Corrélations technico-économiques pour la modélisation d'un système de trigénération pour bâtiments. Application sur le campus de l'Université Paris Nanterre
Notice bibliographique
Résumé
Deux défis majeurs sont à relever dans le secteur énergétique : (i) fournir une puissance plus élevée à une population mondiale croissante et (ii) identifier les sources fortement émettrices de gaz à effet de serre pour assurer une transition vers celles plus respectueuse de l'environnement. Pour relever ces deux défis, deux approches se combinent : produire une énergie verte au travers des énergies renouvelables et, consommer moins d'énergie pour fournir les mêmes services, en améliorant l'efficacité des procédés [1]. Le développement de machines de trigénération peut apporter une solution dans le secteur du bâtiment. L'optimisation de ces systèmes se fait en premier lieu par l'usage de sources renouvelables, comme la géothermie ou l'énergie solaire, et l'amélioration des rendements énergétique et exergétique [2]. L'objectif de ce travail concerne le développement de corrélations technico-économiques afin de compléter le modèle énergétique, exergétique et économique d'un système de trigénération, pour une application dans le secteur des bâtiments, plus particulièrement sur le campus de l'Université Paris Nanterre [3]. Le système de trigénération étudié est en phase de dimensionnement, qui fait suite à la Simulation Thermique Dynamique (STD) du bâtiment (COMFIE). Plusieurs configurations sont analysées, en utilisant plusieurs sources énergétiques (solaire, géothermique, puits canadien et combustion de biogaz). Le stockage thermodynamique est proposé par Batterie de Carnot et la mutualisation des échangeurs des machines ORC (Organic Rankine Cycle) et PAC (Pompe A Chaleur) [4]. Une machine à absorption (LiBr/eau) va assurer le rafraîchissement solaire des locaux en utilisant des panneaux solaires thermiques et le stockage thermodynamique. L'analyse thermodynamique sera complétée par une analyse thermo-économique, dans le but de minimiser le coût total du système [5]. Afin de permettre cette optimisation, il est donc nécessaire d'établir des corrélations reliant le coût et les performances de chaque composant (compresseur, pompe, turbine, évaporateur, condenseur, bouilleur, absorbeur etc). L'étude bibliographique montre qu'il est nécessaire d'actualiser et de compléter les corrélations publiées dans la littérature scientifique [2,6], pour une adaptation aux gammes de composants et aux conditions de fonctionnement visées par notre application. [1] Ministère de la Transition Ecologique, 2023, https://www.ecologie.gouv.fr/renovation-energetique [2] Beniasadi E et al., Exergy-economic analysis of a solar-geothermal combined cooling, heating, power and water generation system for a zero-energy building, International Journal of Hydrogen Energy, 2023, https://doi.org/10.1016/j.ijgydene.2023.01.186 [3] Grosu, L., Marin, A., Dobrovicescu, A., Queiros-Condé, D., Exergetic approach for a solar combined system: Organic Rankine Cycle and absorption cooling system, Int J Energy and Environmental Engineering (2016) 7(4): 449-459. doi:10.1007/s40095-015-0168-y [4] Olivier Dumont, Guido Francesco Frate, Aditya Pillai, Steven Lecompte, Michel De paepe, Vincent Lemort, Carnot battery technology: A state-of-the-art review, Journal of Energy Storage, Volume 32, 2020 [5]Tsatsaronis G., Moran MJ. Exergy aided cost minimization, Energy Conversion and Management, 1997;38:1535-42 [6] Grosu, L., Benelmir, R., FEIDT, M. Technico-économic simulation and optimization of a compression refrigerating machine, Energy Conversion \& Management Journal 1999, 40(15): 1651-1660,
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».