Contexte
Ce travail s'inscrit dans la continuité des activités de la GBU Networks d'ENGIE, qui adapte ses infrastructures gazières régulées (portées notamment par sa filiale NaTran, ex-GRTgaz) au transport des molécules décarbonées (hydrogène et CO2) en complément de ses réseaux électriques.
Trois émetteurs industriels synthétiques (une cimenterie, une aciérie et un site pétrochimique) capturent chacun du CO2 en continu, avec des profils horaires propres à leur procédé. Pris isolément, aucun de ces flux ne justifie économiquement un corridor de transport dédié. Agrégés, ils représentent un volume suffisant pour amortir une chaîne logistique commune.
Ce rapport modélise cette chaîne agrégée (compression, stockage tampon et flotte de camions de distribution) et évalue sa performance à travers les mêmes types d'indicateurs que pour l'hydrogène vert : la part de CO2 capté non valorisée (wasted_capture), la part perdue au stockage (wasted_storage), les pertes par évaporation (boiloff_loss), le CO2 effectivement livré (delivered_total) et le coût actualisé du transport (LCOT).
Le cas d'usage s'inspire des projets de corridors CO2 portés par NaTran, GOCO2 (Grand Ouest) et DKHARBO(Dunkerque), ainsi que de l'appel à manifestation d'intérêt inter-régional CO2 (Hauts-de-France, Grand Est, Normandie, Île-de-France) qui s'est clos le 28 février 2026 en identifiant 16,7 millions de tonnes de CO2 potentielles. La structure du modèle reprend, à l'identique, les trois étages de la chaîne hydrogène : la capture/compression (équivalent de l'électrolyseur, capacité C), le stockage tampon de CO2 liquide (équivalent du stockage, capacité S) et l'évacuation par camions ou navette ferroviaire (équivalent de la flotte de camions, N), solution de transition en attendant la mise en service du pipeline dont la décision finale d'investissement est visée entre 2028 et 2031. Le KPI cible est le LCOT (Levelized Cost of Transport, en €/tonne de CO2), pendant du LCOH côté hydrogène.
Objectifs
L'objectif du projet est de déterminer les paramètres optimaux d'un corridor de transport de CO2 composé d'un train de compression, d'un stockage tampon et d'une flotte de camions, de manière à minimiser le coût de transport du CO2 (LCOT) tout en valorisant au mieux le CO2 capté par les émetteurs agrégés.
La démarche suit une chaîne de modélisation en plusieurs étapes : à partir des séries horaires de CO2 capté par les trois émetteurs, le modèle simule heure par heure la compression, la gestion du stockage tampon (y compris les pertes par évaporation) puis la distribution par camions, avant d'agréger les résultats économiques et techniques sur l'horizon du projet.
Modélisation technique du train de compression
À chaque heure, le débit de CO2 disponible est plafonné à la capacité installée C, puis converti en débit comprimé via un rendement qui suit la même forme de courbe de charge partielle exponentielle que l'électrolyseur du modèle hydrogène (fonction etaCompression) : plus le débit instantané s'approche de la capacité installée, plus le rendement de compression se rapproche de 1 ; à charge partielle, le rendement chute.
Algorithme génétique d'optimisation
Le design optimal (capacité de compression, capacité de stockage tampon, nombre de camions) est recherché par un algorithme génétique stochastique : chaque lancement explore une trajectoire différente. Le nuage 3D ci-dessous s'anime génération après génération et converge vers le vert (LCOT faible).
La simulation peut s'arrêter avant d'atteindre le nombre de générations configuré si aucune amélioration significative de la solution n'est observée sur plusieurs générations consécutives.
Scénario de distribution
Le CO2 comprimé est stocké temporairement dans un réservoir tampon avant d'être chargé sur des camions pour livraison.
Ce bloc introduit un effet physique absent du modèle hydrogène : le boil-off. À chaque heure, une fraction du CO2 déjà stocké s'évapore et est perdue, proportionnellement au niveau stocké à l'heure précédente (taux annuel converti en taux horaire). Le modèle hydrogène n'a pas d'équivalent : une fois stocké, l'hydrogène comprimé ne se dégrade pas dans le temps.
Une fois le boil-off déduit, la capacité de stockage disponible limite la quantité de CO2 comprimé pouvant être stockée : tout excédent dépassant cette capacité est perdu (wasted). Dès que le niveau stocké franchit un seuil donné et que des camions sont disponibles, le système charge et envoie le maximum de camions possible, qui sont alors marqués indisponibles pendant un nombre fixe d'heures correspondant au temps d'aller-retour, avant de revenir dans le pool disponible (une logique de répartition identique à celle du modèle hydrogène, ici relabellisée en unités de masse de CO2).
Résultats
- Permet de valoriser la majorité du CO2 capté par les trois émetteurs agrégés.
- Les pertes au stockage et par évaporation (
boiloff_loss, de l'ordre de 0,0005 % du CO2 comprimé) restent marginales devant la part de capture non valorisée. - Le coût de transport obtenu reste compatible avec les ordres de grandeur publiés pour le CCUS routier.
Conclusion et perspectives
Ce rapport a étudié un corridor de transport de CO2 agrégeant le CO2 capté par trois émetteurs industriels synthétiques (cimenterie, aciérie, site pétrochimique). Les résultats montrent qu'un dimensionnement conjoint de la compression, du stockage tampon et de la flotte de camions permet de valoriser une large part du CO2 capté à un coût de transport maîtrisé. La chaîne modélisée (train de compression, stockage tampon avec boil-off et flotte de camions) admet, sur l'exécution de l'algorithme génétique réalisée pour ce rapport, un dimensionnement optimal de 422 tCO2/h pour la compression, 6 129 m³ de stockage tampon et 263 camions, pour un LCOT de 41,58 €/tCO2 et un volume livré de 3 623 088 tsur l'année simulée, soit environ 21,6 % du CO2 capté laissé non valorisé et moins de 0,5 % perdu au stockage ou par évaporation.
Plusieurs pistes restent à explorer : affiner la courbe de rendement du train de compression (actuellement reprise de la forme du modèle hydrogène, sans source spécifique au CO2), mener une analyse de sensibilité sur le taux de boil-off et les contraintes du modèle, explorer d'autres modes de transport comme les pipelines pour les corridors à fort volume, et dériver de cette étude une loi empirique permettant d'estimer directement les variables optimisées en fonction du profil agrégé des émetteurs.