L’étude sur la décarbonation réalisée pour le compte de l’Université de Californie à Los Angeles (UCLA) représente un effort concerté visant à développer une stratégie globale pour réduire de 90 % ou plus ses émissions de carbone de portée 1 d’ici 2045. Celles-ci découlent directement des activités et des actifs de l’organisation, par exemple la combustion de carburant dans les véhicules, les chaudières et les fournaises lui appartenant.
L’étude a porté principalement sur la décarbonation de la centrale trigénération, en phase avec l’initiative plus large de l’Université de Californie visant à délaisser les combustibles fossiles et à appuyer les objectifs climatiques de l’État de Californie. Dans un paysage énergétique en pleine évolution, nos spécialistes en durabilité ont travaillé de concert pour dresser un portrait détaillé de l’utilisation de l’énergie et la marche à suivre.
Étudier des solutions
La centrale trigénération de l’UCLA génère de l’électricité, de la chaleur et de la climatisation pour tout le campus au moyen d’un réseau de vapeur et d’eau réfrigérée. À elle seule, elle est responsable de plus de 90 % des émissions de carbone de portée 1 de l’UCLA. Il était donc essentiel de réduire sa consommation énergétique et ses émissions. Pour décarboner le campus, il fallait décarboner la centrale.
Dans un premier temps, notre équipe a étudié les conditions actuelles et les utilisations sur le campus, notamment en analysant les émissions de carbone intrinsèque, l’utilisation de l’eau et la chaîne d’approvisionnement, et en modélisant les coûts en énergie. Puis, elle a exploré les solutions possibles en tenant compte des défis que l’UCLA pourrait rencontrer d’ici 2045. Par exemple, nos ingénieurs et ingénieures ont envisagé des technologies de pointe pour lesquelles peu de recherches ont été faites, comme l’hydrogène vert et les technologies des piles à combustible – des pistes pour permettre à l’UCLA d’atteindre ses objectifs.
Dans le cadre de l’étude et de l’élaboration de scénarios, notre équipe a également entraîné des algorithmes d’IA à l’aide de modèles de simulation pour prédire la demande énergétique, cerner les besoins de maintenance et optimiser l’utilisation de l’énergie pour l’avenir.