CHAPITRE 4 : SIMULATION ET RESULTATS DANS L‟OUTIL DES ALGORITHMES
4.4 Analyse des résultats de simulation
Le front de Pareto indique qu‟idéalement pour cette machine le rendement exergétique devravarier de 0,33 à 0,39 ce qui est acceptable car les procédés technologiquement approuvés ont un rendement exergétique proche de 0.5. Ici on peut remarquer que le REX croît avec le temps de retour sur investissement qui varie de 1,91 à 7,21 ans.
Figure 4-8 Front de Pareto du problème d’optimisation.
Etudions de plus près l’influence des températures au bouilleur sur les performances de la machine à absorption.
La figure 4.9 montre l‟influence de la température de la source chaude sur le rendement exergétique global de la machine à absorption. On rappelle que les points considérés de la courbe, sont les points du front de Pareto donc les meilleurs individus issus de l‟optimisation.
On remarque pour ces points, que le rendement exergétique est une fonction décroissante de la température de la source chaude à partir de 188°C. Autrement dit une élévation de la température au bouilleur au-delà de 188 °C contribuerait à une dégradation plus grande de l‟exergie du système donc à une mauvaise utilisation de l‟énergie. On pourrait donc en priorisant le rendement exergétique, affiner la famille de solutions en prenant celles qui sont proches de 188°C.
Temps brut de retour sur investissement (TRI)
-rendement exergétique (-REX)
Pareto front
GENETIQUES DE MATLAB
Rapport de stage /Diplôme d‟études approfondies/EPAC/UAC/BENIN
Présenté et soutenu par TOSSA K. Alain. Page 83
Figure 4-9 Variation du rendement exergétique global de la machine à absorption en fonction de la température de la source chaude.
On s‟est ensuite intéressé au coefficient global de performance de la machine pour les mêmes points du Pareto. En effet le coefficient de performance COP de chaque point du front de Pareto a été calculé. Les valeurs trouvées figurent à l‟annexe IV du document. La figure 4.10 présente les variations du COP de la machine à absorption pour une élévation de température au-delà de 188 °C
Figure 4-10 Variation du rendement exergétique global de la machine à absorption en fonction de la température de la source chaude.
Cette courbe révèle une très faible fluctuation ou une stabilisation du coefficient de
188 190 192 194 196 198 200 202
COP
COP
GENETIQUES DE MATLAB
Rapport de stage /Diplôme d‟études approfondies/EPAC/UAC/BENIN
Présenté et soutenu par TOSSA K. Alain. Page 84
del‟exergie sans pour autant augmenter le coefficient de performance du système. Ce résultat confirme l‟importance d‟une analyse exergétique. En effet l‟analyse énergétique (calcul du COP) classique nous indique tout simplement le gain énergétique mais ne nous renseigne pas sur la façon dont cette énergie est utilisée (dégradation), ce qui se voit clairement sur les figures 4.9 et 4.10.
La figure 4.11 présente la variation de la température de la source froide en fonction de celle de la source chaude. Elle conforte d‟avantage la déduction faite plus haut.
Figure 4-11 Variation de la température de la source froide de la machine à absorption en fonction de la température de la source chaude.
Le temps de retour sur investissement TRI comme on peut le voir sur la figure 4.12, est quant à lui une fonction décroissante de la température de la source chaude.
Figure 4-12 Variation du temps brut de retour sur investissement de la machine à absorption en fonction de la température de la source chaude.
-10
188 190 192 194 196 198 200 202
TsF
188 190 192 194 196 198 200 202
TRI
TRI
GENETIQUES DE MATLAB
Rapport de stage /Diplôme d‟études approfondies/EPAC/UAC/BENIN
Présenté et soutenu par TOSSA K. Alain. Page 85
Si nous considérons un temps de retour sur investissement inférieur à 5 ans qui est le maximum généralement toléré par les investisseurs on peut considérer que l‟optimum se présente comme suit :
Tableau 4.1 Caractéristiques de l’optimum
Tsc TsF Tmc Tma deltaTG deltaTc deltaTE deltaTa TRI REX 197,03 -7,97 25,07 25,02 7,02 10,02 8,19 10,02 4,76 0,38 Cet optimum est atteint pour une température de source chaude de 197°C et une température à l‟évaporateur d‟environ -8°C. Le rendement exergétique serait alors de 0,38. Ce qui est très appréciable si on considère la valeur de 0,5 correspondant à une limite technologique haute, c'est à dire à une technologie déjà bien développée et optimisée [19].
Par ailleurs en milieu industriel, pour les besoins de conservation par exemple de viande, poisson, les températures nécessaires pour la chambre froide oscille autour de 0°C. Toutefois les températures légèrement plus basses sont à préférer car l‟activité bactérienne est moins importante comme le montre la figure 4.13 issue d‟une étude réalisée par Anderson et al sur l‟effet de la température de conservation sur les activités microbiennes pouvant altérer la qualité des poissons[20].
GENETIQUES DE MATLAB
Rapport de stage /Diplôme d‟études approfondies/EPAC/UAC/BENIN
Présenté et soutenu par TOSSA K. Alain. Page 86
Figure 4-13 Effet de la température sur l’activité enzymatique et la vitesse de croissance des micro-organismes[20].
CONCLUSION GENERALE
Rapport de stage /Diplôme d‟études approfondies/EPAC/UAC/BENIN
Présenté et soutenu par TOSSA K. Alain. Page 88
Cette étude a été consacrée à l‟optimisation exergo-économique d‟une machine à absorption à simple effet et fonctionnant grâce au couple binaire (H20 /NH3).
Une analyse exergétique de la machine basée sur le premier et le second principe de la thermodynamique a été faite. Ladite analyse a été couplée à une étude économique sommaire et a permis de déduire les expressions du rendement exergétique et du temps brut de retour sur investissement de la machine. A l‟aide des propriétés thermodynamiques du couple (H20 /NH3), un programme a été écrit dans l‟environnement Matlab afin de calculer le rendement exergétique et le temps brut de retour sur investissement en fonction des températures et différences de températures observées généralement au niveau de chaque composant de la machine.
Ce programme a servi de fonction fitness pour l‟optimisation bi critère de la machine à absorption à l‟aide des algorithmes génétiques toujours dans l‟environnement Matlab.
Huit variables sont considérées en entrées du problème d‟optimisation à savoir les températures externes et les différences de températures au niveau de chacun des quatre composants principaux de la machine à savoir : le bouilleur, le condenseur, l‟évaporateur et l‟absorbeur.L‟optimisation a été faite pour une machine type, de puissance frigorifique 100 kW et ayant un débit de fluide frigorigène fixé à 0,0775 kg/s.
Les températures externes respectivesde la source chaude, de la source froide, des milieux de refroidissement (absorbeur et condenseur) ont été respectivement balayés de 80 à 200 °C, de -40 à 0°C et de 25 à 45°C. Cette plage de température ambiante 25 à 45 °C est compatible avec les conditions climatiques du Bénin. Les différences entre températures externes et internes ont été balayées de 7 à 10 °C au niveau du bouilleur et de l‟évaporateur et de 10 à 15 °C au niveau du condenseur et de l‟absorbeur. Le milieu de refroidissement considéré pour ces deux derniers composants est donc l‟air. Grâce aux algorithmes 14 400 états différents du système ont été explorés au travers de 120 générations d‟individus ou états. Le front ou digramme de Pareto qui en est ressorti est composé de 43 états différents du système. Ceux-ci représentant l‟ensemble des meilleures solutions ou états optimaux possibles du système.
Une analyse plus approfondie a permis de voir que le coefficient de performance était pratiquement constant pour tous les états constituant le Pareto. On remarque cependant que pour ces mêmes états une élévation de la température de la source chaude au-delà de 188°C entraîne une baisse considérable du rendement exergétique. Ce constant auquel on pourrait s‟attendre au départ démontre tout l‟intérêt d‟une analyse exergétique en lieu et place d‟une
Rapport de stage /Diplôme d‟études approfondies/EPAC/UAC/BENIN
Présenté et soutenu par TOSSA K. Alain. Page 89
analyse basée uniquement sur le coefficient de performance. En priorisant le rendement exergétique, on serait amené à choisir l‟état correspond à une température de source chaude de 188°C mais d‟un autre côté on remarque aussi que le temps de retour décroît au fur à mesure de l‟élévation de la température de la source chaude. Un compromis doit donc être trouvé. En prenant la limite supérieure généralement exigé par les institutions financières pour le TRI qui est de 5 ans on peut retenir dans le front de Pareto un état de fonctionnement optimal de la machine qui correspond aux températures de 197°C, -8°C, 25° C respectivement au niveau de la source chaude, de la source froide et des milieux de refroidissement de l‟absorbeur et du condenseur.
La température de -8°C est très intéressante pour beaucoup d‟application en milieu industriel, comme la conservation par exemple de viande, poisson. En effet, les températures nécessaires dans la chambre froide pour conserver les poissons ou viandes oscillent autour de 0°C.
Toutefois les températures légèrement plus basses sont à préférer car l‟activité bactérienne est moins importante [20].
Par ailleurs, le développement de la technologie solaire thermique à travers les concentrateurs thermiques peut permettre d‟atteindre des températures supérieures à 200 °C au niveau du bouilleur de la machine à absorption. Cette même température peut être obtenue par différents traitements thermochimiques des déchets source de pollution atmosphérique au Bénin.
REFERENCES BIBLIOGRAPHIQUES
Rapport de stage /Diplôme d‟études approfondies/EPAC/UAC/BENIN
Présenté et soutenu par TOSSA K. Alain. Page 91
REFERENCES BIBLIOGRAPHIQUES
[1] L. O. E. ZERMANE, “MODELISATION D‟UNE MACHINE FRIGORIFIQUE A ABSORPTION: APPLICATION DES EQUILIBRES DE PHASES,” UNIVERSITE MENTOURI DE CONSTANTINE, 2012.
[2] R. Daoudi and P. Institut national polytechnique de Lorraine Le Goff,
“Thermofrigopompe à absorption à eau-bromure de lithium pour hautes températures conception et analyse énergétique,” [s.n.], [S.l.], 1999.
[3] K. Sahraoui, “Simulation des cycles de machines frigorifiques à absorption,” Memoire Online. [Online]. Available: http://www.memoireonline.com/05/08/1143/m_simulation-cycles-machines-frigorifiques-a-absorption0.html. [Accessed: 01-Oct-2014].
[4] J. C. Lasvignottes, “Aspects thermodynamiques et technico- économiques des systèmes à absorption liquide - Conservatoire National des Arts et Métiers (CNAM) – Institut
Français du Froid Industriel IFFI.” 2001.
[5] P. Srikhirin, S. Aphornratana, and S. Chungpaibulpatana, “A review of absorption refrigeration technologies,” Renew. Sustain. Energy Rev., vol. 5, no. 4, pp. 343–372, 2001.
[6] L. V. Galimova and A. I. Vedeneeva, “Scientific and practical foundations of removal of application to serving absorption water-ammonia chiller,” Sci. J. NRU ITMO UDC 621575, 2014.
[7] A. Lakroune, “Nouveaux mélanges frigorigènes pour les pompes à chaleur - Diplôme de magister. Magister en Génie Climatique : Thermique du bâtiment et réfrigération.
Algérie : Université Mentouri-Constantine - 146p.” 2008.
[8] S. Garimella, D. Lacy, and R. E. Stout, “Space-conditioning using triple-effect absorption heat pumps,” Appl. Therm. Eng., vol. 17, no. 12, pp. 1183–1197, décembre 1997.
[9] G. Grossman, A. Zaltash, and R. C. DeVault, “Simulation and Performance Analysis of a 4-Effect Lithium Bromide-Water Absorption Chiller,” Oak Ridge National Lab., TN (United States), CONF-950104--5, Feb. 1995.
[10] F. Ziegler, R. Kahn, F. Summerer, and G. Alefeld, “Multi-effect absorption chillers,”
Int. J. Refrig., vol. 16, no. 5, pp. 301–311, 1993.
[11] J. M. Abdulateef, K. Sopian, and M. A. Alghoul, “Optimum design for solar absorption refrigeration systems and comparison of the performances using ammonia-water, ammonia-lithium nitrate and ammonia-sodium thiocyanate solutions,” Int. J. Mech.
Mater. Eng., vol. 3, no. 1, pp. 17–24, 2008.
[12] G. C. Vliet, M. B. Lawson, and R. A. Lithgow, “Water-lithium bromide double-effect absorption cooling analysis,” Final Rep. Tex. Univ Austin Cent. Energy Stud., vol. -1, Dec. 1980.
[13] S. Amédée and R. Francois-Gérard, “Algorithmes génétiques,” Masters Thesis Univ.
Nice, 2004.
[14] Khayymam, “Algorithmes génétiques,” Developpez.com. [Online]. Available:
http://khayyam.developpez.com/articles/algo/genetic/. [Accessed: 01-Oct-2014].
[15] Tesha, Absorption Refrigeration System as an Integrated Condenser Cooling Unit in a Geothermal Power Plant. United Nations University, Geothermal Training Programme, 2009.
[16] B. A. Minkuc, L. M. Rozenfeld, N. G. Shmuilov, and R. L. Danilov, “Absorbtsionnye kholodilnye mashiny,” pp. 138–166, 1982.
[17] “Méthode d‟analyse économique des projets. Disponible sur
http://ile-de-france.ademe.fr/IMG/pdf/Methode_d_analyse_economique_des_projets.pdf. Consulté le 01/02/2013.” .
Rapport de stage /Diplôme d‟études approfondies/EPAC/UAC/BENIN
Présenté et soutenu par TOSSA K. Alain. Page 92
[18] T. Gräbener, A. Berro, and others, “Optimisation multiobjectif discrète par propagation de contraintes,” in JFPC 2008-Quatrièmes Journées Francophones de Programmation par Contraintes, 2008, pp. 403–407.
[19] G. HEYEN, “Analyse exergétique des systèmes industriels,” Univ. Liège Fac. Sci.
Appliquées, 2000.
[20] “Altérations de la qualité et durée de conservation du poisson réfrigéré. Archives de documents de la FAO. Tiré de http://www.fao.org/docrep/003/v7180f/v7180f07.htm.”
Consulté le 12 Mai 2013. .
[21] Ecole Polytechnique de Montreal, “Guide de présentation des citations et des références bibliographiques.” Sep-2011.
ANNEXES
ANNEXE I. Organigramme de Calcul des propriétés