Dans un contexte de transition énergétique et numérique, L’Usine du Futur se définit commeéconome en énergie, mais aussi agile grâce à des moyens de production flexibles etreconfigurables. Conférer ces propriétés aux procédés existants est un challenge complexe quiinduit souvent une réorganisation des unités. Dans ce cadre, la méthodologie RREFlex a pourobjectif de proposer des solutions alternatives d’intégration énergétique à la fois viables, robusteset adaptables via le remodelage des réseaux d’échangeurs de chaleur déjà installés.Contrairement à la conception initiale consistant à réaliser de manière conjointe la conception duprocédé et du réseau d’échangeur de chaleur associé, l’exercice de remodelage d’unitésexistantes peut s’avérer sensiblement plus complexe. En effet, il s’inscrit souvent dans unedémarche d’amélioration continue sur des installations ayant déjà connu au cours de leur vie destransformations pour faire face aux évolutions de la demande ou à de nouvelles contraintesenvironnementales. Aujourd’hui, nombre d’analyses de récupération énergétique sont réaliséessur les sites industriels mais celles-ci ne donnent pas nécessairement lieu à des réalisationsconcrètes. Les raisons le plus souvent invoquées sont d’ordre financières mais aussi, pratiques.En effet, les solutions proposées ne sont pas toujours réalistes d’un point de vue opérationnellecar elles tiennent rarement compte de la variabilité du procédé, soit due à des perturbations nonmaitrisées sur les températures et les débits, soit due à la présence de multiples points defonctionnement (changement de campagne, évolution de la charge, etc.). De plus, ces solutionstiennent peu compte des contraintes spécifiques du site étudié (topologie des unités, compatibilitédes courants, sécurité, etc.), la formulation a priori de ces dernières ne pouvant être exhaustive.L’outil RREFlex - outil Robuste pour la synthèse de Réseaux d’Echangeurs Flexibles - a étédéveloppée pour pallier autant que possible ces limites. S’appuyant sur une analyse statistiquedes historiques de mesures remontés en salle de contrôle, un premier module - EDiFy : EnhancedData collection for Flexibility analysis - permet de localiser et de caractériser les différents cas demarche des unités. Notamment, la valeur moyenne et la variance des données caractéristiques duprocédé (températures, flux calorifiques) sont estimées pour chaque cas de marche. Ce jeu dedonnées étant souvent incomplet, il est nécessaire d’avoir recours à un modèle de simulation duprocédé pour le compléter et valider la cohérence des données mesurées pour chaque cas demarche potentiellement identifié. Sur cette base, une seconde étape dédiée au diagnosticénergétique permet d’évaluer la pertinence des échangeurs de récupération déjà installés. Cetteanalyse permet d’identifier et de prioriser un ensemble de scenarii de remodelage considéréscomme prometteurs. Chacun d’eux est défini par la liste des échangeurs à reconsidérer et uncertain nombre de paramètres de configuration. Chaque scenario retenu est alors exploité pour lasynthèse du réseau d’échangeurs associé. Cette étape s’appuie sur un modèle de programmationlinéaire mixte multi-période (PLM) pour déterminer la nouvelle topologie du réseau d’échangeurs.Dans ce cadre, le modèle a évidemment la possibilité d’introduire de nouveaux échangeurs maisaussi de déplacer les échangeurs existants et conservés dans un scénario donné, tant qu’ilscouplent la même paire de courant qu’initialement. Les réseaux obtenus sont donc adaptables auxdifférents cas de marche identifiés à la première étape et reconfigurable grâce à l’implantation deby-pass. Le panel de réseaux proposés est enfin évalué et classé au moyen d’indicateurs deperformance, dont notamment la robustesse vis-à-vis de la variabilité du procédé. L’approche aété validée sur deux sites de dimension industrielle: un procédé de fabrication de MVC et un trainde préchauffe de pétrole brut.

Ce projet porte, dans un souci d’efficacité énergétique, sur la récupération d’énergie des rejets thermiques à basse température. Une analyse d’optimisation des technologies dans le but d’obtenir un système de revalorisation de chaleur rentable fait objet de cette recherche. Le but sera de soutirer la chaleur des rejets thermiques et de la réappliquer à un procédé industriel. Réduire la consommation énergétique d’une usine entre habituellement en conflit avec l’investissement requis pour les équipements de revalorisation de chaleur. Ce projet de maitrise porte sur l’application d’optimisations multiobjectives par algorithme génétique (GA) pour faciliter le design en retrofit des systèmes de revalorisation de chaleur industrielle. L’originalité de cette approche consiste à l’emploi du «fast non-dominant sorting genetic algorithm» ou NSGA-II dans le but de trouver les solutions optimales entre la valeur capitale et les pertes exergétiques des réseaux d’échangeurs de chaleur et de pompes à chaleur. Identifier les solutions optimales entre le coût et l’efficacité exergétique peut ensuite aider dans le processus de sélection d’un design approprié en considérant les coûts énergétiques. Afin de tester cette approche, une étude de cas est proposée pour la récupération de chaleur dans une usine de pâte et papier. Ceci inclut l’intégration d’échangeur de chaleur Shell&tube, d’échangeur à contact direct et de pompe à chaleur au réseau thermique existant. Pour l’étude de cas, le projet en collaboration avec Cascades est constitué de deux étapes, soit de ciblage et d’optimisation de solutions de retrofit du réseau d’échangeur de chaleur de l’usine de tissus Cascades à Kinsley Falls. L’étape de ciblage, basée sur la méthode d’analyse du pincement, permet d’identifier et de sélectionner les modifications de topologie du réseau d’échangeurs existant en y ajoutant de nouveaux équipements. Les scénarios résultants passent ensuite à l’étape d’optimisation où les modèles mathématiques pour chaque nouvel équipement sont optimisés afin de produire une courbe d’échange optimal entre le critère économique et exergétique. Pourquoi doubler l’analyse économique d’un critère d’exergie? D’abord, parce que les modèles économiques sont par définition de nature imprécise. Coupler les résultats des modèles économiques avec un critère exergétique permet d’identifier des solutions de retrofit plus efficaces sans trop s’éloigner d’un optimum économique. Ensuite, le rendement exergétique permet d’identifier les designs utilisant l’énergie de haute qualité, telle que l’électricité ou la vapeur, de façon plus efficace lorsque des sources d’énergie de basse qualité, telles que les effluents thermiques, sont disponibles. Ainsi en choisissant un design qui détruit moins d’exergie, il demandera un coût énergétique moindre. Les résultats de l’étude de cas publiés dans l’article montrent une possibilité de réduction des coûts en demande de vapeur de 89% tout en réduisant la destruction d’exergie de 82%. Dans certains cas de retrofit, la solution la plus justifiable économiquement est également très proche de la solution à destruction d’exergie minimale. L’analyse du réseau d’échangeurs et l’amélioration de son rendement exergétique permettront de justifier l’intégration de ces systèmes dans l’usine. Les diverses options pourront ensuite être considérées par Cascades pour leurs faisabilités technologiques et économiques sachant qu’elles ont été optimisées.

Dans un contexte de transition énergétique et numérique, L’Usine du Futur se définit commeéconome en énergie, mais aussi agile grâce à des moyens de production flexibles etreconfigurables. Conférer ces propriétés aux procédés existants est un challenge complexe quiinduit souvent une réorganisation des unités. Dans ce cadre, la méthodologie RREFlex a pourobjectif de proposer des solutions alternatives d’intégration énergétique à la fois viables, robusteset adaptables via le remodelage des réseaux d’échangeurs de chaleur déjà installés.Contrairement à la conception initiale consistant à réaliser de manière conjointe la conception duprocédé et du réseau d’échangeur de chaleur associé, l’exercice de remodelage d’unitésexistantes peut s’avérer sensiblement plus complexe. En effet, il s’inscrit souvent dans unedémarche d’amélioration continue sur des installations ayant déjà connu au cours de leur vie destransformations pour faire face aux évolutions de la demande ou à de nouvelles contraintesenvironnementales. Aujourd’hui, nombre d’analyses de récupération énergétique sont réaliséessur les sites industriels mais celles-ci ne donnent pas nécessairement lieu à des réalisationsconcrètes. Les raisons le plus souvent invoquées sont d’ordre financières mais aussi, pratiques.En effet, les solutions proposées ne sont pas toujours réalistes d’un point de vue opérationnellecar elles tiennent rarement compte de la variabilité du procédé, soit due à des perturbations nonmaitrisées sur les températures et les débits, soit due à la présence de multiples points defonctionnement (changement de campagne, évolution de la charge, etc.). De plus, ces solutionstiennent peu compte des contraintes spécifiques du site étudié (topologie des unités, compatibilitédes courants, sécurité, etc.), la formulation a priori de ces dernières ne pouvant être exhaustive.L’outil RREFlex - outil Robuste pour la synthèse de Réseaux d’Echangeurs Flexibles - a étédéveloppée pour pallier autant que possible ces limites. S’appuyant sur une analyse statistiquedes historiques de mesures remontés en salle de contrôle, un premier module - EDiFy : EnhancedData collection for Flexibility analysis - permet de localiser et de caractériser les différents cas demarche des unités. Notamment, la valeur moyenne et la variance des données caractéristiques duprocédé (températures, flux calorifiques) sont estimées pour chaque cas de marche. Ce jeu dedonnées étant souvent incomplet, il est nécessaire d’avoir recours à un modèle de simulation duprocédé pour le compléter et valider la cohérence des données mesurées pour chaque cas demarche potentiellement identifié. Sur cette base, une seconde étape dédiée au diagnosticénergétique permet d’évaluer la pertinence des échangeurs de récupération déjà installés. Cetteanalyse permet d’identifier et de prioriser un ensemble de scenarii de remodelage considéréscomme prometteurs. Chacun d’eux est défini par la liste des échangeurs à reconsidérer et uncertain nombre de paramètres de configuration. Chaque scenario retenu est alors exploité pour lasynthèse du réseau d’échangeurs associé. Cette étape s’appuie sur un modèle de programmationlinéaire mixte multi-période (PLM) pour déterminer la nouvelle topologie du réseau d’échangeurs.Dans ce cadre, le modèle a évidemment la possibilité d’introduire de nouveaux échangeurs maisaussi de déplacer les échangeurs existants et conservés dans un scénario donné, tant qu’ilscouplent la même paire de courant qu’initialement. Les réseaux obtenus sont donc adaptables auxdifférents cas de marche identifiés à la première étape et reconfigurable grâce à l’implantation deby-pass. Le panel de réseaux proposés est enfin évalué et classé au moyen d’indicateurs deperformance, dont notamment la robustesse vis-à-vis de la variabilité du procédé. L’approche aété validée sur deux sites de dimension industrielle: un procédé de fabrication de MVC et un trainde préchauffe de pétrole brut / In a context of numerical and energy transition, the Factory of the Future is meant to be moreenergy efficient but also smarter and agile through the use of flexible and reconfigurableproduction means. Enabling existing processes to achieve those properties is a difficult challengewhich often induces a reorganization of the units. In this context, RREFlex methodology wasdeveloped to provide several alternatives heat integration solutions both viable, robust andadaptable through the retrofitting of existing heat exchanger networks. Unlike grass-root design,which consists in designing both the process and the heat exchanger network at the same time(and thus, allowing many possibilities), retrofitting existing units can be a lot more complex.Indeed, as part of a continuous improvement process of the production, the plants have oftenalready undergone transformations during their life to cope with changes in demand or newenvironmental constraints. Currently, numerous energy recovery analysis are performed onindustrial sites but do not necessarily involves concrete industrial measures. The main reasons forthe lack of results are mainly financial but also practical. The provided solutions are often nonrealistic in terms of operability because of the lack of accounting for the variability of the process,whether due to external disturbances on temperatures and flowrates or due to multiple operatingconditions (many production campaigns, evolution in process load, etc.). Moreover, thosesolutions also do not take on-site constraints into account (units topology, process streamscompatibility, safety, etc.), as it is difficult to apprehend such constraints. The RREFlex module(Robust software tool for the synthesis of Flexible Heat Exchanger Networks), was developed toassess these issues. Based on a statistical analysis of historical data extracted from on-sitemeasurements, a first module - EDiFy : Enhanced Data collection for Flexibility analysis – enablesthe location and characterization of the multiple steady state regimes. The mean value andvariance of operating conditions characterizing the process (e.g. temperature, heat flow) areestimated for each steady state. As this data set is usually incomplete, it is necessary to use asimulation model of the process to complete and validate the consistency of the measurements ofeach identified steady state.Based upon those data, an energy diagnosis step enables the assessment of each existing heatexchanger liability. This analysis results in the identification and classification of several promisingretrofitting scenarios. Each one is defined by a list of heat exchangers to reconsider and severalconfiguration parameters.Each selected scenario is then used to design the corresponding optimal heat exchanger network.The latter step, which is based on a multi-period mixed linear programming model, aims at thedesign of a new heat exchanger network topology. In this context, the model includes not only thepossibility to add new heat exchangers but also to shift the preserved heat exchangers for a givenscenario, as long as the original pair of streams is kept. The resulting heat exchanger networksare thus adaptable to every operating conditions identified in the first step of the methodology butalso reconfigurable through the use of by-passes. The performances of the resulting networks areevaluated and classified using key performance indicators, especially the robustness which iscrucial to account for the process variability.The approach was validated on two industrial scale case studies: a MVC production process and arefinery heating train.