• Aucun résultat trouvé

Optimisation environnementale des systèmes énergétiques futurs dans une perspective de cycle de vie : une approche endogène

N/A
N/A
Protected

Academic year: 2021

Partager "Optimisation environnementale des systèmes énergétiques futurs dans une perspective de cycle de vie : une approche endogène"

Copied!
332
0
0

Texte intégral

(1)

UNIVERSITÉ DE SHERBROOKE

Faculté de génie

Département de génie civil et de génie du bâtiment

Optimisation environnementale des systèmes

énergétiques futurs dans une perspective de

cycle de vie : une approche endogène

Thèse de doctorat - spécialité : génie civil

Laurent Vandepaer

(2)

Membres du jury

Pr. Ben Amor

Directeur

Christian Bauer

Codirecteur

Pr. Dahai Qi

Rapporteur

Dr. Caroline Gaudreault

Évaluatrice externe

Dr. Enrico Benetto

Évaluateur externe

(3)

i

RÉSUMÉ

La production et la consommation d’énergie jouent un rôle central dans de nombreux problèmes environnementaux majeurs. Il est nécessaire de minimiser ces dégradations environnementales afin de préserver l’intégrité et la pérennité des écosystèmes et d’éviter les bouleversements sociaux et économiques qui peuvent en résulter. Néanmoins, étant donné l’enchevêtrement des interactions et des dimensions qui caractérisent le secteur de l’énergie, la définition de stratégies visant à l’amélioration des performances environnementales de ce dernier constitue une tâche complexe qui requiert une approche interdisciplinaire. C’est pourquoi, un cadre d'évaluation et d’optimisation environnementale des systèmes énergétiques futurs est développé dans cette thèse. Il se fonde sur l’intégration au sein d’un modèle de prospective énergétique (MPE) d’indicateurs d’impacts environnementaux basés sur la méthode d’analyse de cycle de vie (ACV).

Les tentatives existantes d’une combinaison des ACV et des MPE connaissent deux principales lacunes ne leur permettant pas de représenter et d’analyser les futurs systèmes énergétiques de façon adéquate. Premièrement, les modèles ACV mobilisés y sont, partiellement ou entièrement, représentatifs de situations actuelles ou passées ce qui introduit une incohérence au niveau temporel. Deuxièmement, la dimension environnementale y est considérée comme un élément ad hoc des MPE qui y sont mobilisés n’exploitant ainsi pas le cadre de calcul disponible dans ces outils en vue de définir des scénarios minimisant les impacts de manière considérable. Afin d’obtenir des indicateurs environnementaux correspondant à l’orientation temporelle des MPE, une méthode d’ACV prospective est proposée, reposant sur l’intégration de projections technologiques et de scénarios énergétiques issus de MPE dans les inventaires de cycle de vie (ICV). Ce développement est appliqué à un cas d’étude portant sur différents types de batteries stationnaires. Elle est ensuite systématisée afin d’être appliquée à l’ensemble des technologies énergétiques couvertes par le MPE (telles les centrales hydroélectriques, panneaux photovoltaïques, les pompes à chaleur, les fournaises à gaz naturel, etc.). L’étape suivante consiste en la réalisation de versions futures des bases de données ICV s'appuyant sur le répertoire ecoinvent version 3.5 – variant à plusieurs intervalles de temps et selon différents scénarios – qui permettent de fournir des données d’arrière-plan prospectives. Pour répondre à la seconde lacune, les indicateurs environnementaux des technologies énergétiques couvertes par le MPE sont calculés et sont intégrés dans ces modèles de façon endogène. Ce travail permet de définir le profil environnemental de futurs systèmes énergétiques et des décisions prises dans le cadre de ces derniers de manière complète et continue, tout en considérant différentes trajectoires plausibles. La minimisation des impacts est ajoutée en

(4)

ii

tant qu’objectif du MPE en vue de réaliser l’optimisation environnementale d’un système énergétique à l’échelle d’un pays dans une perspective de cycle de vie. Ainsi, les configurations minimisant les problèmes environnementaux et équilibrant par optimisation multi-objective la performance environnementale et économique peuvent être déterminées.

Le cadre méthodologique élaboré permet de faciliter l'intégration de l'ACV dans d'autres MPE et modèles prospectifs. De plus, les résultats de l'analyse offrent un aperçu des compromis environnementaux et économiques pour les systèmes énergétiques en transition vers des bilans neutres en carbone. En outre, l’influence des évolutions temporelles sur l’établissement de profils environnementaux des technologies énergétiques est établie. Cet élément est généralement ignoré dans la littérature combinant ACV et MPE ou est traité de façon superficielle. Ensuite, il est démontré que si des objectifs climatiques se limitent aux émissions d’un territoire spécifique, des niveaux importants de gaz à effet de serre peuvent subsister via des mécanismes de déplacement de la charge. Cela illustre la valeur ajoutée de la combinaison MPE et ACV, qui considère les émissions de cycle de vie et détecte les possibles effets de fuite de carbone. De plus, la minimisation des impacts du cycle de vie sur le changement climatique génère des cobénéfices environnementaux substantiels pour la santé humaine, la pollution atmosphérique, l'appauvrissement de la couche d'ozone et l'acidification des sols. Cependant, ce type d’effort impose également des compromis aux effets négatifs en matière d'épuisement des ressources minérales, de toxicité et d’écotoxicité qui sont générés lors des étapes d'extraction et de production en amont. Ces résultats nuancés démontrent l’importance de considérer un champ large de catégories d’impact tel que le permet l’approche ACV. En outre, il est possible d’obtenir des configurations des systèmes énergétiques causant des scores d'impacts de cycle de vie proches de leur niveau minimal pour une augmentation du coût modérée. L’identification de configurations proposant un compromis entre la performance environnementale et économique est permise par l’endogénéisation des indicateurs ACV dans un MPE.

Finalement, différentes pistes d’amélioration sont dévoilées. En effet, des limites subsistent au niveau de la modélisation ACV en matière de la qualité des données ainsi qu’à cause de l’incertitude qui entoure les méthodes d’analyse d’impacts. De plus, la couverture du MPE pourrait être étendue et sa résolution enrichie afin d’obtenir des résultats plus complets et précis.

Mots clés : Analyse des systèmes énergétiques, analyse du cycle de vie, modèle de prospective

(5)

iii

SUMMARY

English title: Environmental optimization of future energy systems from a life cycle perspective:

an endogenous approach

The energy system plays a central role in a range of major environmental problems. It is necessary to minimise such environmental degradation in order to preserve the integrity of ecosystems and avoid the social and economic disruption that can result from these. However, planning and achieving a transformation of the energy system to minimize the impact it causes to natural and human systems is a complex task involving conflicting dimensions and intricate dynamics which necessitates a transdisciplinary effort and the assistance of several numerical models. Therefore, a framework for the environmental assessment and optimization of future energy systems is developed. It is based on the integration of prospective environmental impact indicators based on the life cycle assessment (LCA) methodology into an energy system model (ESM).

Existing attempts to combine ESM and LCA face two main shortcomings that do not allow them to represent and analyze future energy systems adequately. First, the LCA models used are, partially or entirely, representative of current or past situations, which introduces a temporal inconsistency. Second, they consider the environmental dimension as an ad-hoc element of the used ESM and do not take advantage of the computational framework available in these tools to define scenarios that minimise the impacts. To obtain environmental indicators corresponding to the forward-looking nature of the ESM used in this work, a prospective LCA approach is created relying on the integration of technological projections and energy scenarios in life cycle inventories (LCI). This technique is applied to a case study of different types of stationary batteries and then systematized to all energy technologies covered by the ESM. Then, future versions of the LCI database, building upon the repository ecoinvent version 3.5, are generated using varying time steps and under different scenarios. The environmental indicators of the energy technologies covered by the ESM are integrated endogenously into the energy model. This work enables the quantification of the environmental profiles of various scenario pathways for future energy systems under a range of selected constraints in a complete way while considering multiple plausible trajectories. Impact minimization is added as an objective of the ESM to achieve the environmental optimization of a country's energy system from a life cycle perspective. This allows for the

(6)

iv

identification of configurations that minimize environmental problems and balance, through multi-objective optimization, both environmental and economic performance.

The methodological framework developed has the potential to guide the integration of LCA into other ESM or prospective models. In addition, the results of the analysis provide an overview of the environmental and economic trade-offs for energy systems in transition toward net-zero emissions. The substantial influence of temporal changes on the environmental profiles of energy technologies and energy supply chains is quantified and consistently implemented. This element is generally ignored in the literature combining LCA and ESM or is treated superficially, and hence introduces a systematic error. It is shown that, if climate objectives are limited to emissions from a specific territory, significant levels of greenhouse gas emissions can remain through burden-shifting mechanisms. This illustrates the added value of the combination of ESM and LCA, which considers life cycle emissions and detects the possible effects of carbon leakage. In addition, minimizing life cycle impacts on climate change generates substantial environmental co-benefits for human health, air pollution, ozone depletion, and acidification. However, this type of work also implies trade-offs with adverse effects in terms of mineral resource depletion, toxicity, and ecotoxicity that are mainly caused during the extraction and upstream production stages in material supply chains. These results demonstrate the importance of considering a wide range of impact categories, as the ones obtained with LCA, and not only focusing on GHG emissions. Furthermore, it is possible to obtain configurations of energy systems that cause life cycle impact scores close to their minimum levels for a moderate cost increase. The identification of configurations that balance the environmental and economic performance is achieved through the endogenization of consequential LCA (CLCA) indicators in an ESM.

Finally, various areas for improvement are highlighted. Indeed, there remain limitations in LCA modeling in terms of data quality and the uncertainty surrounding impact assessment methods. In addition, the coverage of the ESM used could be extended, and its resolution enriched in order to obtain more complete and accurate results.

Keywords: Energy systems analysis, life cycle assessment, energy system model, environmental

(7)

v

REMERCIEMENTS

Je tiens ici à remercier l’ensemble des personnes qui m’ont soutenu pendant la réalisation de mon projet de doctorat.

Je remercie tout spécialement mon directeur, Ben Amor, et mon co-directeur, Christian Bauer, de m’avoir offert l’opportunité de réaliser ce projet de recherche passionnant.

Je cite également mes collègues et amis du LIRIDE Sherbrooke pour leur soutien et les bons moments passés au Québec.

Je suis très reconnaissant envers mes collègues du Paul Scherrer Institut (PSI), qui ont fait de ce séjour en Suisse une expérience inoubliable. Je n’aurais jamais pensé apprendre autant avant mon arrivée.

J’adresse un merci particulier à Evangelos Panos pour son immense patience et son aide quant à l’utilisation de STEM, mais également à Chris Mutel et Brian Cox pour le développement d’outils open-source ayant joués un rôle central dans ce projet, finalement à Peter Burgherr et Vinh Dang pour leur amabilité et leur flexibilité s’agissant de la durée de ma « visite » au PSI.

Merci à David et Kim Hudson, ma famille de Tasmanie, pour les proofreading du premier au dernier de mes articles.

J’adresse un immense merci à mes parents et famille, qui se sont toujours intéressés à mon projet et qui ont toujours été là pour me soutenir et m’encourager.

Je n’aurais certainement pas pu arriver au bout de ce projet sans toi, Hélène. Merci pour ta patience, ta compréhension, ton soutien, tes encouragements, ta patience, ta patience… et ta patience. Alfred, ton arrivée dans notre vie est un émerveillement, tes sourires et tes rires sont magiques, merci de m’accompagner chaque jour dans le train.

Ce projet a été financé par la fédération Wallonie-Bruxelles International (WBI), via la bourse d'excellence WBI-World, par le Conseil de recherches en sciences naturelles et en génie (CRSNG) du Canada et la Commission pour la technologie et l'innovation (CTI), au sein du Centre de compétence suisse pour la recherche énergétique (SCCER Supply of Electricity and SCCER Heat and Electricity storage). Je remercie ces différents organismes d’avoir soutenu mon projet de recherche.

(8)

vi

ACKNOWLEDGEMENT

I would like to thank all the people who supported me during the realization of my doctoral project. I would especially like to thank my director, Ben Amor, and my codirector, Christian Bauer, for giving me the opportunity to carry out this exciting research project.

I also mention my colleagues and friends from the LIRIDE Sherbrooke for their support and the good times in Quebec.

I am very grateful to my colleagues at the Paul Scherrer Institute (PSI), who made this stay in Switzerland an unforgettable experience. I never thought I'd learn so much before I arrived. I would like to extend a special thank you to Evangelos Panos for his immense patience and help with the use of STEM, but also to Chris Mutel and Brian Cox for the development of open-source tools that played a central role in this project, and finally to Peter Burgherr and Vinh Dang for their kindness and flexibility in terms of the duration of my "visit" to the PSI.

Thanks to David and Kim Hudson, my Tasmanian family, for proofreading my articles from the first to the last.

I would like to thank my parents and family, who have always been interested in my project and who have always been there to support and encourage me.

I certainly couldn't have completed this project without you, Hélène. Thank you for your patience, understanding, support, encouragement, patience, patience, patience... and patience.

Alfred, your arrival in our life is a wonder, your smiles and laughter are magical, thank you for accompanying me every day on the train.

This project was funded by the Wallonia-Brussels International Federation (WBI), through the WBI-World Excellence Scholarship, by the Natural Sciences and Engineering Research Council of Canada (NSERC) and the Commission for Technology and Innovation (CTI), within the Swiss Competence Centre for Energy Research (SCCER Supply of Electricity and SCCER Heat and Electricity storage). I would like to thank these different organizations for supporting my research project.

(9)

vii

(10)

viii

TABLE DES MATIÈRES

RÉSUMÉ ... I SUMMARY ... III REMERCIEMENTS ... V ACKNOWLEDGEMENT ... VI ILLUSTRATION ...VII TABLE DES MATIÈRES ... VIII LISTE DES FIGURES ... XI LISTE DES TABLEAUX ... XIV LISTE DES ACRONYMES (FRANÇAIS) ... XV LISTE DES ACRONYMES (ANGLAIS) ... XVI LISTE DES COMMUNICATIONS SCIENTIFIQUES... XVII

: INTRODUCTION ...1

1.1.MISE EN CONTEXTE ET PROBLÉMATIQUE ...1

1.2.STRUCTURE DE LA THÈSE ...3

: ÉTAT DE L'ART ET QUESTION DE RECHERCHE ...5

2.1.L’ANALYSE DE CYCLE DE VIE CONSÉQUENTIELLE ...5

2.2.L’INTÉGRATION DE SCÉNARIOS ÉNERGÉTIQUES DANS LES ANALYSES DE CYCLE DE VIE ...11

2.2.1. Foreword ...12

2.2.2. Report on the presentations ...12

2.2.3. State of the art ...13

2.2.4. Best practices, potential standards and solutions ...20

2.2.5. Conclusions ...23

2.3.L’INTÉGRATION D’INDICATEURS D’IMPACTS ENVIRONNEMENTAUX DANS LES MODÈLES DE PROSPECTIVE ÉNERGÉTIQUE...24

2.3.1. Intégration d'indicateurs environnementaux dans les MPE ...25

2.3.2. Harmonisation des modèles d'ACV et MPE en matière de structure ...26

2.3.3. Cohérence temporelle des modèles d'ACV et MPE...28

(11)

ix

2.3.5. Transparence et documentation du travail technique nécessaire à l’intégration ...30

2.4.QUESTION DE RECHERCHE ET OBJECTIFS ...37

: ACV-C PROSPECTIVES DANS LE SECTEUR DE L’ÉNERGIE, LE CAS DES BATTERIES STATIONNAIRES. ...41

3.1.INTRODUCTION...44

3.2.METHODOLOGY ...46

3.2.1. Goal and scope ...47

3.2.2. Inventory ...50

3.2.3. Sensitivity analysis ...57

3.3.RESULTS...58

3.3.1. Midpoint assessment...58

3.3.2. Sensitivity analysis ...61

3.4.CONCLUSIONS AND OUTLOOK ...67

: INTÉGRATION DE SCÉNARIOS ÉNERGÉTIQUES DANS LES BASES DE DONNÉES ICV ..69

4.1.INTRODUCTION...73

4.2.METHODOLOGY ...76

4.2.1. Marginal electricity supply mixes: calculation and mapping the data sources ...76

4.2.2. Market mix/impact assessment calculations and comparative analysis ...85

4.3.RESULTS...88

4.3.1. Marginal electricity supply mixes: composition and impact assessment ...88

4.3.2. Comparison of marginal electricity mixes and average electricity mixes in ecoinvent v.3.4 ...91

4.3.3. Comparison marginal electricity mixes ecoinvent consequential v3.4 and v3.3 ...94

4.3.4. Comparison of different time-frame ...96

4.3.5. Comparison regarding different scenarios for the projections ...97

4.4.LIMITATIONS ...99

4.5.DISCUSSION...101

4.6.CONCLUSIONS ...103

: CADRE D’ÉVALUATION ET D’OPTIMISATION ENVIRONNEMENTALE DES SYSTÈMES ÉNERGÉTIQUES, INTÉGRATION D’INDICATEURS ENVIRONNEMENTAUX REPOSANT SUR L’ACV-C PROSPECTIVE DANS UN MPE...105

5.1.INTRODUCTION...111

5.2.METHOD...113

5.2.1. Main tools: STEM and LCA ...114

5.2.2. Life cycle inventory: mapping and harmonization to STEM reference energy system ...115

5.2.3. Integration of LCA indicators in STEM ...118

(12)

x

5.3.RESULTS...125

5.3.1. Single-objective optimization - least-cost (group 1) and least-LCIA scores (group 2) scenarios ...127

5.3.2. Multi-objective optimization (group 3(*)) ...133

5.3.3. Scenarios evaluating the influence of external drivers (group 4) ...135

5.4.DISCUSSION...136

5.5.CONCLUSION ...137

: CONCLUSIONS, ORIGINALITÉ ET TRAVAUX FUTURS ...139

6.1.CONCLUSIONS ...139

6.2.CONTRIBUTIONS ORIGINALES ...139

6.3.RESULTATS : ECLAIRAGES METHODOLOGIQUES ...143

6.4.RÉSULTATS : AIDE A LA DÉCISION SYSTÈMES ÉNERGÉTIQUES FUTURS ...144

6.5.TRAVAUX FUTURS ...145

LISTE DES RÉFÉRENCES ...148

(13)

xi

LISTE DES FIGURES

Figure 2.1. Examples of parameters that can significantly influence the LCA of a system over the long-term, with their potential combined uncertainty propagated. ... 14

Figure 2.2 Réalisation d’un cadre d’évaluation et d’optimisation environnementale des systèmes énergétiques par intégration des ACV-C et des MPE : flux des objectifs et outils mobilisés ... 38

Figure 3.1. Li-ion and LMP batteries system boundary in consequential assessment. The battery direct lifecycle represented by the central block delimited by the long dashes and the double dots are adapted with permission from (Majeau-Bettez, G., T.R. Hawkins, and A.H. Stromman. 2011. Life cycle environmental assessment of lithium-ion and nickel metal hydride batteries for plug-in hybrid and battery electric vehicles. Environ Sci Technol 45(10): 4548–4554). Copyright (2011) American Chemical Society. ... 49

Figure 3.2. Percentage shares for prospective marginal and average electricity supply mixes for Switzerland used in the LCA model. ... 55

Figure 3.3 Contribution and comparison analysis of Li-ion and LMP 6 MWh batteries under the base case, shown as relative to the maximum between the positive scores and the absolute value of the negative scores in each impact category – midpoint results (ILCD 2011)... 59

Figure 3.4. Contribution and comparison analysis Li-ion and LMP 6 MWh batteries with alternative energy scenarios, shown in the unit specified below the y-axis and corresponding to the impact category mentioned above each graph – midpoint results (ILCD 2011) ... 63

Figure 4.1. Geographical coverage of the marginal electricity supply mixes in the consequential system model of ecoinvent v3.4, differentiated between countries where specific energy projections were used as a source of data and countries where rest of world shares were assumed. ... 83

(14)

xii

Figure 4.2. Composition of marginal electricity supply mixes ecoinvent consequential v3.4 at the low voltage level per country and for RoW. Numerical values are available in the electronic supplementary material: “SI. Marginal mixes.xlsx”. *GLO is the mean value of the different marginal mixes. ... 89

Figure 4.3. Comparison of results for the climate change impact category (IPCC 2013, GWP 100a) of marginal electricity supply mix ecoinvent consequential v3.4, ecoinvent consequential v3.3, ecoinvent attributional v3.4 (“cut-off by classification”), ecoinvent consequential v3.4 (2015-2020) and ecoinvent consequential v3.4 (2030-2040). Numerical values are available in the electronic supplementary material: “SI. Comparison environmental impacts of marginal mix.xlsx”. *GLO is the mean value of the different marginal mixes. ... 91

Figure 4.4. Comparison of the compositions of marginal electricity supply mixes from ecoinvent consequential v3.4 using equation (4.2.) to (a) ecoinvent attributional v3.4, (b) ecoinvent consequential v3.3, (c) ecoinvent consequential v3.4 (2030-2040) and (d) ecoinvent consequential v3.4 (2015-2020) ... 93

Figure 4.5. Comparison environmental impacts marginal electricity supply mix ecoinvent consequential v3.4, ecoinvent consequential v3.3, ecoinvent attributional v3.4, ecoinvent consequential v3.4 (2030-2040) and ecoinvent consequential v3.4 (2015-2020) ... 95

Figure 4.6. Comparison of the composition marginal electricity supply mixes from ecoinvent consequential v3.4 (EIC 34) to marginal electricity supply mixes calculated with the new policy scenario and the 450ppm scenario from WEO 2016. Numerical values are available in the electronic supplementary material: “SI. Marginal mixes.xlsx”. ... 98

Figure 5.1. The process of integrating life cycle assessment indicators into STEM and generating the energy scenarios, showing the different tools used at each stage. ... 114

Figure 5.2. Cumulative cost (x-axis) against cumulative LCIA scores in terms of climate change (y-axis), metal depletion (size of the bubbles), and human toxicity (color scale) for the different scenarios between the years 2010 and 2050. The cumulative cost is shown as relative to the cost-optimized climate scenario (‘Clim, cost opt.’, red circle).The metal depletion score determines the size of the

(15)

xiii

bubbles shown as relative to the optimal value from least metal depletion scenario (‘MDP opt’). The scenario names, abbreviations and other parameters are available in table 5.1. and numerical values are available in the ESI (file: cumulative_scores_each_scenario.xlsx). ... 126

Figure 5.3. Life cycle climate change impacts of the (a) cost-optimized climate scenario from 2010 to 2050, total, distribution per sector and comparison with the total impact of the cost-optimized business as usual scenario; (b) least climate change scenario from 2010 to 2050, total, distribution per sector and comparison with the total impact of the cost-optimized climate scenario. ... 127

Figure 5.4. Life cycle metal depletion impacts of the (a) cost-optimized climate scenario from 2010 to 2050, total, distribution per sector and comparison with the total impact of the cost-optimized business as usual scenario; (b) least metal depletion scenario from 2010 to 2050, total, distribution per sector and comparison with the total impact of the cost-optimized climate scenario... 130

(16)

xiv

LISTE DES TABLEAUX

Tableau 2.1. Caractéristiques des ACV-C et application dans la littérature ... 9

Tableau 2.2. Layers of considerations of prospective LCA. In grey, the model parameters addressed during the workshop. ... 15

Tableau 2.3. A possible matching for the electricity production technologies of the European Commission 2016 baseline scenario (PRIMES model) and ecoinvent 3.4. ... 17

Tableau 2.4 Revue des études existantes intégrant l'analyse du cycle de vie (ACV) et les modèles de prospective énergétique (MPE) selon de multiples critères ... 32

Tableau 2.5 Description des étapes clés du projet de recherche et correspondances avec les chapitres et objectifs spécifiques ... 39

Tableau 3.1. Performance range of Li-ion LFP [205] and LMP batteries ... 52

Tableau 3.2 Results sensitivity test: changing the database from a consequential to an attributional system model ... 66

Tableau 4.1. Description of the energy scenarios used to quantify marginal electricity supply ... 78

Tableau 5.1 List of scenarios presented in the study, full name, primary objective, secondary objective(s), abbreviation, type and family ... 124

(17)

xv

LISTE DES ACRONYMES (français)

ACV : Analyse de cycle de vie

ACV-A : Analyse de cycle de vie attributionnelle ACV-C : Analyse de cycle de vie conséquentielle CASI : Changement indirect d'affectation des sols GES : Gaz à effet de serre

ICV : Inventaires de cycle de vie Li-ion : Lithium-ion

LP : Limites planétaires

MPE : Modèles de prospective énergétique SER : Source d'énergie renouvelable

(18)

xvi

LISTE DES ACRONYMES (anglais)

ALCA : Attributional life cycle assessment BAU : Business-as-usual

BECCS : Biomass with CCS units CAES : Compressed air energy storage CCS : Carbon capture and storage CHP : Combined heat and power

CLCA : Consequential life cycle assessment CLCI : Consequential life cycle inventory CMC : Carboxymethylcellulose

CSP : Concentrated solar power DAC : Direct air capture

ESI : Electronic supplementary information ESM : Energy system models

EU-28: European Union member countries

EUSTEM : European Swiss TIMES Electricity Mode EV : Electric vehicles

GHG : Greenhouse gas

GMM : Global Multi-regional MARKAL model GWP : Global warming potential

IEA: International energy agency IAM : Integrated Assessment Models LCA : Life cycle assessment

LCI : Life cycle inventory

LCIA : Life cycle impact assessment LFP : Lithium iron phosphate

LMP : Lithium metal polymer MWh : Megawatt-hour

PVDF : Polyvinylidene fluoride PVF : Polyvinyl fluoride PV: Photovoltaic

SI : Supplementary information RES : Renewable energy sources RoW : Rest of the World

STEM : Swiss TIMES energy model

TIMES: The Integrated MARKAL-EFOM System VRES : Variable renewable electricity sources WEC : World energy council

(19)

xvii

LISTE DES COMMUNICATIONS SCIENTIFIQUES

Les recherches menées dans le cadre de la thèse ont donné lieu aux publications et aux présentations orales énumérées dans le tableau ci-dessous.

Type Référence Date

Article soumis

Vandepaer L., Panos E., Bauer C., Amor B., Energy system pathways with low environmental impacts and limited costs – an analysis linking life cycle assessment and energy system modeling,

Environmental Science and technology (submitted November

2019)

Août 2019

Article publié

Vandepaer L., Treyer K., Mutel C., Bauer C., Amor B., The integration of long-term marginal electricity supply mixes in the ecoinvent consequential database version 3.4 and examination of modeling choices, International Journal of Life Cycle

Assessment, 2018. (https://doi.org/10.1007/s11367-018-1571-4 )

Décembre 2018

Article publié

Vandepaer L., Cloutier J., Bauer C., Amor B., Integrating Batteries in the Future Swiss Electricity Supply System - A Consequential Environmental Assessment, Journal of Industrial Ecology, 2018. (https://doi.org/10.1111/jiec.12774)

Juillet 2018

Article publié

Vandepaer L., Gibon T., The integration of energy scenarios into LCA: LCM2017 Conference Workshop, Luxembourg, September 5, 2017, International Journal of Life Cycle Assessment, 2018. (https://doi.org/10.1007/s11367-017-1435-3)

Janvier 2018

Article publié

Vandepaer L., Cloutier J, Amor B., Environmental impacts of Lithium-ion and Lithium Metal Polymer stationary batteries,

Renewable and Sustainable Energy Reviews, 2017.

(https://doi.org/10.1016/j.rser.2017.04.057)

(20)

xviii Article en

cours de

rédaction

Vandepaer L., Panos E., Bauer C., Amor B., The integration of life cycle assessment into energy system models - a review,

Environmental Research Letters, in preparation.

Octobre 2019

Article de conférence

Burgherr P., Spada M., Kalinina A., Vandepaer L., Lustenberger P., Wansub K., Comparative Risk Assessment of Accidents in the Energy Sector within Different Long-Term Scenarios and Marginal Electricity Supply Mixes, Proceedings of the 29th European Safety and Reliability Conference 2019.

Septembre 2019

Article de conférence

Vandepaer L., Panos E., Bauer C., Amor B., The search for environmentally optimal energy systems, combining energy system models and consequential life cycle assessments: a case study for Switzerland, Proceeding: II Conferencia Chilena de Análisis de Ciclo de Vida, Santiago, Chile (August 2018), ISBN: 978-956-329-090-5.

Aoùt 2018

Présentation orale

conférence

Vandepaer, L., Panos, E., Bauer, C. and Amor, B. (2019). Toward economically and environmentally optimal energy systems in Switzerland, Workshop der Arbeitsgruppe „OR im Umweltschutz“ der Gesellschaft für Operations Research e.V., Nachhaltigkeit in der Nutzung stofflicher und energetischer Ressourcen, Karlsruher Institut für Technologie (KIT), Karlsruhe, Germany

Mai 2019

Présentation orale

conférence

Vandepaer L., Cloutier J., Bauer C., Amor B., Integrating Batteries in the Future Swiss Electricity Supply System - A Consequential Environmental Assessment, The International Battery Production Conference, TU Braunschweig, Battery LabFactory Braunschweig (2018) Novembre 2018 Présentation orale conférence

Vandepaer L., Panos E., Bauer C., Amor B., The search for environmentally optimal energy systems, combining energy system models and consequential life cycle assessments: a case

Septembre 2018

(21)

xix

study for Switzerland, LCA XVIII, Fort Collins, United States (2018)

Présentation orale

conférence

Vandepaer L., Treyer K., Mutel C., Bauer C., Amor B, Electricity Supply in Consequential LCA: Examination of Modeling Choices for long-term Marginal Mixes and their Integration in the ecoinvent database v3.4, LCA XVIII, Fort Collins, United States (2018)

Septembre 2018

Présentation orale

conférence

Vandepaer L., Panos E., Bauer C., Amor B., The Swiss energy system prospective assessments of future environmental impacts, Conferencia Chilena de Análisis de Ciclo de Vida, Santiago, Chile (2018)

Août 2018

Présentation orale

conférence

Vandepaer L., Panos E., Bauer C., Amor B., Linking the Swiss Times Energy System model to consequential life cycle assessment, the case of stationary batteries and their consequences in the Swiss energy system, 23rd SETAC Europe LCA Case Study Symposium is Life Cycle Assessment for Decision Support (2017)

Novembre 2017

Présentation orale

conférence

Vandepaer L., Treyer K., Mutel C., Bauer C., Amor B., Marginal electricity supply mixes and their integration in version 3.4 of the ecoinvent database, 23rd SETAC Europe LCA Case Study Symposium is Life Cycle Assessment for Decision Support (2017)

Novembre 2017

Présentation orale

conférence

Vandepaer L., Panos E., Bauer C., Amor B., Linking the Swiss Times Energy System model to consequential life cycle assessment, the case of stationary batteries and their consequences in the Swiss energy system, LCA XVII, Portsmouth, United States (2017) Octobre 2017 Présentation orale conférence

Vandepaer L., Gibon T., The integration of energy scenarios into LCA, Life Cycle Management 2017, Luxembourg, Conference Workshop.

Septembre 2017

(22)

xx Présentation

orale conférence

Cloutier J., Vandepaer L., Amor B., Est-ce que le stockage d’énergie au Québec pourrait être avantageux d’un point de vue environnemental ? Analyse du cycle de vie attributionnelle et conséquentielle, CIRAIG, conférence CYCLE 2016, 13-14 octobre 2016, Polytechnique Montréal, QC.

Octobre 2016

Présentation poster

Vandepaer L., Panos E., Bauer C., Amor B., Finding economically and environmentally optimal energy systems, more than chocolate and cheese, SCCER-Supply of Electricity Annual Conference 2018, Switzerland

Septembre 2019

Présentation poster

Vandepaer L., Treyer K., Mutel C., Bauer C., Amor B., Marginal electricity supply – a country-specific analysis on the global level, SCCER-Supply of Electricity Annual Conference 2018, Switzerland.

Septembre 2018

Présentation poster

Vandepaer L., Lawson D., Life cycle assessment as a tool to evaluate the environmental footprint of mountain equipment and activities: the case of the Arc’teryx Alpha SV, mountaineering jacket, Sustainable Summits Conference 2018, Chamonix, France

Juin 2018

Présentation poster

Vandepaer L., Cloutier J, Amor B., Consequential life cycle assessment of lithium metal polymer and lithium-ion stationary batteries in Switzerland: A prospective study, Life Cycle Management 2017, Luxembourg.

Septembre 2017

Présentation poster

Vandepaer L., Treyer K., Mutel C., Bauer C., Amor B., Lifecycle inventories of power supply: marginal electricity supply mixes and their implementation in the ecoinvent database, Life Cycle Management 2017, Luxembourg.

Septembre 2017

Présentation poster

Vandepaer L., Cloutier J, Amor B., Positive or negative? Environmental impacts of Lithium-ion and Lithium Metal Polymer stationary batteries, the case of Québec, The American Center for

Septembre 2016

(23)

xxi

Life Cycle Assessment (ACLCA), conference LCA XVI, September 27 - 29 2016, Charleston, SC, United-States.

Présentation poster

Fernandez-Astudillo M., Vandepaer L., Amor B., The environmental impact of heating options for Quebec when intra-annual changes in electricity supply are considered, The American Center for Life Cycle Assessment (ACLCA), conference LCA XVI, September 27 - 29 2016, Charleston, SC, United-States

Septembre 2016

(24)

1

: Introduction

1.1.Mise en contexte et problématique

La production et la consommation d’énergie jouent un rôle central dans de nombreux problèmes environnementaux majeurs. Les systèmes énergétiques sont la principale source anthropique d’émissions de gaz à effet de serre (GES) et de pollution atmosphérique [1]–[3]. De plus, les étapes d’extraction et de production en amont du secteur de l’énergie contribuent à l’épuisement des ressources et provoquent de multiples perturbations écologiques [4]–[6]. Il est nécessaire de minimiser ces dégradations environnementales afin de préserver l’intégrité et la pérennité des écosystèmes et d’éviter les bouleversements sociaux et économiques qui peuvent en résulter [7]. Néanmoins, étant donné l’enchevêtrement des interactions et des dimensions qui caractérisent le secteur de l’énergie, la définition de stratégies visant à l’amélioration des performances environnementales de ce dernier constitue une tâche complexe qui requiert une approche interdisciplinaire [8]–[10].

L'analyse de cycle de vie (ACV) est une méthodologie permettant d’évaluer les impacts environnementaux potentiels causés par différents produits et services, en tenant compte des intrants et émissions/rejets occasionnés tout au long de leur cycle de vie1 [11], [12]. Cette

méthodologie examine une large gamme d’impacts environnementaux tels que le changement climatique, la pollution atmosphérique, l'épuisement des ressources ainsi que les dommages portés aux écosystèmes et à la santé humaine. En outre, lorsque l’ACV est réalisée selon une approche conséquentielle (c’est-à-dire ACV-conséquentielle, ACV-C), les frontières du système peuvent être élargies aux effets de marché et rétroactions indirectes, qui ont parfois des implications environnementales considérables [13], [14]. Ce caractère global et systémique permet aux ACV de réduire le risque de déplacement de la charge environnementale pouvant apparaître à la suite des évaluations aux frontières plus étroites [15]. L’approche est ainsi adaptée à l’évaluation des technologies du secteur de l’énergie dont les conséquences environnementales sont hétérogènes, réparties sur l’ensemble de leur chaîne de valeur et s’étendant, par relation de cause à effet, aux autres composantes et secteurs des systèmes énergétiques [16]–[18]. Toutefois, les ACV

1Le terme cycle de vie comprend les étapes suivantes: l'extraction de la matière première, la production et le

traitement des matières premières, la distribution, la phase d'utilisation, le recyclage ou l’élimination finale à la fin de sa vie utile et le transport pendant et entre les différentes phases [187], [188].

(25)

2

connaissent certaines limites quant aux représentations qu’elles proposent de ce domaine d’activité. En effet, celles-ci reposent sur des modèles statiques et généralisés du secteur, offrant des représentations parfois imprécises des interactions et contraintes qui le caractérisent [19]–[22]. En outre, elles sont généralement menées ex-post afin d’évaluer des systèmes existants. Par conséquent, la plupart des inventaires de cycle de vie (ICV) disponibles représentent des états actuels ou historiques [23]. Ce caractère rétrospectif est problématique car l’objet des préoccupations concerne la façon dont les systèmes énergétiques évolueront dans le futur [24], [25]. Enfin, l’ACV permet de déterminer les impacts environnementaux d’une technologie et de les comparer à ceux d’autres produits servant une même fonction, mais elle n’est pas adaptée pour définir de façon individuelle les configurations améliorant les performances environnementales d’un système technologique dans son ensemble [26].

Les modèles de prospective énergétique (MPE) sont des outils ayant pour objectif de modéliser les évolutions possibles du système énergétique à l'échelle nationale, régionale ou mondiale [27]. Ils se caractérisent par une haute résolution technologique, à l'instar de l'ACV. En revanche, ils offrent une représentation dynamique de l'évolution du secteur, avec une granularité spatiale et temporelle plus détaillée, permettant de saisir la variabilité observée sur ces systèmes [28]. De plus, ils intègrent les contraintes politiques, économiques et techniques du système et les interdépendances entre les technologies représentées [29], [30]. Certains MPE identifient des solutions améliorant différentes dimensions, telles que des scénarios minimisant le coût ou augmentant la sécurité énergétique [31]. Ainsi, moyennant une caractérisation adéquate, ils peuvent être utilisés afin de définir un système disposant d’une haute performance environnementale [32], [33]. Toutefois, la définition de cet aspect y est généralement incomplète et inadaptée. En effet, celle-ci se limite à l’inventaire d’un nombre réduit d'émissions et de ressources dont les impacts ne sont pas évalués, empêchant une interprétation efficace des résultats [34], [35]. De plus, les flux environnementaux comptabilisés couvrent uniquement ceux qui sont localisés à l'intérieur des frontières géographiques du système étudiées par le MPE, ignorant ainsi les impacts en amont et en aval des technologies mobilisées [10].

La combinaison des MPE et des ACV présente des synergies importantes. Les scénarios énergétiques développés par les MPE peuvent être intégrés au sein des ICV et constituent une base à la réalisation d’évaluations environnementales prospectives. De plus, les MPE permettent d’établir des modèles capturant les chaînes de cause à effet directes et indirectes, à l’œuvre dans le secteur de l’énergie, de manière détaillée et dynamique. Par ailleurs, l’intégration d’indicateurs

(26)

3

environnementaux reposant sur la méthode ACV au sein des MPE permet de mener des évaluations de la performance environnementale des futurs systèmes énergétiques plus complètes, couvrant une large gamme d’impacts et l’ensemble du cycle de vie étendu des produits évalués. En outre, l’ajout de ces coefficients permet d'identifier des systèmes énergétiques minimisant les impacts en évitant un transfert de la charge environnementale. Néanmoins, la réalisation d'un lien permanent et fluide entre ACV et MPE reste inachevée à cause des difficultés provenant des différences en termes d’organisation, de structure et d’agrégation des données ainsi que d’hypothèses et de choix méthodologiques [8], [33], [36].

1.2.Structure de la thèse

Cette thèse est organisée selon la structure suivante :

Chapitre 2 : État de l'art et question de recherche.

Le chapitre 2 établit les principales orientations méthodologiques. Une synthèse est réalisée sur l'état actuel de la mise en pratique de la méthode d’ACV-C, de l'intégration des scénarios énergétiques issus de MPE dans l'ACV et de l’intégration d'indicateurs environnementaux ACV dans les MPE. Ensuite, les questions et objectifs de recherche sont formulés sur la base des lacunes identifiées dans les travaux antérieurs.

Ce chapitre contient quatre sous-chapitres :

• définir les caractéristiques principales de la méthode d’ACV-C et établir la façon dont elle a été mise en pratique à partir de cas d’études ;

• déterminer les principaux défis, solutions et pistes de recherche concernant l'intégration de scénarios énergétiques au sein des ICV. Cette section a été publiée sous forme d'article dans le journal International Journal of Life Cycle Assessment ; • établir les limites et caractéristiques essentielles de l’intégration d’indicateurs

environnementaux dans les MPE à partir de la littérature ;

• formuler la question de recherche, l’objectif général et les objectifs spécifiques.

Chapitre 3 : ACV-C prospectives dans le secteur de l’énergie, le cas des batteries stationnaires.

Ce chapitre présente le cadre proposé pour réaliser des ACV-C prospectives portant sur des technologies issues du secteur de l’énergie. L’approche est appliquée à un cas d’étude sur les batteries électriques de type stationnaire intégrées sur le marché suisse, à l’horizon 2030. Le

(27)

4

premier lien entre l'ACV et les MPE est établi en utilisant les résultats de différents MPE pour la spécification des sources marginales d’approvisionnement en électricité. L’étude introduite dans ce chapitre a été publiée sous forme d'article dans la revue Journal of Industrial Ecology. En outre, un article a été réalisé détaillant l’ICV de la production des batteries au Québec et en Asie. Cet article est disponible à la section annexe A-1 et a été publié dans le journal Renewable and Sustainable Energy Reviews.

Chapitre 4 : Intégration de scénarios énergétiques dans les bases de données ICV.

Ce chapitre établit l’approche utilisée afin de diffuser de manière systématique les résultats de scénarios énergétiques à travers la base de données d’ICV ecoinvent, renforçant l’utilisation des MPE en tant que sources de données pour les ACV. Cette étape permet de modifier les mix électriques qui elle contient et de convertir la base-données ecoinvent en un répertoire considérant des aspects prospectifs. Le cadre et l’analyse proposés dans ce chapitre ont été publiés sous forme d'article dans le journal International Journal of Life Cycle Assessment.

Chapitre 5 : Cadre d’évaluation et d’optimisation environnementale des systèmes énergétiques,

intégration d’indicateurs environnementaux reposant sur l’ACV-C prospective dans un MPE. L’étude présentée au chapitre 5 porte sur l’étape d’intégration d’indicateurs environnementaux reposant sur la méthode ACV-C dans un MPE. Celle-ci met en œuvre et étend les développements méthodologiques introduits aux précédents chapitres : la réalisation d’ACV-C prospectives portant sur les technologies représentées dans le MPE en suivant la méthode détaillée au chapitre 3 et la réalisation de base de données ICV prospectives en élargissant le champ des modifications initiées au chapitre 4. Le MPE utilisé afin de démontrer la faisabilité de l’intégration est le Swiss TIMES energy model (STEM). La performance environnementale de scénarios énergétiques est évaluée à partir de 19 catégories d’impacts. Ensuite, les indicateurs ACV sont utilisés dans la définition de scénarios énergétiques maximisant la performance environnementale via (i) l’optimisation à objectif unique et (ii) les objectifs multiples, en combinant les aspects économiques et plusieurs catégories environnementales. L’intégration proposée dans ce chapitre a été soumise pour publication sous forme d'article dans le journal Environmental Science and technology.

Chapitre 6 : Ce chapitre contient les conclusions élargies du travail d’intégration entre ACV et

MPE et détaille l’originalité des travaux exposés dans cette thèse. De plus, il propose différentes pistes d’améliorations méthodologiques potentielles et de travaux futurs.

(28)

5

: État de l'art et question de recherche

2.1. L’analyse de cycle de vie conséquentielle

Deux approches coexistent en ACV [14] : l'ACV attributionnelle (ACV-A) et l'ACV conséquentielle (ACV-C). Bien que la communauté des praticiens et chercheurs en ACV ne soit pas parvenue à un consensus pour établir leur différenciation formelle [24], [37], il est généralement admis que l'ACV-A et l'ACV-C répondent à des questions différentes et complémentaires, qui sont respectivement « quels impacts environnementaux peuvent être attribués au produit X ? » et « de quels impacts environnementaux est responsable le produit X ? » [37]. Ainsi, l'ACV-C vise à inclure dans son champ d’évaluation (c’est-à-dire la frontière du système) tous les changements causés par une décision concernant la production, la consommation ou l'élimination d'un produit, ou toute action conduisant à une modification du système existant [38], [39].

Les lignes directrices de l'ACV-C étant réparties dans un grand nombre de publications, dont l’interprétation est parfois effectuée de façon hétérogène, une revue de la littérature a été réalisée pour identifier les éléments qui caractérisent les ACV-C et leur mise en œuvre. Celle-ci complète les publications citées dans les prochains paragraphes et sert de base à la rédaction de cette section. Ce travail se limite aux articles dont le titre ou le résumé indique qu’il s’agit d’une ACV-C et qui ont été publiés entre 2016 et 2019 dans les revues suivantes : Journal of Industrial Ecology, International Journal of Life Cycle Assessment, Science of The Total Environment et Journal of Cleaner Production. Ces journaux ont été choisis car ils accordent une attention particulière au respect de la méthodologie ACV. Cette sélection est étendue à l’analyse présentée au chapitre 3 sur les batteries stationnaires, à deux études comparables sur le stockage de l'énergie de Pehnt et al. [40] et Sternberg and Bardow [18], et à l’évaluation du système énergétique suisse introduite au chapitre 5. Le tableau 2.1. fournit une liste des études consultées et résume la manière dont chacune d’entre elles répondent aux spécificités de l’ACV-C.

Afin de couvrir l'ensemble des processus réagissant à la décision étudiée, l'approche conséquentielle suit un ensemble de règles en matière de modélisation d'ICV qui différent de l’ACV-A [13], [39], [41], [42]. Trois caractéristiques occupent un rôle central lors de la réalisation de l'ICV conséquentiel. Premièrement, les flux technologiques utilisés comme intrants dans les différents procédés correspondent aux technologies capables de réagir à un changement de la

(29)

6

demande par un changement de l'offre, soit en absorbant ce changement dans leur marge opérationnelle (c’est-à-dire fournisseur à court terme), soit en modifiant leur capacité de production (c’est-à-dire fournisseur à long terme). Ces technologies sont qualifiées de marginales et peuvent répondre à la demande individuelle ou regroupée en marché appelé mix marginal. Les ACV-A, quant à elles, modélisent les chaînes d'approvisionnement sur la base de leur état historique ou actuel moyen, incluant des technologies pouvant être indisponibles au moment où la décision prend effet. Deuxièmement, les procédés de co-production et le recyclage sont traités à l'aide de la méthode de substitution en ACV-C, alors que l’ACV-A agit par allocation en se basant sur des clés de distributions physiques ou économiques. Troisièmement, les frontières du système en ACV-C sont élargies afin d’inclure l'ensemble de la chaîne de causalité liée à la décision étudiée. Ainsi, les changements indirects, en plus des conséquences directes (c’est-à-dire physiquement connectées) auxquels les ACV-A se limitent, sont intégrées dans le champ d’évaluation [25], [43]. Ces conséquences indirectes peuvent advenir par le biais du marché à la suite d’un changement de prix, par l’induction de changements comportementaux ou via tout autre mécanisme de rétroaction [44]. Il est important de les représenter car elles peuvent générer des impacts environnementaux supérieurs à ceux causés par les flux physiquement liés au cycle de vie étudié, pouvant contrebalancer des impacts nuisibles en cas de rétroaction négative ou exacerbant un problème dans le cas contraire [41].

L'identification des processus réagissant à la décision est un élément central pour les trois caractéristiques de l’ICV conséquentiel. Néanmoins, il n'existe pas de consensus sur la manière dont ces technologies doivent être identifiées [36], [45]–[47]. Cela découle de la difficulté du travail entrepris, qui a pour but de saisir l’ensemble des liens de causalité et qui ne peut être réalisé parfaitement par aucun des modèles disponibles actuellement [48]. Diverses techniques, modèles et sources ont été utilisés afin de les identifier, comme : les analyses de tendances sur les données de statistiques ou de projections ; les études documentaires de la littérature ; les jugements d'experts ; les modèles économiques d'équilibre partiel et général ; les modèles multi-agents ; les approches reposant sur la théorie des jeux, les courbes d'expérience, les modèles rectangulaires de choix technologique, les analyses d’échanges commerciaux, les modèles descriptifs de causalité, etc. [44], [49]–[57]. Le choix de l'approche est généralement déterminé par les secteurs et les domaines de préoccupations liés à la décision étudiée [58]. Ainsi, les analyses portant sur les produits agricoles utilisent fréquemment des modèles descriptifs de causalité, étant donné les interrelations complexes entre les dimensions environnementales, sociales et économiques

(30)

7

relatives aux produits issus de ce secteur [44]. Dans les ACV-C, où le secteur de l'énergie joue un rôle important, les approches reposant sur les MPE sont fréquemment sollicitées [59]–[62]. Ces outils sont adaptés à l'approche conséquentielle car ils intègrent les contraintes techniques et géographiques et tiennent compte de l'agenda politique ainsi que de la demande d'électricité future. Les processus affectés peuvent être identifiés à l’aide de MPE, soit de manière endogène en introduisant les changements à l'étude dans le modèle, soit de manière exogène en analysant les tendances présentes dans les scénarios obtenus en résultats. L'approche endogène nécessite une expertise en modélisation des systèmes énergétiques et l'accès à un MPE. Cette approche offre une représentation précise des différents processus affectés par la décision. En effet, les MPE représentent les interactions entre les technologies complémentaires et substituables contenues dans un système énergétique et permettent de déterminer les réponses du marché à un changement spécifique [53], [56]. De plus, l’approche endogène permet d’exploiter au maximum les capacités des MPE et de bénéficier de leur haute résolution spatiale et temporelle dans la représentation des dynamiques du secteur. Néanmoins, les MPE peuvent être limités à un nombre réduit de régions et de secteurs économiques, au risque d’ignorer une partie des chaînes de causalité. C’est pourquoi il est presque inévitable, sans augmenter considérablement la résolution ni réduire le niveau de détails, que d’autres techniques soient introduites en complément dans l’ICV. Ainsi, l’approche exogène, qui analyse les tendances sur les résultats afin de détecter les technologies susceptibles de répondre à un changement de la demande, peut être utilisée de façon indépendante ou en complément de l’approche endogène. Celle-ci présente l’avantage de pouvoir être appliquée uniformément sur l'ensemble des marchés de l'électricité et des secteurs économiques concernés. De plus, elle peut être mise en pratique par un plus grand nombre de praticiens et est facilement reproductible. Cependant, elle repose généralement sur des résultats agrégés au niveau technologique et temporel, ce qui peut diminuer la précision par rapport à l’approche endogène. Par ailleurs, l’endogénéisation permet d’étudier une palette très large de changements et de décisions prises au sujet des systèmes énergétiques (tel le choix d’une technologie), le tout de manière plus homogène et systématique que l’approche exogène, qui est plus encline à reposer sur des choix arbitraires et à conduire à l’omission de certaines interactions [43][63]. En effet, l’erreur introduite par l’approche exogène a été évaluée dans le cas des batteries stationnaires en comparant le résultats des études [64] et [65] proposée au chapitre 3 (c’est-à-dire par approche exogène) et chapitre 5 (c’est-à-dire par approche endogène). Celle-ci s’élève, dans ce cas précis, à 25% du

(31)

8

bénéfice environnemental2 estimé à l’aide de l’approche endogène et provient des interactions

non-considérées et tronquées de l’ICV (telles l’augmentation de l’électricité importée de marché voisin par effets de prix et la diminution de l’électrification du chauffage et des transports).

Enfin, l'examen de la littérature révèle certaines limites quant à la mise en œuvre de l'ACV-C. Premièrement, l'extension des frontières du système aux effets indirects est souvent négligée ou limitée aux effets inclus dans la base de données ICV utilisée en arrière-plan des modèles ACV-C. Deuxièmement, alors que l’ACV-C vise à évaluer les effets qui se produiront après une décision (c’est-à-dire dans le futur à court ou long terme), la plupart des études reposent sur des données actuelles et historiques. Les informations prospectives parfois introduites se limitent au calcul du mix marginal de la région où la décision est prise. Cela pose des problèmes car la chaîne de cause à effet induite par la décision à l'étude se produit dans un monde où des changements sont susceptibles de se produire et affecteront les processus et la composition du marché dans différentes régions. Troisièmement, le ratio de substitution de « 1 pour 1 » est la norme dans les ACV-C, alors que cette situation se produit rarement dans la réalité [66], [67].

2 Le bénéfice environnemental obtenu en suivant l’approche exogène est de -438 kg CO2 eq par MWh injecté et de

(32)

9 Tableau 2.1. Caractéristiques des ACV-C et application dans la littérature

Références études

Importance de la décision Identification technologies marginales Multifonctionnalité / recyclage par substitution Base de données ACV-C

Extension du système aux effets indirects Ratio de substitution ≠ 1 Inventaire prospectif Petite échelle (linéaire) Grande échelle (non-linéaire) Modèle écono-mique Analyse tendan-ces et autres

Linéaire Non-linéaire Composition

marché Technol- ogie Arrière-plan Bhochhibhoya et al. 2016 ✓ ✓ ✓ ✓ Chobtang et al. 2016 ✓ ✓ ✓ ✓ Dandres et al. 2016 ✓ ✓ Endogène ✓ ✓ Incertain ✓ ✓ 1 région, 1 scénario ✓ 1 technologie Ghose et al. 2017

✓ ✓ Exogène ✓ ✓ ✓ ✓ 1 produit ✓ 1 région, 1

scénario Munoz et al. 2017 ✓ ✓ Exogène ✓ ✓ ✓ ✓ CASI# ✓ 1 région, 1 scénario Pehme et al. 2017 ✓ ✓ ✓ ✓ Prapaspongsa et al. 2017 ✓ ✓ ✓ Prateep Na Talang et al. 2016 ✓ ✓ ✓ ✓ Roux et al. 2016 ✓ ✓ Exogène ✓ ✓ ✓ 1 région, 1 scénario Buyle et al. 2016 ✓ ✓ ✓ ✓ Parajuli et al. 2017 ✓ ✓ ✓ ✓ ✓ CASI#

Styles et al. 2016 ✓ ✓ ✓ Incertain ✓ CASI#

Larrea‐ Gallegos et al. 2019 ✓ ✓ ✓ x ACV-A ✓ CASI# Budzinski et al. 2019 ✓ ✓ ✓ x ACV-A

(33)

10 Tableau 2.1 suite

Références études

Importance de la décision Identification technologies marginales Multifonctionnalité / recyclage par substitution Base de données ACV-C

Extension du système aux effets indirects Ratio de substitution ≠ 1 Inventaire prospectif Petite échelle (linéaire) Grande échelle (non-linéaire) Modèle écono-mique Analyse tendan-ces et autres

Linéaire Non-linéaire Composition marché Technol- ogie Arrière-plan Saxe et al. 2019 ✓ ✓ ✓ ✓ Salou et al. 2018 ✓ ✓ Endogène ✓ ✓ ✓ ✓ ✓ ✓ Zhang et al. 2019 ✓ ✓ ✓ Incertain Jones et al. 2018 ✓ ✓ ✓ Incertain ✓ ✓ 1 région, 2 scénarios ✓ 1 technologie Parajuli et al. 2018 ✓ ✓ ✓ ✓ ✓ Sternberg et al 2015 ✓ ✓ ✓ Pehnt et al. 2008 ✓ ✓ ✓ ✓ ✓

Chapitre 3 ✓ ✓ Exogène ✓ ✓ ✓ ✓ ✓ 2 régions, 2

scénarios ✓ 2 technologies Chapitre 5 ✓ ✓ Endogène + Exogène ✓ ✓ ✓ ✓ ✓ ✓>100 régions, 2 scénarios ✓ >100 technologies ✓ #CASI : changement indirect d'affectation des sols

(34)

11

2.2. L’intégration de scénarios énergétiques dans les analyses de cycle

de vie

Avant-propos

Auteurs et affiliation.

Laurent Vandepaer, étudiant au doctorat, Faculté de génie, Département de génie civil et de génie du bâtiment, Université de Sherbrooke

Thomas Gibon, chercheur, Luxembourg Institute of Science and Technology

Date d’acceptation : janvier 2018

État de l’acceptation : Version finale publique

Référence : Vandepaer L., Gibon T., The integration of energy scenarios into LCA: LCM2017

Conference Workshop, Luxembourg, September 5, 2017, International Journal of Life Cycle Assessment, 2018. (https://doi.org/10.1007/s11367-017-1435-3)

Titre en français : L'intégration de scénarios énergétiques dans les ACV Contribution au document :

En tant que sous-discipline grandissante, les ACV de type prospectif manquent d'une base commune en matière de méthodes, de données, de meilleures pratiques et de solutions logicielles. Ce document établit l’état de l’art du domaine et de l’intégration de scénarios issus de MPE dans les ICV.

Résumé :

La conférence life cycle management (LCM), qui s'est tenue à Luxembourg du 3 au 6 septembre 2017, a été l'occasion pour les experts en ACV de débattre de l'intégration de scénarios énergétiques dans les ACV prospectives. Ce document est divisé en plusieurs sections. Tout d'abord, un bref aperçu des cinq présentations proposées en introduction à l’atelier d’experts est fourni, détaillant différents cas d’étude portant sur cette thématique. Deuxièmement, les principaux défis identifiés lors de l’atelier sont mis en perspective par rapport à la littérature. Ensuite, les solutions et pistes de recherche potentielle identifiées au cours de la discussion sont détaillées et développées. Enfin, la section finale contient les remarques de clôture en lien avec cette thématique.

(35)

12

The integration of energy scenarios into LCA

2.2.1. Foreword

The Life Cycle Management Conference, held in Luxembourg from the 3rd to the 6th of

September 2017, was the opportunity for LCA practitioners to sit and discuss the integration of external models in prospective LCA models. The workshop organizers feel that as a growing LCA subdiscipline, prospective LCA lacks a shared foundation in terms of methods, data, best practices, and software solutions.

For practitioners, this workshop was organized as a first step to introduce their research, identify overlaps, pinpoint further needs, and discuss the near future of prospective LCA. The focus was placed on the use of energy scenarios in prospective LCA due to the important role of energy in the environmental profile of many products. For this reason, most of the examples are related to energy system models and energy scenarios. However, this approach is applicable to any sector likely to face changes in the future, such as transportation, agriculture, or mining. The first half of the workshop consisted of five short presentations of current and past attempts at integrating energy scenarios into LCAs, with a highlight of the challenges encountered and how they were overcome. The workshop’s second half was dedicated to discussions, organized as a breakout meeting to collect the concerns and expectations of the attendees. The challenges identified in the first half were confirmed, more emerged, and all are summed up in this document.

This report is organized into the following sections. First, a brief overview of the five introductory presentations is provided. Second, the key challenges of the integration of external models and prospective LCA that emerged from the presentations and the discussions are listed and framed within the latest literature. Thereafter, various potential solutions and research avenues identified during the discussion are detailed and further elaborated. Finally, the concluding section contains a brief discussion and last remarks.

2.2.2. Report on the presentations

Laurent Vandepaer (LIRIDE-Université de Sherbrooke, Canada, and PSI, Switzerland) gave an introduction about the interest of the integration of external models into prospective LCA. He then presented his recent work to update marginal electricity mixes in ecoinvent v.3.4 based on the compilation of public energy scenarios from 40 different countries to calculate the marginal

(36)

13

electricity supply mixes [83]. Thomas Gibon (LIST, Luxembourg) presented the lessons learned about aggregation and disaggregation of datasets, life cycle inventory (LCI) modification, technology mapping, from the development of the THEMIS framework [84]. Miguel Fernandez Astudillo (LIRIDE-Université de Sherbrooke, Canada) gave an overview of the use of TIMES models together with LCA and described the challenges of linking bottom-up models (e.g. TIMES) with process-based LCA inventories [30]. Didier Beloin-Saint-Pierre (Empa, Switzerland) presented his work on the integration of energy scenarios from the Swiss TIMES energy model (STEM) in the environmental assessment of the Swiss mobility sector. He summarized the challenges encountered during this project such as the use of temporal differentiation of LCI datasets and uncertainty issues. Brian Cox (PSI, Switzerland) gave an overview of the integration of results from the Integrated assessment model IMAGE into the ecoinvent database to create background database versions that are more representative of the future. He also introduced the “WURST”, an industrial ecology Python package used to modify datasets systematically at the database level (e.g. technology markets, performance parameters, emissions values, etc.). The presentations are all available at https://github.com/IndEcol/wurst-examples.

2.2.3. State of the art

A large variety of models exists to make projections about future technological and environmental changes. They often rely on optimization, simulation, general equilibrium, or other macro- and micro-economics techniques. Furthermore, these techniques may even be combined together into Integrated Assessment Models (IAM), which prove appropriate in an industrial ecology context [85]. These modeling tools can be integrated into life cycle assessment (LCA) as data inputs, to build lifecycle inventories that are more representative of future situations. Nevertheless, the realization of a practical connection between the various models and LCA can be challenging and time-consuming. This is due to differences in the organization, structure, technological and methodological inconsistencies between the models and LCA [36], [84], [86]. In other words, practitioners should ensure that the advantages of crossing the detailed environmental modeling of LCA with robust scenario-making from other techniques introduce more benefits than it costs in terms of accuracy, time, and general relevance.

With the development of new tools from the LCA field and from other data-intensive domains, there is an opportunity to stop reinventing the wheel in every project and to create a common

Figure

Tableau 2.1. Caractéristiques des ACV-C et application dans la littérature
Tableau 2.1 suite  Références  études
Figure 2.1. Examples of parameters that can significantly influence the LCA of a system over the long-term,  with their potential combined uncertainty propagated
Tableau 2.2. Layers of considerations of prospective LCA. In grey, the model parameters addressed during the  workshop
+7

Références

Documents relatifs