Laboratoire des Écoulements Géophysiques et Industriels




Nos tutelles

CNRS

Nos partenaires

Rechercher


Accueil > Équipes > Equipe MOST : MOdélisation et Simulation de la Turbulence > Recherches en cours

Optimisation numérique des performance d’un gazosiphon utilisés comme pompe

Thèse de Bastien Monmarson

Financement : ANR UFO

Les travaux effectués dans cette thèse portent sur l’analyse par voie numérique des performances d’un gazosiphon de grande échelle (d’une longueur de l’ordre du kilomètre) utilisé comme pompe à des fins énergétiques et environnementales. Cette analyse inclut la prise en compte dans l’évaluation de ces performances des incertitudes physiques et de modélisation qui existent dans la description du système. Ce volet du travail motive le financement de cette thèse par le projet ANR "Uncertain Flow Optimization". 
Une analyse à moindre coût des caractéristiques globales du gazosiphon est tout d’abord développée, afin de disposer d’un code de calcul dont les temps d’exécution sont compatibles avec une démarche d’optimisation et de quantification d’incertitudes qui suppose la simulation de très nombreuses configurations. Un gazosiphon utilisé comme pompe consiste en une conduite verticale immergée dans laquelle on injecte du gaz à son pied et éventuellement à plusieurs autres hauteurs. L’ascension des bulles de gaz le long de la conduite entraîne le liquide vers le haut, produisant un effet de pompage. La modélisation numérique retenue s’appuie sur un modèle de mélange quasi-1D à flux de dérive. Un traitement numérique implicite original est développé pour résoudre efficacement ce modèle hyperbolique.
Ce dispositif est replacé dans des systèmes géothermiques pour lesquels un gazosiphon se substitue à la pompe en fond de puits pour remonter l’eau chaude ; tout en gardant la préoccupation de limiter l’impact environnemental, on souhaite optimiser de tels systèmes pour maximiser leur efficacité énergétique.
Cette optimisation est réalisée en faisant appel à un logiciel d’optimisation commercial, ModeFrontier, qui donne notamment accès à des approches globales de type Algorithmes Génétiques ou Particle Swarm Optimization bien adaptées au problème multi-objectifs et sous-contraintes à résoudre. La prise en compte des incertitudes, par le biais d’une démarche non-intrusive de type Chaos Polynomial, permet de mener également une optimisation robuste.