Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

Renewable energy resources, including wind power, are part of the solution to the global energy problem. Over the past few decades, various types of materials such as wood, aluminium and composites have been used in the manufacturing of wind turbine blades. However, no investigations have been conducted on the application of wood-plastic composites (WPCs) for the production of small rotorblades for wind turbines in northern conditions; characterized by extremely cold temperatures and major winter storms. In order to investigate the application of WPCs in the rotorblades industry, the mechanical behaviour of this material under the operational conditions of a wind turbine should be investigated. In cold climate regions, wind turbines are exposed to severe conditions characterized by temperatures below — 50°C and wind speeds sometimes exceeding 25 m/s. This thesis is mostly divided into two main parts. First, the mechanical behaviour of wood-plastic composites is investigated using the experimental and numerical characterization of the material at cold temperatures. The studies are conducted under the maximum pressure of 18 psi within a temperature range of —50°C to +50°C with 25°C increments. Wood-plastic composite membranes with mass concentration of 20, 30, 40, 50, and 60wt% of wood fibre are tested and high-density polyethylene (HDPE) is used as the thermoplastic matrix of the composites. Second, the structural behaviour of a rotorblade made with WPCs is investigated under the operating conditions of a wind turbine. In this research, the bubble inflation technique is used for experimental and numerical modelling of the behaviour of WPCs. The elastic (Hooke's law) and hyperelastic (neo-Hookean) models, along with the artificial neural networks, are used to characterize the mechanical behaviour of the membranes. The elastic and hyperelastic behaviour of the specimens are modelled in Abaqus with different material constants in order to generate a learning library for the artificial neural network. Young's modulus and Cj represent the material constants for elastic and hyperelastic models, respectively. The optimum material constants are obtained using the neural network. The experimental results are used as the input of the network and the results from the simulations in Abaqus are used to train the neural network. The output of the network is the optimum material constants for different materials at different temperatures. The results of the neural network are then verified by a set of wind tunnel experiments and computer simulations in Abaqus. For the purpose of the experiments, a rectangular HDPE plate is tested at different temperatures and wind speeds in a wind tunnel. Furthermore, an HDPE plate is modelled in Abaqus with the same dimensions under the same pressure using the optimum material constant relevant to the corresponding temperature. The deformation values obtained in the experiments are compared with the ones attained in Abaqus in order to verify the accuracy of the material constants. Moreover, the application of the wood-plastic composites is investigated in the rotorblades industry by comparing the material performance with the material requirements of the industry. The operational parameters and conditions require the material to have a high stiffness, low density, and long fatigue life. Finally, a small rotorblade is modelled in Abaqus to investigate the deformation of a blade made of WPC and aluminium. In addition, in order to introduce the challenges involved in the application of this material in the rotorblades industry, a brief review of the effects of humidity and ice on WPCs and rotorblades is presented at the end of this project.

Les sources d'énergie renouvelables, notamment l'énergie éolienne, font partie de la solution au problème mondial lié à l'énergie. Au cours des dernières décennies, divers types de matériaux tels que le bois, l'aluminium et des composites ont été utilisés dans la fabrication de pales d'éoliennes. Cependant, aucune recherche n'a été menée sur l'application des composites bois-plastique pour la production de petites pales éoliennes situées en milieu nordique qui est caractérisé par des températures extrêmement froides et les grandes tempêtes hivernales. Afin d'étudier l'application de ces composites bois-plastique dans le secteur des pales éoliennes, le comportement mécanique de ce matériau dans les conditions de fonctionnement d'une éolienne doit être étudié. En effet, dans les régions froides, les éoliennes sont exposées à des conditions météorologiques sévères, caractérisées par des températures inférieures à — 50°C et des vitesses de vent dépassant parfois 25 m/s. Cette thèse est divisée en deux parties principales. D'une part, le comportement mécanique des composites bois-plastique est étudié en utilisant la caractérisation expérimentale et numérique du matériau à des températures froides. Les études sont menées sous la pression maximale de 18 psi dans une plage de température de — 50°C à 50°C avec des paliers de 25°C. Des membranes composites en bois-plastique avec des concentrations massique de 20, 30, 40, 50, et 60% poids de fibres de bois sont testés et le polyethylene haute densité (PEHD) est utilisé comme matrice thermoplastique des composites. D'autre part, le comportement structural d'une pale éolienne fabriquée à partir d'un composite bois-plastique est étudié dans les conditions de fonctionnement d'une éolienne. Dans cette recherche, la technique de gonflage de bulles est utilisée pour la modélisation expérimentale et numérique du comportement du composite bois-plastique. Les modèles élastique (loi de Hooke) et hyperélastique (néo-Hookéen), ainsi que les réseaux de neurones artificiels, sont utilisés pour caractériser le comportement mécanique des membranes. Le comportement élastique et hyperélastique des spécimens sont modélisés dans le logiciel Abaqus avec différentes constantes matérielles afin de générer une bibliothèque d'apprentissage pour le réseau neuronal artificiel. Le module de Young et Ci représentent les constantes matérielles pour les modèles élastiques et hyperélastiques, respectivement. Les constantes matérielles optimales sont obtenues en utilisant le réseau de neurones. Les résultats expérimentaux sont utilisés comme entrée du réseau et les résultats des simulations dans Abaqus sont utilisés pour l'apprentissage du réseau de neurones. La sortie du réseau est composée des constantes matérielles optimales pour différents matériaux à des différentes températures. Les résultats du réseau de neurones sont ensuite vérifiés par un ensemble d'expériences en soufflerie et par des simulations numériques dans Abaqus. À des fins expérimentales, une plaque rectangulaire de PEHD est testée à différentes températures et vitesses de vent dans une soufflerie. Par la suite, la plaque PEHD est modélisée dans Abaqus avec des conditions similaires: dimensions et pression identiques en utilisant la constante matérielle optimale appropriée pour une température donnée. Les valeurs de déformation obtenues dans ces expériences sont comparées avec celles obtenues dans Abaqus afin de vérifier l'exactitude des constantes matérielles. En outre, l'utilisation des composites bois-plastique dans le secteur des pales éoliennes est étudiée en comparant la performance du matériau avec les exigences matérielles de l'industrie. Les paramètres et les conditions opérationnels exigent du matériau d'avoir une rigidité élevée, une faible densité et une longue résistance à la fatigue. Enfin, une pale éolienne est modélisée dans Abaqus pour étudier la déformation d'une pale fabriquée en composite bois-plastique et en aluminium. De plus, afin d'aborder les défis liés à l'application de ce matériau dans l'industrie des pales éoliennes, un bref examen des effets de l'humidité et de l'accumulation de la glace sur les composites bois-plastique est pésenté à la fin de ce projet.