Modélisation d'un écosystème hydrogène associé aux énergies renouvelables intermittentes

Modeling a hydrogen ecosystem associated with intermittent renewable energies

• Auteur / Autrice : Yosra Mezghani
• Direction : Fabrice Gros
• Type : Projet de thèse
• Discipline(s) : Génie des procédés
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Université Clermont Auvergne (2021-...)
• Ecole(s) doctorale(s) : Sciences pour l'Ingénieur
• Partenaire(s) de recherche : Laboratoire : Institut Pascal
• Partenaire(s) de recherche : Equipe de recherche : GePEB - Génie des Procédés, Energétique et Biosystèmes

Mots clés

Mots clés libres

Ecosystème hydrogène

Energies renouvelables

Modélisation multi-facette

Modélisation multi-niveau

Jumeau numérique

Hydrogen ecosystem

Renewable energies

Multi-faceted modeling

Multi-level modeling

Digital twin

Résumé

Contexte Les défis environnementaux contemporains, tels que les émissions de CO2 et l'épuisement des ressources, exigent une réévaluation fondamentale de nos systèmes énergétiques. L'hydrogène utilisé comme vecteur de stockage énergétique est un candidat sérieux pour assurer la flexibilité nécessaire pour l'intégration des énergies renouvelables intermittentes dans le système énergétique. Ainsi, une industrie verte à base d'hydrogène est souvent associée aux parcs d'éoliennes et de photovoltaïques. Cette industrie comprend plusieurs procédés complexes pour la production de l'hydrogène vert et sa transformation éventuelle en ammoniac, méthanol et kérozène offrant ainsi des alternatives viables pour les besoins énergétiques du transport. Ceci conduit donc à la conception de réseaux énergétiques sophistiqués et complexes qu'il est nécessaire d'optimiser en termes d'opération, de performance, de coût et de sûreté. En particulier, il est important de maîtriser les procédés de synthèse de ces produits auxquels il faut ajouter la nécessité de CO2 pour la production de méthanol et d'azote pour la production d'ammoniac. Deux projets emblématiques et de grandes dimensions illustrent cette perspective. Nous pouvons citer, en premier, le projet stratégique du Port de Shannon qui prévoit, dans sa vision 2041, le développement d'un écosystème hydrogène alimenté par un parc d'éoliennes offshore de plusieurs GW fournissant une énergie propre et renouvelable au port et à ses activités annexes ainsi qu'à l'exportation. Le second projet, situé au Maroc, mise sur le potentiel d'énergies renouvelables pour atteindre le développement durable escompté par le développement d'une méga centrale solaire de 1 à 2 MW avec une extension prévue en éoliennes et un stockage hydrogène. Ces écosystèmes énergétiques requièrent des technologies de transformation avancées mais aussi la maîtrise des flux pour répondre aux besoins énergétiques domestiques et d'exportation. L'analyse des coûts CAPEX et OPEX, ainsi que la prise en compte de la performance sur l'ensemble du cycle de vie, sont aussi essentiels pour garantir l'efficacité et la durabilité de ces infrastructures. L'utilisation d'une modélisation numérique et d'une simulation précise pour la conception, l'exploitation et la maintenance est un élément clé pour la maîtrise de cette complexité. C'est pour contribuer à ce défi énergétique que nous proposons de développer une méthodologie à base de modèle support à : i/ la conception et l'évolution de ces systèmes énergétiques, ii/ la conception et l'intégration des procédés de transformation et iii/ l'exploitation optimale et la maintenance des procédés et du système complet. Les bases d'approches méthodologiques innovantes pour la modélisation de systèmes complexes ont été posées par des travaux de recherche récents. Cependant, des défis subsistent, notamment en ce qui concerne l'intégration de nouvelles sources d'énergie telle que l'hydrogène et des procédés de transformation associés. Objectifs Pour répondre aux besoins de conception, d'analyse et de simulation d'un écosystème hydrogène associé aux énergies renouvelables, nous proposons de traiter trois objectifs principaux de modélisation : 1. Modélisation multi-facette pour la prise en compte des critères d'évaluation sur le cycle de vie. 2. Modélisation multi-niveau pour répondre aux besoins de gestion global de l'écosystème et de la conception et l'exploitation des procédés de transformation. 3. Jumeau numérique pour l'accompagnement de l'écosystème tout au long de son cycle de vie : de la faisabilité à la conception et à l'exploitation et la maintenance. Objectif 1 : Modélisation multi-facette La modélisation multi-facette sera utilisée pour prendre en compte divers aspects des systèmes énergétiques étudiés. Cela inclura la gestion des flux d'énergie, à la fois électriques et thermiques, avec leur intégration avec le réseau électrique existant ainsi qu'avec les réseaux de chaleur fatale. En plus, nous aborderons des bilans de matière, tels que ceux de l'hydrogène, de l'oxygène et de l'azote, et nous évaluerons les émissions de CO2 tout au long du cycle de vie des systèmes étudiés. Cette évaluation prendra en compte les coûts de fabrication et d'installation (CAPEX), ainsi que les coûts d'exploitation et de maintenance (OPEX). En outre, nous tiendrons compte des émissions provenant du réseau électrique (en fonction de la localisation par pays) et du transport, notamment celles associées au kérosène, au méthanol et à l'ammoniac. Enfin, il sera important d'évaluer la fiabilité du système et les risques associés aux procédés de transformation, au stockage et aux opérations de transport. Objectif 2 : Modélisation multi-niveau Il est essentiel de développer une approche qui prenne en compte la gestion des flux dans l'écosystème global tout en maintenant une abstraction relative pour permettre des simulations sur une période temporelle étendue, allant de plusieurs jours à un an ou plus. Cette approche nécessitera l'inclusion de scénarios variés, avec des données et des modèles prenant en compte des facteurs tels que la vitesse du vent, le rayonnement solaire, la consommation domestique d'énergie (électrique et thermique), ainsi que des paramètres économiques comme la commande de e-fuel. Pour la maîtrise des procédés de transformation, il est nécessaire d'avoir recours à une modélisation mécanistique plus détaillée et plus précise. Dans le cadre de la modélisation mécanistique du ou des procédés spécifiques, une attention particulière doit être portée à la précision des réactions chimiques et à la prise en compte de la vitesse de réaction. Cela implique également l'intégration des dispositifs de compression, de réchauffement/refroidissement et de stockage, ainsi que la modélisation des dynamiques de mise en service et d'arrêt. Un système de contrôle-commande sera nécessaire pour superviser et ajuster le fonctionnement du système en fonction des conditions changeantes. Objectif 3 : Jumeau numérique Le jumeau numérique vise à optimiser les opérations industrielles en offrant des services clés telles que la planification multicritères, l'optimisation post-événement et la maintenance prédictive. Pour ce faire, il faut trouver un juste équilibre entre la complexité et la simplicité dans la modélisation et l'outillage du jumeau numérique. Cela implique le développement d'un modèle ''juste nécessaire'' accompagné d'une méthodologie claire, ainsi que l'intégration avec des algorithmes de planification et d'optimisation et la visualisation des données en 2D ou 3D pour renforcer son utilité et son accessibilité. De plus, il est nécessaire d'assurer une connectivité en temps réel avec les procédés. Cela permettra la mise à jour régulière du modèle et une communication avec le site de production pour permettre la prise de décision en temps réel.

Context Contemporary environmental challenges, such as CO2 emissions and resource depletion, require a fundamental reevaluation of our energy systems. Hydrogen, used as an energy storage vector, is a serious candidate to provide the necessary flexibility for integrating intermittent renewable energies into the energy system. Thus, a green hydrogen-based industry is often associated with wind and photovoltaic parks. This industry includes several complex processes for the production of green hydrogen and its eventual transformation into ammonia, methanol, and kerosene, thereby offering viable alternatives for the transportation energy needs. This leads to the design of sophisticated and complex energy networks that need to be optimized in terms of operation, performance, cost, and safety. In particular, it is important to master the synthesis processes of these products, which require the addition of CO2 for methanol production and nitrogen for ammonia production. Two emblematic and large-scale projects illustrate this perspective. First, the strategic project of the Port of Shannon envisions, in its 2041 vision, the development of a hydrogen ecosystem powered by an offshore wind farm of several gigawatts, providing clean and renewable energy to the port, its ancillary activities, and for export. The second project, located in Morocco, relies on renewable energy potential to achieve the desired sustainable development by developing a mega solar power plant of 1 to 2 MW with planned extensions in wind turbines and hydrogen storage. These energy ecosystems require advanced transformation technologies as well as the mastery of flows to meet domestic and export energy needs. Analyzing CAPEX and OPEX costs, along with considering performance over the entire life cycle, is also essential to ensure the efficiency and sustainability of these infrastructures. The use of numerical modeling and precise simulation for design, operation, and maintenance is a key element in managing this complexity. To contribute to this energy challenge, we propose to develop a model-based methodology to: i) design and evolve these energy systems, ii) design and integrate transformation processes, and iii) optimize the operation and maintenance of processes and the complete system. The foundations of innovative methodological approaches for modeling complex systems have been laid by recent research. However, challenges remain, particularly concerning the integration of new energy sources such as hydrogen and the associated transformation processes. Objectives To meet the needs of design, analysis, and simulation of a hydrogen ecosystem associated with renewable energies, we propose to address three main modeling objectives: 1. Multi-faceted modeling to account for life cycle evaluation criteria. 2. Multi-level modeling to meet the management needs of the overall ecosystem and the design and operation of transformation processes. 3. Digital twin to support the ecosystem throughout its life cycle: from feasibility to design, operation, and maintenance. Objective 1: Multi-faceted Modeling Multi-faceted modeling will be used to account for various aspects of the studied energy systems. This will include managing energy flows, both electrical and thermal, and their integration with the existing power grid as well as with waste heat networks. Additionally, we will address material balances, such as those of hydrogen, oxygen, and nitrogen, and assess CO2 emissions throughout the life cycle of the studied systems. This evaluation will consider manufacturing and installation costs (CAPEX), as well as operating and maintenance costs (OPEX). Furthermore, we will account for emissions from the power grid (depending on the country) and transportation, particularly those associated with kerosene, methanol, and ammonia. Finally, it will be important to assess the system's reliability and the risks associated with transformation processes, storage, and transport operations. Objective 2: Multi-level Modeling It is essential to develop an approach that considers flow management in the overall ecosystem while maintaining relative abstraction to enable simulations over an extended temporal period, ranging from several days to a year or more. This approach will require the inclusion of various scenarios, with data and models accounting for factors such as wind speed, solar radiation, domestic energy consumption (electric and thermal), as well as economic parameters like e-fuel orders. For mastering transformation processes, a more detailed and precise mechanistic modeling approach is necessary. In the context of mechanistic modeling of specific processes, particular attention must be paid to the accuracy of chemical reactions and the consideration of reaction rates. This also involves integrating compression, heating/cooling, and storage devices, as well as modeling the dynamics of commissioning and shutdown. A control system will be required to supervise and adjust the system's operation based on changing conditions. Objective 3: Digital Twin The digital twin aims to optimize industrial operations by offering key services such as multi-criteria planning, post-event optimization, and predictive maintenance. To achieve this, a balance must be struck between complexity and simplicity in modeling and tooling the digital twin. This involves developing a ''just necessary'' model accompanied by a clear methodology, integrating planning and optimization algorithms, and visualizing data in 2D or 3D to enhance its utility and accessibility. Moreover, real-time connectivity with the processes must be ensured. This will allow for regular model updates and communication with the production site to enable real-time decision-making.