Génération dynamique de stratégies de gestion énergétique : Application à une Gare.

Transcription

1 Génération dynamique de stratégies de gestion énergétique : Application à une Gare. Yanis Hadj-said 1, Stéphane Ploix 1, Julien Pouget 2, Caroline Berland 2 1 G-SCOP (46, avenue Félix Viallet Grenoble Cedex 1 - France) 2 SNCF R&I (40, avenue des Terroirs de France Paris Cedex 12 France) Prix Jeunes Chercheurs «René Houpert» RÉSUMÉ. La gestion énergétique dans les bâtiments passe par la modélisation de l enveloppe ainsi que des systèmes constituant le bâtiment. Les travaux présentés ci dessous représentent une solution pour le déploiement à grande échelle d un gestionnaire énergétique. La solution proposée consiste à encapsuler des modèles de parties constituantes dans des boites que nous nommons composants. Ces composants sont des modèles standardisés pour décrire un maximum de systèmes remplissant les mêmes fonctions. Le gestionnaire énergétique récupère ensuite l information nécessaire afin de réunir les composants constituant le bâtiment. Afin de mettre en pratique les notions développées nous avons étudié le cas d une gare ferroviaire constitué d un système de chauffage mixte basé sur une micro-cogénération à bois et une chaudière à gaz. ABSTRACT. Energy management in buildings through the envelope modeling and systems constituting the building. The work presented below represent a solution for the widespread deployment of an energy manager. It consist in an encapsulation of parts models of building in boxes which we call components. These components are standardized models describing maximum equipment performing the same functions. The energy manager retrieves the information needed to agglomerate the components constituting the building and generate global model that is specific to the building in question. To apply the concepts developed we studied the case of a railway station central heating system with wood cogeneration and gaz heater sources. MOTS-CLÉS : Gestion énergétique, Déploiement, composition, cogénération, modèles KEY WORDS: energy management, Deployment, composition, cogeneration, models

2 Prix Jeunes Chercheurs «René Houpert». Chambéry, 6 au 8 juin Introduction Le défit énergétique qui s annonce pour le siècle à venir a conduit à des recherches sur la gestion énergétique des bâtiments. Cette gestion consiste en un ensemble d équipements communicants et de mécanismes permettant de rationnaliser la consommation énergétique dans le bâtiment. Elle permet de différer dans le temps certaines fonctions, de moduler d'autres afin de mieux maîtriser les flux énergétiques dans le secteur bâtiment. Dans la littérature la gestion énergétique concerne généralement des systèmes particuliers. [1][2] proposent une stratégie d optimisation pour les HVAC (ventilation domestique et air conditionné) basée sur le report du moment de déclenchement des équipements pendant les pics de consommation à des périodes plus avantageuses en exploitant l inertie thermique du bâtiment. [2] a montré qu une économie de l ordre de 10% était possible avec la stratégie adoptée. [4][3] proposent un suivi de consigne de température basé sur la commande MPC mais elle ne tient pas compte de l efficacité énergétique globale. [5][6][7] se sont penchés sur une gestion des consommations basée sur les capacités de production locales. La gestion énergétique a prouvé son utilité par les études menées mais un problème de faisabilité subsiste car jusqu'à présent les réalisations se sont basées sur des modèles mathématiques établis manuellement et pour lesquels une compétence humaine est nécessaire pour tout nouveau déploiement. Pour envisager un déploiement à grande échelle, il faut éviter que chaque installation requière la conception d'un modèle complet. 2. Génération de stratégies et besoin de décomposition de modèles [8][9] propose une solution permettant de tenir compte de tous les systèmes consommant de l énergie dans l habitat. Cette solution passe par une résolution en trois couches satisfaisant les contraintes de disponibilité de ressources tout en maximisant le confort de l occupant. On trouve une couche anticipative qui regroupe les prédictions disponibles et les modèles de l espace de vie afin avec ses systèmes. Elle permet de calculer un plan anticipatif de fonctionnement des systèmes. La résolution passe par des outils d optimisation linéaire à variables entière. La seconde couche dite réactive permet des ajustements du plan anticipatif en fonction des dérives constatées par rapport aux prévisions. Enfin la dernière couche permet la traduction du plan ajusté en des stratégies locales applicables par les systèmes gérés. Cette solution regroupe une multitude de systèmes remplissant une ou plusieurs missions à la fois. Dans cette approche la notion de service a été défini pour permette de tenir compte de l impact des équipements sur le confort. Un service est constitué d un ensemble de systèmes qui concourent à satisfaire une demande des occupants. La qualité du service rendu est quantifiée par une fonction de satisfaction.

3 Génération dynamique de stratégies de gestion énergétique : Application à une Gare. 3 Les travaux présentés proposent une décomposition complète du système en services : Figure1.Décompostion simplifiée en service Dans ce papier nous montrons que cette décomposition n est pas toujours appropriée, nous proposons une solution alternative qui permet de mieux prendre en compte les spécificités des bâtiments complexes. 3. Formulation du problème Pour illustrer le besoin de décomposition, considérons l exemple d une chambre munie d un chauffage électrique contrôlable. Son modèle est représenté par le service confort thermique dans G-homeTech [4]. Imaginons maintenant que le service confort thermique de la zone chambre soit représenté par un unique modèle. Quelque temps après l occupant décide d ajouter un climatiseur. Dans ce cas le service doit être totalement remplacé par un nouveau service qui prenne en compte le climatiseur. Or, la décomposition du modèle initial aurait permis de n'ajouter qu'un composant climatiseur au bilan thermique. Ce papier s'interroge sur la décomposition optimale d'un modèle en composants élémentaires de modélisation pour la gestion énergétique. Le but étant de permettre de réutiliser le plus possible les composants de modélisation. A ce problème, [10] propose une notion de composant de calcul non isomorphique avec les systèmes physiques. Une solution triviale consiste à construire un unique composant global comprenant tous les modèles du bâtiment sous forme de contraintes, lesquels seront introduits dans un optimiseur. Or, comme dans l'exemple précédent, une telle approche n'est pas évolutive. Une solution alternative consiste à décomposer chaque

4 Prix Jeunes Chercheurs «René Houpert». Chambéry, 6 au 8 juin modèle en composants de modélisation élémentaires afin de permettre de recomposer, par assemblage, de nombreuses configurations différentes. Néanmoins, si la décomposition est trop fine, la composition deviendra plus complexe et un grand nombre de variables de liaison devra être manipulé par l'installateur au prix d'une complexité avérée. Entre ces deux extrêmes, il existe une infinité de compromis possibles selon l objectif que l on se fixe. Le composant de modélisation idéal du point de vue granularité doit : - s insérer aisément dans une construction de composants déjà établie, - permettre aux composants de se connecter les uns aux autres. - être réutilisable pour décrire d autres entités que celle pour lesquelles il a été initialement développé - ne pas figer le sens des informations transitant entres composants de modélisation, car la causalité dépend in fine du problème global assemblé. - permettre une composition aisée de composants de modélisation donnant lieu (après compilation) à un problème résolvable par un solveur d optimisation. 4. Modèles à structure fixe et ports Pour un système caractérisant une fonction on retrouve des similitudes entre les différents produits commerciaux remplissant cette fonction. Ces similitudes sont d ordre structurel. Prenons l exemple d une chaudière à gaz. La chaleur générée par la combustion d une quantité de gaz est évacuée à travers un fluide caloporteur entrant dans la chaudière à une température Tin et ressortant à une température Tin +deltat. Donc en posant un composant «chaudière», la structure de son modèle décrira ce processus en associant chaque grandeur à un port. Ce qu on définit comme port est le moyen de mise en commun de grandeurs physiques entre composants de modélisation. Chaque port est borné par une valeur minimum et une valeur maximum, ce qui permet aisément d introduire des paramètres à travers ces ports en imposant une borne inferieur égale à la borne supérieure. De cette manière on passera d une grandeur paramètre à une grandeur variable uniquement en jouant sur les bornes de celle-ci. Cette flexibilité permet d exprimer des degrés de liberté exploitables pour chaque situation d utilisation définit. La notion de composant permet de répondre à de nombreux points du cahier de charge. 5. Une composition de modèles pour la gestion La description du composant et de ses ports permet de définir une boite contenant le modèle d un équipement ou d un système. Sachant qu un bâtiment propose un ensemble de service, en s appuyant sur un ensemble de systèmes qui présentent chacun des degrés de liberté autorisés. La commande de l ensemble de ces systèmes par un gestionnaire énergétique passe par une représentation

5 Génération dynamique de stratégies de gestion énergétique : Application à une Gare. 5 mathématique de l ensemble ainsi que des interactions existantes. Pour ce faire la construction du modèle de contrôle passe par trois étapes : - Sélection des composants décrivant les systèmes présents dans le bâtiment La sélection est réalisée à l extérieur du gestionnaire, plus précisément au niveau de la couche appelée HAL pour ( Home Abstraction Layer ) qui renseigne le gestionnaire sur les équipements présents dans le bâtiment ainsi que les classes d équipements reconnus et les paramètres associés. - Enumération des degrés de liberté L énumération consiste à définir les domaines de variation des ports de chaque composant faisant ainsi la différence entre paramètres et variables. Ces dernières sont composées des variables constituant la stratégie de gestion finale ainsi que les variables d estimation d état interne aux systèmes (observateurs des systèmes) découlant des modèles. - Modèles de connexion Le modèle de connexion permet d assembler les composants du système bâtiment. En effet il s agit d associer les grandeurs des modèles intervenant dans chaque composant pour composer un modèle prêt à être transmis à un solveur. Le modèle global a pour entrées les paramètres remontés de HAL ainsi que les données de prévision. Comme sorties, le modèle a les stratégies de gestion optimale et les états internes des systèmes estimés par les modèles. 6. Réflexion autour du cas particulier d'une gare L étude d une gare a été menée afin de quantifier le potentiel de gain d une gestion énergétique. Une gare ferroviaire est un espace de vie et de transit faisant lien entre l extérieur et le lieu d embarquement dans les trains. Elle se démarque par une architecture dédiée et des systèmes qui le sont aussi. Les éléments modélisés pour la gestion énergétique ont été retenus sur la base des degrés de liberté permis, et sur leur impact énergétique d'autre part. Ils sont : - un système de chauffage central avec une micro-cogénération bois et une chaudière gaz comme source de chaleur ainsi que du stockage thermique et des radiateurs de diffusion, - des équipements de chauffage électrique extérieurs et des chauffages d appoint, - une enveloppe thermique composé de plusieurs zones, - des équipements d'éclairage de différents espaces tels que le hall, les tunnels, les quais et les marquises. - des moyens de diffusion d'informations tel que le téléaffichage, les publicités lumineuses et la signalétique,

6 Prix Jeunes Chercheurs «René Houpert». Chambéry, 6 au 8 juin des moyens de contrôle d accès et de validation des titres de transport. Cette liste correspond aux services rendus, mais cette décomposition est-elle pertinente d un point de vue gestion énergétique? 7. Éléments de solution L ensemble des services énumérés ci dessus reflète les fonctionnalités mais pas la disposition du système ni les interactions possibles entre systèmes de différents services. Pour avoir une solution répondant au cahier de charge la démarche suivie est l apparition de composants de modèles de type fonction de satisfaction, puis la modélisation orientée service de chaque système. Dans ce papier nous nous focaliserons sur le service confort de zone thermique dont voici le schéma: Figure 2. Schéma du système de chauffage étudié Le système de chauffage a été décomposé en 5 sous-systèmes : - un système de micro-cogénération bois - une chaudière Gaz - un réseau de chauffage avec un mélangeur

7 Génération dynamique de stratégies de gestion énergétique : Application à une Gare. 7 - un ballon d eau chaude - 4 Radiateurs pour la diffusion de chaleur dans les trois zones thermiques (dont une avec deux éléments). L ensemble des composants du système de chauffage est associé aux composants décrivant l enveloppe thermique de chaque espace chauffé. Les degrés de liberté permis sont l extinction et le démarrage des générateurs de chaleur et le stockage/déstockage thermique. La gestion des services de confort de zones thermiques est exprimée par des configurations qui décrivent l état des composants de modèle décrivant ces services. Certaines configurations sont interdites. Le système intègre cinq points de commande principaux gérés en tout ou rien, ce qui permet 32 combinaisons. Voici un exemple de configurations 1 : Micro cogénération bois 2 : Chaudière gaz 3 : Direction des flux de chaleur VM vers mélangeur, VB vers ballon 4 : Libre circulation du fluide caloporteur entre le ballon et le mélangeur 5 : Prélèvement de chaleur pour les radiateurs installés dans le bâtiment. ID de la configuration ID01 Off Off - On On ID02 On Off VM Off On ID03 On Off VM On On ID04 On On VM Off On ID05 On On VM On On ID06 On Off VB Off On ID08 Off On VM Off On ID09 Off On VM On On ID10 Off Off - Off On Table 1. Configurations possibles pour le système

8 Prix Jeunes Chercheurs «René Houpert». Chambéry, 6 au 8 juin Voici le modèle contenu dans le composant de modèle enveloppe, il concerne une zone thermique du bâtiment avec température ambiante et l apport de source de chaleur locale, la chaleur apportée par la radiation du soleil. Le modèle est exprimé en temps échantillonné à pas horaire sur un horizon de 24 heures ce qui fait de la température intérieure et des autres variables du modèle des vecteurs à 24 éléments. composant Microcogénératio n bois Modèles mathématiques embarqués Chaudière à gaz Mélangeur Ballon de stockage

9 Génération dynamique de stratégies de gestion énergétique : Application à une Gare. 9 Enveloppe thermique Satisfaction zone thermique Table 2. Modélisation embarquée dans les composants Figure 3. Composition des composants de modèle

10 Prix Jeunes Chercheurs «René Houpert». Chambéry, 6 au 8 juin Génération d'une stratégie de gestion énergétique pour une gare La modélisation des composants est décrite en contraintes de programmation linéaire afin d exprimer un problème d optimisation régulier et donc rapide à résoudre. La composition de ces modèles couplée avec une fonction Objectif génère le problème à optimiser. Pour résoudre le problème nous avons utilisé l outil G- HomeTech développé au laboratoire G-SCOP, qui est couplé au solveur CPLEX d IBM. Voici quelques spécificités du problème traité par CPLEX : - nombre de variables entières : nombre de variables continues : algorithmes utilisés : simplex et branch & bound. - temps de calcul : environ 2mn sur une machine CoreI3 2Go de ram Le résultat de l optimisation est présenté pour les états de la chaudière microcogénération et la chaudière gaz: utilisation des moyens chauffage avec chaudière à cogénération bois chaudère à Gaz KWh Temps Figure 4 Puissance thermique fournie par la micro-cogénération et la chaudière gaz Une gestion statique des deux sources de chaleur impose un fonctionnement continu de la micro-cogénération (donc dimensionnée pour les besoins thermiques minimum) et un fonctionnement complémentaire de la chaudière gaz. La Figure 4 représentant un résultat de gestion dynamique révèle un déclenchement intermittent de la micro-cogénération car dimensionnée pour une autonomie hivernale du bâtiment. La stratégie adoptée par le gestionnaire est l utilisation de la microcogénération en priorité vue le prix intéressant de la source d énergie (bois) par rapport au gaz. Le déclenchement de la chaudière à gaz intervient pendant les pics de consommation ou bien dans des cas où le temps de démarrage et d extinction est trop important par rapport au temps de fonctionnement. Cette stratégie de commande a permis d envisager plus de souplesse dans le dimensionnements d'équipements. En effet, la micro-cogénération peut être bien

11 Génération dynamique de stratégies de gestion énergétique : Application à une Gare. 11 plus grande avec une stratégie de gestion dynamique pour permettre une réduction des frais de fonctionnement. Cette stratégie de gestion est rendue possible grâce à une gestion combinée entre éléments de stockage, inertie thermique et solution d appoint. 9. Conclusion et perspectives Le travail présenté dans cet article a pour but d apporter des éléments de réponse au problème de la gestion dynamique de l énergie dans un bâtiment. Le problème tel qu il est énoncé vise à faciliter l adaptation d un gestionnaire énergétique pour les bâtiments (une gare ici) ainsi que la reconfiguration de celui-ci pour suivre les évolutions du bâtiment géré. Ceci est obtenu en ayant recours à un découpage judicieux du modèle permettant ainsi une plus grande ré-utilisation des composants de modèles, c est l aspect capitalisation de modèles. L'assemblage se fait par instanciation avec des paramètres qui ne requiert pas de ré-édition du composant de modèle, et par composition via un modèle de connexion. Finalement, La solution offre une flexibilité dans la taille du problème à traiter par le solveur. Cette flexibilité améliore le temps de calcul, ce qui permet d envisager un type de gestionnaires interactifs dans le sens ou les occupants peuvent demander des suggestions et qu un problème d optimisation peut être généré dynamiquement suivant la formulation de la demande. Il apportera des réponses et suggérera des conseils d utilisation énergétique en tenant compte des conditions locales. 10. Bibliographie [1] House, J. M., Smith, T. F., Optimal control of building and hvac systems. In: Proceddings of the American Control Conference, Seattle, Washington. [2] Zhou, G., Krarti, M., Parametric analysis of active and passive building thermal storage utilization. Journal of Solar Energy Engineer- ing 127, [3] Ghiaus, C., Hazyuk, I., Calculation of optimal thermal load of intermittently heated buildings. Energy and Buildings 42. [4] Pedersen, L., Stang, J., Ulseth, R., Load prediction method for heat and electricity demand in buildings for the purpose of planning for mixed energy distribution systems. Energy and Buildings 40 (7), [5] Eynard, J., Gestion optimale de l énergie dans un procédé multi- source pour le chauffage de bâtiments. Ph.D. thesis, l Université de Perpignan Via Domitia. [6] Foggia, G., Pilotage optimal de système multi-sources pour le bâtiment. Ph.D. thesis, Grenoble Institute of Technology (INPG).

12 Prix Jeunes Chercheurs «René Houpert». Chambéry, 6 au 8 juin [7] Henze, G. P., Dodier, R. H., Adaptive optimal control of a grid- independent photovoltaic system. Transactions of the ASME 125, [8] Ha, D. L., Ploix, S., Zamai, E., Jacomino, M., A home automation system to improve the household energy control. In: INCOM th IFAC Symposium on Information Control Problems in Manufacturing. [9] Ha, D. L., Ploix, S., Zamai, E., Jacomino, M., Tabu search for the optimization of household energy consumption. In: The 2006 IEEE In- ternational Conference on Information Reuse and Integration IEEE IRI 2006: Heuristic Systems Engineering September 16-18, 2006, Waikoloa, Hawaii, USA. [10] Penya, Y., Last generation applied artificial intelligence for energy management in building automation. In: The 5th International Confer- ence on Fieldbus Systems and their Applications. Aveiro, Portugal.