimation de l’énergie récupérable en supposant
l’utilisation du système houlomoteur Pelamis sur l’ensemble des côtes. Il est alors estimé
8 Introduction

que dans cette configuration 4, 6% de la ressource houlomotrice peut être extraite, soit
une puissance moyenne de 96, 6 ± 1, 3 GW .

Au cours des dernières décennies, plusieurs sites d’essais ont vu le jour. On peut citer
notamment le site d’essai d’Aguçadoura au Portugal où le Pelamis a été testé totalisant
une puissance de 2, 25 M W , ou encore celui de Limpet (0, 5 M W ) et d’Orkney (0, 8M W )
en Écosse. Les machines houlomotrices testées sur ces sites ne sont à ce jour plus en ser-
vice, mais elles ont permis d’acquérir de précieuses données pour le développement de la
technologie houlomotrice. Par ailleurs, d’autres projets comme la centrale de Mutribuki
(0, 3 M W ) en Espagne sont encore en service. La liste des projets présentée ici est loin
d’être exhaustive. En effet, de nombreux autres projets d’envergures variées ont été mis
en place, ou sont prévus dans un futur proche. Aujourd’hui, aucune centrale de produc-
tion de grande échelle n’est en service, mais les annonces de plusieurs projets, comme
celui de Seabased au Ghana avec une centrale de 100 M W , sont encourageantes pour
l’avenir de la filière.

L’absence de site de production de grande ampleur dans le domaine de l’énergie des

vagues est significative du retard de cette technologie au regard des autres énergies re-
nouvelables comme l’éolien ou le solaire. Encore considérée comme immature, la techno-
logie houlomotrice doit encore relever de nombreux défis technologiques et scientifiques
pour atteindre un niveau de compétitivité satisfaisant sur le marché de l’énergie.

1.3 Défis technologiques et scientifiques

Parmi les défis technologiques et scientifiques liés à la ressource houlomotrice, plu-
sieurs grands axes peuvent être mis en avant : les problèmes de survivabilité dans les
conditions de houles extrêmes, le développement de stratégies et d’outils de maintenance,
les difficultés liées à l’ancrage (installation, raccordement au réseau, bio-encrassement,
modification de la dynamique de la machine), l’injection de l’énergie dans le réseau
électrique (forte intermittence de la production), ou encore la réduction des coûts de
l’énergie houlomotrice notamment par l’augmentation du rendement des machines.

Les récupérateurs d’énergie des vagues sont conçus pour extraire au mieux l’énergie dans
des conditions de houle données. Ainsi, lorsque ces machines sont correctement dimen-
sionnées, elles présentent une forte réponse dynamique à la houle incidente. Ces systèmes
sont dimensionnés pour récupérer l’énergie dans des valeurs moyennes d’état de mer, or
1.3 Défis technologiques et scientifiques 9

ces valeurs peuvent devenir extrêmes lors de phénomènes météorologiques violents. Il

est par conséquent délicat de pouvoir assurer la fiabilité et la survivabilité des systèmes
houlomoteurs face aux conditions de houles extrêmes, car les forces soumises aux sys-
tèmes sont de loin supérieures aux valeurs nominales. Cependant, il est primordial de
pouvoir assurer la robustesse de ces systèmes sur plusieurs années de façon à assurer
leur viabilité commerciale [24].

L’installation et la maintenance des machines houlomotrices imposent le développement

de nouveaux outils. De façon à pouvoir intervenir sur les unités de la ferme, la concep-
tion de vaisseaux spécialisés ou le remorquage jusqu’au port des machines concernées
est requis. Quelle que soit la stratégie de maintenance mise en place, celle-ci doit né-
cessairement être planifiée pour correspondre aux conditions météorologiques. Ainsi, en
cas d’avaries, le délai d’attente avant l’intervention peut être considérable. Il est donc
primordial de pouvoir anticiper les maintenances afin de conserver un facteur de charge
compétitif. De manière générale, les coûts d’installation et de maintenance d’une ferme
de génératrice houlomotrice constituent une part importante du coût global du projet. Il
est donc primordial d’adopter des stratégies opérationnelles visant à minimiser ces coûts
[2, 12].

Lors de la conception des ancrages d’un système houlomoteur, il convient d’évaluer fi-
nement la fatigue subie par les lignes d’ancrages et les câbles de raccordement au réseau
pour assurer leur résistance sur toute la durée d’exploitation de la ferme. Les phénomènes
de bio-encrassement peuvent avoir un impact sur les forces générées par les vagues et les
courants sur les éléments d’ancrages, ce qui rend cette analyse délicate. De plus, au-delà
de l’augmentation de la fatigue des éléments d’ancrage, le bio-encrassement peut aussi
impacter les performances des machines houloumotrices [87].

Dues à la nature oscillatoire de la ressource houlomotrice, de fortes variations sont ob-

servées dans le signal de puissance généré par les machines. Pour injecter de l’énergie
dans le réseau électrique, il est imposé de respecter des contraintes précises concernant la
qualité du signal. L’augmentation du nombre de machines dans une ferme de génératrice
tend à lisser la production du signal, mais il est toujours nécessaire de mettre en place
des systèmes de régulation de puissance, comme l’ajout de super-capacités, pour respec-
ter les contraintes réseau [23]. De plus, lors de l’utilisation de système réactif (section
1.5), il peut être nécessaire d’utiliser ponctuellement l’énergie du réseau électrique pour
augmenter le rendement des machines.
10 Introduction

Le coût de l’énergie houlomotrice est aujourd’hui estimé entre 0.56€/kW h et 0.71€/kW h.

Ces estimations varient fortement, car les concepts de machines sont très hétérogènes, et
car il n’existe pour l’heure pas de déploiement à l’échelle industrielle. Bien supérieurs à
ceux des autres énergies renouvelables, les prix de l’énergie houlomotrice freinent considé-
rablement le déploiement des sites de production et impliquent nécessairement le soutien
financier des gouvernements. L’Union Européenne cible un prix de l’énergie houlomo-
trice à 0.22€/kW h à l’horizon 2030, ce qui constitue un défi colossal [82].

Une des approches permettant de réduire le coût de production de l’énergie des vagues
est d’augmenter le rendement des génératrices houlomotrices. Avec l’application de stra-
tégies de contrôle des machines houlomotrices, il est possible d’augmenter significati-
vement leur rendement. Ce point correspond à une des deux grandes motivations de
ce travail de thèse, à savoir le développement d’une stratégie de contrôle de systèmes
houlomoteurs. D’autre part, l’amélioration de la rentabilité des sites houlomoteurs vient
avec l’augmentation de la puissance globale des sites de productions. Les récupérateurs
d’énergie des vagues possèdent des dimensions optimisées pour les états de mer dans
lesquels ils évoluent. Pour augmenter la puissance de la ferme, il n’est donc pas toujours
possible d’augmenter la puissance de chaque unité. Il est alors nécessaire de concevoir
des fermes constituées de nombreuses machines [32]. Cette considération constitue la
deuxième motivation de ce travail de thèse : la prise en compte des différentes interac-
tions hydrodynamique entre les corps flottants dans la stratégie de contrôle, maximisant
ainsi la récupération d’énergie globale de la ferme.

1.4 Les concepts de machine houlomotrice

Il existe de nombreux concepts de génératrice houlomotrice. Ces concepts diffèrent
principalement par la façon dont l’énergie de la houle est captée par le système, par
leur positionnement par rapport à la côte, et par la profondeur d’eau dans laquelle
les systèmes sont installés. Parmi les milliers de brevets déposés sur les récupérateurs
d’énergie des vagues, seule une partie a fait l’objet de recherche et de développement.
On décompte aujourd’hui une centaine de projets en phase de développement ou d’es-
sai [32]. Si les concepts de récupérateur sont très variés, il est toutefois possible de les
regrouper en 5 grandes familles. Les illustrations utilisées ici proviennent d’Aqua-Ret [4].
1.4 Les concepts de machine houlomotrice 11

Les systèmes atténuateurs sont des ma-

chines flottantes pouvant être utilisées au
large, en eaux profondes. Constitués de
plusieurs segments mobiles alignés dans
le sens de propagation de la houle, ces
systèmes sont de dimension supérieure ou
égale à la longueur d’onde dominante de la
houle. L’action des vagues permet le mou-
vement relatif des différents segments, et
Figure 1.6 – Atténuateur.
l’énergie est récupérée à l’aide d’un Power
Take-Off (PTO) permettant la conversion de l’énergie mécanique en électricité. Pour
ce type de système, le PTO est le plus souvent constitué d’un système hydraulique ou
pneumatique.

Utilisés proches des côtes, en eaux peu

profondes, les flotteurs en rotation sont
animés par les mouvements de cavalement
de la houle. Le flotteur est relié à son an-
crage par un axe de rotation horizontal si-
tué proche du fond et contenant le système
de conversion d’énergie. De manière géné-
rale, le flotteur est dimensionné pour cor-
respondre à la hauteur de la colonne d’eau,
Figure 1.7 – Flotteur en rotation. et certains dispositifs peuvent même dé-
passer la surface libre. De par leur géomé-
trie, ces systèmes peuvent être retenus au fond dans le cas d’épisodes météorologiques
violents, ce qui renforce la survivabilité des machines.

Les systèmes à colonne d’eau oscillante (OWC) sont constitués d’une structure creuse
partiellement immergée contenant un volume d’air au-dessus de la surface libre. La
structure présente une ouverture sous-marine permettant à la pression induite par les
vagues incidentes de faire varier le niveau de la surface libre à l’intérieur de la colonne.
Les déplacements de la surface libre entrainent la compression du volume d’air qui est
alors turbiné pour convertir l’énergie mécanique en électricité.
12 Introduction

Les OWCs sont majoritairement représen-

tés par des structures fixes positionnées
sur la côte ou non loin du bord, cependant
il existe aussi des systèmes flottants utili-
sant le même principe de récupération. Le
coût de construction des OWCs est large-
ment dominé par celui de la construction
de la structure. Ces systèmes peuvent être
intégrés à la construction de digue pour
réduire les coûts du projet et faciliter leur
maintenance. Figure 1.8 – Système à colonne d’eau os-
cillante (OWC).

Les centrales à déferlement captent l’éner-

gie houlomotrice en laissant déborder les
vagues incidentes dans un réservoir situé
au-dessus du niveau moyen de la surface
libre. Le volume d’eau stocké dans le ré-
servoir constitue une réserve d’énergie po-
tentielle qui est ensuite convertie en élec-
tricité à l’aide de turbines hydrauliques.
Grâce au stockage de l’énergie houlomo-
trice sous forme d’énergie potentielle, les
centrales à déferlement permettent d’ob-
Figure 1.9 – Centrale à déferlement. tenir un signal de puissance plus lisse que
ceux obtenus par conversion directe du mouvement de vagues. Ces systèmes prennent la
forme de dispositifs fixes ou flottants, et peuvent profiter de la topographie naturelle du
site pour constituer le bassin de stockage et tirer profit des effets de concentration de
vague.

Les « point absorbers » sont des systèmes oscillants de dimension inférieure à celle de
la longueur d’onde dominante de la houle. Flottants ou immergés, ces systèmes peuvent
être déployés au large en eaux profondes et récupèrent l’énergie de la houle proche de la
surface libre dans toutes les directions. Dans le cas des « point absorbers », les systèmes
de conversion d’énergie sont variés et peuvent reposer sur des technologies hydrauliques,
pneumatiques, ou encore de conversion directe (direct-drive).
1.5 Contrôle des point absorbers 13

Les faibles dimensions des « point absor-

bers » par rapport aux longueurs d’onde
contenues dans les spectres de houle ne
permettent pas leur mise en résonance na-
turelle. Pour obtenir des rendements éner-
gétiques élevés, il est nécessaire d’appli-
quer sur ces machines des stratégies de
contrôle modifiant leur dynamique (sec-
tion 1.5.2). La stratégie de contrôle col-
laboratif développée dans ces travaux de
thèse se concentre sur l’application du Figure 1.10 – Point absorber.
contrôle à ce type de système houlomoteur.

1.5 Contrôle des point absorbers

1.5.1 Power take-off et conversion d’énergie

Le power take-off (PTO) est l’organe d’un point absorber permettant de convertir
l’énergie mécanique captée par le corps flottant en énergie électrique. En appliquant
une force au système houlomoteur, le mouvement relatif du corps par rapport à une
référence fixe ou mobile est converti en électricité (figure 1.11). L’énergie mécanique est
convertie à l’aide de différents systèmes comme les turbines hydrauliques, pneumatiques,
ou encore les génératrices électriques directement liées au mouvement du corps. Outre
la récupération d’énergie, le PTO permet aussi de modifier la dynamique du corps. De
cette façon, il est possible d’ajuster la fréquence de résonance du corps flottant pour
la faire correspondre à celle de la vague incidente et ainsi maximiser le rendement du
système houlomoteur. C’est donc au travers du PTO que la stratégie de contrôle est
appliquée à la machine houlomotrice.

Le choix du PTO peut être spécifique à la technologie houlomotrice qu’il équipe, et à

la stratégie de contrôle mise en place. La force appliquée par le PTO sur le système
houlomoteur peut être linéaire ou non linéaire, continue ou discontinue, ou encore agir
comme moteur dans le cas d’un PTO réactif.
14 Introduction

PTO

Figure 1.11 – Schéma représentatif d’un power take-off sur un point absorber pilonnant.

1.5.2 Nécessité des méthodes de contrôle

Une des caractéristiques des points absorbers est leur dimension réduite par rapport
à celles des longueurs d’onde contenues dans les spectres de houle. Les travaux de Falcao
[32] ont montré que pour un système houlomoteur hémisphérique dans une mer régulière
de période T , le rayon r du système maximisant la récupération d’énergie est égal à
l’équation suivante :

r = 0, 262T 2

Pour une houle régulière de période T = 10 s, le rayon optimisant la récupération est

donc égal à r = 26, 2 m. Une étude récente de Clément [22] a raffiné l’estimation du
rayon optimal d’un cylindre vertical pilonnant, en utilisant l’ensemble des états de mer
annuels sur un site et non plus sur une seule période en houle régulière. L’étude en
houle polychromatique estime alors que dans des conditions de houles réelles, le rayon
du cylindre serait compris entre 31 m et 39 m. La réalisation et l’installation d’une ma-
chine houlomotrice de cette dimension sont technologiquement complexes et non viables
économiquement. Par ailleurs, avec l’utilisation de stratégie de contrôle, il est possible
d’obtenir de hauts rendements de récupération d’énergie avec des machines de taille rai-
sonnable, avec un rayon inférieur à 10m.
1.5 Contrôle des point absorbers 15

De plus, sur un site donné l’état de mer varie rapidement et il est alors nécessaire d’adap-
ter les machines à ces changements pour optimiser la récupération d’énergie [20]. Il est
possible de modifier la masse de la machine par exemple par l’ajout de ballasts, ou mo-
difier la raideur du PTO pour adapter la fréquence de résonance du corps à celle de la
période de pic de la houle Hs . Par ailleurs, les spectres de houles étant composés de
vagues de fréquences et de phases différentes, il est aussi possible de faire varier la force
du PTO pour adapter la dynamique du corps vague par vague. Le système houlomoteur
est alors en phase avec la pression induite par la houle sur le corps, ce qui permet d’at-
teindre l’optimum de récupération.

Par ailleurs, les fermes de génératrices houlomotrices qui seront déployées dans les années
qui viennent devront être composées d’un grand nombre de machines. Aujourd’hui, ces
machines sont conçues et optimisées individuellement sans tenir compte des interactions
qui apparaissent dans ce type de configuration. Les interactions hydrodynamiques entre
les différents corps flottants modifient le comportement optimal individuel de chaque
machine. L’impact des effets de groupe sur la récupération d’énergie et la dynamique
des corps a déjà fait l’objet de recherches dans différents laboratoires de recherche, dont le
LHEEA [6, 17, 60]. Pour maximiser la récupération des systèmes houlomoteurs dans une
configuration de ferme, il est nécessaire d’adapter leur comportement en tenant compte
des effets de groupe [19]. Lors de l’application d’un contrôle collectif dans une ferme
composée de corps proches, les travaux de Bacelli [11] ont montré une augmentation de
20% de la récupération d’énergie par rapport à un contrôle individuel.

1.5.3 Méthodes de contrôle

La dynamique d’un corps flottant libre est entièrement dictée par sa géométrie et
les pressions induites par le champ de vague incident. Le contrôle d’un houlomoteur est
caractérisé par la modification de la force du PTO fu (t) dans le but d’influencer la dy-
namique du corps. Il existe de nombreuses stratégies de contrôles, mais elles présentent
toutes un objectif commun, celui d’augmenter la bande passante de récupération du
corps initialement imposée par sa géométrie.

Plus spécifiquement, les méthodes de contrôle ont pour objectif d’augmenter le rende-
ment de récupération des machines en modifiant la dynamique du corps, de telle sorte
que la vitesse du corps se trouve en phase avec la force d’excitation subie par celui-ci. La
récupération nette d’énergie est le plus souvent effectuée à l’aide d’une force résistive,
qui multipliée par la vitesse implique une puissance positive.
16 Introduction

De façon à différencier les méthodes de contrôle des systèmes houlomoteurs, plusieurs

caractéristiques sont identifiées. Les méthodes peuvent être causales et reposer sur une
commande rétroactive utilisant uniquement les états présents ou passés du système, ou
non-causales et s’appuyer sur une commande prédictive utilisant une consigne calculée
à partir des états extérieurs au système contrôlé. Toutefois, certaines méthodes uti-
lisent une combinaison de ces deux types de commandes. D’autre part, les méthodes de
contrôles peuvent être passives ou réactives. Une commande passive applique un effort
résistif sur le PTO, ce qui induit une puissance du PTO positive ou nulle. Au contraire,
la commande réactive est bidirectionnelle, i.e. la puissance du PTO peut changer de
signe ce qui implique que de l’énergie peut être injectée dans le système pour modifier
sa dynamique. Les contrôles de système houlomoteur permettant d’atteindre de hauts
rendements de récupération induisent généralement des amplitudes et efforts très im-
portants qui peuvent ne pas correspondre aux limites technologiques d’une réalisation
concrète. Certaines méthodes permettent alors de prendre en compte ces contraintes lors
du calcul de la commande.

1.5.3.1 Formes de contrôle résistif

Causal : commande rétroactive

Contrôle résistif

Quelle que soit la stratégie de contrôle utilisée, la récupération nette d’énergie passe
par un effort résistif. Ainsi, le contrôle purement résistif et invariant temporellement
constitue la forme la plus simple de stratégie de commande du PTO. La force du PTO
est obtenue par la multiplication de la vitesse et d’un amortissement défini pour maxi-
miser la récupération d’énergie :

fu (t) = BP T O v(t) (1.1)

Ce type de contrôle est une forme de commande rétroactive pure qui permet de contrôler
l’amplitude du corps, mais pas la phase de la vitesse. Dans une houle monochromatique,
la récupération maximale a lieu quand l’amortissement du PTO est égal à l’amortis-
sement du système, i.e. l’amortissement hydrodynamique. De plus, pour s’adapter aux
variations d’état de mer, l’amortissement du PTO peut être modifié au cours du temps
et est alors noté BP T O (t).
1.5 Contrôle des point absorbers 17

Non causal : commande prédictive

Latching

Le latching est une forme de contrôle résistif non linéaire. Un effort résistif est ap-
pliqué au PTO et le corps est retenu immobile lorsque sa vitesse est nulle. Il s’agit alors
de relâcher le corps à un instant donné de manière à mettre en phase la vitesse du corps
avec la force d’excitation subie par ce dernier. Lorsque le corps est relâché, la force tu
PTO s’exprime de façon similaire au contrôle résistif présenté précédemment :

fu (t) = BP T O (t)v(t) (1.2)

Ce type de commande permet de contrôler l’amplitude et la phase de la vitesse du corps

sans ajouter de puissance réactive. Bien que les rendements obtenus avec le latching
soient nettement supérieurs à ceux obtenus avec un contrôle résistif simple, la récupé-
ration d’énergie reste sub optimale. L’immobilisation de la machine pendant un court
instant peut être vue comme une augmentation de la période de résonance du corps. Par
conséquent, cette stratégie de contrôle montre de meilleures performances lorsque la pé-
riode de la houle est supérieure à celle de résonance du corps contrôlé, ce qui correspond
aux caractéristiques des point absorbers.

L’une des difficultés de la mise en pratique d’un contrôle par latching réside dans la dé-
termination du temps auquel le corps doit être relâché et de la valeur de l’amortissement
du PTO pour maximiser la récupération d’énergie. Pour déterminer ces valeurs, il est
nécessaire de bénéficier d’une prévision de la force d’excitation, ce qui correspond alors
à une commande prédictive et implique donc la non-causalité de la stratégie de contrôle
[8].

Declutching

Le declutching constitue une commande non linéaire passive prédictive similaire au

latching. Au lieu d’immobiliser le corps flottant, il est dans ce cas proposé d’alterner des
phases d’activation et désactivation du PTO. La force du PTO est donc nulle fu (t) = 0
pendant certaines phases du cycle, laissant donc le corps libre.

Comme pour le latching, la difficulté de cette commande réside dans la détermination de

la longueur de chaque cycle d’activation/désactivation, et de la valeur de l’effort résistif
18 Introduction

pendant la récupération. Pour obtenir ces valeurs, il est nécessaire de bénéficier de la

prévision de la force d’excitation, ce qui fait implique la non-causalité de la stratégie de
contrôle. Par ailleurs, l’intérêt d’une commande par declutching est la simplicité de son
implémentation technologique, par exemple avec l’utilisation de soupape de dérivation
dans le cas d’un PTO hydraulique [10].

Résumé

Les stratégies de contrôle passif permettent de contrôler l’amplitude du corps. Pour

modifier la fréquence de résonance du corps et agir sur la phase de la vitesse, il est pos-
sible d’augmenter la raideur du PTO. Dans le cas des commandes passives rétroactives,
il n’est possible que d’augmenter la valeur de la raideur qui doit rester positive ou nulle.
Par conséquent la fréquence de résonance du système ne peut qu’augmenter. Si la com-
mande devient prédictive, il est possible d’appliquer des stratégies de contrôle comme le
latching ou le declutching qui permettent de diminuer la fréquence de résonance tout en
conservant la passivité de la commande.

1.5.3.2 Formes de contrôle réactif

Non causal : commande prédictive

Complexe-conjugué

Le contrôle complexe-conjugué ou contrôle optimal est une loi de commande linéaire

et non causale qui constitue la référence de toutes les commandes réactives, et définit la
limite de récupération théorique d’un point absorber [20]. Ce type de commande consiste
à définir l’impédance du contrôleur comme la conjugué de l’impédance intrinsèque du
système Zi (ω). L’impédance intrinsèque du système regroupe les termes qui gouvernent
la dynamique du corps. En appliquant la commande complexe-conjuguée, les termes
réactifs de l’impédance du système sont annulés, ce qui permet au corps d’être en per-
manence en résonance avec la houle incidente. Dans le domaine fréquentiel, la force du
PTO sous l’effet de la commande optimale s’exprime :

Fu (ω) = −Zi∗ (ω)V (ω)

Lors du passage au domaine temporel, l’impédance du contrôleur forme un noyau de

convolution non causal. Pour obtenir la force du PTO dans le domaine temporel, il est
alors nécessaire de bénéficier d’une prévision de la force d’excitation ou de la vitesse
1.5 Contrôle des point absorbers 19

du corps. La théorie du contrôle optimal est détaillée dans la section 3.1.2, et est choi-
sie comme point de départ de la stratégie de contrôle collaboratif développée dans ces
travaux de thèse.

MPC

La commande MPC (Model Predictive Control) est une stratégie de contrôle réac-
tive, prédictive et rétroactive basée sur l’optimisation d’une fonction coût ayant pour
but de maximiser la récupération d’énergie. Ce type de contrôle permet d’ajouter des
contraintes dans le problème d’optimisation pour obtenir la commande de la force du
PTO maximisant la récupération sans dépasser les limites d’amplitude, de vitesse, ou
de force définies à l’initialisation.

À partir de la réalisation d’un modèle d’état issu de l’équation Cummins (équation du

mouvement d’un corps flottant), une estimation de la force d’excitation est obtenue à
l’aide des mesures des états de la machine. Une prévision de la force d’excitation est
ensuite effectuée sur l’horizon de prédiction nécessaire à la commande et la fonction
coût est optimisée en fonction des états du WEC prévus. La force de PTO ainsi obtenue
permet de contrôler la phase et l’amplitude de la vitesse du corps [25].

La qualité de cette stratégie de contrôle dépend en partie de la prévision de la force d’ex-

citation. Si aucune contrainte n’est imposée et que la prédiction est sans erreur, alors
la récupération atteint la limite théorique maximale définie par le contrôle complexe-
conjugué (limite de Budal [20]). Lors de l’ajout de contraintes dans le problème d’opti-
misation, la solution obtenue donne le meilleur rendement pour les contraintes données,
mais est nécessairement suboptimale. Par ailleurs, l’horizon de prédiction de la force
d’excitation nécessaire à la mise en pratique de ce type de commande peut être long et
la prévision doit être précise sur tout l’horizon de prédiction. De plus, les grands temps
de calcul associés à la résolution du problème d’optimisation peuvent être incompatibles
avec une implémentation en temps réel [31].

Pseudo spectral

La méthode pseudo-spectrale est une extension de la MPC visant à accélérer le proces-

sus d’optimisation de la fonction coût. Cette approche consiste à projeter l’estimateur
et le modèle prédictif sur une nouvelle base. Le contrôle et les états du système sont
20 Introduction

approximés en séries de fonctions orthonormales, de façon à obtenir une fonction coût

de plus petite dimension que celle résolue avec la MPC. La fonction coût du problème
d’optimisation est ensuite résolue dans le domaine temporel pour n instants correspon-
dants au nombre de fonctions de base utilisées pour la projection [46].

En utilisant comme fonction de base les polynômes de Chebyshev, l’approche pseudo

spectrale a été comparée à la MPC dans des conditions de houle régulière et irrégulière
[47]. Dans cette étude, une diminution d’un facteur 3 des temps de calcul et une augmen-
tation de la récupération d’énergie a pu être constatée. De plus, l’auteur souligne que
l’utilisation des polynômes de Chebyshev comme fonction permet de considérer la dyna-
mique non linéaire du système houlomoteur contrôlé lors de la résolution du problème
d’optimisation.

Bang bang

Le contrôle bang-bang peut être vu comme la forme réactive du latching ou du declut-

ching. Pour ce type de commande, la force du PTO alterne successivement entre deux
valeurs, et un problème d’optimisation est résolu pour déterminer les temps optimaux
de changement d’état. Les valeurs d’effort du PTO étant fixées, il est donc possible de
prendre en compte les contraintes technologiques de dimensionnement du PTO. Néan-
moins, la qualité et la longueur de l’horizon de prédiction affectent significativement la
qualité du rendement de récupération d’énergie [1].

Dans sa forme classique, cette forme de contrôle est prédictive. Cependant, comme
pour le contrôle phase amplitude, il est possible de simplifier les termes des efforts de
radiation pour obtenir une forme causale du contrôleur, ce qui entraine nécessairement
une diminution du rendement. D’autre part, une extension de cette stratégie de contrôle
consiste à utiliser la commande optimale durant les phases où le PTO est non saturé
pour augmenter le rendement de récupération [90].

Causal : commande rétroactive

Phase amplitude, approximation du contrôle complexe-conjugué

Le contrôle phase amplitude est une forme rétroactive, donc causale, du contrôle
complexe-conjugué s’approchant de la résonance vague par vague. Les efforts de radiation
1.5 Contrôle des point absorbers 21

sont simplifiés en prenant constants les coefficients d’amortissement hydrodynamique B

et de masse d’eau ajoutée Ma . Les coefficients hydrodynamiques sont choisis à la fré-
quence permettant de maximiser la récupération d’énergie. La force du PTO s’exprime
sous la forme suivante :

fu (t) = (M + Ma )v̇(t) + Bv(t) + Ks x(t) (1.3)

Ce type de commande est linéaire comme le contrôle complexe-conjugué et permet de

contrôler l’amplitude et la phase de la vitesse du corps. Les rendements obtenus avec
le contrôle phase amplitude sont inférieurs à ceux obtenus avec le complexe-conjugué
mais restent très élevés et permettent de s’affranchir de la commande prédictive. De
plus, les temps de calculs associés à cette méthode sont faibles ce qui rend aisée son
implémentation en temps réel [54].

Commande LQ

La commande linéaire quadratique (LQ) est une forme de contrôle rétroactive pour
laquelle les paramètres du contrôleur sont obtenus par une optimisation hors ligne, et
permet de contrôler l’amplitude et la phase de la vitesse du corps. Le modèle du système
contrôlé est linéaire et la fonction coût optimisée est quadratique. Cette méthode utilise
un estimateur d’état hors ligne, et la commande en temps réel est obtenue en multipliant
les états estimés par la matrice de gain optimisée en amont. La commande LQ peut être
vue comme une approche rétroactive de la MPC, car la méthode d’optimisation de la
fonction coût est similaire pour les deux commandes.

Ce type de commande est causal, mais nécessite tout de même la connaissance du spectre
de houle. La matrice de gain de la commande est dépendante de l’état de mer et doit être
actualisée régulièrement pour maximiser le rendement. Par ailleurs, les faibles coûts de
calculs associés à cette méthode la rendent particulièrement adaptée au contrôle temps
réel [81].

Dans sa forme la plus simple, la commande LQ n’impose aucune contrainte sur la dyna-
mique du corps, mais il est possible d’en ajouter au prix de temps de calculs supérieurs.
De plus, il est possible d’ajouter les non-linéarités du modèle hydrodynamique et du
contrôleur pour améliorer les performances de cette stratégie de contrôle [73].
22 Introduction

Résumé

La commande réactive est plus versatile que la commande passive, car elle permet
d’augmenter ou diminuer la fréquence de résonance du corps pour maintenir le sys-
tème mécanique en résonance. L’optimum de récupération ne peut être atteint que par
une commande prédictive, mais les approximations rétroactives de ces commandes per-
mettent aussi d’excellents rendements. La réelle difficulté de ce type de contrôle reste la
mise en contrainte de la dynamique des corps pour respecter les hypothèses des modèles
utilisés et les contraintes technologiques.

1.5.3.3 Contrôle adaptatif

Les modèles utilisés dans les méthodes de contrôle sont souvent simplifiés pour obte-
nir des temps de calcul compatibles avec l’application en temps réel. Outre la nécessité
de conserver un modèle linéaire pour conserver des temps de calcul réduits, il peut être
avantageux de capter le comportement non linéaire de l’hydrodynamique dans le but
améliorer les performances des contrôleurs.

Le contrôle adaptatif propose une adaptation rétroactive des paramètres du modèle

permettant d’améliorer significativement la précision du modèle tout en conservant sa
linéarité. Un modèle représentatif du système contrôlé est obtenu à l’aide de méthodes
BEM (section 2.2.1) et les paramètres du modèle sont ajustés à chaque cycle par régres-
sion non linéaire à partir de la mesure des états du système. À partir d’un modèle simple,
cette approche permet de capter de nombreux effets initialement non pris en compte,
comme les efforts liés à la viscosité, l’ancrage, le bio-encrassement, le courant, le vent,
etc ... De plus, l’adaptation du modèle rend possible la prise en compte des changements
pouvant survenir sur l’ensemble des efforts sus-cité pendant toute la période d’exploita-
tion.

Lors de l’utilisation d’une stratégie de contrôle adaptatif combinée à un contrôle MPC

pseudo-spectral, il a été observé une diminution de l’amplitude et des forces du PTO liée
à la prise en compte des effets visqueux dans le modèle adaptatif, et une augmentation
du rendement du contrôleur [48]. En outre, le contrôle adaptatif peut être combiné à
toutes les méthodes de contrôle utilisant un modèle du système houlomoteur contrôlé.
1.5 Contrôle des point absorbers 23

1.5.3.4 Contrôle de ferme

Effets de ferme

Lors de la mise en place d’une ferme de génératrices houlomotrices, les effets de ferme
modifient la dynamique des corps et par conséquent la récupération d’énergie. Les phé-
nomènes de diffraction modifient le champ de vague incident lorsqu’il entre en contact
des machines du parc, et les mouvements des corps génèrent un champ de vague radié.
Contrairement aux éoliennes pour lesquelles les effets de parc ont un impact destructif
sur la récupération d’énergie, les effets de ferme d’une ferme de génératrice peuvent avoir
un impact constructif et ainsi augmenter le rendement global de la ferme. De façon à
quantifier l’impact de ces effets sur la récupération d’énergie, Budal [19] a introduit le
concept de facteur d’interaction. Le facteur d’interaction est défini comme le ratio de
l’énergie pouvant être récupérée par une ferme de WEC identiques à l’énergie pouvant
être récupérée par un nombre identique de machines isolées, i.e. n’étant pas affectées par
les effets de ferme.

À partir de cette définition, de nombreuses études ont été menées pour caractériser l’im-
pact de la configuration de la ferme ou des caractéristiques d’état de mer sur le facteur
d’interaction. McIver [67] présente une étude paramétrique d’une ferme de 5 corps alignés
sous l’effet du contrôle optimal dans une houle monochromatique. Il est alors montré
que le facteur d’interaction peut subir de fortes variations avec l’angle d’incidence de la
houle, mais que ces effets sont plus marqués dans le cas du pilonnement que dans celui
du cavalement. De plus, lors de l’ajout de contraintes sur la dynamique des corps, une
réduction des valeurs maximales et des variations du facteur d’interaction est observée.

Par la suite, l’optimisation du facteur d’interaction en fonction de la configuration de la

ferme a été présentée par Fitzgerald [35]. L’étude menée dans le cas d’une ferme sous
l’effet du contrôleur optimal dans une houle monochromatique montre qu’il existe une
configuration de ferme optimale permettant de maximiser le facteur d’interaction pour
un angle d’incidence de houle donné.

Suite aux études centrées sur les houles régulières, Folley [39] analyse l’impact d’un
spectre de houle directionnel sur le facteur d’interaction. Il est alors montré que le fac-
teur d’interaction obtenu en utilisant un spectre de houle moyenné sur une année est
significativement réduit comparé à celui obtenu pour une houle monochromatique. De
plus, il est souligné que l’augmentation de la récupération de l’énergie par le contrôleur
24 Introduction

optimal n’est obtenue que grâce à l’augmentation de l’amplitude de chacun des WECs.
En outre, le facteur d’interaction est très sensible au contrôle et l’utilisation d’un contrôle
suboptimal en réduit fortement les valeurs. Cette sensibilité est liée à l’amplitude des
corps et la relation de phase entre les différents corps de la ferme permettant de générer
un motif de radiation assurant la maximisation de la récupération d’énergie.

En complément des études ciblant les fermes soumises au contrôleur optimal, Borgarino
[17] s’intéresse à l’impact de l’utilisation d’un PTO passif sur le facteur d’interaction
en utilisant un spectre directionnel de houle moyenné sur une année. Il apparait alors
que sur une année les effets constructifs et destructifs tendent à se compenser, et par
conséquent l’optimisation du positionnement des corps en vue de maximiser le facteur
d’interaction ne doit pas être une priorité lors de l’implantation de la ferme. De plus, la
valeur du PTO passif doit être choisie en utilisant le spectre annuel afin de maximiser
la récupération.

Enfin, les travaux de Wolgamot [85] ont ajouté la notion de fraction de puissance totale
pour évaluer l’impact des effets de ferme sur chacun des corps et pas uniquement sur
la puissance totale de la ferme. L’étude conduite pour des groupes de corps soumis au
contrôle optimal dans une mer régulière a montré que de fortes variations de puissance
entre chacun des corps de la ferme peuvent être observées. Dans certaines situations, la
fraction de puissance d’un corps du groupe peut même être négative. Le corps concerné
donne alors de l’énergie au champ de vague de façon à optimiser la récupération globale
de la ferme.

Méthodes de contrôle

Les bases de la théorie du contrôle de ferme de génératrice houlomotrice ont été

posées depuis longtemps par Evans [29] et Falnes [33], mais les méthodes numériques et
la puissance de calcul nécessaire pour les mettre en pratique n’ont été disponible que
depuis peu. Ainsi, si les méthodes de contrôle d’un système houlomoteur isolé ou d’un
petit nombre de corps sont nombreuses, ce n’est pas le cas pour les grandes fermes de
génératrices houlomotrices. Les travaux de Evans et Falnes étaient centrés sur l’applica-
tion du contrôle optimal (ou complexe conjugué). Par la suite, les travaux concernant le
contrôle de ferme se sont focalisés sur l’application de PTO passif, et peu de recherches
ont été effectuées sur le contrôle optimal de ferme [63]. De plus, il est à noter que les
études concernant les effets de ferme présentées dans le paragraphe précédent ont été
1.5 Contrôle des point absorbers 25

effectuées dans le domaine fréquentiel. Pour une application temps réel, les méthodes de
contrôle doivent être appliquée en domaine temporel.

Dans le cadre des méthodes de contrôle de ferme basées sur un PTO passif, Justino
et Clément [60] ont montré que le contrôleur passif optimal peut être obtenu de façon
analytique en faisant correspondre l’amortissement du PTO au module de l’impédance
intrinsèque du système. La matrice d’amortissement optimale définie par Justino et Clé-
ment est par ailleurs diagonale, et donc ne tient pas compte des efforts de radiation
entre les corps de la ferme. Avec une approche similaire, Antonutti et Hearn [3] ont
utilisé une méthode numérique pour optimiser la matrice d’amortissement du PTO. De
manière générale, les méthodes de contrôle passif de ferme peuvent être regroupées en
deux groupes : les méthodes centrées sur l’optimisation individuelle des corps dans la
ferme, et celles considérant un PTO spécifique à chaque machine visant l’optimisation
de la récupération globale de la ferme [63].

Concernant les méthodes de contrôle réactif, les travaux de Bacelli [11] ont montré que
l’utilisation d’un contrôle tenant compte des interactions hydrodynamiques dans le cas
d’une stratégie de contrôle réactive et prédictive permet d’augmenter le rendement glo-
bal de ferme. Les interactions entre les différents corps de la ferme peuvent avoir un effet
constructif ou destructif. Les effets de ferme sont en partie dus aux efforts de radiation
entre les corps de la ferme. Or ces efforts étant liés à la vitesse des corps, le contrôle des
machines influe directement sur les effets de ferme. Il apparait donc possible de maximi-
ser le rendement global de la ferme en coordonnant le mouvement de chacun des corps.
Cependant, les résultats présentés dans cette étude n’ont été vérifiés que pour un groupe
de 3 machines.

La majorité des études traitant du contrôle de ferme n’ont été réalisées que sur un petit
nombre de corps (≤ 5). Les études ayant évalué des fermes de plus grandes ampleurs
n’ont traité que de l’application d’un contrôle causal résistif. Parmi ces études, Borgarino
[17] a évalué la production annuelle d’une ferme de 9 barges en cavalement et d’une autre
de 9 cylindres pilonnant, et Frabregas Flavia [38] s’est intéressé à l’optimisation d’un
WaveStar composé de 60 demi-sphères. Les travaux présentés dans ce manuscrit visent
à appliquer une stratégie de contrôle prédictif et réactif sur une ferme composée de
nombreux corps.
26 Introduction

1.6 Les modèles d’interaction vague structure

La physique de l’interaction vague structure peut s’avérer complexe et nécessiter des
coûts de calculs importants voire prohibitifs. Différentes approches ont donc été dévelop-
pées pour correspondre aux besoins spécifiques des applications. Il est donc nécessaire de
commencer par présenter les principales méthodes utilisées dans le domaine de l’énergie
des vagues et les différentes approximations qui leur sont propres [65].

1.6.1 Présentation des modèles

Dans le cadre de la simulation de génératrice houlomotrice, la théorie de l’écoule-
ment potentiel linéarisée est très répandue. Elle permet d’obtenir une approximation de
la dynamique des corps flottants pour un coût de calcul très raisonnable. Cette théorie
a été historiquement développée pour les applications navales et repose sur des hypo-
thèses fortes nécessaires à la linéarisation des équations du modèle. En effet, dans le
cadre de cette théorie, le fluide est considéré non visqueux et l’écoulement irrotationnel,
l’amplitude de la houle doit être faible par rapport à sa longueur d’onde et l’amplitude
des mouvements du corps doit être faible par rapport à ses dimensions. Pour certaines
géométries simples, comme le cylindre ou la demi-sphère flottants, il existe des solu-
tions analytiques donnant accès à des solutions précises pour un coût de calcul faible
[58, 72, 89]. Lorsque la géométrie du corps flottant devient plus complexe, il est alors
possible d’utiliser les méthodes BEM (Boundary Element Method) [9]. Il est tout de
même important de souligner l’influence des hypothèses liées au modèle potentiel linéa-
risé dans le cadre du contrôle des point-absorbers. En effet, lorsque la dynamique du
point-absorber est optimisée pour la récupération de l’énergie houlomotrice, son ampli-
tude devient grande par rapport à ses dimensions caractéristiques et l’hypothèse de petit
mouvement n’est plus respectée [74]. Il en va de même pour les conditions d’amplitude
de houle qui doivent être suffisamment conséquentes pour générer l’énergie du parc et
qui sortent alors du cadre de l’hypothèse.

Afin de limiter les erreurs liées à la linéarisation du modèle potentiel linéaire, diverses
extensions de la méthode ont été imaginées. Dans un premier temps, il est possible d’éva-
luer les efforts de Froude-Krylov non-linéaires à chaque pas de temps en intégrant les
pressions sur la surface mouillée instantanée du corps au lieu de considérer ces forces pour
un corps fixe. Cette extension non-linéaire, bien que non consistante avec la modélisation
linéaire des autres composantes de forces hydrodynamiques, apporte une amélioration
considérable du résultat avec une diminution significative des résultats d’amplitude et
1.6 Les modèles d’interaction vague structure 27

vitesse du corps. Dans un second temps, il est possible d’affiner l’évaluation des efforts de
radiation en effectuant le calcul des convolutions sur l’ensemble des points de la surface
mouillée du corps. Cette extension apporte par ailleurs une amélioration moins signifi-
cative [69].

Dans le cadre du modèle potentiel, le fluide est considéré comme non visqueux. Lors
de la mise en résonance des point-absorbers les efforts liés à la viscosité deviennent
non négligeables et il est possible de les ajouter à l’équation du mouvement. L’ajout de
la viscosité améliore significativement la qualité des résultats en domaine temporel, en
particulier pour les mouvements de grande amplitude [13]. Cette extension n’implique
pas de coûts de calculs important lors de la résolution du problème sauf pour le calcul
des coefficients d’efforts liés à la viscosité qui doit dans la plupart des cas être effectué
en amont à l’aide d’outils de simulations CFD (Computational Fluid Dynamic). Les
modèles de termes visqueux les plus couramment utilisés sont non linéaires mais il est
toutefois possible d’utiliser des termes linéarisés [11].

Dans le cadre de la théorie potentielle non linéaire, la formulation Weak-Scatterer a été

développée [64]. Elle consiste en une linéarisation des conditions de surface libre autour
du niveau de la houle incidente et non autour de la surface libre moyenne (ce qui est le
cas dans la théorie potentielle linéarisée). Toutes les autres composantes sont conservées
non linéaires. Cette méthode permet de traiter en domaine temporel des cas où l’am-
plitude des corps est importante avec un temps de calcul compris entre celui d’un code
potentiel BEM et celui d’un code CFD [64].

Pour modéliser les effets plus complexes tels que le déferlement ou la turbulence, il est
nécessaire d’utiliser des méthodes basées sur les équations de Navier-Stokes. On pourra
alors citer les méthodes RANS, LES, et DNS. Néanmoins ces méthodes présentent un
coût de calcul très important, voire prohibitif pour la simulation de ferme de génératrices
houlomotrices [65, 74], et en particulier pour l’évaluation de la production énergétique
annuelle pour différents états de mer ou l’incorporation du modèle dans un contrôleur
[40].

Les différents modèles présentés dans cette section ne constituent pas une liste exhaustive
des approches de modélisation de l’interaction vague structure mais vise à présenter les
différents niveaux d’approximation possibles mis en relation avec le temps de calcul
associé. Ces informations sont présentées de manière synthétique dans la figure 1.12.
28 Introduction

Précision DNS
LES
RANS

Weak-Scatterer

Extensions
nonlinéaires
Ajout de la
viscosité
Analytique
BEM

Temps CPU
Ecoulements Ecoulements Navier-Stokes
potentiels linéarisés potentiels

Figure 1.12 – Comparaison des méthodes de calcul d’interaction vague structure.

1.6.2 Application au contrôle de ferme

Les fermes de génératrices houlomotrices seront composées d’un grand nombre de

machines. Pour maximiser le rendement global de la ferme, il est fondamental d’évaluer
le comportement global de la ferme et non le comportement de chacun des corps comme
s’ils étaient isolés. Le modèle global de la ferme doit donc être utilisé pour les simula-
tions numériques, mais aussi pour les stratégies de contrôles se basant sur un modèle
physique. Par ailleurs, lorsque l’on chercher à évaluer le comportement d’une ferme de
taille conséquente, les coûts de calcul deviennent colossaux. Pour conserver des temps
de calcul acceptables, la plupart des modèles utilisés pour déterminer le comportement
des machines houlomotrices repose sur la théorie potentielle linéaire.

La méthode BEM (section 2.2.1) est la plus utilisée pour la modélisation des systèmes
houlomoteurs car elle permet d’obtenir la dynamique d’un système houlomoteur pour
un temps de calcul réduit. Néanmoins, cette méthode n’est utilisable que pour un faible
nombre de machines dans une ferme, car le temps de calcul évolue au carré du nombre
de machines. De plus, une fois les coefficients hydrodynamiques calculés à partir de la
méthode BEM, lors de simulation en domaine temporel les efforts de radiation impliquent
des temps de calculs importants qui évoluent eux aussi au carré du nombre de machines.
Toutefois, le calcul des efforts de radiation peut être identifié sous forme de matrice
d’état (section 2.5) pour diminuer le temps de calcul, mais la précision est alors réduite,
et la réduction du temps de calcul n’est pas toujours significative.
1.7 Méthodes de prévisions de la force d’excitation 29

Les coûts de calculs prohibitifs pour l’obtention de coefficients hydrodynamiques d’une

ferme composée de nombreux corps ont pendant longtemps rendu délicat le développe-
ment des méthodes de contrôle de fermes. Il a donc été nécessaire de réduire les temps
de calcul de la méthode BEM pour ce type d’application. Plusieurs extensions de la mé-
thode BEM ont été développées dans ce but comme l’extension multipôle de la fonction
de Green développée par Borgarino [16]. Il s’agit de décomposer le problème de distribu-
tion de sources en différentes cellules regroupant un certain nombre de panneaux. Au lieu
de résoudre le problème de panneau à panneau, cette méthode propose de résoudre le
problème entre les différentes cellules. De cette façon, il est possible de réduire les temps
de calcul lorsque le nombre de facettes devient grand, ce qui est précisément le cas d’une
ferme. Plus récemment, les travaux de Frabregas Flavia ont abouti au développement
des matrices de transfert de diffraction et des matrices de radiation caractéristique. À
partir des coefficients hydrodynamiques d’un corps isolé, il est alors possible d’obtenir les
coefficients pour une ferme composée d’un grand nombre de cette machine. La méthode
permet de réduire drastiquement les temps de calcul et n’impacte que très peu la qualité
des résultats [37].

En utilisant l’extension de la méthode BEM développée par Frabregas Flavia pour l’ob-
tention des coefficients hydrodynamiques, les travaux présentés dans ce manuscrit ont
pour but de développer et d’évaluer une stratégie de contrôle collaboratif réactive et
prédictive tenant compte des interactions hydrodynamiques dans une ferme composée
d’un grand nombre de machines.

1.7 Méthodes de prévisions de la force d’excitation

Pour atteindre les plus hauts rendements de récupération d’énergie, les contrôleurs
équipant les systèmes houlomoteurs doivent bénéficier d’une prévision de la force d’ex-
citation, ou de la vitesse du corps, ou plus généralement de l’élévation de surface libre
liée à l’onde incidente au niveau du corps. Deux grandes approches ont été développées
pour effectuer cette prévision : les méthodes de prévision déterministe de la houle par
reconstruction du champ de vague à partir de mesures effectuées par des capteurs de
houle situés en amont, et les méthodes basées uniquement sur la mesure des états du
système contrôlé.

La prévision déterministe par capteur de houle implique une instrumentation dense de la

ferme pour couvrir les variations d’orientation de la houle, et les modèles de reconstruc-
30 Introduction

tion et de propagation de houle sont souvent complexes. Par ailleurs, ce type de prévision
est robuste et permet d’obtenir des horizons de prédiction lointains (60 − 120 s) [14]. La
longueur des horizons de prédiction ainsi obtenus est rendue possible par l’utilisation de
modèles de propagation non linéaire conservant une précision de la prédiction y compris
dans le cas de houles fortement non linéaires [15]. Néanmoins, les temps de calcul asso-
ciés à ce type de méthode peuvent devenir limitants, surtout lorsqu’ils sont associés à
des stratégies de contrôle impliquant des temps de calcul non négligeables. De plus, la
qualité de la prévision est très impactée par la qualité de la mesure, or les instruments
de mesure peuvent être dégradés au cours du temps (corrosion, bio-encrassement, ...).
En outre, dans le cas d’une ferme de génératrices houlomotrices, la dissociation des dif-
férents champs de vagues (incident, diffracté, radié) complexifie la réalisation de ce type
de méthode [41].

La prévision par mesure des états du système s’affranchit de l’ajout de capteurs de houle
en ne mesurant que les états du système comme la position, la vitesse ou l’accélération
du corps. Par ailleurs, ce type de méthode ne permet d’obtenir une prévision précise
que jusqu’à deux périodes de houle, et présente une sensibilité à l’étalement spectral
avec une augmentation de l’erreur liée à l’augmentation de l’étalement [44]. De nom-
breuses approches ont été développées comme l’utilisation de modèles cycliques [43], ou
de réseaux de neurones, mais l’approche la plus efficace s’est révélée être l’utilisation
de simples modèles autorégressifs actualisés par rétroaction. L’utilisation des modèles
autorégressifs présente une erreur de moins de 10% à deux périodes [42], et est moins
sensible à l’étalement spectral que les autres méthodes. Par ailleurs, dans le cas d’états
de mer fortement non linéaires, comme les mers de vent, les réseaux de neurones peuvent
être plus performants que les méthodes autorégressives. La précision des méthodes de
prévision par mesure d’état peut être améliorée par l’utilisation de filtre passe-bas. La
majeure partie de l’énergie contenue dans les vagues étant située dans les basses fré-
quences, la récupération d’énergie n’en est que faiblement impactée.

L’horizon de prédiction nécessaire pour atteindre de hauts rendements énergétiques dé-

pend de la géométrie du corps et de la méthode de contrôle utilisée. De manière générale,
l’horizon de prédiction obtenu avec les méthodes autorégressives tend à être légèrement
trop court pour atteindre la récupération optimale, mais constitue une estimation suffi-
sante pour atteindre des rendements élevés. De plus, l’horizon non causal des méthodes
de contrôle peut être manipulé en modifiant l’amplitude et la fréquence de coupure basse
de l’impédance du contrôleur [45].
1.8 Objectifs de la thèse 31

1.8 Objectifs de la thèse

Le contexte énergétique mondial et la place actuelle de l’énergie houlomotrice montrent
la nécessité de développer les technologies visant à exploiter cette ressource. Parmi les
nombreux défis scientifiques et technologiques à relever, les travaux de thèses présentés ici
se concentrent sur l’amélioration du rendement des fermes de génératrices houlomotrices,
et plus particulièrement celles composées de point-absorbers. La stratégie de contrôle
développée ici est basée sur la commande complexe-conjuguée de façon à atteindre une
récupération d’énergie quasi optimale. De plus, la stratégie vise à être appliquée à une
ferme composée de nombreuses machines. Pour bénéficier des effets constructifs des ef-
fets de ferme, la stratégie de contrôle doit prendre compte de la totalité des interactions
hydrodynamiques dans le modèle du contrôleur. Finalement, pour résoudre le problème
de la non-causalité du contrôleur, il est proposé d’effectuer une prédiction déterministe
de la vitesse des corps contrôlés à partir de la mesure des états d’une ou plusieurs ma-
chines situées en amont de la ferme.

Dans le chapitre 2, un simulateur en domaine temporel de ferme de génératrice houlo-

motrice est développé pour évaluer la stratégie de contrôle. La théorie et les hypothèses
sous-jacentes à la mise en place du simulateur et au développement de la stratégie de
contrôle sont alors présentées.

Ensuite, dans le chapitre 3, la théorie de la commande complexe-conjugué est détaillée,

et sert de point de départ au développement de la stratégie de contrôle collaboratif. Avec
la mise en place de la prévision déterministe de la vitesse des corps contrôlés, une mé-
thode de mise en contrainte de la dynamique des corps est proposée et permet de plus de
réguler la non-causalité du contrôleur. Une étude de sensibilité est alors menée et permet
d’établir le comportement de la stratégie de contrôle collaboratif face aux changements
d’états de mer, de géométrie de ferme, et aux paramètres du contrôleur. Il en découle
alors l’analyse des paramètres du contrôleur maximisant la récupération d’énergie.

Les études conduites dans le chapitre 4 évaluent en premier lieu la convergence de la

discrétisation fréquentielle des coefficients hydrodynamiques et de la discrétisation tem-
porelle de l’intégrateur numérique lors de l’application de la stratégie de contrôle quasi
optimale. Les conditions d’optimalité de la commande complexe-conjugué sont ensuite
validées en utilisant les paramètres optimaux du contrôleur obtenus dans l’étude de sen-
sibilité. De plus, la sensibilité de la stratégie de contrôle à la dérive des corps, l’erreur
32 Introduction

de mesure de l’orientation de la houle, et l’étalement spectral est évaluée. Finalement, la

stratégie de contrôle est validée par l’application de la méthode à une ferme de 10 corps.
Chapitre 2
Mise en place du simulateur de ferme
houlomotrice

Sommaire
2.1 Théorie linéarisée des écoulements à potentiel . . . . . . . 34
2.1.1 Problème aux limites . . . . . . . . . . . . . . . . . . . . . . . 34
2.1.2 Expression des efforts linéaires à partir du potentiel . . . . . 36
2.2 Résolution du problème aux limites . . . . . . . . . . . . . . 37
2.2.1 Méthode BEM - Code NEMOH . . . . . . . . . . . . . . . . . 39
2.2.2 Méthode semi-analytique . . . . . . . . . . . . . . . . . . . . 39
2.2.3 Comparaison des coefficients hydrodynamiques . . . . . . . . 40
2.3 Résolution dans le domaine temporel : équation de Cummins 42
2.4 Représentation d’état . . . . . . . . . . . . . . . . . . . . . . . 43
2.5 Identification de la radiation . . . . . . . . . . . . . . . . . . . 44
2.5.1 Identification en système SISO . . . . . . . . . . . . . . . . . 48
2.5.2 Identification en système MIMO . . . . . . . . . . . . . . . . 48
2.5.3 Passivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6 Caractéristiques du simulateur . . . . . . . . . . . . . . . . . 50
2.6.1 Calcul et mise en forme des coefficients hydrodynamiques . . 52
2.6.2 Pré-processeur . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6.3 Intégration numérique et contrôle . . . . . . . . . . . . . . . . 55
2.6.4 Dynamique transitoire . . . . . . . . . . . . . . . . . . . . . . 57
2.6.5 Vérifications . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
34 Mise en place du simulateur de ferme houlomotrice

2.1 Théorie linéarisée des écoulements à potentiel

L’objectif premier de ce travail de thèse est de développer une méthode de contrôle
collaboratif de ferme de WEC basé sur un contrôleur linéaire. Le nombre important de
machines dans la ferme implique alors de se restreindre à un modèle d’interaction à faible
coût CPU. De plus, afin de caractériser le contrôleur dans des conditions variées, il sera
nécessaire d’effectuer de nombreuses simulations. Pour ces raisons, la théorie potentielle
linéarisée a été choisie comme modèle de simulation dans l’ensemble de ce travail. Ce
choix permet aussi, d’utiliser un simulateur reposant sur les mêmes hypothèses que le
contrôleur ce qui simplifie l’analyse.

Dans le but de présenter la méthodologie de contrôle collaboratif, il est préalablement

nécessaire d’établir le cadre théorique dans lequel elle se situe. Il convient alors de pré-
senter les bases théoriques de cette approche en présentant le problème aux limites et
les hypothèses associées, puis en définissant l’expression des efforts. La résolution des
efforts hydrodynamiques pour une ferme de machines houlomotrices constitue une gé-
néralisation du problème à un seul corps. Dans un but didactique, il est choisi ici de
présenter la théorie des écoulements potentiels pour un corps isolé (figure 2.1).

Ssurface libre
Smouillée

Volume
Fluide

Sfond

Figure 2.1 – Schéma représentatif d’un corps flottant dans un volume fluide pour la
démonstration de la théorie des écoulements potentiels.

2.1.1 Problème aux limites

Afin d’établir le problème aux limites dans cette théorie de fluide parfait, on considère
le champ de vitesse irrotationnel V⃗f du fluide comme dérivant du potentiel Φ :

rot( ⃗
⃗ V⃗f ) = 0 ⇐⇒ V⃗f = grad(Φ) (2.1)
2.1 Théorie linéarisée des écoulements à potentiel 35

En ajoutant l’hypothèse de fluide incompressible, le potentiel des vitesses est alors solu-
tion de l’équation de Laplace :

⃗
div(V⃗f ) = div(grad(Φ)) = ∆(Φ) = 0 (2.2)

Le fluide étant non visqueux, il est possible d’écrire l’équation d’Euler :

∂ V⃗f ⃗ V⃗f = − 1 grad(p)

+ (V⃗f .grad) ⃗ + ⃗g (2.3)
∂t ρ
En utilisant à nouveau l’hypothèse d’écoulement irrotationnel et en intégrant en espace,
on obtient alors l’équation de Bernoulli :

∂Φ 1 ⃗ 2
ρ + ρ(grad(Φ)) + ρgz + p = Cte (2.4)
∂t 2
Afin de déterminer les valeurs de la pression sur la surface mouillée du corps il est alors
essentiel de définir des conditions aux frontières pour résoudre l’équation de Laplace. Ces
conditions aux frontières du domaine fluide seront alors linéarisées autour de la position
d’équilibre du domaine.

La condition d’imperméabilité sur le corps pour un fluide non visqueux implique que
la vitesse du fluide doit être égale à la vitesse normale du corps. Elle est définie par la
relation suivante :

∂Φ
(M, t) = V⃗f .⃗n ∀M ∈ Smouillée (2.5)
∂n
De la même manière une condition de glissement est imposée au fond et à l’infini. De plus,
de par la linéarisation du problème, le fond est considéré comme plat. Cette condition
de glissement est définie par la condition aux frontières :

∂Φ
(M, t) = 0 ∀M ∈ Sf ond (2.6)
∂n
Les conditions de surface libre sont la condition cinématique qui représente l’imper-
méabilité de la surface libre et la condition dynamique qui représente sa déformée. Les
conditions cinématique et dynamique linéarisées s’écrivent respectivement :

∂η ∂Φ 1 ∂Φ
= η=− (2.7)
∂t ∂z z=0
g ∂t z=0
36 Mise en place du simulateur de ferme houlomotrice

La condition de surface libre linéarisée est alors obtenue en dérivant la condition dyna-
mique et en y injectant la condition cinématique :

∂ 2Φ ∂Φ
+ g =0 (2.8)
∂t2 ∂z z=0

La résolution du problème aux limites (2.2, 2.5, 2.6, 2.8) donne accès au potentiel Φ(M, t)
et permet d’en déduire les pressions associées à partir de l’équation de Bernoulli (2.4).
L’intégration des pressions permet de déterminer les efforts hydrodynamiques sur les
corps et donc d’en déduire les mouvements.

2.1.2 Expression des efforts linéaires à partir du potentiel

L’intégration des pressions déduites du potentiel Φ(M, t) permet d’obtenir les efforts
hydrodynamiques : de force d’excitation Fex , de force de radiation Frad , et de force hy-
drostatique Fks .

Pour de petits déplacements, la force hydrostatique Fks correspond à un effort de rappel

caractérisé par un coefficient de raideur hydrostatique Ks et un vecteur déplacement X.
⃗
La force hydrostatique est définie par la relation suivante :

F⃗ks (X) = −Ks X

⃗ (2.9)

La force d’excitation Fex représente les efforts générés par la houle sur le corps. Elle est
composée de la somme des efforts de Froude-Krylov FF K et des efforts de diffraction
FD :

F⃗ex = F⃗F K + F⃗D (2.10)

Les efforts de Froude-Krylov correspondent à l’intégrale des pressions induites par la

houle incidente non perturbée sur la surface mouillée, i.e. les pressions générées par la
houle sans considérer la présence du corps. La normale à la surface mouillée Smouillée du
corps flottant est notée ⃗n, et est orientée dans le sens du corps flottant vers le domaine
fluide. La pression induite par la houle incidente non perturbée et les efforts de Froude-
Krylov associés sont définis comme suit :

Pincident (t) = ρgAh ekz sin(kx − ωt) (2.11)

2.2 Résolution du problème aux limites 37

Z Z Z Z
∂Φincident
F⃗F K (t) = Pincident (t)⃗ndS = − (t)⃗ndS (2.12)
Smouillé Smouillé ∂t

La houle incidente interagit avec le corps immobile pour former une onde diffractée.
L’intégration des pressions induites par l’onde diffractée sur la surface mouillée du corps
correspond à la force de diffraction.

Z Z Z Z
∂Φdif f ractée
F⃗D (t) = Pdif f ractée (t)⃗ndS = − (t)⃗ndS (2.13)
Smouillé Smouillé ∂t

Le mouvement du corps perturbe la surface libre et génère un champ de vagues radiées.

La force de radiation est définie par l’intégrale des pressions induites par le champ radié.

Z Z Z Z
∂Φradiation
F⃗rad (t) = Pradiation (t)⃗ndS = − (t)⃗ndS (2.14)
Smouillé Smouillé ∂t

Dans le domaine fréquentiel, lorsque les efforts de radiation sont exprimés en fonction des
mouvements du corps, il apparait un terme en phase avec l’accélération, caractérisé par le
coefficient de masse d’eau ajouté Ma (ω), et un terme en phase avec la vitesse, caractérisé
par le coefficient d’amortissement hydrodynamique B(ω). Les efforts de radiation sont
alors notés :

F⃗rad (ω) = [B(ω) + jωMa (ω)] V (ω) (2.15)

2.2 Résolution du problème aux limites

La résolution du problème aux limites permet d’obtenir les coefficients hydrody-
namiques décrivant la dynamique de l’interaction fluide structure. Ils sont obtenus en
résolvant les équations de la théorie potentielle linéarisée. Afin de faciliter la démons-
tration dans la suite de ce travail, le pilonnement sera le seul degré de liberté considéré
pour chacun des corps. Dans le domaine fréquentiel, l’équation du mouvement obtenue
à partir du principe fondamental de la dynamique pour une ferme de N corps s’écrit :

Ks
 
B(ω) + jω[M + Ma (ω) − 2 ] V(ω) = Fex (ω) + Fu (ω) (2.16)
ω
38 Mise en place du simulateur de ferme houlomotrice

Les coefficients hydrodynamiques d’une ferme de N corps pour 6 degrés de liberté s’ex-
priment sous la forme de matrices de dimensions [6N, 6N ] et de vecteurs de dimensions
[6N ]. Dans le cas présenté ici avec un seul degré de liberté, les coefficients hydrodyna-
miques ont pour dimensions respectivement [N, N ] et [N ]. Les coefficients B(ω) [N, N ]
et Ma (ω) [N, N ] expriment respectivement le coefficient d’amortissement hydrodyna-
mique et la masse d’eau ajoutée. Les termes diagonaux de ces matrices correspondent
aux termes directs i.e. la force du corps sur lui-même, et les termes extra-diagonaux
correspondent aux termes croisés i.e. les forces appliquées par un corps sur un autre.
M [N, N ] et Ks [N, N ] représentent respectivement la masse et le coefficient de raideur
hydrostatique. Ces deux coefficients ne comportant pas de termes croisés, sont exprimés
sous forme de matrices diagonales. Les termes V(ω) [N ], Fex (ω) [N ], et Fu (ω) [N ] ex-
priment respectivement la vitesse, la force d’excitation due aux vagues, et la force du
PTO.

Dans ce travail de thèse, deux méthodes de résolution des équations de la théorie poten-
tielle linéaire ont été utilisées pour obtenir les coefficients hydrodynamiques : la méthode
BEM NEMOH permettant d’obtenir les coefficients B(ω), Ma (ω), Fex (ω), Ks pour des
géométries de corps quelconques et une méthode semi-analytique permettant d’obtenir
des résultats précis pour des géométries cylindriques. La méthode générale, pour des
corps de forme quelconque nécessite d’utiliser un logiciel de résolution du problème hy-
drodynamique et c’est pour cela qu’elle est exposée ici. Dans le cas du corps simple, il
existe des solutions semi-analytique. Ces deux méthodes sont présentées ici à titre de
comparaison.

-1

-2

-3

-4
z [m]

-5

-6

-7

-8

-9

-10
5
5
0
y [m] 0
-5 -5 x [m]

Figure 2.2 – Maillage du cylindre vertical utilisé pour illustrer la méthode de contrôle
collaboratif.
2.2 Résolution du problème aux limites 39

La géométrie choisie pour illustrer la méthode de contrôle collaboratif est un cylindre

vertical pilonnant de rayon r = 5 m, de hauteur h = 10 m, de masse M = 8.05·105 Kg, et
évoluant dans une profondeur d’eau H = 50 m. Le maillage utilisé dans le code NEMOH
pour cette géométrie est présenté dans la figure 2.2.

2.2.1 Méthode BEM - Code NEMOH

Le code numérique NEMOH permet de calculer les efforts hydrodynamiques sur des
structures offshores en profondeur finie et infinie. Il est développé depuis 1987 au Labora-
toire de recherche en Hydrodynamique, Énergétique et Environnement Atmosphérique
de Centrale Nantes et est devenu open source en 2014 [9]. La méthode BEM utilisée
dans NEMOH transforme le problème tridimensionnel en un problème bidimensionnel
en utilisant les fonctions de Green afin de résoudre les équations de la théorie potentielle
linéarisée. Les fonctions de Green sont déduites à partir des équations et conditions aux
frontières présentées dans la section 2.1. Le développement de ces fonctions est présenté
dans [27].

La surface mouillée du corps à l’équilibre est discrétisée en panneaux quadrilatéraux.

Le potentiel des vitesses et sa dérivée sont alors considérés comme constants sur chaque
panneau et le problème de distribution de sources suivant est résolu :

σ 1 Z Z ∂G(M, M ′ ) ′
(M, t) − σ(M ′ ) dS = f (M ) (2.17)
2 4π ∂Smouillé ∂n
où σ(M ) représente la distribution de sources, f (M ) une fonction scalaire liée à la
condition d’imperméabilité sur le corps, et G(M, M ′ ) la fonction de Green, solution
ponctuelle du problème aux limites avec surface libre. Les points M correspondent aux
centres de gravité des panneaux et M ′ les points du maillage. Le potentiel des vitesses
s’exprime alors en fonction de la distribution de sources et des fonctions de Green :

Φ 1 Z Z
(M, t) = − σ(M ′ )G(M, M ′ )dS ′ (2.18)
2 4π ∂Smouillé

2.2.2 Méthode semi-analytique

La méthode semi-analytique utilisée ici a été implémentée par Francesc Fàbregas
Flavià dans [30] à partir des travaux de [89]. Pour des géométries de corps simples et
grâce à la linéarité du problème, il est possible de résoudre l’équation de Laplace (2.2)
par séparation de variables en considérant les variables d’espace indépendemment. Le
40 Mise en place du simulateur de ferme houlomotrice

potentiel des vitesses ainsi obtenu est exprimé sous forme de séries infinies qu’il est alors
nécessaire de tronquer. L’étude de convergence pour le cylindre standard utilisé pour les
démonstrations (chapitre 3) permet de définir un nombre de troncatures N T = 20 pour
assurer la convergence des résultats avec une erreur relative de 10−4 par rapport à la
valeur convergée sur le domaine d’étude utile (figure 2.3). La résolution est tout d’abord
effectuée pour un corps unique et est étendue à plusieurs corps en appliquant la théorie
d’interaction développée par [61].

4 5
3.0 ×10 3.1 ×10
NT10 NT10
NT15 3.0 NT15
2.5 NT20 NT20
2.9

2.0 2.8
Ma [N.s2/m]
B [N.s/m]

2.7
1.5
2.6

1.0 2.5

2.4
0.5
2.3

0.0 2.2
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
ω [rad/s] ω [rad/s]

Figure 2.3 – Étude de convergence des coefficients hydrodynamiques issus de la méthode

analytique pour un cylindre isolé.

2.2.3 Comparaison des coefficients hydrodynamiques

Les résultats obtenus avec le code NEMOH et la méthode analytique pour une géomé-
trie cylindrique sont comparés dans la figure 2.4. Les coefficients issus des deux méthodes
sont très similaires pour les coefficients d’amortissement hydrodynamique B(ω) et de
2.2 Résolution du problème aux limites 41

masse d’eau ajoutée Ma (ω). Par ailleurs pour le calcul de la phase de la force d’excita-
tion, les résultats ne correspondent pas pour des fréquences élevées. Les résultats issus de
la méthode analytique sont plus précis et permettent une étude plus fine dans les hautes
fréquences, là où l’amplitude de Hex (ω) tend à s’annuler. Cette caractéristique est utile
pour étudier le fonctionnement de la méthode de contrôle collaboratif lors de l’établis-
sement de fonction de transferts basées sur les coefficients hydrodynamiques (chapitre
3). La phase du coefficient de force d’excitation Hex (ω) est obtenue en calculant le ratio
de la partie imaginaire sur la partie réelle, or ces deux quantités sont infinitésimales
pour les hautes fréquences. Par conséquent, les erreurs numériques du code BEM s’en
trouvent considérablement amplifiées et les résultats de phase deviennent incohérents.
Il est alors plus compréhensible d’utiliser les résultats obtenus avec le calcul analytique
pour analyser les résultats de la méthode de contrôle.

4 5
3.0 ×10 3.5 ×10
NEMOH 3.0
2.5
Analytique
Ma [N.s2 /m]

2.5
B [N.s/m]

2.0
2.0
1.5
1.5
1.0 1.0 NEMOH
0.5 0.5 Analytique
0.0 0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
ω [rad/s] ω [rad/s]
5
8 ×10 4
Amplitude de Hex [N/m]

7 NEMOH 3
Phase de Hex [rad]

6 Analytique 2
5 1
4 0
3 −1
2 −2 NEMOH
1 −3 Analytique
0 −4
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
ω [rad/s] ω [rad/s]

Figure 2.4 – Comparaison des coefficients hydrodynamiques issus du code NEMOH et

de la méthode analytique pour une géométrie cylindrique.
42 Mise en place du simulateur de ferme houlomotrice

Les résultats analytiques sont utilisés pour démontrer les résultats de cette étude, et ana-
lyser le comportement de la stratégie de contrôle en minimisant les erreurs numériques.
Par ailleurs, les résultats de la méthode BEM pourront aussi être utilisés pour étudier
des géométries plus complexes pour lesquelles il n’existe pas de solution analytique. En
effet, un corps flottant se comporte comme un filtre passe bas et ne réagit donc pas aux
fréquences supérieures à sa fréquence de coupure. Or, les résultats de phase erronés de
la méthode BEM sont généralement situés hors de la bande passante de la physique du
système et par conséquent n’influent pas ou peu sur la dynamique du corps.

2.3 Résolution dans le domaine temporel : équation

de Cummins
Dans le but de développer un simulateur de ferme en temps réel, il est nécessaire de
développer le problème sous sa forme temporelle. À partir de l’équation du mouvement
dans le domaine fréquentiel (2.16) présentée précédemment, il est possible de retrouver
l’équation du mouvement d’un corps flottant dans le domaine temporel, ou équation de
Cummins [26]. Il est tout d’abord nécessaire de développer l’équation 2.16 et de faire
apparaitre le vecteur d’accélération A(ω) et de position X(ω) :

(M + Ma (ω))A(ω) + B(ω)V(ω) + Ks X(ω) = Fex (ω) + Fu (ω) (2.19)

Il faut ensuite retrancher la masse d’eau ajoutée à l’infini Ma∞ au terme de radiation
pour que la partie réelle et la partie imaginaire du terme de radiation tendent vers 0
lorsque la pulsation ω tend vers l’infini. Ainsi la transformée de Fourier inverse existe.

(M + Ma∞ )A(ω) + [B(ω) + jω(Ma (ω) − Ma∞ )] V(ω) + Ks X(ω) = Fex (ω) + Fu (ω)
(2.20)
La transformée de Fourier inverse de l’équation (2.20) permet alors d’obtenir l’équation
de Cummins [26] :
Z t
(M + Ma∞ )v̇(t) + h(t − τ )v(τ )dτ + Ks x(t) = fex (t) + fu (t) (2.21)
0

où la transformée de Fourier du noyau de radiation h(t) est exprimée comme suit :

F{hm,n (t)} = Bm,n (ω) + jω(Ma,m,n (ω) − Ma∞,m,n ) (2.22)

2.4 Représentation d’état 43

La notation m, n correspond à l’effort du degré de liberté n sur le degré de liberté m.

Lorsqu’un seul degré de liberté est considéré, la notation m, n correspond à l’effort du
corps n sur le corps m. La force d’excitation fex (t) correspond à la transformée de Fourier
inverse de Fex (ω) qui est définie dans le domaine fréquentiel par le vecteur de coefficients
de force d’excitation Hex (ω) :

Fex (ω) = Hex (ω)Ξ(ω, x) (2.23)

où Ξ(ω, x) représente la transformée de Fourier de l’élévation de surface libre η(t, x) :

Ξ(ω, x) = F{η(t, x)} (2.24)

2.4 Représentation d’état

La représentation d’état permet de transformer l’équation intégro-différentielle du

mouvement (2.21) en une équation différentielle ordinaire et d’utiliser les intégrateurs
standards des bibliothèques numériques MATLAB ou Python. De plus, la représentation
d’état est nécessaire pour inclure les matrices d’état identifiées des efforts de radiation
(section 2.5). Le système d’état présenté ci-dessous correspond à une ferme de deux corps
oscillant uniquement en pilonnement.

Le vecteur u(t) représente l’entrée du système, ici la force d’excitation, et le vecteur Y(t)
représente les différents états du système, i.e. la position et la vitesse de chaque corps.
Les efforts de radiation peuvent être calculés indépendamment et ajoutés sous la forme
d’un vecteur Frad (t) (comme ici) ou identifiés sous la forme pôles résidus et incorporés
à la matrice SA comme présenté dans la section 2.5.

Ẏ(t) = SA Y(t) + SB u(t) + Frad (t) (2.25)

0 1 0 0
   
z1
 Ks,I
0 0 0
  

 Γ1
  ż1 
SA = Y(t) = (2.26)
  
 0 0 0 1
   




 z2 

Ks,II
0 0 Γ2
0 ż2
44 Mise en place du simulateur de ferme houlomotrice

0 0
 
 
1
0 fex1 (t) + fu (t) 
 
 − Γ1 
SB (t) =  
u(t) =  (2.27)
0 0 fex2 (t) + fu (t)
 
 
 
0 − Γ12

1 1
Γ1 = − Γ2 = − (2.28)
MI + MI∞ MII + MII∞

2.5 Identification de la radiation

Dans le but d’effectuer un contrôle en temps réel sans connaissance a priori des efforts
d’excitation dus aux vagues, l’équation du mouvement doit être résolue dans le domaine
temporel ce qui implique le calcul d’un nombre important de produits de convolution
pour obtenir les efforts de radiations. Le calcul direct de ces convolutions sous forme in-
tégrale implique un temps de calcul important qui peut être réduit en utilisant le calcul
de convolution sous sa représentation d’état, tout en conservant une précision satisfai-
sante.

L’identification revient concrètement à transformer l’intégrale de convolution du calcul

de la radiation en une forme explicite de système linéaire d’équations différentielles or-
dinaires [59, 88]. Dans cette représentation ż(t) et fRad (t) correspondent respectivement
à l’entrée et la sortie de l’intégrale de convolution. Yp et Ẏp sont respectivement le
vecteur des états de la radiation et la dérivée temporelle de ce vecteur. SAp , SBp , et
SCp correspondent respectivement à la matrice d’état, la matrice de commande, et la
matrice d’observation qui devront être identifiées. Le sous-système d’état qui correspond
au calcul de la radiation est défini comme suit :

Ẏp (t) = SAp Yp (t) + SBp ż(t) (2.29)

frad (t) = SCp Xp (t) (2.30)

Le noyau de convolution qui est ici la réponse impulsionnelle de la radiation est identifiée
sous sa forme fréquentielle (2.22) et les différents sous systèmes correspondants aux
contributions des différents corps sont injectés dans le système d’état global (2.33) :

Ẏ(t) = SA Y(t) + SB u(t) (2.31)

2.5 Identification de la radiation 45

h i
Y′ (t) = z1 ż1 z2 ż2 [ Rad11 ] [ Rad12 ] [ Rad22 ] [ Rad21 ] (2.32)

0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 

SCp1 SCp2
 K
0 0 0 [ ] [ ] 0 0 0 0 0 0

 s,I 
 Γ1 Γ1 Γ1 
 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
 

 
 0 Ks,II SCp3 SCp4
0 0 0 0 0 0 0 0 [ ] [ ]
 
Γ2 Γ2 Γ2

 
 0 0 0 0 0 0 0 0 0
 
pq p q ··· ··· ··· 
.. ... .. .. ... .. .. ... ..
 
 
 0 SBp1 0 0 SAp1 . . . . . .
 

 0 0 0 y 0 ··· 0 0 0 0 0
 
 xy x ··· ··· 

 0 0 0 0 0 p q 0 0 0 0
 
pq ··· ··· ··· 
SA = .. .. .. .. .. ..
 

.. .. .. 
 0

0 0 SBp2 . . . SAp2 . . . . . .


 
 0 0 0 xy 0 ··· 0 x y 0 ··· 0 0 ··· 0
 

 
 0 0 0 pq 0 ··· 0 0 ··· 0 p q 0 ··· 0
 

. .. .. .. . . .. .. .. ..
SBp3 ..
 
 0 0 0 . . . . . SAp3 . . .
 

 
 0 0 0 xy 0 ··· 0 0 ··· 0 x y 0 ··· 0
 

 
 0 pq 0 0 0 ··· 0 0 ··· 0 0 ··· 0 p q
 

.. ... .. .. .. .. .. . . ..
 
 0 0 0 . . . . . . . .
 
 SBp4 SAp4 

0 xy 0 0 0 ··· 0 0 ··· 0 0 ··· 0 x y
(2.33)

L’identification du noyau de la convolution dans le domaine fréquentiel est effectuée en

utilisant la fonction « Vectfit3 » de MATLAB. Cette méthode est présentée par ses
créateurs comme « Une méthode numérique robuste pour l’approximation sous forme
rationnelle dans le domaine fréquentiel utilisant la formulation pôles et résidus. Elle per-
met de modéliser des systèmes à partir de réponses fréquentielles mesurées ou calculées.
L’approximation permet d’obtenir des pôles stables et le modèle peut être directement
converti sous forme de représentation d’état » [28, 50, 51]. Cette méthode a la particu-
larité de pouvoir approximer des réponses fréquentielles complexes tout en gardant des
pôles stables. En effet, dans le cas d’une ferme multi-corps, les coefficients hydrodyna-
miques peuvent avoir des formes relativement complexes (2.5) du fait des interactions
entre corps, et il est nécessaire de pouvoir identifier le noyau de la radiation avec le
minimum d’erreur possible tout en minimisant le nombre de pôles pour économiser le
temps CPU des simulations.
46 Mise en place du simulateur de ferme houlomotrice

y r=5m 1000
Analytical
500 Fit

B11
0

-500
r=10m 0 0.5 1 1.5 2 2.5 3 3.5
d=50m w [rad/s]
500
r=2.5m
3 0
1

Ma11
-500 Analytical
Fit
-1000
0 0.5 1 1.5 2 2.5 3 3.5

d=50m x w [rad/s]

2000 10000
Analytical Analytical
1000 Fit Fit
5000
B12

B13
0
0
-1000

-2000 -5000
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
w [rad/s] w [rad/s]
2000 5000

0 0
Ma12

Ma13

-2000 Analytical -5000 Analytical

Fit Fit
-4000 -10000
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
w [rad/s] w [rad/s]

Figure 2.5 – Identification du noyau de radiation pour 3 cylindres proches et de tailles

différentes en utilisant « Vectfit3 » avec 30 pôles.

La validité de l’utilisation de « Vectfit3 » pour l’identification des efforts de radiation

dans le domaine de l’hydrodynamique a été démontrée par [79]. Il est montré que cette
méthode permet d’obtenir une identification précise pour les systèmes multicorps qui
présentent des coefficients à grandes variations fréquentielles. En effet, contrairement
aux corps de géométries simples et isolés, les corps d’une ferme présentent des coefficients
hydrodynamiques avec de fortes variations dans le domaine fréquentiel et il est alors plus
délicat de les identifier correctement avec les méthodes classiques. De manière générale,
l’erreur liée à l’identification devient négligeable à partir d’une vingtaine de pôles pour
les cylindres considérés dans cette étude. Par ailleurs, l’identification du terme croisé
pour des corps très éloignés est plus complexe et nécessite un nombre plus important de
pôles (tableau 2.1). Cependant, pour les corps très éloignés, l’amplitude de la radiation
du terme croisé devient faible devant celle du terme diagonal et n’influe donc pas sur la
dynamique des corps (figure 2.6).
2.5 Identification de la radiation 47

d = 50m d = 200m
Nombre de pôles ℜ(B11 ) ℑ(B11 ) ℜ(B12 ) ℑ(B12 ) Nombre de pôles ℜ(B11 ) ℑ(B11 ) ℜ(B12 ) ℑ(B12 )
10 1.91 3.68 1.22 3.47 10 4.84 14.7 6.20 6.59
20 0.45 1.24 0.07 0.28 20 2.56 5.16 0.46 0.51
30 0.07 0.21 0.01 0.03 30 1.63 4.35 0.11 0.12

d = 1000m
Nombre de pôles ℜ(B11 ) ℑ(B11 ) ℜ(B12 ) ℑ(B12 )
10 2.12 5.01 26.94 26.99
20 2.09 4.98 20.32 20.35
30 2.09 4.99 13.54 13.52
40 2.07 4.97 7.45 7.13
50 2.02 4.93 3.82 3.65

Table 2.1 – Erreur RMS en pourcentage de l’identification du noyau de radiation

sur la partie réelle et la partie imaginaire en fonction du nombres de pôles. Les ré-
sultats sont présentés pour un groupe de deux cylindres séparés d’une distance d =
{50m, 200m, 1000m}.
|Rad| [N.s/m] |Rad| [N.s/m] |Rad| [N.s/m]

×104 d = 50 m
2 Terme diagonal
Terme croisé

0
0.0 0.5 1.0 1.5 2.0 2.5 3.0

×104 d = 200 m
2 Terme diagonal
Terme croisé

0
0.0 0.5 1.0 1.5 2.0 2.5 3.0

×104 d = 1000 m
2 Terme diagonal
Terme croisé

0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ω [rad/s]

Figure 2.6 – Comparaison de l’amplitude de la radiation pour un groupe de deux

cylindres séparés d’une distance d = {50m, 200m, 1000m}.
48 Mise en place du simulateur de ferme houlomotrice

Le nombre d’efforts de radiation étant égal au carré du nombre de degrés de liberté du

système, il est alors possible d’identifier les efforts de radiation un à un par des systèmes
SISO ou bien d’identifier l’ensemble des efforts de radiations avec un système MIMO.

2.5.1 Identification en système SISO

L’identification des efforts de radiations sous la forme de systèmes Single Input Single
Output correspond à identifier individuellement chacun des efforts. Chaque effort de
radiation est modélisé par sa sous-matrice et a pour entrée la vitesse du corps associé,
ce qui présente l’intérêt majeur de rester au plus proche de la physique (2.34).
 
EDM SCp1 SCp2 SCp3 SCp4
 

 SBp1 SAp1 

SA = (2.34)
 

 SBp2 SAp2 

 

 SBp3 SAp3 

SBp4 SAp4
Dans le cas de l’utilisation de corps identiques au sein d’une même ferme, des symétries
peuvent apparaitre dans les matrices de coefficients hydrodynamiques B(ω) et Ma (ω).
Cependant, dans le domaine temporel un vecteur d’état SBpn est associé à chacun des
efforts et a un but « d’effet mémoire » permettant de conserver les valeurs passées de la
radiation, ce qui permet à cette représentation de substituer le produit de convolution de
la radiation. Il n’est donc pas possible de réduire la taille de la matrice d’état, y compris
en présence de symétries dans les matrices de radiation.

2.5.2 Identification en système MIMO

L’identification en système Multiple Input Multiple Output consiste à identifier l’en-
semble des radiations des termes directs et des termes croisés sous un unique modèle.
L’ensemble des efforts de radiations est alors modélisé par une sous-matrice globale
(2.35).
 
EDM SCp 
SA =  (2.35)
SBp SAp
L’avantage dans ce cas est de réduire la taille du système global en y incluant qu’un
seul sous-système de radiation au lieu de N 2 sous systèmes (N, le nombre de machines)
dans le cas des systèmes SISO. Encore une fois, la taille de la matrice est à relativiser,
car la matrice sera plus pleine que pour les systèmes SISO et le gain de temps de calcul
2.5 Identification de la radiation 49

ne sera pas nécessairement significatif. De plus, il est à noter qu’en identifiant les efforts
de radiation sous un seul système MIMO on s’éloigne de la représentation physique du
problème. L’identification se fait sur une nouvelle base qui ne représente pas la physique
du problème. Cela peut engendrer des problèmes de convergence numérique et il est plus
délicat de s’assurer de la robustesse du modèle.

2.5.3 Passivité
L’utilisation de l’outil « Vectfit3 » nous permet d’assurer la stabilité des pôles mais
cela n’est pas suffisant pour assurer la stabilité du problème. Selon une propriété clas-
sique de l’hydrodynamique des corps flottants, une condition supplémentaire mais pas
suffisante est que les composantes de l’amortissement hydrodynamique des termes dia-
gonaux de la matrice de radiation doivent être strictement positives. Cela s’explique
simplement par le fait que l’amortissement ne peut apporter de l’énergie au système.
Pour assurer pleinement la passivité du système il a été démontré [66] que la matrice
d’amortissement doit être définie positive, i.e. les valeurs propres de cette matrice doivent
être strictement positives à chaque fréquence.

×10 4
3
Analytique 300 Analytique
Fit Fit
2.5
250

2
200

1.5 150
BI,I

BI,I

1 100

50
0.5

0
0
-50

-0.5
0 0.5 1 1.5 2 2.5 3 3.5 1.9 2 2.1 2.2 2.3 2.4 2.5
ω [rad/s] ω [rad/s]

Figure 2.7 – Exemple de non-passivité pour l’identification du terme d’amortissement

hydrodynamique pour des cylindres espacés de d = 200m et en utilisant 35 pôles pour
l’identification.

En pratique, les identifications effectuées avec « Vectfit3 » dans le cadre de l’hydro-

dynamique ne permettent pas systématiquement d’obtenir la passivité. Par ailleurs la
non-passivité n’apparait que sur une fine bande de fréquences et ne présente générale-
ment qu’une très faible amplitude (figure 2.7). Comme présentée dans la figure 2.8, cette
faible non-passivité n’engendre pas la divergence du modèle et les résultats de vitesse
obtenus en domaine temporel Vsim correspondent aux résultats théoriques calculés dans
50 Mise en place du simulateur de ferme houlomotrice

le domaine fréquentiel Vth . Il est toutefois envisageable de forcer la passivité dans l’iden-
tification mais cela entraine une erreur importante de l’approximation. La solution de
forçage de la passivité n’est pas retenue ici, de façon à favoriser la qualité de l’identifi-
cation de la radiation et par conséquent la précision des résultats obtenus en domaine
temporel.

×10−5 Corps I
Vsim
0.5 Vth
V [m/s]

0.0

−0.5

3595 3596 3597 3598 3599 3600

×10−5 Corps II
Vsim
0.5 Vth
V [m/s]

0.0

−0.5

3595 3596 3597 3598 3599 3600

Temps [s]

Figure 2.8 – Résultats de vitesse en domaine temporel Vsim , et théorique calculé en

fréquentiel Vth pour deux cylindres libres espacés de d = 200m en utilisant l’identification
de la radiation. Les résultats sont obtenus pour une houle monochromatique de pulsation
ω = 2.17rad/s correspondant au point le plus extrême de non passivité présenté dans la
figure 2.7.

2.6 Caractéristiques du simulateur

Il a été choisi de développer le simulateur en langage Python afin de permettre un
développement multiplateforme libre, avec des possibilités d’extensions intéressantes,
qui permettront sont intégration future dans des projets de plus grande envergure. Les
deux principales librairies utilisées sont la librairie NumPy v1.13.1 (www.numpy.org) et
2.6 Caractéristiques du simulateur 51

SciPy v0.19.1 (www.scipy.org). La librairie NumPy permet la manipulation de vecteurs

et matrices, et repose sur la librairie Lapack codée en Fortran optimisant le calcul des
opérations de l’algèbre linéaire. La librairie SciPy rassemble de nombreux outils scien-
tifiques formant un environnement de travail comparable aux outils Matlab, Octave,
Scilab. De plus, les points de ralentissements ou « Bottlenecks » du code utilisent la
bibliothèque Numba v0.34.0 (numba.pydata.org) de façon à compiler à la volée le code
Python en langage machine natif, et ainsi approcher les performances du langage C,
C++, ou Fortran.

L’architecture du simulateur tend à tirer profit des fonctionnalités objet du code python.
Ainsi, l’ensemble des fonctionnalités du code sont regroupées sous forme de classes. De
cette manière, il est possible d’instancier un objet ferme de machine houlomotrice re-
groupant tous les attributs (ou variables) et méthodes (ou fonctions) lui étant associé
et d’instancier plusieurs simulations prenant un objet ferme comme attribut. Pour une
même ferme, les objets simulations peuvent avoir des valeurs d’attribut différentes. De
plus, il est aussi possible d’instancier différents objets fermes simultanément, ce qui rend
aisée la comparaison des résultats pour différentes configurations de ferme ou de straté-
gies de contrôle. L’utilisateur peut ainsi générer un fichier principal utilisant ces classes
et procéder aux simulations en quelques lignes de code. Les différents paramètres du
simulateur sont présentés dans l’annexe B.

Le simulateur est organisé en 3 parties. Une partie regroupant la chaine d’algorithmes

externes au simulateur permettant le calcul et la mise en forme des coefficients hydrody-
namiques (section 2.6.1), une autre effectuant les calculs préparatoires aux simulations
(section 2.6.2), et finalement la boucle contenant toutes les opérations effectuées lors de
l’intégration temporelle y compris l’application de la méthode de contrôle (2.6.3).

Les différents fichiers contenant les coefficients hydrodynamiques de la ferme, les matrices
identifiées de radiation, les résultats intermédiaires, et les résultats de simulations sont
enregistrés dans le format Matlab (.mat). L’utilisation de ce format ne nécessite pas de
licence Matlab mais permet de stocker efficacement les données dans un fichier binaire
(hdf5), réduisant ainsi la taille des fichiers, et les temps de lecture/écriture. De plus, un
utilisateur de Matlab ne pratiquant pas le langage Python peut aisément avoir accès aux
différentes données, ce qui facilite la diffusion des résultats.
52 Mise en place du simulateur de ferme houlomotrice

2.6.1 Calcul et mise en forme des coefficients hydrodynamiques

Pour effectuer les simulations de ferme de machines houlomotrices, il est en premier
lieu nécessaire de calculer les coefficients hydrodynamiques correspondant à la géométrie
de la ferme. Pour une ferme composée de cylindres verticaux, il est possible d’utiliser
la solution semi-analytique présentée dans la section 2.2.2 ou le code BEM NEMOH
(section 2.2.1). Par ailleurs, pour les géométries plus complexes, seule la méthode BEM
est en mesure d’effectuer la résolution du problème. Lors du calcul des coefficients par la
méthode BEM NEMOH, un maillage de chaque machine composant la ferme doit être
fourni. Pour la méthode semi-analytique, seuls les paramètres géométriques de la ferme
(rayon, hauteur, profondeur d’eau, positions) sont nécessaires.

Figure 2.9 – Diagramme représentatif du calcul et de la mise en forme des coefficients

hydrodynamiques pour le simulateur.

Quelle que soit la méthode utilisée, une fois les coefficients hydrodynamiques obtenus, les
résultats sont enregistrés dans un fichier « .mat » ayant une structure identique pour les
deux méthodes. De cette façon, il est possible d’intervertir facilement dans le simulateur
2.6 Caractéristiques du simulateur 53

les coefficients provenant des deux méthodes. De plus, il est aussi possible d’utiliser
ces résultats pour effectuer l’identification de la radiation. Les paramètres identifiés
de la radiation (section 2.5) sont injectés dans une matrice d’état globale du système
contenant l’information de l’équation du mouvement. L’utilisation de l’identification de
la radiation dans les simulations n’étant pas systématique, elle est enregistrée dans un
fichier indépendant.

2.6.2 Pré-processeur

Une fois les coefficients hydrodynamiques obtenus et sauvegardés au format du simu-

lateur, il est possible d’instancier un objet ferme. Les coefficients hydrodynamiques sont
associés à la ferme en utilisant la méthode de la classe permettant le chargement des
coefficients. Si l’utilisateur le spécifie, l’extrapolation (padding) des coefficients (section
3.1.10) peut être effectuée lors du chargement.

De plus, si la matrice d’état du système contenant l’identification de la radiation est

fournie, elle est elle aussi associée à la ferme. Dans le cas contraire, la matrice d’état du
système est calculée à partir des coefficients hydrodynamiques et les efforts de radiation
seront calculés par produit de convolution. La classe ferme possède plusieurs méthodes
visant à obtenir les impédances et les caractéristiques fréquentielles de la ferme. Ainsi,
l’impédance de la ferme contenant les interactions hydrodynamiques, l’impédance du
contrôleur optimal, et l’impédance de la radiation pour chaque corps sont calculées et
associées à l’objet ferme. À ce stade, il est aussi possible d’obtenir la réponse en ampli-
tude (RAO) de la ferme tenant compte des interactions, et de l’impédance du PTO ou
du contrôleur (section 3.1.5.2).

Une fois l’objet ferme initialisé, et les calculs associés à la ferme effectués, il est alors
possible d’instancier un ou plusieurs objets simulation. Pour chaque objet simulation,
l’utilisateur choisi la valeur des attributs suivants : pas de temps dt, temps de simulation
tsim , type de houle (mono ou polychromatique), les valeurs de l’état de mer Hs et Tp
(section 3.1.5.1), la longueur des réponses impulsionnelles, les valeurs de PTO passif
BP T O pour chaque corps, et les valeurs de fenêtrage ωLc et ωHc du contrôleur optimal
pour chaque corps (section 3.1.5).
54 Mise en place du simulateur de ferme houlomotrice

Figure 2.10 – Diagramme représentatif du chargement des données et des calculs pré-
processeur du simulateur.
2.6 Caractéristiques du simulateur 55

Les efforts de la houle sur chaque corps, et les réponses impulsionnelles de la radiation et
du contrôleur sont ensuite calculés. Dans le cas où ces données auraient été calculées lors
de simulations précédentes, elles peuvent être chargées pour réduire le temps de calcul.

Les efforts de la houle fex (t) sur chaque corps pour toute la durée de la simulation
tsim sont calculées à partir de la transformée inverse de Fourier, en utilisant les valeurs
d’amplitude du spectre de houle de Bretschneider et un jeu de phase prédéfini. Le jeu
de phase est chargé sous la forme d’un fichier « .mat », ce qui permet de comparer les
simulations en utilisant le même jeu de phase.

Les réponses impulsionnelles de radiation hrad,m,n sont calculées pour chacun des corps
et interactions croisées. Les réponses impulsionnelles correspondant aux efforts du corps
n sur le corps m sont obtenues à partir de l’équation suivante :
Z +∞
hrad,m,n = 2Bm,n (ω)e+iωt dω (2.36)
−∞

Afin de pouvoir appliquer la stratégie de contrôle collaboratif, il est nécessaire d’ob-

tenir les réponses impulsionnelles des fonctions de transfert de vitesse et les réponses
impulsionnelles du contrôleur. En premier lieu, il convient d’appliquer le fenêtrage à
l’impédance du contrôleur optimal (section 3.1.5), ce qui permet de calculer les fonc-
tions de transfert de vitesse en tenant compte de l’impédance du contrôleur (section
3.1.6.2). Les réponses impulsionnelles du contrôleur fenêtré huf (t) et du transfert des
vitesses hv (t) sont ensuite obtenues en appliquant la transformée de Fourier inverse res-
pectivement sur l’impédance du contrôleur fenêtré Zuf (ω) et la fonction de transfert des
vitesses Hv (ω).

2.6.3 Intégration numérique et contrôle

Après avoir effectué la phase de préparation des calculs (section 2.6.2), la phase d’in-
tégration numérique peut commencer. Il a été choisi ici d’utiliser la librairie d’intégration
numérique « scipy.integrate.ode » incluse dans SciPy. La structure de cette librairie re-
pose sur le concept de l’orienté objet et permet plus de flexibilité quant aux calculs
intermédiaires effectués entre chaque pas de temps (calcul des efforts de radiation par
convolution, stratégie de contrôle, etc ...). De plus, la librairie contient plusieurs intégra-
teurs numériques, et il possible de remplacer le mode d’intégration sans avoir à modifier
la structure du code. En outre, chacun des intégrateurs possède de nombreux paramètres
permettant d’adapter l’intégration numérique au problème résolu.
56 Mise en place du simulateur de ferme houlomotrice

La première étape de la phase d’intégration numérique consiste à instancier un objet

intégrateur de la classe « scipy.integrate.ode ». Les attributs de l’intégrateur lui sont
ensuite affectés pour correspondre à la configuration souhaitée par l’utilisateur.

Figure 2.11 – Diagramme représentatif de la boucle d’intégration et de contrôle du

simulateur.

Ensuite, et pour chaque pas de temps, les calculs intermédiaires liés aux efforts de ra-
diation et à la stratégie de contrôle sont effectués. Si la méthode de contrôle collaboratif
a été activée par l’utilisateur, un premier produit de convolution est évalué pour chaque
corps contrôlé afin d’obtenir les prévisions de vitesse de ces corps (section 3.1.7). Le
produit de convolution permettant d’obtenir la force du PTO pour chaque corps est en-
suite calculé (section 3.1.8). De plus, si le système d’état identifié des efforts de radiation
n’a pas été fourni, les efforts de radiation sont évalués par convolution. Finalement, les
efforts du PTO SSZu(t) et de la radiation SSRADconv(t) prennent alors la forme d’un
vecteur d’état, de façon à les inclure aisément dans le système d’état global.
2.6 Caractéristiques du simulateur 57

L’intégrateur numérique appelle ensuite à plusieurs reprises la fonction de calcul de la

dérivée du vecteur d’état pour obtenir les dérivées nécessaires à l’intégration. Les ma-
trices d’états SSA et SSB contiennent l’information de la dynamique intrinsèque des
corps, et la matrice SSP T O contient l’amortissement des PTO passifs BP T O de chaque
corps. Lors du calcul de la dérivée, le temps t requis par l’intégrateur peut ne pas corres-
pondre aux valeurs précalculées du vecteur de force d’excitation fex (t). Cette situation
intervient par exemple lors de l’utilisation d’un intégrateur de type Runge-Kutta d’ordre
4 où il est nécessaire de calculer la dérivée à un demi pas de temps, ou encore lors de
l’utilisation d’un pas de temps dynamique. Pour obtenir la valeur de la force d’excitation
de chacun de corps à ces valeurs de temps, il est choisi d’interpoler les vecteurs fex (t)
obtenus lors des calculs préliminaires. Une fois l’intégration du pas temps effectuée, la
simulation avance d’un pas de temps et reboucle sur les calculs intermédiaires des efforts
radiation et du contrôleur.

Par ailleurs, dans le but d’optimiser le temps CPU, les calculs de convolution et le calcul
de la dérivée sont compilés en utilisant la librairie Numba. La compilation « Just In
Time » proposée par Numba permet de conserver le langage Python pour l’écriture de
ces fonctions, tout en minimisant le temps de calcul.

2.6.4 Dynamique transitoire

Lors du démarrage des simulations au temps t = 0s, les positions et vitesses de

tous les corps de la ferme sont initialisées à x(t = 0s) = 0m et v(t = 0s) = 0m/s. La
dynamique transitoire pour un groupe de deux cylindres libres dans une houle polychro-
matique est présentée dans les figures 2.12 et 2.13. Les résultats obtenus en domaine
temporel sont mis en comparaison avec les résultats théoriques calculés dans le domaine
fréquentiel.

Concernant la méthode de démarrage de la houle, aucune rampe n’est utilisée pour

introduire les efforts d’excitation sur les corps. Les efforts de la houle sont appliqués à
tous les corps de la ferme dès le calcul du premier pas de temps. Ce choix se justifie par
les méthodes de démarrage du calcul de la radiation par convolution et de la stratégie
de contrôle collaboratif qui nécessitent un temps d’établissement plus long que le temps
de dynamique transitoire induit par l’introduction de la houle.
58 Mise en place du simulateur de ferme houlomotrice

Corps I
Th.
2
Sim.
VI [m/s]

−2

0 50 100 150 200 250 300

Corps II

2 Th.
Sim.
VII [m/s]

−2

0 50 100 150 200 250 300

Temps [s]

Figure 2.12 – Dynamique transitoire pour un groupe de deux cylindres libres, séparés
d’une distance d = 200m, dans une houle polychromatique Hs = 2m et Tp = 6s.

Corps I

2
VI [m/s]

−2 Th.
Sim.

0 50 100 150 200 250 300

Corps II

2
VII [m/s]

−2 Th.
Sim.

0 50 100 150 200 250 300

Temps [s]

Figure 2.13 – Dynamique transitoire pour un groupe de deux cylindres libres, séparés
d’une distance d = 200m, dans une houle polychromatique Hs = 2m et Tp = 9s.
2.6 Caractéristiques du simulateur 59

Dans le cas où les efforts de radiation sont calculés par convolution, les valeurs passées
de vitesse des corps ne sont pas disponibles au début de la simulation. Il est donc impos-
sible de convoluer le signal de vitesse sur toute la longueur de la réponse impulsionnelle
correspondante. Pour les premiers pas de temps, jusqu’à atteindre un temps de simu-
lation égal à la longueur de la réponse impulsionnelle, la convolution s’effectue avec les
valeurs de vitesse disponibles, selon l’équation 2.37.

ti
frad (ti ) = hrad (n)v(ti − n)dt (2.37)
X

n=0

Dés lors que l’itération temporelle ti de la simulation dépasse la taille de la réponse

impulsionnelle tif,imp , le produit de convolution s’effectue normalement en utilisant les
valeurs passées de vitesse correspondant à la taille de la réponse impulsionnelle (équation
2.38).

tif,imp
frad (ti ) = hrad (n)v(ti − n)dt (2.38)
X

n=0

Tant que la convolution des efforts de radiation n’est pas effectuée avec toutes les valeurs
de réponse impulsionnelle, le calcul des efforts présente une erreur et le régime transitoire
persiste. Comparé à l’attente d’un vecteur de vitesse suffisamment long pour démarrer
le calcul des efforts de radiation, le calcul progressif de la radiation permet une dimi-
nution de la durée de dynamique transitoire. Dans le cas de l’identification des efforts
de radiation en matrice d’état, le calcul des efforts peut s’effectuer normalement dès le
premier pas de temps. Cependant, les variables d’état de radiation[Radm,n ] responsables
de l’effet mémoire de la radiation (section 2.5) sont initialisées à 0. Un certain temps est
donc nécessaire pour que les variables contiennent l’information des valeurs passées et
que le calcul des efforts soit exempt d’erreur.

Comme présenté dans les figures 2.12 et 2.13, la durée de dynamique transitoire dans
une houle polychromatique, pour le groupe de deux cylindres étudié ici, varie entre 150s
et 250s. Au niveau du contenu spectral, l’augmentation de la période de pic Tp semble
induire une légère augmentation de la durée des transitoires, cependant cette durée est
aussi dépendante des jeux de phases utilisés pour la génération de la houle. De plus, le
nombre de valeurs passées nécessaires aux calculs de radiation retarde l’établissement de
la dynamique, par conséquent la durée du transitoire est considérée comme supérieure ou
égale à la longueur de la réponse impulsionnelle de radiation la plus longue du système
considéré. De manière générale pour les résultats présentés de ce manuscrit, la durée
60 Mise en place du simulateur de ferme houlomotrice

du régime transitoire est prise égale à 600s, de façon à assurer un régime établi lors de
l’analyse des résultats.

Par ailleurs, lorsque la stratégie de contrôle collaboratif est activée, les valeurs passées
de vitesses des corps ne pas disponibles au début de la simulation pour effectuer la
convolution de la prévision de vitesse (section 3.1.7). Comme pour le calcul des efforts
de radiation par convolution, le calcul de prévision est effectué progressivement en tirant
profit de l’information disponible. Les efforts imposés par le contrôleur étant prédominant
dans la dynamique du corps, le temps de transitoire est faible, mais il reste supérieur ou
égal à la longueur de la plus grande réponse impulsionnelle de fonction de transfert de
vitesse.

2.6.5 Vérifications
Dans le but de vérifier les résultats temporels issus du simulateur, un groupe de 4
cylindres rapprochés est évalué. La configuration multicorps proches permet de mettre
en avant les effets de ferme, et d’en vérifier le calcul. Le groupe est composé de 4 cylindres
identiques d’un rayon r = 5m et d’un tirant d’eau h = 10m dans une profondeur d’eau
H = 50m. Le positionnement des corps dans le groupe est présenté dans la figure 2.14.
La distance centre à centre est de 50m entre un corps et son voisin, ne laissant donc que
4 diamètres de séparation entre chaque voisin. De façon à accentuer les effets de ferme,
les corps sont laissés libres (BP T O = 0). De plus, les corps ne possèdent qu’un seul degré
de liberté, le pilonnement, et l’orientation de la houle β est choisie égale à 45°.

Y
r=5m

I II
d=50m X
III IV

β
d=50m
Figure 2.14 – Schéma du groupe de 4 cylindres utilisé pour la vérification du simulateur.
2.6 Caractéristiques du simulateur 61

2.6.5.1 Vérification de la phase et de l’amplitude en houle polychromatique

Les résultats de vitesse des quatre corps sont comparés aux résultats théoriques pour
deux états de mer Hs = 2m Tp = 6s (figure 2.15), et Hs = 2m Tp = 9s (figure 2.16),
en utilisant un spectre de Bretschneider (section 3.1.5.1). Les simulations sont effectuées
avec un pas de temps dt = 0, 05s et une discrétisation fréquentielle dω = 7.7 · 10−4 rad/s.
De plus, le même jeu de phase est utilisé pour la simulation des deux états de mer.
Les résultats théoriques sont obtenus à partir de la résolution des équations du mouve-
ment dans le domaine fréquentiel (équations 2.39, 2.40), et en utilisant la transformée
inverse de Fourier pour générer le signal temporel en tenant compte de la phase ϕ de
chaque fréquence (équation 2.41).

    
ZI,I (ω) ZI,II (ω) ZI,III (ω) ZI,IV (ω) VI (ω) Hex,I (ω)
 ZII,I (ω) ZII,II (ω) ZII,III (ω) ZII,IV (ω)  VII (ω)   Hex,II (ω) 
 = a(ω)  (2.39)
    
  
 ZIII,I (ω) ZIII,I (ω) ZIII,III (ω) ZIII,IV (ω)  VIII (ω)   Hex,III (ω) 
ZIV,I (ω) ZIV,II (ω) ZIV,III (ω) ZIV,IV (ω) VIV (ω) Hex,IV (ω)

V(ω) = Z−1 (ω)a(ω)Hex (ω) (2.40)

Z +∞ 
+i(ωt−ϕ)
vth (t) = ℜ V(ω)e dω (2.41)
−∞

De par la géométrie de la ferme et l’orientation de la houle, les résultats de vitesse des

corps I et IV doivent être identiques. Les vitesses obtenues dans le domaine tempo-
rel par le simulateur pour ces corps présentent une différence de vitesse de l’ordre de
5 · 10−16 m/s, ce qui valide l’égalité des résultats. Concernant la comparaison avec les ré-
sultats théoriques, la phase et l’amplitude des signaux de vitesse obtenues par intégration
numérique concordent avec les résultats théoriques dans les deux états de mer étudiés.
L’erreur RMS entre les vitesses obtenues par le simulateur et les résultats théoriques est
présentée dans la table 2.2, et est inférieure à 1% pour les deux états de mer.

Tp [s] 6 9
Erreur RMS VI [%] 0.76 0.76
Erreur RMS VII [%] 0.49 0.49
Erreur RMS VIII [%] 0.51 0.56
Erreur RMS VIV [%] 0.76 0.76

Table 2.2 – Erreur RMS de la vitesse des corps du groupe de 4 cylindres libres pilonnant
présenté dans la figure 2.14.
62 Mise en place du simulateur de ferme houlomotrice

VI [m/s]
2.5
Sim.
0.0 Th.
−2.5
1550 1560 1570 1580 1590 1600
VII [m/s]

2.5
Sim.
0.0 Th.
−2.5
1550 1560 1570 1580 1590 1600
VIII [m/s]

2.5
Sim.
0.0 Th.
−2.5
1550 1560 1570 1580 1590 1600
VIV [m/s]

2.5
Sim.
0.0 Th.
−2.5
1550 1560 1570 1580 1590 1600
Temps [s]

Figure 2.15 – Comparaison avec les résultats théoriques de la vitesse des corps du
groupe de 4 cylindres libres pilonnant présenté dans la figure 2.14, dans une houle poly-
chromatique avec un état de mer Hs = 2m Tp = 6s.
VI [m/s]

2.5 Sim.
0.0 Th.
−2.5

1550 1560 1570 1580 1590 1600

VII [m/s]

2.5 Sim.
0.0 Th.
−2.5

1550 1560 1570 1580 1590 1600

VIII [m/s]

2.5 Sim.
0.0 Th.
−2.5

1550 1560 1570 1580 1590 1600

VIV [m/s]

2.5 Sim.
0.0 Th.
−2.5

1550 1560 1570 1580 1590 1600

Temps [s]

Figure 2.16 – Comparaison avec les résultats théoriques de la vitesse des corps du
groupe de 4 cylindres libres pilonnant présenté dans la figure 2.14, dans une houle poly-
chromatique avec un état de mer Hs = 2m Tp = 9s.
2.6 Caractéristiques du simulateur 63

2.6.5.2 Vérification de la réponse en amplitude

De façon à vérifier le simulateur sur l’ensemble des fréquences utiles, la RAO de

chaque corps de la ferme est calculée à partir des résultats temporels et comparée à la
RAO obtenue à partir des résultats fréquentiels (figure 2.17). Pour obtenir la réponse en
amplitude à partir des résultats temporels, les simulations sont effectuées en houle mo-
nochromatique pour chaque fréquence, et la valeur de l’amplitude du signal est mesurée
lorsque le régime établi est atteint. De plus, comme présenté dans la section précédente,
les corps I et IV présentent une dynamique identique.

Les résultats obtenus montrent un calcul précis de la réponse en amplitude sur toute la
bande utile de fréquence. En outre, les fortes variations d’amplitudes liées à la résonance
des corps et aux effets de ferme sont correctement calculées en domaine temporel, ce
qui valide l’utilisation du simulateur pour la caractérisation de la stratégie de contrôle
collaboratif développée dans ces travaux.
64 Mise en place du simulateur de ferme houlomotrice
RAO I, IV

10 Th.
Sim.
5

0
0.00 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00

10
Th.
RAO II

Sim.
5

0
0.00 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00

Th.
RAO III

Sim.
5

0
0.00 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00
ω [rad/s]

Figure 2.17 – Réponses en amplitude (RAO) obtenues à partir des simulations en

domaine temporel et comparaison avec les résultats théoriques pour le groupe de 4
cylindres libres pilonnant présenté dans la figure 2.14.
Chapitre 3
Théorie et analyse du contrôle colla-
boratif

Sommaire
3.1 Méthode de contrôle collaboratif . . . . . . . . . . . . . . . . 66
3.1.1 Géométrie utilisée au cours de l’étude . . . . . . . . . . . . . 67
3.1.2 Théorie du contrôle optimal . . . . . . . . . . . . . . . . . . . 68
3.1.3 Contrôleur optimal en domaine temporel . . . . . . . . . . . 73
3.1.4 Non causalité du contrôleur optimal . . . . . . . . . . . . . . 76
3.1.5 Fenêtrage du contrôleur optimal . . . . . . . . . . . . . . . . 79
3.1.6 Fonction de transfert des vitesses . . . . . . . . . . . . . . . . 85
3.1.7 Prévision de la vitesse . . . . . . . . . . . . . . . . . . . . . . 96
3.1.8 Forme pseudo causale du contrôleur . . . . . . . . . . . . . . 100
3.1.9 Premières vérifications . . . . . . . . . . . . . . . . . . . . . . 102
3.1.10 Remarques sur la discrétisation des coefficients hydrodynamiques104
3.2 Étude de sensibilité . . . . . . . . . . . . . . . . . . . . . . . . 105
3.2.1 Plan d’expérience . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.2.2 Coefficient d’optimalité . . . . . . . . . . . . . . . . . . . . . 107
3.2.3 Analyse de la stabilité . . . . . . . . . . . . . . . . . . . . . . 108
3.2.4 Raffinement de l’étude pour les corps proches . . . . . . . . . 111
3.2.5 Identification et analyse des paramètres optimaux . . . . . . 112
3.2.6 Points de fonctionnement réalistes . . . . . . . . . . . . . . . 115
3.2.7 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
66 Théorie et analyse du contrôle collaboratif

3.1 Méthode de contrôle collaboratif

Le contrôle d’une machine houlomotrice, tel que considéré ici, consiste à maximiser
la production d’énergie sur des temps longs par une adaptation en temps réel de la force
du PTO appliquée sur l’ensemble ou un sous-ensemble de machines d’une ferme. Le
contrôleur regroupe le bloc algorithmique ayant pour entrée le vecteur d’état du groupe
de machines houlomotrices, et en sortie le vecteur des consignes permettant de piloter
les PTOs des machines contrôlées.

L’objectif de ce chapitre est de présenter la théorie de la méthode de contrôle collabo-

ratif. Dans le but de maximiser le rendement d’une ferme de machines houlomotrices,
il est choisi de développer une stratégie dérivée du contrôle optimal (section 3.1.2). Le
contrôleur optimal a pour particularité d’être non causal, i.e. il requiert une connaissance
ou prévision de la force d’excitation ou de la vitesse des corps contrôlés dans le futur
de l’instant courant (section 3.1.4). La force d’excitation sur un flotteur en mouvement
est une quantité non mesurable directement, car cela nécessiterait de connaitre les pres-
sions en tout point de la surface mouillée du corps. Les méthodes existantes permettant
d’assurer la prévision de la force d’excitation ou de la vitesse du corps sont présentées
dans la section 1.7. Il est possible d’effectuer des mesures de houles en amont et de pro-
pager numériquement l’information, ce qui permet d’obtenir une prévision déterministe
de la force d’excitation. Par ailleurs, cette approche engendre des coûts d’installation
et de maintenance supplémentaires. Une autre approche, propose d’utiliser uniquement
l’information mesurable sur les machines et d’utiliser des modèles autorégressifs afin
d’effectuer la prévision de la force d’excitation. Dans ce cas, l’installation de capteurs de
houle n’est plus nécessaire, mais la prévision n’est plus déterministe et il est plus délicat
de s’assurer de la robustesse de la prévision.

En comparaison avec les méthodes citées précédemment, la stratégie de contrôle pré-

sentée dans ce travail propose d’effectuer une prévision déterministe de la vitesse des
corps contrôlés en utilisant uniquement l’information disponible sur les machines houlo-
motrices de la ferme. Cette approche permet d’appliquer un contrôle sous-optimal aux
machines de la ferme sans ajouter de coûts d’installation et de maintenance. Il s’agit
alors de mesurer la vitesse du corps de la ferme situé le plus en amont par rapport au
sens de propagation de la houle, et de propager cette information plus rapidement que
les vagues elles-mêmes afin d’obtenir la prévision de la vitesse des corps contrôlés en aval.
La méthode repose sur l’établissement des fonctions de transfert reliant les vitesses des
3.1 Méthode de contrôle collaboratif 67

corps de la ferme en régime (sous)-optimal (section 3.1.6) et l’exploitation du retard de

leurs réponses impulsionnelles (section 3.1.7). Il est alors possible d’obtenir une forme
pseudo causale du contrôleur, et ainsi d’appliquer le contrôleur sous-optimal (section
3.1.8).

Sous l’effet du contrôleur optimal, la dynamique de la machine houlomotrice devient

extrême. L’amplitude du mouvement du corps et la force du PTO deviennent déraison-
nables pour une application réelle, il est alors nécessaire de contraindre cette dynamique
tout en maximisant la récupération d’énergie. Afin de contraindre ces amplitudes, il est
ici proposé d’appliquer un fenêtrage à l’impédance du contrôleur (section 3.1.5). Une
étude de sensibilité est ensuite conduite, dans le but de définir le domaine de stabi-
lité du contrôleur (section 3.2.3) et d’analyser l’évolution des paramètres optimaux du
fenêtrage en fonction de différents paramètres externes à la ferme (section 3.2.5). Finale-
ment, en raffinant l’étude de sensibilité autour des points de fonctionnement optimaux,
des points de fonctionnement réalistes sont identifiés pour maximiser le rendement tout
en conservant une dynamique acceptable des machines contrôlées (3.2.6).

3.1.1 Géométrie utilisée au cours de l’étude

Pour illustrer les propos de la section 3.1, un premier groupe de deux houlomoteurs
cylindriques est utilisé (figure 3.1). Les machines sont identiques et présentent un rayon
R = 5m et un tirant d’eau h = 10m. De plus, leur mouvement est limité au pilonnement
seul afin de faciliter la compréhension du formalisme de la méthode. De par le modèle
linéaire utilisé pour représenter l’hydrodynamique du problème, la profondeur d’eau doit
être considérée comme constante et est choisie ici égale à H = 50m.

Corps I, Amont Corps II, Aval

d
M
x
M = 8.05 · 105 Kg
h R H = 50 m
R = 5m
H
h = 10 m
PTO I PTO II

Figure 3.1 – Représentation de la géométrie de ferme utilisée dans la section 3.1.

68 Théorie et analyse du contrôle collaboratif

Pour ce premier développement à deux corps, la houle est considérée comme monodirec-
tionelle et orientée dans le sens du corps I vers le corps II. Par ailleurs, comme présenté
dans la section 4.6, l’orientation de la houle peut varier, et ne doit pas nécessairement
être en alignement avec les deux machines houlomotrices.

3.1.2 Théorie du contrôle optimal

Le contrôle optimal d’un houlomoteur consiste à appliquer une force de PTO variable
à une génératrice houlomotrice de façon à maximiser la récupération d’énergie. En théo-
rie, cette approche du contrôle permet d’atteindre la limite physique du rendement d’un
houlomoteur [20]. Il est alors proposé qu’un corps flottant oscillant en houle régulière
se comporte comme un oscillateur harmonique avec une période de résonance adaptable
aux conditions de vagues en modifiant les paramètres du PTO. La part théorique maxi-
male de l’énergie de la houle incidente absorbée par un point-absorber axisymétrique à
un degré de liberté est limitée à 50% [53]. Cette frontière infranchissable, comparable à la
limite de Betz pour l’éolien, est communément appelée « limite de Budal ». L’expression
du rendement maximal à partir des solutions du problème de radiation est présentée
dans [29, 68].

3.1.2.1 Expression du contrôle optimal sans contrainte pour un corps isolé

Dans un but didactique, l’expression du contrôle optimal est dans un premier temps
rappelée pour un corps isolé. L’extension à une ferme de machines houlomotrice est pré-
sentée dans la section 3.1.2.2.

Considérant un corps isolé, l’équation du mouvement en domaine fréquentiel s’écrit

comme suit :

Ks
  
B(ω) + jω M + Ma (ω) − V (ω) = Fex (ω) + Fu (ω) (3.1)
ω2
Les termes d’amortissement hydrodynamique B(ω), de masse d’eau ajoutée Ma (ω), de
masse M , et de raideur hydrostatique Ks dépendent de la géométrie du corps flottant et
gouvernent sa dynamique. Ces termes peuvent être regroupés en un terme Zi (ω) appelé
impédance intrinsèque du système.

Zi (ω)V (ω) = Fex (ω) + Fu (ω) (3.2)

3.1 Méthode de contrôle collaboratif 69

Afin de définir l’expression analytique du contrôleur optimal dans le domaine fréquentiel,

il convient en premier lieu de définir la forme de la loi de contrôle du PTO. Dans un
premier temps, un PTO sans limites dynamiques ou de forces est considéré et est exprimé
sous la forme linéaire suivante :

Fu (ω) = −Zu (ω)V (ω) (3.3)

Par définition, le critère de design du contrôleur optimal est de permettre un trans-

fert maximum d’énergie. Ceci correspond à maximiser la puissance absorbée Pu par le
système dans un temps donné. Il est alors nécessaire de maximiser la relation :

1ZT
Pu = − fu (t)v(t)dt (3.4)
T 0
Ce qui revient, dans le domaine fréquentiel, à maximiser l’équation suivante [34] :

1
P¯u (ω) = [Fu (ω)V ∗ (ω) + Fu∗ (ω)V (ω)] (3.5)
4
En substituant la force Fu par l’expression de la loi de commande (3.3) dans l’équation
du mouvement (3.1), il est possible de définir la vitesse du corps et la charge du PTO
en fonction de la force d’excitation et de l’impédance du corps et du contrôleur :

1
V (ω) = Fex (3.6)
Zi (ω) + Zu (ω)

Zu (ω)
Fu (ω) = − Fex (3.7)
Zi (ω) + Zu (ω)

La valeur de l’impédance du contrôleur optimal Zu,opt est obtenue en maximisant la

puissance moyenne P̄u (ω) :

Zu (ω) + Zu∗ (ω) 2

P̄u (ω) = − ∗ |Fex (ω)| (3.8)
4 [Zi (ω) + Zu (ω)] [Zi (ω) + Zu (ω)]

Il est alors nécessaire de calculer la dérivée de la fonction à variable complexe P̄u (ω).
Pour ce faire, l’expression de l’impédance intrinsèque et de l’impédance du contrôleur
sont décomposés en partie réelle et imaginaire :

Zu = a1 + jb1 Zi = a2 + jb2 (3.9)

70 Théorie et analyse du contrôle collaboratif

Il convient ensuite de chercher les racines des équations suivantes :

∂Pu ∂Pu
=0 =0 (3.10)
∂a1 ∂b1
La première équation possède deux racines :
 q q 
a1 = − b22 + 2b1 b2 + b21 + a22 ; b22 + 2b1 b2 + b21 + a22 (3.11)

La deuxième équation possède une racine unique :

b1 = {−b2 } (3.12)

En injectant la racine (3.12) et la deuxième racine de (3.11) dans l’expression de l’im-

pédance du contrôleur Zu , l’expression de l’impédance du contrôleur optimal Z˜u (avec .̃
correspondant à la valeur en régime optimal) devient :

Z˜u = a1 + jb1 =
q
b22 − 2b2 b2 + (−b2 )2 + a22 − jb2 = a2 − jb2 = Zi∗ (3.13)

Afin de vérifier que Z˜u = Zi∗ est bien un maxima et non un point selle, la matrice
hessienne est calculée en injectant les racines choisies :

|Fex |2 |Fex |2
0
     
∂2Pu ∂2Pu
4a32 4ℜ(Zi )3
0
 ∂a21
∂2Pu
∂a1 ∂b1
∂2Pu
 = |Fex |2
 = |Fex |2
 (3.14)
∂b1 ∂a1 ∂2b21 0 4a32
0 4ℜ(Zi )3

Comme la partie réelle de l’impédance du système ℜ(Zi ) est toujours positive, car elle
représente l’amortissement hydrodynamique du système, alors la matrice hessienne est
définie positive et non dégénérée au point Z˜u = Zi∗ . Par conséquent, le point Z˜u = Zi∗
est bien un extrémum local.

P̄u (ω) = max ⇔ Zu (ω) = Z˜u (ω) = Zi∗ (3.15)

La valeur de l’impédance du contrôleur optimal Z˜u (ω) est donc égale au conjugué de
l’impédance intrinsèque Zi du corps flottant. En utilisant l’expression du contrôleur
optimal dans l’expression de la vitesse, la partie réactive de l’impédance s’annule et
l’équation de la vitesse sous l’effet du contrôleur optimal devient :

1
Ṽ (ω) = Fex (ω) (3.16)
2B(ω)
3.1 Méthode de contrôle collaboratif 71

La fonction de transfert H(ω) = FṼex(ω)

(ω)
1
= 2B(ω) est purement réelle, ce qui implique que la
vitesse et la force d’excitation soient en phase. Ceci correspond au critère d’optimalité de
mise en phase. L’amplitude de cette fonction de transfert correspond au second critère,
la condition optimale d’amplitude.

3.1.2.2 Expression du contrôle optimal d’un groupe de N corps

Lorsqu’un groupe de corps flottants est considéré, de nouveaux phénomènes sont à

prendre en compte. Les interactions entre les machines et le champ de vague vont per-
turber la houle incidente sur les machines en aval, ce qui a pour effet de modifier les
coefficients de force d’excitation Fex (ω) par rapport au cas d’une même machine isolée.
De plus, les efforts de radiation de chaque machine impactent toutes les autres machines
du parc. La dynamique d’un corps dans un groupe est donc différente de celle d’un corps
isolé. Les effets de groupe sont d’autant importants que la distance entre les corps est
faible [7]. Lorsque la distance entre les corps devient suffisamment grande et que l’in-
teraction entre les corps devient faible devant la dynamique des corps isolés, il est alors
possible de considérer les machines indépendamment.

Dans le cas du contrôle d’une ferme de génératrice houlomotrice, il est donc nécessaire
de considérer les efforts liés aux effets de groupe. La démonstration du contrôle optimal à
N corps est similaire à celle du corps isolé. L’impédance intrinsèque du système contient
les termes croisés de la radiation qui relient la vitesse d’un corps aux efforts de radiation
générés par ce corps sur les autres corps du groupe. L’équation du mouvement d’un
groupe de machines houlomotrices s’exprime alors tel que :

Zi (ω)V(ω) = Fex (ω) + Fu (ω) (3.17)

Avec une matrice d’impédance Zi (ω) de dimension (N, N ), un vecteur de vitesses V(ω)
de dimension (N, 1), un vecteur de force d’excitation Fex (ω) de dimension (N, 1), et
un vecteur de force de PTO Fu (ω) de dimension (N, 1). Le vecteur de puissance Pu (ω)
s’exprime alors :

1
Pu (ω) = [Fu V∗ + F∗u V] (3.18)
4
Afin d’exprimer la puissance uniquement en fonction de l’impédance du système, de
l’impédance de PTO, et de la force d’excitation, les vecteurs de vitesse V et de force de
72 Théorie et analyse du contrôle collaboratif

PTO Fu sont isolés :

V = (Zi + Zu )−1 Fex (3.19)

Fu = −Zu (Zi + Zu )−1 Fex (3.20)

En substituant les vecteurs de vitesse de force du PTO dans l’équation 3.18, l’expression
de la puissance devient :

1 nh ih i∗ h i∗ h io
Pu = −Zu (Zi + Zu )−1 Fex (Zi + Zu )−1 Fex + −Zu (Zi + Zu )−1 Fex (Zi + Zu )−1 Fex
4
(3.21)
Le produit matriciel étant distributif, il est possible d’écrire :

1 nh i∗ h i∗
−Zu (Zi + Zu )−1 (Zi + Zu )−1 + −Zu (Zi + Zu )−1 (Zi + Zu )−1 |Fex |2
h i o
Pu =
4
(3.22)
Le produit matriciel d’une matrice par sa conjuguée est commutatif ce qui permet d’ob-
tenir :

1 nh i∗ i∗ i
−Zu (Zi + Zu )−1 (Zi + Zu )−1 − Z∗u (Zi + Zu )−1 (Zi + Zu )−1 |Fex |2
h h o
Pu =
4
(3.23)
Finalement, l’expression de la puissance devient :

1 i∗
Pu = − (Zu + Z∗u ) (Zi + Zu )−1 (Zi + Zu )−1 |Fex |2
h
(3.24)
4
Par analogie avec l’équation 3.8, on retrouve l’expression du contrôle optimal pour un
groupe de génératrices houlomotrices :

Z̃u = Z∗i (3.25)

Il est à noter que comme pour l’impédance intrinsèque, la matrice d’impédance du contrô-
leur optimal comporte ici des termes non diagonaux. En effet, les efforts de radiation
des corps sur les autres corps de la ferme sont à prendre en compte dans la stratégie de
contrôle optimal. Le PTO optimal s’exprime donc :

F̃u = −Z∗i V (3.26)

3.1 Méthode de contrôle collaboratif 73

Dans l’exemple d’un groupe de deux houlomoteur n’oscillant qu’en pilonnement, l’ex-
pression de la force du PTO optimal s’écrit :
    
∗ ∗
F̃
 u,I  = − 
Zi,I,I Zi,I,II V
 I 
∗ ∗
(3.27)
F̃u,II Zi,II,I Zi,II,II VII

3.1.3 Contrôleur optimal en domaine temporel

Dans les sections précédentes, l’expression du contrôleur optimal a été donnée dans
le domaine fréquentiel. Si l’expression dans le domaine fréquentiel permet d’analyser
le comportement des machines pour un régime établi, elle ne permet pas d’effectuer le
contrôle en temps réel de ces machines. Pour réaliser effectivement ce type de contrôle,
il est alors nécessaire de revenir dans le domaine temporel. Il s’agit alors d’utiliser la
transformée de Fourier inverse afin d’obtenir la réponse impulsionnelle du contrôleur
(figure 3.2) à partir de son impédance. Soit, de nouveau ici pour le flotteur isolé :

1 Z +∞ ∗
Z (ω)e+iωt dω
n o
h̃u (t) = F −1
Z̄i = (3.28)
2π −∞ i

Figure 3.2 – Réponse impulsionnelle du contrôleur optimal h̃u (t) pour un cylindre
pilonnant isolé.
74 Théorie et analyse du contrôle collaboratif

Cette réponse impulsionnelle forme alors le noyau du produit de convolution du calcul

de la force du PTO dans le domaine temporel :

Z +∞
f˜u (t) = − h̃u (t − τ )vn (τ )dτ (3.29)
−∞

Sous sa forme complète Z̃u (ω) = Zi∗ , l’impédance du contrôleur contient un terme déri-
vateur ZuA (ω), un terme proportionnel ZuV , et un terme intégrateur ZuX (ω) (équation
3.30). Ces composantes correspondent respectivement aux termes proportionnels à l’ac-
célération, la vitesse, et la position du corps flottant .

Ks
 
Z̃u (ω) = Zi∗ (ω) = B(ω) − jω M + Ma (ω) − = ZuA (ω) + ZuV (ω) + ZX (ω) (3.30)
ω2

avec :


ZuA (ω) = −(M + Ma∞ )jω




ZuV (ω) = B(ω) − jω(Ma − Ma∞ ) (3.31)


Z (ω) = − Ks


uX jω

Les réponses impulsionnelles des composantes de Z̃u (ω) sont présentées dans la figure
3.3. La composante ZuA (ω) étant un scalaire proportionnel à la fonction jω, sa réponse
impulsionnelle huA (t) est de la forme d’une dérivée de Dirac. De même, la transformée
de Fourier inverse de la fonction 2/jω est égale à la fonction signe et la composante
ZuX (ω) étant un scalaire proportionnel à la fonction 2/jω, sa réponse impulsionnelle
huX (t) est de la forme de la fonction signe [34]. Le dernier terme huV (t) correspond au
terme conjugué de la radiation.

Lors du passage à la forme temporelle du contrôleur, il est aussi possible de s’affran-

chir des termes dérivateurs et intégrateurs en exprimant respectivement les composantes
ZuA (ω) et ZuX (ω) par rapport à l’accélération et la position du corps. Les termes pro-
portionnels à l’accélération et à la position étant alors constant, le résultat de leurs
transformées de Fourier inverses correspond à un simple produit et non une convolution.
3.1 Méthode de contrôle collaboratif 75

On obtient alors les formes fréquentielles et temporelles suivantes :

F̃u (ω) = −Z̃u (ω)V ω = [M + Ma∞ ] A(ω)−[B(ω) − jω(Ma (ω) − Ma∞ )] V (ω)+[Ks ] X(ω)
(3.32)
Z +∞
f˜u (t) = [M + Ma∞ ] a(t) − huV (t − τ )vn (τ )dτ + [Ks ] x(t) (3.33)
−∞

En utilisant cette formulation, il est nécessaire de connaitre les composantes d’accélé-

ration, de vitesse, et de position. Les convolutions liées aux termes d’accélération et
de position étant remplacées par des produits, il ne reste qu’à effectuer le produit de
convolution du terme correspondant à la conjuguée de la radiation.

Bien que cette formulation puisse être utilisée pour le contrôle de WEC, la forme com-
plète Z̃u = Zi∗ (3.28) est privilégiée dans le développement de la méthode de contrôle
collaboratif présentée dans ce manuscrit.

×108
huA (t) [N ]

−1

−15 −10 −5 0 5 10 15
×104
1
huV (t) [N ]

−1
−15 −10 −5 0 5 10 15
×106
1
huX (t) [N ]

−1
−15 −10 −5 0 5 10 15
T emps [s]

Figure 3.3 – Composantes de la réponse impulsionnelle du contrôleur optimal h̃u (t)

pour un cylindre pilonnant isolé.
76 Théorie et analyse du contrôle collaboratif

La forme complète permet d’appliquer un fenêtrage à l’impédance du contrôleur Z̃u , ce

qui permet de réduire l’amplitude du contrôleur dans certaines bandes de fréquences et
ainsi contraindre la dynamique du corps contrôlé. Cet aspect est détaillé dans la section
3.1.5. Dans la suite de ce travail, les résultats présentés sont obtenus en utilisant l’im-
pédance du contrôleur fenêtrée Zuf (ω). Le fenêtrage utilisé et la réponse impulsionnelle
correspondante huf (t) sont présentés dans la figure 3.4. De par l’ajout du fenêtrage,
l’offset lié à la composante d’intégration est annulée. La réponse impulsionnelle huf (t)
converge alors sur ses deux bords, et il est alors possible d’effectuer le produit de convo-
lution avec un signal d’entrée fini.

×106
109

108
1.0
Z̃u (ω)

107

106
0.5
105
huf (t) [N ]

0 1 2 3 0.0
1.0

0.8
−0.5
Fenêtre

0.6

0.4
−1.0
0.2

0.0
0 1 2 3 −10 0 10
ω [rad/s] T emps [s]

Figure 3.4 – Impédance du contrôleur optimal Z̃u (ω) (en haut à gauche), fenêtre appli-
quée à l’impédance (en bas à gauche), et réponse impulsionnelle huf (t) de l’impédance
du contrôleur fenêtrée Zuf (ω) pour un cylindre isolé.

3.1.4 Non causalité du contrôleur optimal

Dans le cas du contrôleur optimal, le passage au domaine temporel du calcul de la force
du PTO pose le problème de la non-causalité de sa réponse impulsionnelle. En effet, la
3.1 Méthode de contrôle collaboratif 77

réponse impulsionnelle de l’impédance du contrôleur optimal est non nulle pour les temps
négatifs (figure 3.2), ce qui correspond à dire que l’effet du contrôleur a lieu avant sa
cause. La durée pendant laquelle la réponse impulsionnelle est non nulle dans les temps
négatifs est appelée l’horizon non causal, ici notée tnc (figure 3.5). La non-causalité du
contrôleur optimal est due au terme de radiation ZuV (ω) du contrôleur. La conjuguée
d’une fonction de transfert correspond à une inversion temporelle (3.34), donc la réponse
impulsionnelle de la radiation d’un corps flottant étant causale, le terme conjugué de la
radiation du contrôleur devient alors non causal.

Z +∞ Z +∞
h(t) = Zi∗ (ω)e+iωt dω = Zi (ω)eiω(−t) dω (3.34)
−∞ −∞

Pour un groupe de N corps, la prise en compte des interactions hydrodynamiques dans

le contrôleur consiste à adapter le contrôleur aux efforts de la radiation générés par les
corps de la ferme sur le corps contrôlé. Les contributions respectives de chaque corps
sont prises en compte en sommant les produits de convolutions de la force du contrôleur.
Les produits de convolution s’effectuent entre les réponses impulsionnelles du contrôleur
huf,i,j correspondant à l’effort dû au mouvement du corps j sur le corps i, et la vitesse
du corps correspondant. L’expression de la force du contrôleur dans le domaine temporel
devient :

 R +∞
fu,I (t) =− huf,I,n (t − τ )vn (τ )dτ
 PN

 n=1 −∞
..


.
(3.35)
 R +∞
u,N (t) =− huf,N,n (t − τ )vn (τ )dτ
 PN
f

n=1 −∞

avec :

Z +∞
hu,m,n (t) = Zuf,m,n (ω)e+iωt dω (3.36)
−∞

La non-causalité du contrôleur optimal implique de disposer d’une prévision de la vitesse

correspondant à l’horizon non causal afin de pouvoir appliquer le produit de convolution
de la force du PTO (3.29). La méthode de prévision de vitesse développée dans ce travail
propose d’utiliser l’information déjà disponible sur les autres WECS pour assurer une
prévision déterministe au niveau des corps contrôlés. Le développement de la méthode
est présenté dans les sections 3.1.6 et 3.1.7.
78 Théorie et analyse du contrôle collaboratif

Figure 3.5 – Réponses impulsionnelles du contrôleur optimal fenêtré huf,II,II et huf,I,II

pour des machines espacées de 200m et 400m. Les réponses impulsionnelles corres-
pondent au terme direct II, II (en haut) et au terme croisé I, II (en bas) du second
corps du groupe.

L’horizon non causal tnc diffère considérablement entre le terme direct et les termes
croisés du contrôleur. Dans le cas du terme direct, i.e. du contrôle du corps par rapport
à sa propre vitesse, l’horizon non causal ne varie pas en fonction de la distance d entre les
corps, car la non-causalité est liée à la radiation propre du corps. En revanche, dans le cas
des termes croisés, i.e du contrôle des corps par rapport à la radiation des autres corps
du groupe, l’horizon non causal augmente avec la distance entre les corps (figure 3.5). Ce
comportement est lié à l’augmentation du temps de propagation de la radiation entre
les corps concernés. L’augmentation de l’étalement de la réponse impulsionnelle avec
l’augmentation de la distance est due à la variation de vitesse de propagation de la houle
en fonction de sa longueur d’onde. Dans le cadre de la stratégie de contrôle collaboratif
développée ici, la valeur de tnc est déterminée à l’aide d’une étude de sensibilité (section
3.2).
3.1 Méthode de contrôle collaboratif 79

Les réponses impulsionnelles des termes croisés du contrôleur présentant un horizon de

non-causalité considérable, il est difficile de disposer d’une prévision de vitesse pouvant
compenser la non-causalité. Par ailleurs, l’ordre de grandeur de l’amplitude des termes
croisés est très petit devant celui des termes directs principalement dirigés par les termes
de masse et de raideur (figure 3.5). Ils ne représentent qu’une partie infime dans la
réponse impulsionnelle du contrôleur et il est donc possible de les négliger. De plus, les
interactions hydrodynamiques entre les corps sont prises en compte lors de la prévision
de vitesse (section 3.1.6). Par conséquent, les efforts croisés de la radiation sont pris en
compte par les termes directs via le mouvement des corps.

3.1.5 Fenêtrage du contrôleur optimal

Le contrôleur optimal, inscrit dans le cadre de la théorie linéaire, permet la récu-
pération maximale de l’énergie contenue dans les vagues. Cependant, pour atteindre ce
niveau de performance, le contrôleur induit une dynamique très forte des corps contrôlés.
Dans la figure 3.6, la réponse en amplitude (RAO) en pilonnement d’un cylindre isolé
équipé d’un contrôleur optimal est présentée. La RAO correspond à la réponse en am-
plitude d’un corps pour une houle monochromatique d’amplitude unitaire (3.38). Il est
alors observable que l’amplitude minimale du corps est d’environ 4, 5 ce qui représente
déjà une valeur élevée. Mais lorsque l’on s’écarte de ce minima, les valeurs d’amplitude
augmentent de manière significative, si bien qu’elles dépassent la valeur de 100 y com-
pris pour des fréquences pouvant être contenues dans la partie utile du spectre de houle.
Ces fortes valeurs d’amplitudes s’accompagnent alors de vitesses, d’accélérations, et de
forces de PTO non réalistes. Cette dynamique est liée à l’annulation des termes réactifs
de l’impédance nette par le contrôleur optimal, ce qui induit une dynamique extrême
permettant le maintien en résonance de la vitesse du corps avec la force d’excitation.

Dans ces conditions, les hypothèses du modèle potentiel linéaire (présentées dans la sec-
tion 2.1) sont très loin d’être respectées, et l’implémentation d’un tel contrôleur ne peut
correspondre aux contraintes technologiques d’une implémentation in situ. Il est alors
nécessaire de contraindre le contrôleur optimal pour limiter la dynamique des corps
contrôlés, tout en maximisant leurs rendements. La stratégie de contrôle collaboratif
présentée dans la section 3.1, repose sur l’utilisation d’un contrôleur linéaire afin de
pouvoir inverser les composantes de l’équation du mouvement et ainsi obtenir les fonc-
tions de transfert de vitesses reliant les machines de la ferme. La méthode de contrainte
du contrôleur se doit donc de conserver la linéarité du contrôleur.
Pour réaliser la mise en contrainte du contrôleur optimal, il est alors proposé de mettre
80 Théorie et analyse du contrôle collaboratif

107

106

105
RAO [m/m]

104

103

102

101

0.0 0.5 1.0 1.5 2.0 2.5 3.0

ω [rad/s]

Figure 3.6 – RAO en pilonnement d’un cylindre isolé équipé d’un contrôleur optimal
sans fenêtrage.

en place un fenêtrage de l’impédance du contrôleur optimal. Il est choisi d’utiliser un

fenêtrage de type passe-bande pour conserver le comportement du contrôleur aux alen-
tours de la fréquence de résonance, mais limiter son amplitude lorsque la pulsation de
la houle s’en écarte trop et implique une dynamique trop importante. La fenêtre est
choisie comme étant l’amplitude d’un filtre de Butterworth d’ordre 2. Le choix de ce
fenêtrage permet une coupure rapide des petites pulsations et une coupure progressive
des grandes pulsations. De plus, ce type de fenêtre permet de minimiser le déphasage
de l’impédance du contrôleur. Autour de la pulsation de résonance, la condition de mise
en phase du contrôleur optimal est respectée. Par ailleurs, pour les pulsations où l’am-
plitude du contrôleur est trop contrainte, le contrôleur ne peut adapter suffisamment la
dynamique du corps et un déphasage apparait (figure 3.15).

La fenêtre utilisée ici présente une asymétrie permettant de couper de façon plus nette les
basses fréquences et plus progressive les hautes fréquences, ce qui correspond à l’aspect
du spectre de houle. Il est d’ailleurs possible d’augmenter l’ordre de la fenêtre de But-
terworth pour en augmenter les pentes. D’autres formes de fenêtre peuvent être utilisées
pour modifier l’impédance du contrôleur comme la fenêtre de Blackman, de Hamming,
3.1 Méthode de contrôle collaboratif 81

ou de Hann. Par ailleurs, ces fenêtres sont symétriques, et ont présenté des performances
plus faibles dans les études préliminaires.

Il est ensuite nécessaire de déterminer les pulsations de coupure de la fenêtre à appliquer

à l’impédance du contrôleur, qui permettent de le restreindre à un fonctionnement dans
une bande passante cohérente avec celle du corps flottant. Deux paramètres majeurs
permettent de déterminer ces limites : la largeur du spectre de houle, et la RAO du
WEC. L’intersection des deux limites obtenues en fonction de ces critères définit le
fenêtrage du contrôleur.

3.1.5.1 Pulsation de coupure basse fréquence

Comme le montre [62], les ondes présentes dans l’océan recouvrent un spectre très
large. Ces ondes comprennent par exemple les ondes de marée à des fréquences basses
ou encore les ondes de capillarité sur un spectre étalé dans les hautes fréquences (table
3.1, figure 3.7). Cependant, une seule partie de ce spectre vise à être récupérée par les
génératrices houlomotrices ; les ondes gravitaires.

Noms des ondes Bande de fréquences

Onde de capillarité 1 · 101 − ∞
Onde ultragravitaire 1 · 100 − 1 · 101
Onde gravitaire 3 · 10−2 − 1 · 100
Onde infragravitaire 3 · 10−3 − 3 · 10−2
Onde de longue période 1 · 10−5 − 3 · 10−3
Onde de marée 0 − 1 · 10−5

Table 3.1 – Classification des ondes de surface par fréquence [62].

Dans la bande de fréquence des ondes gravitaires, il est possible de caractériser la densité
spectrale de la houle de différentes façons. Ces représentations ont été établies afin de
généraliser les observations d’états de mer réels. Il existe trois représentations majeures
de la densité spectrale : les spectres de Bretschneider et Pierson-Moskowitz permettant
de représenter des états de mer bien établis [18, 75], et le spectre de JONSWAP étant
une extension du spectre de Pierson-Moskowitz qui permet de représenter des états de
mer ayant des fetchs plus réduit [55]. Dans le cadre de ce travail, l’usage du spectre de
Bretschneider est privilégié et s’exprime comme suit, avec Hs la hauteur significative et
fp la fréquence de pic :

5 2 4 5 (− 5 (f /fp )4 )
S(f ) = H f f e 4 (3.37)
16 S p
82 Théorie et analyse du contrôle collaboratif

La largeur du spectre de houle permet alors d’établir un premier critère pour la définition
de la bande passante du fenêtrage de l’impédance du contrôleur optimal. Dans la figure
3.8 sont présentées les pulsations de coupure du spectre de houle d’un cylindre isolé. En
dessous d’une certaine pulsation, l’amplitude du spectre de houle est nulle et n’excite
donc pas les corps flottants. Il est donc possible de réduire l’amplitude du contrôleur en
dessous de cette pulsation sans perte de rendement. Par conséquent, la valeur de cette
pulsation est choisie comme valeur de pulsation de coupure basse du fenêtrage ωLc .

Figure 3.7 – Schéma représentatif de la densité spectrale des différentes ondes de surface
(Wind waves : their generation and propagation on the ocean surface [62]).

3.1.5.2 Pulsation de coupure haute fréquence

La réponse en amplitude (Response Amplitude Operator) d’un système houlomoteur

est la fonction de transfert reliant l’amplitude du corps à l’amplitude de houle incidente.
Dans le cas du pilonnement, cette fonction de transfert pour un corps libre ou sous
l’effet d’un PTO passif se comporte comme un filtre passe-bas d’ordre 2. Pour les basses
fréquences, le corps suit le mouvement de la houle et a alors la même amplitude que
celle-ci. Pour la fréquence de résonance, le corps à une amplitude maximale et supérieure
à celle de la houle. Puis pour les fréquences plus élevées, l’amplitude décroit jusqu’à
s’annuler. Elle est définie par la relation suivante :

X
RAO = = (Znet iω)−1 Fex (3.38)
Ξ
3.1 Méthode de contrôle collaboratif 83

Comme présenté dans la figure 3.8, au-dessus d’une certaine pulsation le corps ne réagit
plus à l’excitation de la houle. Le premier corps en amont, utilisé comme capteur, ne
peut donc pas capter l’information des vagues présentant des pulsations supérieures. Il
est alors possible de définir la pulsation de coupure haute ωHc du fenêtrage comme étant
celle où la RAO s’annule.

3.1.5.3 Intersection

Les deux critères de coupure présentés dans les sections précédentes ont permis de
lier le spectre de houle à un filtre passe-bande et la RAO du corps capteur à un filtre
passe-bas. L’objectif de la stratégie de contrôle est de récupérer l’énergie contenue dans la
bande fréquentielle du spectre de houle, hors il n’est possible d’optimiser la récupération
que lorsque le corps capteur réagit à cette houle dans la limite de son filtre passe-bas.
L’intersection de ces deux filtres donne alors la fenêtre passe-bande d’énergie récupérable
par le système et donc celle où le contrôleur optimal peut fonctionner efficacement (figure
3.8).
Spectre de houle

0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
1
×10
RAO en z

1.0

0.5

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0

1.0
Fenêtre

0.5

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ω [rad/s]

Figure 3.8 – Représentation des pulsations de coupure du spectre de houle pour un

état de mer de Hs = 2m Tp = 7s (en haut), et de la RAO en pilonnement d’un cylindre
isolé (au milieu) pour le choix des pulsations de coupure du fenêtrage (en bas).
84 Théorie et analyse du contrôle collaboratif

En outre, la limite basse du fenêtrage définit le temps minimum de prévision nécessaire

afin de rendre causal le système. En augmentant la pulsation de coupure basse du fe-
nêtrage, le retard de la réponse impulsionnelle de la fonction de transfert des vitesses
augmente et il en va de même pour l’horizon de prévision de la vitesse des corps en aval.
Cette caractéristique du fenêtrage de l’impédance du contrôleur est importante pour
les corps proches, où il est possible de céder une partie du spectre de l’impédance du
contrôle afin d’assurer le fonctionnement de la stratégie de contrôle et ainsi maximiser
la récupération d’énergie.

3.1.5.4 Rendement du contrôleur optimal fenêtré

Dans les paragraphes précédents, il a été possible d’établir les limites du fenêtrage de
l’impédance du contrôleur afin de maximiser la récupération d’énergie tout en limitant
la dynamique des machines. La perte en puissance due à l’application du fenêtrage sur
l’impédance du contrôleur est présentée dans la figure 3.9 dans le cadre d’un cylindre
isolé. La valeur de la puissance absorbée PA (ω) tenant compte du spectre de houle est
évaluée à partir de l’équation 3.41.

V(ω) = [Zi (ω) + Zu (ω)]−1 Hex (ω)a(ω) (3.39)

Fu (ω) = −Zu (ω)V(ω) (3.40)

1
PA (ω) = − ℜ {FV∗ } (3.41)
2
De par le centrage de la fenêtre sur le spectre de houle et la RAO du corps, l’application
du fenêtrage n’engendre dans cet exemple qu’une perte de 6% par rapport au maximum
théorique récupérable. Il est d’ailleurs à noter que la majeure partie de cette énergie est
perdue dans les hautes fréquences. En effet, le spectre de houle étant plus étalé dans les
hautes fréquences, il est plus délicat de pouvoir décaler la fréquence de coupure haute
jusqu’à l’extinction du spectre. De plus, les vagues de haute fréquence véhiculent moins
d’énergie que celles de basse fréquence, et de par l’étalement du spectre leur amplitude
est faible. Il est donc préférable de favoriser la récupération dans la partie basse du
spectre.

De manière générale, le fenêtrage doit être centré sur le spectre de houle pour maximiser
la récupération d’énergie. Cependant, il est aussi important que la fréquence de réso-
nance du corps soit elle aussi centrée sur le spectre de houle pour limiter les efforts du
3.1 Méthode de contrôle collaboratif 85

contrôleur. Il est possible d’imaginer une adaptation de la dynamique intrinsèque des

corps par l’ajout de ballasts variables ou la mise en place d’une raideur supplémentaire.

×103
2.0
Puissance théorique

Fenêtré Pmean =123kW

Optimal Pmean =131kW
1.5

1.0

0.5

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0

10
Différence [%]

0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ω[rad/s]

Figure 3.9 – Impact sur la puissance théorique de la mise en place du fenêtrage sur
l’impédance du contrôleur optimal dans le cas d’un cylindre isolé.

3.1.6 Fonction de transfert des vitesses

Comme présenté dans la section 3.1.4, il est nécessaire de fournir une prévision de
la vitesse au contrôleur afin de calculer la force à appliquer au PTO. La méthode de
prévision de vitesse proposée ici repose sur l’établissement des fonctions de transfert
Hv (ω) reliant les vitesses des différents corps de la ferme. L’avantage de cette approche
est de pouvoir s’affranchir de l’ajout de capteurs de houles supplémentaires comme le
nécessitent certaines méthodes de prévision (1.7). Ici, les états (position, vitesse, accé-
lération) des machines houlomotrices suffisent à fournir une prévision déterministe de
la vitesse des corps contrôlés. En se basant sur le modèle potentiel linéaire, toutes les
machines du parc sont liées dans le modèle mécanique global du parc. Dans le cas d’une
houle monodirectionnelle de direction connue, la mesure des états d’une seule machine
86 Théorie et analyse du contrôle collaboratif

du groupe suffit théoriquement à déterminer la dynamique de toutes les autres. L’ob-

jectif, ici, est de pouvoir déterminer la vitesse des corps en aval à partir de la vitesse
d’un corps en amont par rapport à la direction de propagation de la houle. Dans un
but didactique, les fonctions de transfert sont, dans un premier temps, établies pour un
groupe de corps flottant librement, sans PTO. Dans un second temps, le contrôleur est
ajouté aux fonctions de transfert, et les spécificités liées à l’ajout du contrôleur dans
cette configuration sont présentées.

3.1.6.1 Fonction de transfert sans PTO

Afin d’obtenir les fonctions de transfert des vitesses pour N corps, il est tout d’abord
nécessaire de rappeler l’équation du mouvement dans le domaine fréquentiel, où Hex
correspond au vecteur des coefficients de force d’excitation pour chaque corps et Ξ à
l’élévation de surface libre au point de référence du domaine. Les machines houlomotrices
sont ici considérées sans PTO, la force Fu (ω) est donc nulle pour chacun des corps (3.42).

Zi V = Hex Ξ (3.42)

Pour faire apparaitre la fonction de transfert des vitesses Hv (ω), il est ensuite nécessaire
d’écrire l’équation du mouvement sous sa forme matricielle développée (3.43).
    
Z ··· Zi,I,N V Hex,I
 i,I,I  I 
.. ... ..   .. 

.. 
. .  .  =  . Ξ (3.43)
  

    
Zi,N,I · · · Zi,N,N VN Hex,N

Le signal d’entrée de la fonction de transfert des vitesses est défini comme la vitesse du
corps le plus en amont du sens de propagation de la houle, et sa sortie est définie comme
la vitesse des corps en aval. Dans l’équation du mouvement (3.43), l’entrée du système
est définie comme l’élévation de surface libre Ξ(ω) au point de référence du domaine. La
méthode présentée ici, propose d’intervertir la vitesse du corps en aval (ici le corps I)
avec l’élévation de surface libre. Il est alors requis d’intervertir la colonne de la matrice
Zi correspondant à la vitesse du corps en aval (ici la première colonne) avec la colonne
des coefficients de force d’excitation. L’élévation de surface libre apparait alors comme
une variable intermédiaire et plus comme entrée du système (3.44). La matrice modifiée
comprenant les coefficients de force d’excitation et les impédances des corps en aval est
notée ZM , le vecteur modifié contenant l’élévation de surface libre et la vitesse des corps
en aval est noté VM , et le vecteur contenant les impédances du corps en amont est ici
3.1 Méthode de contrôle collaboratif 87

noté Zi,I .
     
−Hex,I Zi,I,II ··· Zi,I,N Ξ Z
 i,I,I 
.. .. ... .. .. 
   
. . .   VII . 
    
= 
  
  .. VI
    
  . (3.44)
   
   
     
−Hex,N Zi,N,II · · · Zi,N,N VN Zi,N,I
| {z } | {z } | {z }
ZM VM = Zi,I VI

La solution du système linéaire (3.44), pour chaque pulsation ω, fournit l’élévation de

surface libre au point de référence du domaine et la vitesse de tous les corps en aval
en fonction de la vitesse du corps amont. En posant VI = 1, la solution du système
correspond alors au vecteur des fonctions de transfert des vitesses Hv (ω), et contient la
fonction Ξ/VI reliant l’élévation de surface et la vitesse du corps amont, mais aussi les
fonctions Vn /VI reliant les vitesses des corps avals et la vitesse du corps amont. (3.45)
 
Ξ/VI
 

VII /VI 
Hv (ω) = Z−1
M (ω)ZI (ω) = (3.45)
 

.. 
.
 
 
 
VN/VI

L’amplitude et la phase de la fonction de transfert Hv (ω), dans le cas de la géométrie

type (section 3.1.1) avec une distance de séparation d = 100m, sont présentées dans la
figure 3.10. L’amplitude de la fonction de transfert tend vers 1 quand la pulsation ω tend
vers 0. Dans cette situation, la longueur d’onde de la houle tend vers l’infini et il est donc
trivial que les amplitudes des mouvements des corps soient identiques, les corps ayant
des mouvements synchrones. Lorsque la pulsation ω augmente, des oscillations dans la
fonction de transfert commencent à apparaitre. Lorsqu’un corps flottant est inclus dans
un groupe, des effets de groupe apparaissent : les coefficients de force d’excitation Hex (ω)
sont modifiées et les effets de la radiation croisés apparaissent. Les oscillations de la
fonction Hv (ω) sont principalement liées aux oscillations générées par la modification des
coefficients de force d’excitation par les effets de groupe. Pour une pulsation ω donnée,
lorsque le coefficient de force d’excitation Hex (ω) d’un corps est supérieur (ou inférieur)
à celui de l’autre corps, sa vitesse est aussi supérieure (ou respectivement inférieure)
et donc la fonction de transfert des vitesses Hv (ω) est supérieure (ou respectivement
inférieure) à 1. Comme présenté dans la figure 3.11, la position relative des coefficients
de force d’excitation Hex (ω) des deux corps évolue avec l’augmentation de ω, les corps
sont successivement avantagés par les effets de ferme et les valeurs de pulsation où les
88 Théorie et analyse du contrôle collaboratif

coefficients Hex (ω) des deux corps sont égaux correspondent aux pulsations où Hv (ω) =
1. La fonction Hv (ω) peut être obtenue pour des pulsations élevées, mais il est important
de noter que lorsque la RAO des corps tend vers 0, la fonction de transfert devient le
rapport de deux quantités infinitésimales. Dans ces conditions, les erreurs numériques
liées au calcul des coefficients hydrodynamiques peuvent avoir un impact important sur
le résultat. Toutefois, cela n’impacte pas la qualité du contrôle, car le corps capteur ne
peut être excité dans cette bande de fréquence, et ne fournit donc pas d’information.

1.2
|H v | [m.s/(m.s)]

1.0

0.8

0.6
0.0 0.5 ω0 1.0 1.5 2.0 2.5 3.0
0

−25
arg (Hv) [rad]

−50

−75

−100
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ω [rad/s]

Figure 3.10 – Amplitude (en haut) et phase (en bas) de la fonction de transfert Hv (ω),
dans le cas de la géométrie à deux corps (section 3.1.1) avec une distance de séparation
d = 100m.

D’autre part, une singularité est présente dans l’amplitude de Hv (ω) au niveau de la
fréquence de résonance des corps (3.46). Lorsque la pulsation ω atteint la fréquence de
résonance intrinsèque ω0 des corps, l’amplitude des machines est maximale. Les deux
cylindres étant identiques, ils résonnent à la même pulsation lorsqu’ils sont isolés. Ce-
pendant, les effets de groupe sur les machines décalent légèrement leurs fréquences de
résonance au sein du groupe. Le second corps présente une amplitude maximale pour ω0−
et le premier corps pour ω0+ . C’est pour cette raison que l’amplitude de Hv (ω) possède
une forte variation à la pulsation ω0 .
s
k
ω0 = ≈ 0.87rad/s (3.46)
M + Ma (ω0 )
3.1 Méthode de contrôle collaboratif 89

×105 ×105
8 Corps isolé 8 Corps I
Corps II
7 7

6 6
|Hex (ω)| [N/m]

5 5

4 4

3 3

2 2

1 1

0 0

0.0 0.5 1.0 1.5 2.0 2.5 0.0 0.5 1.0 1.5 2.0 2.5
ω [rad/s] ω [rad/s]

Figure 3.11 – Comparaison des coefficients de force d’excitation dans le cas d’un cy-
lindre isolé, et d’un groupe de deux cylindres espacés d’une distance d = 100m.

L’évolution de la phase de la fonction de transfert des vitesses Hv (ω) est liée au temps
de propagation de la houle du premier corps jusqu’au second. Les vagues de grande
longueur d’onde λ se propagent plus vite que celles de petite longueur d’onde. Le temps
de propagation est défini par la vitesse de phase Vϕ de la houle (3.48), elle-même liée à
la relation de dispersion (3.47). Lorsque la pulsation ω tend vers 0, la longueur d’onde λ
tend vers l’infini et la vitesse de phase atteint son maximum. Par conséquent, la phase
de la fonction de transfert Hv (ω) tend alors vers 0. Quand la pulsation ω augmente, la
vitesse de phase diminue et entraine l’augmentation du retard de phase (figure 3.10).
q
ω(k) = gk tanh(kh) (3.47)

ω(k) g
r
Vϕ (ω) = = tanh(kh) (3.48)
k k
90 Théorie et analyse du contrôle collaboratif

Il existe par ailleurs un débat dans la communauté scientifique concernant le choix de la

vitesse de propagation concernant la détermination de l’horizon de prédiction. Certaines
publications comme [71] proposent d’utiliser la vitesse de phase, et d’autres comme
[76, 86] privilégient la vitesse de groupe. Dans la configuration présentée dans la figure
3.10, il est possible de calculer la vitesse de propagation à partir du retard de phase de
la fonction de transfert Hv (ω). La vitesse de propagation ainsi obtenue est comparée à
la vitesse de phase dans la figure 3.12. Il apparait alors que la vitesse de propagation
correspond à la vitesse de phase sur l’ensemble du spectre observé. Par conséquent, la
vitesse de phase est à l’origine du temps de propagation de la vitesse du corps en amont
jusqu’au corps en aval dans le cas de la stratégie de contrôle collaboratif. Toutefois, de
légères variations apparaissent autour de la fréquence de résonance du corps, où les effets
de ferme se font le plus fortement sentir.

22.5 Vitesse de Hv
Vitesse de phase Vϕ

20.0

17.5

15.0
V [m/s]

12.5

10.0

7.5

5.0

2.5
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ω [rad/s]

Figure 3.12 – Comparaison de la vitesse de propagation à partir de Hv (ω), et de la

vitesse de phase Vϕ pour un groupe de deux cylindres espacés de d = 100m.

L’évolution de la fonction de transfert Hv (ω), en fonction de la distance de séparation d

entre les corps, est présentée dans la figure 3.13. Concernant l’amplitude de la fonction
de transfert, plus la distance entre les corps augmente, plus l’amplitude des oscillations
et de la singularité diminue. Cette évolution est due à la diminution de l’amplitude des
effets de groupe avec l’augmentation de la distance.
3.1 Méthode de contrôle collaboratif 91

|Hv |(ω)
1.5
d = 100m

1.0

0.5
0.0 0.5 1.0 1.5 2.0 2.5 3.0
1.5
d = 200m

1.0

0.5
0.0 0.5 1.0 1.5 2.0 2.5 3.0
1.5
d = 400m

1.0

0.5
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ω [rad/s]

×102
0.0 d = 100m
d = 200m
d = 400m
−0.5

−1.0
arg[Hv (ω)] [rad]

−1.5

−2.0

−2.5

−3.0

−3.5

−4.0

0.0 0.5 1.0 1.5 2.0 2.5 3.0

ω [rad/s]

Figure 3.13 – Évolution de l’amplitude (en haut) et de la phase (en bas) de la fonction
de transfert Hv (ω) en fonction de la distance de séparation d entre les corps.
92 Théorie et analyse du contrôle collaboratif

De plus, l’augmentation de la distance entraine une augmentation du nombre d’oscil-

lations de la fonction de transfert, ce qui nécessite une discrétisation fréquentielle plus
fine. La longueur de la réponse impulsionnelle associée à la fonction de transfert aug-
mente avec l’augmentation des oscillations et donc de la discrétisation fréquentielle de
la fonction de transfert (section 4.1). Ce résultat est confirmé par l’augmentation du
retard de la phase, qui traduit une augmentation de temps de propagation de la houle
avec l’augmentation de la distance de séparation.

3.1.6.2 Fonction de transfert avec contrôleur optimal

Le développement de la fonction de transfert des vitesses à N corps avec contrôleur

optimal est similaire à celui de la fonction de transfert sans PTO (section 3.1.6.1), mais il
est nécessaire de redéfinir convenablement la matrice d’impédance du contrôleur Zu (ω)
lors de l’ajout de la force de PTO dans l’équation du mouvement (3.49). En effet, la
méthode de prévision de vitesse développée ici, permet de résoudre la non-causalité des
corps contrôlés en aval du corps capteur. Or, le premier corps en amont ne pouvant béné-
ficier de la prévision de vitesse ne peut être contrôlé de la sorte. Dans un but didactique,
il est ici choisi de lui appliquer un PTO passif de la forme Fu (t) = −BP T O V (t) afin de
démontrer que le corps capteur peut aussi être récupérateur. En choisissant BP T O = 0,
on retombe sur un corps flottant libre comme présenté dans la section précédente. Il est
toutefois à noter qu’il est aussi possible de lui appliquer un autre type de contrôleur
pour maximiser son rendement, e.g. un contrôle phase amplitude causal ou encore un
contrôleur optimal avec une méthode de prévision autorégressive (section 1.7). Toutefois,
la non-optimalité du corps capteur est peu pénalisante lorsque le nombre de machines
dans la ferme est élevé, et l’intérêt de la méthode réside dans le fait de pouvoir changer
de corps capteur au fil du temps pour s’adapter aux changements d’orientation de la
houle.

Avec la prise en compte du PTO passif, le terme d’impédance du premier corps est
alors égal au terme constant d’amortissement BP T O . De plus, comme présentée dans la
section (3.1.4), les termes croisés du contrôleur optimal présentent un horizon de non-
causalité tnc très long et leur impact sur le contrôleur est minime car ils sont inférieurs de
plusieurs ordres de grandeur au terme principal, si bien qu’il est possible de les négliger.
Dans un premier temps, le contrôleur optimal sans fenêtrage Z̃u (ω) = Z̄i (ω) est utilisé
pour la démonstration. La nouvelle matrice d’impédance du contrôleur dans le cadre
de la stratégie de contrôle collaboratif est alors notée Zuc (ω) et prend alors la forme de
3.1 Méthode de contrôle collaboratif 93

l’équation 3.50.

Zi V = Hex Ξ − Zuc V (3.49)

0 0
 
BP T O ···

.. .. 

0 ∗
Zi,II,II . .

Zuc (ω) = (3.50)
 
.. ... ...
 
. 0
 
 
 
0 ··· 0 ∗
Zi,N,N

Il est alors possible de récrire l’équation du mouvement sous sa forme développée et de

regrouper les impédances intrinsèques et celles du contrôleur sous la forme d’une matrice
d’impédance nette notée Znet (ω) (3.51, 3.52).

    
Z ··· Znet,I,N V Hex,I
 net,I,I  I
.. ... ..   ..
 
.. 
. .  . = . Ξ (3.51)
   

    
Znet,N,I · · · Znet,N,N VN Hex,N

0 0
   
Zi,I,I · · · · · · Zi,I,N BP T O ···
 .. .. ..  
... .. 

. . .
 
0 ∗
Zi,II,II .

Znet = + (3.52)
   
.. .. .. .. .. ..
 
. . . . . . 0
   
   
   
Zi,N,I · · · · · · Zi,N,N 0 ··· 0 ∗
Zi,N,N

De la même manière que dans la section 3.1.6.1, la colonne de la matrice d’impédance

nette Znet (ω) correspondant à la vitesse du corps capteur est permutée avec le vecteur
des coefficients de force d’excitation Hex (ω) et la solution du système obtenu (3.53)
donne le vecteur des fonctions de transfert des vitesses Hv (ω) (3.54).

     
−Hex,I Znet,I,II ··· Znet,I,N Ξ Z
 i,I,I 
.. .. ... .. .. 
   
. . .   VII . 
    
= 
  
  .. VI
    
  . (3.53)
   
   
     
−Hex,N Znet,N,II · · · Znet,N,N VN Zi,N,I
| {z } | {z } | {z }
ZM VM = Zi,I VI
94 Théorie et analyse du contrôle collaboratif

 
Ξ/VI
 

VII /VI 
Hv (ω) = Z−1
M (ω)ZI (ω) = (3.54)
 

.. 
.
 
 
 
VN/VI

107

106

105

104
|H v |(ω)

103

102

101

100

0.0 0.5 ω0 1.0 1.5 2.0 2.5

ω [rad/s]

Figure 3.14 – Amplitude de la fonction de transfert des vitesses Hv (ω) avec contrôleur
optimal, pour un groupe de deux cylindres avec une distance de séparation d = 200m.

L’amplitude de la fonction de transfert Hv (ω) ainsi obtenue, est présentée dans la figure
(3.14). Dans cette configuration, le premier corps possède un PTO passif et le second
possède un contrôleur optimal. L’amplitude présente un minimum à la pulsation de réso-
nance intrinsèque du corps ω0 . À cette fréquence, l’amplitude du premier corps (capteur)
présente son amplitude maximale et le second corps (contrôlé) est proche de son am-
plitude minimale (figure 3.6). Autour de la fréquence de résonance, l’amplitude de la
fonction de transfert croit très rapidement et atteint des valeurs déraisonnables y com-
pris pour les fréquences comprises dans la bande passante de la RAO du corps capteur.
3.1 Méthode de contrôle collaboratif 95

Ce phénomène est lié à la dynamique extrême d’un corps équipé d’un contrôleur optimal
(figure 3.6). Comme présenté dans la section 3.1.5, la stratégie de contrôle collaboratif
développée ici propose d’appliquer un filtre sur l’impédance du contrôleur Zu (ω) dans
le but de contraindre la dynamique du corps contrôlé.

Avec l’ajout du fenêtrage, la matrice d’impédance modifiée du contrôleur collaboratif

Zuc (ω) contient alors les impédances du contrôleur optimal fenêtré Zuf (ω) (3.55).

 
BP T O 0 ··· 0

.. .. 
0 Zuf,II,II . .
 
 
Zuc (ω) = 
 .. .. ..

 (3.55)

 . . . 0 

0 ··· 0 Zi,N,N

Zu
30
Zu f
|H v |(ω)

20

10

0
0.0 0.5 ω0 1.0 1.5 2.0 2.5

0
Zu
arg[H v (ω)] [rad]

Zu f
−50

−100

−150

−200
0.0 0.5 ω0 1.0 1.5 2.0 2.5
ω [rad/s]

Figure 3.15 – Comparaison de l’amplitude (en haut) et de la phase (en bas) de la

fonction de transfert des vitesses Hv (ω), avec contrôleur optimal Z̃u (ω) et contrôleur
optimal fenêtré Zuf (ω), pour un groupe de deux cylindres avec une distance de séparation
d = 200m.
96 Théorie et analyse du contrôle collaboratif

Les modifications apportées par l’ajout du fenêtrage sur l’amplitude et la phase de la

fonction de transfert des vitesses Hv (ω) sont présentées dans la figure 3.15. L’amplitude
de la fonction de transfert n’est pas modifiée pour les fréquences situées autour de la
pulsation de résonance ω0 . Par ailleurs, lorsque l’amplitude de la fonction de transfert
sans fenêtrage atteint des valeurs élevées, l’amplitude de la fonction de transfert avec
fenêtrage diminue jusqu’à tendre vers 0. Cela permet de conserver les conditions d’opti-
malité autour de la pulsation de résonance tout en conservant une dynamique réaliste.

De la même façon, la phase des deux fonctions de transfert coïncide parfaitement autour
de la pulsation de résonance, puis lorsque l’on s’en écarte, un déphasage apparait dans
la fonction de transfert avec fenêtrage. La dégradation du contrôleur avec l’ajout du
fenêtrage ne permet plus d’atteindre les amplitudes et vitesses suffisantes pour respecter
la condition de phase du contrôleur optimal. Toutefois, comme présenté dans la section
3.1.5, le fenêtrage étant centré notamment sur le spectre de houle qui défini la fenêtre
utile de l’étude, la diminution de la performance globale du contrôleur est faible.

3.1.7 Prévision de la vitesse

À partir des fonctions de transfert Hv (ω) obtenues dans la section précédente, il
est possible de calculer les réponses impulsionnelles correspondantes hv (t) en utilisant
la transformée inverse de Fourier. La réponse impulsionnelle hv (t) correspond à l’ob-
servation de la vitesse du corps II (en aval) lorsque le premier corps (en amont) subit
une distribution de Dirac de vitesse. L’excitation du premier corps par un Dirac revient
à dire qu’il est excité de manière uniforme sur l’ensemble des fréquences considérées.
Le mouvement du corps étant relié à celui de la houle incidente, cela correspond à la
présence de l’ensemble des vagues de même fréquence à l’instant t = 0s au niveau du
premier corps. Ces vagues se propagent ensuite jusqu’au second corps avec les vitesses
de phases correspondantes (3.48).

Les réponses impulsionnelles des fonctions de transfert, sans force de PTO, sont pré-
sentées dans la figure 3.16. Dans cette configuration, les deux corps ont une dynamique
similaire. La vitesse du corps II est caractérisée par de longues périodes en début de
réponse, puis une diminution de la longueur des périodes, jusqu’à la quasi-extinction de
la réponse impulsionnelle. En effet, les vagues de plus longue longueur d’onde atteignent
le second corps en premier, puis les vagues les plus courtes arrivent successivement.
Lorsque les fréquences sont supérieures à la fréquence de coupure de la RAO des cy-
lindres, les corps ne sont plus excités par la houle incidente et il n’y a donc plus de
3.1 Méthode de contrôle collaboratif 97

mouvement. Avec l’augmentation de la distance de séparation d entre les corps, vient

une augmentation du temps de propagation, ce qui explique l’étalement de la réponse
impulsionnelle avec quand la distance augmente. La période des oscillations de la réponse
impulsionnelle augmente, et l’amplitude diminue, car l’énergie est répartie sur période
plus conséquente. De plus, l’augmentation de la distance de séparation fait apparaitre un
retard de la réponse impulsionnelle, noté tr . Ce retard est dû au temps de propagation
de la vague la plus longue (et donc la plus rapide).

h v (t)
0.1
d = 200m

0.0

−0.1
0 25 50 75 100 125 150 175 200
0.1
d = 400m

0.0

−0.1
0 tr 25 50 75 100 125 150 175 200
0.1
d = 600m

0.0

−0.1
0 tr 25 50 75 100 125 150 175 200
Temps [s]

Figure 3.16 – Réponses impulsionnelles de la fonction de transfert des vitesses hv (t),

pour un groupe de deux cylindres sans force de PTO, séparés d’une distance d = 200m,
d = 400m, et d = 600m.

A ce stade, il est possible de connaître la vitesse du corps aval en fonction de la vitesse du

corps amont au même instant. Pour se faire, il est alors nécessaire d’effectuer le produit
de convolution de la réponse impulsionnelle hv (t) avec la vitesse du corps amont (3.56).
Z +∞
vn (t) = hv,n (t − τ )vI (τ )dτ (3.56)
−∞
98 Théorie et analyse du contrôle collaboratif

La méthode de contrôle collaboratif développée ici propose d’utiliser une prévision des
vitesses des corps contrôlés. En exploitant le retard de la réponse impulsionnelle tr , il
est alors possible d’introduire un changement de variable et ainsi de décaler la réponse
impulsionnelle vers les temps négatifs. Le décalage temporel de la réponse impulsionnelle
permet alors de calculer la valeur de vitesse des corps en aval à un temps t différent de
celui de la mesure de la vitesse du premier corps, et ainsi de produire une prévision de
la vitesse du corps aval (3.57). Le décalage de la réponse impulsionnelle est décrit dans
la figure (3.17).
Z +∞
vn (t + tprev ) = hv,n (t + tprev − τ )vI (τ )dτ (3.57)
−∞

tprev
×10−2

2
h v (t)

−2

−4

0 10 20 30 40 50 60
Temps [s]

Figure 3.17 – Décalage vers la gauche, de la réponse impulsionnelle hv (t) d’un temps
de prévision tprev , pour un groupe de deux cylindres sans force de PTO, séparés d’une
distance d = 600m.

Le temps de prévision est noté tprev , et est choisi en première approximation égal au
retard tr . Ce choix permet de conserver la causalité de la réponse impulsionnelle hv (t),
3.1 Méthode de contrôle collaboratif 99

et de s’assurer de la prévision de l’intégralité du spectre des fréquences, car les réponses

en vitesse de toutes les fréquences sont situées après le temps de retard. Dans la section
3.2, une analyse de sensibilité est utilisée pour optimiser le temps de prévision.

hv (t)
d = 200m

−1

0 25 50 75 100 125 150 175 200

d = 400m

−1

0 25 50 75 100 125 150 175 200

d = 600m

−1

0 25 50 75 100 125 150 175 200

T emps [s]

Figure 3.18 – Réponses impulsionnelles de la fonction de transfert des vitesses hv (t),

pour un groupe de deux cylindres avec contrôleur optimal fenêtré, séparés d’une distance
d = 200m, d = 400m, et d = 600m, où le premier corps est laissé libre et le second est
contrôlé.

Lorsque le contrôleur optimal fenêtré est ajouté à la fonction de transfert des vitesses,
la réponse impulsionnelle est elle aussi impactée (figure 3.18). La réponse impulsionnelle
présente un comportement similaire concernant l’évolution de la période des oscillations,
cependant deux paquets d’ondes se distinguent dans la réponse et l’amplitude de la ré-
ponse augmente avec l’ajout du contrôleur.

L’augmentation de l’amplitude est due à la forte dynamique induite par le contrôleur

pour satisfaire la condition de phase du contrôleur optimal. Les paquets d’ondes, quant
100 Théorie et analyse du contrôle collaboratif

à eux, correspondent aux deux lobes de l’impédance du contrôleur optimal fenêtré Zuf
(3.15). Le premier paquet est caractérisé par de longues périodes et correspond à l’adap-
tation de la vitesse du corps par le contrôleur pour les pulsations inférieures à la pulsation
de résonance intrinsèque ω0 des corps. Le deuxième paquet est caractérisé par des pé-
riodes plus courtes et correspond à l’adaptation pour les pulsations supérieures à la
pulsation de résonance.

De manière générale, la réponse impulsionnelle hv (t) est plus courte sur ces deux bords
avec l’ajout du contrôleur fenêtré. Cet effet permet une augmentation du retard tr de
la réponse impulsionnelle, et est dû à l’ajout du fenêtrage de type passe-bande, qui
permet de réduire la dynamique des basses et des hautes fréquences. Finalement, comme
présentée dans la section 3.2, la fréquence de coupure basse du fenêtrage peut être ajustée
pour permettre l’application de la méthode de contrôle collaboratif à un groupe de corps
proches. En complément d’information, le lecteur peut se référer aux travaux de thèse
d’Elise Blondel [14], sur la détermination du domaine de prévision accessible.

3.1.8 Forme pseudo causale du contrôleur

L’établissement de la fonction de transfert des vitesses Hv (ω) (section 3.1.6) et le
décalage de la réponse impulsionnelle hv (t) (section 3.1.7) correspondante, ont permis
d’obtenir une prévision quasi-déterministe de la vitesse des corps en aval du groupe de
houlomoteurs. La prévision de vitesse rend alors possible l’utilisation du contrôleur op-
timal de façon à maximiser le rendement du contrôleur.

La stratégie de contrôle collaboratif a par ailleurs introduit plusieurs modifications à

la matrice d’impédance du contrôleur optimal : le premier corps du groupe s’est vu
attribuer un PTO passif, les termes croisés du contrôleur ont été négligés, et un fenêtrage
a été appliqué à l’impédance du contrôleur optimal pour adapter sa dynamique (section
3.1.6.2). Compte tenu de ces modifications, le calcul de la force de PTO fu (t) dans le
domaine temporel prend la forme suivante (3.58) :
 R +∞


 fu,II (t) =− −∞ huc,II,II (t − τ )vII (τ )dτ
..


 . (3.58)
 R +∞
u,N (t) =− huc,N,N (t − τ )vN (τ )dτ

f

−∞

Pour obtenir une forme pseudo causale du contrôleur, il est alors nécessaire d’effectuer
un décalage temporel vers la droite de la réponse impulsionnelle huc (t) de l’impédance
3.1 Méthode de contrôle collaboratif 101

du contrôleur (3.59). Ce qui est rendu possible par la prévision de vitesse obtenue précé-
demment. Le décalage de la réponse impulsionnelle est présenté dans la figure 3.19. Le
calcul de la force de PTO fu (t) avec le contrôleur collaboratif pseudo causal s’écrit alors
tel que :
 R +∞


fu,II (t) =− −∞ huc,II,II (t − tprev − τ )vII (τ + tprev )dτ
..


(3.59)
.
 R +∞
u,N (t) =− huc,N,N (t − tprev − τ )vN (τ + tprev )dτ

f

−∞

tprev
6
×10

1.0

0.5
h uf (t) [N ]

0.0

−0.5

−1.0

−15 −10 −5 0 5 10 15 20 25
Temps [s]

Figure 3.19 – Décalage vers la droite, de la réponse impulsionnelle hv (t) d’un temps de
prévision tprev , pour un groupe de deux cylindres avec contrôleur collaboratif Zuc (ω).

La stratégie de contrôle ainsi développée permet donc d’appliquer un contrôle suboptimal

basé sur le contrôleur optimal. La prévision déterministe de la vitesse des corps permet-
tant de rendre causal le contrôleur tient compte des interactions hydrodynamiques de
la ferme, et le contrôleur est modifié afin d’en maîtriser sa dynamique. Dans la section
102 Théorie et analyse du contrôle collaboratif

3.2, la sensibilité du contrôleur à différents facteurs est étudiée, et sa performance est

évaluée dans différentes conditions de mer et configurations de ferme.

3.1.9 Premières vérifications

Une première étape de vérification est présentée ici pour apprécier les apports de la
stratégie de contrôle sur la récupération d’énergie et la dynamique des corps contrôlés.
La dynamique et la récupération d’énergie d’un groupe de deux cylindres pilonnants
équipés d’un PTO passif sont comparées à celles du même groupe de cylindre soumis à
la stratégie de contrôle collaboratif. La géométrie de ferme utilisée est identique à celle
présentée dans la section 3.1.1 avec une distance de séparation d = 600 m. Dans le cas
de l’utilisation de PTO passif les deux corps sont soumis à un PTO d’amortissement
BP T O = 1, 5 · 105 N.s/m, et dans le cas du contrôle collaboratif le premier corps est
soumis à un PTO passif de même amortissement et le second est soumis à la stratégie
de contrôle.

Les simulations sont effectuées en domaine temporel avec un intégrateur numérique

RK4 à pas fixe, en utilisant une discrétisation temporelle dt = 0, 02 s et une discréti-
sation fréquentielle des coefficients hydrodynamique dω = 6, 15 · 10−3 rad/s. La fenêtre
de Butterworth d’ordre 2 est appliquée à l’impédance du contrôleur avec les valeurs de
coupure basse et coupure haute suivantes : ωLc = 0, 2 rad/s et ωHc = 3, 0 rad/s. Le
comportement des corps est évalué dans une houle irrégulière de hauteur significative
Hs = 2 m, de période de pic Tp = 9 s, en utilisant un spectre de Bretschneider (section
3.1.5.1).

Les résultats de vitesse du premier corps VI et du second VII sont présentés dans la
figure 3.20 pour les deux configurations de contrôle. Dans la configuration où les deux
corps sont équipés d’un PTO passif, la vitesse des deux corps présente une dynamique
similaire avec des vitesses maximales de l’ordre de 1 m/s. Avec l’ajout de la stratégie de
contrôle collaboratif, la vitesse du second corps est considérablement accrue et présente
des valeurs maximales autour de 10 m/s. De plus, la phase du signal de vitesse est
modifiée pour suivre à chaque instant celle de la force d’excitation. Sous l’effet de la
stratégie de contrôle, le premier corps utilisé comme capteur présente une dynamique
quasi identique à celle de la configuration sans contrôle. Les légères variations du signal
de vitesse sont dues aux effets de la radiation du second corps sur le premier.
3.1 Méthode de contrôle collaboratif 103

Passif
1 Contrôle collaboratif
VI [m/s]
0

−1

1100 1125 1150 1175 1200 1225 1250 1275 1300

10 Passif
Contrôle collaboratif
5
VII [m/s]

−5

−10

1100 1125 1150 1175 1200 1225 1250 1275 1300

Temps [s]
Figure 3.20 – Comparaison de la vitesse d’un groupe de deux cylindres pilonnants
séparés d’une distance d = 600 m équipés d’un PTO passif et du même groupe soumis
à la stratégie de contrôle collaboratif où le premier corps est équipé d’un PTO passif.

×108
Passif
1.00 Contrôle collaboratif
0.75
EI [J]

0.50

0.25

0.00
0 500 1000 1500 2000 2500 3000 3500
×109
1.0
Passif
0.8 Contrôle collaboratif
0.6
EII [J]

0.4

0.2

0.0

0 500 1000 1500 2000 2500 3000 3500

Temps [s]
Figure 3.21 – Comparaison de l’énergie récupérée par un groupe de deux corps équipés
d’un PTO passif et par le même groupe soumis à la stratégie de contrôle collaboratif où
le premier corps est équipé d’un PTO passif.
104 Théorie et analyse du contrôle collaboratif

Les résultats de récupération d’énergie, notée E, sont présentés sur la figure 3.21. Dans
le cas de la configuration sans contrôleur, la récupération d’énergie est similaire pour les
deux corps, et est environ égale à 1, 2 · 108 J en une heure. Avec l’ajout de la stratégie
de contrôle collaboratif, la récupération d’énergie du corps capteur (corps I) est inchan-
gée, mais celle du corps contrôlé est nettement plus importante avec 9, 7 · 108 J en une
heure. De plus, l’aspect réactif de ce type de contrôleur est notable avec la présence de
variations positives et négatives dans le signal de puissance.

Les premiers résultats de vérification présentés ici montrent une nette augmentation de
la récupération d’énergie lors de l’application de la stratégie de contrôle, et la possibilité
d’utiliser le corps capteur comme récupérateur d’énergie. Dans la section 3.2, le com-
portement du contrôleur est évalué dans différentes configurations de ferme et d’état de
mer, afin de fournir les paramètres permettant de maximiser la récupération. À partir
de ces résultats, une analyse des résultats numériques permettant une vérification plus
fine de la stratégie de contrôle est présentée dans le chapitre 4.

3.1.10 Remarques sur la discrétisation des coefficients hydro-

dynamiques
Le choix de la discrétisation fréquentielle des coefficients hydrodynamiques influence
la qualité du contrôle. Il est donc crucial de définir les paramètres de discrétisation
permettant de caractériser correctement le système physique et ainsi assurer le bon
fonctionnement de la méthode de contrôle. Les deux paramètres à définir sont le pas de
fréquence dω et la largeur de bande ωL . De par la dualité temps-fréquence, ces paramètres
sont liés à leurs pendants temporels par les relations suivantes :

π π
dt = tL = (3.60)
ωL dω
Les coefficients hydrodynamiques utilisés ici sont calculés jusqu’à la pulsation ωL =
3.14 rad/s. Au-delà de cette pulsation, la dynamique du corps flottant est considérée
comme nulle, ce qui est conforme à la physique de l’interaction vagues/flotteurs dans
l’Océan. Il n’est donc pas nécessaire de prendre en compte les pulsations supérieures,
toutefois, il est possible d’extrapoler les résultats fréquentiels afin de lisser les réponses
impulsionnelles obtenues à partir de ces résultats. Pour obtenir les coefficients hydrody-
namiques à des fréquences supérieures à ωL = 3.14 rad/s, il est souvent délicat d’utiliser
les méthodes de calculs conventionnelles (BEM, semi-analytique) car les erreurs numé-
riques peuvent devenir non négligeables. Les coefficients hydrodynamiques peuvent être
3.2 Étude de sensibilité 105

extrapolés pour des pulsations plus élevées, ce qui permet l’obtention de réponses im-
pulsionnelles lisses et donc plus compréhensibles pour l’analyse des résultats. Comme les
coefficients hydrodynamiques ont déjà convergé à ωL = 3.14 rad/s et que la RAO du sys-
tème est nulle à partir de cette pulsation, on ne rajoute pas d’information physique lors
de l’extrapolation des coefficients hydrodynamiques. L’extrapolation n’influence donc
pas la qualité du contrôle, mais uniquement la qualité des réponses impulsionnelles. Une
étude de convergence en fonction de l’extrapolation des résultats fréquentiels est présen-
tée dans la section 4.1.

Lors du calcul des fonctions de transfert de vitesse (section 3.1.6), les fonctions de trans-
fert obtenues présentent des variations fortes et rapides. Dans le domaine temporel, cela
se traduit par une réponse impulsionnelle longue. Il est alors nécessaire de choisir une
discrétisation fréquentielle fine pour capturer le comportement physique de la fonction
de transfert de vitesse. La discrétisation doit être d’autant plus fine que la distance
entre les corps augmente, car le temps de propagation des vagues du corps capteur au
corps contrôlé augmente. Cette augmentation du temps de propagation est aussi percep-
tible dans l’augmentation de la longueur de la réponse impulsionnelle de la fonction de
transfert des vitesses. Afin de s’assurer d’une discrétisation fréquentielle suffisante pour
l’ensemble des cas d’étude, il est choisi de pouvoir calculer des réponses impulsionnelles
de tL = 500s soit une discrétisation fréquentielle de dω = 6.28 · 10−3 rad/s. Une étude de
convergence en fonction de la discrétisation fréquentielle est présentée dans la section 4.1.

Par ailleurs pour les simulations longues en houle polychromatique, il convient de s’assu-
rer que le signal de houle calculé n’est pas redondant. Il est alors nécessaire d’utiliser une
discrétisation suffisamment fine du spectre de houle satisfaisant l’équation dω = π/tsim ,
où tsim représente la durée totale de simulation.

3.2 Étude de sensibilité

Une étude de sensibilité est proposée en complément du développement de la stratégie
de contrôle. Cette étude vise principalement à déterminer les paramètres optimaux du
fenêtrage (section 3.2.5), établir le domaine de stabilité du contrôleur (section 3.2.3), et
finalement rechercher des points de fonctionnement réalistes pour lesquels la dynamique
du corps et les échanges énergétiques peuvent correspondre à une implémentation in situ
(section 3.2.6).
106 Théorie et analyse du contrôle collaboratif

3.2.1 Plan d’expérience

La mise en place du fenêtrage appliqué au contrôleur optimal, présentée dans la sec-
tion 3.1.5, a pour but de poser les principes de fonctionnement de la mise en contrainte
développée dans la stratégie de contrôle collaboratif. L’objectif de l’étude de sensibilité
est de confronter la stratégie de contrôle à différentes configurations de fermes et varia-
tions d’états de mer pour affiner l’analyse de son comportement.

Il convient alors de définir un plan d’expérience précisant le cadre de l’étude. En premier

lieu, un jeu de facteurs internes à la méthode de contrôle est identifié. Il s’agit alors de
déterminer les paramètres sur lesquels il est possible d’appliquer des modifications, i.e.
les paramètres non imposés par les facteurs externes à la méthode. Dans ce cadre, les
fréquences de coupure basses ωLc et hautes ωHc du fenêtrage, ainsi que le temps de pré-
vision tprev sont retenues comme facteurs internes. De la même façon, un jeu de facteurs
externes représentant les paramètres imposés au contrôleur est retenu. Ces paramètres
sont la configuration de la ferme, représentée par la distance d de séparation entre les
corps, et l’état de mer représenté par la période de pic Tp . La hauteur significative Hs ,
ne constitue pas un facteur à prendre en compte. En effet, la stratégie de contrôle et
le simulateur étant strictement linéaire les résultats de rendement sont invariants avec
l’amplitude de la houle.

Il est ensuite important d’établir les différents niveaux de chacun de ces facteurs, de façon
à caractériser la méthode sur un domaine suffisamment large et précis. Par ailleurs le
nombre de facteurs correspond au nombre de dimensions de la matrice d’essai et il est
donc crucial de limiter le nombre de niveaux au strict nécessaire pour conserver un
nombre de simulations acceptable. De plus, chaque simulation sera évaluée sur 10 jeux
de phases différents pour lisser les résultats. Dans la configuration de niveaux présentée
dans la table 3.2, le nombre de simulations à effectuer est égal à 21600.

Facteurs Niveaux
Distance [m] 100, 200, 400, 600
Temps de prévision [s] 8, 10, 12, 15, 20, 30
Période de pic [s] 6, 9, 12
Fréquence de coupure basse [rad/s] 0.2, 0.35, 0.5, 0.65, 0.8
Fréquence de coupure haute [rad/s] 1.0, 1.5, 2.0, 2.5, 3.0, 3.5

Table 3.2 – Niveaux des facteurs choisis pour l’étude de sensibilité pour un groupe de
deux cylindres en utilisant la stratégie de contrôle collaboratif.
3.2 Étude de sensibilité 107

La distance entre les corps est échelonnée de 100m à 600m de façon à couvrir la position
de tous les corps d’une ferme composée de nombreuses machines, comme présenté dans
la section 4.7. Les niveaux du temps de prévision sont choisis pour correspondre aux
niveaux des distances de séparation. Finalement, le choix des périodes de pic s’étale de
6s à 12s et les niveaux des fréquences de coupure de fenêtrage sont choisis pour corres-
pondre à ces valeurs d’état de mer.

Chacune des simulations est effectuée dans le domaine temporel avec un temps de si-
mulation tsim = 30 min et une discrétisation temporelle dt = 0.05s. Le calcul de la
radiation est effectué par convolution pour ne pas impacter les résultats d’éventuelles
erreurs liées à l’identification de la radiation (section 2.5), et un intégrateur numérique
de type Runge-Kutta 4 est utilisé. Enfin, un spectre de Bretschneider (3.37) est choisi
pour générer la houle et la hauteur significative Hs est fixée à 2m. Lors de la génération
de la houle, une discrétisation fine dω = 7.7 · 10−4 rad/s des coefficients de force d’exci-
tation est choisie pour éviter la redondance du signal (section 3.1.10). Les configurations
de ferme évaluées dans cette étude correspondent à la configuration présentée dans la
section (3.1.1), i.e. deux cylindres pilonnant alignés avec le sens de propagation de la
houle.

3.2.2 Coefficient d’optimalité

Lors de l’analyse des résultats, plusieurs types de réponses peuvent être étudiés. La pre-
mière analyse s’intéresse à l’énergie récupérée par le contrôleur de façon à caractériser le
rendement de la stratégie de contrôle. La comparaison des puissances moyennes s’avère
insuffisante lorsque plusieurs états de mer et configurations de ferme sont évalués. En
effet, l’énergie contenue dans les vagues varie avec l’état de mer et les effets de ferme
peuvent impacter la répartition de la puissance récupérable sur chaque machine. Il ap-
parait alors nécessaire de normaliser la puissance pour simplifier l’analyse.

La largeur de capture (3.61), représentant le ratio de la puissance absorbée d’un WEC

par la puissance de la houle, constitue un bon indicateur lors de la caractérisation du
rendement d’une génératrice isolée. La démonstration et les informations détaillées sur
cet indicateur sont présentées dans [77]. Cependant, cette normalisation ne tient pas
en compte les effets de ferme dans son dénominateur et il est alors délicat de pouvoir
conclure sur le rendement de chaque machine de la ferme. En effet, comme présenté dans
la section 4.7, sous l’effet du contrôle optimal, la répartition de la puissance théorique
de chaque machine dans une ferme présente de très fortes variations. La normalisation
108 Théorie et analyse du contrôle collaboratif

de la puissance par l’énergie contenue dans la vague n’est alors plus suffisante pour
caractériser le rendement.

PA (ω) ℜ(Zu ) [Z + Zu ]−2 Hex (ω)a(ω)

Cw (ω) = = ρg2 (3.61)
PW (ω) 2kh
h i
4ω
tanh(kh) 1 + sinh(2kh)

Dans le cadre du développement de la stratégie de contrôle collaboratif, il a été choisi

de mettre en place un indicateur adapté à l’évaluation du rendement des machines dans
une ferme. Cet indicateur, appelé coefficient d’optimalité et noté Copt , est défini comme
le ratio de la puissance moyenne mesurée en temporel P̄(t) sur le maximum théorique
du contrôleur optimal en fréquentiel (3.63). La puissance théorique Pth s’obtient en
sommant la puissance absorbée PA (ω) sur toutes les fréquences (3.62).

Pth = PA (ω) = ℜ(Zu ) [Z + Zu ]−2 Hex (ω)a(ω) (3.62)

X

P̄(t)
Copt = 100 (3.63)
Pth
En utilisant cette normalisation de la puissance, les effets de ferme obtenus pour un état
de mer donné sont pris en compte, et il est alors aisé de caractériser le rendement propre
de chaque machine. En outre, la puissance théorique et le coefficient d’optimalité tenant
compte du fenêtrage, respectivement Pthf et Coptf sont obtenus de façon similaire en
remplaçant l’impédance du contrôleur Zu par sa forme fenêtrée Zuf dans le calcul de
Pthf .

3.2.3 Analyse de la stabilité

Dans cette section, le domaine de stabilité du contrôleur collaboratif est établi en
fonction des facteurs présentés dans la table 3.2. Pour plus de clarté, l’ensemble des
résultats est regroupé dans l’annexe C, et une synthèse en est présentée ici. Les résultats
sont représentés sous la forme de matrices de coefficient d’optimalité ayant pour abscisse
la pulsation de coupure haute ωHc 1 et en ordonnée la pulsation de coupure basse ωLc .
Dans le coin inférieur gauche, ωHc est maximal et ωLc est minimal, ce qui correspond à
une fenêtre large. À l’inverse dans le coin supérieur droit, la fenêtre appliquée au contrô-
leur optimal est étroite. De plus, lorsque les paramètres utilisés provoquent l’instabilité
du contrôleur, la puissance obtenue tend vers −∞. Pour ces valeurs, le coefficient d’op-
timalité est alors arbitrairement mis à zéro.
1. décroissance vers la gauche
3.2 Étude de sensibilité 109

t p r e v = 8s t p r e v = 8s t p r e v = 8s t p r e v = 8s
100
0.8
80
ωL c [Rad/s]

0.65

C o p t [%]
60
0.5
40
0.35
20
0.2
0
t p r e v = 10s t p r e v = 10s t p r e v = 10s t p r e v = 10s
100
0.8
80
ωL c [Rad/s]

0.65

C o p t [%]
60
0.5
40
0.35
20
0.2
0
t p r e v = 12s t p r e v = 12s t p r e v = 12s t p r e v = 12s
100
0.8
80
ωL c [Rad/s]

0.65

C o p t [%]
60
0.5
40
0.35
20
0.2
0
t p r e v = 15s t p r e v = 15s t p r e v = 15s t p r e v = 15s
100
0.8
80
ωL c [Rad/s]

0.65

C o p t [%]
60
0.5
40
0.35
20
0.2
0
t p r e v = 20s t p r e v = 20s t p r e v = 20s t p r e v = 20s
100
0.8
80
ωL c [Rad/s]

0.65

C o p t [%]
60
0.5
40
0.35
20
0.2
0
t p r e v = 30s t p r e v = 30s t p r e v = 30s t p r e v = 30s
100
0.8
80
ωL c [Rad/s]

0.65
60 C o p t [%]
0.5
40
0.35
20
0.2
0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
ωH c [Rad/s] ωH c [Rad/s] ωH c [Rad/s] ωH c [Rad/s]

Figure 3.22 – Synthèse des résultats des matrices de coefficient d’optimalité pour un
groupe de deux cylindres et une période de pic Tp = 9s.

Dans la figure 3.22 est présentée la synthèse des résultats de coefficient d’optimalité pour
une période de pic Tp = 9s. Le premier constat issu de cette synthèse est la variation des
plages de stabilité en fonction de la distance de séparation entre les corps. Avec l’augmen-
tation de la distance entre les corps vient une augmentation de la taille du domaine de
stabilité. Pour une distance de séparation d = 100m, seuls quelques points permettent la
stabilité. Or, pour une distance d = 600m, le contrôleur est stable dans presque toutes les
configurations. Ces variations proviennent de l’augmentation du temps de propagation
110 Théorie et analyse du contrôle collaboratif

des vagues entre les corps. Pour permettre un rendement maximal en utilisant la stra-
tégie de contrôle collaboratif, la distance entre les corps doit être suffisamment grande
afin de fournir une prévision de vitesse dans un horizon de prévision tprev permettant
de rendre causale la réponse impulsionnelle du contrôleur optimal. Avec l’analyse de
l’ensemble des résultats (annexe C), il apparait que la distance nécessaire pour atteindre
ces conditions est aussi liée à la période de pic du spectre de houle. Lorsque la période
de pic Tp augmente, l’énergie du spectre de houle est concentrée dans des vagues de
plus longue longueur d’onde λ se propageant plus rapidement. La distance de séparation
d nécessaire pour atteindre les conditions optimales doit alors nécessairement augmenter.

La variation du domaine de stabilité en fonction du temps de prévision tprev est ensuite

étudiée pour une distance de séparation fixée. Dans la synthèse des résultats (figure
3.22), le cas de distance d = 400m est le plus didactique. Pour les temps de prévi-
sions adéquats, i.e. tprev = {10s, 12s, 15s, 20s}, le domaine de stabilité est large. De
plus, l’évolution du coefficient d’optimalité autour du point de fonctionnement maximal
présente un faible gradient. Dans ces configurations, le contrôleur présente une forte
robustesse aux changements extérieurs. Par ailleurs, lorsque le temps de prévision est
trop court, dans cet exemple tprev = 8s, la taille du domaine de stabilité est réduite et
des points d’instabilité apparaissent proches du point du fonctionnement optimal. La
stabilité du système face aux changements extérieurs, ne peut alors plus être assurée.

De plus, le point de fonctionnement optimal présente une pulsation de coupure basse re-
lativement faible. Ce positionnement du fenêtrage implique la prise en compte de vague
de grandes longueurs d’onde, ce qui positionne le contrôleur en limite de causalité. En
d’autres termes, un temps de prévision trop court ne permet pas de rendre causal le
contrôleur. De la même façon, lorsque le temps de prévision est trop long, dans cet
exemple tprev = 30s, des phénomènes identiques apparaissent. En effet, lorsque le temps
de prévision est trop grand, les phénomènes d’instabilité sont dus à un décalage trop
important de la réponse impulsionnelle des vitesses impliquant la non-causalité de cette
dernière. En outre, la plage de valeurs acceptables de temps de prévision augmente avec
la distance et la diminution de la période de pic de la houle. Avec l’augmentation du
temps de propagation vient l’augmentation de la plage de valeurs permettant de rendre
causal le contrôleur, tout en préservant la forme causale de la prévision de vitesses.

Finalement, dans les configurations d = 100m et Tp = {9s, 12s}, le domaine de stabi-

lité est très restreint et il n’existe pas de points de fonctionnement pouvant atteindre
3.2 Étude de sensibilité 111

de hautes valeurs de coefficient d’optimalité. La vitesse de propagation de ces états de

mer n’est pas compatible avec la faible distance de séparation des corps et par consé-
quent l’horizon de prévision disponible est trop court pour rendre pleinement causal le
contrôleur.

3.2.4 Raffinement de l’étude pour les corps proches

Comme présenté dans la section précédente (3.2.3), pour les corps proches (en com-
paraison de la période de pic Tp ), la distance de séparation d est trop faible pour fournir
un horizon de prédiction suffisant afin d’assurer le fonctionnement optimal de la stratégie
de contrôle collaboratif. Une étude de sensibilité raffinée autour de temps de prévision
tprev plus courts est alors réalisée. Les paramètres de l’étude sont présentés dans le ta-
bleau 3.3, et une synthèse des résultats est présentée dans la figure 3.23.

Pour une période de pic Tp = 6s, les cylindres sont encore suffisamment proches pour
atteindre de hautes valeurs de coefficient d’optimalité, cependant le plus grand domaine
de stabilité apparait pour un temps de prévision tprev = 8s ce qui est nettement plus
court que la valeur optimale pour les configurations plus espacées. Dès lors que la période
de pic augmente i.e. Tp = {9s, 12s}, les valeurs maximales du coefficient d’optimalité
diminuent, mais la taille du domaine de stabilité reste satisfaisante et maximale pour
un temps de prévision situé autour de tprev = 8s.

Facteurs Niveaux
Distance [m] 100
Temps de prévision [s] 4, 6, 8, 10, 12
Période de pic [s] 6, 9, 12
Fréquence de coupure basse [rad/s] 0.2, 0.35, 0.5, 0.65, 0.8
Fréquence de coupure haute [rad/s] 1.0, 1.5, 2.0, 2.5, 3.0, 3.5

Table 3.3 – Niveaux des facteurs choisis pour l’étude de sensibilité de corps proches
pour un groupe de deux cylindres en utilisant la stratégie de contrôle collaboratif.

De manière générale, dans la configuration d = 100m, les conditions de stabilité et de

production maximale sont atteintes pour des valeurs plus faibles de temps de prévision
tprev combinées avec une augmentation de la pulsation de coupure basse ωLc . Avec l’aug-
mentation de la pulsation de coupure basse, les vagues les plus rapides contenues dans
le spectre de houle ne sont plus considérées par le contrôleur et le temps de prévision
nécessaire pour rendre causal le système diminue. Cette adaptation du fenêtrage pour
112 Théorie et analyse du contrôle collaboratif

les corps proches rend possible l’application de la stratégie de contrôle collaboratif pour
des configurations de ferme où l’horizon de prédiction devrait être insuffisant.
tprev = 4s tprev = 6s tprev = 8s tprev = 10s tprev = 12s
100
Pulsation coupure basse [Rad/s]

0.8

Coef cient d’optimalité [%]

80
0.65
Tp = 6s

60
0.5
40
0.35
20
0.2
0
tprev = 4s tprev = 6s tprev = 8s tprev = 10s tprev = 12s
100
Pulsation coupure basse [Rad/s]

0.8

Coef cient d’optimalité [%]

80
Tp = 9s

0.65
60
0.5
40
0.35
20
0.2
0
tprev = 4s tprev = 6s tprev = 8s tprev = 10s tprev = 12s
100
Pulsation coupure basse [Rad/s]

0.8

Coef cient d’optimalité [%]

80
Tp = 12s

0.65
60
0.5
40
0.35
20
0.2
0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure 3.23 – Matrices de coefficient d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m.

Par ailleurs, l’augmentation de la pulsation de coupure basse ωLc implique nécessairement

une baisse du rendement du contrôleur, car une partie de l’énergie contenue dans le
spectre de houle n’est plus récupérée. Du reste, ce compromis peut être nécessaire dans
certaines configurations de ferme et permet tout de même d’appliquer la stratégie de
contrôle au plus grand nombre de machines.

3.2.5 Identification et analyse des paramètres optimaux

Les études présentées dans les sections précédentes (3.2.3, 3.2.4) ont permis d’affi-
ner la compréhension de l’évolution du domaine de stabilité de la stratégie de contrôle
collaboratif. D’autre part, il apparait qu’il est possible d’identifier un jeu de paramètres
internes permettant une récupération d’énergie maximale. Le but de cette section est
d’identifier les valeurs de ces paramètres, i.e. les valeurs optimales de temps de prévision
tprev et de pulsations de coupures ωLc et ωHc pour les différentes configurations de ferme
et d’états de mer. L’étude du domaine de stabilité a permis de mettre en évidence la
présence de points de fonctionnement optimaux proches de l’instabilité, il est donc néces-
saire de définir un critère de sélection des paramètres assurant la robustesse du système
et la maximisation du rendement. À cette fin, il est arbitrairement choisi que le point de
fonctionnement optimal est celui présentant le plus grand coefficient d’optimalité Copt
3.2 Étude de sensibilité 113

et étant entouré de points de fonctionnement stables. Toutefois, les points en limite du

domaine d’étude peuvent aussi être pris en compte. Les paramètres optimaux identifiés
en suivant cette règle sont présentés dans le tableau 3.4.

Période de pic Tp = 6s
Distance d [m] 100 200 400 600
Temps de prévision tprev [s] 10 12 15 20
Pulsation de coupure basse ωLc [rad/s] 0.65 0.5 0.5 0.5
Pulsation de coupure haute ωHc [rad/s] 2.5 3.0 3.5 3.5

Période de pic Tp = 9s
Distance d [m] 100 200 400 600
Temps de prévision tprev [s] 8 12 15 20
Pulsation de coupure basse ωLc [rad/s] 0.65 0.5 0.35 0.2
Pulsation de coupure haute ωHc [rad/s] 2.0 1.5 1.5 3.0

Période de pic Tp = 12s

Distance d [m] 100 200 400 600
Temps de prévision tprev [s] 6 10 15 20
Pulsation de coupure basse ωLc [rad/s] 0.5 0.35 0.2 0.2
Pulsation de coupure haute ωHc [rad/s] 2.0 2.5 1.5 1.5

Table 3.4 – Paramètres optimaux de la stratégie de contrôle collaboratif issus de l’étude

de sensibilité pour un groupe de deux cylindres pilonnant.

Dans toutes les configurations d’état de mer, le temps de prévision tprev optimal aug-
mente avec la distance d. Comme expliqué précédemment, l’augmentation de la distance
implique un allongement du temps de propagation de la vague la plus rapide entre les
corps et donc une augmentation de l’horizon de prévision disponible. En outre, le temps
de prévision optimal est aussi lié à la variation de la période de pic Tp de l’état de mer.
Lorsque la période de pic augmente, la longueur d’onde de la vague la plus longue consi-
dérée augmente, ce qui implique une diminution du temps de propagation et donc une
diminution de l’horizon de prévision.

L’évolution de la pulsation de coupure basse optimale ωLc est principalement liée à la

valeur de la période de pic de la houle. En effet, lorsque la période de pic augmente, la
pulsation de coupure basse du fenêtrage tend à diminuer de façon à centrer la récupé-
ration sur le spectre. Cet effet est particulièrement visible pour la distance d = 400m.
Cependant, la seule corrélation avec la période pic ne suffit pas à expliquer totalement
114 Théorie et analyse du contrôle collaboratif

l’évolution de la fréquence de coupure basse optimale. Il apparait, en outre, que l’am-

plitude de cette évolution est liée à la distance de séparation entre les corps. Lorsque la
distance entre les corps est faible (d = 100m), la valeurs optimale de ωLc tend à conserver
une valeur élevée. En effet, à cette distance, il est impossible de fournir une prévision dé-
terministe de la vitesse pour des pulsations plus basses. A contrario, lorsque la distance
d est grande (d = 600m), l’horizon de prévision disponible est suffisant pour fournir
une prévision sur un spectre plus large et la valeur optimale de ωLc tend à conserver une
valeur basse y compris pour les faibles valeurs de Tp . L’évolution de la valeur optimale
de ωLc étant liée à l’horizon de prévision, il va de soi qu’elle impacte aussi l’évolution du
temps de prévision tprev .

×106
ωLc = 0.2 ωH c = 3.5
tprev = 12s ωLc = 0.35 ωH c = 1.0
100 2
|Z uf (ω)|

0.8

80 1

0.65

60 0
ωLc [Rad/s]

0.0 0.5 1.0 1.5 2.0 2.5 3.0

Copt [%]

0.5 ω [rad/s]

40
4
0.35
Spectre de houle

3
20
2
0.2

0 1
3.5 3.0 2.5 2.0 1.5 1.0
ωH c [Rad/s]
0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ω [rad/s]

Figure 3.24 – Présentation de la matrice de coefficient d’optimalité (à gauche), de

l’amplitude de l’impédance du contrôleur fenêtré à (en haut à droite), et du spectre
de houle (en bas à droite) dans le cas de l’apparition de deux maximums locaux de
coefficient d’optimalité pour un groupe de deux cylindres séparés de d = 200m et une
période de pic de Tp = 12s.

Concernant l’évolution de la valeur optimale de la pulsation de coupure haute ωHc ,

son évolution est similaire à ωLc par rapport à l’évolution de la période de pic. Quand
la période pic augmente, la pulsation de coupure haute diminue de façon à suivre le
spectre de houle. Par ailleurs, l’évolution de ωHc n’est pas aussi claire par rapport à
l’allongement de la distance de séparation d. Le lien chaotique présent entre ces deux
facteurs est lié à l’apparition d’un deuxième maximum local de coefficient d’optimalité
dans certaines situations. Dans la figure 3.24 est présentée une configuration où deux
maxima locaux sont clairement identifiés. Le premier (ωLc = 0.2rad/s, ωHc = 3.5rad/s)
3.2 Étude de sensibilité 115

correspond à une fenêtre très ouverte permettant la récupération d’énergie sur l’ensemble
du spectre. À l’inverse, dans le deuxième maximum local (ωLc = 0.35rad/s, ωHc =
1.0rad/s) correspond à un fenêtrage concentrant le contrôle sur les fréquences situées en
dessous de la pulsation propre du corps.

3.2.6 Points de fonctionnement réalistes

Dans les sections précédentes, l’étude de sensibilité s’est portée essentiellement sur
la réponse du coefficient d’optimalité Copt . La mise en application du contrôleur opti-
mal implique une puissance réactive importante. La puissance réactive Preact représente
la puissance injectée puis récupérée dans le système dans le but d’atteindre les condi-
tions d’optimalité de phases et d’amplitudes. Cette puissance est à l’origine de grands
échanges d’énergie entre le système houlomoteur et le réseau. D’autre part, l’énergie
générée par le houlomoteur provient de la puissance passive Ppass (3.65). Pour comparer
ces deux puissances, le ratio Rrp est introduit et est défini comme le rapport de l’énergie
échangée Ereact sur l’énergie récupérée Epass (3.66). Dans le cas du contrôle optimal d’un
houlomoteur, le ratio entre la puissance réactive et la puissance passive peut être très
élevé. En d’autres termes, l’énergie réellement récupérée est faible au regard du total des
échanges énergétiques. Ce comportement implique alors un dimensionnement du PTO
bien au-dessus de la puissance nominale de récupération, et de fortes pertes énergétiques
liées aux rendements des différents organes et des pertes par frottement.

P (t) = −fu (t)v(t)

Z T Z T
Ereact = |P (t)|dt − P (t)dt (3.64)
0 0

Z T
Epass = P (t)dt (3.65)
0

Ereact
Rrp = (3.66)
Epass
Dans cette section, les points de fonctionnement permettant de maximiser le rendement
des machines tout en minimisant le ratio réactif/passif sont identifiés. Il s’agit d’étudier
l’effet du fenêtrage du contrôleur optimal de la stratégie de contrôle collaboratif sur
le ratio réactif/passif. Dans la figure 3.25, sont superposés les résultats de coefficient
d’optimalité (matrice de couleurs) et les ratios Rrp correspondant (valeurs numériques)
pour un groupe de deux cylindres dans la configuration d = 400m et Tp = 9s.
 116 Théorie et analyse du contrôle collaboratif

tprev = 15s tprev = 15s

100 50
0.8 8 7 6 6 5 5 4 3 3 2
0.8 39 28 20 14 8 2 45
0.79 7 7 6 5 5 4 4 3 2 2
80
0.77 7 6 6 5 5 4 4 3 2 2 40
0.65 21 17 13 10 7 5 0.76 7 6 6 5 5 4 4 3 3 2
35
ωLc [Rad/s]

ωLc [Rad/s]
60 0.74 7 6 6 5 5 4 4 3 3 3

Copt [%]

Copt [%]
0.5 14 13 11 10 10 11 0.73 6 6 5 5 5 4 4 4 3 3 30
40 0.71 6 6 5 5 5 5 4 4 4 3
25
0.35 15 14 14 14 14 15 0.7 6 6 6 5 5 5 4 4 4 4
0.68 6 6 6 5 5 5 5 5 4 4 20
20
0.66 6 6 6 6 5 5 5 5 5 5 15
0.2 20 20 19 19 20 25
0.65 6 6 6 6 6 6 5 5 5 5
0 10
3.5 3.0 2.5 2.0 1.5 1.0 1.45 1.4 1.35 1.3 1.25 1.2 1.15 1.1 1.05 1.0
ωH c [Rad/s] ωH c [Rad/s]

Figure 3.25 – Matrices de coefficient d’optimalité Copt (couleurs) et de ration ré-

actif/passif Rrp (valeurs numériques) pour un groupe de deux cylindres séparés de
d = 400m, avec une période de pic Tp = 9s, et un temps de prévision tprev = 15s.
La matrice de droite présente les résultats raffinés du domaine inclus dans le carrée noir
de la matrice de gauche.

100

80

Ratio Réactif/Passif Copt, max

60
3 28.1
Copt [%]

4 34.2
40
5 40.1
11 73.1
20
14 93.0
0
0.0 2.5 5.0 7.5 10.0 12.5 15.0
Ratio Réactif/Passif

Figure 3.26 – Représentation de la relation entre le ration réactif/passif et le coefficient

d’optimalité maximal associé pour un groupe de deux cylindres séparés de d = 400m,
avec une période de pic Tp = 9s, et un temps de prévision tprev = 15s.

La valeur de Copt atteint son maximum aux valeurs de pulsations de coupures ωLc =
0.35rad/s et ωHc = 1.5rad/s. Dans ces conditions, le ratio réactif passif atteint une
3.2 Étude de sensibilité 117

valeur élevée Rrp = 15. Les variations de Rrp semblent correspondre à deux directions
principales. Dans le sens de la diagonale du coin inférieur gauche jusqu’au coin supé-
rieur droit, les valeurs de Rrp augmentent dans le sens de l’élargissement de la bande
passante du fenêtrage. En effet, lorsque le fenêtrage s’élargit, le contrôleur cherche à
atteindre les conditions d’optimalité sur un spectre plus large où la RAO du système
atteint des valeurs élevées (figure 3.6). La deuxième direction de variation est perpendi-
culaire à la première et correspond au décentrage du fenêtrage par rapport au spectre
de houle. Lorsque le fenêtrage se décentre, le contrôleur impose des forces importantes
sur le contrôleur sur un domaine spectral de houle ne comportant que peu d’énergie, ce
qui explique un fort ratio Rrp pour des valeurs de Copt faibles.

La valeur de Rrp étant très élevée pour la valeur de Copt maximale, des points de fonc-
tionnement minimisants la valeur de Rrp sont alors recherchés. La matrice de droite de
la figure 3.6, présente un raffinement du domaine présentant les valeurs minimales du
ratio Rrp (correspondant à l’encadré noir de la matrice de gauche). Pour chaque valeur
de Rrp , la valeur de coefficient d’optimalité maximale est relevée et les résultats sont
présentés dans la figure 3.26.

Il apparait alors une relation quasi-linéaire entre le ratio réactif/passif et le coeffi-

cient d’optimalité maximal lui étant associé. Cette évolution correspond à la mise sous
contrainte du contrôleur par le fenêtrage, limitant la récupération à une fraction de plus
en plus mince du spectre de houle. De plus, lorsque le ratio atteint de faibles valeurs
(Rrp ≤ 3), le coefficient d’optimalité se rapproche des valeurs atteintes par un PTO
passif.

3.2.7 Synthèse
Dans les sections précédentes, le principe du fenêtrage de l’impédance du contrôleur
a été présenté. Il a été montré qu’il est possible d’appliquer le fenêtrage en n’affectant
que peu la récupération d’énergie si la fenêtre est centrée sur le spectre de houle et la ré-
ponse en amplitude du corps. Les avantages apportés par la mise en place de ce fenêtrage
sont multiples : la réduction de l’horizon de non-causalité du contrôleur quasi optimal
fenêtré, la réduction de l’amplitude et de la vitesse des corps contrôlés, l’amélioration
de la stabilité du contrôleur, et la diminution du ratio réactif passif. Par ailleurs, il a
été observé que lorsque la contrainte imposée par la fenêtre devient trop conséquente, la
récupération d’énergie baisse sensiblement.
118 Théorie et analyse du contrôle collaboratif

Pour évaluer la performance du contrôleur en prenant en compte les effets de ferme,

l’indicateur de coefficient d’optimalité a été développé. À l’aide de l’étude de sensibilité
et de cet indicateur, le domaine de stabilité et les paramètres permettant de maximiser
la récupération d’énergie ont pu être déterminés pour différentes configurations de ferme
et d’états de mer.

À titre d’exemple, les paramètres optimaux pour la configuration a deux corps utilisée
pour l’étude sensibilité avec une distance de séparation de 200 m sont recherchés pour
un site donné. Le site d’essai AMETS situé à 6 km de la côte ouest de l’Irlande dans une
profondeur d’eau de 50 m est choisi pour illustrer la méthode (figure 3.27).
Hs [m]

[%]

Tp [s]
Tp [s] 2 − 4 4 − 6 6−8 8 − 10 10 − 12 12 − 14 14 − 16 16 − 18
[%] 0, 18 5, 96 28.66 36.026 21.65 6.61 1, 11 0, 05

Figure 3.27 – Matrice de probabilité d’état de mer du site d’essai « Atlantic Marine
Energy Test Site » (A detailed assessment of the wave energy resource at the atlantic
marine energy test Site [5]).

Le contrôleur étant linéaire, les paramètres du fenêtrage ne sont pas affectés par la
hauteur significative Hs . Ainsi, les densités de probabilité peuvent être intégrées sur
3.2 Étude de sensibilité 119

l’axe des ordonnées (hauteur significative), et les paramètres du contrôleur ne devront

être adaptés qu’en fonction de l’évolution de la période de pic Tp . À partir des résultats de
l’étude sensibilité, une première approximation des paramètres optimaux du contrôleur
peut être obtenue pour ces états de mer (table 3.5). Ce jeu de paramètres optimaux
peut par ailleurs être raffiné autour des états de mer les plus probables pour améliorer
la récupération d’énergie.

Tp [s] tprev [s] ωLc [rad/s] ωHc [rad/s]

6−8 12 0,5 3,0
8 − 10 12 0,5 1,5
10 − 12 10 0,35 2,5

Table 3.5 – Paramètres optimaux du contrôleur pour le groupe de deux cylindres séparés
d’une distance d = 200 m sur le site AMETS.

Dans le chapitre suivant, une analyse des résultats numériques est conduite pour vérifier
les conditions d’optimalité du contrôleur en utilisant les paramètres obtenus à partir de
l’étude de sensibilité. Ces paramètres, déterminés pour un groupe de deux corps, sont
ensuite utilisés pour une ferme de 10 corps. Il est alors montré que les résultats issus
de l’étude de sensibilité à deux corps peuvent être utilisé pour une ferme composée de
nombreux corps.
Chapitre 4
Analyse des résultats numériques

Sommaire
4.1 Discrétisation fréquentielle . . . . . . . . . . . . . . . . . . . . 122
4.1.1 Corps libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.1.2 Corps contrôlés . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4.2 Discrétisation temporelle . . . . . . . . . . . . . . . . . . . . . 128
4.2.1 Corps libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
4.2.2 Stratégie de contrôle collaboratif . . . . . . . . . . . . . . . . 131
4.3 Validation de la stratégie de contrôle pour un groupe de
deux corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.1 Prévision de vitesse . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.2 Conditions d’optimalité . . . . . . . . . . . . . . . . . . . . . 134
4.4 Validation de la stratégie de contrôle avec les coefficients
hydrodynamiques issus de méthode BEM . . . . . . . . . . . 139
4.5 Impact du déplacement moyen en cavalement sur la méthode143
4.6 Orientation et étalement directionnel de la houle . . . . . . 147
4.6.1 Erreur de mesure de l’orientation de la houle . . . . . . . . . 147
4.6.2 Étalement spectral directionnel . . . . . . . . . . . . . . . . . 151
4.7 Application à une ferme complexe . . . . . . . . . . . . . . . 154
4.7.1 Impact du contrôleur sur le facteur d’interaction . . . . . . . 154
4.7.2 Simulation d’une ferme de 10 machines . . . . . . . . . . . . 159
122 Analyse des résultats numériques

L’analyse des résultats numériques vise à caractériser la stratégie de contrôle dévelop-

pée dans le chapitre 3, après son implémentation dans le simulateur temporel présentée
dans le chapitre 2. Dans un premier temps, l’impact de la discrétisation fréquentielle des
coefficients hydrodynamiques (section 4.1) et de la discrétisation temporelle de l’inté-
gration numérique pour un groupe de deux corps est évaluée (section 4.2). Il s’agit alors
de mettre en évidence les spécificités dues aux effets de fermes et à l’application de la
stratégie de contrôle sur le choix des discrétisations.

L’efficacité de la stratégie de contrôle collaboratif est ensuite validée par la vérification

de la prévision de vitesse et des conditions d’optimalité sur les résultats temporels (sec-
tion 4.3), y compris pour des corps dont les coefficients hydrodynamiques sont issus de
la méthode BEM NEMOH (section 4.4).

De plus, l’étude vise aussi à quantifier la sensibilité de la méthode face aux changements
extérieurs et erreurs de mesure. L’impact sur la récupération d’énergie de l’erreur de po-
sition des corps dans le groupe (section 4.5), de l’erreur d’estimation de la direction de
la houle ou encore de l’étalement directionnel du spectre de houle (section 4.6) est évalué.

Finalement, la stratégie de contrôle collaboratif est appliquée à une ferme complexe,

comprenant de nombreux corps (section 4.7). La forte influence du contrôle optimal
sur la répartition énergétique au sein du groupe est d’abord mise en évidence (section
4.7.1). Ensuite, les paramètres issus de l’étude de sensibilité (section 3.2) sont utilisés
pour appliquer la stratégie de contrôle sur une ferme complexe. Les résultats de vitesse,
de condition d’optimalité, et de puissance sont alors évalués pour valider la stratégie de
contrôle collaboratif.

4.1 Discrétisation fréquentielle

Les valeurs convergées de la discrétisation fréquentielle des coefficients hydrodyna-
miques pour un groupe de corps peuvent être différentes de celles obtenues pour un
corps isolé. En effet, les effets de ferme dus à la diffraction et la radiation des corps
nécessitent généralement une discrétisation plus fine, de façon à prendre en compte l’hy-
drodynamique complexe d’un tel groupe. De plus, l’application de la stratégie de contrôle
collaboratif amplifie significativement les effets de radiation en raison de la mise en ré-
sonance des corps contrôlés. Ainsi, l’impact de la discrétisation fréquentielle est présenté
ici pour un groupe deux cylindres libres pilonnant (section 4.1.1), puis pour le même
4.1 Discrétisation fréquentielle 123

groupe en appliquant la stratégie de contrôle collaboratif (section 4.1.2).

4.1.1 Corps libres

Lors de la mise en place des simulations en domaine temporel, il est nécessaire de
calculer les réponses impulsionnelles des efforts de radiation. Comme expliqué dans la
section 3.1.10, la dualité temps-fréquence lie la discrétisation fréquentielle des coefficients
hydrodynamiques à la longueur des réponses impulsionnelles par la relation suivante :

π
tL = (4.1)
dω
Les réponses impulsionnelles de radiation hrad (t) d’un groupe de deux cylindres pilon-
nant séparés d’une distance d = 200m, sont présentées dans la figure 4.1. La longueur
maximale sans répétition des réponses impulsionnelles pouvant être obtenue à partir des
différentes discrétisations fréquentielles, est déterminée à partir de l’équation 4.1, et les
résultats sont présentés dans la table 4.1.

Discrétisation fréquentielle dω [rad/s] Longueur des réponses impulsionnelles timp [s]

0.05 63
0.025 126
0.0125 252

Table 4.1 – Relation entre la discrétisation fréquentielle et la longueur des réponses

impulsionnelles.

Les réponses impulsionnelles, pour les 3 niveaux de discrétisation utilisés ici, sont cal-
culées jusqu’à t = 250s. Ce temps étant supérieur à la limite fixée par la dualité temps
fréquence pour les deux niveaux de discrétisation les moins raffinés, il apparait alors une
redondance de la réponse impulsionnelle pour ces deux signaux. Ce phénomène souligne
alors l’importance de respecter la taille limite des réponses impulsionnelles en relation
avec la discrétisation fréquentielle, sous peine d’obtenir des efforts de radiation erronés.

Dans la figure 4.1, les réponses impulsionnelles semblent identiques jusqu’à l’extinction
du paquet d’ondes à t = 15s pour le terme diagonal de la radiation et t = 60s pour le
terme croisé. Cependant, dans la figure 4.2 présentant un agrandissement de ces résul-
tats, un deuxième paquet d’ondes apparait pour le terme diagonal. Ce deuxième paquet
correspond au retour de la radiation du second corps jusqu’au premier. L’onde radiée
générée par le premier corps met en mouvement le second corps qui génère une nou-
velle onde radiée qui excite à nouveau le premier corps. Ce phénomène implique alors la
124 Analyse des résultats numériques

×104
dω =5.00e-02 rad/s
1.0 dω =2.50e-02 rad/s
hrad,I,I [N ]

dω =1.25e-02 rad/s
0.5

0.0

−0.5

0 50 100 150 200 250

500
hrad,I,II [N ]

dω =5.00e-02 rad/s
−500 dω =2.50e-02 rad/s
dω =1.25e-02 rad/s
−1000
0 50 100 150 200 250
Temps [s]

Figure 4.1 – Réponses impulsionnelles des efforts de radiation hrad (t) d’un
groupe de deux cylindres pilonnant séparés d’une distance d = 200m, en utili-
sant des coefficients hydrodynamiques ayant pour discrétisation fréquentielle dω =
[0, 05; 0, 025; 0, 0125] rad/s.

100

50
hrad,I,I [N ]

0
dω =5.00e-02 rad/s
−50 dω =2.50e-02 rad/s
dω =1.25e-02 rad/s
−100
0 50 100 150 200 250
Temps [s]

Figure 4.2 – Agrandissement des réponses impulsionnelles hradI,I (t) présentées dans la
figure 4.1.
4.1 Discrétisation fréquentielle 125

Corps I Corps I
8.8
5
VI [m/s]
8.7
0

dω =5.0e-02 rad/s 8.6 dω =5.0e-02 rad/s

−5 dω =2.5e-02 rad/s dω =2.5e-02 rad/s
dω =1.3e-02 rad/s dω =1.3e-02 rad/s
8.5
1000 1005 1010 1015 1020 1007.4 1007.6 1007.8 1008.0

Corps II Corps II
10

9.3
5
VII [m/s]

0 9.2
dω =5.0e-02 rad/s dω =5.0e-02 rad/s
−5
dω =2.5e-02 rad/s dω =2.5e-02 rad/s
dω =1.3e-02 rad/s 9.1 dω =1.3e-02 rad/s
−10
1000 1005 1010 1015 1020 1003.8 1004.0 1004.2 1004.4
Temps [s] Temps [s]

Figure 4.3 – Étude de convergence en discrétisation fréquentielle dω des coefficients

hydrodynamiques, pour un groupe de deux cylindres sans PTO, séparés d’une distance
d = 200m, en résonance dans une houle monochromatique a = 1m et T = 7, 19s.

Corps I Corps I

2.18
2
VI [m/s]

0 2.16

dω =5.0e-02 rad/s dω =5.0e-02 rad/s

−2 dω =2.5e-02 rad/s 2.14 dω =2.5e-02 rad/s
dω =1.3e-02 rad/s dω =1.3e-02 rad/s

910 915 920 925 930 914.6 914.8 915.0

Corps II Corps II

2 2.28
VII [m/s]

0
2.26
dω =5.0e-02 rad/s dω =5.0e-02 rad/s
−2 dω =2.5e-02 rad/s dω =2.5e-02 rad/s
dω =1.3e-02 rad/s dω =1.3e-02 rad/s
−4 2.24
910 915 920 925 930 925.3 925.4 925.5 925.6 925.7
Temps [s] Temps [s]

Figure 4.4 – Étude de convergence en discrétisation fréquentielle dω des coefficients

hydrodynamiques, pour un groupe de deux cylindres sans PTO, séparés d’une distance
d = 200m, en résonance dans une houle polychromatique Hs = 2m et Tp = 7, 19s.
126 Analyse des résultats numériques

propagation du paquet d’ondes sur le double de la distance de séparation des corps, ici
125s. Dans le cas de la discrétisation dω = 0.05 rad/s, la discrétisation fréquentielle ne
permet pas de capter ce phénomène, car la réponse impulsionnelle ne peut atteindre que
63s. Dans le cas de la discrétisation dω = 0.025 rad/s, la discrétisation est à la limite
permettant de capter le phénomène, et une légère erreur apparait sur la fin du deuxième
paquet d’ondes. Finalement, avec la discrétisation dω = 0.0125 rad/s le phénomène est
entièrement capté et la réponse impulsionnelle s’annule sur les temps suivants. Il appa-
rait donc nécessaire d’affiner suffisamment la discrétisation fréquentielle des coefficients
hydrodynamiques lors de simulations de ferme de houlomoteur, de façon à capter l’inté-
gralité des effets de ferme.

Les résultats de simulation temporelle pour les 3 niveaux de discrétisation fréquentielles

sont présentés dans la figure 4.3 pour une houle monochromatique à la période de réso-
nance intrinsèque des corps, et dans la figure 4.4 pour une houle polychromatique centrée
sur la période de résonance intrinsèque. Dans la configuration utilisée dans cet exemple,
i.e. deux corps séparés de 200m, l’écart des résultats de vitesse n’est pas significatif car
les corps sont suffisamment espacés et par conséquent l’effet aller-retour du terme dia-
gonal de la radiation n’a que très peu d’impact. Cependant, l’analyse fine des résultats
montre que les résultats temporels ont complètement convergé pour la discrétisation
dω = 0.0125 rad/s.

De manière générale, lorsque la distance entre les corps augmente, il est nécessaire d’affi-
ner la discrétisation fréquentielle pour capter l’intégralité des effets de ferme. Cependant
lorsque les corps sont suffisamment éloignés, ces effets deviennent négligeables, et il est
alors possible de ne pas en tenir compte. Par ailleurs, dans le cas de configurations de
ferme composées de nombreux corps rapprochés, les aller-retours de la radiation peuvent
devenir nombreux, et il est alors aussi nécessaire d’affiner la discrétisation fréquentielle
afin de capter l’intégralité de la dynamique. De façon à assurer une discrétisation fré-
quentielle suffisante, une discrétisation inférieure ou égale à dω = 6.28 · 10−3 rad/s est
utilisée pour la majeure partie des études présentées dans ce manuscrit. De plus, pour
les simulations longues, une discrétisation encore plus fine peut être utilisée pour la
génération du signal de houle, ce qui permet d’éviter la redondance de ce dernier.

4.1.2 Corps contrôlés

Dans cette cette section, le premier corps est laissé libre, et le second est soumis à
la stratégie de contrôle collaborative. Sous l’effet d’une stratégie de contrôle optimal,
4.1 Discrétisation fréquentielle 127

les corps contrôlés sont en phase avec la force d’excitation, ce qui implique une forte
dynamique du système. Les considérations concernant le raffinement de la discrétisation
fréquentielle, de manière à capter l’ensemble des effets de ferme, deviennent alors indis-
pensables car les efforts de radiation sont proportionnels à la vitesse. De plus, la stratégie
de contrôle collaboratif implique le calcul des réponses impulsionnelles des fonctions de
transfert des vitesses hv (t) (section 3.1.7) et de l’impédance du contrôleur hZuf (t) (sec-
tion 3.1.8). La discrétisation fréquentielle doit alors être suffisamment fine pour obtenir
ces réponses impulsionnelles jusqu’à leur extinction. La taille des réponses impulsion-
nelles utilisées pour cette étude de convergence correspond à la valeur maximale due à
la dualité temps fréquence ou la valeur d’extinction de la réponse (table 4.2).

L’objectif principal de la stratégie de contrôle collaboratif étant de maximiser la ré-

cupération d’énergie, l’étude présentée ici se concentre sur la convergence du coefficient
d’optimalité (section 3.2.2). Les résultats de convergence présentés dans la table 4.2, cor-
respondent à un groupe de deux cylindres séparés d’une distance d = 200m où le corps en
aval est contrôlé et le premier corps est laissé libre. Dans cette configuration, les résultats
de puissance ont convergé pour une discrétisation dω = 2.0 · 10−2 rad/s. Par ailleurs,
la faible variation de puissance obtenue pour la discrétisation dω = 1.25 · 10−2 rad/s
correspond à la variation de la longueur de réponse impulsionnelle entre les deux va-
leurs qui l’encadrent. En effet, la réponse impulsionnelle pour cette configuration n’est
pas complètement convergée à t = 250s. Il est alors préférable de considérer la valeur
convergée de la discrétisation fréquentielle dω = 6.25 · 10−3 rad/s, et ainsi considérer les
réponses impulsionnelles dans leur intégralité.

Discrétisation fréquentielle dω [rad/s] 5.0 · 10−2 2.0 · 10−2 1.25 · 10−2 6.25 · 10−3 3.125 · 10−3
Longueur des réponses impulsionnelles timp [s] 62 125 250 300 300
Coefficient d’optimalité Copt [%] 74.0 89.7 89.9 89.7 89.7

Table 4.2 – Coefficient d’optimalité pour un groupe de deux corps séparés d’une distance
d = 200m en fonction de la discrétisation fréquentielle des coefficients hydrodynamiques,
dans une houle polychromatique Hs = 2m et Tp = 9s.

L’évolution des réponses impulsionnelles de transfert de vitesse en fonction de la dis-

tance de séparation entre les corps est présentée dans la section 3.1.7. Comme pour les
réponses impulsionnelles de radiation, les réponses impulsionnelles tendent à s’allonger
lorsque la distance de séparation entre les corps augmente, ce qui implique un raffine-
ment de la discrétisation fréquentielle des coefficients hydrodynamiques.
128 Analyse des résultats numériques

Comme présenté dans la section 3.1.10, il est possible d’extrapoler les coefficients hy-
drodynamiques de façon à affiner les réponses impulsionnelles. L’intérêt majeur d’une
telle démarche est de faciliter l’analyse de ces réponses. Par ailleurs, comme le montrent
les résultats de la table 4.3, l’extrapolation des résultats n’améliore pas la récupéra-
tion d’énergie. En effet, l’extrapolation des coefficients hydrodynamiques permet une
interpolation des réponses impulsionnelles, mais n’ajoute pas d’information physique au
système.

Valeur d’extrapolation NP ad 0 2000 4000 8000 10000 20000

Valeur finale du vecteur fréquence ω [rad/s] 3.14 6.28 9.42 12.56 15.70 18.84
Coefficient d’optimalité Copt [%] 89.7 89.9 89.9 89.9 89.9 89.9

Table 4.3 – Coefficient d’optimalité pour un groupe de deux corps séparés d’une distance
d = 200m en fonction de l’extrapolation des coefficients hydrodynamiques, dans une
houle polychromatique Hs = 2m et Tp = 9s.

4.2 Discrétisation temporelle

Les valeurs convergées de la discrétisation temporelle dt dépendent en partie des

conditions de houles et de la méthode de contrôle. Pour un groupe de corps libres donné,
la valeur convergée du pas de discrétisation augmente lorsque le corps est en résonance
avec la houle incidente. De même, lorsque le corps est soumis à la stratégie de contrôle
collaboratif, la forte dynamique des corps impose un raffinement de la discrétisation
temporelle.

4.2.1 Corps libres

L’étude de convergence en discrétisation temporelle dt vise en premier lieu un groupe

de cylindres libres. La configuration étudiée est constituée de deux cylindres pilonnant
séparés d’une distance d = 200m avec une discrétisation dω = 6.25 · 10−3 rad/s des
coefficients hydrodynamiques. L’étude est menée dans différents états de mer : une houle
monochromatique a = 1m et T = 6s (figure 4.5), une houle monochromatique a = 1m
et T = 7, 19s correspondant à la fréquence intrinsèque de résonance des corps (figure
4.6), et dans une houle polychromatique Hs = 1m et Tp = 7, 19s (figure 4.7).
4.2 Discrétisation temporelle 129

Corps I
0.50 dt=0.5s
dt=0.2s
0.25
VI [m/s]
dt=0.1s
0.00

−0.25

−0.50

1092 1093 1094 1095 1096 1097 1098

Corps II
0.50

0.25
VII [m/s]

0.00
dt=0.5s
−0.25
dt=0.2s
−0.50 dt=0.1s

1092 1093 1094 1095 1096 1097 1098

Temps [s]

Figure 4.5 – Étude de convergence en pas de temps dt pour un groupe de deux cylindres
libres, séparés d’une distance d = 200m, dans une houle monochromatique a = 1m et
T = 6s.

Corps I
10

5
VI [m/s]

0 dt=0.5s
dt=0.2s
−5 dt=0.1s
dt=0.05s
−10
1192 1193 1194 1195 1196 1197 1198

Corps II
10
dt=0.5s
5 dt=0.2s
VII [m/s]

dt=0.1s
0 dt=0.05s

−5

−10
1192 1193 1194 1195 1196 1197 1198
Temps [s]

Figure 4.6 – Étude de convergence en pas de temps dt pour un groupe de deux cylindres
libres, séparés d’une distance d = 200m, en résonance dans une houle monochromatique
a = 1m et T = 7, 19s.
130 Analyse des résultats numériques

Dans le cas où le groupe de corps est excité par une houle monochromatique hors de
la fréquence de résonance des corps (figure 4.5), la dynamique des corps est faible et la
convergence en pas de temps est atteinte pour des valeurs dt élevées. Ici, les résultats
sont considérés convergés pour dt = 0.2s. Au contraire, lorsque l’onde monochroma-
tique incidente correspond à la fréquence intrinsèque de résonance des corps (figure 4.6),
l’amplitude et la vitesse des corps augmentent significativement et il est alors nécessaire
de raffiner le pas de temps. Ici, la valeur convergée du pas de temps est alors égale à
dt = 0.05s.

Pour une houle polychromatique, la dynamique des corps est en moyenne plus faible que
pour une houle monochromatique à la fréquence de résonance, y compris pour un spectre
de houle centré sur la fréquence de résonance des corps (figure 4.7). Par conséquent,
le pas de temps convergé pour une houle polychromatique est inférieur ou égal à la
valeur obtenue pour la houle monochromatique à la fréquence de résonance. Ici, la valeur
convergée du pas de temps est égale à dt = 0.1s.

Corps I
2
dt=0.5s
1 dt=0.2s
VI [m/s]

dt=0.1s
0

−1

−2
1155 1160 1165 1170 1175

Corps II
2

1
VII [m/s]

0
dt=0.5s
−1 dt=0.2s
dt=0.1s
−2
1155 1160 1165 1170 1175
Temps [s]

Figure 4.7 – Étude de convergence en pas de temps dt pour un groupe de deux cylindres
libres, séparés d’une distance d = 200m, dans une houle polychromatique Hs = 2m et
Tp = 7, 19s.
4.2 Discrétisation temporelle 131

4.2.2 Stratégie de contrôle collaboratif

Sous l’effet du contrôle collaboratif, la mise en phase de la vitesse des corps avec
la force d’excitation provoque une forte dynamique des corps. Il est alors nécessaire de
raffiner la discrétisation temporelle pour atteindre la convergence des résultats. De plus,
l’évaluation de la force de PTO à appliquer est effectuée à chaque pas de temps, mais
reste constante dans l’évaluation des pas de temps intermédiaires du schéma d’intégration
Runge-Kutta d’ordre 4, ce qui permet de conserver une résolution temporelle plus fine du
modèle physique que celle du contrôleur. Il est alors nécessaire de raffiner la discrétisation
temporelle pour obtenir la convergence des résultats sous l’effet du contrôleur, car les
efforts du PTO ne bénéficient pas de l’ordre élevé du schéma d’intégration. Comme
présenté dans la figure 4.8, les résultats de vitesse du corps contrôlé par la stratégie de
contrôle collaboratif sont convergés pour dt = 0.02s pour cet exemple.

dt = 0.2s
dt = 0.1s
4 dt = 0.05s
dt = 0.02s
dt = 0.01s

2
VII [m/s]

−2

−4

−6

2000 2002 2004 2006 2008 2010 2012 2014 2016 2018
Temps [s]

Figure 4.8 – Étude de convergence en pas de temps dt de la vitesse du corps contrôlé,

pour un groupe de deux cylindres séparés d’une distance d = 200m, où le second corps
est contrôlé avec la stratégie de contrôle collaboratif, dans une houle polychromatique
Hs = 2m et Tp = 9s.

Concernant les résultats de puissance, comme le montre l’étude de convergence du co-

efficient d’optimalité (table 4.4), la valeur de pas de temps nécessaire pour atteindre la
convergence est encore plus faible, ici dt = 0.01s. Cependant, pour limiter les temps
de calcul un pas de temps dt = 0.05s peut être suffisant, et l’erreur induite par la
132 Analyse des résultats numériques

discrétisation temporelle sur le calcul de puissance est alors inférieure à 1%.

Discrétisation temporelle dt [s] 0.2 0.1 0.05 0.02 0.01

Coefficient d’optimalité Copt [%] 84.7 88.6 89.7 90.1 90.2

Table 4.4 – Étude de convergence en pas de temps dt du coefficient d’optimalité du

corps contrôlé, pour un groupe de deux cylindres séparés d’une distance d = 200m, où
le second corps est contrôlé avec la stratégie de contrôle collaboratif, dans une houle
polychromatique Hs = 2m et Tp = 9s.

4.3 Validation de la stratégie de contrôle pour un

groupe de deux corps
La validation de la stratégie de contrôle consiste à analyser la prévision de vitesse
du corps contrôlé, confirmer la condition d’optimalité de mise en phase de la vitesse du
corps avec la force d’excitation, et confronter les résultats de puissance avec les valeurs
théoriques. La stratégie de contrôle est éprouvée pour deux configurations de ferme : un
groupe de deux cylindres séparés d’une distance d = 200m et un autre groupe avec une
distance de séparation d = 600m. Pour chaque simulation, deux configurations du corps
amont (corps capteur) sont évaluées : la première consiste à laisser le corps libre, et la
seconde à lui appliquer un PTO passif d’une valeur BP T O = 1.5 · 105 N.s/m. Cette valeur
d’amortissement du PTO est choisie pour maximiser la récupération d’énergie du corps
capteur, elle a été obtenue par dichotomie sur le jeu de phase utilisée pour la simulation.

4.3.1 Prévision de vitesse

La prévision de vitesse des corps contrôlés est l’étape de la stratégie de contrôle col-
laboratif permettant de causaliser le contrôleur optimal (section 3.1.8). La précision de
la prévision est fondamentale pour assurer la maximisation de la récupération d’énergie,
et il est donc nécessaire de valider les résultats de prévision lors de la mise en place du
contrôleur. La comparaison de la prévision de vitesse avec les résultats de simulation est
présentée dans la figure 4.9 pour la configuration où le corps capteur est laissé libre et
4.10 pour la configuration où le corps capteur est équipé d’un PTO passif.

Dans toutes les configurations présentées ici, la prévision de vitesse correspond à la

vitesse obtenue par simulation sur la majeure partie du signal. Par ailleurs, pour les
variations de vitesse rapides associées aux vagues de courtes périodes, une erreur sur la
4.3 Validation de la stratégie de contrôle pour un groupe de deux corps 133

d = 200m
10

VII [m/s] 0

−5 Vsim
Vprev
−10

2100 2120 2140 2160 2180 2200

d = 600m
10

5
VII [m/s]

−5 Vsim
Vprev
−10
2100 2120 2140 2160 2180 2200
Temps [s]

Figure 4.9 – Comparaison de la prévision de vitesse du corps contrôlé avec la vitesse obtenue
par les simulation pour un groupe de deux cylindres pilonnant avec une distance de séparation
d = 200m en haut, et une distance de séparation d = 600m, dans une houle polychromatique
Hs = 2m Tp = 9s. Le premier corps (capteur) est laissé libre et le second est soumis à la
stratégie de contrôle collaboratif.

d = 200m
10

5
VII [m/s]

−5 Vsim
Vprev
−10

2100 2120 2140 2160 2180 2200

d = 600m
10

5
VII [m/s]

−5 Vsim
Vprev
−10
2100 2120 2140 2160 2180 2200
Temps [s]

Figure 4.10 – Comparaison de la prévision de vitesse du corps contrôlé avec la vitesse obtenue
par les simulation dans des configurations identiques à la figure 4.9, mais pour lesquelles le
premier corps (capteur) est équipé d’un PTO passif d’une valeur BP T O = 1.5 · 105 N.s/m et le
second est soumis à la stratégie de contrôle collaboratif.
134 Analyse des résultats numériques

prévision apparait. Néanmoins, cette erreur tend à disparaitre avec l’augmentation de la

distance de séparation entre les corps. En effet, lorsque la distance de séparation entre
les corps augmente, le temps de propagation des vagues augmente lui aussi, et le temps
de retard de la réponse impulsionnelle hv s’allonge. Il est alors possible de décaler la
réponse impulsionnelle hv (de façon à fournir la prévision de vitesse), sans pour autant
arriver en limite de causalité de cette réponse. En outre, l’erreur de prévision de vitesse
sur les petites périodes n’impacte que peu la récupération d’énergie. D’une part, l’étale-
ment du spectre de houle implique que les vagues de courte période soient caractérisées
par une faible amplitude, et d’autre part ces vagues contiennent moins d’énergie que les
vagues de longues périodes.

L’impact de la mise en place d’un PTO passif sur le corps capteur n’affecte que faiblement
la qualité de la prévision. Il est tout de même à noter que l’amortissement supplémentaire
induit par l’ajout du PTO tend à améliorer la prévision de vitesse. La dynamique du
corps capteur est alors réduite, ce qui permet de lisser le signal de vitesse et affiner la
prévision. Ces résultats permettent donc de valider l’utilisation de PTO passif sur le
corps capteur et par conséquent d’augmenter le rendement global de la ferme.

4.3.2 Conditions d’optimalité

Une fois la prévision de vitesse validée, il est ensuite possible de vérifier la condition
de phase du contrôleur optimal (section 3.1.2), i.e. la mise en phase de la vitesse du
corps contrôlé avec la force d’excitation générée par la houle incidente sur ce dernier.
De façon à simplifier la visualisation de ces signaux de grandeurs très différentes, il est
choisi de les normaliser. Les signaux de vitesse et de force d’excitation du corps contrôlé
dans des configurations identiques à celles de la section précédente sont présentés dans
les figures 4.11, et 4.12.

Les signaux de vitesse et de force d’excitation semblent en phase, mais la comparaison

des résultats est délicate en raison de la différence de nature des deux valeurs étudiées.
En effet, en utilisant cette représentation il n’est pas possible de différencier l’erreur due
à la différence de nature des valeurs, et l’erreur de phase des deux signaux. Pour per-
mettre une analyse plus fine de la condition de phase du contrôleur optimal en domaine
temporel dans une houle polychromatique, il a été choisi d’utiliser la mesure de l’angle
du portrait de phase des signaux de vitesse et de force d’excitation (figure 4.13).
4.3 Validation de la stratégie de contrôle pour un groupe de deux corps 135

d = 200m
1.0

Valeur normalisée
Vsim
0.5 fex

0.0

−0.5

−1.0
2100 2120 2140 2160 2180 2200

d = 600m
1.0
Valeur normalisée

0.5

0.0

−0.5 Vsim
fex
−1.0
2100 2120 2140 2160 2180 2200
Temps [s]

Figure 4.11 – Force d’excitation fex (t) et vitesse v(t) normalisées du corps contrôlé d’un
groupe de deux cylindres pilonnant séparés d’une distance d = 200m (en haut) et d = 600m en
bas, dans une houle polychromatique Hs = 2m Tp = 9s, où le corps (capteur) est laissé libre
et le second soumis à la stratégie de contrôle collaboratif.

d = 200m
1.0
Valeur normalisée

Vsim
0.5 fex

0.0

−0.5

−1.0
2100 2120 2140 2160 2180 2200

d = 600m
1.0
Valeur normalisée

0.5

0.0

−0.5 Vsim
fex
−1.0
2100 2120 2140 2160 2180 2200
Temps [s]

Figure 4.12 – Force d’excitation fex (t) et vitesse v(t) normalisées du corps contrôlé dans
des configurations identiques à la figure 4.11, mais pour lesquelles le premier corps (capteur)
est équipé d’un PTO passif d’une valeur BP T O = 1.5 · 105 N.s/m et le second est soumis à la
stratégie de contrôle collaboratif.
136 Analyse des résultats numériques

L’angle du portrait de phase de la vitesse ϕv (t) est défini comme l’angle formé par la
vitesse et la position du corps (équation 4.2), et l’angle du portrait de phase de la force
d’excitation ϕf ex (t) est défini comme l’angle formé par la force d’excitation et sa pri-
mitive (équation 4.3). Les résultats d’angle de portrait de phases obtenus à partir des
simulations précédentes sont présentés dans les figures 4.14 et 4.15.

v(t)
ϕv (t) = arctan( ) (4.2)
x(t)

fex (t)
ϕf ex (t) = arctan( R ) (4.3)
fex (t)

V fex

φV X φfex ∫fex

Figure 4.13 – Schéma représentatif de l’angle du portrait de phase de la vitesse ϕv et

de la force d’excitation ϕf ex .

Les résultats d’angle du portrait de phase montrent que la vitesse et la force d’excitation
sont en phase sur la majeure partie de la durée de simulation, cependant pour les temps
où la prévision de vitesse est erronée, les deux signaux se déphasent légèrement. Comme
la qualité de la prévision augmente avec la distance de séparation, plus cette dernière
augmente plus les deux signaux se trouvent en phase. Les périodes pour lesquelles l’erreur
de prévision induit un déphasage des signaux ne satisfont pas à la condition de phase du
contrôleur optimal. Par ailleurs, les erreurs de prévision de vitesse étant principalement
centrées sur les vagues de courtes périodes, la perte énergétique associée est faible.
4.3 Validation de la stratégie de contrôle pour un groupe de deux corps 137

d = 200m
ϕv
Angle de phase
2 ϕf ex

−2

2100 2120 2140 2160 2180 2200

d = 600m
ϕv
Angle de phase

2 ϕf ex

−2

2100 2120 2140 2160 2180 2200

Temps [s]

Figure 4.14 – Angle du portrait de phase de la vitesse ϕv (t) et de la force d’excitation

ϕf ex (t) correspondant aux simulations de la figure 4.11.

d = 200m
ϕv
Angle de phase

2 ϕf ex

−2

2100 2120 2140 2160 2180 2200

d = 600m
ϕv
Angle de phase

2 ϕf ex

−2

2100 2120 2140 2160 2180 2200

Temps [s]

Figure 4.15 – Angle du portrait de phase de la vitesse ϕv (t) et de la force d’excitation

ϕf ex (t) correspondant aux simulations de la figure 4.12.
138 Analyse des résultats numériques

D’autre part, les faibles différences sur la prévision de vitesse dues à la mise en place
d’un PTO passif sur le corps capteur n’apparaissent pas significativement dans ces ré-
sultats. De manière à faire apparaitre l’impact de l’application d’un PTO passif, il est
alors nécessaire d’observer les résultats de puissances.

Les résultats de puissance obtenus pour les simulations de cette étude sont synthéti-
sés dans le tableau 4.5. La puissance théorique Pth correspond à la puissance maximale
théorique obtenue à partir du contrôle optimal, et la puissance théorique fenêtrée Pth
correspond à la puissance théorique maximale après application du fenêtrage sur l’im-
pédance du contrôleur optimal. Les coefficients d’optimalité Copt et Coptf correspondent
respectivement au rapport de la puissance moyenne mesurée à partir des simulations
sur la puissance théorique Pth et la puissance théorique fenêtrée Pthf (section 3.2.2). La
puissance calculée correspond uniquement à celle du corps contrôlé mais tient compte
de l’impact de l’hydrodynamique du corps capteur (effets de ferme).

Configuration 200m 600m 200m BP T O 600m BP T O

Puissance théorique optimale Pth [W ] 2, 902 · 105 2.891 · 105 2.884 · 105 2.880 · 105
Coefficient d’optimalité Copt [%] 90.1 97.6 91.0 97.6
Puissance théorique fenêtrée Pthf [W ] 2.704 · 105 2.873 · 105 2.683 · 105 2.861 · 105
Coefficient d’optimalité avec fenêtrage Coptf [%] 96.7 98.2 97.9 98.2

Table 4.5 – Résultats de puissance et de coefficient d’optimalité pour les différentes

configurations de ferme présentées dans l’étude.

Les variations de puissance théoriques Pth entre les différentes configurations sont dues
aux effets de ferme. La modification de la distance entre les corps ou de la dynamique
d’un des corps par l’ajout d’un PTO passif fait varier la puissance théorique récupérable
du corps contrôlé. De plus, de par l’ajout du fenêtrage sur l’impédance du contrôleur, la
puissance théorique fenêtrée Pthf est nécessairement inférieure. Cependant, la différence
entre Pth et Pthf varie en fonction de la configuration de ferme. Pour le cas où les corps
sont séparés de d = 200m, une différence de 7% est observée contre 1% pour le cas à
d = 600m. La diminution de cette différence s’explique par l’élongation du temps de
propagation permettant d’obtenir une meilleure prévision de vitesse et ainsi réduire les
approximations sur le contrôleur.

Concernant l’évolution du coefficient d’optimalité Copt , les valeurs de ce dernier aug-

mentent avec l’élongation de la distance de séparation entre les corps ce qui concorde
avec l’amélioration de la prévision de vitesse. De plus, la fine amélioration de la prévi-
sion de vitesse due à l’application du PTO passif permet une augmentation de 1% du
4.4 Validation de la stratégie de contrôle avec les coefficients hydrodynamiques issus de
méthode BEM 139
coefficient d’optimalité pour la configuration d = 200m.

Le coefficient d’optimalité tenant compte du fenêtrage Coptf permet de quantifier la qua-

lité du contrôle en tenant compte de la perte de puissance due au fenêtrage. Il apparait
alors que la récupération d’énergie est proche des 100% pour toutes les configurations
étudiées ici. L’énergie non récupérée ne permettant pas d’atteindre une récupération
parfaite est due aux faibles erreurs de prévision de vitesse. Pour cette raison, il apparait
un meilleur Coptf avec l’ajout du PTO passif sur le premier corps ou l’élongation de la
distance entre les corps.

L’ensemble de ces résultats permet donc de valider la stratégie de contrôle collaboratif

dans un groupe de deux corps avec une prévision déterministe précise de la vitesse des
corps contrôlés, une mise en phase de la force d’excitation et de la vitesse de ces corps,
et finalement une récupération d’énergie proche de la limite de Budal pour le corps
contrôlé. La validation pour une ferme composée de nombreux corps est présentée dans
la section 4.7.2.2.

4.4 Validation de la stratégie de contrôle avec les

coefficients hydrodynamiques issus de méthode
BEM
Pour les démonstrations et les simulations présentées dans ce manuscrit, les coeffi-
cients hydrodynamiques utilisés sont issus d’une méthode semi-analytique (section 2.2.2).
De façon à pouvoir utiliser la stratégie de contrôle pour des géométries de corps plus
complexes que le cylindre type de l’étude, il est alors nécessaire de valider la méthode en
utilisant des coefficients hydrodynamiques issus de méthode BEM. L’application d’un
contrôle quasi optimal comme la stratégie de contrôle collaboratif implique des efforts
du PTO et une dynamique du corps nettement supérieurs au cas d’un corps libre, ce qui
entraine une plus forte sensibilité des résultats de simulation aux coefficients hydrody-
namiques. L’objectif de cette étude est de quantifier l’impact des erreurs des coefficients
hydrodynamiques issus de la méthode BEM par rapport à la méthode analytique sur les
performances du contrôleur et l’estimation de la récupération d’énergie. Ainsi, les coeffi-
cients hydrodynamiques issus de la méthode semi-analytique, de la méthode BEM NE-
MOH (section 2.2.1), et de la méthode BEM NEMOH avec la correction des fréquences
irrégulières (annexe A) sont utilisés ici pour les simulations d’une même configuration
140 Analyse des résultats numériques

de ferme. Les résultats de prévision de vitesse, de mise en phase de la vitesse et de la

force d’excitation, ainsi que les puissances sont alors évalués pour un groupe de deux
cylindres pilonnant séparés d’une distance d = 400m où le corps amont (capteur) est
laissé libre et le corps aval (contrôlé) est soumis à la stratégie de contrôle collaboratif.

-2

-4
z

-6

-8

-10
6
5
4

2 0

y 0
x
-5

Figure 4.16 – Demi-maillage du cylindre utilisé pour le calcul des coefficients hydrody-
namiques avec le code BEM NEMOH.

Le demi-maillage du cylindre vertical utilisé pour le calcul des coefficients hydrodyna-

miques dans le code NEMOH est présenté dans la figure 4.16, et est composé de 340
panneaux. Une étude de convergence en maillage des coefficients hydrodynamiques est
présentée dans l’annexe D. Le code NEMOH permet d’utiliser un demi-maillage pour les
géométries symétriques de façon à limiter les temps de calcul. Par ailleurs, la résolution
du problème aux limites est effectuée pour deux corps, ce qui permet de prendre en
compte les effets de ferme dans les coefficients. Les coefficients d’amortissement hydro-
dynamique et de masse d’eau ajoutée des termes diagonaux issus des 3 méthodes sont
comparés dans la figure 4.17. L’utilisation de la méthode de correction des fréquences
irrégulières permet de faire disparaitre la fréquence irrégulière présente à la pulsation
ω = 2, 2 rad.s, tout en conservant les résultats pour les autres pulsations. Par ailleurs,
bien que les résultats issus des 3 méthodes présentent une forme générale identique, les
coefficients hydrodynamiques issus de la méthode BEM et de la méthode analytique
diffèrent d’environ 5% pour cette géométrie.
4.4 Validation de la stratégie de contrôle avec les coefficients hydrodynamiques issus de
méthode BEM 141
×104
Semi-analytique

BI,I (ω) [N.s/m]

NEMOH
2
NEMOH C.F.I.

0.0 0.5 1.0 1.5 2.0 2.5 3.0

×105
M aI,I (ω) [N.s/m]

Semi-analytique
3.0 NEMOH
NEMOH C.F.I.
2.8

2.6

2.4

0.0 0.5 1.0 1.5 2.0 2.5 3.0

ω [rad/s]

Figure 4.17 – Coefficients d’amortissement hydrodynamique et de masse d’eau ajoutée

des termes diagonaux en pilonnement d’un groupe de deux cylindres séparés d’une dis-
tance d = 400m, obtenus à partir de la méthode semi-analytique, de la méthode BEM
NEMOH, et de la méthode BEM NEMOH avec correction des fréquences irrégulières.

Les résultats de prévision de vitesse (figure 4.18) et d’angle de portrait de phase (fi-
gure 4.19) pour les 3 jeux de coefficients hydrodynamiques sont quasi identiques. Les
différences de valeurs notées sur les coefficients hydrodynamiques n’impactent donc pas
sensiblement les résultats de prévision de vitesse, ni la mise en phase de la vitesse et de
la force d’excitation.

La comparaison des résultats de puissance (table 4.6) permet de quantifier l’impact de

l’utilisation des coefficients hydrodynamiques issus de NEMOH. Dans cette configuration
de ferme, de par l’erreur d’estimation des coefficients hydrodynamiques dans les hautes
fréquences par la méthode BEM, les coefficients issus de NEMOH surestiment légèrement
la puissance théorique Pth . Pour la même raison, les résultats de coefficient d’optimalité
Copt diffèrent d’environ 2%. Cependant, les coefficients d’optimalité Coptf (tenant compte
du fenêtrage) de la méthode semi-analytique et de la méthode BEM ne diffèrent que de
0.6%, car le fenêtrage permet de diminuer les erreurs des coefficients hydrodynamiques
dans les hautes fréquences. Le faible écart de coefficient d’optimalité Coptf entre les 3 jeux
de coefficient hydrodynamique confirme le comportement quasi identique de la stratégie
de contrôle, quelque soit la méthode d’obtention des coefficients hydrodynamiques.
Les résultats de coefficient d’optimalité Coptf entre la méthode NEMOH et sa cor-
142 Analyse des résultats numériques

Semi-analytique
10

VII [m/s]
Vsim
0 Vf orecast

−10
2100 2120 2140 2160 2180 2200

NEMOH
10
VII [m/s]

Vsim
Vf orecast
0

−10
2100 2120 2140 2160 2180 2200

NEMOH C.F.I.
10
VII [m/s]

Vsim
Vf orecast
0

−10
2100 2120 2140 2160 2180 2200
Temps [s]

Figure 4.18 – Comparaison de la prévision de vitesse du corps contrôlé avec la vitesse obtenue
par les simulation pour un groupe de deux cylindres pilonnant avec une distance de séparation
d = 400m dans une houle polychromatique Hs = 2m Tp = 9s, où le premier corps (capteur)
est laissé libre et le second est soumis à la stratégie de contrôle collaboratif.

Semi-analytique
Angle de phase Angle de phase Angle de phase

2.5 ϕv
ϕf ex
0.0

−2.5
2100 2120 2140 2160 2180 2200

NEMOH
2.5 ϕv
ϕf ex
0.0

−2.5
2100 2120 2140 2160 2180 2200

NEMOH C.F.I.
2.5 ϕv
ϕf ex
0.0

−2.5
2100 2120 2140 2160 2180 2200
Temps [s]

Figure 4.19 – Angle du portrait de phase de la vitesse ϕv (t) et de la force d’excitation

ϕf ex (t) correspondant aux simulations de la figure 4.18.
4.5 Impact du déplacement moyen en cavalement sur la méthode 143

Configuration Semi-Analytique NEMOH NEMOH C.F.I.

Puissance théorique optimale Pth [W ] 2.894 · 105 2.976 · 105 3.041 · 105
Coefficient d’optimalité Copt [%] 92.7 93.8 91.6
Puissance théorique fenêtrée Pthf [W ] 2.729 · 105 2.857 · 105 2.854 · 105
Coefficient d’optimalité avec fenêtrage Coptf [%] 98.3 97.7 97.7

Table 4.6 – Comparaison des résultats de puissance et de coefficient d’optimalité en

utilisant les coefficients hydrodynamiques issus d’une méthode semi-analytique, de la
méthode BEM NEMOH, et de la méthode BEM NEMOH avec correction des fréquences
irrégulières.

rection des fréquences irrégulières sont identiques. En effet, la fréquence irrégulière à

ω = 2.2 rad/s génère une variation de l’estimation de puissance théorique optimale,
mais n’est plus prise en compte après le fenêtrage dans la puissance théorique fenêtrée
Pth , car elle est située en dehors de la bande passante de récupération. L’utilisation de
la correction des fréquences irrégulière n’a donc d’intérêt que si ces fréquences sont pré-
sentes dans la bande d’intérêt de récupération d’énergie.

L’ensemble de ces résultats permet donc de valider l’utilisation de coefficients hydrodyna-

miques issus de la méthode BEM NEMOH pour l’application de la stratégie de contrôle
collaboratif, avec une erreur d’estimation du coefficient d’optimalité Coptf inférieure à
1% pour la configuration évaluée. Par conséquent, il est possible d’appliquer la stratégie
de contrôle à des géométries de corps plus complexes. Toutefois, l’erreur d’estimation de
la puissance théorique maximale (ici 3%) reste à prendre en considération, bien qu’elle
soit indépendante de la méthode de contrôle.

4.5 Impact du déplacement moyen en cavalement

sur la méthode
Les positions des machines houlomotrices dans la ferme ne sont pas nécessairement
fixes, notamment en raison des problématiques d’ancrage. Les efforts générés par les
vagues, le courant, ou le vent peuvent déplacer les machines de plusieurs mètres. La
stratégie de contrôle collaboratif repose sur la prévision déterministe de la vitesse des
corps contrôlés, et ce pour une position fixe (section 3.1.7). L’impact d’une erreur de
positionnement des corps sur la récupération d’énergie est donc étudié ici. Cependant,
seul l’impact du déplacement est pris en compte. En effet, la mise en place d’un ancrage
modifie également la dynamique du WEC [36], mais ces phénomènes ne sont pas intégrés
144 Analyse des résultats numériques

dans les simulations.

Les mouvements de dérive d’un corps contrôlé sont schématisés dans la figure 4.20. La
distance de dérive du corps est notée dr et représente la position relative du corps par
rapport à sa position initiale. Les résultats de puissance obtenus pour différentes posi-
tions de dérives sont présentés dans la table 4.7, et la figure 4.21. Bien que la dérive
du corps puisse s’effectuer dans les deux dimensions du plan horizontal, les variations
de position ne sont ici étudiées que pour une seule dimension. La position du corps
peut être projetée sur l’axe de propagation de la houle, car la propagation est supposée
identique sur toutes les directions parallèles. Les variations de position sur l’axe perpen-
diculaire à la propagation entrainent cependant un effet analogue à l’erreur de mesure
de l’orientation de la houle (section 4.6), car il se forme alors un angle entre l’aligne-
ment des corps et la propagation de la houle. De façon à différencier l’impact de la
variation de position et de l’erreur d’orientation, ces deux phénomènes sont étudiés in-
dépendamment, ce qui explique l’étude de l’impact de l’ancrage sur une seule dimension.

dr dr

Corps I Corps II

Ancrage

Figure 4.20 – Schéma représentatif de la dérive des corps liée à l’ancrage.

L’impact de la dérive sur la qualité du contrôle est évaluée pour un groupe de deux
cylindres pilonnant séparés d’une distance d = 400m, dans deux états de mer : Hs = 2m
Tp = 6s et Hs = 2m Tp = 9s. Le premier corps (capteur) est laissé libre, car comme pré-
senté dans la section 4.3 l’impact d’un PTO passif sur le corps capteur est négligeable.
La position du corps capteur est fixe, et seul le corps contrôlé subit la dérive dr .
4.5 Impact du déplacement moyen en cavalement sur la méthode 145

Tp = 6 s
100
Copt
80
Coptf
[%] 60

40

20

0
−20 −15 −10 −5 0 5 10 15 20
dr [m]
Tp = 9 s
100
Copt
80
Coptf
60
[%]

40

20

0
−20 −15 −10 −5 0 5 10 15 20
dr [m]

Figure 4.21 – Résultats de coefficients d’optimalité Copt et de coefficient d’optimalité

tenant compte du fenêtrage Coptf en fonction de la dérive dr du corps contrôlé pour une
houle polychromatique Hs = 2m Tp = 6s (en haut) et Hs = 2m Tp = 9s (en bas).
Tp = 6s Tp = 9s
Dérive dr [m] Pth [W ] Copt [%] Pthf [W ] Coptf [%] Pth [W ] Copt [%] Pthf [W ] Coptf [%]
-20.0 8, 0536 · 104 0 7, 8015 · 104 0 2, 8950 · 105 0 2, 7297 · 105 0
-17.5 8, 0541 · 104 0 7, 8019 · 104 0 2, 8950 · 105 7,9 2, 7296 · 105 8,4
-15.0 8, 0545 · 104 0 7, 8022 · 104 0 2, 8949 · 105 26,2 2, 7295 · 105 27,8
-12.5 8, 0549 · 104 0 7, 8025 · 104 0 2, 8948 · 105 43,2 2, 7294 · 105 45,8
-10.0 8, 0554 · 104 0 7, 8027 · 104 0 2, 8947 · 105 58,4 2, 7293 · 105 61,9
-7.5 8, 0559 · 104 6.1 7, 8030 · 104 6.3 2, 8947 · 105 71,3 2, 7292 · 105 75,6
-5.0 8, 0564 · 104 48.1 7, 8032 · 104 49.6 2, 8946 · 105 81,4 2, 7291 · 105 86,3
-2.5 8, 0569 · 104 79.1 7, 8034 · 104 81.6 2, 8946 · 105 88,4 2, 7290 · 105 93,7
0.0 8, 0574 · 104 93.2 7, 8037 · 104 96.2 2, 8945 · 105 91,8 2, 7289 · 105 97,4
2.5 8, 0580 · 104 88.3 7, 8040 · 104 91.2 2, 8945 · 105 91,7 2, 7289 · 105 97,2
5.0 8, 0585 · 104 66.1 7, 8044 · 104 68.3 2, 8944 · 105 87,7 2, 7288 · 105 93
7.5 8, 0591 · 104 30.5 7, 8048 · 104 31.5 2, 8944 · 105 80,1 2, 7287 · 105 84,9
10.0 8, 0596 · 104 0 7, 8052 · 104 0 2, 8943 · 105 68,9 2, 7286 · 105 73,1
12.5 8, 0601 · 104 0 7, 8057 · 104 0 2, 8943 · 105 54,6 2, 7286 · 105 57,9
15.0 8, 0606 · 104 0 7, 8061 · 104 0 2, 8942 · 105 37,5 2, 7285 · 105 39,8
17.5 8, 0611 · 104 0 7, 8065 · 104 0 2, 8942 · 105 18,1 2, 7284 · 105 19,2
20.0 8, 0615 · 104 0 7, 8069 · 104 0 2, 8941 · 105 0 2, 7284 · 105 0

Table 4.7 – Comparaison des résultats de puissance et de coefficient d’optimalité en

fonction de la dérive du corps contrôlé.
146 Analyse des résultats numériques

La variation de la position du corps contrôlé implique une modification de la géométrie

de la ferme et par conséquent des effets de fermes. Ces modifications impliquent une va-
riation de la puissance théorique maximale récupérable Pth . Par ailleurs, la distance de
dérive dr étant petite par rapport à la distance de séparation entre les corps, les variations
de la puissance théorique sont faibles, voire négligeables. Dans cette configuration, la va-
riation de puissance Pth entre les deux positions de dérives extrêmes dr = {−20m; 20m}
engendrent une variation de puissance inférieure à 0, 01%.

Pour les deux états de mer, le coefficient d’optimalité Copt atteint sont optimum lorsque
le corps est à l’emplacement initialement prévu, i.e. pour dr = 0m. Autour de cette
valeur, le coefficient d’optimalité est strictement décroissant lorsque le corps s’écarte de
sa position. De plus, la décroissance de Copt n’est pas symétrique lorsque le corps se
rapproche ou s’éloigne. Pour une distance de dérive en valeur absolue donnée |dr |, la
récupération d’énergie est meilleure lorsque le corps s’éloigne (dr > 0) que lorsque le
corps se rapproche (dr < 0).

L’évolution du coefficient d’optimalité en fonction de la dérive est aussi dépendante de

l’état de mer. Pour Tp = 6s la décroissance est plus rapide que pour Tp = 9s. Les vagues
contenues dans l’état de mer Tp = 6s étant de plus courtes longueurs d’onde, une va-
riation de la position du corps est plus pénalisante que pour l’état de mer Tp = 9s.
En d’autres termes, la variation de position engendre un déphasage moins important
de la prévision de vitesse pour des vagues de plus grande longueur d’onde. Cependant,
les valeurs de fenêtrage du contrôleur impactent elles aussi la variation du coefficient
d’optimalité. Pour l’état de mer Tp = 6s les valeurs de fenêtrages utilisées ici sont
ωLc = 0, 5 rad/s et ωHc = 3, 5rad/s alors que pour Tp = 9s les valeurs de fenêtrages
utilisées sont égales à ωLc = 0, 35 rad/s et ωHc = 1, 5rad/s. Pour l’état de mer Tp = 6s,
la pulsation de coupure haute est bien supérieure à celle de Tp = 9s. Dans cette configu-
ration, la prévision inclut des vagues de très courtes périodes ce qui est plus pénalisant
en cas de dérive. Il est alors possible de diminuer la valeur de coupure haute de façon à
augmenter la robustesse à la dérive en sacrifiant légèrement la valeur maximale de Copt .

Dans la configuration présentée ici, les valeurs maximales de dérives permettant de

conserver un coefficient d’optimalité Copt supérieur à 80% sont égales à dr = {−2, 5m; 3, 5m}
pour Tp = 6s et dr = {−5, 0m; 7, 5m} pour Tp = 9s. Ces résultats montrent une bonne
robustesse de la stratégie de contrôle en particulier pour les grandes périodes de pic.
4.6 Orientation et étalement directionnel de la houle 147

Cependant, dans les situations où les valeurs de dérive des corps pourraient être su-
périeures, comme dans le cas d’ancrages profonds, les rendements de la ferme seraient
considérablement réduits. Pour améliorer la stratégie de contrôle face à ces changements,
les positions des corps de la ferme pourraient être prises en compte. Dans le cas de dé-
placements lents liés au courant ou un régime de vent établi, il est possible de mesurer
la position des corps en utilisant par exemple leurs positions GPS et ainsi adapter la
stratégie de contrôle en fournissant un nouveau jeu de coefficients hydrodynamiques de
la ferme. Par ailleurs, dans le cas de mouvements de dérives rapides (de l’ordre de gran-
deur d’une période de houle), il n’est pas possible d’adapter dynamiquement la stratégie
de contrôle.

4.6 Orientation et étalement directionnel de la houle

La stratégie de contrôle collaboratif développée dans ce manuscrit est basée sur la

prévision déterministe du mouvement du corps contrôlé pour une direction de propaga-
tion de houle donnée. Lorsque l’orientation de la houle change, il est possible de mesurer
la nouvelle orientation à partir de méthodes dédiées, et de recalculer les fonctions de
transfert de vitesse à partir des coefficients hydrodynamiques associés à cette nouvelle
orientation. L’étude présentée dans cette section consiste à évaluer le comportement de
la stratégie de contrôle face à une erreur de mesure de l’orientation de la houle, et la
robustesse de la méthode à l’étalement directionnel spectral de la houle.

4.6.1 Erreur de mesure de l’orientation de la houle

Dans un premier temps, un changement de l’orientation de la houle peut être vu

comme une modification de la distance de propagation (figure 4.22). Pour des corps
axisymétriques, lorsque la houle est alignée avec les corps, la distance de séparation d
est égale à la distance de propagation dp . Cependant, lorsque l’angle de propagation
de la houle β est modifié, la distance de propagation de la houle correspond alors à la
projection de la distance de séparation d sur la direction de propagation de la houle. La
distance de propagation est alors définie par la relation suivante :

dp = d cos(β) (4.4)
148 Analyse des résultats numériques

dp

d β
β

Figure 4.22 – Schéma représentatif de la distance de propagation de la houle dp en

fonction de l’orientation de la houle β et la distance de séparation d entre les corps.

L’évolution de la distance de propagation dp est donc fonction de l’angle de houle β et

de la distance de séparation d entre les corps. Par conséquent, une erreur de mesure de
l’orientation de la houle entraine une erreur de l’estimation de la distance de propagation,
et donc un déphasage du contrôle. L’erreur de mesure d’orientation de la houle peut alors
être comparée à la dérive du corps contrôlé présenté dans la section 4.5, où la distance
de dérive dr est liée à l’erreur de mesure d’angle de houle βerr et à l’angle de la houle
β par la relation 4.5. Les valeurs de dérives équivalentes pour différentes distances de
séparation sont présentées dans la figure 4.23.

dr = d cos(β + βerr ) − d cos(β) (4.5)

10
0 β = 0.0 degrés
β = 10.0 degrés
5 β = 20.0 degrés
−2

0
−4
dr [m]
dr [m]

−5
−6

d = 200 m −10
−8 d = 400 m
d = 600 m
−15
−10 −5 0 5 10 −10 −5 0 5 10
βerr [degrés] βerr [degrés]

Figure 4.23 – Relation entre la dérive équivalente dr et l’erreur de mesure d’orientation

de la houle βerr pour différentes distances de séparation d entre le corps capteur et le
corps contrôlé avec β = 0° (à gauche) et pour différentes valeurs d’orientation de la houle
β avec d = 200 m (à droite).
4.6 Orientation et étalement directionnel de la houle 149

D’après les résultats de la section précédente, dans une houle de période de pic Tp = 9s,
la valeur de dérive négative permettant de conserver un coefficient d’optimalité égal à
80% est égale à −5m. Dans le cas d’une houle alignée avec les corps (figure 4.23 gauche),
pour une distance de séparation de d = 400m, cela correspond à une erreur de mesure
d’angle de houle de βerr ± 9°, et pour une distance de séparation d = 600m une er-
reur βerr ± 7, 5°. De façon à améliorer la robustesse du contrôleur à l’erreur de mesure
de l’orientation de la houle, il est alors possible de minimiser la distance de séparation
entre le corps capteur et le corps contrôlé en utilisant l’information de vitesse d’un voisin
proche du corps contrôlé.

De plus, la dérive équivalente dr et par conséquent la sensibilité du contrôleur à la mesure

de l’orientation sont fortement influencées par l’angle de la houle β (figure 4.23 droite).
Pour minimiser la sensibilité du contrôleur, il est alors préférable de choisir le corps
capteur comme celui permettant de minimiser l’angle β formé entre l’alignement des
corps contrôlés et du corps capteur et l’orientation de la houle.

×105

2.89

2.88

2.87
Pth [W ]

2.86

2.85

2.84

−30 −20 −10 0 10 20 30

β [degrés]

Figure 4.24 – Puissance théorique maximale récupérable Pth du corps contrôlé en fonc-
tion de l’orientation de la houle incidente β pour un groupe de deux cylindres pilonnant
séparés d’une distance d = 400m.

D’autre part, comme présenté dans la figure 4.24, le changement d’orientation de houle
implique une variation de la puissance maximale théorique récupérable Pth . En effet,
la modification de l’orientation de la houle modifie les effets de diffraction de la houle
150 Analyse des résultats numériques

incidente avec les corps de la ferme. Ces effets de ferme impliquent alors une modification
de la dynamique des corps et donc de l’énergie récupérable. La dérive du corps présentée
dans la section 4.5 entraine une faible variation de la puissance théorique Pth (0.01% dans
cette configuration), cependant la modification de l’angle d’incidence de la houle a un
impact plus important (environ 2% dans la même configuration). De façon à obtenir une
analyse fine du comportement du contrôleur face à une erreur de mesure de l’orientation
de la houle, il est donc nécessaire de tenir compte de ces effets.

Tp = 9 s
100
Copt
Coptf

95

90
[%]

85

80

75
−10.0 −7.5 −5.0 −2.5 0.0 2.5 5.0 7.5 10.0
β [degrés]

Figure 4.25 – Résultats de coefficients d’optimalité Copt et de coefficient d’optimalité

tenant compte du fenêtrage Coptf du corps contrôlé en fonction de l’erreur de mesure
de l’orientation de la houle βerr , pour une houle polychromatique Hs = 2m Tp = 9s
d’orientation β = 0°.

L’impact de l’erreur de mesure de l’orientation de houle tenant compte des effets de

ferme est présenté dans la figure 4.25 et la table 4.8. Il apparait alors que la courbe du
coefficient d’optimalité est plus émoussée dans le cas de l’erreur de l’orientation que pour
l’erreur de dérive. Les variations du coefficient d’optimalité sont faibles pour les valeurs
d’angle βerr comprises entre −5° et 5° et les valeurs chutent au-delà.
4.6 Orientation et étalement directionnel de la houle 151

Tp = 9s
βerr [Degrés] Pth [W ] Copt [%] Pthf [W ] Coptf [%]
0 2, 8945 · 105 91,8 2, 7289 · 105 97,4
1 2, 8942 · 105 91,8 2, 7287 · 105 97,4
2 2, 8931 · 105 91,7 2, 7278 · 105 97,2
3 2, 8914 · 105 91,4 2, 7264 · 105 96,9
4 2, 8890 · 105 90,9 2, 7244 · 105 96,4
5 2, 8860 · 105 90,1 2, 7218 · 105 95,6
6 2, 8824 · 105 89,0 2, 7187 · 105 94,3
7 2, 8784 · 105 87,2 2, 7151 · 105 92,5
8 2, 8739 · 105 84,8 2, 7111 · 105 89,9
9 2, 8692 · 105 81,6 2, 7065 · 105 86,5
10 2, 8643 · 105 77,2 2, 7017 · 105 81,9

Table 4.8 – Résultats de puissance et de coefficient d’optimalité du corps contrôlé en

fonction de l’erreur de mesure de l’orientation de la houle βerr .

4.6.2 Étalement spectral directionnel

Dans les sections précédentes, les simulations effectuées ne tiennent compte que d’une
seule direction de propagation de houle. Un état de mer réaliste est dans les faits consti-
tué de plusieurs directions de propagations qui constituent un étalement spectral direc-
tionnel. L’étalement du spectre de houle est dépendant des conditions météorologiques
et bathymétriques de la zone concernée, et il peut être composé de plusieurs pics. Ces
différents pics proviennent de différents phénomènes comme la propagation de la houle
provenant d’une source lointaine ou de la mer de vent générée localement [55]. Cette
partie de l’étude vise à quantifier la dégradation de la qualité du contrôle en fonction
de l’étalement spectral directionnel. Par ailleurs, pour simplifier l’analyse un unique pic
directionnel est pris en compte.

Les simulations sont effectuées pour un groupe de deux cylindres pilonnant séparés d’une
distance d = 400m où le corps amont est laissé libre et le second est soumis à la stratégie
de contrôle collaboratif. Le spectre directionnel est centré sur l’alignement des deux corps
(β0 ) et les résultats de puissances sont évalués pour différentes valeurs d’étalement. Plu-
sieurs types de distributions directionnelles spectrales peuvent être utilisés pour décrire
ce phénomène comme la distribution « cosinus carré » ou encore « cosinus 2s » présentées
dans [57]. Pour des raisons didactiques liées à sa simplicité d’expression, la distribution
« cosinus carré » est choisie pour représenter l’étalement spectral directionnel dans les
simulations. De plus, la méthode est étendue pour une valeur d’exposant n de façon à
152 Analyse des résultats numériques

analyser l’impact de la largeur de l’étalement. Le spectre de houle directionnel est défini

dans l’annexe E, et la fonction d’étalement spectral D(β) pour les différentes valeurs
d’exposants n utilisées dans l’étude est présenté dans la figure 4.26.

n=500

8
n=350

n=250

6
n=190

n=140
D(β )

n=100
4
n=70

n=50
n=40
n=30

−30 −20 −10 0 10 20 30

β [degrés]

Figure 4.26 – Fonctions D(β) d’étalement spectral pour les différentes valeurs d’expo-
sant n utilisées dans l’étude.

Comme pour les changements d’orientation de la houle incidente présentés dans la sec-
tion précédente, lors de l’agrandissement de l’étalement spectral les efforts de diffraction
sur les corps de la ferme sont modifiés, ce qui engendre une modification de la puissance
théorique maximale récupérable (table 4.9). La valeur de puissance théorique Pth varie
d’environ 1% entre un spectre de houle monodirectionnel (n = ∞) et le spectre de houle
le plus étalé évalué ici (n = 30).

La valeur de coefficient d’optimalité Copt diminue avec l’élargissement de l’étalement

spectral, et elle tend vers la valeur obtenue pour un spectre monodirectionnel lorsque le
spectre directionnel s’affine (figure 4.27). De plus, les valeurs de coefficient d’optimalité
décroissent faiblement pour les valeurs d’exposant n supérieures à 100 et chutent ensuite.
Toutefois, pour n = 50 la valeur du coefficient d’optimalité Copt est égale à 79%, ce qui
permet de valider la robustesse de la méthode pour les faibles étalements directionnels.
4.6 Orientation et étalement directionnel de la houle 153

Tp = 9s
n Pth [W ] Copt [%] Pthf [W ] Coptf [%]
30 2, 8752 · 105 66.3 2, 7105 · 105 70.3
40 2, 8762 · 105 74.2 2, 7118 · 105 78.7
50 2, 8781 · 105 79.0 2, 7138 · 105 83.8
70 2, 8814 · 105 84.1 2, 7171 · 105 89.2
100 2, 8846 · 105 87.4 2, 7202 · 105 92.7
140 2, 8871 · 105 89.2 2, 7225 · 105 94.6
190 2, 8889 · 105 90.2 2, 7241 · 105 95.7
250 2, 8901 · 105 90.8 2, 7253 · 105 96.3
350 2, 8913 · 105 91.2 2, 7263 · 105 96.7
500 2, 8923 · 105 91.4 2, 7271 · 105 97.0
∞ 2, 8945 · 105 91,8 2, 7289 · 105 97,4

Table 4.9 – Résultats de puissance et de coefficient d’optimalité du corps contrôlé en

fonction de la valeur d’exposant n de la distribution d’étalement D(β).

Tp = 9 s
100
Co p t
n=∞
Co p t f
95
n=∞
90

85
[%]

80

75

70

65

60
100 200 300 400 500
n

Figure 4.27 – Résultats de coefficients d’optimalité Copt et de coefficient d’optimalité

tenant compte du fenêtrage Coptf du corps contrôlé en fonction de la valeur d’exposant n
de la distribution d’étalement D(β), pour une houle polychromatique Hs = 2m Tp = 9s.
154 Analyse des résultats numériques

La forte décroissance de la récupération d’énergie pour les forts étalements directionnels

laisse à penser que la méthode ne peut correspondre à un spectre de houle composé
de plusieurs pics directionnels. La formation d’états de mer composés de plusieurs pics
directionnels étant principalement due à l’addition d’une mer de vent et la propagation
d’une houle lointaine, la stratégie de contrôle collaboratif présentée ici ne pourra donc
fonctionner convenablement que dans une mer formée par une seule de ces deux com-
posantes. De plus, les mers de vent présentant des étalements directionnels plus larges,
la stratégie de contrôle sera plus adaptée à la récupération d’une houle formée par une
source lointaine. Pour rester efficace face à un large étalement spectral, la stratégie de
contrôle devra être étendue pour effectuer une prévision multidirectionnelle de la houle.

Les résultats présentés ici sont donnés pour une distance de séparation d = 400m entre les
corps. Cependant, comme pour l’étude de l’erreur de mesure de l’orientation de la houle,
les résultats de puissance obtenus ici sont aussi fonction de la distance de séparation d.
Pour un angle d’incidence de houle donnée, lorsque la distance diminue l’erreur de phase
de la prévision de vitesse diminue elle aussi. Par conséquent, il est possible de réduire la
distance entre le corps capteur et le corps contrôlé de façon à augmenter la robustesse
de la méthode à l’étalement spectral directionnel du spectre de houle.

4.7 Application à une ferme complexe

Le développement de la stratégie de contrôle (section 3.1), l’étude de sensibilité (sec-
tion 3.2) et l’analyse des résultats numériques (chapitre 4) ont permis de décrire le
comportement de la stratégie de contrôle pour une ferme rudimentaire composée de
deux cylindres. En exploitant ces résultats, il est alors possible d’appliquer la stratégie
de contrôle à une ferme complexe, i.e. composée d’un plus grand nombre de machines.
Dans un premier temps, l’impact du contrôleur sur une ferme complexe est exposé pour
différentes configurations de ferme. Ensuite, la stratégie de contrôle est appliquée dans
le domaine temporel sur une ferme de 10 corps, de façon à valider les conditions d’opti-
malité et les résultats de puissance.

4.7.1 Impact du contrôleur sur le facteur d’interaction

L’étude présentée ici cherche à évaluer l’évolution du facteur d’interaction de la ferme
et de la fraction de puissance (1.5.3.4) de chacun des corps d’une ferme composée de 9
cylindres pilonnant équipés d’un PTO passif ou soumis au contrôle optimal. L’objectif
4.7 Application à une ferme complexe 155

de cette démarche est d’introduire les fortes variations du facteur d’interaction et de

la fraction de puissance sous l’effet d’un contrôle optimal, en vue de l’application de
la stratégie de contrôle collaboratif sur une ferme de 10 corps (section 4.7.2). L’étude
est conduite dans un état de mer Hs = 2m Tp = 9s composé à partir d’un spectre de
Bretschneider (section 3.1.5.1). Dans le cadre de cette étude, un seul état de mer est
considéré, toutefois les valeurs du facteur d’interaction et de la fraction de puissance
sont aussi impactées par les variations de la période de pic de la houle. Il est à noter
qu’ici, les résultats sont obtenus dans le domaine fréquentiel en utilisant un contrôleur
optimal non fenêtré. Différentes dispositions de ferme, de distance entre les corps, et
d’orientation de houle sont évaluées et les résultats sont présentés dans la figure 4.28.

De façon à prendre en compte l’impact du spectre de houle et l’impédance du PTO,

la puissance absorbée par les corps dans le domaine est obtenue à partir des équations
suivantes :

V(ω) = [Zi (ω) + Zu (ω)]−1 Hex (ω)a(ω) (4.6)

Fu (ω) = −Zu (ω)V(ω) (4.7)

1
PA (ω) = − ℜ {Fu V∗ } (4.8)
2

Pth = PA (ω) (4.9)

X

Le vecteur Pth contient la puissance moyenne absorbée de chacun des corps de la ferme.
Dans le cas d’une ferme équipée de PTO passifs, la valeur de l’impédance du contrôleur
est choisie constante et égale à Zu = BP T O . Dans cette étude, la valeur de BP T O est
choisie de façon à maximiser la récupération d’énergie, avec BP T O = 2, 1 · 105 N.s/m
pour l’état de mer utilisé ici. Dans le cas où le contrôleur optimal est utilisé, la valeur de
l’impédance du contrôleur est égale à Z∗i . La puissance moyenne absorbée par la ferme
correspond à la moyenne de la puissance absorbée par chacun des corps, soit :

Pth,f erme = P̄th (4.10)

Pour les configurations de ferme soumises au contrôleur optimal, la puissance moyenne

de la ferme correspond alors au maximum théorique récupérable. La valeur moyenne
156 Analyse des résultats numériques

Pth,f erme peut alors aussi être obtenue à partir de l’équation suivante [34] :

1 ∗
Pth,f erme = P̄th = F (ω)B−1 (ω)Fe (ω) (4.11)
X
8 e
À partir des valeurs de puissance tenant compte du PTO, le facteur d’interaction (ou
« q factor ») de la ferme qf est défini comme le ratio de la puissance moyenne de la ferme
Pth,f erme et de la puissance d’un corps isolé Pth,isolé multipliée par le nombre de corps
dans le groupe :

Pth,f erme
qf = (4.12)
N Pth,isolé
De même, la fraction de puissance qind correspondant au facteur d’interaction individuel
de chacun des corps est définie comme le ratio de la puissance d’un corps dans le groupe
Pth et de la puissance d’un corps isolé Pth,isolé :

Pth
qind = (4.13)
Pth,isolé

4.7.1.1 PTO passif

Dans un premier temps, l’analyse des résultats se concentre sur le facteur d’interaction
de la ferme qf . Avec l’application d’un PTO passif, les variations de qf sont comprises
entre qf = 0, 97 et qf = 1, 01 dans les configurations étudiées ici. De manière générale,
pour une géométrie de ferme donnée, lorsque la distance entre les corps augmente, le
facteur d’interaction tend vers 1. En effet, plus les corps d’un groupe sont éloignés, plus
les effets de ferme s’estompent. De plus, dans la géométrie b, il apparait que si le facteur
d’interaction tend vers 1 lorsque la distance entre les corps augmente, il n’est pas néces-
sairement strictement croissant ou strictement décroissant (qf = 0, 99 pour d = 100m,
qf = 1, 01 pour d = 200m,qf = 1, 00 pour d = 400m).

Les faibles variations du facteur d’interaction sous l’effet d’un PTO passif s’expliquent
par la dynamique des corps avec ce type de PTO. Le PTO passif réduit l’amplitude et
la vitesse des corps, ce qui implique une diminution des forces de radiation et donc des
effets de ferme. Par ailleurs, les efforts de diffractions étant identiques avec l’application
du contrôleur optimal ou du PTO passif, il est possible d’en déduire que les effets de
fermes prédominant dans les fortes variations de qf observées avec le contrôleur optimal
sont dues aux efforts de radiations.
4.7 Application à une ferme complexe 157

Cas a.1 Cas a.2 Cas a.3

qf=0,98 qf=1,27 qf=1,01 qf=1,09 qf=1,00 qf=1,02
1,00 1,00 1,00
1,17 1,02 0,91
1,01 1,00 0,96 1,01 1,01 1,00
-5,82 20,5 -6,06 1,22 1,65 0,69

1,00 1,00 0,93 1,01 1,00 1,00

1,01 1,01 1,01 1,10 0,93 0,95
-25,2 25,3 -5,98 1,13 0,34 1,17
d=100m
d=200m
1,01 1,00 0,96 d=400m
-5,82 20,5 -6,06 1,01 1,01 1,00
1,22 1,65 0,69 1,00 1,00 1,00
1,17 1,02 0,91
d=100m
d=200m
d=400m
β=0° β=0° β=0°

Cas b.1 Cas b.2 Cas b.3

qf=0,99 qf=1,22 qf=1,01 qf=1,12 qf=1,00 qf=1,03
1,00
1,14

1,00
1,38 d=400m

1,00 d=200m
2,77 1,00
1,20
d=100m 1,01
0,97 1,42
-3,04

1,02 1,01 0,99 1,00 0,93 1,01 1,01 1,00 1,01 1,00 1,00 1,00 1,00 1,00 0,99
2,63 4,41 4,66 0,44 0,60 1,05 1,19 0,70 1,07 0,48 1,03 0,96 0,95 0,81 0,89

d=100m 0,97 d=200m d=400m

-3,04
1,01
1,42
β=0° 1,00 β=0° β=0° 1,00
2,77 1,20

1,00
1,38

1,00
1,14

Cas c.1 Cas c.2 Cas c.3

qf=0,97 qf=0,94 qf=0,97 qf=0,96 qf=1,01 qf=1,25
1,01 0,97 0,94 1,00 0,95 0,94 1,02 1,01 0,98
1,43 0,88 0,40 1,51 0,29 0,67 1,85 0,57 0,27

1,01 0,97 0,93 1,00 0,95 0,95 1,03 1,04 1,01

0,84 1,58 0,55 1,75 0,08 1,14 1,47 2,48 0,57
d=200m d=200m d=200m
1,00 0,98 0,95 1,01 0,98 0,98 1,01 1,03 1,02
0,50 1,18 1,10 1,42 0,64 1,15 0,74 1,47 1,85

d=200m d=200m d=200m

β=15° β=30° β=45°

Figure 4.28 – Facteurs d’interaction qf et fractions de puissances qind pour différentes

configurations de ferme pour des machines équipées d’un PTO passif d’amortissement
BP T O = 2, 1 · 105 N.s/m (en noir), ou soumis au contrôle optimal (en rouge).
158 Analyse des résultats numériques

Concernant la fraction de puissance qind , dans le cas du PTO passif les valeurs entre les
corps diffèrent peu, y compris pour les configurations rapprochées. De plus, comme pour
le facteur d’interaction, les valeurs de qind tendent vers 1 lorsque la distance entre les
corps augmente.

4.7.1.2 Contrôle optimal

Sous l’effet du contrôleur optimal, les valeurs de qf présentent de fortes variations en

fonction de la distance entre les corps, et ce, quel que soit la géométrie de ferme (a ou b)
avec des valeurs comprises entre 1, 02 et 1, 27 dans les configurations testées dans l’étude.
De plus, comme pour le PTO passif, lorsque la distance entre les corps augmente, la
valeur de qf tend vers 1. En outre, de fortes variations de qf sont observées en fonction de
l’orientation de la houle incidente. Avec l’augmentation de l’angle β, une nette diminution
puis augmentation de qf est notée. Comme précisé dans les travaux de Wolgamot [85], la
valeur du facteur d’interaction intégrée sur l’ensemble des directions d’angle d’incidence
est égale à 1 (équation 4.14).
Z π
qf (β)dβ = 1 (4.14)
−π

Concernant la fraction de puissance, contrairement au PTO passif, les variations de qind

peuvent devenir extrêmes. De la même façon qu’avec le PTO passif les variations di-
minuent avec l’augmentation de la distance de séparation, mais pour les configurations
rapprochées les valeurs deviennent déraisonnables, en particulier pour la configuration
a.1 où les valeurs de qind sont comprises entre −25, 2 et 25, 3. Dans cette situation,
certains corps de la ferme présentent des valeurs de puissance négatives, mais la récupé-
ration globale de la ferme est positive. Des valeurs négatives de la fraction de puissance
avaient déjà été observées dans les travaux à 3 corps de Wolgamot [85], mais l’augmen-
tation du nombre de corps semble renforcer significativement les écarts de qind . En effet,
le contrôleur optimal au sein de la ferme considère chacun des corps comme un degré de
liberté du système, et il impose une dynamique aux machines permettant de produire le
motif de radiation optimisant la récupération globale de la ferme en tenant compte du
champ de vague radié par les corps. Dans certaines configurations, il est alors possible
que certains corps du groupe soient utilisés comme moteur pour assurer la maximisation
de l’énergie globale récupérée.

Plus la densité des corps dans une zone est élevée, plus les effets de ferme par interférence
dans cette zone deviennent complexes. L’amplitude des corps nécessaire pour obtenir le
4.7 Application à une ferme complexe 159

motif de radiation optimal peut alors devenir très importante. Les variations observées
dans le cas a.1 sont nettement supérieures à celle du cas b.1, alors que les distances
de séparation sont identiques. Ces deux cas diffèrent par la géométrie utilisée pour le
positionnement des corps, le cas a.1 considère une géométrie carrée et le cas b.1 une
géométrie en croix. De par la différence de géométrie, la densité spatiale des corps dans
cette configuration est supérieure et explique les différences de variation.

Toujours sous l’effet du contrôleur optimal, de fortes variations de qind sont observées
avec la modification de l’orientation de la houle incidente. Un corps peut présenter une
fraction de puissance qind bien inférieure à 1 pour un angle d’incidence de houle donné,
et présenter une valeur nettement supérieure à 1 pour un angle d’incidence β légèrement
différent. Dans le cas c.2, le corps central de la ferme montre une fraction de puissance
qind = 0.08 et dans le cas c.3 avec un angle d’incidence β supérieur de 15° la fraction de
puissance du même corps s’élève à qind = 2.48.

Par ailleurs, les fortes valeurs et variations de la fraction de puissance sont liées à la
dynamique extrême du contrôleur optimal. Avec l’application du fenêtrage développé
au sein de la stratégie de contrôle collaboratif, la dynamique des corps est réduite et
il en va de même pour les valeurs maximales de la fraction de puissance et du facteur
d’interaction (section 4.7.2.1).

4.7.2 Simulation d’une ferme de 10 machines

La stratégie de contrôle collaboratif est ici appliquée à une ferme de 10 cylindres

verticaux pilonnant, dont la disposition est présentée dans la figure 4.29. Le corps I
situé en amont de la ferme est utilisé comme capteur et est équipé d’un PTO passif
d’une valeur BP T O = 1.8 · 105 N.s/m de façon à maximiser la récupération d’énergie de
la houle, et tous les autres corps de la ferme sont soumis au contrôle collaboratif. L’angle
d’incidence de la houle est choisi égale à β = 0° et les cylindres sont disposés sur une
grille de 200m de maille. De cette façon, la distance de propagation entre le corps capteur
et la première rangée est égale à 200m, puis 400m et 600m pour les rangées suivantes.
Les paramètres optimaux issus de l’étude de sensibilité (section 3.2.5) correspondant à
ces distances de propagation sont utilisés pour chacune des rangées.
160 Analyse des résultats numériques

II V VIII
CC CC CC
I III VI IX
β=0°
BPTO CC CC CC
IV VII X d=200m

CC CC CC

d=200m

Figure 4.29 – Schéma représentatif de la ferme de 10 corps utilisée pour la simulation,

le premier corps (capteur) est équipé d’un PTO passif noté « BP T O », et tous les autres
corps de la ferme sont soumis au contrôle collaboratif « CC ».

La simulation est effectuée dans un état de mer Hs = 2m Tp = 9s en utilisant un spectre

de Bretschneider. Les paramètres de fenêtrage ωLc et ωHc ainsi que le temps de prévision
tprev pour chacun des corps contrôlés sont choisis de façon à maximiser la récupération et
sont obtenus à partir de l’étude de sensibilité à deux corps (section 3.2). Les paramètres
sont identiques pour les corps d’une même rangée et sont synthétisés dans la table 4.10.

Corps ωLc [rad/s] ωHc [rad/s] tprev [s]

II, III, IV 0,35 2,0 10
V , V I, V II 0,35 1,5 15
V III, IX, X 0.20 3,0 20

Table 4.10 – Paramètres du fenêtrage des corps contrôlés pour la ferme de 10 corps.

Un des objectifs de cette étude est de montrer que l’étude à deux corps peut fournir
une approximation suffisante des paramètres du contrôleur d’une ferme composée de
nombreux corps, car les paramètres du contrôleur ne sont fonction que de la distance de
propagation entre les corps et de la période de pic de la houle. L’impact de la position
relative des corps de la ferme sur l’hydrodynamique est pris en compte lors du calcul des
coefficients hydrodynamiques, et apparait donc aussi dans les fonctions de transfert de
vitesse et dans les impédances du contrôleur. Dans un premier temps, une étude dans le
domaine fréquentiel est menée pour déterminer les valeurs maximales de récupération,
et l’impact du fenêtrage sur la récupération (section 4.7.2.1). Ensuite, la stratégie de
contrôle est appliquée dans le domaine temporel pour évaluer sa performance (section
4.7.2.2).
4.7 Application à une ferme complexe 161

4.7.2.1 Impact du fenêtrage sur la récupération

Avec l’application du fenêtrage sur l’impédance du contrôleur optimal vient une di-
minution de la puissance récupérable par les corps contrôlés. Les puissances théoriques
récupérables des corps de la ferme de 10 corps avec et sans fenêtrage sont présentées
dans la figure 4.30. Le premier constat est la diminution de la puissance récupérée par
la ferme, ici une baisse de 14, 4% entre Pth et Pthf . Par ailleurs, la perte d’énergie liée
à l’application du fenêtrage sur le contrôleur ne suffit pas à expliquer une telle baisse.
Comme présenté dans la table 4.11, la perte d’énergie liée au fenêtrage pour un corps
isolé avec les paramètres de fenêtrage utilisé est bien plus faible (entre 0, 6% et 6, 9%).
La différence d’énergie récupérée avec ou sans fenêtrage est en fait due à la variation des
effets de ferme avec l’application du fenêtrage.

Pth=2840kW qf=1,08 Pthf=2428kW qff=0,97

II V VIII II V VIII
348 470 194 277 266 229

I III VI IX I III VI IX
36,5 334 106 339 35,9 281 306 261

IV VII X d=200m IV VII X d=200m

348 470 194 277 266 229

d=200m d=200m

β=0° β=0°

Figure 4.30 – Puissance théorique Pth (à gauche) et puissance théorique avec fenêtrage
Pthf (à droite) de la ferme de 10 corps utilisée dans la simulation.

PTO Passif Optimal Fenêtré rangée I Fenêtré rangée II Fenêtré rangée III
Puissance [kW ] 33,4 287,5 267,7 271,0 285,9
Ratio avec l’optimal [%] 11,6 100,0 93,1 94,3 99,4

Table 4.11 – Puissance d’un corps isolé en fonction du contrôleur avec les paramètres
utilisés pour les corps de la ferme.

Les travaux de McIver [67] et Folley [39] ont montré que l’utilisation d’un contrôleur
suboptimal diminuait les valeurs extrêmes du facteur d’interaction. Dans la configu-
ration de ferme utilisée dans cette étude, il apparait que l’utilisation d’un contrôleur
162 Analyse des résultats numériques

suboptimal diminue aussi la variance de la fraction de puissance de chacun des corps

de la ferme. Avec le contrôleur optimal, les valeurs de puissance des corps varient entre
106 kW et 470 kW , contre 229 kW et 306 kW avec l’application du fenêtrage. De plus,
avec l’application du fenêtrage la dynamique des effets de ferme est largement modifiée.
La répartition des fractions de puissance est alors modifiée et le corps le plus productif
(V I) avec le contrôleur optimal devient le moins productif avec le fenêtrage.

Le facteur d’interaction de la ferme est ici calculé en tenant compte des différents para-
mètres de fenêtrage du contrôleur appliqués à chacun des corps. Ainsi, il est possible de
quantifier les variations de puissance dues à la modification des effets de ferme et celles
dues directement au fenêtrage de l’impédance du contrôleur. Le facteur d’interaction de
la ferme sans fenêtrage qf est obtenu à partir de l’équation 4.15, et celui de la ferme avec
fenêtrage qf f à partir de l’équation 4.16.

Pth,f erme
qf = (4.15)
Pth,isolé,passif + 9 · Pth,isolé,optimal

Pth,f erme
qf f =
Pth,isolé,passif + 3 · Pthf,isolé,rangée I + 3 · Pthf,isolé,rangée II + 3 · Pthf,isolé,rangée III
(4.16)
La valeur du facteur d’interaction pour le cas sans fenêtrage est égale à qf = 1, 08 contre
qf f = 0, 97 pour le cas avec fenêtrage. Il apparait alors que pour l’angle d’incidence
de houle β = 0° utilisé ici, les interactions entre les corps ont un effet constructif pour
le cas sans fenêtrage et un effet destructif pour le cas avec fenêtrage. L’application
d’un contrôleur suboptimal fait tendre les valeurs du facteur d’interaction vers 1 mais
peut aussi modifier considérablement les valeurs du facteur d’interaction pour un angle
d’incidence donné différent de zéro. Par ailleurs, pour une configuration de ferme et de
contrôleur donné l’intégrale du facteur d’intégration sur l’ensemble des angles d’incidence
de houle est égale à 1. Par analogie avec les travaux de Borgarino [17], en tenant compte
des différents angles d’incidence de houle sur le long terme, il est attendu que l’écart entre
qf et qf f se resserre et qu’il ne représente finalement que la différence de puissance liée
à l’application du fenêtrage sur les corps isolés. De même, dans le cas de l’application
du contrôleur optimal, pour les angles d’incidence où les interactions entre les corps
génèrent des effets destructifs, il est possible que l’application du fenêtrage implique au
contraire des effets constructifs. Dans cette situation, la valeur de qf f peut alors être
supérieure à qf .
4.7 Application à une ferme complexe 163

4.7.2.2 Résultats en domaine temporel

La simulation en domaine temporel est conduite sur un temps physique tsim =

60 min avec un pas de temps dt = 0, 02 s et les coefficients hydrodynamiques sont
obtenus à partir de la solution semi-analytique avec une discrétisation fréquentielle
dω = 1, 5 · 10−3 rad/s. La houle incidente est générée à partir d’un spectre de Bret-
schneider dans un état de mer Hs = 2m Tp = 9s.

De manière à s’assurer de l’exactitude du calcul des efforts de radiation et de la prévision

de vitesse, il est nécessaire de calculer les réponses impulsionnelles de radiation et de
transfert de vitesses jusqu’à leur extinction. La plus longue réponse impulsionnelle de
radiation correspond aux interactions croisées des corps les plus éloignés, i.e. entre le
corps I et les corps V III et X. De la même façon, la plus longue réponse impulsionnelle
du transfert de vitesse correspond aux corps V III et X. De par les symétries présentes
dans la ferme, les égalités suivantes sont observées :

hrad,I,V III (t) = hrad,V III,I (t) = hrad,I,X (t) = hrad,X,I (t) (4.17)

hv,V III (t) = hv,X (t) (4.18)

Ces réponses impulsionnelles sont présentées dans la figure 4.31. Les fortes interactions
entre les corps dues à l’application du contrôleur n’impactent pas la taille de la réponse
impulsionnelle de la radiation , car son expression est indépendante du contrôleur. Il est
toutefois nécessaire de calculer la réponse impulsionnelle de radiation jusqu’au temps
timp = 300s pour capter l’ensemble des interactions, y compris celles des corps les plus
éloignés.

Par ailleurs, les impédances des contrôleurs des différents corps sont prises en compte
dans l’expression de la fonction de transfert des vitesses. Sous l’effet du contrôleur quasi
optimal de la stratégie de contrôle collaboratif, les interactions entre les corps de la ferme
deviennent prépondérantes, ce qui implique une très longue réponse impulsionnelle du
transfert des vitesses hv (t). Pour la simulation présentée ici, les réponses impulsionnelles
hv (t) sont calculées jusqu’au temps timp = 1000s. La longueur des réponses impul-
sionnelles du transfert des vitesses dans cette configuration souligne l’importance de la
connaissance des temps passés pour contrôler efficacement une ferme de houlomoteur
soumise à un contrôleur quasi optimal. En effet, les interactions entre chacun des corps
sont telles que les états des WECs au temps t ont une influence sur le temps t + 1000s.
164 Analyse des résultats numériques

De plus, une discrétisation fréquentielle très fine des coefficients hydrodynamiques doit
être respectée de façon à pouvoir calculer les réponses impulsionnelles sur des temps
aussi longs, et ainsi capter les phénomènes hydrodynamiques mis en jeux.

5.0

2.5
hv,X (t)

0.0

−2.5

−5.0

0 200 400 600 800 1000

200
hrad,I,X (t)

−200

0 100 200 300 400 500

Temps [s]

Figure 4.31 – Réponse impulsionnelle du transfert de vitesse du corps IX (en haut) et

réponse impulsionnelle de radiation du corps IX sur le corps I (en bas).

Les résultats de prévision de vitesse sont présentés dans la figure 4.32, et les angles de
portrait de phase de la vitesse et de la force d’excitation dans la figure 4.33. En raison
de la géométrie de la ferme et de l’angle d’incidence de la houle, des symétries sont
identifiées et par conséquent les résultats des corps II et IV , V et V II, V III et X sont
respectivement regroupés.

De manière générale, les résultats de prévision de vitesse coïncident avec la vitesse ob-
tenue par simulation pour tous les corps contrôlés de la ferme. Il est tout de même à
noter que la prévision de vitesse est plus précise pour la rangée centrale (V,V I, V II) que
pour la première et la troisième rangée. La troisième rangée, située en aval de la ferme
présente les erreurs les plus importantes, mais la qualité de la prévision est suffisante
pour assurer le bon fonctionnement de la stratégie de contrôle.
4.7 Application à une ferme complexe 165

Concernant la mise en phase de la vitesse des corps contrôlés avec la force d’excitation,
les erreurs de mise en phase correspondent aux erreurs de prévision de la vitesse. Ainsi,
pour les corps de la deuxième rangée la condition de mise en phase est mieux respectée
que pour les corps de la première et la troisième rangée.

La qualité du contrôle est quantifiée par le coefficient d’optimalité tenant compte du

fenêtrage Coptf . Comme présenté dans la section 4.7.2.1, de fortes variations de la ré-
partition de la puissance au sein de la ferme sont observées entre la ferme soumise au
contrôle optimal et celle où est appliqué le contrôle avec fenêtrage. De ce fait, la puis-
sance moyenne mesurée en temporel de chacun des corps ne peut être comparée qu’à la
puissance théorique tenant compte du fenêtrage Pthf .

Les résultats de coefficient d’optimalité Coptf sont similaires pour les corps d’une même
rangée, et les résultats concordent avec l’analyse de la prévision de vitesse et de condition
de mise en phase (table 4.12). Les corps de la deuxième rangée présentent les plus hautes
valeurs de coefficient d’optimalité avec Coptf = 98, 9% et Coptf = 99, 8%. Viennent en-
suite les corps de la première rangée avec Coptf = 98, 9%, et finalement les corps de la
troisième rangée avec Coptf = 96, 4% et Coptf = 96, 7%. Ces valeurs élevées de coefficient
d’optimalité pour chacun des corps de la ferme permettent de valider le bon fonctionne-
ment de la stratégie de contrôle collaboratif pour une ferme complexe pour laquelle les
interactions hydrodynamiques entre les corps de la ferme impactent considérablement la
dynamique des corps.

Corps Pthf [W ] P̄ (t) [W ] Coptf [%]

4
I 3, 59 · 10 3, 63 · 104 101,1
III 2, 81 · 105 2, 75 · 105 97,9
II, IV 2, 77 · 105 2, 71 · 105 97,9
VI 3, 06 · 105 3, 03 · 105 98,9
V, V II 2, 66 · 105 2, 66 · 105 99,8
IX 2, 61 · 105 2, 51 · 105 96,4
V III, X 2, 29 · 105 2, 22 · 105 96,7
Total 2, 43 · 106 2, 38 · 106 98,1

Table 4.12 – Résultats de puissance et de coefficient d’optimalité tenant compte du

fenêtrage pour la ferme de 10 corps soumise à la stratégie de contrôle collaboratif, dans
une houle polychromatique Hs = 2m Tp = 9s.
166 Analyse des résultats numériques

Le coefficient d’optimalité de l’ensemble de la ferme est égal à Coptf = 98, 1%. Ainsi la
ferme assure une production de 2, 38M W ce qui correspond à 83% de la valeur théorique
maximale obtenue avec un contrôleur optimal. Par ailleurs, une grande partie de l’éner-
gie non récupérée provient de la modification des effets de ferme liée à l’application du
fenêtrage ayant fait baisser la valeur du facteur d’interaction pour l’angle d’incidence de
houle utilisée ici (section 4.7.2.1).

Il est toutefois important de noter qu’ici les paramètres du contrôleur ont été choisis
pour maximiser la récupération d’énergie. Ainsi, la contrainte exercée sur la dynamique
des corps contrôlés est faible, ce qui conduit à des amplitudes et vitesses élevées. Dans
le chapitre suivant, les paramètres du corps sont réévalués pour limiter la dynamique
des corps contrôlés, et la baisse de récupération d’énergie est mise en relation avec la
contrainte appliquée au contrôleur.
4.7 Application à une ferme complexe 167

10 Vsim
VIII [m/s]

Vf orecast
0

−10

2100 2120 2140 2160 2180 2200

VII VIV [m/s]

10 Vsim
Vf orecast
0

−10

2100 2120 2140 2160 2180 2200

10 Vsim
VV I [m/s]

Vf orecast
0

−10

2100 2120 2140 2160 2180 2200

VV VV II [m/s]

10 Vsim
Vf orecast
0

−10

2100 2120 2140 2160 2180 2200

10 Vsim
VIX [m/s]

Vf orecast
0

−10

2100 2120 2140 2160 2180 2200

VV III VX [m/s]

10 Vsim
Vf orecast
0

−10

2100 2120 2140 2160 2180 2200

Temps [s]

Figure 4.32 – Comparaison de la prévision de vitesse des corps contrôlés avec la vitesse
obtenue par simulation pour la ferme de 10 corps soumise à la stratégie de contrôle
collaboratif, dans une houle polychromatique Hs = 2m Tp = 9s.
168 Analyse des résultats numériques
ϕIII [rad/s]

ϕv
2
ϕf ex
0

−2

2100 2120 2140 2160 2180 2200

ϕII ϕIV [rad/s]

ϕv
2
ϕf ex
0

−2

2100 2120 2140 2160 2180 2200

ϕv
ϕV I [rad/s]

2
ϕf ex
0

−2

2100 2120 2140 2160 2180 2200

ϕV ϕV II [rad/s]

ϕv
2
ϕf ex
0

−2

2100 2120 2140 2160 2180 2200

ϕv
ϕIX [rad/s]

2
ϕf ex
0

−2

2100 2120 2140 2160 2180 2200

ϕV III ϕX [rad/s]

ϕv
2
ϕf ex
0

−2

2100 2120 2140 2160 2180 2200

Temps [s]

Figure 4.33 – Angle du portrait de phase de la vitesse ϕv (t) et de la force d’excitation

ϕf ex (t) obtenus lors de la simulation de la ferme de 10 corps soumise à la stratégie de
contrôle collaboratif, dans une houle polychromatique Hs = 2m Tp = 9s.
Chapitre 5
Conclusions et perspectives

5.1 Conclusions
Les travaux présentés dans ce manuscrit de thèse ont visé à exploiter les interactions
hydrodynamiques entre les corps d’une même ferme de façon à obtenir une prévision
déterministe des états des machines contrôlées pour appliquer une commande prédictive
et réactive à une ferme de génératrices houlomotrices permettant d’atteindre des rende-
ments quasi optimaux.

Dans le chapitre d’introduction, les défis scientifiques et technologiques liés au dévelop-

pement de ferme de génératrices houlomotrices ont été présentés. Pour atteindre une
récupération d’énergie optimale, la stratégie de contrôle des systèmes houlomoteurs doit
être basée sur la commande complexe-conjugué, et doit prendre en compte l’ensemble
des interactions hydrodynamiques dans le modèle du contrôleur afin de bénéficier des
effets constructifs des interactions entre les machines. La commande complexe-conjuguée
étant non causale, il est alors proposé d’utiliser la mesure des états d’une machine située
en amont de la ferme pour effectuer une prévision déterministe de la vitesse.

Dans le second chapitre, le modèle hydrodynamique utilisé pour la mise en place et l’éva-
luation de la commande a été exposé. Le modèle des écoulements potentiels linéarisés a
été choisi pour son faible cout de calcul, nécessaire pour l’évaluation de la méthode de
contrôle sur des fermes composées de nombreux corps et pour le calcul en temps réel
de la loi de commande. À partir de ce modèle, un simulateur multicorps en domaine
temporel a été développé et vérifié afin d’évaluer la stratégie de commande.

Dans le troisième chapitre, la commande optimale appliquée à une ferme de génératrices

houlomotrices a été détaillée, et a servi de point de départ pour le développement de
la stratégie de contrôle collaboratif. La non-causalité de ce type de commande étant
au cœur de la stratégie de contrôle collaboratif développée dans cette thèse, il s’agissait
170 Conclusions et perspectives

d’abord d’obtenir une prévision déterministe des états des corps contrôlés. En établissant
les fonctions de transfert reliant la vitesse d’un corps en amont de la ferme à celles de
tous les autres en aval, la prévision de la vitesse a pu être exprimée en tenant compte des
interactions hydrodynamiques des corps. Les efforts de radiation croisés observés dans
le cas de l’application d’un contrôle optimal sont alors pris en compte, ce qui permet
d’obtenir une prévision précise de la vitesse de chaque machine en aval du corps cap-
teur. L’ensemble des interactions hydrodynamiques sont donc prises en compte lors de
la prévision de vitesse, cependant seuls les termes diagonaux de la commande optimale
sont utilisés. En effet, les termes non diagonaux de l’impédance du contrôleur présentent
des temps de non-causalité très longs et peuvent être négligés par rapport à l’apport
des termes diagonaux. Lors de l’évaluation de la stratégie de contrôle collaborative, il a
été vérifié que cette approche ne diminue que très peu les performances du contrôleur,
dès lors que la vitesse du corps peut être prédite avec précision en tenant compte des
interactions hydrodynamiques.

Dans le cadre du développement de la stratégie de contrôle, un fenêtrage a été appli-

qué à l’impédance du contrôleur optimal. Cette approche apporte plusieurs avantages
à la méthode, comme celui de maitriser l’horizon de prédiction de la vitesse des corps
contrôlés. En effet, en réduisant l’amplitude des basses fréquences du contrôleur, la plus
grande longueur d’onde considérée par le contrôleur est réduite, ce qui permet d’aug-
menter le temps de propagation et ainsi de réduire l’horizon de prédiction. Lorsque la
distance de séparation entre le corps capteur et les corps contrôlés est suffisante et que
le fenêtrage est dimensionné pour correspondre au spectre de houle et à la réponse en
amplitude des corps contrôlés, la baisse de rendement liée à l’application du fenêtrage
est minime (< 10%). De plus, l’ajout du fenêtrage permet de restreindre la forte dyna-
mique et les efforts démesurés du PTO sous l’effet du contrôle optimal, pour les faire
satisfaire de probables contraintes technologiques d’une mise en application. Cependant,
les performances de la stratégie de contrôle collaboratif sont intrinsèquement liées à la
forte dynamique des corps contrôlés, et une mise sous contrainte trop restrictive diminue
considérablement la récupération d’énergie.

En employant la stratégie de contrôle collaboratif, une étude de sensibilité a été me-

née sur un groupe de deux cylindres pilonnant pour déterminer l’impact de différentes
configurations de ferme et pour différentes conditions de houles sur les performances
du contrôleur. L’analyse de ces résultats a permis d’établir les paramètres optimaux du
contrôleur et son domaine de stabilité. Cette même étude a aussi permis d’établir le lien
5.2 Perspectives 171

entre la mise sous contrainte de l’impédance du contrôleur et la récupération d’énergie.

Il a pu être montré qu’il est ainsi possible de réduire le ratio de l’énergie réactive et
de l’énergie passive, mais qu’une telle mise sous contrainte s’effectue au détriment de la
performance du contrôleur.

Dans le dernier chapitre, la qualité de la prévision de vitesse de corps contrôlés et la véri-

fication des conditions d’optimalité a pu être effectuée. Une prévision précise de la vitesse
a pu être obtenue dès lors que la distance de séparation entre les corps est suffisante au
regard de la période des vagues. De plus, lorsque la prévision de vitesse est précise, les
performances de la stratégie de contrôle collaboratif s’approchent de la limite théorique
maximale. La robustesse de la méthode face à la dérive en cavalement des corps, à la
modification de l’orientation de la houle, et à l’étalement spectral a été évaluée. L’ana-
lyse de ces études a mis en évidence une robustesse acceptable de la méthode face à ces
changements, et des solutions ont été proposées pour améliorer l’efficacité de la stratégie
de contrôle.

Finalement, la stratégie de contrôle collaboratif a été appliquée à une ferme de 10 corps.

Il est alors apparu que les valeurs de fraction de puissance des corps pouvaient présen-
ter d’importants écarts entre les différentes machines du groupe. Dans certains cas, une
partie des machines de la ferme peut présenter des valeurs négatives de fraction de puis-
sance, ce qui correspond à un corps utilisé comme moteur pour assurer la maximisation
de l’énergie globale récupérée. Par ailleurs, il a été observé que l’application du fenêtrage
sur l’impédance du contrôleur permet de réduire ces écarts. L’application de la stratégie
de contrôle collaboratif sur cette configuration de ferme a montré d’excellents résultats
de performance, avec une récupération de 98, 1% du maximum théorique tenant compte
du fenêtrage, et une récupération de 83% de l’énergie théorique maximale. En outre, la
possibilité d’utiliser les paramètres optimaux du contrôleur issus de l’étude de sensibi-
lité à deux corps pour déterminer les paramètres d’une ferme de plus grande ampleur
a été vérifiée, ce qui permet de réduire considérablement les couts d’optimisation des
paramètres du contrôleur dans le cas de très grandes fermes.

5.2 Perspectives
La stratégie de contrôle collaboratif développée dans ce manuscrit s’est focalisée sur
la mesure et la propagation d’une houle mono directionnelle. L’évaluation de la robus-
tesse de la méthode face à l’étalement spectral a montré qu’il était possible d’appliquer
172 Conclusions et perspectives

la méthode sur des étalements faibles à moyens, mais lorsque l’étalement devient trop
important les performances du contrôleur chutent. De même, dans le cas d’une houle
directionnelle, la méthode actuelle ne permet pas d’obtenir une prévision de la vitesse
des corps. Pour correspondre à une application in situ de la stratégie de contrôle, il est
alors nécessaire de développer une extension de la méthode permettant de traiter ces
configurations de houle. Telle que proposée dans le manuscrit, la stratégie de contrôle
s’est attachée à obtenir la prévision d’un seul corps de la ferme, en utilisant la mesure
simultanée de différents corps, il est attendu qu’une prise en compte de différentes orien-
tations de houle soit réalisable.

D’autre part, les performances et la robustesse de la stratégie de contrôle ont été éva-
luées dans un simulateur linéaire. Compte tenu des fortes hypothèses liées à la théorie
potentielle linéarisée concernant la limitation de l’amplitude des corps au regard de la dy-
namique obtenue lors de la mise en place d’un contrôleur optimal, il apparaît nécessaire
d’évaluer la loi de commande dans un simulateur d’ordre supérieur, et tenant compte
de la dissipation liée à la viscosité. Pour les mêmes raisons, une campagne d’essais en
bassin permettrait de valider la stratégie de commande et de redéfinir les paramètres
optimaux du contrôleur. Il est attendu que la dynamique des corps soit alors fortement
non linéaire et qu’il soit indispensable d’accroître les contraintes du fenêtrage pour as-
surer la stabilité du contrôleur. Par ailleurs, l’ajout des efforts de viscosité impliquera
un amortissement supplémentaire et donc une diminution des amplitudes autour de la
fréquence de résonance des corps. Par l’approche numérique et expérimentale, il sera
de plus possible de quantifier l’erreur de prévision de vitesse induite par la propagation
linéaire de la houle.

Dans son implémentation actuelle, la stratégie de contrôle collaboratif ne prend pas en

compte de limite haute à la distance de séparation entre le corps capteur et les corps
contrôlés de la ferme. À partir de l’étude de l’erreur de propagation de la houle linéaire,
il sera possible de définir une limite haute à la distance de propagation et déterminer des
gammes de distance convenables permettant de garantir un temps de prévision suffisant
et une erreur acceptable de la propagation de la houle pour différents états de mer. À
ce stade, la mesure de vitesse pourra être effectuée sur différents corps de la ferme pour
correspondre aux gammes de distance optimales.

Dans les études présentées dans le manuscrit, l’orientation de la houle et les valeurs
d’état de mer (Hs , Tp ) étaient supposées connues du contrôleur. Pour une application
5.2 Perspectives 173

réelle, le spectre de houle directionnel doit pouvoir être mesuré et réévalué régulièrement
afin d’appliquer la stratégie de contrôle. Pour éviter l’ajout d’une bouée de mesure située
à proximité de la ferme, il pourrait être avantageux d’effectuer cette mesure à partir des
vecteurs d’états des machines du parc.

L’utilisation de la commande complexe-conjugué au sein de la stratégie de contrôle

collaboratif a constitué une approche théorique intéressante pour la mise en place et
l’analyse de la stratégie de contrôle, et pourra servir de valeur de référence pour le
contrôle de ferme. Cependant, la mise en pratique d’une telle loi de commande n’est pas
réaliste au regard des dynamiques et efforts mis en jeu. Pour cela, il est indispensable
d’implémenter une loi de commande permettant de contraindre le corps contrôlé sans
nécessairement réduire drastiquement les performances du système houlomoteur. Avec
la prévision de vitesse fournie par la stratégie de contrôle développée dans ces travaux,
il est possible d’adapter une nouvelle loi de commande prédictive, pouvant être passive
ou réactive. Cependant, la prévision de vitesse développée ici ne permet actuellement
d’assimiler qu’un contrôleur linéaire, or les méthodes de contrôle existantes permettant
de contraindre efficacement la dynamique et les efforts du corps contrôlé sont majoritai-
rement non linéaires. Il sera donc nécessaire de modifier la méthode de prévision pour
la rendre compatible avec l’utilisation de commandes non linéaires.

Les coefficients hydrodynamiques utilisés dans la stratégie de contrôle collaboratif sont

invariants en temps. Lors du déploiement d’une ferme de génératrice houlomotrice, il
est attendu que la dynamique des corps soit modifiée au cours du temps pour diverses
raisons comme le bio-encrassement des machines et de son ancrage. Il est alors possible
d’utiliser un modèle hydrodynamique adaptatif permettant de corriger à chaque pas de
temps le modèle utilisé dans la stratégie de contrôle. L’utilisation d’une telle approche
dans le domaine du contrôle de génératrice houlomotrice a été présentée dans [48] et
apporte une amélioration considérable sur le plan des performances et de la robustesse
du contrôleur sur le long terme. De plus, l’utilisation d’un modèle adaptatif permet
d’obtenir une estimation correcte des efforts visqueux, sans utiliser de modèles CFD.
Pour assurer les performances in situ de la stratégie de contrôle collaboratif, il sera donc
nécessaire d’ajouter la composante adaptative au modèle hydrodynamique du contrôleur.
Bibliographie
[1] Edo Abraham and Eric C. Kerrigan. Optimal active control and optimization of a
wave energy converter. IEEE Transactions on Sustainable Energy, 4(2) :324–332,
2013.

[2] Simon Ambühl, Laurent Marquis, Jens Peter Kofoed, and John Dalsgaard Sørensen.
Operation and maintenance strategies for wave energy converters. Proceedings of
the Institution of Mechanical Engineers, Part O : Journal of Risk and Reliability,
229(5) :417–441, 2015.

[3] Raffaello Antonutti and Grant E. Hearn. Optimisation of Point-Absorber Arrays.

Proceedings of the 9th European Wave and Tidal Energy Conference, 2011.

[4] Aqua-RET. Aquatic Renewable Energy Technologies (http ://www.aquaret.com).

[5] Reduan Atan, Jamie Goggins, and Stephen Nash. A detailed assessment of the
wave energy resource at the Atlantic Marine Energy Test Site. Energies, 9(11) :
1–29, 2016.

[6] Aurélien Babarit. Impact of long separating distances on the energy production of
two interacting wave energy converters. Ocean Engineering, 37(8-9) :718–729, 2010.

[7] Aurélien Babarit. On the park effect in arrays of oscillating wave energy converters.
Renewable Energy, 58 :68–78, 2013.

[8] Aurélien Babarit and Alain H. Clément. Optimal latching control of a wave energy
device in regular and irregular waves. Applied Ocean Research, 28(2) :77–91, 2006.

[9] Aurélien Babarit and Gérard Delhommeau. Theoretical and numerical aspects of
the open source BEM solver NEMOH. Proceedings of the 11th European Wave and
Tidal Energy Conference., (September 2015) :1–12, 2015.

[10] Aurélien Babarit, Michel Guglielmi, and Alain H. Clement. Declutching control of
a wave energy converter. Ocean Engineering, 36 :1015–1024, 2009.

[11] Giorgio Bacelli, Philip Balitsky, and John V. Ringwood. Coordinated Control of
Arrays of Wave Energy Devices - Benefits Over Independent Control. IEEE Tran-
sactions on Sustainable Energy, pages 1–9, 2013.
176 Bibliographie

[12] Greg Beaudoin, Derek Robertson, Neil Davidson, Ronald Smith, Bill Staby, and
Laurie Meyer. Technological Challenges to Commercial-Scale Application of Marine
Renewables. Oceanography, 23(2) :32–41, 2010.

[13] Majid A. Bhinder, Aurélien Babarit, Lionel Gentaz, and Pierre Ferrant. Potential
time domain model with viscous correction and CFD analysis of a generic surging
floating wave energy converter. International Journal of Marine Energy, 10 :70–96,
2015.

[14] Elise Blondel-Couprie. Reconstruction et prévention déterministe de houle à partir

de données mesurées. PhD thesis, 2009.

[15] Elise Blondel-Couprie, Félicien Bonnefoy, and Pierre Ferrant. Experimental valida-
tion of non-linear deterministic prediction schemes for long-crested waves. Ocean
Engineering, 58 :284–292, 2013.

[16] Bruno Borgarino, Aurélien Babarit, and Pierre Ferrant. Extension of free-surface
green’s function multipole expansion for infinite water depth case. International
Journal of Offshore and Polar Engineering, 21(3) :161–168, 2011.

[17] Bruno Borgarino, Aurélien Babarit, and Pierre Ferrant. Impact of wave interac-
tions effects on energy absorption in large arrays of wave energy converters. Ocean
Engineering, 41 :79–88, 2012.

[18] Charles L. Bretschneider. Hurricane design-Wave practices. Transactions of the

American Society of Civil Engineers, 124(1) :39–62, 1959.

[19] Kjell Budal. Theory for absorption of wave power by a system of interacting bodies.
Journal of Ship Research, 21(4), 1977.

[20] Kjell Budal and Johannes Falnes. A resonant point absorber of ocean-wave power.
Nature, 256(5517) :478–479, 1975.

[21] Central Statistics Office. Energy Statistics. 2017.

[22] Alain H. Clément, Brian Winship, Francesc Fabregas-Flavia, and Paul-Emile Meu-
nier. Optimal scaling of a generic point absorber WEC in a range of production
sites. In 3rd Asian WAve and Tidal Energy Conference (AWTEC2016), volume 1,
pages pp—-197. Research Publishing, 2016.
Bibliographie 177

[23] Helene Clemot, Florian Dupriez-Robin, Aurelien Babarit, and Tuan Quoc Tran. A
wave-to-wire chain modeling and command for a direct drive wave energy converter.
2017 12th International Conference on Ecological Vehicles and Renewable Energies,
EVER 2017, 2017.

[24] Ryan G. Coe and Vincent S. Neary. Review of Methods for Modeling Wave Energy
Converter Survival in Extreme Sea States. Proceedings of the 2nd Marine Energy
Technology Symposium (METS2014), 2014.

[25] Julien A.M. Cretel, Gordon Lightbody, Gareth P. Thomas, and Anthony W. Lewis.
Maximisation of Energy Capture by a Wave-Energy Point Absorber using Model
Predictive Control. IFAC World Congress, (2002) :3714–3721, 2011.

[26] William E. Cummins. The impulse response function and ship motions. Technical
report, 1962.

[27] Gérard Delhommeau. Les problèmes de diffraction-radiation et de résistance de

vagues : étude théorique et résolution numérique par la méthode des singularités.
PhD thesis, Nantes, 1987.

[28] Dirk Deschrijver, Michal Mrozowski, Tom Dhaene, and Daniel De Zutter. Macro-
modeling of multiport systems using a fast implementation of the vector fitting
method. IEEE Microwave and Wireless Components Letters, 18(6) :383–385, 2008.

[29] David V. Evans. A theory for wave-power absorption by oscillating bodies. Journal
of Fluid Mechanics, 77 :1–25, 1976.

[30] Francesc Fabregas Flavia. A numerical tool for the frequency domain simulation of
large clusters of wave energy converters. PhD thesis, Centrale Nantes, 2017.

[31] Nicolás Faedo, Sébastien Olaya, and John V. Ringwood. Optimal Control, MPC
and MPC-Like Algorithms for Wave Energy Systems : An Overview. IFAC Journal
of Systems and Control, 1 :37–56, 2017.

[32] António F. de O. Falcão. Wave energy utilization : A review of the technologies.

Renewable and Sustainable Energy Reviews, 14(3) :899–918, 2010.

[33] Johannes Falnes. Radiation impedance matrix and optimum power absorption for
interacting oscillators in surface waves. Applied Ocean Research, 2(2) :75–80, 1980.

[34] Johannes Falnes. Ocean waves and oscillating systems : linear interactions including
wave-energy extraction. Cambridge university press, 2002.
178 Bibliographie

[35] Colm Fitzgerald and Gareth Thomas. A preliminary study on the optimal formation
of an array of wave power devices. Proceedings of the 7th European Wave and Tidal
Energy Conference, (Proc. of the 7th European Wave and Tidal Energy Conf.,
Porto, Portugal), 2007.

[36] John Fitzgerald and Lars Bergdahl. Including moorings in the assessment of a
generic offshore wave energy converter : A frequency domain approach. Marine
Structures, 21 :23–46, 2008.

[37] Francesc Fàbregas Flavia, Cameron McNatt, Francois Rongère, Aurélien Babarit,
and Alain H. Clement. Computation of the Diffraction Transfer Matrix and the
Radiation Characteristics in the open-source BEM code NEMOH. Proceedings of
the ASME 2016 35th International Conference on Ocean, Offshore and Arctic En-
gineering, (3) :1–10, 2016.

[38] Francesc Fàbregas Flavià, Aurélien Babarit, and Alain H. Clément. On the nume-
rical modeling and optimization of a bottom-referenced heave-buoy array of wave
energy converters. International Journal of Marine Energy, 19 :1–15, 2017.

[39] Matt Folley and Trevor J.T. Whittaker. The effect of sub-optimal control and the
spectral wave climate on the performance of wave energy converter arrays. Applied
Ocean Research, 31(4) :260–266, 2009.

[40] Matt Folley, Ben Child, David Forehand, Louise O Boyle, Katie Silverthorne, Jo-
hannes Spinneken, and Peter Troch. a Review of Numerical Modelling of Wave
Energy Converter Arrays. In ASME 2012 31st International Conference on Ocean,
Offshore and Arctic Engineering, pages 535–545, 2012.

[41] Peter Frigaard and Michael Brorsen. A Time-Domain Method for Separating Inci-
dent and Reflected Irregular Waves Frigaard , Peter Bak ; Brorsen , Michael. Coastal
Engineering, 24 :205–215, 1995.

[42] Francesco Fusco and John Ringwood. Short-Term Wave Forecasting for time-
domain Control of Wave Energy Converters. IEEE Transactions on Sustainable
Energy, 1(2) :99–106, 2010.

[43] Francesco Fusco and John V. Ringwood. Linear models for short term wave fore-
casting. Proc. World Renewable Energy Conference X, (2) :6, 2008.
Bibliographie 179

[44] Francesco Fusco and John V. Ringwood. A Study on Short-Term Sea Profile Pre-
diction for Wave Energy Applications. Proceedings of the Eighth European Wave
and Tidal Energy Conference, pages 756–765, 2009.

[45] Francesco Fusco and John V. Ringwood. A study of the prediction requirements
in real-time control of wave energy converters. IEEE Transactions on Sustainable
Energy, 3(1) :176–184, 2012.

[46] Romain Genest and John V. Ringwood. Receding Horizon Pseudospectral Opti-
mal Control for Wave Energy Conversion. Proceedings of the 11th International
Conference on Control 2016 UKACC, pages 1–6, 2016.

[47] Romain Genest and John V. Ringwood. A critical comparison of model-predictive

and pseudospectral control for wave energy devices. Journal of Ocean Engineering
and Marine Energy, 2(4) :485–499, 2016.

[48] Romain Genest, Josh Davidson, and John V. Ringwood. Adaptive control of a wave
energy converter. IEEE Transactions on Sustainable Energy, 3029(c) :1–8, 2018.

[49] Kester Gunn and Clym Stock-Williams. Quantifying the global wave power re-
source. Renewable Energy, 44 :296–304, 2012.

[50] Bjørn Gustavsen. Improving the pole relocating properties of vector fitting. IEEE
Transactions on Power Delivery, 21(3) :1587–1592, 2006.

[51] Bjørn Gustavsen and Adam Semlyen. Rational approximation of frequency domain
responses by vector fitting. Power Delivery, IEEE Transactions on, 14(3) :1052–
1061, 1999.

[52] Ernst Hairer, Gerhard Wanner, and Syvert Paul Nørsett. Solving ordinary differen-
tial equations I : Nonstiff problems. Springer, 2000.

[53] Jørgen Hals. Practical limits to the power that can be captured from ocean waves
by oscillating bodies. International Journal of Marine Energy, 3-4(December 2013),
2013.

[54] Jørgen Hals, Johannes Falnes, and Torgeir Moan. A Comparison of Selected Stra-
tegies for Adaptive Control of Wave Energy Converters. Journal of Offshore Me-
chanics and Arctic Engineering, 133(3), 2011.
180 Bibliographie

[55] Klaus Hasselmann, T.P. Barnett, E. Bouws, H. Carlson, D.E. Cartwright, K. Enke,
J.A. Ewing, H. Gienapp, D.E. Hasselmann, and P. Kruseman. Measurements of
Wind-Wave Growth and Swell Decay during the Joint North Sea Wave Project
(JONSWAP). Ergnzungsheft zur Deutschen Hydrographischen Zeitschrift Reihe, 8
(12), 1973.

[56] T. V. Heath. A review of oscillating water columns. Philosophical Transactions of

the Royal Society A : Mathematical, Physical and Engineering Sciences, 370(1959) :
235–245, 2012.

[57] Steven A. Hughes. Directional Wave Spectra using cosine-squared and cosine 2S
spreading Functions. Coastal Engineering Research Center, 1, 1985.

[58] Andrew Hulme. The wave forces acting on a floating hemisphere undergoing forced
periodic oscillations. Journal of Fluid Mechanics, 121 :443, 1982.

[59] A. Iturrioz, R. Guanche, J. A. Armesto, M. A. Alves, C. Vidal, and I. J. Losada.

Time-domain modeling of a fixed detached oscillating water column towards a floa-
ting multi-chamber device. Ocean Engineering, 76 :65–74, 2014.

[60] Paulo A.P. Justino and Alain H. Clément. Hydrodynamic performance for small
arrays of submerged spheres. In 5th European Wave Energy Conference, 2003.

[61] Hiroshi Kagemoto and Dick K.P. Yue. Interactions among multiple three-
dimensional bodies in water waves : an exact algebraic method. Journal of Fluid
Mechanics, 166 :189–209, 1986.

[62] Blair Kinsman. Wind waves : their generation and propagation on the ocean surface.
Courier Corporation, 1965.

[63] Umesh A. Korde and John Ringwood. Hydrodynamic control of wave energy devices.
Cambridge University Press, 2016.

[64] Lucas Letournel. Development of a numerical tool based on the Weak-Scatterer

approximation for the study of Wave Energy Converters in LargeMotions. Theses,
Ecole Centrale de Nantes, 2015.

[65] Ye Li and Yi-Hsiang Yu. A synthesis of numerical methods for modeling wave
energy converter-point absorbers. Renewable and Sustainable Energy Reviews, 16
(6) :4352–4364, 2012.
Bibliographie 181

[66] Zohaib Mahmood, Roberto Suaya, and Luca Daniel. An efficient framework for pas-
sive compact dynamical modeling of multiport linear systems. Design, Automation
& Test in Europe Conference & Exhibition (DATE), pages 1203–1208, 2012.

[67] Philip McIver. Some hydrodynamic aspects of arrays of wave energy devices. Applied
Ocean Research, 16 :61–69, 1994.

[68] Chiang C. Mei. Power extraction from water waves. Journal of Ship Research, 20 :
63–66, 1976.

[69] Alexis Merigaud, Jean-Christophe Gilloteaux, and John. V. Ringwood. A Nonlinear

Extension for Linear Boundary Element Methods in Wave Energy Device Modelling.
Omae, (Proc. of the ASME 31th International Conf. on Ocean, Offshore and Arctic
Engineering, Rio de Janeiro, Brazil), 2012.

[70] Claude-Pierre Molard. Description des machines et procédés spécifiés dans les bre-
vets d’invention. 1823.

[71] E. L. Morris, H. K. Zienkiewicz, M. M.A. Purzanjani, J. O. Flower, and M. R.

Belmont. Techniques for sea state prediction. In Proceedings of the 2nd International
Conference on Maneuvering and Control of Marine Craft, Southampton. Elsevier,
Amsterdam, The Netherlands, pages 547–571, 1992.

[72] John N. Newman. The Exciting Forces on Fixed Bodies in Waves. Journal of Ship
Research, Society of Naval Architects and Marine Engineers, 6 :1–10, 1962.

[73] Rudy Nie, Jeff Scruggs, Allan Chertok, Darragh Clabby, Mirko Previsic, and Anan-
tha Karthikeyan. Optimal causal control of wave energy converters in stochastic
waves - Accommodating nonlinear dynamic and loss models. International Journal
of Marine Energy, 15, 2016.

[74] Markel Peñalba Retes, Giuseppe Giorgi, and John V. Ringwood. A Review of non-
linear approaches for wave energy converter modelling. 11th European Wave and
Tidal Energy Conference, (1) :1–10, 2015.

[75] Willard J. Pierson and Lionel Moskowitz. A proposed spectral form for fully de-
veloped wind seas based on the similarity theory of SA Kitaigorodskii. Journal of
geophysical research, 69(24) :5181–5190, 1964.
182 Bibliographie

[76] Willard J. Pierson, Gerhard Neumann, and Richard W James. Practical methods
for observing and forecasting ocean waves by means of wave spectra and statis-
tics. Technical report, NAVAL OCEANOGRAPHIC OFFICE NSTL STATION
MS, 1971.

[77] A. A.E. Price, C. J. Dent, and A. R. Wallace. On the capture width of wave energy
converters. Applied Ocean Research, 31(4) :251–259, 2009.

[78] International Renewable Energy Agency. Renewable power generation costs in

2017 : Key findings and executive summary. 2017.

[79] Øyvind Y. Rogne, Torgeir Moan, and Svein Ersdal. Identification of passive state-
space models of strongly frequency dependent wave radiation forces. Ocean Engi-
neering, 92 :114–128, 2014.

[80] Stephen H. Salter. Wave power. Nature, 249(5459) :720–724, 1974.

[81] J. T. Scruggs, S. M. Lattanzio, A. A. Taflanidis, and I. L. Cassidy. Optimal causal

control of a wave energy converter in a random sea. Applied Ocean Research, 42 :
1–15, 2013.

[82] Deborah A Sunter, Bryan Murray, Marcus Lehmann, Rachael Green, Bryant Ke,
Brooke Maushund, and Darnel M Kammen. Two-stage Monte Carlo simulation to
forecast levelized cost of electricity for wave energy. In Renewable Energy Research
and Applications (ICRERA), 2017 IEEE 6th International Conference on, pages
638–641. IEEE, 2017.

[83] Hendrik L. Tolman. User manual and system documentation of WAVEWATCH-

IIITM version 3.14. Technical note, (3.14) :220, 2009.

[84] WIPO. Patent-based Technological Analysis Report. pages 116 T4 – Alternative

Energy Technology Y3 – 30.0, 2009.

[85] H. A. Wolgamot, P. H. Taylor, and R. Eatock Taylor. The interaction factor and
directionality in wave energy arrays. Ocean Engineering, 47 :65–73, 2012.

[86] Guangyu Wu. Direct simulation and deterministic prediction of large-scale nonli-
near ocean wave-field. PhD thesis, Massachusetts Institute of Technology, 2004.

[87] Shun-han Yang, Jonas W Ringsberg, and Erland Johnson. Analysis of biofouling
effect on the fatigue life and energy performance of wave energy converter system.
2017.
Bibliographie 183

[88] Z. Yu and Johannes Falnes. State-space modelling of a vertical cylinder in heave.

Applied Ocean Research, 17(5) :265–275, 1995.

[89] Xiao Hui Zeng and Si Yi Tang. The hydrodynamic interactions of an array of
truncated circular cylinders as each cylinder oscillates independently with different
prescribed modes. Journal of Hydrodynamics, 25(1) :27–38, 2013.

[90] Shangyan Zou, Ossama Abdelkhalik, Rush Robinett, Giorgio Bacelli, and David
Wilson. Optimal control of wave energy converters. Renewable Energy, 103 :217–
225, 2017.
Annexe A
Correction des fréquences irrégulières
de NEMOH

Lors de la résolution de l’équation de distribution de sources (2.17), la solution du

problème intérieur et ses dérivées peut être non nulle pour certaines fréquences i.e. les
potentiels des vitesses sont non nuls à l’intérieur du corps. Cela engendre des singularités
dans les coefficients hydrodynamiques obtenus à ces fréquences. Ce problème numérique
n’apparaît que pour les corps perçant la surface libre, ce qui est le cas des point-absorbers.
L’objectif de ce travail de thèse étant d’effectuer un contrôle collaboratif de ferme de
point-absorbers, il a été décidé d’implémenter une méthode de résolution des fréquences
irrégulières et ainsi de s’affranchir des éventuelles erreurs liées à celles-ci. La méthode
choisie a été proposée par Gérard Delhommeau dans Babarit and Delhommeau [9] et
consiste à ajouter une condition aux frontières supplémentaire sur la surface libre à
l’intérieur du corps afin d’imposer un potentiel des vitesses nul :

∂Φ
= 0 ∀M ∈ Ssurf ace libre intérieure (A.1)
∂z z=0

La surface libre à l’intérieur du corps est alors maillée afin d’y appliquer la nouvelle
condition aux frontières. Cette condition aux frontières (A.1) est appliquée aux panneaux
de la surface libre en imposant des vitesses normales nulles pour la résolution du système
des intensités de source (2.17). Le second membre de l’équation doit alors être nul, i.e.
f (M ) = 0, pour les facettes de la surface libre.

σ 1 Z Z ′ ∂G(M, M )
′
(M, t) − σ(M ) dS ′ = 0 ∀M ∈ Ssurf ace libre intérieure
2 4π ∂Smouillé ∂n

Il ne faut cependant par tenir compte des potentiels des panneaux de la surface
libre pour l’intégration des pressions car ces panneaux sont fictifs et ne servent qu’à
contraindre la solution du système or l’intégration de la pression sur les panneaux per-
met de définir les efforts de Froude-Krylov (2.12). Une pression nulle est donc imposée
186 Correction des fréquences irrégulières de NEMOH

pour les facettes de la surface libre intérieure.

De plus, le calcul des coefficients d’influence présente un cas particulier pour le cas
où la source est incluse dans le panneau. Le coefficient d’influence s’écrit alors :

1 ′ ′ ′
Kii = − [pi (Vs0x + Vs1x + Vs2x + Vs3x ) + qi (Vs0y + Vs1y + Vs2y + Vs3y ) + ri (Vs0z + Vs1z + Vs2z + Vs3z )] (A.2)
4π


Vs0x = Vs0x − 2πpi
 ′




 Vsy0′
= Vs0y − 2πqi (A.3)

V 0′ = Vs0z − 2πri


sz

L’ajout de −2π⃗n à V 0 correspond à la discontinuité du terme en 1/r de la fonction de

Green. Comme le problème est écrit à l’intérieur pour les facettes de la surface libre il
faut changer le signe de la discontinuité en z.

0′
Vsx


 = Vs0x − 2πpi

Vsy0′
= Vs0y − 2πqi (A.4)


V 0′ = Vs0z + 2πri


sz

Finalement, le potentiel des facettes de la surface libre ne doit pas être pris en compte
dans la suite du calcul des potentiels des vitesses (2.18). On impose alors que le potentiel
de ces facettes soit nul.


 φ (M, t) 1
= − 4π σ(M ′ )G(M, M ′ )dS ′ ∀M ∈ Smouillé
 RR
2 ∂ΩB
(A.5)
 φ (M, t)

=0 ∀M ∈ Ssurf ace libre intérieure
2

Les résultats présentés dans la figure A.1 sont obtenus pour une demi sphère de rayon
r = 10m dans une profondeur d’eau H = 50m. Dans le cas du code NEMOH standard,
des fréquences irrégulières apparaissent à plusieurs fréquences distinctes. Ces fréquences
irrégulières disparaissent avec l’application de la méthode de correction. Il est toutefois
important de noter que l’erreur numérique provoquée par les fréquences irrégulières est
spécifiquement importante pour cette géométrie et est nettement plus faible pour une
géométrie cylindrique. Il est montré dans le chapitre 4, que leur impact est faible sur le
contrôle de génératrices houlomotrices.
 187

5 6
6 ×10 3.5 ×10
NEMOH NEMOH
Correction Correction
3.0
5
Amplitude de Hex [N/m]
2.5
4
B [N.s/m]

2.0
3
1.5

2
1.0

1
0.5

0 0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
ω [rad/s] ω [rad/s]

Figure A.1 – Comparaison des coefficients d’amortissement hydrodynamique et de force

d’excitation obtenus avec le code NEMOH standard et avec la correction des fréquences
irrégulières.
Annexe B
Paramètres du simulateur

Dans cette section sont présentés les principaux paramètres du simulateur, les re-
commandations liées au choix des valeurs de ces paramètres, et les valeurs fixées pour
les simulations présentées dans ce manuscrit. Les paramètres peuvent être classés en
deux catégories, les paramètres liés à la ferme et les paramètres liés à la simulation et
la stratégie de contrôle.

B.1 Paramètres de la classe ferme

La plupart des paramètres de la classe ferme sont déterminés lors du calcul des co-
efficients hydrodynamiques et sont affectés à la classe ferme lors du chargement de ces
derniers par la méthode LoadCoef f s.

— Le paramètre f arm.layout contient les informations géométriques de la ferme,

telles que le rayon, la hauteur et la position de chaque cylindre.

— Le paramètre f arm.w correspond au vecteur des pulsations associé aux coeffi-

cients hydrodynamique. Comme décrit dans la section 3.1.10, les valeurs de la
discrétisation fréquentielle des coefficients peuvent avoir un impact sur la qualité
des simulations. De manière générale, la valeur maximale de ω doit être légère-
ment supérieure à la pulsation où la RAO des corps s’annule, et la valeur du
pas fréquentiel dω doit diminuer lorsque la distance entre les corps de la ferme
augmente.

— Le paramètre N P ad est argument de la méthode LoadCoef f s et définit la lon-

gueur de l’extrapolation des coefficients hydrodynamiques permettant de lisser
les réponses impulsionnelles (section 3.1.10). Ce paramètre n’est utilisé que pour
l’analyse des réponses impulsionnelles et n’améliore pas la qualité des simulations
(section 4.1).
190 Paramètres du simulateur

B.2 Paramètres de la classe simulation

Les paramètres de la classe simulation peuvent être distingués en deux groupes, ceux
liés à la simulation, et ceux liés à la stratégie de contrôle collaboratif. Les principaux
paramètres de la simulation sont les suivants :

— Le paramètre sim.tsim contient le vecteur temporel de la simulation et est en

partie déterminé par le paramètre sim.dt définissant le pas de temps. Dans les
simulations présentées ici, le pas de temps est choisi fixe. Il est par ailleurs pos-
sible d’utiliser un pas variable en modifiant les paramètres de l’intégrateur lors
de son initialisation. L’étude de convergence en pas de temps est présenté dans la
section 4.2. Il est important de noter que la valeur convergée du pas temps est liée
à la dynamique des corps. Lorsqu’un corps est en résonance ou contrôlé de façon
optimale, il est nécessaire de diminuer le pas de temps pour adapter l’intégration
numérique aux fortes variations de vitesse et de force de PTO.

— Le paramètre sim.mode définit le type de houle généré. Le paramètre peut prendre

comme valeur « mono » pour une houle monochromatique ou « poly » pour une
houle polychromatique. Dans le cas de la houle monochromatique, la valeur d’am-
plitude a de la houle est égale à la moitié de Hs . Pour une houle polychromatique,
la houle est générée à partir du spectre de Bretschneider (section 3.1.5.1).

— Les paramètres sim.Hs et sim.T p correspondent respectivement à la hauteur si-

gnificative et la période de pic de l’état de mer.

— Le paramètre sim.timpRad contient le vecteur temporel des réponses impulsion-

nelles de radiation. Le pas de temps de ce vecteur est défini par sim.dt, car il est
indispensable que les réponses impulsionnelles possèdent un pas de temps iden-
tique à celui de la simulation, de façon à conserver la cohérence des produits de
convolution. Par ailleurs, il est important de définir un temps suffisamment long
pour le calcul des réponses impulsionnelles de façon à conserver l’intégralité de
l’information qu’elles contiennent.

— Le paramètre sim.P T O contient les valeurs de PTO passif BP T O de chaque ma-

chine de la ferme.
B.2 Paramètres de la classe simulation 191

— Le choix du mode d’intégration numérique se fait lors de l’initialisation de l’inté-

grateur dans la classe simulation. Dans les simulations présentées dans ce manus-
crit, un intégrateur de type Runge-Kutta d’ordre 4 (dopri5) est utilisé. Le code
de cet intégrateur est présenté dans Hairer et al. [52].

Lors de l’utilisation de la stratégie de contrôle collaboratif dans le simulateur, les para-

mètres suivants doivent être renseignés :

— Le paramètre sim.ZuActivated permet l’activation de la méthode de contrôle

collaboratif, il prend comme valeur « True » ou « False ».

— Le paramètre sim.timp contient le vecteur temporel des réponses impulsionnelles

de fonction de transfert de vitesse hv (t) (section 3.1.7) et du contrôleur fenêtré
huf (t) (section 3.1.8). Comme pour les réponses impulsionnelles de radiation, le
pas de temps est défini par sim.dt.

— Le paramètre sim.tsh contient le vecteur des temps de prévision tprev pour chacun
des corps contrôlés de la ferme (section 3.1.7).

— Le paramètre sim.wBand contient le vecteur des pulsations de coupure ωLc et

ωHc relatives au fenêtrage de l’impédance du contrôleur optimal (section 3.1.5),
pour chacun des corps contrôlés.
Annexe C

Résultats de l’étude de sensibilité

C.1 Étude de sensibilité générale

Dans cette section sont rassemblés les résultats de l’étude de sensibilité de la section
3.2.3. Les paramètres de l’étude sont rappelés dans le tableau C.1. La réponse étudiée
ici est le coefficient d’optimalité dont la formulation est proposée dans la section 3.2.2.

Facteurs Niveaux
Distance [m] 100, 200, 400, 600
Temps de prévision [s] 8, 10, 12, 15, 20, 30
Période de pic [s] 6, 9, 12
Fréquence de coupure basse [rad/s] 0.2, 0.35, 0.5, 0.65, 0.8
Fréquence de coupure haute [rad/s] 1.0, 1.5, 2.0, 2.5, 3.0, 3.5

Table C.1 – Niveaux des facteurs choisis pour l’étude de sensibilité pour un groupe de
deux cylindres en utilisant la stratégie de contrôle collaboratif.
194 Résultats de l’étude de sensibilité

tprev = 8s Copt,max = 91% tprev = 10s Copt,max = 93% tprev = 12s Copt,max = 95%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 74% tprev = 20s Copt,max = 0% tprev = 30s Copt,max = 0%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.1 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m avec une période de pic Tp = 6s.

tprev = 8s Copt,max = 92% tprev = 10s Copt,max = 93% tprev = 12s Copt,max = 94%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

80 80 80 Coefficient d’optimalité [%]
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 91% tprev = 20s Copt,max = 90% tprev = 30s Copt,max = 77%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.2 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 200m avec une période de pic Tp = 6s.
C.1 Étude de sensibilité générale 195

tprev = 8s Copt,max = 90% tprev = 10s Copt,max = 92% tprev = 12s Copt,max = 93%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 94% tprev = 20s Copt,max = 93% tprev = 30s Copt,max = 93%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.3 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 400m avec une période de pic Tp = 6s.

tprev = 8s Copt,max = 95% tprev = 10s Copt,max = 96% tprev = 12s Copt,max = 96%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

80 80 80 Coefficient d’optimalité [%]
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 98% tprev = 20s Copt,max = 99% tprev = 30s Copt,max = 97%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.4 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 600m avec une période de pic Tp = 6s.
196 Résultats de l’étude de sensibilité

tprev = 8s Copt,max = 54% tprev = 10s Copt,max = 55% tprev = 12s Copt,max = 44%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 14% tprev = 20s Copt,max = 0% tprev = 30s Copt,max = 0%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.5 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m avec une période de pic Tp = 9s.

tprev = 8s Copt,max = 88% tprev = 10s Copt,max = 89% tprev = 12s Copt,max = 84%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

80 80 80 Coefficient d’optimalité [%]
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 70% tprev = 20s Copt,max = 55% tprev = 30s Copt,max = 18%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.6 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 200m avec une période de pic Tp = 9s.
C.1 Étude de sensibilité générale 197

tprev = 8s Copt,max = 90% tprev = 10s Copt,max = 90% tprev = 12s Copt,max = 90%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 93% tprev = 20s Copt,max = 93% tprev = 30s Copt,max = 83%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.7 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 400m avec une période de pic Tp = 9s.

tprev = 8s Copt,max = 90% tprev = 10s Copt,max = 91% tprev = 12s Copt,max = 91%
Pulsation coupure basse [Rad/s]

100 100 100

Coefficient d’optimalité [%]

0.8 0.8 0.8
80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0

tprev = 15s Copt,max = 97% tprev = 20s Copt,max = 98% tprev = 30s Copt,max = 96%
Pulsation coupure basse [Rad/s]

100 100 100

Coefficient d’optimalité [%]

0.8 0.8 0.8

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.8 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 600m avec une période de pic Tp = 9s.
198 Résultats de l’étude de sensibilité

tprev = 8s Copt,max = 37% tprev = 10s Copt,max = 18% tprev = 12s Copt,max = 11%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 2% tprev = 20s Copt,max = 0% tprev = 30s Copt,max = 0%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.9 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m avec une période de pic Tp = 12s.

tprev = 8s Copt,max = 67% tprev = 10s Copt,max = 65% tprev = 12s Copt,max = 65%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

80 80 80 Coefficient d’optimalité [%]
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 49% tprev = 20s Copt,max = 31% tprev = 30s Copt,max = 3%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.10 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 200m avec une période de pic Tp = 12s.
C.1 Étude de sensibilité générale 199

tprev = 8s Copt,max = 74% tprev = 10s Copt,max = 86% tprev = 12s Copt,max = 89%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 89% tprev = 20s Copt,max = 88% tprev = 30s Copt,max = 61%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.11 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 400m avec une période de pic Tp = 12s.

tprev = 8s Copt,max = 76% tprev = 10s Copt,max = 88% tprev = 12s Copt,max = 94%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 15s Copt,max = 96% tprev = 20s Copt,max = 96% tprev = 30s Copt,max = 94%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.12 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 600m avec une période de pic Tp = 12s.
200 Résultats de l’étude de sensibilité

C.2 Étude de sensibilité des corps proches

Dans cette section sont rassemblés les résultats de l’étude de sensibilité de corps
rapprochés présentée dans la section 3.2.4. Les paramètres de l’étude sont rappelés dans
le tableau C.2.

Facteurs Niveaux
Distance [m] 100
Temps de prévision [s] 4, 6, 8, 10, 12
Période de pic [s] 6, 9, 12
Fréquence de coupure basse [rad/s] 0.2, 0.35, 0.5, 0.65, 0.8
Fréquence de coupure haute [rad/s] 1.0, 1.5, 2.0, 2.5, 3.0, 3.5

Table C.2 – Niveaux des facteurs choisis pour l’étude de sensibilité de corps proches
pour un groupe de deux cylindres en utilisant la stratégie de contrôle collaboratif.

tprev = 2s Copt,max = 0% tprev = 4s Copt,max = 84% tprev = 6s Copt,max = 86%

100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

80 80 80 Coefficient d’optimalité [%]
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 8s Copt,max = 91% tprev = 10s Copt,max = 93% tprev = 12s Copt,max = 95%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.13 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m avec une période de pic Tp = 6s.
C.2 Étude de sensibilité des corps proches 201

tprev = 2s Copt,max = 0% tprev = 4s Copt,max = 37% tprev = 6s Copt,max = 61%

100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 8s Copt,max = 54% tprev = 10s Copt,max = 55% tprev = 12s Copt,max = 44%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.14 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m avec une période de pic Tp = 9s.

tprev = 2s Copt,max = 0% tprev = 4s Copt,max = 13% tprev = 6s Copt,max = 22%

100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
tprev = 8s Copt,max = 37% tprev = 10s Copt,max = 18% tprev = 12s Copt,max = 11%
100 100 100
Pulsation coupure basse [Rad/s]

0.8 0.8 0.8

Coefficient d’optimalité [%]

80 80 80
0.65 0.65 0.65
60 60 60
0.5 0.5 0.5
40 40 40
0.35 0.35 0.35
20 20 20
0.2 0.2 0.2
0 0 0
3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0 3.5 3.0 2.5 2.0 1.5 1.0
Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s] Pulsation coupure haute [Rad/s]

Figure C.15 – Matrices de coefficients d’optimalité pour un groupe de deux cylindres

séparés d’une distance d = 100m avec une période de pic Tp = 9s.
Annexe D
Étude de convergence en maillage

Une étude de convergence en maillage a été réalisée dans le cadre des calculs des
coefficients hydrodynamiques du cylindre pilonnant à partir du code NEMOH. La géo-
métrie du cylindre est celle utilisée dans l’ensemble des simulations du manuscrit, et est
présentée dans la section 3.1.1.

Le maillage utilisé présente un raffinement plus important sur son fond, l’arête déli-
mitant la paroi verticale et le fond, et sur la paroi verticale aux abords de la surface
libre. Pour l’étude de convergence, trois densités de maillage sont comparées : N = 340,
N = 806, et N = 1470 (figure D.1). Les coefficients hydrodynamiques obtenus à partir
de ces maillage sont présentés dans les figures D.2 et D.3.

La comparaison des coefficients hydrodynamiques issus des différents maillages montre

que les résultats sont convergés pour N = 340 panneaux. Les différences observées sur
la phase du coefficient de force d’excitation Hex (ω) pour les pulsations supérieures à
ω = 2, 2 rad/s sont dues à l’annulation de l’amplitude de Hex (ω). En effet, pour ces
valeurs de ω le calcul de la phase correspond au rapport de deux valeurs infinitésimales
(section 2.2.3).

N panneaux = 340 N panneaux = 806 N panneaux = 1470

0 0 0

-2 -2 -2

-4 -4 -4
z

-6 -6 -6

-8 -8 -8

-10 -10 -10

6 6 6
5 5 5
4 4 4

2 0 2 0 2 0

y 0 -5 x y 0 -5 x y 0 -5 x

Figure D.1 – Maillages utilisés pour l’étude de convergence.

204 Étude de convergence en maillage

×104
2.5 N panneaux = 340
B(ω) [N.s/m]

N panneaux = 806
2.0
N panneaux = 1470
1.5

1.0

0.5

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
×105
3.50
Ma (ω) [N.s2 /m]

3.25

3.00

2.75

2.50

2.25
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ω [rad/s]

Figure D.2 – Coefficient d’amortissement hydrodynamique B(ω) et de masse d’eau ajoutée

Ma (ω) en pilonnement obtenus avec le code NEMOH pour les 3 maillages comparés.
Phase de Hex (ω) [rad] Amplitude de Hex (ω) [N/m]

×106
0.8
N panneaux = 340
0.6 N panneaux = 806
N panneaux = 1470
0.4

0.2

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0

−2

0.0 0.5 1.0 1.5 2.0 2.5 3.0

ω [rad/s]

Figure D.3 – Amplitude et phase du coefficient de force d’excitation Hex (ω) pilonnement
obtenu avec le code NEMOH pour les 3 maillages comparés.
Annexe E
Spectre directionnel de houle

Le spectre directionnel de houle utilisé dans l’étude de la section 4.6.2 repose sur la
distribution « cosinus carré » [57]. Dans le cadre de l’étude, la méthode est étendue pour
une valeur d’exposant n de façon à analyser l’impact de la largeur de l’étalement, et le
spectre est défini tel que :
Z ∞ Z +π Z ∞
Sd (β, ω) = S(ω)D(β, ω)dβdω = S(ω)dω (E.1)
0 −π 0

avec la fonction d’étalement directionnel :


αcosn (β

− β0 ) , si (− π2 + β0 ) < β < ( π2 + β0 )
D(β) =  (E.2)
0 , sinon
où α représente un coefficient de normalisation calculé de façon à conserver l’égalité :
Z π/2
D(β)dβ = 1 (E.3)
−π/2
206 Spectre directionnel de houle
Titre : Contrôle collaboratif d’une ferme de génératrices houlomotrices

Mots clés : énergie des vagues, contrôle optimal, ferme de houlomoteurs, causalité, prévision, rendement

Résumé : Les fermes houlomotrices de seconde Dans un premier temps, les équations reliant les
génération qui seront déployées dans les années qui différents états des machines de la ferme ont été
viennent seront composées d’un grand nombre de établies puis ont été utilisées afin d'effectuer une
modules identiques mouillés en mer et rapportant au prévision des états sur les corps contrôlés permettant
rivage l’électricité produite par câbles sous-marins. Il a ainsi d’appliquer un contrôle réactif pseudo causal.
été montré que le contrôle des machines Afin de contraindre la dynamique des corps et
houlomotrices permet d’augmenter significativement maitriser l’horizon de non causal du contrôleur, une
leur rendement. Cependant, le contrôle optimal d’un méthode de fenêtrage a été appliquée à l’impédance
système houlomoteur est non causal, i.e. son du contrôleur. À l’aide d’un simulateur temporel
application nécessite la prévision de la force développé spécifiquement, une étude de sensibilité a
d’excitation soumise par le champ de vague sur été conduite pour définir les paramètres optimaux et
chacun des éléments de la ferme. le comportement de la stratégie de contrôle et de son
Les travaux présentés dans ce manuscrit ont consisté fenêtrage. La robustesse et la performance du
à mettre en place une stratégie de contrôle permettant contrôleur ont ensuite été évaluées pour différents
une récupération d’énergie proche de l’optimum changements extérieurs comme la dérive des corps,
théorique en tenant compte des interactions les variations d’orientation de houle, et l’étalement
hydrodynamiques liées à la configuration de ferme et spectral directionnel.
permettant de résoudre la non-causalité d’un tel L’application de la stratégie de contrôle à une ferme
contrôleur en utilisant uniquement l’information de 10 corps a montré une récupération d’énergie
contenue dans les vecteurs d’états des machines de la supérieure à 83% de la limite théorique maximale.
ferme.

Title : Collaborative control within Wave Energy Converter arrays

Keywords : wave energy, optimal control, WEC array, causality, forecast, efficiency

Abstract : The next generation of wave farms will be First, the equations linking the devices’ states within
composed of a large number of identical devices the array have been established and used to perform
deployed offshore, which will transfer the retrieved a deterministic forecast of the states of the controlled
energy to the shore using submarine cables. It has bodies, which allowed to apply a pseudo-causal
been proven that the control of Wave Energy reactive control. Moreover, a window function has
Converters can improve their efficiency. However, one been applied to the controller impedance in order to
of the main challenges of WEC control is the non- constrain the dynamic of the controlled bodies, and
causality of the optimal controller. Indeed, the time also to regulate the non-causal horizon of the
domain application of this kind of control requires the controller. Then, using a time domain simulator
forecast of the excitation force applied by the wave developed specifically, a sensibility analysis has been
field on each device of the farm. performed to define the optimal parameters and the
The work presented in this thesis aimed at developing behavior of the controller with the window function.
and assessing a control strategy with an energy The robustness and the performances of the
efficiency close to the theoretical optimum, taking into controller have also been assessed when affected by
account the hydrodynamic interactions between the exterior changes such as device drift, wave
farm devices, and solving the non-causality issue orientation modification, and directional spreading of
using the measurements of the states of the device of the wave spectrum.
the array. The collaborative controlled strategy applied to a farm
of 10 devices has shown an energy efficiency over
83% of the theoretical bound.