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

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

$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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Stockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique

Stockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique Stockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique Kokouvi Edem N TSOUKPOE 1, Nolwenn LE PIERRÈS 1*, Lingai LUO 1 1 LOCIE, CNRS FRE3220-Université

Plus en détail

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules THÈSE N O 4034 (2008) PRÉSENTÉE le 30 mai 2008 À LA FACULTÉ DES SCIENCES ET TECHNIQUES

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

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

DIAGNOSTIC DE PERFORMANCE ENERGETIQUE TERTIAIRE

DIAGNOSTIC DE PERFORMANCE ENERGETIQUE TERTIAIRE DATE : 14/02/2011 N AFFAIRE : 003387/2255629/1/1 ANNEE DE CONSTRUCTION : NON COMMUNIQUE SURFACE UTILE : 489.44 TYPE DE BATIMENT : IMMEUBLE D HABITATION + BUREAUX TYPE D ACTIVITES : ADMINISTRATION - BUREAUX

Plus en détail

Comment aborder l Optimisation énergétique de salles anciennes et hétérogènes?

Comment aborder l Optimisation énergétique de salles anciennes et hétérogènes? Comment aborder l Optimisation énergétique de salles anciennes et hétérogènes? Témoignage de Hervé MAGNIER Aéroports de Paris Membre du CRIP Groupe de travail Data center Un environnement technique peu

Plus en détail

Mémoire de Juin 2010. PID versus PFC

Mémoire de Juin 2010. PID versus PFC Mémoire de Juin 21 PID versus PFC Joëlle.Mallet. IRA Jacques.Richalet. Guy Lavielle. Consultants Philippe.D.Perrichon - Sylvain.Girault. Sanofi-Aventis. Vitry sur Seine Introduction : L automatique industrielle

Plus en détail

Concilier confort acoustique et santé des occupants. Choix des vitrages

Concilier confort acoustique et santé des occupants. Choix des vitrages Concilier confort acoustique et santé des occupants Choix des vitrages 2010 1 Le verre : ses spécificités Le verre : permet la vision vers l extérieur laisse pénétrer, dans les bâtiments, la lumière naturelle.

Plus en détail

Automatisation de la Mesure sur un Stand d Essai pour les Chauffe - Eau Solaires

Automatisation de la Mesure sur un Stand d Essai pour les Chauffe - Eau Solaires Rev. Energ. Ren. : Journées de Thermique (2001) 47-52 Automatisation de la Mesure sur un Stand d Essai pour les Chauffe - Eau Solaires C. Bouden et N. Ghrab-Morcos Laboratoire d Energie Solaire, Ecole

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

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

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale.

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Morgan DAL 1, Philippe LE MASSON 1, Michel DUMONS 1, Didier LAWRJANIEC 2 1 LIMATB, Université

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

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

MESURE DE LA TEMPERATURE

MESURE DE LA TEMPERATURE 145 T2 MESURE DE LA TEMPERATURE I. INTRODUCTION Dans la majorité des phénomènes physiques, la température joue un rôle prépondérant. Pour la mesurer, les moyens les plus couramment utilisés sont : les

Plus en détail

La technologie peut-elle contribuer à la préservation de la planète?

La technologie peut-elle contribuer à la préservation de la planète? La technologie peut-elle contribuer à la préservation de la planète? La domotique pour faire des économies Comment augmenter le confort de la maison tout en faisant des économies d énergie? La domotique

Plus en détail

2010/2011 4 - GC La régulation Les principes de base Les organes de réglage

2010/2011 4 - GC La régulation Les principes de base Les organes de réglage 2010/2011 4 - GC La régulation Les principes de base Les organes de réglage La régulation Régulation = maintien d un paramètre à une valeur de consigne Chaîne de régulation Observation Détection d un écart

Plus en détail

TROIS ASPECTS DE LA COMPARAISON ALLEMAGNE-FRANCE SUR L ELECTRICITE

TROIS ASPECTS DE LA COMPARAISON ALLEMAGNE-FRANCE SUR L ELECTRICITE TROIS ASPECTS DE LA COMPARAISON ALLEMAGNE-FRANCE SUR L ELECTRICITE B. Laponche 2 juin 2014 Voir en annexe la présentation de la politique énergétique allemande * 1. Sur la consommation d électricité des

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

Efficacité Energétique Diminuez vos coûts de production. Programme Energy Action pour l industrie

Efficacité Energétique Diminuez vos coûts de production. Programme Energy Action pour l industrie Efficacité Energétique Diminuez vos coûts de production Programme Energy Action pour l industrie Un programme d économies d énergie. Les solutions Energy Action de Schneider Electric. Des économies d énergie

Plus en détail

Note technique. Consommation électrique d'un poêle à granulés à émission directe

Note technique. Consommation électrique d'un poêle à granulés à émission directe Note technique Consommation électrique d'un poêle à granulés à émission directe Version / Date Version 1.0 du 06/02/2012 Auteur David Chénier 2012, Amoès SAS. Toute utilisation, reproduction intégrale

Plus en détail

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences

Plus en détail

La régulation. Principe de régulation p. 2. La régulation PID p. 5. La régulation à modèle p. 12. Autres types de régulation p. 15

La régulation. Principe de régulation p. 2. La régulation PID p. 5. La régulation à modèle p. 12. Autres types de régulation p. 15 Le magazine Schneider Electric de l'enseignement technologique et professionnel Juin 2004 La régulation Principe de régulation p. 2 La régulation PID p. 5 La régulation est au cœur de toutes nos actions

Plus en détail

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz

Plus en détail

La Gestion Technique Centralisée. Qu est ce que c est? A quoi ça sert?

La Gestion Technique Centralisée. Qu est ce que c est? A quoi ça sert? La Gestion Technique Centralisée. Qu est ce que c est? A quoi ça sert? Cet article a pour objectif de rappeler les notions principales relatives à la Gestion Technique Centralisée. Mais qu entend on par

Plus en détail

Efficacité énergétique des logements à haute performance énergétique, HPE : Application au site de Béchar

Efficacité énergétique des logements à haute performance énergétique, HPE : Application au site de Béchar Revue des Energies Renouvelables Vol. 15 N 2 (2012) 357-364 Efficacité énergétique des logements à haute performance énergétique, HPE : Application au site de Béchar S. Sami-Mécheri 1*, D. Semmar 2 et

Plus en détail

Demain, le bâtiment intelligent

Demain, le bâtiment intelligent Demain, le bâtiment intelligent 2 heures au CSTB B Jacquemin benoit.jacquemin@schneider-electric.com Sommaire 1. SE dans le bâtiment 2. Vers des infrastructures électriques flexibles 3. Une meilleure intégration

Plus en détail

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2 Sommaire Sommaire... 1 Introduction... 2 1 Trois différentes techniques de pricing... 3 1.1 Le modèle de Cox Ross Rubinstein... 3 1.2 Le modèle de Black & Scholes... 8 1.3 Méthode de Monte Carlo.... 1

Plus en détail

MINOR 11. *2701444_rev.6* Guide d installation et d utilisation MINOR 11. DELTA DORE - Bonnemain - 35270 COMBOURG E-mail : deltadore@deltadore.

MINOR 11. *2701444_rev.6* Guide d installation et d utilisation MINOR 11. DELTA DORE - Bonnemain - 35270 COMBOURG E-mail : deltadore@deltadore. Guide d installation et d utilisation MINOR 11 6151042 MINOR 11 DELTA DORE - Bonnemain - 35270 COMBOURG E-mail : deltadore@deltadore.com Appareil conforme aux exigences des directives : 2004/108/CE (Compatibilité

Plus en détail

Impact de choix d implantation sur les performances d une application de Contrôle-Commande

Impact de choix d implantation sur les performances d une application de Contrôle-Commande Recherche Impact de choix d implantation sur les performances d une application de Contrôle-Commande Fabrice Jumel Nicolas Navet Françoise Simonot-Lion CITI - INSA 20, Avenue Albert Einstein, F6962 Villeurbanne

Plus en détail

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui

Plus en détail

702 012 956 RCS Nanterre TVA FR 03 702 012 956 Certifiée ISO 9001 par l AFAQ

702 012 956 RCS Nanterre TVA FR 03 702 012 956 Certifiée ISO 9001 par l AFAQ MCC et incertitude 10 mars 2015 Par Christophe Béesau et Christian Leliepvre Avec Altran, Solar Impulse s attaque au défi du tour du monde à l énergie solaire. Depuis 2010, Solar Impulse vole à l énergie

Plus en détail

Calcul de la puissance de chauffe Informations générales

Calcul de la puissance de chauffe Informations générales Informations générales 1 Marche à suivre Un dimensionnement correct des installations de chauffage central est essentiel pour l utilisation rationnelle de l énergie dans les bâtiments. Le schéma montre

Plus en détail

Identification et réglage assisté par ordinateur d un processus thermique

Identification et réglage assisté par ordinateur d un processus thermique I- But de la manipulation : Identification et réglage assisté par ordinateur d un processus thermique Le but est de procéder à la modélisation et à l identification paramétrique d un procédé considéré

Plus en détail

Fiches Techniques Bâtiment

Fiches Techniques Bâtiment Fiches Techniques Bâtiment Bâti Comment faire des économies? Aide Les déperditions par le bâti comptent jusqu à 50% de la consommation énergétique des bâtiments. La performance énergétique est donc une

Plus en détail

Dimensionnement des chaudières à mazout et à gaz

Dimensionnement des chaudières à mazout et à gaz Office fédéral de l énergie Dimensionnement des chaudières à mazout et à gaz 1 1 Introduction Correctement dimensionnée et dotée d une puissan-ce calorifique adaptée, l installation de chauffage fonctionne

Plus en détail

NOUVEL ALPHA2 FIABILITÉ ET RENDEMENT REDÉFINIS Gamme complète de circulateurs professionnels pour le chauffage, la climatisation et le refroidissement

NOUVEL ALPHA2 FIABILITÉ ET RENDEMENT REDÉFINIS Gamme complète de circulateurs professionnels pour le chauffage, la climatisation et le refroidissement NOUVEL ALPHA FIABILITÉ ET RENDEMENT REDÉFINIS Gamme complète de circulateurs professionnels pour le chauffage, la climatisation et le refroidissement ALPHA NOUVEAU CIRCULATEUR PLUS FIABLE. PLUS PERFORMANT.

Plus en détail

en Appartement Besoins, Choix du Système, Coûts...

en Appartement Besoins, Choix du Système, Coûts... Le Chauffage Individuel en Appartement Besoins, Choix du Système, Coûts... www.ale-lyon.org >> Quel est le meilleur système de chauffage chez moi? Il n y a pas de réponse unique, chaque logement et chaque

Plus en détail

TP 7 : oscillateur de torsion

TP 7 : oscillateur de torsion TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)

Plus en détail

Système KNX Bienvenue dans votre maison intelligente

Système KNX Bienvenue dans votre maison intelligente Système KNX Bienvenue dans votre maison intelligente Votre maison vit à votre Grâce au système KNX, votre maison devient intelligente : elle adapte l éclairage, le chauffage, la climatisation, la gestion

Plus en détail

quelles améliorations possibles?

quelles améliorations possibles? Fiche 1 - Définitions et principes Le chauffage électrique en quelques chiffres. 1,5 fois plus cher : le coût d exploitation du chauffage électrique est 1,5 fois plus élevé que celui du chauffage gaz naturel

Plus en détail

Solutions de mesure et de contrôle

Solutions de mesure et de contrôle Solutions de mesure et de contrôle Zelio RTC Catalogue Avril 0 Comment trouver les produits Automatismes et Contrôle Les catalogues Les Essentiels Des gammes complètes de produits Une sélection des produits

Plus en détail

Le nouvel immeuble du groupe BEI : Climat interne et environnement

Le nouvel immeuble du groupe BEI : Climat interne et environnement Le nouvel immeuble du groupe BEI : Climat interne et environnement Conçu et équipé pour s adapter aux méthodes de travail et aux exigences de communications des nouvelles technologies, le nouvel immeuble

Plus en détail

Analyse et Commande des systèmes linéaires

Analyse et Commande des systèmes linéaires Analyse et Commande des systèmes linéaires Frédéric Gouaisbaut LAAS-CNRS Tel : 05 61 33 63 07 email : fgouaisb@laas.fr webpage: www.laas.fr/ fgouaisb September 24, 2009 Présentation du Cours Volume Horaire:

Plus en détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

Optimisation du Rendement de Conversion Photovoltaïque des Cellules Solaires à base de GaAs et de Si

Optimisation du Rendement de Conversion Photovoltaïque des Cellules Solaires à base de GaAs et de Si Rev. Energ. Ren. : Valorisation (1999) 2731 Optimisation du Rendement de Conversion Photovoltaïque des Cellules Solaires à base de GaAs et de Si T. Baghdadli, A. Zerga et B. Benyoucef Laboratoire de Physique

Plus en détail

T. BONNARDOT 17/12/2010

T. BONNARDOT 17/12/2010 CYTHELIA Conseil & Expertise La Maison ZEN 350, route de la traverse 73 000 MONTAGNOLE Tel +33 (0) 4 79 25 31 75 www.cythelia.fr SARL au capital de 140 000 - RCS Chambéry B 393 290 937 - APE 7219 Z RT

Plus en détail

Combiner anticipations et optimisation : le modèle Black-Litterman

Combiner anticipations et optimisation : le modèle Black-Litterman Combiner anticipations et optimisation : le modèle Black-Litterman Université Paris 1, Panthéon-Sorbonne, IAE (Sorbonne Graduate Business School) PLAN Les raisons du modèle 1 Les raisons du modèle 2 1.

Plus en détail

D i a g n o s t i q u e u r I m m o b i l i e r Tél. 04 94 19 18 39 Port. 06 60 96 06 83 Fax 04 94 19 22 50

D i a g n o s t i q u e u r I m m o b i l i e r Tél. 04 94 19 18 39 Port. 06 60 96 06 83 Fax 04 94 19 22 50 A DIAGNOSTIC DE PERFORMANCE ENERGETIQUE Logement (6.2) Décret n 2006-1114 du 5 septembre 2006, Décret n 2006-1147 du 14 septembre 2006, Arrêtés du 15 septembre 2006 INFORMATIONS GENERALES N de rapport

Plus en détail

CHAPITRE I. Modélisation de processus et estimation des paramètres d un modèle

CHAPITRE I. Modélisation de processus et estimation des paramètres d un modèle CHAPITRE I Modélisation de processus et estimation des paramètres d un modèle I. INTRODUCTION. Dans la première partie de ce chapitre, nous rappelons les notions de processus et de modèle, ainsi que divers

Plus en détail

Influence du réchauffement climatique sur la consommation énergétique des maisons au Canada

Influence du réchauffement climatique sur la consommation énergétique des maisons au Canada Influence du réchauffement climatique sur la consommation énergétique des maisons au Canada R. Zmeureanu 1, G. Renaud 2, C. Darne 3, J. Brau 3 1 Département du génie du bâtiment et des génies civil et

Plus en détail

Un premier chiffrage de quelques actions de réduction des consommations d énergie et d émissions de CO 2. Synthèse

Un premier chiffrage de quelques actions de réduction des consommations d énergie et d émissions de CO 2. Synthèse Un premier chiffrage de quelques actions de réduction des consommations d énergie et d émissions de CO 2 Synthèse Le tableau suivant est la synthèse des quatre premières actions proposées pour réduire

Plus en détail

Les Champs Elysées. 80 Avenue Jean Jaurès - 30000 NÎMES

Les Champs Elysées. 80 Avenue Jean Jaurès - 30000 NÎMES Diagnostic de performance énergétique Une information au service de la lutte contre l effet de serre (6.3.a bis) Bâtiment à usage principal de bureau, d'administration ou d'enseignement Valable jusqu au

Plus en détail

IDENTIFIER LES ELEMENTS CLES D UNE OFFRE GLOBALE D AMELIORATION ENERGETIQUES DES BATIMENTS (MODULE 1)

IDENTIFIER LES ELEMENTS CLES D UNE OFFRE GLOBALE D AMELIORATION ENERGETIQUES DES BATIMENTS (MODULE 1) IDENTIFIER LES ELEMENTS CLES D UNE OFFRE GLOBALE D AMELIORATION ENERGETIQUES DES BATIMENTS (MODULE 1) Public visé Chefs d entreprise Artisans Chargés d affaire Conducteurs de travaux Personnels de chantier

Plus en détail

aux différences est appelé équation aux différences d ordre n en forme normale.

aux différences est appelé équation aux différences d ordre n en forme normale. MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire

Plus en détail

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation

Plus en détail

Diagnostic de performance énergétique logement (6.2)

Diagnostic de performance énergétique logement (6.2) N :... 14/IMO/0338 Valable jusqu au :... 15/10/2024 Type de bâtiment :... Habitation (en maison individuelle) Année de construction :.. Avant 1948 Surface habitable :... environ 124.57 m² Adresse :...

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

Les Interacteurs Hiérarchisés 1

Les Interacteurs Hiérarchisés 1 Les Interacteurs Hiérarchisés 1 Une architecture orientée tâches pour la conception des dialogues. Patrick Girard, Guy Pierra, Laurent Guittet LISI, ENSMA, Site du Futuroscope - B.P. 109-86960 FUTUROSCOPE

Plus en détail

Pratique du chauffage

Pratique du chauffage Pratique du chauffage EN 26 FICHES-OUTILS Jack Bossard Jean Hrabovsky Philippe Ménard Dunod, 2014 5 rue Laromiguière, 75005 Paris www.dunod.com ISBN 978-2-10-057799-6 PRÉFACE Au nom de l AICVF, Association

Plus en détail

Confort thermique d un local d habitation: Simulation thermoaéraulique pour différents systèmes de chauffage

Confort thermique d un local d habitation: Simulation thermoaéraulique pour différents systèmes de chauffage Revue des Energies Renouvelables Vol. 15 N 1 (2012) 91 102 Confort thermique d un local d habitation: Simulation thermoaéraulique pour différents systèmes de chauffage F. Boudali Errebai 1*, L. Derradji

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

Le contenu en CO2 du kwh électrique : Avantages comparés du contenu marginal et du contenu par usages sur la base de l historique.

Le contenu en CO2 du kwh électrique : Avantages comparés du contenu marginal et du contenu par usages sur la base de l historique. Final le 08/10/2007 Le contenu en CO2 du kwh électrique : Avantages comparés du contenu marginal et du contenu par usages sur la base de l historique. - NOTE DETAILLEE - 1- Le contexte Le calcul du contenu

Plus en détail

Etude des Consommations Electriques et Mesures de Températures dans les bureaux d AMOES

Etude des Consommations Electriques et Mesures de Températures dans les bureaux d AMOES Etude des Consommations Electriques et Mesures de Températures dans les bureaux d AMOES 22/04/2011 AMOES Vincent Laniesse - SOMMAIRE - 1. Objectifs... 2 2. Description des bureaux... 2 3. Métrologie mise

Plus en détail

Le risque Idiosyncrasique

Le risque Idiosyncrasique Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes

Plus en détail

La maison gaz naturel basse consommation

La maison gaz naturel basse consommation La maison gaz naturel basse consommation Construction individuelle neuve Pourquoi opter pour une maison basse consommation au gaz naturel? Vous êtes au cœur d un projet important : la construction d une

Plus en détail

Pour une harmonisation des méthodes et des paramètres économiques. de comparaison entre les filières de production ou d économie d énergie

Pour une harmonisation des méthodes et des paramètres économiques. de comparaison entre les filières de production ou d économie d énergie Pour une harmonisation des méthodes et des paramètres économiques de comparaison entre les filières de production ou d économie d énergie Benjamin Dessus 13 mars 2013 www.global-chance.org 13 mars 2013

Plus en détail

L opération étudiée : le SDEF

L opération étudiée : le SDEF L opération étudiée : le SDEF Situation géographique 29 Landivisiau Finistére Zone H2a Altitude : 34 m Acteurs de l opération Maitrise d ouvrage Maître d œuvre / Architecte BET Thermique SDEF Atelier 3

Plus en détail

Une pénalité de groupe pour des données multivoie de grande dimension

Une pénalité de groupe pour des données multivoie de grande dimension Une pénalité de groupe pour des données multivoie de grande dimension Laurent Le Brusquet 1, Arthur Tenenhaus 1,2, Gisela Lechuga 1, Vincent Perlbarg 2, Louis Puybasset 3 & Damien Galanaud 4. 1 Laboratoire

Plus en détail

Solutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA. Xavier Brunotte info@vesta-system.

Solutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA. Xavier Brunotte info@vesta-system. Solutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA Xavier Brunotte info@vesta-system.com Agenda Vesta-System et principe de son gestionnaire de son gestionnaire

Plus en détail

Entreprise. Gestion énergétique de votre parc informatique

Entreprise. Gestion énergétique de votre parc informatique Entreprise Gestion énergétique de votre parc informatique AVOB Energy Saver 5, c est l opportunité pour votre entreprise de réduire drastiquement le coût énergétique et l empreinte carbone de son parc

Plus en détail

MAGNA3 BIEN PLUS QU UN CIRCULATEUR

MAGNA3 BIEN PLUS QU UN CIRCULATEUR MAGNA3 BIEN PLUS QU UN CIRCULATEUR Gamme complète de circulateurs intelligents à haut rendement énergétique pour les installations de chauffage/climatisation, les systèmes géothermiques et les applications

Plus en détail

& la rt 2012. la réponse aux exigences réglementaires

& la rt 2012. la réponse aux exigences réglementaires les fenêtres aluminium MILLET & la rt 0 la réponse aux exigences réglementaires La Réglementation Thermique 0 s applique d ores et déjà pour les bâtiments neufs du secteur tertiaire, public et les bâtiments

Plus en détail