Conclusions
Pendant cette thèse, nous avons essayé d’utiliser les outils d’optimisation des systèmes énergétiques pour l’optimisation d’une centrale solaire hybride munie d’un stockage de chaleur sensible. Une attention particulière a été portée au développement de modèles à la fois précis et peu coûteux en temps de calcul des différents composants de l’installation. Grâces aux modèles développés dans ce travail, l’optimisation de la centrale est rendue possible sans moyens de calcul spécialisés mis à part un ordinateur de bureau. Les modèles réduits que nous avons pu développer, permettent la modélisation du comportement op-tique et thermique des collecteurs solaires et la modélisation du comportement dynamique du stock de chaleur lors de ses phases de charge et de décharge.
La centrale étudiée est une centrale solaire hybride composée d’un champ solaire de capteurs cylindro-paraboliques, un stock de chaleur sensible stratifié de type "lit de roche", une chaudière d’appoint et un moteur ORC refroidi par une tour de refroidissement. Dans le premier chapitre, un modèle optique et thermique détaillé des collecteurs solaires est développé. Ce modèle permet de déterminer le rendement optique du collecteur et l’effet d’ombrage dans l’installation. Il permet également de déterminer les pertes thermiques qui ont lieu dans le récepteur. Des corrélations du facteur correctif de modification d’angle d’incidence et du rendement thermique du récepteur ont été ensuite déduites du modèle proposé et utilisées pour développer un modèle analytique adapté à l’évaluation des performances annuelles de la centrale.
Le deuxième chapitre, a été consacré à la modélisation du stock de chaleur sensible qui fonctionne par essence en régime dynamique. La modélisation de cet organe était jusque là problématique car elle nécessitait une discrétisation du stock en un grand nombre de volumes de contrôle et de résoudre les équations différentielles qui résultent en utilisant une méthode numérique adéquate. Un modèle original a été présenté dans ce chapitre. Il permet, par le biais de la méthode des transformées intégrales généralisées, de déterminer le profil de température d’une façon explicite à n’importe quel instant. Ce modèle a permis la détermination des durées de charge et de décharge du stock dans le modèle de la centrale complète.
une critique des modèles à pertes séparées a été présentée. De plus, un modèle de moteur ORC a été développé dans le but de l’intégrer dans le modèle global de la centrale. Dans le dernier chapitre, les modèles du reste des composants ont été développés ainsi que la modélisation de la centrale complète. L’optimisation de l’installation est effectuée à l’aide d’un algorithme qui comporte trois sous routines d’optimisation qui permettent de trouver le dimensionnement optimal des échangeurs de chaleur et de la chaudière. La routine d’optimisation globale optimise le reste des variables (12 variables) selon un ou plusieurs critères. Les résultats de l’optimisation thermo-économique et environnementale de l’installation ont été présentés.
Une première optimisation mono-critère selon le critère thermo-économique avec plusieurs fluides de travail donne les résultats suivants :
• Parmi les fluides pré-sélectionnés, le toluène est le fluide qui conduit au meilleur coût de production d’électricité. Il est le fluide le plus adapté pour le niveau de température de notre application.
• Du point de vue thermo-économique, une solution de production d’électricité totalement fossile est l’alternative la plus intéressante. En effet, les coûts des capteurs solaires et du stockage de chaleur pris dans cette étude et qui reflètent les coûts actuels, rendent la solution solaire moins compétitive que la solution fossile. • Le coût de l’électricité produite diminue avec l’augmentation de la puissance de la
centrale.
Une deuxième optimisation multi-critère qui tient compte à la fois du critère thermo-économique et environnemental a fourni plusieurs solutions qui permettent de réduire
drastiquement la masse du CO2 émise par le système.
Perspectives
Ce travail prépare le terrain pour la réalisation d’autres études plus approfondies qui tiendront compte de plus d’alternatives et/ou de contraintes technologiques et industrielles. En effet, plusieurs pistes de recherche existent pour étendre les résultats présentés dans cette thèse :
• L’outil d’optimisation développé dans ce travail servira dans l’avenir à effectuer d’autres optimisations selon le reste des critères proposés dans le chapitre 4, no-tamment le critère exergétique. Le calcul de la destruction d’exergie dans chaque composant permettra de concevoir les composants les moins performants.
• Il est intéressant également d’effectuer des optimisations avec des fluides caloporteurs différents (il s’agit du fluide qui circule dans le champ solaire et dans le stock). Ceci permettra de comparer les performances de l’installation dans chaque cas et de choisir le meilleur fluide. En effet, la structuration du programme que nous
Conclusions et perspectives avons réalisé permet l’ajout d’autres fluides dans une fonction qui regroupe les corrélations reliant les propriétés physiques à la température.
• Il est possible également d’ajouter des modèles d’autres technologies de capteurs solaires tels que les capteurs de Fresnel ou des héliostats. Ceci permettra une étude comparative de ces différentes technologies.
• D’autres technologies de stockage peuvent être intégrées dans le modèle, tel que le stockage à chaleur latente ou les technologies de stockage chimique. Des modèles à la fois réalistes et peu coûteux en temps de calcul doivent être développés à cette fin.
• Il est également souhaitable d’étendre ce travail au cas des centrales solaires destinées à un fonctionnement en mode isolé sous une charge variable en fonction de l’heure de la journée ; voire de la saison. Ceci demande un effort de modélisation supplémentaire. En effet, il est indispensable de développer un modèle orienté vers la simulation qui tient compte des variations des rendements de la turbine, du compresseur et de la chaudière d’appoint en fonction de leur charge. Il faut également définir la stratégie de contrôle du moteur pour répondre à la variation de charge. Réduire le temps de calcul pour la simulation nécessite également des efforts supplémentaires. En première approche, il est possible d’utiliser un modèle multi-période pour simuler le fonctionnement de la centrale ; ce qui permet de réduire les temps de calcul.
• Une optimisation dynamique de la centrale peut également être effectuée afin de trouver la stratégie idéale de contrôle commande des différents blocs de la centrale.