Methodology to identify the key variables driving the techno-economic feasibility of Trigeneration – Thermal Storage systems
Méthodologie pour identifier les variables clés conduisant à la faisabilité technicoéconomique de la trigénération - systèmes de stockage thermique
Résumé
Trigeneration systems with thermal storage (CCHP-TS) contribute to the distributed generation of energy and the reduction of greenhouse gas emissions. Nevertheless, it is important to assess their techno-economic feasibility to ensure long-term implementation. Moreover, determining and characterizing the influential variables is essential to identify the most viable application fields. Potentially, this could foster the interest of project managers, investors, and policymakers, therefore encouraging the adoption of this technology. Several authors suggest that energy prices and loads are important variables for the techno-economic feasibility of CCHP-TS systems. Particularly they have explored the Spark Spread rate, a ratio between the cost of electricity from the grid and the CHP fuel. However, just a few studies are assessing the prices and loads together, with some limitations in their model, the technology analyzed, or even the resolution of the loads. As the literature reveals that energy prices and loads size are important variables, this study aims to analyze two hypotheses proposed: 1) There is a combination of energy prices and the size of the annual energy loads that makes techno-economically feasible a CCHP-TS system; 2) The energy prices (electricity and natural gas) should be considered separately instead of consolidating them into the spark spread rate (SS). The analysis is divided into two phases. The first one is an exploratory analysis aiming to demonstrate that the model for CCHP-TS is relevant and sensitive to the variables of analysis (energy prices and loads). The second is a rigorous sensitivity analysis and the comparison of three approaches: Morris, Sobol, and VARS. The results state that energy prices and the annual size of the electric load are the most relevant variables on the feasibility of a CCHP-TS system. The order of relevance between the energy prices relies on the measure used for the economic performance: either absolute (expressed in the amount of savings [in US dollar(s)]) or relative (expressed in the percentage of savings [%]). But in both cases, the price of the fuel is the variable with the largest interaction effects. The methodology of the first phase incorporates tools such as full factorial design of experiments (DoE), DER-CAM simulation and optimization tool, and a novel combination of k-Means clustering and multicriteria decision making (MCDM). For the second phase, it is mainly the use of global sensitivity analysis methods and the adaptation of a CCHP-TS model into the programming language Python, using the optimization library PYOMO and the solver CPLEX. In this second phase, the implementation of the three sensitivity analysis methods allowed identifying their advantages and limitations. Moreover, this complementarity thereby reinforced the techno-economic feasibility analysis.
Les systèmes de trigénération couplés à du stockage thermique (CCHP-TS) contribuent à la production distribuée d'énergie et à la réduction des émissions de gaz à effet de serre. Néanmoins, il est important d'évaluer leur faisabilité technico-économique pour assurer une mise en oeuvre à long terme. Par ailleurs, la détermination et la caractérisation des variables influentes sont essentielles pour identifier les domaines d'application les plus viables. Potentiellement, cela peut stimuler l'intérêt des chefs de projet, des investisseurs et des décideurs politiques, encourageant ainsi l'adoption de cette technologie. Plusieurs auteurs suggèrent que les prix et les demandes en énergies (électricité, chaleur et froid) sont des variables importantes de la faisabilité technico-économique des systèmes CCHP-TS. Ils ont notamment utilisé le ratio Spark Spread (SS) qui est le rapport entre le coût de l'électricité du réseau et le combustible de cogénération. Cependant, seules quelques études évaluent l’influence combinée des prix et de la demande en énergies, avec certaines limites dans leur modèle, la technologie analysée ou même la résolution temporelle de la demande. Comme la littérature révèle que les prix de l'énergie et les niveaux de demandes sont des variables importantes, cette étude propose et analyse deux hypothèses : 1) Il existe un couplage entre les prix de l'énergie et la variabilité des demandes en énergies qui influe techniquement et économiquement sur la faisabilité des systèmes CCHP-TS; 2) Les prix de l'énergie (électricité et gaz naturel) doivent être considérés séparément plutôt que d’utiliser le ratio Spark Spread. Le travail est divisé en deux phases. La première est une analyse exploratoire visant à démontrer que le modèle utilisé de CCHP-TS est pertinent et sensible aux variables d'analyse (prix et demandes énergétiques). La seconde est une analyse de sensibilité rigoureuse qui permet de plus une comparaison de trois «approches» : Morris, Sobol et VARS. Les résultats indiquent que les prix de l'énergie et l’importance de la demande électrique sont les variables les plus importantes pour garantir la faisabilité d'un système CCHP-TS. L'ordre d’importance entre les prix de l'énergie diffère selon que l’indicateur de performance économique utilisé soit absolu (montant d'économies réalisées [en dollar(s) US]) ou relatif (pourcentage d'économies réalisées [%]). Dans les deux cas, le prix du carburant est la variable ayant un effet d'interaction avec les autres variables le plus importants. La méthodologie de la première phase intègre des outils tels que le plan d'expériences factoriel complet, l'outil de simulation et d'optimisation DER-CAM et une nouvelle combinaison de la méthode de clustering k-Means et d’une méthode d’aide à la décision multicritère (MCDM). Pour la deuxième phase, il s'agit principalement de l'utilisation des méthodes globales d'analyse de sensibilité et de l'adaptation d'un modèle CCHP-TS programmée en langage Python qui utilise la bibliothèque d'optimisation PYOMO et le solveur CPLEX. Dans cette deuxième phase, la mise en oeuvre des trois méthodes d’analyse de sensibilité a permis une identification des avantages et limites de chacune. L’analyse de la faisabilité techno-économique s’en trouve renforcée en utilisant leurs complémentarités.
Domaines
Génie des procédés
Origine : Version validée par le jury (STAR)