Thermal Hydraulics Research Papers - Academia.edu (original) (raw)

Résumé : L'exploitation excessive des ressources énergétiques fossiles pose aujourd'hui des problèmes liés au changement climatique, à leur épuisement et en conséquence à l'augmentation de leur prix. Ces problèmes nécessitent des... more

Résumé :

L'exploitation excessive des ressources énergétiques fossiles pose aujourd'hui des problèmes liés au changement climatique, à leur épuisement et en conséquence à l'augmentation de leur prix. Ces problèmes nécessitent des solutions innovantes, telles que le recours aux énergies renouvelables, afin d'en restreindre l'impact.

Les travaux présentés dans ce manuscrit s'attachent à répondre à cette problématique par l'intermédiaire d'une méthodologie d'optimisation énergétique, appliquée au secteur du bâtiment et notamment au poste de chauffage, l'un des plus gros consommateurs d'énergie en France. Cette méthodologie est basée sur la modélisation du procédé de chauffage considéré et d'un moyen de stockage énergétique, ainsi que sur le développement d'outils de contrôle prédictif exploitant la connaissance de perturbations futures.

Cette approche a été utilisée pour l'optimisation énergétique d'une chaufferie collective, gérée par la société Cofely GDF-SUEZ et qui alimente en eau chaude, via un réseau de chaleur, un quartier de La Rochelle. Un modèle modulaire de l'installation actuelle, dont le fonctionnement s'appuie sur un mix énergétique renouvelable et non renouvelable, a été développé à partir de mesures réalisées sur le site et de techniques de modélisation de types boite noire, boite grise ou boite blanche, en fonction de la connaissance disponible.

La chaufferie ne disposant pas d'un système de stockage, nous avons proposé une modification hydraulique afin d'en intégrer un. Le modèle de ce système a complété le modèle de la chaufferie. Pour la gestion du stockage, deux contrôleurs différents, dont l'un basé sur la commande prédictive optimale et exploitant des prédictions pour anticiper le comportement de la chaufferie, ont été proposés. Ces prédictions sont fournies par un module intégrant une analyse multi-résolution par décomposition en ondelettes et utilisant les réseaux de neurones artificiels.

Les résultats obtenus avec le contrôleur prédictif montrent que l'utilisation optimale d'un système de stockage permet d'améliorer de façon très significative le fonctionnement de la chaufferie. La consommation énergétique fossile, le coût de fonctionnement de l'installation, les émissions de CO2 et le taux de couverture de l'énergie fossile sont fortement réduits, tout en améliorant le respect des contraintes techniques de fonctionnement.

Abstract:

The excessive exploitation of fossil resources leads to problems related to climate change, their rarefaction and, as a consequence, to an increase of their prices. That is why one needs to find some innovative solutions, like the use of renewable energy, to limit the impact of such exploitation.

The work presented in this manuscript deals with a methodology about energy optimization, applied to buildings and focusing on heating systems, one of the largest sectors of energy consumption. This methodology is based on the modelling of both the heating process and the energy storage system as well as on the implantation of predictive controllers using knowledge about future disturbances.

The proposed approach has been used to optimize the functioning of a collective boiler, managed by Cofely GDF-SUEZ, which delivers hot water to a district of La Rochelle (France) via a distribution network. A modular model of the installation, which uses fossil and renewable resources to warm up water, has been developed thanks to measurements campaigns and, according to what information is available, using a combination of white, grey and black boxes.

With the aim of incorporating a storage system to the district boiler of La Rochelle, we proposed a hydraulic modification on it. First, the system model completed the boiler model. Next, two controllers were designed to optimize the storage process. One of these controllers is a model predictive controller and uses forecasted data to anticipate future behaviour of the district boiler. Forecasted data (about outdoor temperature and thermal power consumption) are provided thanks to a wavelet-based multi-resolution analysis and artificial neural networks.

The results obtained using the model predictive controller highlight that optimizing an energy storage system allows improving the district boiler functioning. The fossil energy consumption, the cost production, the CO2 emissions as well as the fossil energy coverage rate are significantly reduced, while improving the respect of some technical constraints.