Des scientifiques dévoilent une technologie de jumeau numérique pour réduire les pertes d'énergie dans les systèmes de stockage d'énergie
Des scientifiques de l'Université de Sharjah ont développé une technologie avancée de jumeau numérique conçue pour reproduire l'énergie renouvelable stockée dans des réservoirs, améliorant ainsi considérablement leur efficacité et leur fiabilité. L'équipe présente les détails de leur invention, appelée « jumeau numérique basé sur les données », dans un article publié dans la revue Énergie.
« Notre étude présente un jumeau numérique basé sur les données, une réplique virtuelle d'un système physique réel, conçu pour les systèmes de stockage d'énergie à air comprimé (CAES) », a déclaré l'auteur principal Concetta Semeraro, professeur adjoint au département d'ingénierie industrielle et de gestion de l'université.
« Le modèle de simulation numérique utilise des capteurs, des analyses statistiques et l'apprentissage automatique (en particulier l'analyse de concepts relationnels) pour détecter les premiers signes de défauts avant qu'ils ne deviennent graves. »
Les systèmes CAES offrent une solution durable pour stocker les surplus d'énergie renouvelable en comprimant l'air dans des réservoirs et en le relâchant ensuite pour produire de l'électricité à la demande. Cependant, leurs performances peuvent être compromises par des problèmes tels que des fuites d’air, des frottements mécaniques ou des surcharges du générateur, réduisant ainsi l’efficacité et la fiabilité.
« Ce travail présente la mise en œuvre expérimentale d'un jumeau numérique pour un système CAES, utilisant un système de détection conçu avec des capteurs (positionnés) pour détecter les défauts en collectant les lectures du système dans diverses conditions », écrivent les auteurs.
« Grâce aux modèles invariants développés pour le système CAES, il a été possible de créer un jumeau numérique pour prédire les trois défauts possibles du système : défaut de fuite (F1), défaut de couplage (F2) et défaut de charge (F3).
Le modèle virtuel des auteurs identifie les modèles de données opérationnelles, tels que la température, la pression et la tension, et les stocke dans une bibliothèque de modèles. « Ces modèles forment une architecture modulaire et réutilisable, ce qui signifie qu'une fois qu'un modèle est reconnu et catalogué, il peut être appliqué ou étendu à d'autres systèmes avec une refonte minimale », explique le Dr Semeraro.
L'étude montre que « la polyvalence de l'approche du jumeau numérique suggère son application potentielle pour relever divers défis rencontrés dans les systèmes CAES, et que la méthodologie utilisée est prometteuse pour une adaptation à d'autres systèmes ».
Ils soulignent en outre que leur « article contribue à la méthodologie proposée pour utiliser le concept de « modèles de modélisation » », en introduisant « des modèles supplémentaires pour contribuer à la bibliothèque de modèles de jumeaux numériques existante ».
Les chercheurs rapportent que leur jumeau numérique nouvellement conçu peut refléter en permanence le système CAES en temps réel. Leur modèle virtuel, affirment-ils, est équipé de capteurs basés sur Arduino et a été validé expérimentalement pour garantir précision et fiabilité.
L’un des principaux enseignements de l’étude est la façon dont le jumeau numérique agit comme un miroir intelligent de son sosie énergétique physique, avec la capacité de prédire les problèmes potentiels avant qu’ils ne surviennent et de surveiller en permanence le système pour détecter les anomalies en temps réel.
Un autre élément clé est que le jumeau numérique peut fonctionner efficacement sans recourir au Big Data ou à une informatique coûteuse. Au lieu de cela, il exploite l'apprentissage automatique non supervisé, ce qui signifie qu'il peut identifier des modèles à partir de données pré-étiquetées, ce que le Dr Semeraro décrit comme « un avantage majeur dans les environnements industriels ».
Les scientifiques affirment avoir construit et testé un système CAES pleinement opérationnel pour démontrer que leur jumeau numérique peut détecter les fuites et les défauts en temps réel. « En évitant les pannes et en optimisant les opérations, ce jumeau numérique contribue à réduire les coûts de maintenance et à accroître la fiabilité des énergies renouvelables », souligne l'auteur principal.
Les auteurs mettent en évidence de nombreuses implications pratiques et applications concrètes de leur jumeau numérique, soulignant son potentiel à améliorer considérablement les performances du système énergétique. En permettant une détection précoce des fuites et des problèmes mécaniques, le modèle permet de minimiser les temps d'arrêt et d'éviter des pertes d'énergie coûteuses.
En appliquant les principes de maintenance intelligente, les opérateurs peuvent recevoir des alertes dès que le système présente un comportement anormal, permettant ainsi une maintenance prédictive plutôt que des réparations réactives.
« L'architecture du système est construite autour de modèles de conception modulaires : des logiciels et des composants de données réutilisables qui peuvent être facilement reconfigurés ou étendus pour de nouveaux systèmes », a déclaré le Dr Semeraro. « Cela garantit que les améliorations apportées à une application énergétique peuvent être directement transférées à d'autres, réduisant ainsi considérablement le temps et les coûts de développement. »
La conception est modulaire et réutilisable, offrant une évolutivité à l'échelle du système avec la possibilité d'appliquer la même architecture à d'autres systèmes énergétiques, tels que des batteries, des turbines ou des unités de stockage d'hydrogène, avec un recalibrage minimal, selon les auteurs.
« La méthodologie proposée pour les jumeaux numériques intègre l'acquisition de données en temps réel, des techniques de modélisation basées sur les données et la formalisation d'une bibliothèque de modèles pour améliorer la conception des jumeaux numériques et identifier les défaillances potentielles », notent les auteurs.
La méthodologie propose une approche holistique combinant des algorithmes d'apprentissage automatique non supervisés avec une bibliothèque de modèles structurés pour améliorer la conception et l'adaptabilité du jumeau numérique, a souligné le Dr Semeraro.
