1. Définition, Contexte et Objectifs
La réévaluation du productible vise à estimer la production à long terme des parcs éoliens en exploitation, en s’appuyant sur les données SCADA historiques mesurées sur site. Cette estimation permet une valorisation ajustée lors des processus de M&A, une amélioration des stratégies de refinancement et une mise à jour du productible dans le budget de la SPV.
Dans cet article, nous expliquons comment nous réévaluons le productible d’un parc éolien en exploitation en utilisant les données SCADA mesurées sur site, moyennées sur 10 minutes.
2. Méthodologie
La méthodologie de 8.2 France repose sur 3 étapes clés :
- Data processing – Catégorisation des données SCADA
- MCP (Mesurer, Corréler, Prédire) – Ajustement des données de vent long-terme.
- Réseau de neurones – Simulation et modélisation du comportement des turbines.
Data processing
L’objectif principal de cette étape est de classer et de catégoriser les données SCADA mesurées sur site de chaque turbine comme suit :
- Bridages : identifier les données correspondant aux différents bridages (chiroptère, avifaune, acoustique, givrage, ombrage, etc…)
- Arrêt : identifier les moments où la machine est à l’arrêt.
- Suspect : détecter les comportements anormaux de la machine.
- Ok : correspond au fonctionnement normal de la machine.
Seules les données SCADA qualifiées comme »OK » sont prises en compte dans les deux algorithmes »MCP » et »Réseau de neurones » qui sont détaillés ci-dessous.
Les autres catégories sont utilisées pour calculer les pertes à long terme, afin de déterminer la P50 du parc éolien.
Algorithme MCP
L’algorithme MCP (Mesurer, Corréler, Prédire) vise à établir une corrélation entre les données de vent long terme » Satellites » et les données SCADA moyennées sur 10 minutes pour chaque machine. Il prend en compte divers paramètres, tels que le secteur du vent, les biais horaires, les biais mensuels, etc.
Cet algorithme teste plusieurs sources de données satellites (MERRA2, ERA5, Vortex, etc.), comme l’illustre la figure ci-dessous, afin d’identifier la source qui corrèle le mieux avec les données mesurées sur site.
Cet algorithme a pour objectif :
- D’ajuster les données de vent long terme « Satellites » pour les adapter aux conditions spécifiques de chaque turbine.
- De prédire le comportement du vent long terme spécifique à chaque machine.
La figure suivante présente un exemple de rose des vents d’uneéolienne, illustrant les trois roses des vents suivantes :
- Measurement : données de direction du vent mesurées sur site pour l’éolienne E1 du parc éolien X.
- MCP : données de direction du vent basées sur la corrélation entre les données satellites et les données SCADA durant la période d’analyse.
- Long term direction : rose des vents long terme de l’éolienne, déterminée à l’aide de l’algorithme MCP en tenant compte des étapes détaillées ci-dessus.
Réseau de neurones
8.2 France utilise par ailleurs des réseaux de neurones pour modéliser et reproduire le comportement statistique de chaque turbine, en se basant sur la courbe de puissance réelle spécifique à chaque machine et en tenant compte notamment des paramètres suivants :
- Vitesse du vent
- Direction du vent
- Température ambiante (influence la densité de l’air)
- Heure (influence sur le cisaillement du vent)
- Date (biais saisonnier)
- Localisation de la machine (turbulences générées par les éoliennes voisines)
La figure suivante présente un exemple de modélisation de la courbe de puissance d’une éolienne, déterminée à l’aide du réseau de neurones
Une fois les courbes de puissance simulées avec le réseau de neurones établies, cet algorithme permet également de simuler les courbes de puissance long terme pour chaque machine, en s’appuyant sur les données de vent long terme spécifiques à chacune d’elle, déjà déterminées avec »l’Algorithme MCP ». Cela permet d’estimer la »Production Brute Long Terme » du parc éolien.
Les différentes pertes, liées entre autre à la disponibilité du parc éolien, aux bridages et aux pertes électriques, déterminées en s’appuyant sur la première étape »Data processing », sont prises en compte pour déterminer le P50 net. Enfin, les incertitudes associées à cette méthodologie sont intégrées afin de déterminer un productible P75 et P90.
3. Avantages
Un Outil Indispensable pour les Transactions Financières
La réévaluation du productible est une étape clé dans la vente ou l’achat d’un parc éolien. Cette analyse met à jour les prévisions de production du parc, permettant ainsi aux acheteurs et vendeurs d’avoir une vision claire de la rentabilité future. 8.2 France utilise des modèles avancés de »Machine Learning » pour recalculer le productible en se basant sur les données historiques SCADA, les performances réelles des machines et les données satellites. Cela aide à éviter les mauvaises surprises et à sécuriser les transactions en offrant des bases solides pour les négociations.
Un Atout pour le Refinancement et l’Optimisation
Outre les transactions de vente ou d’achat, le refinancement d’un parc éolien est une autre situation où la réévaluation du productible prend tout son sens. Les investisseurs et les banques souhaitent s’assurer que les conditions financières d’un projet sont en adéquation avec sa performance réelle. Une réévaluation permet de réajuster les conditions de prêt ou de financement en fonction des nouvelles données de production.
Une Méthodologie Rigoureuse pour une Fiabilité Maximale
Ce qui distingue 8.2 France, c’est sa méthodologie rigoureuse et éprouvée, fondée sur des modèles de »Machine Learning ». Ces modèles permettent de modéliser des relations complexes entre de nombreux facteurs, tels que la vitesse du vent, la direction, la température et d’autres variables environnementales. Ils offrent également la possibilité d’intégrer une multitude de facteurs (biais horaire, biais saisonnier, turbulence, densité de l’air, etc) pour simuler la production long terme .
Une Méthodologie Rigoureuse pour une Fiabilité Maximale
Pour les propriétaires et les gestionnaires de parcs éoliens, le service de réévaluation du productible proposé par 8.2 France représente une valeur ajoutée indéniable. Il permet non seulement d’anticiper les performances futures mais aussi de renforcer la crédibilité du projet auprès des investisseurs et des parties prenantes. Cela se traduit par une meilleure position dans les négociations, une sécurisation des revenus futurs, et une optimisation des coûts liés à l’exploitation.
