Development of building models for load curve forecast and design of energy optimization and load shedding strategies - Archive ouverte HAL Access content directly
Theses Year : 2013

Development of building models for load curve forecast and design of energy optimization and load shedding strategies

Développement de modèles de bâtiment pour la prévision de charge de climatisation et l’élaboration de stratégies d’optimisation énergétique et d’effacement

(1)
1

Abstract

To reach the objectives of reducing the energy consumption and increasing the flexibility of buildings energy demand, it is necessary to have load forecast models easy to adapt on site and efficient for the implementation of energy optimization and load shedding strategies. This thesis compares several inverse model architectures ("black box", "grey box"). A 2nd order semi-physical model (R6C2) has been selected to forecast load curves and the average indoor temperature for heating and cooling. It is also able to simulate unknown situations (load shedding), absent from the learning phase. Three energy optimization and load shedding strategies adapted to operational constraints are studied. The first one optimizes the night set-back to reduce consumption and to reach the comfort temperature in the morning. The second strategy optimizes the set-point temperatures during a day in the context of variable energy prices, thus reducing the energy bill. The third strategy allows load curtailment in buildings by limiting load while meeting specified comfort criteria. The R6C2 model and strategies have been faced with a real building (elementary school). The study shows that it is possible to forecast the electrical power and the average temperature of a complex building with a single-zone model; the developed strategies are assessed and the limitations of the model are identified.
Pour atteindre les objectifs de réduction de consommation et augmenter la flexibilité de la demande des bâtiments, il est nécessaire de disposer de modèles de prévision de charge de climatisation facilement diffusables sur site et performants qui permettent la mise en place de stratégies d’optimisation énergétique et d’effacement. Cette thèse compare plusieurs architectures de modèles inverses (« boite noire », « boite grise »). Un modèle semi-physique d’ordre 2 (R6C2) a été retenu pour prévoir la puissance de climatisation et la température intérieure moyenne en chauffage et en refroidissement. Il permet aussi d’interpréter des situations inédites (effacement), absentes de la phase d’apprentissage. Trois stratégies d’optimisation énergétique et d’effacement adaptées aux contraintes d’exploitation sont étudiées. La première permet d’optimiser la relance en chauffage afin de réduire la consommation et d’atteindre effectivement la température de confort le matin. La seconde stratégie optimise les températures de consigne sur une journée dans un contexte de prix variable de l’énergie, ceci afin de réduire la facture énergétique. Enfin, la troisième stratégie permet au bâtiment de s’effacer en limitant la charge tout en respectant des critères de confort spécifiés. Le modèle R6C2 et les stratégies ont été confrontés à un bâtiment réel (une école élémentaire). L’étude montre qu’il est possible de prévoir la puissance électrique et la température moyenne d’un bâtiment complexe avec un modèle mono-zone ; elle permet d’évaluer les stratégies développées et d’identifier les limites du modèle.
Fichier principal
Vignette du fichier
2013ENMP0030.pdf (8.81 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)
Loading...

Dates and versions

pastel-00935434 , version 1 (23-01-2014)

Identifiers

  • HAL Id : pastel-00935434 , version 1

Cite

Thomas Berthou. Développement de modèles de bâtiment pour la prévision de charge de climatisation et l’élaboration de stratégies d’optimisation énergétique et d’effacement. Autre. Ecole Nationale Supérieure des Mines de Paris, 2013. Français. ⟨NNT : 2013ENMP0030⟩. ⟨pastel-00935434⟩
1657 View
4697 Download

Share

Gmail Facebook Twitter LinkedIn More