Other evolutionary procedures, like particle swarms, colonies of social insects (ants, bees) should be tested for solving multiobjective optimization problems related to NGTN.
Conclusions et perspectives
L’optimisation de réseaux de transport de gaz naturel (RTGN) est typiquement un problème multiobjectif où, par exemple, la consommation d’énergie dans les stations de compression doit être minimisée et le débit de gaz livré max- imisé. Toutefois, peu de travaux concernant l’optimisation multiobjectif de
RTGN sont décrits dans la littérature. L’objectif de cette étude est d’établir un
cadre général de formulation et de résolution des problèmes multiobjectif relat- ifs aux RTGN. De plus, ce travail fournit des résultats utiles sur le plan scien- tifique et de l’ingénierie, en déterminant les conditions optimales d’exploitation d’un réseau de façon à optimiser certaines fonctions objectif. Plusieurs tech- niques d’optimisation relevant des deux principales classes, scalarisation et évo- lutionnaire, peuvent être mises en œuvre en ingénierie. Ce travail illustre leur application sur plusieurs cas d’étude, couvrant un certain nombre de problèmes de génie des procédés. L’objectif est de choisir, pour une modélisation donnée d’un problème, la méthode numérique qui fournit une solution de qualité, en un temps de résolution raisonnable. Bien sûr, les variables et les fonctions objectifs diffèrent selon les problèmes mais, dans tous les cas, les variables sont continues dans ce mémoire.
Cette étude comparative conduit à retenir une procédure stochastique, plus précisément un algorithme génétique, dont l’adéquation au traitement de problèmes multiobjectif est unanimement reconnue, bien que les problèmes d’ingénierie puissent faire apparaître un nombre conséquent de contraintes, ce qui peut pénaliser ce type de procédure. Des solveurs adéquats de la boîte à
outils MATLAB (fmincon, fsolve), qui est reconnue comme un standard pour la résolution de problèmes de Process Systems Engineering, sont utilisés.
Enfin, un exemple didactique de RTGN est considéré pour une optimisation mono, bi et triobjectif. Un problème majeur soulevé par l’optimisation multi- objectif est la détermination d’une bonne solution, parmi toutes celles figurant sur un front de Pareto. Ainsi, après la phase d’optimisation, vient celle d’aide à la décision, en présence de choix multiples. De par sa nature subjective, ce problème peut être aussi complexe que l’optimisation multiobjectif elle-même. Certains outils génériques d’aide à la décision sont mis en œuvre pour déter- miner la meilleure solution sur un front de Pareto. La solution retenue sera celle qui dégrade le moins possible les valeurs fournies par l’optimisation monobjec- tif. Bien évidemment, le praticien industriel pourra prendre la décision finale, en considérant de plus des aspects internes à sa compagnie.
1
Modélisation des réseaux de transport de gaz naturel
La modélisation des réseaux de transport de gaz naturel est effectuée en se plaçant en régime stationnaire. Les principaux aspects intervenant dans cette modélisation concernent :
• Les équations de bilan matière et de transport ;
• Les propriétés des compresseurs exprimées par des courbes caractéris- tiques ;
• Des contraintes, telles que la pression opératoire maximale autorisée, la vitesse critique, la vitesse d’érosion, etc.
Dans ce travail, on considère des stations de compression composées de plusieurs compresseurs centrifuges en parallèle, dans la mesure où ce type de station est très répandu actuellement dans l’industrie gazière. Définir un modèle précis pour ce type de station est fondamental pour déterminer les modèles de stations encore plus complexes. Il convient de remarquer que le modèle s’adapte à différentes compositions du gaz naturel.
En complément de la modélisation mathématique, plusieurs fonctions objec- tifs et problèmes d’optimisation peuvent être considérés, de façon à améliorer les conditions opératoires du réseau. Trois types de problèmes ont été abordés :
1 Modélisation des réseaux de transport de gaz naturel
1.2 Maximisation du débit de livraison 149
la minimisation de la consommation de fuel dans les stations de compression, la maximisation du débit de gaz en sortie du réseau et la maximisation du pour- centage d’hydrogène injecté dans le réseau.
La stratégie proposée peut aider l’exploitant du réseau de gaz à répondre aux questions récurrentes suivantes :
• Connaissant la quantité de gaz à livrer à des points donnés du réseau, comment dois-je utiliser les compresseurs dont je dispose pour réduire la consommation d’énergie?
• En conséquent, comment dois-je fixer les pressions et les débits dans le réseau?
Il convient de remarquer que les valeurs de certains paramètres clés utiles au praticien (hauteur et efficacité isentropique) sont systématiquement reportées après la phase d’optimisation. Les résultats obtenus montrent que l’optimisation est un outil puissant pour déterminer les vitesses de rotation des compresseurs, et conduit à des réductions significatives de la consommation de fuel. Enfin, ce cadre de modélisation, qui conduit à l’optimisation des conditions opératoires d’un réseau, peut également aider à anticiper des variations qui peuvent sur- venir dans la composition du gaz, dans les débits de livraison et donc sur les
conditions de maintenance, et permet aussi de quantifier les émissions de CO2.