Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

The aluminium industry is an important GHG producer due to its carbon dioxide emissions but also due to the perfluorocarbons (PFC) emissions emitted during a detrimental event known as anode effect (AE). The doctoral project presented in this thesis was realised to increase the understanding of the different mechanisms leading to the generation of PFC, in order to facilitate the quantification of PFC while facilitating a reduction of the total emissions. Globally, a smelter’s PFC emissions are estimated using linear models based on monthly performance indicators. However, the precision of these methodologies is dependent on the total number of AE occurrence and new models are now necessary to assure adequate estimations of PFC emissions. During this project, multiple measurement campaigns were performed to assign specific CF4 and C2F6 amounts for each respective AE detected by the control system. Based on more than one thousand individual measurements, new models were proposed and compared to the already existing methodologies. The model considered with the best potential to be used widely across the industry, in terms of simplicity and efficiency, considers the PFC emission rate as a non-linear function of the polarised AE duration. Validation was performed based on data acquired in 7 different smelters to confirm an improved predictive efficiency. However, it also demonstrated that the line current has an important impact on the emission rate of PFC emissions. It was necessary to incorporate an additional variable into the equation to reach a higher level of precision. Finally, a generic model was developed with the ability to estimate the PFC emissions resulting from individual AE for cell technologies using prebaked anodes and line current higher than 440 kilo amperes. The second aspect of the project is related to low voltage anode effect (LVAE) where a thorough study of the mechanism leading to their generation was performed. Based on gas composition measurements performed on individual cells, a first published model was established allowing quantification of PFC emissions resulting from LVAE. The measured accuracy of the model is ±25% for 2/3 of the studied scenarios. A sensitivity analysis was performed afterward on the model and the standard deviation among individual anode currents was found to be the variable having the best correlation with the presence of LVAE. It was also demonstrated that improvements in the gas extraction technique should lead to a better representativeness of the cell global condition, which is necessary in order to increase the predictive capability of the LVAE algorithm. A transient mathematical model was developed to simulate the local alumina concentration and current density in an electrolysis cell for the 20 different anodic assemblies. Henceforth, it is possible to evaluate the homogeneity of the current distribution and predict if specific operation scenarios are more at risk to generate PFC emissions. Industrial measurements confirmed that a good correlation exists between the simulator and the reality for both the evolution of the alumina distribution and the LVAE predictive capability. Finally, the knowledge acquired during this project and the proximity of the industrial partner allowed the development of a control algorithm to detect PFC generation while automatically launching a corrective action to eliminate the threat. Usage of this preventive treatment allowed a reduction of more than 50% on the AE frequency and a reduction of almost 50% related to the cell instability without any negative impact on other key performance indicators.

L’industrie de l’aluminium est une importante productrice de GES à l’échelle nationale tant par ses émissions de dioxyde de carbone que par ses émissions de perfluorocarbures (PFC) qui émanent lors d’un événement néfaste communément appelé effet anodique (EA). Le projet de doctorat discuté dans le présent document a été mis en place pour accroître la compréhension des mécanismes qui entraînent des émissions de PFC de façon à faciliter leur quantification tout en minimisant les émissions totales. Globalement, les émissions de PFC pour une usine sont actuellement quantifiées en utilisant des modèles linéaires qui nécessitent des indicateurs de performance mensuels. Ces méthodologies sont toutefois imprécises pour une faible fréquence d’EA et de nouveaux modèles sont désormais nécessaires pour assurer une quantification adéquate des émissions de PFC. Au cours du projet, plusieurs campagnes industrielles de mesure d’émissions ont été réalisées pour associer une quantité de CF4 et de C2F6 spécifique à chacun des EA respectifs détecté par le système de contrôle. En se basant sur plus de mille EA individuels mesurés, de nouveaux modèles ont pu être proposés et ceux-ci ont été comparés avec les modèles déjà existants établis. Le modèle considéré comme ayant le meilleur potentiel (simple et efficace) pour une utilisation à travers l’ensemble de l’industrie considère une évolution non linéaire de la quantité de PFC émise en fonction de la durée de polarisation mesurée pendant l’EA. Une validation basée sur les performances de sept usines a permis de confirmer une meilleure précision du modèle proposée. Toutefois, l’ampérage de l’usine à un impact considérable sur le rythme d’émission des PFC. Il a donc été nécessaire d’incorporer une seconde variable dans l’équation pour un meilleur degré de précision. Ainsi, le modèle générique développé permet de quantifier individuellement les émissions de PFC issues d’EA pour toutes les technologies utilisant des anodes précuites et ayant un ampérage inférieur à 440 kilo ampères. Le deuxième volet du projet touche les effets anodiques à bas voltage (EABV) en mettant l’emphase sur les mécanismes entraînant leur génération. À partir de mesure de composition des gaz de cuves individuelles, un premier modèle publié a été mis en place permettant de quantifier les émissions de PFC issues d’EABV. Ce modèle a une précision de ±25% pour le 2/3 des cas observés. Une analyse de sensibilité performée sur ce modèle a permis de déterminer que l’écart-type de courant anodique individuel est le paramètre ayant la meilleure corrélation avec les émissions de PFC issues d’EABV. Il a également été possible de démontrer qu’un changement dans la méthode d’échantillonnage des gaz offrirait une meilleure représentativité du comportement de la cuve, ce qui est nécessaire pour atteindre une précision plus élevée de l’algorithme de prédiction des EABV. Un modèle mathématique transitoire a été développé permettant de simuler l’évolution de la distribution locale d’alumine et la densité du courant dans une cuve d’électrolyse pour les 20 ensembles anodiques de la cuve. Il est donc possible d’évaluer l’homogénéité de la distribution du courant et de prédire si certains scénarios d’opération sont plus à risque de générer des PFC. Des mesures industrielles ont permis de confirmer une bonne corrélation entre le simulateur et la réalité, autant au niveau de l’évolution de la concentration d’alumine que pour la prédiction d’EABV. Enfin, les connaissances acquises au cours du projet et la proximité du partenaire industriel ont permis la mise en place d’un algorithme de contrôle des cuves qui détecte la production de PFC dans la cuve et lance automatique un traitement correctif qui agit pour éliminer cette problématique. Cette action corrective a permis une réduction de plus de 50% de la fréquence des EA ainsi qu’une réduction de près de 50% de l’instabilité des cuves étudiées sans affecter de façon négative les autres indicateurs clés de performances.