Télécharger le fichier original (Mémoire de fin d’études)
Positionnement du sujet
Le cinquième rapport du GIEC (Groupe d’experts Intergouvernemental sur l’Évolu-tion du Climat) conclut « Les activités humaines, notamment l’usage des énergies fossiles, a conduit à une hausse exceptionnelle de la concentration des gaz à effet de serre transfor-mant le climat à un rythme jamais vu par le passé » (Caroli, 2013). En 2016, les secteurs résidentiel et tertiaire représentaient 47 % de la consommation en énergie finale de la France métropolitaine (Ministère de la transition écologique et solidaire, 2018). Cette même année, 75 millions de tonnes de CO2 étaient émises par ces deux secteurs, ce qui correspond à 22 % des émissions de CO2 de la France métropolitaine (INSEE, 2017). La mise en place, pour les secteurs résidentiel et tertiaire, d’actions d’efficacité énergétique constitue un levier d’action notable pour réduire à la fois l’usage des énergies fossiles et les émissions de CO2. Un premier type d’action peut être mené en phase de concep-tion ou de rénovation des bâtiments en conférant à ces derniers des enveloppes et des systèmes performants. Un second type d’action peut être envisagé en phase d’utilisation des bâtiments, il s’agit de mettre en place une gestion optimisée des flux énergétiques : pilotage des installations de chauffage, ventilation et climatisation, gestion de l’éclairage, sensibilisation des consommateurs (Connaissance des énergies, 2011).
En s’intéressant de plus près à la gestion des flux énergétiques, on remarque qu’il existe d’importants déséquilibres entre l’offre et la demande électrique. Ces déséquilibres s’expliquent dans un premier temps par la thermo-sensibilité accrue du réseau électrique français 1 qui entraîne une pointe de consommation électrique aux alentours de 19h en hiver. Cette pointe de consommation résulte de la mise en service simultanée de nombreux appareils électriques : chauffage, appareils électroniques, éclairage, cuisson (RTE France, 2016). L’été, une pointe journalière, liée à la mise en service d’appareils de refroidissement est également observée aux alentours de 13h, elle est cependant moins importante qu’en
La thermo-sensibilité caractérise l’évolution des consommations en fonction de la température
hiver. Pour faire face à ces pointes de consommation, les fournisseurs d’électricité activent des moyens de production émettant davantage de CO2 (fioul, charbon).
La loi Grenelle 1 prévoit, d’ici à 2020, d’atteindre 23 % d’Énergies Renouvelables (EnR) dans le mix énergétique français (Légifrance, 2016) entraînant l’intensification du recours aux sources d’EnR décentralisées et intermittentes (énergie solaire, énergie éolienne). Ce recours constitue une seconde source de déséquilibre pour le réseau électrique. Pour contrer les déséquilibres entre l’offre et la demande électrique et ainsi réduire l’usage des énergies fossiles et les émissions de CO2, il convient d’étudier des stratégies de gestion en temps réel. Cela permet d’adapter la gestion électrique locale de manière optimale par rapport aux contraintes extérieures et à l’évolution du bâti. En effet, dans une configuration où la production électrique est centralisée et bien connue, l’approche non dynamique de la gestion de la demande présente déjà des limites et conduit à des mesures d’effacement. Ces limites sont d’autant plus importantes lorsqu’il faut gérer l’intégration au réseau de sources d’énergies renouvelables davantage fluctuantes. La transition du réseau actuel vers un réseau intelligent nécessite la mise en place d’une gestion dynamique de la demande (Muller et al., 2015). Une gestion optimisée des flux énergétiques nécessite l’utilisation de systèmes intelligents pour la mesure, le contrôle et la régulation. L’utilisation de ces systèmes intelligents est maintenant envisageable grâce au développement des réseaux intelligents (Farhangi, 2010).
Pour faciliter la transition énergétique vers la réduction des énergies fossiles, la réduc-tion des émissions de CO2 et l’intégration croissante de sources d’énergie renouvelables, il convient d’étudier des stratégies de gestion en temps réel permettant d’adapter la gestion énergétique locale de manière optimale par rapport aux contraintes extérieures et inté-rieures. Des leviers d’action supplémentaires existent à l’échelle de l’îlot, par exemple la mutualisation des productions et des consommations, voire le stockage d’énergie.
Objectifs scientifiques
La détermination d’une stratégie de gestion prenant en compte, sur un horizon de temps donné, les possibilités de mutualisation des consommations et des productions entre différents bâtiments d’un îlot nécessite de disposer de modèles appropriés. Ces modèles peuvent être utilisés pour élaborer un processus de commande prédictive qui consiste
à mettre à jour la stratégie de gestion à adopter en fonction des données d’observation (retour d’état) des bâtiments et des prévisions actualisées. La validation de cette approche sur une étude de cas constitue également un objectif.
Démarche proposée
Des modèles seront développés pour prendre en compte la mutualisation des consom-mations dans le cadre de la gestion énergétique à l’échelle d’un bâtiment multizone mêlant les usages résidentiel et tertiaire. Cette échelle constitue une première étape vers celle de l’îlot urbain.
Les modèles obtenus à l’échelle multizone seronts réduits afin de permettre la ges-tion en temps réel, qui impose certaines contraintes de temps de calcul. A partir des résultats obtenus par une méthode d’optimisation de référence (méthode « centralisée »), des méthodes plus rapides adaptées aux contraintes opérationnelles seront étudiées : les méthodes de décomposition-coordination. Les stratégies résultantes seront comparées à la stratégie de référence de manière à évaluer la variation de la fonction de coût, qu’il s’agit de minimiser. Des contraintes en terme de confort (niveau et vitesse de variation des températures) seront prises en compte.
Résultats attendus Les connaissances apportées en matière de contrôle-commande de systèmes complexes aideront à élaborer des stratégies de gestion en temps réel à l’échelle d’un îlot urbain, qui pourront par la suite donner lieu à une valorisation avec des partenaires industriels.
Table des matières
Remerciements
Introduction
Positionnement du sujet.
Objectifs scientifiques
Démarche proposée
Résultats attendus
1 État de l’art
1.1 Introduction
1.2 Potentiel de gestion énergétique à l’échelle de l’îlot de bâtiments.
1.2.1 Gestion de la demande énergétique.
1.2.2 Gestion des sources d’énergie décentralisées
1.2.3 Stockage de l’énergie : une source de flexibilité
1.2.4 Conclusion sur le potentiel de gestion énergétique à l’échelle de l’îlot de bâtiments.
1.3 Régulation des bâtiments.
1.3.1 Les sytèmes de régulation sans modèle de bâtiment
1.3.2 Les systèmes de régulation avec modèle de bâtiment
1.4 Principe de la commande prédictive
1.4.1 Principe de la commande optimale.
1.4.2 Méthodes de résolution de la commande optimale
1.5 Résolution de la commande optimale à l’échelle des grands systèmes.
1.5.1 Approche de résolution centralisée.
1.5.2 Approche décentralisée
1.5.3 Approche décomposée-coordonnée.
1.5.4 Méthodes de décomposition-coordination dans le cas d’un couplage
par les commandes
1.5.5 Décomposition-coordination dans le cas de l’existence de variables
d’interconnexion
1.5.6 Conclusion.
2 Modèles et algorithme nécessaires à la régulation multizone
2.1 Introduction
2.2 Modèle thermique dynamique des bâtiments
2.2.1 Maillage et formulation du modèle thermique dynamique associé
une zone thermique sous COMFIE.
2.2.2 Formulation des modèles thermiques de zone pour la recherche
décomposée-coordonnée de la commande optimale
2.2.3 Formulation du modèle thermique pour la recherche centralisée de
la commande optimale
2.3 Modèle de climat.
2.4 Modèle d’occupation.
2.5 Recherche de la commande optimale monozone
2.5.1 Principe des méthodes de pénalisation intérieure
2.5.2 Algorithme de commande optimale monozone
2.6 Conclusion
3 Prise en compte d’une contrainte de confort sur la variation de la température
3.1 Introduction
3.2 Recherche de la commande optimale monozone avec prise en compte d’une contrainte sur la variation de la température
3.2.1 Énoncé du problème de commande optimale
3.2.2 Changement de variable et reformulation du problème de commande optimale.
3.2.3 Minimisation de l’hamiltonien.
3.2.4 Algorithme de commande optimale monozone avec prise en compte
d’une contrainte sur la variation de la température.
3.3 Application à un cas d’étude
3.3.1 Présentation du cas d’étude
3.3.2 Sollicitations extérieures
3.3.3 Sollicitations intérieures
3.3.4 Contraintes.
3.3.5 Tarif de l’électricité
3.3.6 Implémentation de l’algorithme.
3.3.7 Résultats.
3.4 Conclusion
4 Stratégies de gestion énergétique en temps réel à l’échelle bizone, cas de l’existence de couplages thermiques entre zones
4.1 Introduction
4.2 Énoncé du problème de commande optimale bizone global
4.2.1 Critère d’optimisation
4.2.2 Contrainte dynamique
4.2.3 Contraintes d’état
4.2.4 Contraintes de commande
4.3 Algorithme centralisé de résolution du problème de commande optimale bizone
4.3.1 Méthode de pénalisation intérieure.
4.3.2 Application du principe du minimum de Pontryagin
4.3.3 Description de l’algorithme centralisé.
4.4 Algorithmes décomposés-coordonnés de résolution du problème de commande optimale bizone.
4.4.1 Algorithme 1 : algorithme décomposé-coordonné par les prix
4.4.2 Algorithme 2 : algorithme décomposé-coordonné par relaxation de
l’estimation de la température de la zone adjacente
4.4.3 Algorithme 3 : algorithme décomposé-coordonné par les prédictions
4.5 Comparaison des algorithmes sur un exemple pédagogique
4.5.1 Présentation de l’exemple pédagogique
4.5.2 Résultats de la comparaison des algorithmes
4.6 Application de la commande optimale bizone à un cas d’étude.
4.6.1 Présentation du cas d’étude
4.6.2 Réduction du modèle thermique.
4.6.3 Résultats de l’application de la commande optimale.
4.6.4 Réinjection dans le modèle complet
4.7 Application de la commande prédictive bizone à un cas d’étude
4.7.1 Observateur asymptotique
4.7.2 Définition du régulateur
4.7.3 Fonctionnement de la commande prédictive
4.7.4 Résultats de l’application de la commande prédictive.
4.8 Extension à quatre zones
4.8.1 Présentation du cas d’étude.
4.8.2 Application de la commande prédictive
4.9 Conclusion du chapitre
5 Stratégie de gestion énergétique en temps réel à l’échelle bizone, partage de la ressource
5.1 Introduction
5.2 Énoncé du problème de commande optimale bizone
5.3 Algorithme centralisé
5.4 Algorithmes décomposés-coordonnés.
5.4.1 Énoncé du problème de commande optimale décomposé-coordonné
5.4.2 Algorithme 1 : algorithme décomposé-coordonné par les prix
5.4.3 Algorithme 2 : algorithme décomposé-coordonné par relaxation
l’estimation du profil de puissance de la zone voisine.
5.5 Application de la commande prédictive bizone à un cas d’étude
5.5.1 Présentation du cas d’étude.
5.5.2 Résultats de l’application de la commande optimale.
5.5.3 Résultats de l’application de la commande prédictive.
5.6 Combinaison des deux types de couplages.
5.6.1 Résultats de l’application de la commande prédictive avec les deux
types de couplage
5.6.2 Application à un cas de climatisation
5.6.3 Minimisation des émissions de CO2
5.6.4 Perspective de prise en compte d’une contrainte sur la variation
la température
5.6.5 Extension à quatre zones
5.7 Conclusion
Conclusion générale
Bilan du travail réalisé
Perspectives
A Annexe : réduction équilibrée
A.1 Concepts de commandabilité et d’observabilité.
A.1.1 Commandabilité.
A.1.2 Observabilité.
A.2 Principe de la réalisation équilibrée
A.3 Principe de la réduction équilibrée
B Annexe : réduction décomposée
C Annexe : analyse de l’horizon d’optimisation
D Annexe : résultats de l’application de la commande prédictive dans le
cas de quatre zones avec couplages thermiques
E Annexe : variation de la température dans le cas de la climatisation
