Contexte
Le nucléaire constitue depuis longtemps une source d'électricité fiable, utilisée comme socle de production pour réduire la dépendance aux énergies fossiles. La centrale nucléaire d'Oskarshamn, en Suède, illustre cet engagement et alimente une large part de la demande électrique régionale. Pour renforcer la durabilité du système énergétique, ce site est hybridé avec une production éolienne.
Cette hybridation pose toutefois un problème : la production éolienne est intermittente, et la puissance combinée éolien + nucléaire peut dépasser la capacité de transport du réseau électrique. Ce phénomène, appelé congestion réseau, entraîne pertes et risques pour la fiabilité du réseau si l'électricité excédentaire n'est pas valorisée.
L'hydrogène vert est ici proposé comme solution de valorisation : l'électricité produite au-delà de la limite réseau est utilisée pour alimenter un électrolyseur, plutôt que d'être perdue. Ce rapport modélise l'ensemble de la chaîne — électrolyseur, stockage comprimé et flotte de camions de distribution — et évalue sa performance à travers quatre indicateurs clés : la part d'électricité perdue, la part d'hydrogène perdu, le coût actualisé de l'hydrogène (LCOH) et la production annuelle d'hydrogène.
Objectifs
L'objectif du projet est de déterminer les paramètres optimaux d'une centrale hydrogène composée d'électrolyseurs, d'un stockage d'hydrogène comprimé et d'une flotte de camions de distribution, de manière à minimiser le coût de production de l'hydrogène tout en valorisant au mieux l'électricité excédentaire du site hybride.
La démarche suit une chaîne de modélisation en plusieurs étapes : à partir des données horaires de production éolienne et nucléaire ainsi que de la limite du réseau, le modèle simule heure par heure la production d'hydrogène, sa gestion en stockage puis sa distribution, avant d'agréger les résultats économiques et techniques sur une année complète.
Calculateur LCOH
Ajustez les paramètres de design de l'installation ci-dessous : la simulation heure par heure (8760 pas de temps) est entièrement recalculée à chaque mouvement de curseur.
Modélisation technique de l'électrolyseur
L'électrolyseur a été modélisé en Python : la puissance disponible chaque heure est plafonnée à sa capacité installée, puis convertie en débit d'hydrogène via un rendement faradique qui suit une courbe de charge partielle exponentielle, avant déduction des auxiliaires (environ 3 % de la puissance consommée). Le débit massique obtenu est ensuite converti en volume par la loi des gaz parfaits, puis comprimé à la pression de stockage. Ce modèle a été entièrement réimplémenté en TypeScript pour cette page, afin d'alimenter le calculateur interactif présenté ci-dessous.
Algorithme génétique d'optimisation
Le design optimal (capacité de l'électrolyseur, capacité de stockage, nombre de camions) est recherché par un algorithme génétique stochastique : chaque lancement explore une trajectoire différente. Le nuage 3D ci-dessous s'anime génération après génération et converge vers le vert (LCOH faible).
Scénario de distribution
L'hydrogène produit est stocké sous forme comprimée dans des réservoirs avant d'être distribué.
La distribution vers le port d'Oskarshamn est assurée par une flotte de camions (tube trailers).
La stratégie de répartition entre stockage et vente est gérée par la fonction hydrogen_management du modèle :
The hydrogen selling management is taken care of by the hydrogen_management function in the Python code. This function is in charge of handling the produced hydrogen in the storage and selling parts of the system. Below is a step-by-step guide to the dispatch strategy presented Figure 14. At the start of the function, a list of unavailabilities and the number of available trucks are set up. The function operates under the assumption that no hydrogen is sold during the first hour of operation. The function then proceeds to loop through each hour of the simulation duration. For every hour, the function first determines the amount of hydrogen that can be stored in the system based on the available storage capacity. If the amount of compressed hydrogen produced in that hour surpasses the available storage capacity, the excess hydrogen is discarded and the remaining amount is stored. If the amount of stored hydrogen reaches a specific threshold and there are trucks available, the system proceeds to sell hydrogen by filling up the maximum number of trucks possible. The number of trucks utilized and the amount of hydrogen sold are then documented. The trucks used are then marked as unavailable for a certain number of hours, which is also noted in a list of unavailabilities. If there are any trucks that are currently unavailable, the function verifies if they will become available in the next hour. If that is the case, the number of available trucks is modified accordingly. The function continues to loop through each hour of the simulation, managing the storage and selling of hydrogen based on the available capacity and truck availability. The function does not provide any value, but the system is updated with the amount of hydrogen wasted, stored, and sold for each hour. In summary, the hydrogen selling management in the energy system is responsible for managing the storage and selling of excess hydrogen produced by the system. The management is handled by the hydrogen management function, which calculates the amount of hydrogen that can be stored, sells hydrogen when possible based on truck availability, and updates the res dictionary with the relevant information.
Résultats
- Offre une solution d'hydrogène très abordable.
- Permet de récupérer une partie de l'électricité qui serait sinon perdue.
- Très peu d'hydrogène est lui-même perdu dans le processus.
Conclusion et perspectives
Ce rapport a étudié une centrale hybride nucléaire-éolien couplée à une production d'hydrogène. Les résultats montrent que l'intégration d'énergies renouvelables et nucléaires à une technologie de génération d'hydrogène constitue une approche prometteuse pour améliorer l'efficacité énergétique d'une centrale hybride tout en réduisant les risques de congestion réseau. L'analyse des KPIs souligne l'importance conjointe de l'efficacité énergétique et de la viabilité économique de tels systèmes. La chaîne de production d'hydrogène modélisée — un électrolyseur PEM, un compresseur, un réservoir de stockage et une flotte de camions (tube trailers) — admet un dimensionnement optimal de 49 161 kWpour l'électrolyseur, 326 m³ de stockage et 11 camions. Cette étude met ainsi en évidence le potentiel de solutions énergétiques innovantes pour construire une infrastructure électrique plus durable et plus fiable, tirant parti de l'excédent de production d'une centrale hybride.
Plusieurs pistes restent à explorer pour la suite de ce travail. Le modèle de l'électrolyseur pourrait être affiné : la puissance qui lui est fournie n'est pas constante, ce qui a nécessairement un impact sur son rendement et sa durée de vie, et le modèle actuel ne prend pas en compte l'ensemble des pertes du dispositif. Un modèle plus détaillé du stockage d'hydrogène pourrait également être développé.
Une analyse de sensibilité sur les deux contraintes du modèle permettrait par ailleurs d'évaluer leur impact respectif sur les indicateurs de performance.
De nouveaux scénarios de distribution pourraient également être explorés. Les pipelines, par exemple, constituent un moyen courant et économiquement avantageux de livrer de l'hydrogène gazeux à grande échelle lorsque la production et la demande sont élevées et qu'une infrastructure existe déjà, comme c'est le cas dans certaines régions à forte demande en hydrogène.
Enfin, une loi empirique permettant d'estimer directement les différentes variables optimisées pourrait être dérivée d'une telle étude.