Évaluation de l'incertitude d'un modèle d'analyse de cycle de vie temporel de la production et de la consommation de l'électricité dans un contexte de gestion des centres de données

Dans le cadre d'un projet en collaboration avec le groupe synchromedia de l'ÉTS, le CIRAIG a étudié de nouvelles approches pour quantifier les impacts environnementaux de la consommation d'électricité par des centres de données. Pour cela, deux modèles temporels de prédictions ont été mis en place en utilisant l'Analyse de Cycle de Vie (ACV). Un premier utilisant une approche ACV attributionnelle et un second avec une approche ACV conséquentielle. Cet outil, qui est l'ACV, est régulé par la norme ISO 14044, qui définie les terminologies, les règles et les recommandations pour réaliser des ACV. L'une de ces recommandations est de réaliser des analyses d'incertitudes pour vérifier la fiabilité des résultats. Lors de la réalisation des modèles attributionnels et conséquentiels, cette analyse additionnelle avait été temporairement mise de côté pour être traitée de façon globale dans ce mémoire. Ce mémoire à pour objectif de renforcer la crédibilité des modèles mis en place en effectuant des analyses d'incertitudes sur les résultats produits par ces études antérieures. Pour ce faire, l'étude a été divisée en quatre sous objectifs : 1) calculer les distributions de probabilités des processus de la base de données ecoinvent utilisés dans les modèles pour les provinces de Québec, de l'Alberta et de l'Ontario ; 2) calculer les conséquences de ces distributions de probabilités sur les modèles de sélection de la province ayant l'électricité avec les impacts environnementaux les plus faibles ; 3) évaluer les différences entre les sources de données utilisées pour la construction du modèle attributionnel et évaluer la conséquence de ces écarts sur les résultats ; 4) quantifier la part de capacité de production électrique non prise en compte dans les sources de données utilisées et évaluer les conséquences de ce critère sur la composition des bouquets électriques horaires. Pour répondre à ces objectifs, des scripts informatiques de simulation de Monte-Carlo sont programmés pour générer les distributions de probabilités des nombreux bouquets électriques horaires, et ce, pour les trois provinces étudiées. De plus, des comparaisons entre les sources de données sont effectuées. Enfin, une modélisation simplifiée du réseau de production et distribution d'électricité pour la province de l'Ontario est réalisée dans un logiciel spécialisé. Ceci a pour but d'identifier l'importance des contraintes physiques du réseau électrique dans une même province et donc leurs répercussions sur les variations des impacts environnementaux entrainés par des changements marginaux de la demande électrique. Cette étude a permis d'observer que l'incertitude des résultats de ces nouveaux modèles temporels n'a pas beaucoup de conséquence sur les conclusions qu'ils apportent. Ces nouvelles approches pour calculer les impacts environnementaux de façon temporelle de la consommation d'électricité sont des améliorations pour les systèmes utilisant une grande quantité d'électricité tels que les centres de données, car ils permettent de modéliser avec plus de précision l'impact de la consommation d'électricité sur l'environnement.

Abstract

As part of a research program focused on finding ways to decrease the environnemental impacts of data center, the CIRAIG developed two models in order to be able to select the province with the cleanest electricity. Even if both models use the life cycle analysis methodology (LCA) they differ on their approach. The first model is based on attributional LCA and the second one on consequential LCA. However the last step of an LCA, as recommended by the ISO, is to evaluate the uncertainty of the results. This step was left aside in the previous studies to be the main subject of this research. The goal of this research is to improve the trust in the those models by doing uncertainty analysis on the results they produced. This analysis was split into four parts: 1) compute the distributions of the grid mix used by the two studies; 2) compute the consequences of those distributions on the decisions; 3) quantify the differences between the data sources and evaluate their consequences on the decisions; 4) identify and quantify the power plants not included in the data sources and evaluate their contribution on the grid-mixes. To fulfil those goals, scripts were written to compute Monte-Carlo simulations of the environnemental impacts of the multiple grid-mix used in the models for the tree provinces. Data about the electric production have been collected to identify previously not accounted for power plants. Comparisons of the data sources used in the original studies were carry out to evaluate the significance of the disparities. Finally a model of the electric grid of Ontario was implemented in a power system simulation software. This was to show the importance of some of the physical constraints inside the network. The result of this study show that the uncertainty included in the results have little to no consequences on the decision process for the studied provinces. This two new models, implemented to take into account the temporal aspect of electric consumption of electricity on the environmental impacts, are a real improvement to the previous static models.