Decision-support model for district cooling operation - Archive ouverte HAL Access content directly
Theses Year : 2017

Decision-support model for district cooling operation

Modèle d'aide à la conduite de réseaux de froid

(1)
1

Abstract

Cooling demand management of commercial buildings can contribute to limit global warming below 2°C. District cooling is an energy-efficient option. However, improving operational performance is of great importance to ensure and increase its competitive advantages. The aim of this thesis is to contribute to the development of a decision-support tool for daily operation of district cooling networks. Challenges lie at two levels: diversity of decisions to be taken and complexity of physical phenomena involved. The original aspect of our work is to propose a methodology to improve chillers and cooling towers control, differential pressure management and dispatching between production plants with variable efficiency. Our developments are applied to the district cooling of Paris-Bercy, operated by Climespace. First; a model featuring a physical description of chilled-water production plants, distribution network and buildings substations, is developed. In particular, a semi-empirical model with identified parameters is modified to compute non-nominal characteristics of centrifugal chillers. The system model is validated against an independent dataset. Then, the model is used to find optimized controls from cooling loads forecast. The proposed methodology is sequential: pre-computation of optimal set-points at plant level and then generation of quadratic plant models to solve the dispatching optimization problem at each time step. Differential pressure is minimized with a simulation-based tracking of the critical substation. To conclude, electricity consumption reduction with optimized controls is evaluated during a summer week.
La maîtrise de la demande en climatisation des bâtiments tertiaires peut contribuer à la limitation du réchauffement climatique à 2°C. Les réseaux de froid urbain sont une solution pour répondre à cette demande avec une haute efficacité énergétique. Une conduite performante est cependant essentielle pour maintenir et augmenter leurs avantages compétitifs. L'objectif de la thèse est de contribuer à la construction d'un outil d'aide à la conduite journalière des réseaux de froid. La difficulté réside à deux niveaux : la diversité des décisions et la complexité des phénomènes physiques sous-jacents. L'originalité est de proposer une méthodologie pour aider au pilotage des groupes frigorifiques, des tours aéroréfrigérantes, de la pression différentielle et de la répartition de puissance entre des centrales de production aux performances variables. La méthodologie développée est appliquée au réseau de froid de Paris-Bercy exploité par Climespace. Tout d'abord, un modèle intégrant une représentation physique des centrales de production, du réseau de distribution et des sous-stations, est développé. En particulier, un modèle de type semi-empirique, paramétrable sur des mesures, est modifié pour calculer les performances non-nominales des groupes frigorifiques centrifuges. La validation du modèle complet est réalisée sur un jeu de données indépendant de l'identification. Ensuite, le modèle est exploité pour rechercher une conduite optimisée à partir d'un modèle de prévision de la demande. La méthode proposée est séquentielle : résolution a priori des optimisations locales puis génération de modèles quadratiques de centrales servant à déterminer la répartition optimale. La pression différentielle est minimisée à partir de l'identification, par simulation, de la sous-station défavorisée. Enfin, la réduction de la consommation électrique est évaluée sur une semaine d'été.
Fichier principal
Vignette du fichier
2017PSLEM012_archivage.pdf (14.98 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03081277 , version 1 (18-12-2020)

Identifiers

  • HAL Id : tel-03081277 , version 1

Cite

Damien Casetta. Modèle d'aide à la conduite de réseaux de froid. Thermique [physics.class-ph]. Université Paris sciences et lettres, 2017. Français. ⟨NNT : 2017PSLEM012⟩. ⟨tel-03081277⟩
146 View
110 Download

Share

Gmail Facebook Twitter LinkedIn More