Contribution à la mise au point d'un pilotage énergétique décentralisé par prédiction

par Luc Dufour

Projet de thèse en Energétique et transferts

Sous la direction de Bruno Ladevie et de Dominique Genoud.

Thèses en préparation à l'Ecole nationale des Mines d'Albi-Carmaux , dans le cadre de MEGEP - Mécanique, Energétique, Génie civil, Procédés , en partenariat avec RAPSODEE - Centre de Recherche d'Albi en Génie des Procédés, des Solides Divisés, de l'Energie et de l'Environnement (laboratoire) et de Groupe Energique et Environnement (equipe de recherche) depuis le 30-05-2013 .


  • Résumé

    Pilotage énergétique décentralisée par prédiction Réchauffement climatique, accidents nucléaires, généralisation de l'électrification…. Le monde de l'énergie est face à des défis importants qui nous ramènent au fonctionnement global de notre société et au rapport des citoyens avec celle –ci : comment satisfaire les besoins en énergie d'une population de 9 milliards d'êtres humains en 2050, de façon économiquement viable et en minimisant l'impact sur l'environnement. Une des réponses est l'insertion de production d'énergie propre d'origine éolienne et photovoltaïque mais leurs totales dépendances aux variations climatiques accentuent une pression sur le réseau. Hormis les barrages hydrauliques dont la France et la Suisse ont presque atteint leurs limites de capacité, aucune alternative industrialisable propre de cette envergure n'a encore été trouvée pour stabiliser le réseau. Les modèles prédictifs historiques centralisés et paramétriques ont du mal à appréhender les variations brutales de productions et de consommations et les moyens réactifs de la minute jusqu'au quart d'heure sont des charges thermiques émettrices de CO2. Les projets de Smartgrid avaient la même vision centralisée de récolter le maximum d'informations et de les centraliser dans une base de données à l'échelle d'une ville. En Europe un autre chemin a été pris depuis cinq ans : celui de la maîtrise locale de l'électricité. Ainsi plusieurs quartiers intelligents ont été créés, le plus souvent pilotés par des gestionnaires d'énergie nationaux ou soit installés sur des campus universitaires. Les modèles utilisés de pilotage et de prédiction restent souvent la propriété des partenaires des projets. Les axes de recherches étudiés s'attèlent à identifier la présence humaine de manière intrusive pour diminuer l'erreur de prédiction de consommation de chauffage et d'autre part à interagir avec l'humain sous forme de jeu par exemple pour l'inciter à diminuer sa consommation. Un pilotage par l'eau chaude et à partir de batteries électriques permet un effacement partiel ou total d'une partie de ces quartiers connectés. Dans cette thèse, Il s'agit de réaliser un bilan énergétique chaque quart d'heure et chaque heure pour prédire l'ensemble des vecteurs énergétiques d'un système. Le besoin en énergie d'un système comme une maison est décomposée en un besoin en chauffage, en un besoin en eau chaude sanitaire, en un besoin en luminaires, en besoin de ventilation et en usages spécifiques électriques utiles. Le système peut posséder une production décentralisée et un système de stockage ce qui augmentera sa capacité d'effacement. Pour le centre de pilotage, l'objectif est d'avoir une possibilité de scénarios de surproductions ou surconsommations sur un quartier donnée à court terme (t + 15 minutes et t + 1 heure). Cela implique une prédiction fine des différents flux énergétiques d'un système en particulier le chauffage et l'eau chaude qui représente le plus gros potentiel de flexibilité dans les bâtiments. Pour réaliser un bilan, nous devons calculer les différents flux énergétiques à l'intérieur de notre système : déperditions par l'enveloppe et la ventilation, gains internes solaires, des personnes et des appareils, stockage, production d'eau chaude sanitaire, usages spécifiques électriques utiles. Sur certains de ces points, nous pouvons évaluer assez précisément et en fonction du temps les quantités d'énergie échangées. Pour les autres (ECS, USE, gains internes, stockage), la bibliographie nous donne que des méthodes globales et indépendantes du temps. Il n'est donc pas possible d'envisager une méthode correspondant au pas de temps souhaité (t + 15 minutes et t + 1 heure). Ceci impose la mise au point d'une méthode prédictive et apprenante dont nos modèles de simulation énergétique seront le point de référence. Il n'en reste pas moins que ces modèles permettent la compréhension du comportement énergétique du système. L'outil se devra non intrusif, personnalisé, robuste et simple. Pour limiter le caractère intrusif de l'outil, il s'agit à la fois d'ajouter de l'intelligence comme par exemple l'identification des appareils utiles à partir d'un seul point de mesure mais aussi la collection et l'analyse d'informations localement. Les données privées ne sont pas transmises vers l'extérieur. Seules les informations de prédictions énergétiques sont envoyées à un niveau supérieur pour agrégation des données des quartiers. L'intelligence est également au niveau des prédictions réalisées issus de méthodes d'apprentissage : Support Vector Machine, Ensemble d'arbre de décision, Multi layer perceptron. La robustesse est étudiée d'un point de vue technologie (plusieurs protocoles de communication ont été testés), techniques (plusieurs méthodes de collecte) et d'un point de vue du stockage de données (limiter la fréquence de collecte). La simplicité d'usage engendre une simplicité d'installation minimiser le nombre de données d'entrée tout en gardant une précision souhaitable sera notre principal axe d'optimisation.

  • Titre traduit

    Prediction decentralized energy management


  • Résumé

    The world today is facing unprecedented environmental challenges and the global warming requires the states to react. The energy model which we inherit is today to be rethought. It is based on a variable power demand, constantly increasing and the supply of which depends on a point of production distant from the source of consumption. From an electrical point of view, the insertion of variable production from wind and photovoltaic increases pressure on the network. Except the hydraulic production among which France and Switzerland almost achieved their limits of capacity, no clean industrial alternative of this scale was again found to stabilize the network. Smartgrid projects had the same central vision to collect the maximum of information and to centralize them in a database on the scale of a city. Europe took a different path for five years: the local electrical control at the quarter level. So several intelligent districts were created, piloted most of the time by national energy company or are installed on campus academics. The models used the piloting and the predictions often remain the property of the projects partners. The axes of the proposed research are on the one hand to identify human to decrease the error of heat consumption prediction with the intrusive model (with a bracelet for example) and on the other hand to interact with the human people form of the game to encourage it to reduce its consumption. In this thesis, the aim is to implement an embedded intelligence in each building of the quarter that would control a part of the energy according to predefined scenarios. These are validated by the final user in consultation with the new energy supplier called aggregator. This system aims to increase the prediction accuracy of the heating consumption with a non-intrusive methodology by the integration of internal flows (solar gain, thermic contributions of devices, and thermic contributions of devices from people). The latter is coupled to a prediction of the hot water and an identification of the specific electrical consumption. Finally, a prediction of the source of decentralized energy production is also realized from a local and regional system of weather stations. These predictions allow a shift of energy demand according the different predictions at t + n, n between 15 minutes and one day, and the system users (the final consumers and the aggregator). It is therefore to set up an information system non-intrusive, intelligent, robust and simple. To limit the intrusiveness of the systems, they are both adding intelligence as identify useful devices from a single measurement point but also collect and analyze information locally. The private data is not transmitted to the outside. Only the information's of energy predictions are sent at a higher level for the aggregation of the district data. The intelligence is also in learning method predictive: Support Vector Machine, Decision Tree Ensemble, Hidden Markov Model. Robustness is studied from a technology point of view (more communication protocol have been tested), technical (Several methods for collecting) and a data storage point of view (the limit frequency of collection). The ease of use results in a simple installation. Limit the frequency of collection and minimize the number of prediction model input data are essential points. One goal is to find generalization points to limit the number of sensors: identical load curve useful specific uses in a particular sector of activity, presence detection from the global burden of curve electricity. Evaluation of the results and relevance of the predictions made on the basis of reference models such as detailed thermal models for heating or SIA standards. These reference models need apriori informations about the different buildings: activity sector, construction year, surface, people number. The Information systems are implemented on real cases and are present at different scales: a house, a tertiary industrial district, an industrial site.