Analyse et optimisation des opportunités de maillage et de revalorisation des coproduits énergétiques au sein du parc industriel et portuaire de Bécancour

Ces dernières années, l'intérêt pour l'utilisation d'outils quantitatifs dans l'analyse et l'optimisation des symbioses industrielles et des réseaux d'échange de sous-produits a considérablement augmenté. Cependant, bien qu'il existe une littérature abondante sur l'optimisation des échanges de matériaux, la littérature sur l'optimisation des échanges énergétiques est plus limitée. Cette recherche vise à combler cette lacune en se concentrant sur le problème spécifique de l'optimisation des échanges énergétiques dans le parc industriel de Bécancour. La revue de la littérature montre que les outils existants ne prennent pas pleinement en compte toutes les considérations nécessaires, telles que l'investissement à long terme et la rentabilité pour les acteurs individuels. Pour remédier à ce problème, nous proposons d'étendre les capacités d'un modèle existant et de valider l'outil résultant dans le cas spécifique du parc industriel de Bécancour. Ce projet de recherche vise à adapter un modèle de programmation linéaire en nombres entiers mixtes (MILP) dans le langage de programmation Julia pour optimiser la symbiose industrielle et l'échange de sous-produits énergétiques ou maillage. L'objectif est de proposer une méthodologie de modélisation de réseaux d’échanges permettant de quantifier les opportunités de symbiose énergétique au sein d’un parc industriel. Le modèle d'optimisation prend en compte divers aspects tels que le profil de consommation énergétique à long terme des entreprises, l'offre et la demande de sous-produits énergétiques au sein du parc industriel, ainsi que les facteurs économiques associés à la mise en œuvre d'un tel réseau. Le modèle vise à trouver la composition optimale d'un réseau énergétique en combinant des technologies de conversion d'énergie, des solutions de stockage d'énergie, des possibilités de mutualisation des infrastructures, le traitement des flux de sous-produits énergétiques et la possibilité d'ajout d'entreprises complémentaires. Pour mener cette recherche, plusieurs entretiens ont été réalisés avec des acteurs industriels du parc industriel de Bécancour afin de recueillir des données sur leur profil énergétique et de production. Ces informations ont ensuite été utilisées pour modéliser leurs sous-produits énergétiques sur une période de 15 ans. Parmi les autres paramètres intégrés dans le modèle, on trouve les coûts d'investissement et d'exploitation associés à l'échange de sous-produits énergétiques ainsi que plusieurs courbes représentant la dynamique d'innovation autour des technologies de conversion et de stockage.

Abstract

In recent years, there has been a growing interest in the use of quantitative tools for the analysis and optimization of industrial symbioses and by-product exchange networks. However, while there is a significant amount of literature on the optimization of material exchanges, there is less literature on the optimization of energy exchanges. This research addresses this gap by focusing on the specific problem of optimizing energy exchanges in the Bécancour industrial park. The literature review shows that existing tools do not fully address all necessary considerations, such as longterm investment and profitability for individual actors. To address this issue, we propose to extend the capabilities of an existing model and validate the resulting tool in the specific case of the Bécancour industrial park. The research project aims to adapt a mixed integer linear programming (MILP) model in the Julia programming language to optimize industrial symbiosis and energy by-product exchange. The objective is to propose a modeling methodology for exchange networks to quantify energy symbiosis opportunities within an industrial park. The optimization model considers various aspects such as the long-term energy consumption profile of companies, the supply and demand of energy by-products within the industrial park and economic factors associated with the implementation of such a network. The model aims to find the optimal composition of an energy network by combining energy conversion technologies, energy storage solutions, possibilities of mutualizing infrastructure, the treatment of energy by-product flows and the possibility of the addition of complementary companies.