Académique Documents
Professionnel Documents
Culture Documents
net/publication/325735082
CITATIONS READS
0 511
5 authors, including:
All content following this page was uploaded by Olivier Marc on 13 June 2018.
Sidiki SIMPORE*, François GARDE, Mathieu DAVID, Olivier MARC, Jean CASTAING-
LASVIGNOTTES.
Résumé - En raison de la variabilité et de l’intermittence de l'énergie solaire photovoltaïque, son intégration à grande
échelle dans le mix énergétique de micro-réseaux intégrant différents moyens de production demeure compliquée.
Une des solutions pour surmonter ces handicaps est le stockage d'énergie qui est généralement basé sur l’utilisation
de batteries lithium-ion. En recherche d’une alternative, nous présentons dans cet article, la modélisation, la
simulation et l’optimisation d’un système de stockage d’énergie photovoltaïque à petite échelle par air comprimé
destiné à alimenter de façon instantanée un bâtiment.
Nomenclature
Variables et Paramètres Indices et exposants
T Température, K cp Compresseur
P Pression, Pa tb Turbine
h Enthalpie spécifique, J.kg-1 vol Volumique
s Entropie spécifique, J.kg-1.K-1 res Réservoir
u Énergie interne spécifique, J.kg-1 pv Photovoltaïque
v Volume spécifique, m3.kg-1 max Maximum
A Surface, m2 is Isentropique
t Temps, s in Entrée
GNI Irradiation Normale Globale, W.m-2 ext Extérieur
cp Capacité calorifique, J.kg-1.K-1 bat Bâtiment
E Énergie, J imp Importation
M Masse, kg exp Exportation
D Débit volumique, m3.s-1 pv/bat Du PV au bâtiment (directement)
Q Densité de flux, W.m-2 st Stockage
m Débit massique, kg.s-1 cv couverture
w Puissance électrique, W out Sortie
V Volume, m3 sys Système
Lettres grecques m mécanique
Rendement, - th thermique
Taux de compression, - conso Autoconsommation
Taux de couverture des charges, - prod Autoproduction
1. Introduction
L’augmentation de la demande énergétique durant ces dernières années d’une part et les conséquences
du changement climatique causées en outre par la production d’énergie d’autre part, conduisent à
prospecter de nouvelles solutions de production et de gestion de l’énergie. En effet, dans l’esprit de la
transition énergétique, beaucoup de pays s’engagent à changer leur modèle en s’orientant vers les énergies
renouvelables en général et le solaire photovoltaïque en particulier. Mais comme d’autres sources
renouvelables, l’intégration directe à grande échelle de l’énergie solaire photovoltaïque pose problème du
fait de son intermittence et de sa variabilité. Ainsi, pour des régions isolées comme l’ile de La Réunion,
une part importante de l’énergie photovoltaïque directement injectée dans le réseau électrique peut causer
des instabilités. L’une des solutions pour venir à bout de ce problème est le stockage d’énergie. De nos
413
Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018
jours, le système de stockage d’électricité le plus utilisé demeure celui par des batteries lithium-ion.
Malgré les bonnes performances des batteries, elles restent peu respectueuses de l’environnement.
Selon Lund et G. Salgi [1] , l’une des alternatives à l’utilisation des batteries pour le futur semble être
le système de stockage à air comprimé. Il s’agit d’une technologie connue depuis le 19ième siècle et qui
était pratiquée dans l’industrie [2]. Elle consiste à utiliser une source énergétique pour comprimer de l’air
puis à le stocker dans un réservoir lorsque la ressource est abondante, moins chère ou que la demande
énergétique est faible. Pendant les périodes de forte consommation, de rareté ou de coût important de la
ressource, l’air sous pression est détendu à travers une turbine pour produire de l’électricité. De nos jours,
seulement deux centrales électriques utilisant le système de stockage à air comprimé fonctionnent dans le
monde. Il s’agit de la centrale Huntorf en Allemagne construite en 1978 avec une puissance de 290 MW,
et la centrale AEC à McIntosh, Alabama, aux États-Unis d’une capacité de 110 MW qui a été augmenté
à 226 MW en 1998 par l’ajout de deux générateurs [3]. L’air comprimé de ces centrales est stocké dans
des cavités d’anciennes mines de sel ou de charbon [4–6]. Cette technologie à l’avantage d’être plus
écologique que le système à batterie mais dépend fortement des conditions géologiques du lieu
d’installation. Les systèmes de stockage à air comprimé admettent un rendement allant de 40 à 60 % en
fonction de la gestion de la chaleur issue de la compression. Ainsi, si la chaleur de compression est stockée
pour être réutilisée pendant la détente, le système de stockage est dit adiabatique et son rendement peut
atteindre jusqu’à 70 % [7,8]. Par contre, le rendement des systèmes de stockage basés sur l’utilisation
d’une source extérieure de chaleur pour réchauffer l’air au niveau de la turbine est d’environ 50 %. Dans
la littérature, quelques travaux de modélisation ont vu le jour, en particulier pour le stockage de l’énergie
éolienne et solaire. En effet, en 2014, Jannelli et al. [9] ont étudié un système de stockage à air comprimé
pour l’alimentation d’une station de radio de télécommunication. Dans cette étude, une méthode de calcul
des différents composants de la centrale : un champ photovoltaïque (PV), un réservoir de stockage d’air,
des compresseurs et des turbines, a été proposée. Cette étude s’intéresse aussi à un système de
refroidissement des équipements de la station de radio par la valorisation d’air frais à la sortie de la turbine.
Caichu Xia et al. [10] ont proposé en 2014 un modèle sur le stockage à air comprimé avec un débit
massique constant pour chaque période de fonctionnement du système (compression, stockage, détente).
Niklas Hartmann et al. [6] comparent les rendements des systèmes de stockage à air comprimé sur la base
des configurations du compresseur et de la turbine. Il en ressort qu’un système de stockage à air comprimé
avec stockage de chaleur muni de deux étages de compression et un étage de détente admet un rendement
compris entre 40 et 61 % si on suppose une transformation polytropique. Ce rendement peut atteindre
70% pour une transformation supposée isentropique [11]. Presque tous les modèles existants sont basés
sur de grandes puissances et un stockage de longue durée, voire saisonnier. Dans cet article, un modèle
traduisant le comportement instantané d’un système composé d’une production photovoltaïque (PV) de
petite échelle (quelques kilowatts), d’un bâtiment consommateur d’énergie électrique, d’un réseau
électrique et d’un système de stockage à air comprimé est proposé. Il s’agit pour nous d’étudier la
faisabilité de ce type de stockage pour de petites puissances provenant d’une source énergétique
intermittente comme le PV et d’augmenter l’autonomie du bâtiment vis-à-vis du réseau électrique à
l’échelle de quelques heures, voire de la journée et nous utiliserons pour cela un réservoir artificiel.
Pour percevoir l’impact de chaque composant important sur le système, une étude de sensibilité
concernant la surface du champ solaire, le débit volumique du compresseur, le volume de réservoir et la
pression maximale de l’air dans le réservoir est effectuée. Elle est suivie par une séquence d’optimisation
permettant de trouver le meilleur point de fonctionnement conduisant dimensionnement complet de
chaque composant du système en fonction des conditions climatiques, du bâtiment et de son mode de
fonctionnement.
414
Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018
Eimp
Ebat
E exp Epv/bat
Distribution électrique
Système de
Chargement du réservoir
conversion DC/AC Déchargement du réservoir
Etat thermodynamique
Epv
Etb
Ecp
2 3 5
4
Eth
Moteur Générateur
6
1 Compresseur Réservoir d air comprimé Turbine 7
D’après M. Jubeh et al. [12], les rendements isentropiques de compression et de détente sont fonctions
du taux de compression βcp (t) et de détente βtb (t) et sont déterminés par :
βcp (t) - 1
ηis,cp 0,91
300
η 0,90 (t) - 1
βtb
is,tb 250 (2)
À l’intérieur du réservoir de stockage, les équations de conservation de la masse et de l’énergie sont écrites
selon :
dM ( t )
dt min ( t ) - mout ( t )
(3)
d(Mu) = Q (t) + m (t)h (t) - m ( t )h (t)
dt tk in 3 out 4
où la perte de chaleur, le débit massique du compresseur et le rendement volumique sont définis par :
V
min ( t ) ηv,cp
v1( t )
Qres (t) = K res Ares T4 (t) - Text (t) (4)
η 1 0.05 β (t)1.4 1
1
v,cp cp
La puissance instantanée nécessaire au fonctionnement du compresseur et la puissance instantanée produite par
la turbine dépendent de leurs rendements mécaniques (m) respectifs et sont calculées selon :
1
Wcp (t) = η × min (t) × h3 (t) - h1 (t) (5)
m,cp
W (t) = η × m (t) × h (t) - h (t)
tb m,tb out 7 5
415
Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018
Le taux d’importation du réseau imp désigne le rapport entre l’énergie totale importée et l’énergie
totale consommée par le bâtiment. Il est donc calculé par la relation :
Eimp
imp
Ebat
(8)
L’autoconsommation conso se définit comme étant la proportion de l’énergie photovoltaïque
consommée sur le site de production soit directement par le bâtiment soit par le système de stockage à
travers le compresseur.
Epv/bat Ecp Eexp
conso 1
Epv Epv
(9)
416
Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018
L’autoproduction prod représente la proportion de la demande du bâtiment qui est autoproduite sur site
c’est-à-dire par le photovoltaïque ou par le stockage.
Epv/bat Etb Eimp
prod 1 1 imp
Ebat Ebat (10)
3. Résultats et discussion
Pour la simulation, nous nous servons des données climatiques mesurées à Terre Sainte à l’Ile de La
Réunion et d’une courbe de charge du bâtiment ENERPOS (bâtiment à énergie positive) implanté sur le
même lieu. L’objectif de cette simulation est d’étudier la faisabilité technique d’un tel système. Pour cela,
nous nous donnons des tailles initiales des principaux paramètres du système à savoir la taille du système
de compression (débit volume balayé), le volume du réservoir de stockage, la pression maximale autorisée
dans le réservoir et la taille du champ photovoltaïque. Voulant étudier le comportement du système de
stockage à air comprimé alimentant un bâtiment à énergie positive, nous avons effectué la simulation sur
la base de l’équivalence entre la consommation énergétique annuelle du bâtiment et la production
photovoltaïque. Ainsi, nous obtenons une puissance crête de 5.82 kWc correspondant à une production et
à une consommation annuelle de 10721 kWh d’énergie. Les valeurs des autres paramètres sont consignées
dans le tableau 2.
Tableau 2 : Paramètres principaux utilisés pour la simulation
Pour les paramètres choisis pour les composants du système pour la simulation, on obtient un
rendement moyen de stockage de 40.0 % et le taux de couverture moyen des charges par le système de
stockage à air comprimé est d’environ 5.0 %, ce qui permet au bâtiment d’avoir une autonomie
énergétique de 41.3% avec la taille du champ PV installé. En ce qui concerne l’autoconsommation,
seulement 62.6 % de la production PV a été utilisée pour alimenter le bâtiment soit directement ou soit
indirectement à travers le système de stockage. L’autoproduction calculée indique que 55.0 % de la
demande du bâtiment est autoproduite sur site (PV + stockage). Ainsi, le reste (45.0 %) de la demande de
bâtiment est compensé par une importation au réseau électrique. La majeure partie de l’importation a eu
lieu durant les nuits et durant des jours non ensoleillés, ainsi l’optimisation permettra de trouver les
paramètres qui conduisent à un minimum d’importation. Le dimensionnement final du système intervient
après l’obtention des paramètres optimaux qui confèrent le plus d’autonomie possible au bâtiment.
417
Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018
418
Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018
quel que soit le volume du réservoir, le taux d’importation admet un minimum qui se déplace avec le
volume. Quant au rendement de stockage, il admet aussi un minimum, mais sa valeur augmente
régulièrement avec le volume de stockage. On peut donc dire que le taux d’importation et le rendement
de stockage sont fortement influencés par la taille du système de compression et par le volume du réservoir
pour une puissance fixée du champ photovoltaïque.
Nous utilisons la méthode du gradient qui est un algorithme d'optimisation différentiable. Cet
algorithme est destiné à minimiser une fonction réelle différentiable. Pour cela nous construisons une
régression polynomiale à deux variables de degré 4 donnant le taux d’importation et le rendement en
fonction du débit volumique et du volume de stockage. Nous posons : X = [x1, x2] avec x1 qui correspond
au débit volumique et x2 désigne le volume du réservoir. On a ainsi défini le taux d’importation et le
rendement de la manière suivante :
imp ( X ) i 0 ai X n st ( X ) i 0 bi X n
n n
et (13)
Les coefficients ai et bi des polynômes sont automatiquement déterminés par un algorithme de
régression polynomiale. Le taux d’importation est utilisé comme fonction objectif imp ( X ) à minimiser
et le rendement de stockage st ( X ) .comme une contrainte à maximiser.
419
Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018
5. Conclusion
En conclusion, nous pouvons dire que le modèle développé permet de démontrer la faisabilité d’un
système de stockage à air comprimé de petites puissances en fonctionnement instantané et alimenté par
un champ photovoltaïque. L’optimisation des principaux paramètres constitutifs du système permet le
dimensionnement optimal en fonction des charges à alimenter et des données climatiques du lieu.
L’optimisation va se poursuivre en envisageant l’augmentation de la taille du champ PV pour une
meilleure autonomie du bâtiment. L’introduction d’une optimisation technico-économique et
environnementale pourrait valider la rentabilité économique du système étudié.
Références
[1] H. Lund, G. Salgi, B. Elmegaard, A.N. Andersen, Optimal operation strategies of compressed air energy storage (CAES) on
electricity spot markets with fluctuating prices, Appl. Therm. Eng. 29 (2009) 799–806.
doi:10.1016/j.applthermaleng.2008.05.020.
[2] IEC blog » White Paper – Electrical Energy Storage, (n.d.). https://blog.iec.ch/2015/09/white-paper-electrical-energy-storage/
(accessed January 30, 2018).
[3] M. Raju, S. Kumar Khaitan, Modeling and simulation of compressed air storage in caverns: A case study of the Huntorf plant,
Appl. Energy. 89 (2012) 474–481. doi:10.1016/j.apenergy.2011.08.019.
[4] P. Zhao, Y. Dai, J. Wang, Design and thermodynamic analysis of a hybrid energy storage system based on A-CAES (adiabatic
compressed air energy storage) and FESS (flywheel energy storage system) for wind power application, Energy. 70 (2014) 674–
684. doi:10.1016/j.energy.2014.04.055.
[5] P. Zhao, J. Wang, Y. Dai, L. Gao, Thermodynamic analysis of a hybrid energy system based on CAES system and CO2
transcritical power cycle with LNG cold energy utilization, Appl. Therm. Eng. 91 (2015) 718–730.
doi:10.1016/j.applthermaleng.2015.08.082.
[6] N. Hartmann, O. Vöhringer, C. Kruck, L. Eltrop, Simulation and analysis of different adiabatic Compressed Air Energy Storage
plant configurations, Appl. Energy. 93 (2012) 541–548. doi:10.1016/j.apenergy.2011.12.007.
[7] N.M. Jubeh, Y.S.H. Najjar, Green solution for power generation by adoption of adiabatic CAES system, Appl. Therm. Eng. 44
(2012) 85–89. doi:10.1016/j.applthermaleng.2012.04.005.
[8] N.M. Jubeh, Y.S.H. Najjar, Power augmentation with CAES (compressed air energy storage) by air injection or supercharging
makes environment greener, Energy. 38 (2012) 228–235. doi:10.1016/j.energy.2011.12.010.
[9] E. Jannelli, M. Minutillo, A. Lubrano Lavadera, G. Falcucci, A small-scale CAES (compressed air energy storage) system for
stand-alone renewable energy power plant for a radio base station: A sizing-design methodology, Energy. 78 (2014) 313–322.
doi:10.1016/j.energy.2014.10.016.
[10] C. Xia, Y. Zhou, S. Zhou, P. Zhang, F. Wang, A simplified and unified analytical solution for temperature and pressure variations
in compressed air energy storage caverns, Renew. Energy. 74 (2015) 718–726. doi:10.1016/j.renene.2014.08.058.
[11] S. Dubey, J.N. Sarvaiya, B. Seshadri, Temperature Dependent Photovoltaic (PV) Efficiency and Its Effect on PV Production in
the World – A Review, Energy Procedia. 33 (2013) 311–321. doi:10.1016/j.egypro.2013.05.072.
[12] N.M. Jubeh, Y.S.H. Najjar, Green solution for power generation by adoption of adiabatic CAES system, Appl. Therm. Eng. 44
(2012) 85–89. doi:10.1016/j.applthermaleng.2012.04.005.
420
View publication stats