• Type d’étude : Thèse

• Dates de l’étude : Octobre 2009 à décembre 2013

• Laboratoire : Centre Energétique et Procédés, 60 Bd St Michel 75272 Paris Cedex 06

• Responsable : Bruno Peuportier, maître de recherche (bruno.peuportier@mines-paristech.fr)

• Chargé de l’étude : Romain Chausseau puis, depuis mai 2010, Bérenger Favre (berenger.favre@mines-paristech.fr)

Description du sujet

Contexte : Les bâtiments basse consommation, à isolation thermique renforcée, sont très sensibles aux variations climatiques (apports solaires) et au comportement des occupants (apports internes). Leur gestion doit alors être affinée pour satisfaire des exigences élevées de confort et d’économie d’énergie.

Objectifs : L’objectif est d’élaborer des stratégies de gestion permettant, à confort donné, de minimiser les besoins énergétiques sur une période de temps incluant une période future : par exemple, décider à chaque pas de temps de stocker ou non de l’énergie afin de minimiser la consommation d’un bâtiment en fonction de l’évolution prévue du climat et du scénario d’usage. Il s’agit d’étudier une telle gestion, et d’évaluer son intérêt par rapport à une régulation plus classique.

Approche : Les modèles utilisés sont les suivants.
- modèle de bâtiment (un modèle réduit est plus adapté car un grand nombre de calculs doit être effectué),
- modèle de climat (modèle d’évolution stochastique, par exemple une chaîne de Markov, ou utilisation de prévisions météorologiques),
- modèle d’occupation (consignes à respecter au cours du temps, éventuellement actions aléatoires).
D’autres paramètres pourraient également être pris en compte, par exemple l’évolution des émissions de CO2 liées à la production d’électricité. Il faut ensuite définir la ou les grandeur(s) à optimiser : consommation d’énergie finale, primaire, coût, degrés-heures d’inconfort, émissions de CO2, génération de déchets radioactifs … En fait, l’optimisation concerne l’espérance mathématique de ces grandeurs, puisque les données comportent une partie stochastique.
Une méthode possible pour générer une stratégie de gestion « optimale » (par exemple permettant de minimiser la consommation d’énergie sur la période considérée) est la méthode de programmation dynamique. Il s’agit de définir un ensemble d’actions possibles à chaque pas de temps, en se limitant à un nombre raisonnable de configurations (marche/arrêt d’un équipement, ouverture/fermeture d’un store, sur-ventilation, stockage…). La grandeur à optimiser peut être comparée pour ces différentes configurations sur un pas de temps, puis successivement sur des pas de temps successifs. La mise en œuvre de l’équation de Bellman permet de réduire le nombre de calculs à effectuer. L’analyse des résultats peut aboutir à la définition d’une régulation, qui peut ensuite être comparée à une démarche plus classique (sans anticipation).
L’approche peut être testée sur une étude de cas, en considérant par exemple les actions sur les équipements (chauffage et climatisation), les protections solaires et la ventilation, ou sur une opération plus innovante équipée d’un système de micro-cogénération et d’un stockage. L’analyse énergétique peut être complétée par un bilan environnemental : la fabrication du stockage induit des impacts environnementaux, qu’une gestion appropriée peut permettre de compenser grâce aux économies d’énergie générées.