Anomalies et consommation d’énergie des systèmes frigorifiques au CO2 dans les supermarchés
Le maintien au froid des produits alimentaires représente la plus grande part de la consommation d’énergie des supermarchés. Dans une étude récente, les anomalies les plus fréquentes dans les systèmes frigorifiques au CO2 des supermarchés ont été étudiées, ainsi que leur impact sur les performances du système.
Consommation d’énergie dans les supermarchés.
En Europe et aux États-Unis, la consommation moyenne d’énergie dans les supermarchés a été évaluée entre 320 et 800 kWh/m2 par an. En Espagne, par exemple, la consommation d’énergie moyenne est de 327 kWh/m2 par an, alors qu’elle est de 800 kWh/m2 par an en Pologne. Au Royaume-Uni, elle varie entre 400 et 740 kWh/m2 par an et aux États-Unis, elle est d’environ 600 kWh/m2 par an. [1] Le maintien au froid des produits est responsable de la plus grande part de la consommation d’énergie, évaluée entre 29% et 48 % selon diverses études en Europe. [1] Aux États-Unis, les systèmes frigorifiques représentent 40 à 60 % de la consommation totale d’électricité des supermarchés chaque année. [2]
Selon le Catalogue des mesures de rénovation pour les supermarchés proposé par l’équipe du projet Super-HEERO financé par l’UE, entretenir les systèmes frigorifiques de façon régulière permet de les maintenir dans les meilleures conditions de fonctionnement en termes d’efficacité et de réduction de la consommation d’énergie, à un faible coût d’investissement. [1] Par conséquent, les techniques de détection et de diagnostic des anomalies (FDD) peuvent servir à aider les opérateurs de systèmes frigorifiques de supermarchés à atteindre ces objectifs.
Impact de six anomalies courantes sur les performances d’un système frigorifique de supermarché au CO2
Dans une étude récente, les auteurs ont identifié des anomalies courantes dans un système frigorifique de supermarché au CO2 et ont compilé des bases de données expérimentales. Les bases de données ont été générés en utilisant un système frigorifique commercial à l’échelle du laboratoire, composé d’un rack de compresseur transcritique au CO2, d’un meuble de vente frigorifique à moyenne température (MT), d’un meuble de vente frigorifique à basse température (LT), d’un refroidisseur de gaz refroidi à l’air et de « fausses » charges MT et LT.
Les auteurs ont étudié l’impact sur les performances du système de six anomalies courantes, notamment : une porte ouverte du meuble de vente frigorifique LT, une accumulation de glace sur un serpentin d’évaporateur LT, une panne du détendeur de l’évaporateur LT, une panne du moteur du ventilateur de l’évaporateur MT, un blocage de l’arrivée d’air au condenseur et un blocage de l’arrivée d’air à l’évaporateur MT.
Les six anomalies sélectionnées ont affecté le fonctionnement du compresseur LT/MT en modifiant les états du frigorigène à l’aspiration du compresseur LT/MT et au refoulement. Les caractéristiques de fonctionnement de l’évaporateur LT ont été principalement affectées par les anomalies suivantes : porte ouverte du meuble de vente frigorifique LT, accumulation de glace et panne du détendeur de l’évaporateur LT. Les performances de l’évaporateur MT ont été très affectées par la défaillance du moteur du ventilateur de l’évaporateur MT et par le blocage de l’arrivée d’air. Le blocage de l’arrivée d’air au condenseur a principalement affecté le fonctionnement du condenseur.
Par exemple, les auteurs ont observé que l’anomalie « porte ouverte » nécessitait à l’évidence une charge de refroidissement plus importante et entraînait une augmentation de la consommation d’énergie. De plus, le compresseur était davantage sollicité pour répondre à la demande, ce qui a entraîné une augmentation de la température et de la pression de refoulement.
Sources
[1] Super-HEERO project. Renovation measure catalogue for supermarkets. https://super-heero.eu/wp-content/uploads/2021/01/RENOVATION-MEASURE-CATALOGUE-FOR-SUPERMARKETS.pdf
[2] Sun, J., Im, P., Bae, Y. et al. Dataset of low global warming potential refrigerant refrigeration system for fault detection and diagnostics. Sci Data 8, 144 (2021). https://doi.org/10.1038/s41597-021-00927-6