L’apprentissage automatique pourrait aider les cerfs-volants et les planeurs à récolter l’énergie éolienne

L’énergie éolienne aéroportée (AWE) est une technologie légère qui utilise des appareils volants, notamment des cerfs-volants et des planeurs, pour récolter l’énergie de l’atmosphère. Pour maximiser l’énergie qu’ils extraient, ces dispositifs doivent contrôler précisément leurs orientations pour tenir compte des turbulences dans l’atmosphère terrestre.

Grâce à de nouvelles recherches publiées dans EPJ EAntonio Celani et ses collègues du Centre international Abdus Salam de physique théorique, en Italie, démontrent comment un algorithme d’apprentissage par renforcement pourrait considérablement augmenter la capacité des dispositifs AWE à tenir compte des turbulences.

Avec des coûts de construction bien inférieurs à ceux des éoliennes traditionnelles, AWE pourrait s’avérer extrêmement utile pour étendre la portée de l’énergie éolienne aux communautés les plus pauvres et les plus éloignées. Pour extraire l’énergie éolienne, les engins volants sont soit attachés à une station au sol, où l’énergie est convertie en électricité, soit utilisés pour remorquer un véhicule.

Le principal défi auquel est confrontée cette technologie est de maintenir ses performances dans des conditions de vent et de météo très variables. Pour ce faire, les chercheurs utilisent actuellement des modèles informatiques pour prédire l’état futur de l’atmosphère, permettant aux cerfs-volants et aux planeurs d’ajuster dynamiquement leurs orientations. Cependant, comme la turbulence nécessite une immense puissance de calcul pour s’approcher avec précision, elle est souvent ignorée dans les modèles existants, ce qui conduit à des performances sous-optimales dans les systèmes AWE.

Dans leur étude, l’équipe de Celani a abordé le problème en utilisant l’apprentissage par renforcement : un algorithme d’apprentissage automatique qui utilise des interactions par essais et erreurs avec l’environnement environnant pour calculer quelle orientation d’un cerf-volant ou d’un planeur extraira le maximum d’énergie possible de l’atmosphère. Comme preuve de concept, les chercheurs ont appliqué l’algorithme à un navire simulé remorqué par un cerf-volant.

Lorsqu’il a reçu un simple ensemble d’instructions de manœuvre, le cerf-volant a utilisé l’apprentissage par renforcement pour remorquer le navire sur de longues distances, même sans connaissance préalable des turbulences qu’il rencontrerait. Avec le succès précoce de leur approche, Celani et ses collègues espèrent maintenant que l’utilisation de l’apprentissage par renforcement pourrait bientôt permettre à la portée des AWE de s’étendre encore plus à l’avenir.