Apports de la commande prédictive pour la régulation thermique des bâtiments

Dimension: px
Commencer à balayer dès la page:

Download "Apports de la commande prédictive pour la régulation thermique des bâtiments"

Transcription

1 Apports de la commande prédictive pour la régulation thermique des bâtiments Petru-Daniel Moroşan, Romain Bourdais et Hervé Guéguen SUPELEC - IETR Avenue de la Boulaie - B.P F Cesson-Sévigné Cedex, France {petru-daniel.morosan, romain.bourdais, RÉSUMÉ. Dans cet article, nous proposons une méthode originale pour contrôler le système de chauffage d une pièce afin de minimiser l énergie consommée sans diminuer le confort des occupants. Pour ce faire, une commande prédictive a été utilisée pour exploiter au maximum les connaissances sur l occupation future de la pièce, mais ses principes fondamentaux ont dû être adaptés, pour arriver au meilleur compromis entre le confort et la consommation. La méthode a été appliquée à un dispositif de chauffage électrique, et la validité et les performances du système de contrôle proposé ont été montrées par diverses simulations, en utilisant notamment la boîte à outils SIMBAD. ABSTRACT. In this paper we propose a new control method for a single room heating system in order to minimize energy consumption without reducing the occupants comfort. To obtain this, a predictive control law was used to exploit the future occupation knowledge of the room, but its basic principles had to be tailored to reach the best compromise between comfort and consumption. The method was applied to an electric heating system, and the validity and performance of the proposed control system have been shown by various simulations, using the SIMBAD toolbox. MOTS-CLÉS : Contrôle prédictif, confort thermique, économie énergétique, systèmes de chauffage électrique. KEYWORDS: Predictive control, thermal comfort, energy saving, electric heating systems. JESA - 44/2010. Traitement de l information et environnement, pages 479 à 492

2 480 JESA - 44/2010. Traitement de l information et environnement 1. Introduction Si la communauté scientifique est sensibilisée depuis plusieurs années aux problèmes liés au réchauffement climatique, la réalité de ce phénomène fait désormais consensus au sein de la plupart des gouvernements. En France, par exemple, l objectif à atteindre est une division par 4 des émissions de gaz à effet de serre pour Pour ce faire, il est indispensable que la consommation d énergie soit mieux contrôlée. Au niveau européen, elle doit être réduite de 20 % d ici à 2020, tout en permettant croissances économique et démographique. Pour donner quelques chiffres encore, les bâtiments sont de grands consommateurs d énergie, dont la part s élève à 30 % environ du total européen. Le chauffage en est le principal acteur, à hauteur de 70 % environ. Si les tendances actuelles permettent de développer des programmes pour construire de nouveaux bâtiments économes en énergie, cette réduction ne pourra être atteinte sans des efforts conséquents sur les anciens bâtiments. Or, les travaux de rénovation et d isolement ont un coût trop élevé et une mise en œuvre trop délicate pour être envisagés à grande échelle, et dans ce contexte, seule une commande intelligente et optimisée du chauffage peut agir avec efficacité et à moindre coût. Les enjeux sont alors de trouver un compromis entre un confort pour l utilisateur et une consommation énergétique minimisée. C est dans ce sens que de nombreux travaux ont été menés. L exemple le plus courant actuellement est l intégration des horaires jour-nuit pour réduire la consommation sans pour autant nuire au confort. De plus, l utilisation de thermostats d ambiance permet de réguler de manière plus ou moins précise la température, toujours dans le but de satisfaire au mieux les utilisateurs et éviter le gaspillage d énergie. D un point de vue plus technique, la plupart des systèmes de contrôle ont un fonctionnement «tout ou rien», ou sont conçus à partir d un régulateur classique de type proportionnel (P) ou proportionnel à action intégrale voire dérivée (PI ou PID). Pour assurer une bonne régulation, une des difficultés vient du fait qu un système de chauffage se comporte comme un système non linéaire, dont les paramètres sont mal connus et varient fortement en fonction des conditions extérieures, de la luminosité... Dès lors, le réglage d un PID est loin d être trivial et nécessite une procédure efficace. Si des algorithmes d autoréglage ont été proposés (Bi et al., 2000, Soyguder et al., 2009), une deuxième difficulté vient s ajouter : les dynamiques sont très lentes et présentent en plus des retards, ce qui, comme le soulignent les auteurs dans (Bai et al., 2008), constitue un problème de réglage à part entière. C est pourquoi d autres approches plus élaborées ont été proposées, en utilisant des outils tels que de la logique floue (Calvino et al., 2004), des réseaux de neurones (Zaheer-uddin et al., 2004, Liang et al., 2008) ou encore des algorithmes génétiques (Nassif et al., 2005). Depuis ces dernières années, un intérêt grandissant a été accordé à la commande prédictive. En quelques mots, cette technique consiste à calculer une commande qui optimise un critère donné (suivi de consigne, effort de commande... ), et qui intègre des informations concernant le futur : une trajectoire à suivre, un événement à venir... Un des points forts de cette méthode de commande avancée est qu elle génère, dans le cas linéaire et non contraint, un correcteur qui peut se mettre sous une struc-

3 Régulation thermique des bâtiments 481 ture simple de type PID ou RST, directement bien configuré, contrairement aux autres techniques énumérées précédemment. Pour ce faire, différents algorithmes de calcul sont proposés (Xu et al., 2007, Dumur et al., 1997, Riadi et al., 2008). La commande prédictive est utilisée avec succès dans des applications aussi nombreuses que variées. En ce qui concerne plus particulièrement les problèmes de chauffage et de climatisation, différentes formulations de critères et de contraintes sont analysées dans (Freire et al., 2008), pour assurer une consommation optimale au détriment du confort, ou inversement. Dans cet article, nous proposons une approche originale, construite à partir des principes de base de la commande prédictive, que nous avons modifiés pour répondre au mieux aux objectifs du contrôle thermique des bâtiments : le confort des utilisateurs et l économie d énergie. Contrairement aux autres approches, dans lesquelles le compromis entre confort et minimisation est fixé une fois pour toutes, nous intégrons ici un paramètre supplémentaire, l occupation des pièces. Le critère que l on cherche à optimiser est alors construit de manière dynamique. L idée qui vient naturellement est alors de donner de l importance au suivi de consigne en température dès que la pièce est occupée, et de minimiser la consommation énergétique lors des périodes d inoccupation. Dans la section 2, après quelques rappels formels sur la commande prédictive, nous explicitons en quoi la prise en compte d un critère dynamique vient modifier la méthode et la structure finale du correcteur. Dans la section 3, nous présentons les détails techniques liés à l implémentation du régulateur. La section 4 vient illustrer les résultats obtenus par simulation : après avoir défini 4 indices pour mesurer les performances du régulateur, nous appliquons la méthode proposée à un système de chauffage électrique. Nous mettons en avant dans un premier temps l influence des paramètres de réglage sur ces indices, puis nous comparons notre dispositif à d autres systèmes de contrôle. La dernière partie fait état du bilan des travaux présentés et donne ensuite les grandes lignes de nos perspectives de travail. 2. Quelques mots sur la commande prédictive La méthode GPC (Generalized Predictive Control) est proposée par (Clarke et al., 1987) et est devenue une méthode de commande prédictive très populaire, tant dans le milieu industriel que dans le milieu académique. La mise en œuvre de cette approche présente un intérêt double : assurer des bonnes performances tout en ayant un certain degré de robustesse. L idée de base de GPC consiste à prendre en compte, à l instant présent, le comportement futur du processus, en utilisant explicitement un modèle numérique du système afin de prédire la sortie future sur un horizon fini. Le contrôleur calcule une séquence de commandes à appliquer au système pour minimiser une fonction de coût définie sur l horizon de prédiction. Cette fonction se construit à partir de deux pénalités : une pre-

4 482 JESA - 44/2010. Traitement de l information et environnement mière pénalité reposant sur l écart entre la sortie prédite du système et les consignes futures et la seconde mesurant l effort de commande, ce qui amène à la définir ainsi : N 2 N u J = δ(j)[ŷ(t + j t) w(t + j)] 2 + λ u 2 (t + j 1) [1] j=n 1 j=1 dans laquelle N 1 et N 2 définissent respectivement la limite inférieure et la limite supérieure de l horizon de prédiction, ŷ(t+j t) est la sortie prédite à l instant t+j à partir du modèle du système et w(t + j) la consigne future à suivre sur l horizon glissant. δ et λ sont les coefficients de pondération respectivement sur l erreur et sur la commande. N u représente l horizon de prédiction sur la commande. Pour de plus amples informations sur les principes de base de la commande prédictive, le lecteur pourra consulter les ouvrages suivants : (Boucher et al., 1996, Camacho et al., 2004). Cette sous-section a pour but non seulement de bien définir les concepts mathématiques qui seront utilisés par la suite mais aussi de bien expliquer en quoi les algorithmes classiques de GPC ont dû être modifiés pour répondre au mieux à notre problème Motivations Pour bien comprendre tout l intérêt de notre approche, il est important dans un premier temps de situer les limites d une utilisation classique de la commande prédictive. La figure 1 illustre le comportement de la température quand on applique une commande prédictive classique. température b c a d temps Figure 1. Utilisation d une commande prédictive classique Comme on peut le constater, l aspect anticipatif est bien présent (a), et permet de rejoindre la consigne de température. Notons qu en fonction des réglages, le suivi de consigne peut être amélioré pour réduire le phénomène (b), comme le proposent (Dumur et al., 1997). Mais un second problème vient s ajouter : le fait d imposer une consigne en période d inoccupation (d) nécessite également une anticipation (c). Par conséquent, pour l utilisateur, ces deux phénomènes viennent perturber son confort. On pourrait naturellement penser à couper le chauffage pendant les période d inoccupation, mais la pièce pourrait alors trop se refroidir et ne pourrait plus être chauffée

5 Régulation thermique des bâtiments 483 suffisamment pour satisfaire la consigne. Une autre solution envisagée serait de changer de commande lors des périodes d inoccupation en utilisant un contrôle en boucle ouverte par exemple, mais le réenclenchement de la commande prédictive pourrait poser problème. C est dans ce sens que nos travaux ont été menés : pour prendre en compte ces phénomènes et les résoudre, nous avons modifié l approche GPC classique en définissant un critère à optimiser dynamique qui prend en compte l occupation future de la pièce, ce que nous expliquons dans la sous-section suivante Définition d un critère dynamique Comme nous l avons déjà dit, le suivi de consigne n a d importance que lorsque la pièce est occupée. Le critère doit donc prendre en compte ces périodes d occupation, ce que nous proposons par l introduction du vecteur dynamique suivant : δ t = [δ t (N 1 ) δ t (N 1 + 1) δ t (N 2 )], défini intuitivement ainsi : δ t (k) = { 1, pour t + k Occupation 0, pour t + k Inoccupation [2] La figure 2 illustre la construction de ce vecteur. Occupation 1 δ 29 = [ ] δ 7 = [ ] δ 19 = [ ] temps Figure 2. Construction du vecteur de pondération (N 1 = 1, N 2 = 6) Par ailleurs, dans un algorithme classique, c est la variation de l effort, u, que l on cherche à minimiser. Dans le cas qui nous concerne, c est la consommation que l on cherche à minimiser, c est-à-dire u directement. Ces remarques nous permettent ainsi de construire la fonction de coût à optimiser, définie ainsi : J t = N 2 j=n 1 δ t (j)[ŷ(t + j t) w(t + j)] 2 + λ N 2 N 1+1 j=1 u 2 (t + j 1) [3]

6 484 JESA - 44/2010. Traitement de l information et environnement 3. Démarche et implémentation du système de contrôle 3.1. Démarche formelle adaptée Maintenant que notre critère a été clairement défini, nous présentons dans cette section les diverses étapes qui permettent d aboutir au contrôle optimal : la définition d un modèle, la construction d un prédicteur puis le calcul de la commande Modèle de prédiction Dans un premier temps, représentons le système par sa fonction de transfert entréesortie. Celle-ci peut alors se mettre sous une forme ARX, représentée par l équation : A(q 1 )y(t) = B(q 1 )u(t 1) + ξ(t) [4] dans laquelle u(t) et y(t) sont respectivement l entrée et la sortie du modèle, ξ(t) est un bruit blanc centré et q 1 l opérateur de retard. A(q 1 ) et B(q 1 ) sont des polynômes définis par : { A(q 1 ) = 1 + a 1 q a naqq na B(q 1 ) = b 0 + b 1 q b nb q n b [5] Prédicteur optimal Pour obtenir le prédicteur optimal, décomposons la sortie prédite à l instant t + j en réponse libre et réponse forcée. Elle peut se mettre sous la forme suivante : y(t + j t) =F j (q 1 )y(t) + H j (q 1 )u(t 1) + G j (q 1 )u(t + j 1) + J j (q 1 )ξ(t + j) [6] dans laquelle les polynômes F j, G j, H j et J j sont obtenus de manière unique, par la résolution des deux équations de Diophante suivantes : A(q 1 )J j (q 1 ) + q j F j (q 1 ) = 1 G j (q 1 ) + q j H j (q 1 ) = B(q 1 )J j (q 1 ) [7] Pour obtenir le prédicteur optimal, il suffit alors de considérer que la meilleure prédiction du bruit est sa moyenne (nulle ici), et l on obtient son équation : ŷ(t + j t) = F j (q 1 )y(t) + H j (q 1 )u(t 1) + G j (q 1 )u(t + j 1) [8] Remarquons juste au passage que ces deux étapes sont exactement les mêmes que dans l approche prédictive classique.

7 Régulation thermique des bâtiments Minimisation du critère Réécrivons à cette étape les équations [3] et [8] sous forme matricielle, ce qui amène alors à réécrire le critère ainsi : J t = [ŷ w] T D t [ŷ w] + λu T Lu [9] avec les notations : ŷ = [ŷ(t + N 1 t) ŷ(t + N t) ŷ(t + N 2 t)] T w = [w(t + N 1 ) w(t + N 1 + 1) w(t + N 2 )] T u = [u(t) u(t + 1) u(t + N u 1)] T D t = diag{δ t (N 1 ),δ t (N 1 + 1),,δ t (N 2 )} L = diag{1,,1,n 2 N u + 1} [10] Et l équation de prédiction : ŷ = Gu + Fy(t) + Hu(t 1) [11] Reportons cette réécriture [11] dans [9], il vient alors : J t = [Gu+Fy(t)+Hu(t 1) w] T D t [Gu+Fy(t)+Hu(t 1) w]+λu T Lu [12] avec : F = [F N1 (q 1 ) F N1+1(q 1 ) F N2 (q 1 )] T H = [H N1 (q 1 ) H N1+1(q 1 ) H N2 (q 1 )] T g N1 1 g N1 2 G = g N1 g N1 1 j=n2 N g N2 1 g N2 2 u i=0 g i [13] La solution optimale du problème [12] est obtenue par minimisation analytique, qui peut s exprimer ainsi : u opt = (G T D t G + λl) 1 G T D t (w Fy(t) Hu(t 1)) [14] Le vecteur de contrôle optimal est maintenant calculé, mais seule sa première composante est appliquée au système : u opt (t) = n t 1 (w Fy(t) Hu(t 1)) [15] où n 1 t la première ligne de la matrice (G T D t G + λl) 1 G T D t.

8 486 JESA - 44/2010. Traitement de l information et environnement Comme nous l avions évoqué en introduction, un autre avantage apporté par la commande prédictive est que dans ce cas précis, le contrôleur obtenu peut se mettre sous la forme plus classique d un régulateur RST, dont la structure est rappelée dans la figure 3. En effet, l équation [15] peut se mettre sous la forme : S t (q 1 )u(t) = R t (q 1 )y(t) + T t (q)w(t) [16] dans laquelle les trois polynômes R t, S t et T t sont dynamiques et définis par : S t (q 1 ) = 1 + n t 1 Hq 1 R t (q 1 ) = n t 1 F T t (q 1 ) = n t 1 [q N1 q N1+1 q N2 ] T [17] Nous reviendrons dans la section suivante à quelques remarques concernant l implémentation de ce régulateur. w T t (q 1 ) + 1 S t (q 1 ) u SYSTÈME y t i, i = N 1..N 2 s i, i = 0..n a 1 R t (q 1 ) r i, i = 0..n b δ t Modèle de prédiction Optimisation des coefficients Figure 3. Structure du schéma de contrôle 3.2. Mise en place de l algorithme de commande Si la démarche proposée dans la section précédente permet d obtenir une solution analytique au problème d optimisation, l implémentation de cette solution est également un point crucial et ne doit pas nécessiter un effort de calcul trop important. Rappelons que notre approche aboutit à définir un régulateur RST dynamique, ce qui signifie qu à chaque étape, les coefficients des polynômes doivent être recalculés. Mais,

9 Régulation thermique des bâtiments 487 en regardant de plus près, on peut remarquer qu un grand nombre de calculs peuvent être effectués hors ligne, c est-à-dire une fois pour toutes. C est le cas notamment des matrices F, G et H. Finalement, seules les périodes proches des changements de mode nécessitent un calcul en ligne et une mise à jour des coefficients, et ce calcul correspond plus précisément à l inversion de la matrice définie positive G T D t G + λl, qui peut être déterminée rapidement par l algorithme de Choleski par exemple, peu coûteux en temps de calcul. C est là un autre point fort de la commande prédictive telle que nous l avons utilisée, à savoir un grand nombre de calculs à effectuer hors ligne, pour un effort de calcul en temps réel minime. Les points qui restent encore en suspens sont dans un premier temps le réglage des paramètres du contrôleur (choix de l horizon de prédiction et de la pondération sur la commande) puis dans un second temps l efficacité de la démarche développée dans la section suivante. 4. Résultats numériques 4.1. Indicateurs de performance Pour vérifier l efficacité de la méthode et la comparer à d autres méthodes, nous avons défini quatre indicateurs de performance. Les deux premiers traduisent l énergie consommée et le confort des occupants. Ils se définissent naturellement ainsi : la consommation énergétique, en [kwh], pendant la période d étude : I W = tf t 0 P(t)dt [18] l indice de confort pénalise l écart entre la température de la pièce et la température de référence, mais uniquement lors des périodes d occupation de la pièce, ce qui donne, en [ o Ch] : I C = T ref (t) T amb (t) dt [19] Occupation Les deux derniers indices n ont pas un impact direct sur la consommation ou le confort mais sont également importants d un point de vue plus automaticien. Ils mesurent les phénomènes oscillatoires de la température et l aspect continu de la commande : l indice de stabilité de la température. Il mesure les oscillations de température et se construit à partir des écarts entre les maximums locaux de la température de la pièce et de la température désirée, pour chaque période d occupation O i. Ce qui donne en [ o C] : TSI = i max( T ref (t) T amb (t) ) [20] t O i

10 488 JESA - 44/2010. Traitement de l information et environnement l indice de stabilité de la commande correspond à une moyenne pondérée de la variation de commande, et dépend de la période d échantillonnage T s : CSI = moy t u(t + 1) u(t) T s [21] Maintenant que ces indicateurs ont été clairement définis, l étape suivante est le réglage des paramètres du contrôleur, pour que ces indicateurs soient les meilleurs possibles Réglage des paramètres Si la démarche que nous proposons est générique et peut s adapter à différents systèmes de chauffage, le réglage des paramètres reste, comme tout dispositif de contrôle, propre au système étudié. Nous avons pris l exemple d un bureau (72 m 3 ), occupé de 8 h à 17 h du lundi au vendredi, disposant d un convecteur électrique. Pour nos manipulations, nous nous sommes servis de la boîte à outils SIMBAD (http ://kheops.champs.cstb.fr/simbadhvac/) qui permet notamment de simuler avec précision les systèmes de régulation thermique. Pour appliquer notre algorithme, la première étape est le choix d un modèle de prédiction. Après simulations et phases d identification, la fonction de transfert choisie a l allure suivante : avec G(s) = K(T z s + 1) s(t 2 ws 2 + 2ξT w s + 1) { K = 0,000226, Tw = 834 ξ = 1,1606, T z = [22] [23] Remarquons ici que d un système de chauffage à l autre, aux valeurs numériques près, ce modèle, bien que linéaire, reste une approximation relativement correcte. La première étape consiste à choisir une période d échantillonnage judicieuse. Logiquement, plus celle-ci est petite, plus le contrôleur est efficace, mais plus le nombre de calculs est important. Le compromis choisi est une période d échantillonnage de 180 secondes. Le choix de l horizon de prédiction, c est-à-dire N 1 et N 2, est basé sur les principes classiques de la commande prédictive : une fenêtre temporelle judicieuse a pour limites le retard naturel (τ) du système et le temps nécessaire (T R ) au système pour arriver à la température désirée à partir d une température basse. Ce qui amène alors à satisfaire les deux relations suivantes : N 1 T s = τ

11 Régulation thermique des bâtiments 489 N 2 T s = T R Le paramètre N u, horizon de prédiction sur la commande, affecte directement l effort de calcul : plus celui-ci sera élevé, plus l inversion matricielle G T D t G+λL sera complexe et coûteuse. Son influence sur les indices de performance est illustrée par la figure 4. Un bon compromis est alors, dans ce cas précis, N u = 10. De manière plus générale, par rapport à d autres simulations que nous avons faites, si les calculateurs le permettent, N u N2 2 est le choix le plus efficace x I C [ o Ch] I W [kwh] N u N u x TSI [ o C] 20 CSI N u N u Figure 4. Influence de N u pour N 1 = 1, N 2 = 20, λ = 1, T s = 180 s Un dernier paramètre doit être réglé : le coefficient λ qui traduit le compromis confort - économie d énergie, qui pour λ = 1 constitue un bon équilibre. Notons que ce paramètre peut être réglé dynamiquement, en fonction des horaires par exemple ou de tout autre paramètre extérieur Résultats obtenus par simulation Maintenant que les différents paramètres de réglage ont été déterminés, nous nous intéressons aux résultats obtenus par rapport à notre objectif initial. Notons que dans notre scénario, la température extérieure varie, en retraçant les conditions météorologiques de Rennes en janvier La figure 5 présente les principaux signaux d une journée de travail : occupation, température extérieure, température de la pièce et commande. On peut constater que nos objectifs sont pleinement satisfaits : les problèmes de la commande prédictive classique, explicités dans la section 2, ne sont plus présents (A et B). Par la suite, si on regarde la commande, on s aperçoit qu elle intègre naturellement les changements de température extérieure, traduisant ainsi son aspect robuste. Les pics observés en (C) sont liés à la variation du nombre d occupants et illustrent encore une fois ces

12 490 JESA - 44/2010. Traitement de l information et environnement propriétés de robustesse. Un dernier point important, marqué par le point D, met en avant le fait que le chauffage est coupé avant la fermeture, sans pour autant diminuer le confort : l inertie thermique est bien prise en compte également. Commande Température dans la pièce [ C] Température extérieure [ C] 10 C Temps [h] B 16 A Temps [h] A C D Nombre des occupants Temps [h] Figure 5. Simulation du GPC modifié. Principaux signaux Nous avons également, pour le même scénario, comparé notre loi de commande à d autres contrôleurs. Les résultats sont répertoriés dans le tableau 1. Remarquons que notre commande est celle qui permet d optimiser au mieux et le confort et la dépense énergétique. Les indicateurs de stabilité sont également convaincants, seule la commande prédictive classique permet de faire mieux. Ceci s explique facilement car dans le cas classique, c est la variation d effort qui est minimisée (voir section 2), ce qui implique alors une meilleure stabilité de la commande. Dans notre façon d aborder ce problème, le contrôleur n assure le suivi de consigne que pendant les horaires d occupation connus a priori. Une question peut naturellement être posée : comment réagit notre loi de commande si la pièce doit être occupée en dehors des horaires prévus? C est ce qu illustre la figure 6, dans lequel une présence est détectée durant une période d inoccupation (par un capteur de présence par exemple). On peut alors remarquer que le contrôleur essai de rejoindre à nouveau la consigne, mais cette fois-ci sans anticipation (phénomènes A et B ). Dans ce cas-là, on peut également constater un dépassement de consigne (C ), qui s explique par la

13 Régulation thermique des bâtiments 491 saturation de la commande, saturation qui ne peut pas être prise en compte avec un algorithme GPC sans contraintes. Notons que pendant ces périodes d occupation non prévues tous les composants du vecteur δ t sont égaux à 1. Loi de commande I C [ Ch] I W [kwh] TSI [ C] CSI [ 10 4 ] Tout ou rien (± 0,1) 89,08 104,40 346,47 5,62 P 86,19 97,19 117,50 1,57 PI 12,95 102,06 31,07 1,68 GPC classique 33,55 135,86 7,83 0,88 GPC modifié 5,96 99,17 11,93 1,40 Tableau 1. Comparaison entre différentes structures de contrôle Température dans la pièce [ C] Temps [h] C 1 Commande A B Temps [h] Figure 6. Comportement dans le cas d une occupation non prévue 5. Conclusion et perspectives de travail Dans ce travail, nous avons proposé une méthode générique et originale de commande des systèmes thermiques, construite à partir des principes fondamentaux de la commande prédictive. Mais pour satisfaire le meilleur compromis entre confort et consommation énergétique, nous avons défini alors un critère dynamique. Après avoir déterminé une solution analytique du contrôle optimal, nous avons explicité les différentes étapes de réglage sur l exemple simple d un convecteur électrique. Par la suite, nous avons montré l efficacité de la démarche par diverses simulations et comparaisons. Nous envisageons la poursuite de nos travaux dans deux directions : l extension de l algorithme aux cas multi-sources d une part : comment gérer par exemple un chauffage au sol et un chauffage électrique, et aux cas multi-zones d autre part, pour arriver à gérer au mieux plusieurs pièces. Afin de pouvoir considérer les contraintes sur la

14 492 JESA - 44/2010. Traitement de l information et environnement commande, nous travaillons actuellement sur la mise en place d un algorithme MPC. Sur un autre axe, plus théorique, nous construisons un outil pour garantir formellement la stabilité du système commandé par un RST dynamique. 6. Bibliographie Bai J., Wang S., Zhang X., «Development of an adaptive Smith predictor-based self-tuning PI controller for an HVAC system in a test room», Energy and Buildings, vol. 40, n 12, p , Bi Q., Cai W., Wang Q., Hang C., Lee E., Sun Y., Liu K., Zhang Y., Zou B., «Advanced controller auto-tuning and its application in HVAC systems», Control Engineering Practice, vol. 8, n 6, p , Boucher P., Dumur D., La commande prédictive, Editions Technip, Calvino F., Gennusa M. L., Rizzo G., Scaccianoce G., «The control of indoor thermal comfort conditions : introducing a fuzzy adaptive controller», Energy and Buildings, vol. 36, n 2, p , Camacho E. F., Bordons C., Model Predictive Control, Springer, Clarke D. W., Mohtadi C., Tuffs P., «Generalized Predictive Control», Automatica, vol. 23, p , Dumur D., Boucher P., Murphy K. M., Déqué F., «Comfort Control in Residential Housing using Predictive Controllers», International Conference on Control Applications, IEEE, p , Freire R. Z., Oliveira G. H., Mendes N., «Predictive controllers for thermal comfort optimization and energy savings», Energy and Buildings, vol. 40, n 7, p , Liang J., Du R., «Design of intelligent comfort control system with human learning and minimum power control strategies», Energy Conversion and Management, vol. 49, n 4, p , Nassif N., Kajl S., Sabourin R., «Optimization of HVAC Control System Strategy Using Two- Objective Genetic Algorithm», HVAC&R Research, vol. 11, n 3, p , Riadi R., Tawegoum R., Rachid A., Chassériaux G., «Centralized & Decentralized Temperature Generalized Predictive Control of a Passive-HVAC Process», 17th World Congress, IFAC, p , Soyguder S., Karakose M., Alli H., «Design and simulation of self-tuning PID-type fuzzy adaptive control for an expert HVAC system», Expert Systems with Applications, vol. 36, n 3, p , Xu M., Li S., «Practical generalized predictive control with decentralized identification approach to HVAC systems», Energy Conversion and Management, vol. 48, n 1, p , Zaheer-uddin M., Tudoroiu N., «Neuro-PID tracking control of a discharge air temperature system», Energy Conversion and Management, vol. 45, n 15-16, p , 2004.

ENSPS 3A ISAV Master ISTI AR. J. Gangloff

ENSPS 3A ISAV Master ISTI AR. J. Gangloff Commande prédictive ENSPS 3A ISAV Master ISTI AR J. Gangloff Plan 1.Introduction / Historique 2.Modélisation du système 3.Fonction de coût 4.Équations de prédiction 5.Commande optimale 6.Exemples 7.Réglage

Plus en détail

Monitoring continu et gestion optimale des performances énergétiques des bâtiments

Monitoring continu et gestion optimale des performances énergétiques des bâtiments Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et

Plus en détail

Domaines d application, exemples La démarche de l Automatique Un premier exemple. Automatique. Dynamique et Contrôle des Systèmes

Domaines d application, exemples La démarche de l Automatique Un premier exemple. Automatique. Dynamique et Contrôle des Systèmes Automatique Dynamique et Contrôle des Systèmes NICOLAS PETIT Centre Automatique et Systèmes Unité Mathématiques et Systèmes Mines ParisTech nicolas.petit@mines-paristech.fr 28 novembre 2008 Informations

Plus en détail

Intérêt énergétique de l utilisation de matériaux à changement de phase (MCP) dans un chauffe-eau utilisant une source d énergie électrique

Intérêt énergétique de l utilisation de matériaux à changement de phase (MCP) dans un chauffe-eau utilisant une source d énergie électrique Intérêt énergétique de l utilisation de matériaux à changement de phase (MCP) dans un chauffe-eau utilisant une source d énergie électrique Stéphane GIBOUT*, Erwin FRANQUET, Jean CASTAING-LASVIGNOTTES,

Plus en détail

RAPPORT SUR LA MODÉLISATION DU SYSTÈME DE ZONES AIRZONE ET COMPARAISON AVEC UN SYSTÈME INVERTER SANS SYSTÈME DE ZONES

RAPPORT SUR LA MODÉLISATION DU SYSTÈME DE ZONES AIRZONE ET COMPARAISON AVEC UN SYSTÈME INVERTER SANS SYSTÈME DE ZONES RAPPORT SUR LA MODÉLISATION DU SYSTÈME DE ZONES AIRZONE ET COMPARAISON AVEC UN SYSTÈME INVERTER SANS SYSTÈME DE ZONES 2011 SOMMAIRE 1. INTRODUCTION : ANTÉCÉDENTS ET OBJECTIFS... 4 2. MÉTHODOLOGIE... 5

Plus en détail

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique

Plus en détail

Économie d énergie dans les centrales frigorifiques : La haute pression flottante

Économie d énergie dans les centrales frigorifiques : La haute pression flottante Économie d énergie dans les centrales frigorifiques : La haute pression flottante Octobre 2010/White paper par Christophe Borlein membre de l AFF et de l IIF-IIR Make the most of your energy Sommaire Avant-propos

Plus en détail

Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible

Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible Électrotechnique du Futur 14&15 décembre 2011, Belfort Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible Alexandre RAVEY, Benjamin BLUNIER, Abdellatif MIRAOUI

Plus en détail

La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS

La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département

Plus en détail

Développement d un système de commande et de régulation de la température de l air d une soufflerie de séchage convectif

Développement d un système de commande et de régulation de la température de l air d une soufflerie de séchage convectif Revue des Energies Renouvelables SMSTS 08 Alger (2008) 67 77 Développement d un système de commande et de régulation de la température de l air d une soufflerie de séchage convectif Y. Bouteraa 1*, M.

Plus en détail

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU $SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le

Plus en détail

Résolution d un problème d assimilation variationnelle 4D-VAR par des modèles réduits POD adaptatifs

Résolution d un problème d assimilation variationnelle 4D-VAR par des modèles réduits POD adaptatifs Résolution d un problème d assimilation variationnelle 4D-VAR par des modèles réduits POD adaptatifs G. TISSOT, L. CORDIER, B. R. NOACK Institut Pprime, Dpt. Fluides, Thermique et Combustion, 8636 Poitiers

Plus en détail

M1/UE CSy - module P8 1

M1/UE CSy - module P8 1 M1/UE CSy - module P8 1 PROJET DE SIMULATION AVEC MATLAB RÉGULATION DU NIVEAU ET DE LA TEMPÉRATURE DANS UN BAC En vue de disposer d un volume constant de fluide à une température désirée, un processus

Plus en détail

Économie d énergie dans les centrales frigorifiques : La haute pression flottante

Économie d énergie dans les centrales frigorifiques : La haute pression flottante Économie d énergie dans les centrales frigorifiques : La haute pression flottante Juillet 2011/White paper par Christophe Borlein membre de l AFF et de l IIF-IIR Make the most of your energy Sommaire Avant-propos

Plus en détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

Commande industrielle GEL-4100 / GEL-7063

Commande industrielle GEL-4100 / GEL-7063 Commande industrielle GEL-4100 / GEL-7063 Cours 02 Éric Poulin Département de génie électrique et de génie informatique Automne 2011 Plan du cours 02 2. Réglage des régulateurs PID 2.6 Analyse des performances

Plus en détail

DOSSIER THÉMATIQUE TEMPÉRATURE DE CONSIGNE SUPÉRIEURE À LA TEMPÉRATURE CONVENTIONNELLE :

DOSSIER THÉMATIQUE TEMPÉRATURE DE CONSIGNE SUPÉRIEURE À LA TEMPÉRATURE CONVENTIONNELLE : DOSSIER THÉMATIQUE Mars 2015 TEMPÉRATURE DE CONSIGNE SUPÉRIEURE À LA TEMPÉRATURE CONVENTIONNELLE : Quelles conséquences sur les consommations énergétiques et les caractéristiques bioclimatiques? Le renforcement

Plus en détail

Chapitre 4 : Identification

Chapitre 4 : Identification Chapitre 4 : Identification 1- Généralités - Identification en boucle ouverte.1 Méthodologie. Méthode directe : confrontation de la réponse théorique et expérimentale.3 Méthode de Strejc.4 Méthode de Broida.5

Plus en détail

Journées Nationales de l APMEP 2006 MODELISATION MATHEMATIQUE DE PHENOMENES PHYSIQUES, DU COLLEGE AU BTS.

Journées Nationales de l APMEP 2006 MODELISATION MATHEMATIQUE DE PHENOMENES PHYSIQUES, DU COLLEGE AU BTS. Journées Nationales de l APMEP 2006 MODELISATION MATHEMATIQUE DE PHENOMENES PHYSIQUES, DU COLLEGE AU BTS. Problème : (Thème : Primitives, équations différentielles linéaires du 1 er ordre à coefficients

Plus en détail

Tension d alimentation : V CC. i C R C R B

Tension d alimentation : V CC. i C R C R B Chapitre 4 Polarisation du transistor bipolaire à jonction 4.1 Le problème de la polarisation 4.1.1 Introduction Dans le chapitre 3, nous avons analysé un premier exemple de circuit d amplification de

Plus en détail

REGULATION DE TEMPERATURE

REGULATION DE TEMPERATURE Cours 1ELEEC E2 ETUDE D UN OUVRAGE S4 : Communication et traitement de l information REGULATION DE TEMPERATURE S4.4 : Traitement de l information 1. MISE EN SITUATION : Une chaîne de traitement de surface

Plus en détail

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Commande prédictive distribuée. Approches appliquées à la régulation thermique des bâtiments

Commande prédictive distribuée. Approches appliquées à la régulation thermique des bâtiments Commande prédictive distribuée. Approches appliquées à la régulation thermique des bâtiments Petru-Daniel Morosan To cite this version: Petru-Daniel Morosan. Commande prédictive distribuée. Approches appliquées

Plus en détail

REGULATION DE TEMPERATURE

REGULATION DE TEMPERATURE REGULATION DE TEMPERATURE I PRESENTATION DU TP I.1 Objectif : L objectif de ce TP est de réguler un système industriel à forte inertie. Après l identification du système en question, l étudiant devra déterminer

Plus en détail

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base M.A. Knefati 1 & A. Oulidi 2 & P.Chauvet 1 & M. Delecroix 3 1 LUNAM Université, Université Catholique de l Ouest,

Plus en détail

INDICATIONS DE CORRECTION

INDICATIONS DE CORRECTION SUJET NATIONAL POUR L ENSEMBLE DES CENTRES DE GESTION ORGANISATEURS Technicien principal territorial de 2 ème classe Examen professionnel de promotion interne Examen professionnel d avancement de grade

Plus en détail

Économies d'énergie Comment agir

Économies d'énergie Comment agir Économies d'énergie Comment agir Impact des nouvelles règlementations thermiques sur les Établissements de Santé 31 mai 2012 Commissariat Général au Développement durable 1 Sommaire Contexte et enjeux

Plus en détail

FRANCE : Towards Nearly Zero Energy Building

FRANCE : Towards Nearly Zero Energy Building FRANCE : Towards Nearly Zero Energy Building Bruxelles - 13 avril 2011 David JUIN Chef de projet réglementation thermique Ministère de l écologie, du développement durable, des transports et du logement

Plus en détail

Twincat PLC Temperature Controller. Régulation de Température à l aide de TwinCAT PLC.

Twincat PLC Temperature Controller. Régulation de Température à l aide de TwinCAT PLC. Twincat PLC Temperature Controller Régulation de Température à l aide de TwinCAT PLC. VERSION : 1.0 / JYL DATE : 28 Novembre 2005 1 Installation...4 2 Présentation :...4 3 Schéma fonctionnel :...5 4 Générateur

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Automatique Linéaire 1 Travaux Dirigés 1A ISMIN

Automatique Linéaire 1 Travaux Dirigés 1A ISMIN Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe

Plus en détail

Efficacité énergétique dans l automatisation des bâtiments. Applications testées pour le chauffage et la réfrigération. Answers for infrastructure.

Efficacité énergétique dans l automatisation des bâtiments. Applications testées pour le chauffage et la réfrigération. Answers for infrastructure. Efficacité énergétique dans l automatisation des bâtiments Applications testées pour le chauffage et la réfrigération Answers for infrastructure. Un réglage CVC efficace préserve l environnement et améliore

Plus en détail

Echantillonnage Non uniforme

Echantillonnage Non uniforme Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas

Plus en détail

Projets de Semestre/Master Groupe Machines Electriques: B. Kawkabani

Projets de Semestre/Master Groupe Machines Electriques: B. Kawkabani 1 Projets de Semestre/Master Groupe Machines Electriques: B. Kawkabani 1) TRIBID VEHICLE (Tribid C-AGV) (El) B. Kawkabani, support: A. Cassat (BCD Engineering, sàrl, Lausanne) TRIBID VEHICLE is a vehicle

Plus en détail

Approche hybride de reconstruction de facettes planes 3D

Approche hybride de reconstruction de facettes planes 3D Cari 2004 7/10/04 14:50 Page 67 Approche hybride de reconstruction de facettes planes 3D Ezzeddine ZAGROUBA F. S.T, Dept. Informatique. Lab. d Informatique, Parallélisme et Productique. Campus Universitaire.

Plus en détail

L efficience énergétique...

L efficience énergétique... ......Une technique intelligente de régulation au service Edgar Mayer Product Manager CentraLine c/o Honeywell GmbH 02 I 2009 Grâce aux techniques de régulation intelligentes d aujourd hui, il est possible

Plus en détail

LOAD PROFILING : ESTIMATION D UNE COURBE DE CONSOMMATION ET PRECISION D ESTIMATION

LOAD PROFILING : ESTIMATION D UNE COURBE DE CONSOMMATION ET PRECISION D ESTIMATION LOAD PROFILING : ESTIMATION D UNE COURBE DE CONSOMMATION ET PRECISION D ESTIMATION Olivier Chaouy EDF R&D 1, avenue du Général de Gaulle - 92141 Clamart Cedex - France olivier.chaouy@edf.fr Résumé : Le

Plus en détail

Matinée technique 24 novembre 2011. Régulation et Gestion Technique. Gisements et Enjeux

Matinée technique 24 novembre 2011. Régulation et Gestion Technique. Gisements et Enjeux Matinée technique 24 novembre 2011 Régulation et Gestion Technique Bâtiment Gisements et Enjeux Gisements et Enjeux - constat Communes du Pays de Rennes adhérentes au Conseil en Energie Partagé soit 49

Plus en détail

Ensemble pour l étude d une régulation de température

Ensemble pour l étude d une régulation de température ENSP Montrouge N. 205 Ensemble pour l étude d une régulation de température L ensemble est constitué des éléments suivants : - élément A : un boîtier contenant un bloc de cuivre, muni d une thermistance,

Plus en détail

L impact sur la performance énergétique de la régulation et de la GTB à travers les normes et réglementations

L impact sur la performance énergétique de la régulation et de la GTB à travers les normes et réglementations L impact sur la performance énergétique de la régulation et de la GTB à travers les normes et réglementations Pierre BOISSON Pôle Automatisme et Gestion de l Energie CSTB Marne la vallée pierre.boisson@cstb.fr

Plus en détail

Commande Prédictive. J. P. Corriou. LSGC-ENSIC-CNRS, Nancy. e-mail : corriou@ensic.inpl-nancy.fr

Commande Prédictive. J. P. Corriou. LSGC-ENSIC-CNRS, Nancy. e-mail : corriou@ensic.inpl-nancy.fr Commande Prédictive J P Corriou LSGC-ENSIC-CNRS, Nancy e-mail : corriou@ensicinpl-nancyfr Ý Consigne Trajectoire de référence Ý Ö Réponse Ý Horizon de prédiction À Ô ¹ Ù ¹ Temps Entrée Ù Horizon de commande

Plus en détail

Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées.

Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées. Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées. Baptiste Gregorutti 12, Bertrand Michel 2 & Philippe Saint Pierre 2 1 Safety

Plus en détail

Des thermostats d ambiance et des programmateurs de chauffage pour un maximum de confort et d économies

Des thermostats d ambiance et des programmateurs de chauffage pour un maximum de confort et d économies *Des réponses pour les infrastructures. www.siemens.fr/cps Des thermostats d ambiance et des programmateurs de chauffage pour un maximum de confort et d économies Une plus grande facilité d utilisation

Plus en détail

Dossier technique. Gestion active de l énergie - URBAWOOD. Gestion active de l énergie Le 19/09/2014. - contact@effigenie.com

Dossier technique. Gestion active de l énergie - URBAWOOD. Gestion active de l énergie Le 19/09/2014. - contact@effigenie.com Dossier technique Gestion active de l énergie - URBAWOOD Gestion active de l énergie Le 19/09/2014 - Effigénie SAS +33 (0) 3 51 08 11 63 165, avenue de bretagne www.effigenie.com 59000 Lille Tous droits

Plus en détail

Objectifs. Calcul scientifique. Champ d applications. Pourquoi la simulation numérique?

Objectifs. Calcul scientifique. Champ d applications. Pourquoi la simulation numérique? Objectifs Calcul scientifique Alexandre Ern ern@cermics.enpc.fr (CERMICS, Ecole des Ponts ParisTech) Le Calcul scientifique permet par la simulation numérique de prédire, optimiser, contrôler... le comportement

Plus en détail

Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique

Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique Auteur: Rémy Rigo-Mariani Equipe LAPLACE: X. Roboam, Groupe GENESYS S. Astier, Groupe GENESYS B. Sareni, Groupe

Plus en détail

THERMOSTATS ET SYSTÈMES DE ZONAGE. En vedette : les contrôleurs ComfortSense et le système de zonage Harmony III, pour efficacite et confort optimal

THERMOSTATS ET SYSTÈMES DE ZONAGE. En vedette : les contrôleurs ComfortSense et le système de zonage Harmony III, pour efficacite et confort optimal Contrôleurs de confort domestique lennox THERMOSTATS ET SYSTÈMES DE ZONAGE En vedette : les contrôleurs ComfortSense et le système de zonage Harmony III, pour efficacite et confort optimal ComfortSense

Plus en détail

Description du logiciel Smart-MED-Parks Article technique

Description du logiciel Smart-MED-Parks Article technique Introduction Description du logiciel Smart-MED-Parks Article technique Depuis le lancement du projet en février 2013, différentes actions ont été effectuées dans le but d'accroître la sensibilisation et

Plus en détail

Commande Floue de la Charge d une Batterie dans une Installation Photovoltaique

Commande Floue de la Charge d une Batterie dans une Installation Photovoltaique Rev. Energ. Ren.: ICPWE (2003) 67-72 Commande Floue de la Charge d une Batterie dans une Installation Photovoltaique Laboratoire d Electronique de Puissance et Energie Solaire Institut d Electronique,

Plus en détail

EXEMPLES DE MODÉLISATION DE PROCESSUS

EXEMPLES DE MODÉLISATION DE PROCESSUS Première partie : chapitre 4. 1 Chapitre 4 EXEMPLES DE MODÉLISATION DE PROCESSUS INTRODUCTION. Dans les chapitres 2 et 3, nous avons décrit les principes de la modélisation de processus par réseaux de

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

Modèle réduit pour la DSC : Application aux solutions binaires

Modèle réduit pour la DSC : Application aux solutions binaires Modèle réduit pour la DSC : Application aux solutions binaires Stéphane GIBOUT 1, Erwin FRANQUET 1, William MARÉCHAL 1, Jean-Pierre BÉDÉCARRATS 1, Jean-Pierre DUMAS 1 1 Univ. Pau & Pays Adour, LaTEP-EA

Plus en détail

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

Économisez sur l énergie, pas sur le confort Économisez jusqu'à 40 % sur votre facture énergétique

Économisez sur l énergie, pas sur le confort Économisez jusqu'à 40 % sur votre facture énergétique Économisez sur l énergie, pas sur le confort Économisez jusqu'à 40 % sur votre facture énergétique 1 Answers for infrastructure. Siemens optimise la gestion énergétique de votre bâtiment Les bâtiments

Plus en détail

ANALYSE FACTORIELLE MULTIPLE PROCRUSTEENNE

ANALYSE FACTORIELLE MULTIPLE PROCRUSTEENNE ANALYSE FACTORIELLE MULTIPLE PROCRUSTEENNE Elisabeth Morand & Jérôme Pagès Agrocampus Rennes Laboratoire de mathématiques appliquées CS 425 3542 Rennes cedex Résumé Pour comparer deux nuages de points

Plus en détail

Manlab. Logiciel de continuation interactif. R. Arquier B. Cochelin C. Vergez

Manlab. Logiciel de continuation interactif. R. Arquier B. Cochelin C. Vergez Manlab Logiciel de continuation interactif R. Arquier B. Cochelin C. Vergez Laboratoire de mécanique et d acoustique (UPR CNRS 7051) Ecole généraliste d ingénieurs de Marseille (EGIM) Technopôle de Château-Gombert

Plus en détail

Optimisation des transitions de phases de vol pour un drone capable de vol stationnaire et de vol en translation rapide

Optimisation des transitions de phases de vol pour un drone capable de vol stationnaire et de vol en translation rapide Damien Poinsot 1/6 Optimisation des transitions de phases de vol pour un drone capable de vol stationnaire et de vol en translation rapide Damien POINSOT Directeur(s) de thèse : Caroline Bérard et Alain

Plus en détail

Optimisation énergétique de la technique du bâtiment 19 juin 2015

Optimisation énergétique de la technique du bâtiment 19 juin 2015 Optimisation énergétique de la technique du bâtiment 19 juin 2015 Benoît Pfister AGENDA 1. Optimisation énergétique des installations CVC 2. Solution de monitoring énergétique 3. Modernisation du système

Plus en détail

Ecole des Mines de Paris: 60, Boulevard Saint-Michel 75272 Paris marcello.caciolo@ensmp.fr

Ecole des Mines de Paris: 60, Boulevard Saint-Michel 75272 Paris marcello.caciolo@ensmp.fr Effet de différentes solutions techniques sur les températures de nonchauffage et de non-refroidissement et sur le potentiel de free cooling dans les bâtiments de bureaux Marcello Caciolo 1, Dominique

Plus en détail

Notions d asservissements et de Régulations

Notions d asservissements et de Régulations I. Introduction I. Notions d asservissements et de Régulations Le professeur de Génie Electrique doit faire passer des notions de régulation à travers ses enseignements. Les notions principales qu'il a

Plus en détail

Chaleur et confort sans gaspillage

Chaleur et confort sans gaspillage Chaleur et confort sans gaspillage ++ Régulation et programmation pilotent le chauffage. Sous leur contrôle, celui-ci fournit la bonne température quand il faut et où il faut, de façon constante et sans

Plus en détail

CI-4 PRÉVOIR ET SUPPRIMER LES

CI-4 PRÉVOIR ET SUPPRIMER LES CI-4 LES CONTRAINTES DE MONTAGE D UN SYSTÈME. Objectifs ANALYSER - OPTIMISER A la fin de la séquence de révision, l élève doit être capable de B2 Proposer un modèle de connaissance et de comportement Déterminer

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

120113DLPLB PROPRIETAIRE COMMUNE DE ST AMAND LONGPRE 41310 ST AMAND LONGPRE

120113DLPLB PROPRIETAIRE COMMUNE DE ST AMAND LONGPRE 41310 ST AMAND LONGPRE 120113DLPLB RAPPORT DE DIAGNOSTIC DE PERFORMANCE ENERGETIQUE ETABLI LE VENDREDI 10 FEVRIER 2012 - SELON ANNEXE 6.A DE L ARRETE DE REFERENCE Arrêté du 3 mai 2007 relatif au diagnostic de performance énergétique,

Plus en détail

FORUM ACTUALITES CONSTRUCTION

FORUM ACTUALITES CONSTRUCTION FORUM ACTUALITES CONSTRUCTION Réglementation RT 2012 : nouveaux mécanismes et principales différences par rapport à la RT 2005 Jean-Pierre BARDY Sous-directeur de la qualité et du développement durable

Plus en détail

Manuel d Utilisation REGULATEUR CONNECTE POUR SYSTEMES SOLAIRES AEROTHERMIQUES MU-PVTBOX-V0.13

Manuel d Utilisation REGULATEUR CONNECTE POUR SYSTEMES SOLAIRES AEROTHERMIQUES MU-PVTBOX-V0.13 Manuel d Utilisation REGULATEUR CONNECTE POUR SYSTEMES SOLAIRES AEROTHERMIQUES MU-PVTBOX-V0.13 MU-PVTBOX-V0.13 SOMMAIRE PRESENTATION 1 MISE EN SERVICE 3 INDICATEURS LUMINEUX 5 INFORMATIONS GENERALES 6

Plus en détail

ESTIMATION DE LA HAUTEUR D UN LIT DE STOCKAGE DE L ENERGIE THERMIQUE UTILISANT UN MATERIAU A CHANGEMENT DE PHASE

ESTIMATION DE LA HAUTEUR D UN LIT DE STOCKAGE DE L ENERGIE THERMIQUE UTILISANT UN MATERIAU A CHANGEMENT DE PHASE 0-06 Novembre, 00, Sousse,Tunisie ESTIMATION DE LA HAUTEUR D UN LIT DE STOCKAGE DE L ENERGIE THERMIQUE UTILISANT UN MATERIAU A CHANGEMENT DE PHASE A. Benmansour A. Benzerdjeb Laboratoire de mécanique appliquée,

Plus en détail

Présentation réalisée par ACT Energy. Séminaire organisé par

Présentation réalisée par ACT Energy. Séminaire organisé par Présentation réalisée par ACT Energy F. ZOTTO Ir. électromécanique-énergétique Audits, Consultance, Formation Techniques Spéciales et Energie Séminaire organisé par Copyright ACT Energy 1 /30 Domaine d

Plus en détail

Performances énergétiques de capteurs solaires hybrides PV-T pour la production d eau chaude sanitaire.

Performances énergétiques de capteurs solaires hybrides PV-T pour la production d eau chaude sanitaire. Performances énergétiques de capteurs solaires hybrides PV-T pour la production d eau chaude sanitaire. Patrick DUPEYRAT 1,2*, Yu BAI 3,4, Gérald KWIATKOWSKI 5, Gilles FRAISSE 3 Christophe MENEZO 2,3 et

Plus en détail

Diagnostic de performance énergétique logement (6.A) N : Valable jusqu au : Type de bâtiment : Année de construction : Surface habitable : Adresse :

Diagnostic de performance énergétique logement (6.A) N : Valable jusqu au : Type de bâtiment : Année de construction : Surface habitable : Adresse : Diagnostic pour les logements à chauffage individuel ------------------------------------------------------------------------------ Les consommations sont établies à partir d un calcul conventionnel Diagnostic

Plus en détail

Évaluation de l impact d une isolation thermique sur le confort d été et les besoins énergétiques d un bâtiment ancien

Évaluation de l impact d une isolation thermique sur le confort d été et les besoins énergétiques d un bâtiment ancien Évaluation de l impact d une isolation thermique sur le confort d été et les besoins énergétiques d un bâtiment ancien STÉPHAN Emma 1,2, CANTIN Richard 2, MICHEL Pierre 2, CAUCHETEUX Antoine 1, TASCA-GUERNOUTI

Plus en détail

1. Introduction. Blaise ALTDORFER 1*, Véronique FELDHEIM 1

1. Introduction. Blaise ALTDORFER 1*, Véronique FELDHEIM 1 Analyse et amélioration du calcul des besoins de refroidissement et du risque de surchauffe dans la méthode réglementaire belge d évaluation de la PEB des bâtiments résidentiels Blaise ALTDORFER 1*, Véronique

Plus en détail

LUMIERE. Ensemble, valorisons la Lumière Naturelle

LUMIERE. Ensemble, valorisons la Lumière Naturelle LUMIERE Ensemble, valorisons la Lumière Naturelle Etude d impact de l installation de lanterneaux sur les consommations et le confort d été d un bâtiment industriel. Sommaire Page 4 Page 4 Page 5 Page

Plus en détail

Des solutions complètes pour la maison individuelle

Des solutions complètes pour la maison individuelle Gestion énergétique Des solutions complètes pour la maison individuelle Vous aider à réduire la consommation d énergie de votre habitation. www.siemens.fr/cps Réduire la consommation d énergie des bâtiments

Plus en détail

EPARGNE et CONFORT. Plus facile que vous ne le pensez!

EPARGNE et CONFORT. Plus facile que vous ne le pensez! EPARGNE et CONFORT Plus facile que vous ne le pensez! 30% Les coûts de chauffage représentent plus de 55% facture énergétique d un ménage moyen. Avec le système de régulation intelligent Evohome vous économiserez

Plus en détail

STRATEGIES DE CONTROLE LOCAL DE LA VENTILATION DEVELOPPEMENT D UNE PLATEFORME NUMERIQUE ET EXPERIMENTALE

STRATEGIES DE CONTROLE LOCAL DE LA VENTILATION DEVELOPPEMENT D UNE PLATEFORME NUMERIQUE ET EXPERIMENTALE STRATEGIES DE CONTROLE LOCAL DE LA VENTILATION DEVELOPPEMENT D UNE PLATEFORME NUMERIQUE ET EXPERIMENTALE Nicolas CORDIER cordier_n@enpte.fr Pierre MICHEL michel@entpe.fr Ecole Nationale des Travaux Publics

Plus en détail

1998.02 Composition d un portefeuille optimal. Dinh Cung Dang

1998.02 Composition d un portefeuille optimal. Dinh Cung Dang 199802 Composition d un portefeuille optimal Dinh Cung Dang Docteur en gestion de l IAE de Paris Ingénieur Conseil Résumé : Dans ce travail, le risque est défini comme étant la probabilité de réaliser

Plus en détail

TH331 Thermostat électronique pour plancher ou plafond rayonnant

TH331 Thermostat électronique pour plancher ou plafond rayonnant MANUEL D'INSTALLATION ET D'UTILISATION SYSTEME DE CHAUFFAGE PAR RAYONNEMENT TH331 Thermostat électronique pour plancher ou plafond rayonnant Appareil conforme aux exigences des directives : 2004/108/CE

Plus en détail

Applications climatisation

Applications climatisation climatisation 06.a Grille de sélection ventilation - climatisation NR07 06.0 Régulation de soufflage à température constante Commande de vanne batterie chaude NRK00 P/PI 06.0 Régulation de soufflage à

Plus en détail

TP d asservissement numérique sur maquette Feedback

TP d asservissement numérique sur maquette Feedback SOUBIGOU Antoine GE3S Semestre 5 2002 PAILLARD Jean-Noël TP d asservissement numérique sur maquette Feedback ECOLE NATIONALE SUPERIEURE DES ARTS ET INDUSTRIES DE STRASBOURG 24, Boulevard de la Victoire

Plus en détail

Aide au dimensionnement Pompes de circulation

Aide au dimensionnement Pompes de circulation Aide au dimensionnement Pompes de circulation 1 Généralités Les pompes à haut rendement équipées de moteurs à aimant permanent ou de «moteurs EC» (Electronic Commutation) sont jusqu à 3x plus efficientes

Plus en détail

Regime Switching Model : une approche «pseudo» multivarie e

Regime Switching Model : une approche «pseudo» multivarie e Regime Switching Model : une approche «pseudo» multivarie e A. Zerrad 1, R&D, Nexialog Consulting, Juin 2015 azerrad@nexialog.com Les crises financières survenues dans les trente dernières années et les

Plus en détail

Dossier de presse thématique Découvrez les «Solutions confort» Schneider Electric pour le chauffage

Dossier de presse thématique Découvrez les «Solutions confort» Schneider Electric pour le chauffage Dossier de presse thématique Découvrez les «Solutions confort» Schneider Electric pour le chauffage Contact presse Muriel Droin/Natacha Dreux Tél : 01 46 05 12 67 Fax : 01 46 05 26 74 mdroin@profilepr.fr/ndreux@profilepr.fr

Plus en détail

Économie d énergie dans les centrales frigorifiques : La basse pression flottante

Économie d énergie dans les centrales frigorifiques : La basse pression flottante Économie d énergie dans les centrales frigorifiques : La basse pression flottante Aout 2011/White paper par Christophe Borlein membre de l AFF et de l IIF-IIR Make the most of your energy Sommaire Avant-propos

Plus en détail

Amélioration de la commande P&O par une détection synchrone du courant de batterie

Amélioration de la commande P&O par une détection synchrone du courant de batterie Revue des Energies Renouvelables ICESD 11 Adrar (2011) 113-121 Amélioration de la commande P&O par une détection synchrone du courant de batterie R. Merahi * et R. Chenni Département d Electrotechnique,

Plus en détail

Simulation 06-11-2013

Simulation 06-11-2013 Conception d'un système de ventilation décentralisée : retour d'expérience sur l'intérêt de la simulation thermique dynamique et de la CFD Luc Prieels, Greencom Projet GREEN+ Groupe de REcupération d ENergie

Plus en détail

Pré-dimensionnement par simulations dynamiques d un réacteur de stockage thermochimique assurant l autonomie d un système solaire combiné.

Pré-dimensionnement par simulations dynamiques d un réacteur de stockage thermochimique assurant l autonomie d un système solaire combiné. Pré-dimensionnement par simulations dynamiques d un réacteur de stockage thermochimique assurant l autonomie d un système solaire combiné. Samuel HENNAUT 1*, Sébastien THOMAS 1, Philippe ANDRE 1, Emilie

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

Plus en détail

Smart Building : vers une gestion énergétique optimisée

Smart Building : vers une gestion énergétique optimisée Smart Building : vers une gestion énergétique optimisée Fabien Clanché 1, Jérôme Gautier 1, Fréderic Hamelin 1 1 Centre de Recherche en Automatique de Nancy (CRAN) UMR 7039 CNRS Université de Lorraine

Plus en détail

Etude technico-économique d une installation de chauffage solaire à usage industriel

Etude technico-économique d une installation de chauffage solaire à usage industriel Revue des Energies Renouvelables SIENR 14 Ghardaïa (2014) 135 139 Etude technico-économique d une installation de chauffage solaire à usage industriel K. Kaci 11, M. Kouadri 2, M. Merzouk 3 N. Kasbadji

Plus en détail

Chapitre 1 Prise en main de MATLAB et SIMULINK

Chapitre 1 Prise en main de MATLAB et SIMULINK Table des matières Chapitre 1 Prise en main de MATLAB et SIMULINK I. PRISE EN MAIN DE MATLAB... 1 I.1. L AIDE DANS MATLAB... 1 I.2. TYPES DE DONNÉES... 4 I.3. NOTIONS DE BASE DE MATLAB... 4 I.4. TABLEAUX...

Plus en détail

Comment identifier et expliquer les écarts entre mesure et prédiction?

Comment identifier et expliquer les écarts entre mesure et prédiction? Comment identifier et expliquer les écarts entre mesure et prédiction? Position du problème et travaux prévus Bruno PEUPORTIER ARMINES Centre Energétique et Procédés Objectifs Expliquer les écarts permettrait

Plus en détail

Régulation par PID Mickaël CAMUS Etienne DEGUINE Daniel ROSS

Régulation par PID Mickaël CAMUS Etienne DEGUINE Daniel ROSS Régulation par PID Mickaël CAMUS Etienne DEGUINE Daniel ROSS 26/02/10 Plan Définition 1. Proportionnel 2. Intégral 3. Dérivé Réglages des coefficients 1. Différentes approches 2. Ziegler-Nichols 3. Process

Plus en détail

TP4 Simulation comportement drone

TP4 Simulation comportement drone MATLAB Institut Polytechnique Des Sciences Avancées TP4 Simulation comportement drone Modélisation du comportement d un drone quadri-rotor Sous la conduite de : M. Sellami Par : Morin Florent Herrewyn

Plus en détail

Problèmes de fiabilité dépendant du temps

Problèmes de fiabilité dépendant du temps Problèmes de fiabilité dépendant du temps Bruno Sudret Dépt. Matériaux et Mécanique des Composants Pourquoi la dimension temporelle? Rappel Résistance g( RS, ) = R S Sollicitation g( Rt (), St (),) t =

Plus en détail

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Points abordés Méthodes numériques employées en finance Approximations de prix

Plus en détail