Post on 12-Jul-2016
description
http://lgc.cnrs.fr
Optimisation multicritère d’un parc éco-industriel pour une gestion
durable de l’énergie Manuel RAMOS
Directeur : Ludovic MONTASTRUC
Co-directrice : Marianne BOIX Thèse financée par MESR
13/11/2014 Présentation PSI
CONTEXTE (i) • Ecologie industrielle :
– Organisation industrielle plus rationnelle et équilibrée.
– Imitations des écosystèmes naturels, i.e. : • Déchets Matières premières
– Etude des bilans de matière et d’énergie dans les systèmes industriels.
• Parcs éco-industriels (EIP) :
– Entreprises qui partagent leurs ressources énergétiques et les matières premières.
13/11/2014 Présentation PSI 2
CONTEXTE (ii) • Optimisation :
– Concevoir de façon optimale les échanges inter-entreprises ainsi que les opérations unitaires correspondantes.
– Niveau de détail de la modélisation (e.g. modèles des opérations unitaires).
13/11/2014 Présentation PSI
Figure 1. Modèle conceptuel des EIP
3
Analyse bibliométrique : eco industrial park optimization
Type de coopération au niveau du procédé Utilisé dans les approches
d'optimisation
Echange de matière, d’eau et/ou énergie
Partage des unités : régénération de l'eau, chaudière
Transformation des déchets en sous-produits ×
Échanges de connaissances, ressources humaines et techniques ×
Transport de marchandises et de personnes ×
13/11/2014 4
Publications par an Citations par an
MODELES DES EIP (i) • Superstructure :
– Approche systématique pour la représentation modulaire de la conception des procédés.
– Modèles mathématiques d’optimisation : choisir le réseau optimal parmi l’ensemble des connexions possibles.
13/11/2014 Présentation PSI 5
Figure 2. Superstructure d’un EIP (Lim et Park, 2010)
MODELES DES EIP (ii)
13/11/2014 Présentation PSI
Problématique: Mise en place d’une stratégie durable pour la gestion de l’énergie et des ressources
naturelles (EIP)
Modéliser: échanges inter-entreprises et opérations unitaires correspondantes. Sources énergétiques.
Important: prendre en compte les différents types d’énergie, surtout renouvelables.
Minimiser: • L’énergie • Les coûts • Les consommations de
matières premières • Les impacts
environnementaux
Soumis à: • Législation • Exigences énergétiques, de
matières premières et qualité de produit
• Modèles des opérations unitaires et des entreprises
Optimisation multi-objectif: • Algorithmes déterministes (MILP,
MINLP, Goal programming)
Méthodologie de résolution: • Niveau de complexité • Nombre de variables binaires • Nouvelle stratégie de résolution
6
Approche mono critère
13/11/2014 7
Entreprise 1 Entreprise 2
Entreprise 3
Entreprise 1 Entreprise 2
Entreprise 3
Entreprise 1 Entreprise 2
Entreprise 3
Gain +4.3% Gain 65% Gain +70%
Impossible de trouver une solution si on rajoute la notion d’énergie
OPTIMISATION MULTI-OBJECTIF (i) • Objectifs conflictuels :
𝒎𝒊𝒏 𝒇𝟏 𝒙, 𝒚 , 𝒇𝟐 𝒙, 𝒚 , … , 𝒇𝒏 𝒙, 𝒚
s.t 𝒉 𝒙, 𝒚 =0, 𝒈 𝒙, 𝒚 ≤0
𝒙 ∈ℛn, y∈ℛm, 𝒉 ∈ℛp, 𝒈 ∈ℛr
• Méthodes de solution :
– Construction de la totalité du front de Pareto et utilisation d’outils d’aide à la décision.
– Méthodes pour obtenir une solution de compromis.
13/11/2014 8
OPTIMISATION MULTI-OBJECTIF (ii) • Conception des EIP :
– Modèles de grand taille : temps de résolution élevés.
– Plusieurs objectifs (>3).
Goal programming : trouver des solutions de compromis en spécifiant les buts pour chaque objectif.
13/11/2014 Présentation PSI
Construction de la totalité du front de Pareto difficile voire impossible
9
Schéma de la méthode de Goal programming
Qq résultats (i)
13/11/2014 10
Entreprise 1 Entreprise 2
Entreprise 3
UR UR
UR
Fonction objectif (MMUSD/yr)
Min. Max. Solution du Goal
Prog.
Cout E1 1.514 6.964 1.854
Cout E2 1.144 7.046 1.513
Cout E3 2.813 14.134 3.521
Qq résultats (ii)
13/11/2014 11
Entreprise 1 Entreprise 2
Entreprise 3
UR
Fonction objectif (MMUSD/yr)
Min. Max. Solution du Goal
Prog.
Cout E1 1.143 13.781 1.976
Cout E2 1.138 6.824 1.316
Cout E3 1.154 15.361 2.981
Qq résultats (iii)
13/11/2014 12
Les UR sont choisies de
façon optimale
parmi 9 types
Fonction objectif (MMUSD/yr)
Min. Max. Solution du Goal
Prog.
Cout E1 1.143 16.086 2.854
Cout E2 1.138 4.345 1.339
Cout E3 1.154 12.417 1.960
Qq résultats (iv)
13/11/2014 13
Fonction objectif (MMUSD/yr)
Min. Max. Solution du Goal
Prog.
Cout E1 1.514 6.964 1.854
Cout E2 1.144 7.046 1.513
Cout E3 2.813 14.134 3.521
Fonction objectif (MMUSD/yr)
Min. Max. Solution du Goal
Prog.
Cout E1 1.143 13.781 1.976
Cout E2 1.138 6.824 1.316
Cout E3 1.154 15.361 2.981
Fonction objectif (MMUSD/yr)
Min. Max. Solution du Goal
Prog.
Cout E1 1.143 16.086 2.854
Cout E2 1.138 4.345 1.339
Cout E3 1.154 12.417 1.960
Cas 1
Cas 2
Cas 3
Perspectives
• Etude de plusieurs approches
– Coopérative
– Non coopérative
• Gestion de plusieurs utilités
– chaleur
– Energie renouvelable
– Eau
13/11/2014 14
http://lgc.cnrs.fr
MERCI POUR VOTRE ATTENTION.
13/11/2014 Présentation PSI
CAS D’ETUDE • EIP potentiel (Norvège) :
13/11/2014 Présentation PSI 16
Cas d’étude d’un EIP en Norvège (Zhang et al., 2008)