Prévision du bruit éolien en environnement complexe réaliste
ABG-131057 | Thesis topic | |
2025-04-15 | Public/private mixed funding |
- Ecology, environment
- Engineering sciences
Topic description
Contexte et enjeux :
Dans le cadre de la transition énergétique, la France s’est fixé l’objectif ambitieux d’atteindre 33% d’énergies renouvelables dans son mix énergétique d’ici 2030. Parmi ces énergies, l’éolien joue un rôle clé en raison de sa maturité technologique et de son potentiel de production à grande échelle. Cependant, les nuisances sonores potentiellement associées à l’exploitation des parcs éoliens constituent un des freins majeurs à leur acceptabilité sociale et, par conséquent, à leur développement. Le défi scientifique consiste à estimer avec fiabilité les nuisances sonores des futurs parcs. Cet enjeu est crucial, car une mauvaise estimation peut entraîner le bridage des machines, avec des conséquences importantes tant sur le plan énergétique que sur le plan financier.
Ces dernières années, les efforts de recherche se sont concentrés sur les mécanismes de génération du bruit à la source, notamment les phénomènes aérodynamiques au niveau des pales et du rotor, ainsi que sur la modélisation détaillée des processus d’émission acoustique et de propagation du bruit à grande distance. En revanche, certains aspects fondamentaux restent encore peu explorés, générant ainsi des incertitudes notables dans les prévisions acoustiques. Parmi ces aspects figurent les effets de sillage en aval des éoliennes et ceux liés à la topographie, qui influencent tout deux les conditions locales de propagation du bruit.
En outre, bien que le bruit de fond varie significativement en fonction de facteurs tels que l’activité humaine, les conditions météorologiques ou les caractéristiques topographiques, il est actuellement considéré comme constant dans les zones habitées. Cette hypothèse simplificatrice constitue une approximation majeure, qui introduit une source d’incertitude supplémentaire, à considérer dès lors qu'il s'agit d'estimer une valeur d'émergence. Elle limite la fiabilité des simulations acoustiques et augmente le risque que les niveaux sonores réels excèdent ceux prévus dans les études prévisionnelles. A l'inverse, dans certaines conditions, le bruit de fond peut masquer le bruit éolien. Identifier et caractériser ces conditions pourrait permettre d’optimiser la production des éoliennes en limitant le bridage préventif, tout en réduisant la gêne sonore perçue par les riverains. La modélisation de l'aspect dynamique du bruit de fond constitue un verrou scientifique majeur qu'il est crucial de lever, représentant un enjeu essentiel pour les exploitants de parcs éoliens.
Les objectifs principaux de cette thèse sont de répondre à ces insuffisances à travers 3 axes :
Améliorer les modèles d’émission du bruit pour intégrer les évolutions technologiques des éoliennes modernes, qui sont de plus en plus hautes et puissantes. Ces avancées nécessitent de redéfinir les caractéristiques à l’émission sonore, notamment en termes d’amplitude, de spectre et de directivité.
Inclure les effets de sillage dans les modélisations de propagation acoustique en environnement réel, en prenant en compte leur impact sur la réfraction acoustique dans des contextes topographiques variés. Contrairement aux études précédentes, souvent limitées à des cas académiques simplifiés (par exemple, une colline isolée), cette thèse propose de modéliser conjointement les sillages et la topographie à l’aide de bases de données SIG. Cela permettra de représenter des terrains complexes, incluant des sols hétérogènes, accidentés, pentus ou montagneux, et de mieux comprendre leur influence combinée sur la propagation acoustique.
Analyser la variabilité du bruit de fond et son interaction avec le bruit éolien, afin de développer une méthode permettant de l’intégrer dans les modèles acoustiques. Des mesures in situ de bruit de fond pourront être exploitées pour affiner le développement de modèles prévisionnels. Cette approche pourrait servir de base à la conception future d’un outil opérationnel capable d’identifier les conditions dans lesquelles le bruit de fond masque le bruit éolien, comme lors de fortes précipitations ou d’une activité humaine accrue. Un tel utilitaire permettrait d’optimiser la gestion des parcs éoliens en limitant les périodes de bridage préventif tout en améliorant le calcul de l’émergence dans les cas où le bruit éolien reste perceptible.
Funding category
Funding further details
Presentation of host institution and host laboratory
L'Unité Mixte de Recherche en Acoustique Environnementale (UMRAE) est un laboratoire de recherche commun entre l'Université Gustave Eiffel et le Centre d'Etudes et d'expertise sur les Risques, l'Environnement, la Mobilité et l'Aménagement (CEREMA). Créée le 1er janvier 2018, elle regroupe des équipes de chercheurs, ingénieurs, personnels techniques et doctorants de ces deux organismes pour effectuer des missions de recherche relatives à la réduction du bruit et de son impact sur l'environnement.
Website :
PhD title
Country where you obtained your PhD
Graduate school
Candidate's profile
Niveau master ou équivalent (école ingénieur)
Notions d'acoustique
Langages informatiques type Matlab, Python, ...
Vous avez déjà un compte ?
Nouvel utilisateur ?
Get ABG’s monthly newsletters including news, job offers, grants & fellowships and a selection of relevant events…
Discover our members
Nokia Bell Labs France
Aérocentre, Pôle d'excellence régional
ADEME
ASNR - Autorité de sûreté nucléaire et de radioprotection - Siège
ONERA - The French Aerospace Lab
Généthon
CASDEN
PhDOOC
Groupe AFNOR - Association française de normalisation
Laboratoire National de Métrologie et d'Essais - LNE
ANRT
SUEZ
MabDesign
TotalEnergies
CESI
Ifremer
Tecknowmetrix
Institut Sup'biotech de Paris
MabDesign
-
JobRef. 131402, Grand Est , FranceInstitut National de Recherche et Sécurité
Chercheur en épidémiologie quantitative (H/F)
Scientific expertises :Psychology, neurosciences
Experience level :Confirmed
-
JobRef. 131332ANGERS , Bourgogne-Franche-Comté , FranceESEO
ENSEIGNANT.E-CHERCHEUR.SE EN INFORMATIQUE (F/H)
Scientific expertises :Computer science - Computer science - Digital
Experience level :Any