Summary: | 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.
|