Modélisation des systèmes multi énergies dans les...

Numéro d’ordre 05ISAL Année 2008

Thèse

Modélisation des systèmes multi énergies

dans les bâtiments

Résumé en français

présentée devant le

Politecnico di Torino et

L’Institut National des Sciences Appliquées de Lyon

pour obtenir le

grade de docteur

Ecole Doctorale : SCUDO et MEGA

Spécialité : Energetica et Génie Civil

par

Enrico FABRIZIO

Soutenue le 2 juillet 2008

Jury

FILIPPI Marco Professeur Directeur de thèse

VIRGONE Joseph Maître de conférences Directeur de thèse

BECCALI Marco Professeur associé Examinateur

ROUX Jean-Jacques Professeur Examinateur

SCORLETTI Gérard Professeur Rapporteur

ZECCHIN Roberto Professeur Rapporteur

3

Résumé

Avec le terme systèmes multi énergies on entend les systèmes énergétiques hybrides qui

sont à même de faire face aux charges thermiques, frigorifiques et électriques d’un

bâtiment par la mise en service de convertisseurs d’énergie divers, activés par des sources

d’énergies primaires et secondaires, renouvelables ou non. Ces systèmes sont caractérisés

par un grand potentiel d’amélioration de l’efficacité énergétique dans la transformation

des énergies et dans la production des fluides énergétiques lorsqu’ils sont correctement

conçus et gérés même lorsqu’ils fonctionnent à charge partielle (une condition dans

laquelle ils se trouvent opérer la plupart du temps à cause de la variabilité de la demande

d’énergie des bâtiments).

Plusieurs exemples de systèmes multi énergies peuvent être tirés de la littérature, et

comprennent, diversement associés, les convertisseurs pour l’exploitation de l’énergie

solaire à des fins thermiques, frigorifiques et électriques, les systèmes à biomasses, les

micro-cogénérateurs, les pompes à chaleur géothermiques, les piles à combustible, les

éoliennes, etc.

Le projet d’un système multi énergies, en terme de dimensionnement et de gestion,

consiste à définir les dynamiques de la demande d’énergie et à optimiser l’offre d’énergie

par l’emploi de convertisseurs divers, des stockages, des systèmes de back-up. Dans la

littérature ce problème est traité en se référant à des configurations spécifiques, dont on

fournit des exemples, mais non à travers des outils intégrés qui permettent la comparaison

entre plusieurs configurations. Ce travail est donc principalement un travail de synthèse

qui comble cette lacune.

La thèse propose l’avancement des connaissances relatives aux critères de sélection des

convertisseurs d’énergie à utiliser, des sources d’énergie à exploiter, des logiques de

fonctionnement et des systèmes techniques à utiliser afin de poursuivre les objectifs

d’une meilleure efficacité dans l’usage des énergies renouvelables ou non, et de réduire

les émissions de CO2 du secteur du bâtiment, dont la consommation représente 40% de la

consommation en énergie primaire en Europe.

A la base de la recherche c’est la définition d’une méthodologie originale pour la

modélisation des configurations des systèmes multi énergies basée sur la méthode

4

d’analyse du energy hub qui permet de prendre en compte, d’une manière synthétique, le

couplage entre demande et offre d’énergie dans un bâtiment. Cette méthode permet aussi

de prendre en compte la qualité des énergies, la variabilité des rendements de conversion

en fonction des conditions de fonctionnement des systèmes et la variabilité des conditions

de fonctionnement.

Pour quelques catégories de convertisseurs d’énergie, un ensemble de données de

référence sur la performance et les coûts a été ressemblé qu’il convient d’utiliser

lorsqu’on vérifie la performance d’un système multi énergie complet par rapport au profil

de demande d’énergie qui le concerne. A partir de cette base de données, nous avons

déterminé les coefficients numériques des fonctions qui décrivent la performance de

chaque famille de convertisseurs d’énergie.

Les approfondissements qui en découlent, soit théoriques, soit applicatifs, concernent la

définition des critères d’évaluation et les procédures de sélection de ces systèmes, en

prenant particulièrement en compte toutes les spécificités de ces systèmes.

Par rapport aux procédures couramment disponibles, cette recherche a visé à configurer

un outil de modélisation des systèmes multi énergies pour les bâtiments qui prenne en

compte tous les flux d’énergies dans le bâtiment et qui puisse se référer à une

configuration ouverte et non pas à une unique typologie de système en particulier.

Les potentiels des applications de cette recherche apparaissent nombreux, étant donné le

nombre de systèmes multi énergies dans les bâtiments et qui va certainement augmenter

dans un futur proche, en considération de la constante diffusion de systèmes exploitant les

énergies renouvelables. Les connaissances théoriques et applicatives que cette thèse

apporte, pourront aussi servir de support aux administrations, usagers, installateurs et

fabricants de systèmes, du moment où elles concourent au mûrissement d’une plus grande

conscience énergétique et environnementale dans le couplage de différentes sources

d’énergies, convertisseurs et systèmes pour le bâtiment.

5

Table des matières

1- INTRODUCTION 8 1-1 Exemples 9 1-2 Discussion 10 1-3 Position du problème et objectifs de la thèse 11 1-4 Aperçu de la thèse 12

2- TECHNIQUES DE MODELISATION ET LOGICIELS POUR L’ANALYSE DES SYSTEMES MULTI ENERGIES 14 2-1 Techniques de modélisation 14 2-1-1 Modèles de séries chronologiques 14 2-1-2 Modèles statistiques 15 2-2 Logiciels pour l’analyse des systèmes multi énergies 15 2-2-1 EnergyPlus 16 2-2-2 HOMER 16 2-2-3 RETScreen International 17 2-2-4 DER-CAM 17 2-2-5 HYBRIDS 18 2-2-6 Hybrid2 18 2-2-7 FACES 18 2-2-8 Discussion 19

3- LA CARACTERISATION DE LA DEMANDE D’ENERGIE 20 3-1 Paramètres 20 3-2 Facteurs d’influence 23 3-2-1 Limites du système 23 3-2-2 Fluides et températures 23 3-2-3 Qualité de l’ambiance intérieure 24

4- LA CARACTERISATION DE L’OFFRE D’ENERGIE 25

5- LA CARACTERISATION DES CONVERTISSEURS D’ENERGIE 27

6- LA MODELISATION DE L’ENERGY HUB 29

7- APPLICATIONS DU ENERGY HUB ET ETUDES DE CAS 33 7-1 Les applications de l’algorithme de couplage 33 7-2 La méthode saisonnière 33 7-2-1 Objet de la méthode 33 7-2-2 Spécifications du modèle 34 7-2-3 Données d’entrée 35 7-2-4 Sorties du modèle et résultats 36 7-2-5 Maison Mozart 36 7-2-5-1 Description de l’étude de cas 36 7-2-5-2 La description de l’energy hub 37 7-2-5-3 Les fonctions objectives 40 7-2-5-4 Contraintes liées aux sources renouvelables 40 7-2-5-5 Conception du système 41

8- CONCLUSIONS 44

REFERENCES ET BIBLIOGRAPHIE 46

NOMENCLATURE

Nomenclature

cK coût spécifique du convertisseur K €/kW

c coût spécifique de la source d’énergie €/kWh

CK coût du convertisseur K €

COPK coefficient de performance du convertisseur K

COPhub coefficient de performance de l’energy-hub

CUE coût unitaire de l’énergie €/kWh

d taux d'actualisation annuel

D matrice de couplage inverse (n × m)

DHW eau chaude sanitaire

Ein vecteur des entrées de l’energy-hub (n × 1)

Eout vecteur des sorties de l’energy-hub (m × 1)

E ensemble des sources d’énergie

e facteur d’émission kg/kWh

Ex exergie J

f fonction

g facteur de potentiel de réchauffement planétaire kgCO2/kWh

H hub

H pouvoir calorifique du carburant kWh/kg

Isol radiation solaire W

K ensemble des convertisseurs du hub

L ensemble des charges d’un bâtiment

m numéro de charges d’un bâtiment

n numéro de sources d’énergie

N durée de vie maximale d’une composante du hub année(y)

NPC actualisation nette des coûts €

NPV actualisation nette des valeurs €

P

in puissance de la source d’énergie à l’entrée du hub kW

Pin vecteur des puissances entrant dans le hub (n × 1)

PK puissance du composant du hub K kW

PK,in puissance à l’entrée du convertisseur K kW

PK,out puissance à la sortie du convertisseur K kW

Paout puissance de la charge a à la porte de sortie du hub kW

Pout vecteur des puissances à la sortie du hub (m × 1)

P

sto puissance énergétique rentrant ou sortant d’un stockage kW

p facteur d’émission d’énergie primaire non renouvelable

pT facteur d’émission d’énergie primaire total

PLF facteur de charge

PLR taux de charge partielle

r taux annuel d'augmentation

REF fraction d’énergie renouvelable

T période de temps (généralement une année) année(y)

T température absolue K

NOMENCLATURE

7

T0 température absolue de l’environnement K

tco température du fluide rentrant dans le condenseur °C

tev température de l’eau réfrigérée sortant de l’évaporateur °C

TNPC actualisation nette du coût total €

yK durée de vie d’un composant année(y)

exposant de réduction a

a rapport entre la partie de la charge a couverte par la source et la charge a

a

K1 rapport entre la partie de la charge a couverte par le convertisseur K1 et la charge

a

efficacité

K efficacité de conversion du convertisseur K b

K

efficacité de conversion du convertisseur K de la source vers la charge a

temps s

facteur de stockage pour l’énergie

Indices

cool saison de rafraîchissement

d projet

ec économique

en énergétique

ev environnementale

heat saison de chauffage

K composant/convertisseur du hub

s saisonnier/annuel

Apex

ex exergétique

K composant/convertisseur du hub

vecteur énergétique

1- INTRODUCTION

Dernièrement un grand développement à petite échelle d'énergies renouvelables telles que

les systèmes solaires thermiques ou photovoltaïques, éoliennes, micro hydrauliques, piles

à combustible, pompes à chaleur géothermiques a eu lieu. Cela a conduit à une intégration

progressive des différentes sources d'énergie, non seulement renouvelables mais aussi non

renouvelables, dans les bâtiments.

Les premiers exemples de systèmes multi énergies ont été les systèmes isolés d'énergie

hybride conçus pour être une alternative à la construction de lignes de puissance dans les

régions éloignées des réseaux ou dans le cas où une nouvelle charge est ajoutée. Depuis

les années 1990, plusieurs systèmes d'énergie sont également utilisés comme centres de

génération distributeurs, en ajoutant leur production d'électricité au réseau général.

En règle générale, le terme « système multi énergies » fait référence à la combinaison de

deux ou plusieurs convertisseurs (dispositif de conversion) d’énergie et/ou deux

combustibles ou plus pour le même convertisseur, permettant, lorsqu'elles sont intégrées,

de surmonter les limitations qui seraient inhérentes aux deux prises seules [1].

Ces systèmes, souvent appelés combinés ou hybrides, sont appelés dans ce document

comme systèmes multi énergies pour insister sur le fait que, dans ces applications, de

multiples convertisseurs d'énergie sont utilisés ensemble pour fournir un ou plusieurs

besoins énergétiques, et pour les distinguer des systèmes conventionnels qui sont

généralement basés sur une seule source de combustible fossile.

Souvent, mais pas nécessairement, au moins un des convertisseurs d'énergie est alimenté

par une source d'énergie renouvelable (SER). Le système multi énergies peut être isolé ou

raccordé au réseau. Un grand intérêt a été récemment mis également sur les systèmes

multi énergies qui sont reliés au réseau.

En tout état de cause, le système multi énergies, en particulier lorsque les énergies

renouvelables sont intégrées, nécessite l'adaptation de l'offre locale d'énergie à la

demande d'énergie [2]. Une approche intégrée de simulation fait l'objet de ce travail afin

de déterminer la combinaison optimale des sources, des systèmes et des mesures de

réduction de la demande.

INTRODUCTION

9

1-1 Exemples

Il existe différents types de systèmes multi énergies. Ils prévoient diverses combinaisons

d’équipements thermiques et électriques tels que cogénérateurs, machines frigorifiques

électriques, machines frigorifiques à absorption, piles à combustible, chaudières

traditionnelles, chaudières à bois, capteurs solaires thermiques, photovoltaïques et

thermique et photovoltaïque, etc. Un système multi énergies est alimenté par une

combinaison de différentes sources d'énergie, renouvelables et non renouvelables, afin de

couvrir les charges thermiques et électriques d'un bâtiment avec un maximum d'efficacité.

Plusieurs exemples de systèmes multi énergies peuvent être trouvés dans la littérature.

La figure 1.1 décrit un système qui intègre l'exploitation de l'énergie éolienne, solaire

thermique et photovoltaïque avec une centrale de cogénération pour la production de

chaleur et d'électricité [3]. Ce système est un complexe résidentiel de 40 logements

(demande d’énergie thermique annuelle de 325 MWh; demande d’énergie électrique

annuelle de 157 MWh) et il est composé d’une unité de cogénération de 55 kW, d’un

système de capteurs solaires thermiques de 200 m2, et photovoltaïques de 210 kWp et une

éolienne avec une puissance maximale de 200 kW. Un stockage thermique de longue

période est également fourni et est utilisé pour stocker la production d'énergie des

capteurs solaires et de la cogénération. Deux chaudières d’appoint assurent le chauffage et

l’eau chaude sanitaire.

Figure 1.1 – Centrale de cogénération associée à des panneaux solaires thermiques,

photovoltaïques, et une éolienne. (tiré de [3])

En ce qui concerne le fonctionnement, la charge électrique est couverte, en priorité, par

des sources renouvelables (éolienne et photovoltaïque) et, uniquement si elles sont

incapables de répondre à la demande d'énergie, par la cogénération fonctionnant au gaz

naturel. La centrale de cogénération fonctionne comme une fonction de la charge

électrique. Pour assurer la fourniture de chaleur, une chaudière d’appoint et un stockage

INTRODUCTION

10

saisonnier de chaleur sont installés. Les capteurs solaires fonctionnent selon la demande

liée au profil de puisage, avec un réservoir de stockage de 1500 litres. En l'absence d'une

demande en eau chaude, la puissance thermique des capteurs solaires recharge le stockage

saisonnier. De même, la puissance thermique de la cogénération, en l'absence de besoins

thermiques momentanés, recharge aussi le stockage saisonnier.

Même les systèmes solaires de chauffage et de climatisation sont des systèmes multi

énergies [4]. En hiver, l’énergie solaire peut être utilisée pour le chauffage, comme le

montre le schéma du système installé à l’université de Fribourg et reporté dans la figure

1.2. Ce système, dont les deux composants sont un réfrigérateur à absorption de 70 kW

et des panneaux solaires sous vide pour 170 m2 [5], même si très simple, peut mettre en

évidence les problèmes typiques d’un système multi énergies.

Le déphasage entre la demande d'énergie et l’offre d’énergie en été nécessite l'installation

d'un stockage thermique à la fois d’eau chaude et d’eau froide. Il est à noter que la

température de la source chaude de la machine frigorifique à absorption non seulement

affecte le coefficient de performance (COP) de la machine, mais aussi la performance des

capteurs solaires. Une température optimale doit être choisie en tenant compte de la

nécessité de maintenir le coefficient de performance du groupe à absorption suffisamment

élevé et l'efficacité des capteurs pas trop basse.

L'utilisation de piles à combustible et de l'hydrogène va de pair avec la prolifération des

systèmes multi énergies. Les piles à combustible peuvent être utilisées comme

installations de cogénération fonctionnant au gaz naturel ou à l'hydrogène produit par

l'électricité de source renouvelable.

Figure 1.2 – Système solaire de chauffage et de climatisation (tiré de [5])

1-2 Discussion

L'objectif des systèmes multi énergies précédemment décrits est double : diminuer la

consommation d'énergie primaire provenant de sources non renouvelables et produire de

l’énergie sur le même site où elle est consommée. Il ne fait aucun doute que, dans un

proche avenir, ces systèmes seront appliqués non seulement dans les nouvelles

constructions, mais aussi pour les interventions de rénovation dans les systèmes existants.

C'est aussi la tendance vers le bâtiments zéro énergie ou à énergie positive, du moment

INTRODUCTION

11

que par le biais d'un système multi énergies, il est possible d’annuler la consommation

nette d'énergie au cours d'une année.

Les sources d'énergie renouvelables sont en cours de cohabiter avec les sources

conventionnelles et la recherche doit être menée pour trouver des solutions techniques

permettant d’optimiser l'intégration entre les différentes sources d'énergie afin d'exploiter

pleinement leur potentiel. L'exploitation des énergies renouvelables doit être considérée

non seulement en termes de demande énergétique à l’échelle d’un logement, mais

également par rapport à l'ensemble des infrastructures énergétiques.

Il est estimé que le réseau d'électricité va évoluer vers un système de distribution non

hiérarchisé, fait d'une série de noeuds à la fois producteurs et consommateurs d'énergie

sous forme d'électricité mais aussi sous forme autre (chimique, thermique, hydrogène).

Dans ce scénario, puisque les producteurs du réseau ne seront plus que des petites

infrastructures avec une production d'énergie intermittente, des échanges bidirectionnels

du commerce de l'énergie devront être activés entre le système énergétique du bâtiment et

le réseau et vice versa, pour répondre aux variations de l'alimentation en offre et demande

d'énergie. Dans ce contexte de systèmes multi énergies liés à des infrastructures

énergétiques, il ne sera pas facile pour le propriétaire d'identifier les configurations du

système et les stratégies de fonctionnement permettant de maximiser les bénéfices, de

réduire la consommation d'énergie et d'améliorer l'efficacité, d’exploiter les profils des

taux de rendement, les incitations économiques. Ces optimisations doivent au final

permettre d’agir sur le choix de l’investissement ou sur le coût de fonctionnement afin

d’amortir les investissements dans un délai raisonnable, sans oublier l’aspect

environnemental.

1-3 Position du problème et objectifs de la thèse

Comme il y a de nombreuses configurations de systèmes multi énergies qui peuvent être

adoptées, l'étude de l'optimisation entre la demande d'énergie, l’offre d’énergie, les

convertisseurs d’énergie et le stockage, doit être prioritaire lors de la conception et

l'exploitation d'un système multi énergies.

Il s’agit d’un problème d’intégration qui peut être résolu par la détermination de toutes les

relations entre les différentes quantités qui affectent la performance du système et ensuite

trouver les valeurs des paramètres de conception en optimisant le système une fois qu’une

fonction objective a été établie. Une deuxième solution consisterait à simuler un grand

nombre de cas différents et par la suite à les classer en fonction d'un paramètre de

performance ou d’une combinaison de ceux-ci.

Dans cette thèse, la première démarche a été adoptée, ce qui implique un problème de

synthèse. L'objectif est la mise en œuvre d'une procédure d'analyse et de sélection de

plusieurs systèmes énergétiques pour différents types de bâtiments qui soit en mesure de

prendre en compte:

la qualité, la quantité et la différentiation des charges ;

la variabilité de l’efficacité des convertisseurs d’énergie ;

la variabilité des stratégies de fonctionnement du système.

À titre préliminaire, les questions suivantes sont traitées :

la définition d’un système multi énergies, les configurations typiques et le

INTRODUCTION

12

couplage avec les systèmes de climatisation ;

les techniques de dimensionnement d’un système multi énergies ;

les logiciels pour le dimensionnement et la performance des systèmes multi

énergies dans les bâtiments.

Ensuite, un algorithme de couplage particulier et original entre la demande d'énergie et

l’offre d’énergie dans les bâtiments est défini et développé à deux niveaux de détail (une

méthode saisonnière et une méthode horaire). Pour exploiter pleinement le potentiel de

cet algorithme, un travail cohérent est fait en ce qui concerne :

la caractérisation de la demande d’énergie d’un bâtiment à travers les valeurs de

dimensionnement et les valeurs moyennes annuelles ;

la caractérisation de l’offre d’énergie en termes de disponibilité spatiale et

temporale (valeurs en puissance, valeurs en énergie, profils), et les coûts ;

la caractérisation de la performance des convertisseurs d'énergie compatible avec

le degré de détail du modèle adopté ;

la caractérisation économique des convertisseurs d'énergie grâce à des fonctions de

coût pour chaque classe de convertisseur ;

les critères qui peuvent être utilisés pour sélectionner un système multi énergies et

les paramètres pour préciser les fonctions objective.

Pour tester et démontrer les avantages et les inconvénients de la méthodologie, les

applications aux différents degrés de détail et à diverses études de cas représentatifs de

différents types de bâtiments sont présentées.

1-4 Aperçu de la thèse

Dans le premier chapitre l'objet a été présenté en référence à l'état de l'art et quelques

exemples.

Le Chapitre 2 aborde la particularité théorique de la modélisation des systèmes multi

énergies dans le cadre d'un examen approfondi sur la modélisation des techniques

adoptées dans le domaine des systèmes d'énergie hybride, qui a pris beaucoup d'intérêt au

cours des dernières décennies (environ depuis 1985). Il semble que la littérature technique

se concentre sur les systèmes énergétiques hybrides, qui ne sont pas vraiment multi

énergies, et qui sont souvent utilisés dans des applications isolées à des fins spécifiques.

Cet examen souligne le fait qu'il existe généralement un manque d'information sur la

relation entre le bâtiment et le système, et que les études sont souvent concentrées sur la

production d'électricité. Le débat sur certains des logiciels qui peuvent être utilisés pour

sélectionner un système multi énergies (chapitre 2) tend à conduire aux mêmes

conclusions. Certains de ces outils ont été conçus pour mener à bien la conception

thermique des bâtiments et peuvent simuler une grande quantité de convertisseurs mais ne

peuvent pas effectuer une optimisation ; d'autres ont été spécialement conçus pour simuler

les systèmes hybrides d'optimisation, mais ne considèrent pas la variété de convertisseurs

d'énergie qui sont utilisés dans les bâtiments (par exemple différents types de machines

frigorifiques à compression de vapeur ou à absorption). Dans d'autres cas, les équations

de certains modèles de composants semblent trop simples pour tenir compte de la

performance des convertisseurs d'énergie d'un bâtiment, dont la performance est

caractérisée par une charge partielle quasi-continue. De ce fait, le problème de l'analyse

des systèmes multi énergies comme indiqué dans le chapitre 1 reste en suspens.

INTRODUCTION

13

C'est la raison pour laquelle une nouvelle approche de modélisation est définie dans les

chapitres suivants. Au départ, trois chapitres (3,4 et 5) sont consacrés à chacune des

entités de base d'un système multi énergies : la demande d'énergie, l'offre d’énergie et les

convertisseurs d'énergie. Le Chapitre 3 traite les questions liées à l’évaluation des

besoins de chauffage, de refroidissement et en électricité d’un bâtiment, en allant des

paramètres qui peuvent être adoptés jusqu’aux facteurs influents.

Comme le précédent, le Chapitre 4 traite de la caractérisation des sources d'énergie qui

peuvent alimenter un système multi énergies : leur variation spatiale et temporelle, leur

coût et leur disponibilité.

Au Chapitre 5 la caractérisation des convertisseurs d'énergie est abordée à la fois en

termes de performance énergétique et de coûts. Ce chapitre est destiné à couvrir le

manque d'informations sur les performances et les données économiques. Tout d'abord,

un cadre général de modélisation des composants compatibles avec le cadre de

modélisation du système - qui sera présenté au chapitre 6 - est exposé, ensuite la

performance énergétique est caractérisée par des courbes de charge, provenant de la

littérature technique ou scientifique, pour quelques-uns des convertisseurs les plus

communs utilisés dans les bâtiments. Pour les autres convertisseurs seulement quelques

données de référence sont fournies. La même approche est utilisée pour la caractérisation

économique.

Au Chapitre 6, le concept du energy hub est présenté et ensuite appliqué pour la

détermination d’un algorithme de couplage entre la demande d'énergie et l’offre d’énergie

dans les bâtiments. Ensuite, les procédures et les critères de sélection sont fournis.

Le Chapitre 7 est consacré aux applications de la méthodologie présentée au chapitre 6,

qui est spécifiée dans deux méthodes différentes (une méthode saisonnière et une

méthode horaire). Ces applications sont exécutées sur quelques études de cas de divers

types de bâtiments. Enfin, des conclusions et perspectives de travaux futurs sont

suggérées au Chapitre 8.

2- TECHNIQUES DE MODELISATION ET LOGICIELS POUR L’ANALYSE DES SYSTEMES MULTI ENERGIES

2-1 Techniques de modélisation

Dans les sections précédentes, les caractéristiques qui contribuent à compliquer le

processus de conception et l'exploitation d'un système multi énergies ont été exposés.

Ce sont:

la nature intermittente de sources d'énergie renouvelables et son incertitude ;

le grand nombre de configurations de systèmes et d'équipements ;

la nécessité d'utiliser une modélisation économique précise pour tenir compte du

coût du cycle de vie du système.

Par conséquent, des modèles doivent être définis pour simuler le comportement complexe

de ces systèmes composites et évaluer l'ensemble des différentes combinaisons possibles

des composants, tant en termes de types (nécessairement une variable) et tailles (entier ou

variable continue).

Contrairement à la simulation, dans la conception de ces systèmes une technique

d’optimisation pourrait également être utilisée, qui est liée au cadre de modélisation

adoptée.

Il existe essentiellement deux types de techniques de modélisation des systèmes multi

énergies : les modèles de séries chronologiques et les modèles statistiques [10].

2-1-1 Modèles de séries chronologiques

Dans les modèles de séries chronologiques, l'analyse est divisée en pas de temps discret et

la performance du système est simulée à chaque pas de temps. Normalement, le

comportement dynamique du système n'est pas modélisé mais considéré comme une

succession d’états d'équilibre sur chaque pas de temps de calcul. La plupart des modèles

utilisent un pas de temps d’une heure car il équilibre à la fois l'exactitude et la non

disponibilité de données des ressources et des charges à un pas de temps meilleur. Le

coeur d'un modèle de séries chronologiques est le bilan énergétique sur le flux d'énergie

entrant et sortant de toutes les composantes du système. Une ou plusieurs stratégies

d'exploitation doit être mise en place afin de savoir comment procéder pour passer d’un

TECHNIQUES DE MODELISATION ET LOGICIELS

15

pas de temps au suivant et prendre des décisions (par la surproduction, la perte de charge,

etc.). Les modèles de séries chronologiques exigent parfois des algorithmes pour créer des

valeurs horaires de charges et des ressources (rayonnement solaire, vitesse du vent),

souvent plus facilement disponibles sous forme de valeurs moyennes. De même, des

algorithmes pour représenter la production horaire sont utilisés pour permettre une

interprétation plus compréhensible des résultats.

2-1-2 Modèles statistiques

Dans les modèles statistiques la performance du système est évaluée pour chaque mois

d'une année, et afin de prendre en compte l'effet des variations à court terme (plus court

que le mois par exemple) une certaine forme de manipulation statistique est utilisée. Les

données nécessaires sont limitées aux valeurs mensuelles ou annuelles moyennes de

charge, aux données sur les ressources, et certains paramètres de performance des

composantes. D'autres paramètres tels que la mesure dans laquelle une charge est liée à

une source peut être fournie si elle n'est pas calculée par le modèle lui-même.

Enfin, les modèles statistiques sont plus simples et plus rapides que les modèles de séries

chronologiques au détriment de la précision et de la flexibilité. Il n’est, en fait, pas si

facile à mettre en oeuvre les configurations de systèmes complexes (plusieurs sources

d'énergie renouvelables, de multiples générateurs, les stratégies de contrôle sophistiquées,

etc) dans ces modèles.

La loss of power supply probability (LPSP) est une technique probabiliste introduite par

AbouZahr et Ramakumar dans le domaine des systèmes de génération éoliens [11] et

photovoltaïques [12], et largement utilisée dans la conception et l'optimisation de

systèmes stand-alone éolien-photovoltaïques [13], [14] jusqu’à présent. [15]. Elle est

basée sur le concept de LPSP qui est la probabilité que le système rencontre une pénurie à

un moment donné pendant une période d'analyse, c'est-à-dire un état dans lequel le

système ne serait pas en mesure de fournir la charge nécessaire. A partir de l'information

sur la variabilité des ressources et sur sa corrélation avec la charge, le LPSP peut être

calculé. Cette méthode est particulièrement utile lors de l'évaluation du comportement

d'un stockage d’énergie.

De même que la LPSL, le Loss Of Load Probability (LOLP) peut être utilisé comme un

critère pour la sélection d’un système énergétique hybride [16]. Il convient de noter que le

critères de sélection LPSL et LOLP peuvent être utilisés non seulement dans un modèle

statistique, mais aussi quand un modèle de série chronologique est utilisé : dans ce cas, le

LPSL ou LOLP est calculé à partir des résultats et non déterminé à partir d’une fonction

de densité de probabilité qui peut être difficile à déterminer analytiquement dans le cas de

systèmes complexes.

2-2 Logiciels pour l’analyse des systèmes multi énergies

Dans cette section quelques-uns des logiciels utilisés pour modéliser et optimiser un

système multi énergies dans un bâtiment sont présentés. La plupart d'entre eux sont basés

sur des modèles de séries chronologiques et d'autres sur des modèles statistiques.


16

2-2-1 EnergyPlus

EnergyPlus c’est un programme de simulation énergétique et thermique des bâtiments qui

a ses racines dans les deux logiciels de simulation US DOE-2 et BLAST, produits

respectivement par le Ministère américain de l'énergie et le Ministère américain de la

défense. Plus de vingt ans de mises à jour de ces deux programmes ont en fait conduit à

des centaines de sous algorithmes difficiles à gérer dans la mise en oeuvre de nouveaux

algorithmes. Il a donc été décidé, en 1996, de construire de toutes pièces un programme

de simulation modulaire par la réécriture complète du code en langage Fortran 90, tout en

gardant quelques-unes des routines les plus avancés de DOE-2 et de BLAST.

L'équipe qui a fait le programme comprend, outre le DOE et le CERL (US Army

Construction Engineering Research Laboratories), l'Université de l'Illinois, le Lawrence

Berkeley National Laboratory, l'Oklahoma State University, et le Gard Analytics.

Le résultat est un programme qui combine les plus détaillés algorithmes de DOE-2 et

BLAST, mais qui est un nouveau logiciel [17] fondé sur l'intégration de la simulation du

bâtiment et des systèmes. C'est la différence avec les programmes précédents où

l'information sur les charges thermiques était envoyée, en cascade, aux autres composants

(bâtiment → système de distribution des énergies → systèmes).

Le programme permet de simuler la plupart des systèmes communs. La première version

du logiciel a été publiée en 2001. Des versions de mise à jour sont publiées deux fois par

an et ajoutent constamment de nouvelles fonctionnalités et des modules, par exemple les

systèmes photovoltaïques, la cogénération, les piles à combustible et la production

électrique distribuée, les pompes à chaleur géothermiques, les échangeurs de chaleur avec

le sol pour les équipements à condensation.

En règle générale, le nombre et la précision des données d'entrée nécessaires pour tous ces

modèles sont tellement élevés que ce type de logiciel n’est pas conçu pour être mis à la

disposition de l’architecte ou de l’ingénieur.

2-2-2 HOMER

HOMER est un logiciel pour la simulation et l’optimisation de systèmes de génération

électrique distribuée développé par le National Renewable Energy Laboratory (NREL)

[18]. Le modèle doit être renseigné des ressources disponibles, des options

technologiques, des coûts et des charges à respecter par le système. Les composantes qui

peuvent être modélisées sont des modules photovoltaïques, des éoliennes, des

générateurs, des batteries, des convertisseurs AC/DC, des électrolyseurs, des

réformateurs, des réservoirs d'hydrogène. Les éléments clés du modèle sont les deux AC

et DC bus, auxquels chaque convertisseur doit être lié.

Les charges peuvent être saisies en tant que profil de charge quotidien ou importées d'un

fichier de données horaires. En tout état de cause, les valeurs horaires des charges doivent

être définies pour chacune des 8760 heures d'une année.

En ce qui concerne les composants, des fonctions de coût linéaires sont adoptées et les

dimensions des composants à prendre en considération doivent être préalablement

prévues afin de réaliser l'optimisation. Le nombre de tailles multiplié par le nombre de

composants donne le nombre de configurations de systèmes simulés par le programme.


17

HOMER est un modèle de séries chronologiques et effectue un bilan énergétique horaire

le long d’une année pour chaque configuration de système rentrée par l'utilisateur. Il

affiche ensuite la liste des configurations de systèmes triés par le coût actuel net (qui

combine le coût en capital - annualisé par l'amortissement du composant au cours de sa

durée de vie en utilisant les taux d'actualisation réelle – et celui de remplacement,

fonctionnement et entretien).

Des analyses de sensibilité peuvent également être effectuées pour certaines variables (par

exemple des coûts de carburant, la vitesse moyenne annuelle du vent).

Enfin, une analyse de contrainte peut également être effectuée au moyen d'un facteur de

capacité annuelle limitée à une valeur maximale : si ce paramètre est fixé à 0%, alors le

système doit satisfaire les charges tout le temps, alors que s’il est fixé à des valeurs de 1%

à 5% des économies considérables en puissance de crête et des différences entre les

scénarios optimisés sont obtenus [19].

HOMER est largement utilisé et accepté comme un outil de simulation distribué, tant au

niveau national que international. De nombreuses analyses de systèmes énergétiques

hybrides ont été effectuées à l'aide de cet outil et ont été publiées sous forme d'articles, en

particulier sur la revue « Renewable Energy » : voir par exemple les travaux de Iqbal [20]

pour des applications dans les Newfoundland (au Canada), Shaahid et Elhadidy [21] pour

les systèmes hybrides photovoltaïques-diesel-batteries, Beccali et al. [22] pour les

systèmes SER à hydrogène.

2-2-3 RETScreen International

RETScreen International est une collection de feuilles de calcul pour évaluer les

technologies des énergies renouvelables (RET) des projets élaborés par le ministère des

Ressources naturelles du Canada. De nombreuses applications sont disponibles en

modèles de feuilles de calcul unique - L'énergie éolienne, petite hydraulique,

photovoltaïque, la production combinée de chaleur et d'énergie, de chauffage à la

biomasse, de chauffage solaire, chauffe-eau solaire, chauffage solaire passif, les pompes à

chaleur géothermiques - jusqu'à ce qu'une seule version du logiciel ait été publiée et qui

comprend des mises à jour de tous les modèles précédents.

Chaque module est constitué de 5 feuilles de calcul: le modèle énergétique, l'analyse des

coûts, l’analyse des émissions de gaz à effet de serre, le bilan financier, la sensibilité et

l'analyse des risques. RETScreen est un modèle statistique pour la conception du système

de production d'énergie renouvelable, la principale caractéristique qui distingue

RETScreen d'autres outils est l'accent mis sur l'exactitude des analyses. Ce logiciel a

également acquis une plus large acceptation dans la communauté scientifique.

2-2-4 DER-CAM

DER-CAM (Distributed Energy Resources-Customer Adoption Model) est un outil de

sélection et d'optimisation pour les ressources énergétiques mis au point par le Ernest

Orlando Lawrence Berkeley National Laboratory (LBNL). Les données d’entrée sont les

profils des charges, l'information sur les tarifs et les prix du carburant, les informations

sur les technologies DER (CHP, capteurs solaires) et il fournit à la fois le meilleur choix


18

technologique et le profil de fonctionnement optimal pour la fourniture d'électricité et de

chaleur ainsi que d'autres résultats tels que les coûts de l'énergie et les émissions.

L'optimisation est effectuée en réduisant le coût énergétique annuel pour un client donné.

Cet outil a été utilisé par Zhou et al. [23] afin de sélectionner les meilleures technologies

sur beaucoup de bâtiments différents (hôtel, hôpital, école, commerce, restaurant).

2-2-5 HYBRIDS

HYBRIDS est un feuille de calcul d'évaluation de l'application des sources d'énergie

renouvelables développé par Solaris Homes (Queenskand, Australie). Il exige la

connaissance de la moyenne quotidienne de charges (moyenne quotidienne de

consommation d'énergie en kWh) et des données sur les ressources estimées pour chaque

mois. Contrairement à d'autres outils, HYBRIDS ne peut simuler qu’une configuration du

système à la fois, et, par conséquent, l'optimisation doit être effectuée hors-ligne en

simulant un ensemble de configurations et en les triant en fonction d'un critère

d'optimisation. Il exige la spécification par l'utilisateur de nombreux facteurs d'efficacité

et les propriétés des convertisseurs d'énergie qui ne sont pas pris en compte, ou sont

assumés lors d'équations sous-jacentes, dans d'autres outils. Il implique un niveau élevé

de connaissances sur les systèmes d'énergies renouvelables et des configurations, et,

comme c’est un feuille de calcul, toutes les formulations sont visibles par l'utilisateur.

Dans une analyse de faisabilité d'un système isolé d'énergie renouvelable pour un grand

hôtel [24] l’outil a donné des résultats semblables à ceux d’HOMER.

2-2-6 Hybrid2

Hybrid2, développé par le Renewable Energy Research Laboratory de l'Université du

Massachusetts est un logiciel permettant d’effectuer des analyses à long terme de

l'économie des systèmes énergétiques hybrides qui comprennent trois types de charges

électriques, des éoliennes, du PV, des générateurs diesel, des batteries de stockage et

d'autres dispositifs. Il est basé sur des séries chronologiques des ressources, mais ne tient

pas compte de la courte durée des fluctuations causées par la dynamique des systèmes

entre les composants. L'outil a une interface utilisateur graphique et une bibliothèque

d'équipements disponibles dans le commerce avec les spécifications des constructeurs.

2-2-7 FACES

FACES (Forecasts of Air Conditioning system’s Energy environmental and economical

performance by Simulation) est un outil pour la sélection des sources d’énergie les plus

appropriées au début de la conception des bâtiments [25].

Il est basé sur la simulation énergétique, environnementale et économique d’un système

de climatisation. L'écart entre l'insuffisance des données disponibles au début de la phase

de conception et les nombreuses données d'entrée nécessaires à la réalisation de

programmes de simulation à grande échelle est couvert par la conception d’algorithmes et

de données définis par défaut qui sont intégrés dans l’outil.

Le logiciel nécessite d’un minimum de données d'entrée très faible (par exemple, la


19

localisation, la surface, le nombre d’étages, le type de système) et fourni les charges de

refroidissement, chauffage et électricité, les configurations du système, l'énergie

consommée, les évaluations environnementales et économiques des alternatives. Certains

sous-modules sont appelés de façon séquentielle: par exemple celui qui calcule les

charges thermiques et électriques. L'outil de simulation, développé par Nikken Sekkei

Ltd, l'Université de Chubu et de Tokyo, les entreprises Chubu et Kansai Electric Power en

coopération avec de nombreuses autres compagnies d'électricité de villes japonaises

(Hokkaido, Tohoku, Hokuriku, Chugoku, Shikoku, Okinawa) s’est avéré simple et précis.

2-2-8 Discussion

Certains des outils présentés ci-dessus ont été conçus en particulier pour la simulation et

l'optimisation des systèmes hybrides (par exemple, HOMER, RETScreen, HYBRIDS),

tandis que d'autres ont été initialement conçus pour modéliser le bâtiment et ses systèmes

de climatisation, mais ont ensuite été élargis pour couvrir la possibilité de simuler des

générateurs d'électricité, des technologies à énergies renouvelables (c'est le cas de

EnergyPlus). Un autre outil similaire à EnergyPlus, TRNSYS, a été conçu à l'origine pour

effectuer la modélisation dynamique des systèmes solaires thermiques, puis il a été élargi

pour effectuer la simulation de toute la construction et des équipements d’un bâtiment.

Une autre particularité peut être trouvée dans le but de l'outil. Certains d'entre eux sont

destinés à être utilisés comme outils de simulation, ce qui signifie qu'ils peuvent vérifier

un scénario mais pas effectuer une optimisation (du moins pas dans l'outil lui-même),

d'autres sont destinés à être utilisés comme un outil d'aide à la décision pour effectuer une

optimisation, en donnant notamment une optimisation de la configuration du système (par

exemple HOMER). Dans le premier cas, le logiciel peut être couplé à un outil

d'optimisation (qui est, par exemple, GenOpt dans le cas de EnergyPlus).

En règle générale, le nombre de données nécessaires pour effectuer une simulation n'est

pas réduit, sauf pour certains cas particuliers (FACES). Les outils les plus avancés dans la

simulation de systèmes hybrides ne prennent pas particulièrement en compte la diversité

des convertisseurs d'énergie qui sont utilisés dans un bâtiment, mais ont tendance à se

concentrer sur la production distribuée d'électricité.

3- LA CARACTERISATION DE LA DEMANDE D’ENERGIE

3-1 Paramètres

La demande d'énergie d'un bâtiment, quel que soit le type et la taille, peut être résumée en

trois charges: une charge de chauffage, une charge de refroidissement et une charge

électrique. Les deux premières charges peuvent encore être subdivisées en différentes

charges en fonction de la température à laquelle la chaleur est fournie et également dans

une charge sensible et une charge latente

La demande d'énergie d’un bâtiment peut être évaluée en termes de:

valeurs de projet (par exemple la charge de chauffage, de refroidissement,

électrique de projet);

valeurs mensuelles ou annuelles (par exemple l’énergie de chauffage, de

refroidissement, d'électricité).

Ces deux paramètres peuvent être des valeurs absolues ou des valeurs paramétrées en

fonction d'une - ou une combinaison - des variables telles que la surface de plancher, le

volume, les lits (pour les hôtels et les hôpitaux). Un exemple de valeurs de la demande

annuelle d'énergie figure dans le tableau 3.3.

Un deuxième niveau d'information sur la demande énergétique des bâtiments se

caractérise par la présence de :

séries chronologiques (ou profils de charge) de l'énergie de chauffage,

refroidissement et électrique ;

une manipulation statistique des séries chronologiques de l'énergie de chauffage,

de refroidissement et électrique.

Dans le premier cas, il est possible d'identifier un ensemble de valeurs des séries

chronologiques de profils de charge (c'est-à-dire une série chronologique de 8760 valeurs

horaires, comme dans la figure 3.1) ou un ensemble de profils de charge quotidien qui se

réfère à une condition particulière (par exemple, le profil de charge de la journée d'hiver).

Une manipulation statistique est généralement utilisée uniquement dans le cas des valeurs

horaires sur une période d'un an.

Comme indiqué précédemment, lorsque le domaine temporel est pris en considération, un

pas de temps de 1 h est adopté, car il équilibre les besoins de précision et de simplicité.

LA CARACTERISATION DE LA DEMANDE D’ENERGIE

21

La représentation graphique de ces séries chronologiques pose cependant certains

problèmes, en particulier en cas de charges très variables: alternativement au profils de

charge (figure 3.1) d'une quantité donnée, il est possible de tracer la courbe de fréquence

cumulée (figure 3.2) de cette quantité.

Pour servir de référence pour l'ensemble de la thèse, un exemple de trois représentations

de la demande énergétique d'un bâtiment sera utilisé tout au long de ce travail : cet

exemple est présenté ci-après. Dans la figure 3.1 les besoins de chauffage et de

refroidissement pour un habitat résidentiel sont représentés. Cette information va de pair

avec celle prévue dans le tableau 3.1, où les charges de pointe sont signalées. Dans la

deuxième colonne du tableau 3,1 la charge de conception est calculée en supposant des

conditions aux limites (par exemple la température de l'air extérieur et le rayonnement

solaire). Comme on peut le constater à partir de la troisième et quatrième colonne du

tableau 3.1, ainsi que des profils de charge de la figure 3.1, le chauffage et le

refroidissement des charges sont toujours inférieurs aux valeurs de projet des charges de

chauffage et de refroidissement au cours de l'année de référence de l'analyse. Cela est dû

au fait que le projet est considéré dans les pires conditions possibles, qui certainement ne

seront pas atteintes au cours d'une année type, car elle est une année de référence retenue

lorsqu’une simulation est réalisée. À ce point, il est intéressant de constater que, en été

l’écart entre la charge de projet et la charge maximale de fonctionnement est réduit.

Cela implique le fait que les convertisseurs d'énergie d’un système multi énergies d’un

bâtiment fonctionnent, presque toujours, à charge partielle et, pour la plupart du temps, à

des facteurs de charge inférieurs à 0,5. Pour quantifier cette particularité, il est possible de

représenter les charges de chauffage, refroidissement et électricité non en termes de séries

chronologiques, mais par des courbes de fréquence, comme dans la figure 3.2, où la

relation entre la charge maximale et les charges au diverses conditions de fonctionnement

a été définie.

Tableau 3.1 – Caractérisation de la demande d’énergie d’un bâtiment en termes de charges pour

un habitat résidentiel (Maison Mozart à Rome)

Charges de pointe [kW] Conception Saison chauffage Saison rafraîch.

Thermique 4,152 1,890 0

Frigorifique 3,500 0 3,001

Electricité 3,000 3 3

Demande d’énergie [kWh] Annuelle Saison chauffage Saison rafraîch.

Thermique 1419 (14 kWht/m²) 1419 0

Frigorifique 2637 (26 kWhf/m²) 0 2637

Electricité 3328 (33 kWhe/m²) 1525 1803

Tableau 3.2 – Charges moyennes et facteurs de charge moyens pour un habitat résidentiel

(Maison Mozart à Rome)

Facteur de charge

moyen annuel [kW]

Facteur de charge

saisonnier [-]

(calculé sur la charge

de conception)

Facteur de charge

saisonnier [-]

(calculé sur la charge de

pointe)

Thermique 0,358 0,09 0,20

Frigorifique 0,563 0,16 0,19

Electricité 0,380 0,13 0,13


22

-3

-2

-1

0

1

2

3

1 1096 2191 3286 4381 5476 6571 7666 8761

LO

AD

[kW

]

Cooling Season15/4 31/10

1419 kWht/y

2637 kWhf/y

Figure 3.1 – Courbes des charges thermique et frigorifique pour la climatisation d’un bâtiment

(Maison Mozart à Rome)

0

1095

2190

3285

4380

5475

6570

7665

8760

0 0.5 1 1.5 2 2.5 3

LOAD (kW)

NU

MB

ER

OF

HO

UR

S

A = COOLING

B = HEATING

A

B

Figure 3.2 – Courbes de fréquence cumulée des charges thermique et frigorifique pour la

climatisation d’un bâtiment (Maison Mozart à Rome)

-800

-600

-400

-200

0

200

400

600

800

Jan

Feb

Mar

Apr

May

Jun

Jul

Aug

Sep

Oct

Nov

Dec

months

[kW

h]

Heating Energy

Coling Energy

Electricity

Figure 3.3 – Valeurs mensuelles d’énergie thermique, frigorifique et d’électricité (Maison Mozart

à Rome)


23

3-2 Facteurs d’influence

Parmi les facteurs qui influencent la demande d’énergie d’un bâtiment on peut identifier

les limites du système étudié, les propriétés des fluides et la qualité de l’ambiance

intérieure.

3-2-1 Limites du système

Lors de l'évaluation de la demande énergétique des bâtiments, il est de la plus haute

importance de préciser les limites du système étudié. Un élargissement des limites du

système implique généralement une augmentation des pertes dans le système, et donc une

plus grande valeur de la demande énergétique. Une comparaison entre deux demandes

d'énergie ne peut être effectuée que si les mêmes limites du système sont définies.

Un premier choix est de retenir l’air de la zone, dont les limites sont les éléments de

l'enveloppe du bâtiment. Cette approche est couramment utilisée pour évaluer le besoin

d'énergie pour le chauffage et le refroidissement (zone air energy demand) lorsque la

performance énergétique du bâtiment comme un système passif est étudiée. De

nombreuses méthodes de bilan thermique (par exemple l’air heat balance) sont fondées

sur l'hypothèse que seul l’air de la zone est la partie du système considérée.

Une deuxième étape d'analyse est d'élargir les limites du système pour tenir compte des

pertes du système de distribution de l'énergie dans le bâtiment. Dans ce cas, la zone

system energy demand prend également en compte les caractéristiques des équipements

installés et les stratégies de contrôle du système de climatisation.

3-2-2 Fluides et températures

Air et/ou eau sont les fluides qui sont utilisés dans les bâtiments pour le chauffage et le

rafraîchissement. En ce qui concerne l'eau, différentes températures de l'eau peuvent être

utilisées et le choix de la température de projet de l'eau chaude et de l’eau réfrigérée doit

être compatible avec les équipements de la zone adoptée (radiateur, planchers chauffants,

etc.…) et système de chauffage/refroidissement (chaudière standard, chaudière à

condensation, pompe à chaleur, capteurs solaires, etc…).

Essentiellement deux gammes de température peuvent être adoptées pour l'eau chaude et

eau réfrigérée:

une température standard, généralement égale à 95 - 85 ° C pour l'eau chaude et 7 -

12 ° C pour l'eau réfrigérée;

une température modérée, généralement égale à 55 - 45 ° C pour l'eau chaude et 17

- 21 ° C pour l'eau réfrigérée.

Dans ce deuxième cas, il est réalisé ce que l'on appelle un chauffage basse température et

un refroidissement haute température. Lorsque l'eau chaude et l'eau réfrigérée sont

produites à ces températures, une plus grande efficacité de la conversion peut

généralement être atteinte (augmentation de l'efficacité des chaudières à condensation et

des coefficients de performance dans les pompes à chaleur). Étant donné que ces

températures sont beaucoup plus proches de la température de confort intérieur, des


24

systèmes qui adoptent de telles températures d'eau chaude et eau réfrigérée sont aussi

appelés systèmes à faible exergie.

3-2-3 Qualité de l’ambiance intérieure

Au cours des dernières années, il y a eu un intérêt croissant dans l'évaluation de la

demande énergétique pour le chauffage et le refroidissement des bâtiments, ce qui est dû

aux nombreuses activités de recherche imposées après la directive européenne

2002/91/CE, concernant la performance énergétique des bâtiments. Comme le souligne la

directive, l'évaluation de la demande énergétique pour le contrôle climatique d'un

bâtiment ne peut être traitée que si le niveau de confort de l’ambiance intérieure est

clairement défini : un indice de performance énergétique d’un bâtiment doit être indiqué

en même temps qu’un indice de qualité du confort thermique. Cela est dû au fait que la

réduction de la demande d'énergie peut aussi conduire à une baisse du niveau de confort,

au contraire, il est clair qu'une plus grande demande d'énergie devrait être prévue pour

une augmentation du niveau de confort. Certaines études ont été menées afin d'associer la

notion de performance énergétique des bâtiments à la notion du confort du bâtiment. Le

niveau requis de qualité du microclimat, en fait, a un effet direct sur la consommation

énergétique des bâtiments.

Il ne fait aucun doute aussi que non seulement le confort thermique, mais aussi le confort

visuel a un effet direct sur la demande d'énergie car il influe sur la consommation

d'électricité pour l'éclairage électrique.

Tableau 3.3 – Valeurs de la demande d’énergie pour des bâtiments dans le Nord de l’Italie (de

[34])

Bâtiment Energie

thermique

Energie

frigorifique

Electricité Charge

électrique

[kWht/(m3 y)] [kWhf/(m

3 y)] [kWhe/(m

3 y)] [We/m

3]

Résidentiel 40.9 7.75 9.42 9.43

Commercial 21.7 19.2 79.2 14.0

Bureau 37.5 13.9 24.7 6.47

Sport 133.3 14.0 35.1 11.1

Hôtel 55.8 16.7 10.7 2.44

Hôpital 52.2 14.4 19.0 4.52

4- LA CARACTERISATION DE L’OFFRE D’ENERGIE

La caractérisation des sources d'énergie est de la plus haute importance lors de la

conception et la prévision du comportement d’un système multi énergies. Elle concerne la

disponibilité des ressources en référence à l'espace et au temps et l'économie des

ressources. Les aspects liés à la disponibilité et à la fiabilité sont des questions cruciales

en cas de sources d'énergies renouvelables, qui, généralement, sont disponibles

gratuitement, mais qui ont un caractère intermittent et des facteurs d'incertitude.

Les ressources énergétiques non renouvelables, en particulier celles fournies par les

services publics, n'ont pas une limite théorique sur l'approvisionnement en énergie mais

sont disponibles à un coût qui est fixé ou variable dans le temps.

Les sources d'énergie peuvent être divisées en sources primaires et secondaires. Les

sources primaires sont disponibles sans aucun type de conversion (charbon, pétrole, gaz

naturel, uranium, rayonnement solaire, géothermie), tandis que les sources secondaires

résultent du processus de conversion de sources primaires et sont les vecteurs

énergétiques (les produits du pétrole, l’électricité, le chauffage à distance, l'hydrogène).

Pour la satisfaction de l'utilisation finale d'énergie, à la fois des sources primaires et

secondaires peuvent être utilisées.

Parmi les sources d'énergie primaire, une distinction peut être faite entre celles qui ne sont

pas renouvelables et sont généralement extraites du sol où elles existent en quantités

limitées (au moins à l'échelle de temps d’intérêt pratique) et celles qui sont renouvelables

et qui peuvent être continuellement exploitées.

La formation des sources d'énergie fossiles non renouvelables (charbon, pétrole, gaz

naturel) date de 250 à 300 millions d'années, tandis que l'énergie nucléaire remonte à

quatre milliards d'années, pour l'uranium et le thorium, ou à l’origine de la Terre pour le

deutérium et le lithium. La différence entre le taux actuel d'extraction de ces sources et le

temps nécessaire à leur régénération (de l'ordre de milliers de fois plus que l'extraction et

l'exploitation) implique qu'elles sont considérées comme non-renouvelables.

Pour ces sources, il est plus important d'analyser la relation entre les réserves et la

production, le rapport R/P entre les réserves restantes à la fin d'une année et la production

pour cette année. À l'échelle mondiale et aux taux de consommation actuels (dans le

monde entier la production et la consommation sont, en fait, coïncidentes), le rapport R/P

indique que le pétrole tendra à manquer dans environ 40 ans, le gaz naturel dans 65 ans et

le charbon dans 155 ans. Ces chiffres doivent être considérés comme purement indicatifs,

LA CARACTERISATION DE L’OFFRE D’ENERGIE

26

d’autant que l’on doit tenir compte du fait que d'une année à l'autre à la fois le numérateur

et le dénominateur de ce rapport R/P varient.

L’unité de mesure adoptée pour l'évaluation des sources non renouvelables est une tonne

d'équivalent pétrole (tep) correspondant à l’énergie d'une tonne de pétrole, c’est à dire à

107 kcal, soit 42 GJ ou 11630 kWh. Il est également utilisé le baril de pétrole, une unité

de volume égale à 159 litres, ce qui correspond à une énergie d'environ 1700 kWh.

Les sources d'énergie secondaire résultantes de la conversion des sources d'énergie

primaires sont les vecteurs énergétiques. Environ 30% de sources secondaires résultant de

la transformation de sources primaires est due à l'électricité, tandis que les 35% restants,

24% et 6% sont attribuables respectivement à l'énergie thermique, les carburants et

d’autres usages non énergétiques.

Au contraire, pour ce qui concerne les sources renouvelables, l'évaluation de l’offre

énergétique potentielle d'une ressource renouvelable n'est pas simple, sauf dans quelques

cas. Toutes les sources d'énergie renouvelables, bien que dans une mesure différente, sont

soumises à une variabilité annuelle, saisonnière ou journalière et, par conséquent, exigent

généralement un système intégrateur de sauvegarde. Une combinaison de plusieurs

ressources renouvelables peut accroître la fiabilité du système et est une bonne

perspective pour réduire la dépendance des ressources non renouvelables.

Plus d'informations relatives au présent paragraphe sont données dans la version complète

de cette thèse en anglais et peuvent être trouvées dans les références [35] et [36].

5- LA CARACTERISATION DES CONVERTISSEURS D’ENERGIE

Dans la simulation du rendement énergétique des systèmes de conversion multi énergie

c’est essentiellement une approche séquentielle que l’on utilise. Cela signifie que chaque

composant du système est modélisé par une relation équivalente entrées-sorties. En

fonction du niveau de détail requis par le modèle de simulation, les algorithmes de chaque

composant peuvent être simplifiés ou détaillés. En règle générale, ce seront des

algorithmes simplifiés basés sur les données des fabricants qui seront adoptés dans les

sections suivantes et non détaillés (basés, eux, sur des modèles physiques des composants,

leur géométrie réelle, les matériaux et les propriétés des fluides utilisés [2]).

Chaque convertisseur d'énergie est considéré comme une unité qui est alimentée par une

ou plusieurs sources d'énergie et fournit un ou plusieurs vecteurs d'énergie. Les

paramètres pour modéliser les performances des convertisseurs sont l'efficacité ou le

coefficient de performance pour les convertisseurs dont un coefficient d'efficacité ne peut

être défini.

En règle générale, l’efficacité énergétique nominale d’un convertisseur d’énergie K en

régime permanent correspond à l’efficacité déterminée à pleine charge et peut être

fonction de quelques paramètres p

K,d , COPK,d = f (p1, p2, p3, …) (5.1)

où habituellement un des paramètres est la puissance de projet PK,d du convertisseur

p1 = PK,d (5.2)

L’efficacité de conversion a n’importe quelle condition de fonctionnement peut être

déterminée en fonction de l’efficacité de projet, du taux de charge partielle et d’autres

paramètres

K , COPK = f (K,d /COPK,d , PLR, p1, p2, p3, …) (5.3)

où le taux de charge partielle (part load ratio) PLR est le rapport entre la puissance

fournie par le convertisseur et la puissance de projet du convertisseur

][PLR,

dK

K

P

P (5.4)

Le rapport entre l'efficacité réelle et l’efficacité à pleine charge est appelé facteur de

charge partielle PLF

LA CARACTERISATION DES CONVERTISSEURS D’ENERGIE

28

][)PLR(PLFCOP

COP,

η

η

dK,

K

dK,

K f (5.5)

La détermination des paramètres définis dans les équations (5.1) et (5.3) a été effectuée,

pour chaque convertisseur, au moyen de l’information scientifique ou technique

disponible (ASHRAE Handbooks [37], [38], [39], [40]).

6- LA MODELISATION DE L’ENERGY HUB

Le système énergétique au service du bâtiment a été modélisé en suivant la méthode du

"energy hub", développée par Geidl, Andersson et d'autres chercheurs de l’ETH Zurich

[47] au sein d'un projet de distribution d'énergie futuriste avec des systèmes multi sources

[48].

Selon une approche boîte noire, seulement la puissance en entrée et la puissance en sortie

par composant (qui est un convertisseur d'énergie ou l'hub lui-même) sont prises en

compte.

Tous les flux d'énergie en entrée/sortie de l'hub, ou l'un de ses composants, sont identifiés

par la mention in/out en indice. Dans ce cadre, le système générique multi énergies d'un

bâtiment peut être schématiquement représenté comme le montre la figure 1 comme une

série de composants dédiés à la conversion de l'énergie sous ses diverses formes (K1, K2,

K3,… Kn). Au port de sortie de l'hub sont consommés les m charges (elles peuvent-être

différenciées selon la forme d'énergie et de leur niveau de chaleur).

Etant E l’ensemble { ...} des n sources d’énergie au port d'entrée de l’hub, les

puissances peuvent être exprimées comme

ninininin P...P,P,P

(6.1)

où le sommet se réfère à la source d’énergie (par exemple, indique le gaz naturel).

L'ensemble des puissances d'entrée n est le vecteur (n × 1)

Tnininininin P...P,P,P

P (6.2)

Toutes les charges sortant de l’hub sont identifiées par l'indice out. Étant donné

l’ensemble l (a, b, c. ..) les m charges, les puissances de sortie sont

mout

cout

bout

aout P...P,P,P (6.3)

où le sommet se réfère à la nature de la charge (par exemple, a indique de la chaleur à

75°C, b indique de la chaleur à 45°C, etc…). Toutes les charges m du bâtiment

constituent le vecteur (m × 1)

Tmout

cout

bout

aoutout P...P,P,PP (6.4)

Le couplage entre l'offre et la demande d'énergie peut donc être exprimé comme

outin PDP (6.5)

LA MODELISATION DE L’ENERGY HUB

30

pourvu qu'une matrice appropriée D de taille (n × m) soit définie.

En ce qui concerne la matrice D, trois aspects doivent être pris en compte dans la

détermination de ses coefficients dij:

1) la connexion entre les flux d’énergie ;

2) les pertes qui se produisent dans les composants de l'hub ;

3) l'énergie stockée dans certains composants de l'hub.

Le premier aspect concerne la répartition des flux au sein de l'hub (le lay-out), le

deuxième aspect est caractéristique des convertisseurs d'énergie : ils peuvent changer non

seulement la forme d'énergie qui les traverse (un aspect déjà pris en compte au point 1),

mais également modifier la quantité d'énergie fournie à cause de leur perte d'énergie. La

troisième question concerne l'accumulation ayant une influence sur les flux d'énergie

entre l'entrée et de sortie de l'hub.

Pour examiner le premier aspect, les facteurs sont mis en place : ils représentent, pour

chaque charge sortante, la part de celle-ci couverte par un convertisseur donné (identifié

en indice).

Pour prendre en compte le deuxième aspect on introduit les rendements des

convertisseurs d'énergie de l’hub.

Le troisième aspect pourrait être pris en compte à travers une nouvelle série de facteurs

de charge ou de décharge des stockages qui ne sont pas traités ici.

En guise d'exemple, la matrice qui permet de modéliser le rapport de couplage entre

l'offre et la demande d'énergie dans l’energy hub représenté dans la figure 6.1 est

mout

cout

bout

aout

K

aK

K

KK

aK

nin

in

in

in

P

...

P

P

P

...

...............

...

...

...

P

...

P

P

P

0000

000η

0η

100

00η

1

η

4

4

3

21

1

(6.6)

avec les contraintes

iiK 10 L , K K

i

Kn

KK

iK 1

1

L = {a, b, c, ... }

KK0 K = {K1, K2, K3, ... Kn}

où K est l’ensemble de toutes les composantes de l'hub.

Les convertisseurs à plusieurs entrées énergétiques peuvent être modélisés avec la même

approche. Cependant, il faut faire attention aux convertisseurs qui ont plusieurs sorties

(les cogénérateurs par exemple) parce que généralement les sorties énergétiques ne sont

pas indépendantes entre elles, mais liées par un certain rapport (celui-ci étant variable).

Etant donné que dans l’Eq. (5) les sorties sont considérées comme des constantes de la

formulation, et donc indépendantes, d’autres contraintes doivent être fixées. Dans le cas

d'un convertisseur avec m produits, on peut considérer l'un d'entre eux indépendant et les

autres dépendants; donc m-1 relations entre les sorties de l’hub doivent être ajoutées à


31

l’Eq. (6.6) afin de simuler correctement le comportement du système multi énergies.

Un exemple des différents convertisseurs d’énergie employés dans les bâtiments est

fourni dans le schéma de la figure 6.1.

Figure 6.1 – Schéma représentatif d’un energy hub


32

Tableau 6.1 – Convertisseurs d’énergie utilisés dans les systèmes multi énergies dans les

bâtiments

Convertisseur Energie en entrée* Energie en sortie *

GBGB GB Chaudière Gaz naturel/huile Energie thermique

CBCBCB

CB Chaudière à

condensation

Gaz naturel Energie thermique

WBWB

WB Chaudière à bois Bois Energie thermique

WG Gasificateur Bois Gaz naturel

ICEICE

ICE Moteur à combustion

interne (CHP)

Gaz naturel

/huile/biocarburant

Électricité

Energie thermique

MT Micro turbine (CHCP) Gaz naturel Électricité

Energie thermique

MTT Micro turbine avec

trigéneration (CHCP)

Gaz naturel Electricité

Energie thermique

Energie frigorifique

ST Turbine à vapeur Gaz naturel Électricité

Energie thermique

AC AC Réfrigérateur à

Absorption

Gaz naturel / Energie

thermique


FC FC Piles à combustibles Hydrogène/ Gaz naturel Électricité

Energie thermique

EZ

EZ Electroliseur Électricité, eau Hydrogène

Résistance électrique Électricité Energie thermique

- Appareils Électricité

C C Réfrigérateur Électricité Energie frigorifique

HP

HP Pompe à chaleur Électricité,

Air/Eau/Terrain/Géother

mie

Energie thermique

HP/C

HP/C Pompe à chaleur

réversible

Électricité

Air/Eau/Terrain/Géother

mie

Energie thermique,


GHP

GHP Pompe à chaleur à

absorption à gaz

Gaz naturel Energie thermique


HE

HE Echangeur thermique Energie thermique

(chauffage urbain)

Energie thermique

SC

SC Panneau solaire

thermique

Energie solaire Energie thermique

PV

PV Panneau photovoltaïque Energie solaire Électricité

PVT

PVT PV/T Energie solaire Électricité

Energie thermique

WT

WT Eolienne Energie du vent Électricité

HTHT

HT Turbine hydraulique Energie hydraulique Électricité

* Dans ces champs une virgule signifie “et” et une barre signifie “ou”

7- APPLICATIONS DU ENERGY HUB ET ETUDES DE

CAS

7-1 Les applications de l’algorithme de couplage

Deux méthodes différentes ont été identifiées pour simuler un système multi énergies en

fonction du détail des données d’entrée et de la phase de conception du projet concerné.

Un grand soin a été consacré à ce sujet, car il a été jugé très important de développer des

outils de sélection adaptés à toutes les phases de la conception d’un bâtiment. Cela est

particulièrement vrai pour les bâtiments où, non seulement pendant la phase de

conception initiale, mais également pendant la phase de développement du projet, de

nombreuses fois la variabilité des charges thermiques, frigorifiques et électriques est loin

d'être calculée, même dans les cas de grands projets de construction.

Telles sont les raisons pour lesquelles le modèle d’analyse des systèmes multi énergies

présenté au chapitre précèdent a été appliqué dans deux méthodes différentes adaptées à

la nature des données et des résultats.

7-2 La méthode saisonnière

7-2-1 Objet de la méthode

Du moment que les systèmes multi énergies, pour la définition donnée dans la section 1-

1, adoptent habituellement des convertisseurs d'énergie non conventionnels, de nouvelles

agrégations de composants, schémas inhabituels, et sont également particulièrement

sensibles aux conditions aux limites de quelque nature que ce soit - énergétique,

économique, environnementale - il est nécessaire d’avoir disponibles, dès la phase de

conception initiale (aussi appelé design concept, schematic design) une procédure

d'analyse de faisabilité économique, énergétique et environnementale de ces systèmes.

C'est la réponse que la méthode saisonnière de ce chapitre est destinée à donner.

Même si cette procédure pourrait sembler très simplifiée, il y a de nombreuses raisons qui

APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS

34

expliquent cette utilisation.

D'une part, il est bien connu, comme on le voit dans Lewis [90], que les avantages

potentiels d’une décision sur le projet prise au stade de design concept sont beaucoup plus

élevés que les avantages d’une décision prise pendant les phases suivantes. Dans les

premiers stades, aussi le coût de mise en œuvre des concepts pour améliorer la

performance énergétique du bâtiment est plus faible.

D'autre part, les méthodes d'évaluation des systèmes d'énergie actuellement disponibles,

en se fondant sur des modèles de simulation, peuvent être appliquées seulement avec un

grand nombre de données d'entrée, conditions aux limites et profils utilisateurs (qui sont

de la plus haute importance [91]) qui, généralement, ne sont pas connus en phase de

conception.

7-2-2 Spécifications du modèle

L’algorithme de couplage présenté dans le chapitre 6 est utilisé ici tant en termes de

puissance nominale que en termes d’énergie annuelle. Cela donne

d,dd, outin PDP (7.1)

et outin EDE s (7.2)

Il est habituellement Tn

ininininin EEEE ...,, E et Tm

out

c

out

b

out

a

outout EEEE ...,,E

avec

dPE

T

outinoutin

0

// E U L (7.3)

afin que E

in la source d’énergie consommée au port d’entrée de l’hub dans la période

de temps T, Eaout est l’énergie a nécessaire au port de sortie de l’hub dans la période de

temps T.

Dans les matrices D et Ds les indices renvoient aux conditions de projet et aux conditions

saisonnières. La seule différence entre eux, concerne les valeurs des efficacités à adopter :

- l'efficacité en phase de conception (généralement l'efficacité à pleine charge) des

convertisseurs dans la matrice D ;

- l’efficacité en conditions saisonnières moyennes des convertisseurs dans la matrice

Ds.

Le même principe s'applique lorsque plus d'une efficacité énergétique est nécessaire en

cas de convertisseurs à plusieurs sorties.

En ce qui concerne les facteurs , les mêmes facteurs sont pris en compte dans les deux

matrices. En outre, plus d'une saison peuvent être analysées (par exemple la saison de

chauffage et celle de refroidissement).

Habituellement une distinction entre la saison de chauffage et de refroidissement est

toujours nécessaire dans les bâtiments, en raison de la variabilité de la demande d'énergie

sur l'année. Cette distinction peut être ignorée et un ensemble unique de variables de

décision peut être adopté en l'absence d’interconnexions entre l'énergie pour le

chauffage et celle pour refroidissement dans l’hub.

Si plus d'une saison sont considérées, les puissances nominales des convertisseurs

d'énergie de l’hub sont les valeurs maximales obtenues au fil des saisons


35

KP,......P,PmaxP sasn,Ksas,Ksas,Ksas

K 21 K (7.4)

Les sources d’énergie telles que le gaz naturel, l’électricité, le chauffage urbain peuvent

être considérées comme toujours disponibles alors que d'autres sources d'énergie

renouvelables peuvent être collectées de l'environnement dans la mesure de leur taux de

régénération. Ces limitations sont prises en compte, à ce stade, en imposant une simple

valeur maximale sur toutes les variables de décision liées à cette source d'énergie. Cette

particularité peut être prise en compte en limitant les facteurs appropriés dans une

fourchette

0 < < max (7.5)

où max dépend des propriétés (orientation, etc.…) de la surface de capture solaire. Aucun

dispositif de stockage de l'énergie ne peut être directement pris en compte dans cette

méthode tant que la simulation n'est pas effectuée dans le domaine temporel. La

performance d'un système intégré de stockage de l'énergie peut toutefois être simulée par

l'utilisation d'une valeur moyenne de rendement saisonnier. C'est le cas des systèmes

solaires thermiques, qui sont toujours utilisés avec l'intégration d'un stockage sous forme

d’un ballon d'eau. Dans ce cas, une étude paramétrique préliminaire de la performance du

système intégré stockage et convertisseur doit être effectuée. A titre d'exemple, les valeurs

appropriées du rendement annuel moyen d'un système solaire pour une unité résidentielle

sont rapportés dans [29], [93], et peuvent être utilisées dans cette méthode.

7-2-3 Données d’entrée

Conformément à la phase de design concept au cours de laquelle cette méthode doit être

appliquée, le nombre de données d'entrée est très faible.

En ce qui concerne la demande d’énergie des bâtiments sont nécessaires :

- les valeurs de puissance de projet pour chaque charge du bâtiment;

- les valeurs annuelles ou saisonnières des besoins d’énergie de chaque bâtiment.

Ces valeurs se réfèrent à l'énergie qui doit être fournie par le système énergétique du

bâtiment, de sorte qu'elles ne représentent pas nécessairement les besoins énergétiques

des bâtiments, mais prennent en compte toutes les pertes d'énergie qui peuvent se

produire (par exemple les pertes liées à la distribution de l’énergie et à la régulation).

Même si en théorie, de nombreux outils d'évaluation peuvent être utilisés, à ce stade la

demande d'énergie est plus probablement déterminée par les moyens suivants :

- méthodes simplifiées des réglementations (par exemple la procédure de calcul de

la norme EN 12831, l'ISO/DIS 13790) ;

- valeurs de littérature (par exemple BSRIA Rules of thumb pour les charges et les

besoins énergétiques [33]).

En tout état de cause, le nombre de valeurs d'entrée pour la demande d'énergie est égal à 2

ms où m est le nombre de charges et s est le nombre de saisons analysées.

Le même raisonnement peut être utilisé lors de l'évaluation de la performance des

convertisseurs d'énergie: deux valeurs de rendement de conversion doivent être fournis

pour chaque convertisseur, l’une à pleine charge, l’autre en conditions moyennes

saisonnières ou annuelles. Cette deuxième valeur est la plus difficile à déterminer a priori,

et elle doit être fondée sur une documentation existante, sur des résultats, ou - au moins -


36

sur des avis d'experts.

7-2-4 Sorties du modèle et résultats

A partir des Eqs. (7.1) et (7.2) peuvent être déterminées les valeurs des sources d’énergie

entrant dans l’hub, et les consommations d'énergies. Dans le cas du projet d’un système,

l'application de l'une des fonctions objective présentées permet à un ensemble de

variables de décision d’être déterminé par application des contraintes.

Dans le paragraphe suivant l’application de cette méthode est effectuée pour le problème

de sélection de l’energy hub d’un bâtiment résidentiel.

7-2-5 Maison Mozart

7-2-5-1 Description de l’étude de cas

La « Maison Mozart » est une maison individuelle de 99,8 m² sur un unique étage

représenté dans la figure 7.1. Elle a été définie par EDF, en coopération avec le CSTB et

GDF en 1994.

Les surfaces vitrées des façades sont respectivement égales à 16, 19, 39 e 26% du total

des surfaces à Nord, Ouest, Sud et Est.

Pour effectuer la simulation dynamique afin d'estimer les charges et les besoins de

chauffage et de refroidissement, le bâtiment a été divisé en cinq zones thermiques (jour,

nuit, toiture, garage, espace aéré au-dessus du sol) dont les zones jour et nuit sont

conditionnées.

Figure 7.1 – Plan de la Maison Mozart

Les caractéristiques du bâtiment, les profils des charges internes, le débit de ventilation, et

les propriétés thermiques de la construction sont tirés du document de description de la

Maison Mozart établi par EDF, GDF et CSTB. Au moment de définir les propriétés des

éléments de la construction, des valeurs de l'épaisseur des matériaux d'isolation supérieure

à celles rapportées dans le document de description ont été prises en compte.

Le bâtiment est placé à Turin. La caractérisation de la demande d’énergie du bâtiment est

faite dans le tableau 7.2. Dans les figures 7.2 et 7.3 les charges de chauffage et de

refroidissement sont rapportées en termes de séries chronologiques et courbes de


37

fréquences cumulées. Dans la figure 7.4 les valeurs mensuelles de chauffage (pour le

chauffage et la préparation de l'ECS), de refroidissement et de besoins en électricité sont

indiqués.

7-2-5-2 La description de l’energy hub

L’energy hub pris en considération pour cette étude est représenté dans la figure 7.5. Les

sources d’énergie au port d'entrée de l’hub sont le bois (indice w), le gaz naturel (g),

l'énergie solaire (s) et l'électricité du réseau (e). La combinaison des convertisseurs

sélectionnés offre la possibilité de répondre à la charge thermique (indice t) -

alternativement ou dans n'importe quelle combinaison – par:

- une chaudière à bois (WB);

- une chaudière à condensation (CB);

- une pompe à chaleur air-eau réversible (HP);

- un système solaire thermique combiné (SC).

La charge de refroidissement (indice c) peut être satisfaite par:

- un système split refroidi à air (C);

- une pompe à chaleur air-eau réversible (HP);

L'électricité peut être satisfaite par:

- l’électricité du réseau (e);

- un système photovoltaïque (PV).

Tableau 7.2 – La caractérisation de la demande d’énergie de la Maison Mozart pour le climat de

Turin

Charges de pointe [kW] À projet Saison de

chauffage

Saison de

rafraîchissement

Chauffage des locaux 5.025 2.957 0

Rafraîchissement 3.192 0 2.892

Electricité 3.000 3 3

Besoins énergétiques [kWh] Annuel Saison de

chauffage

Saison de

rafraîchissement

Chauffage des locaux 4174 (42 kWht/m²) 4174 0

Préparation de l’ECS 2794 (28 kWht/m²) 1623 1171

Rafraîchissement 1817 (18 kWhf/m²) 0 1815

Electricité 3328 (33 kWhe/m²) 1933 1395

Dans ce cas, les puissances au port d’entrée de l’hub peuvent être exprimées en fonction

de la puissance au port de sortie de l’hub et des rendements de conversion énergétique

comme


38

-3.0

-2.0

-1.0

0.0

1.0

2.0

3.0

1 501 1001 1501 2001 2501 3001 3501 4001 4501 5001 5501 6001 6501 7001 7501 8001 8501

LO

AD

[k

W]

1/5 30/9

Cooling season

1817 kWhf /y

4174 kWht /y

Figure 7.2 – Profils de chauffage et rafraîchissement des locaux de la Maison Mozart (climat de

Turin)

0

1000

2000

3000

4000

5000

6000

7000

8000

0 0.5 1 1.5 2 2.5 3

LOAD [kW]

NU

MB

ER

OF

HO

UR

S

A = HEATING

B = COOLING

8760

A

B

Figure 7.3 – Courbes de fréquences cumulées de chauffage et rafraîchissement des locaux de la

Maison Mozart (climat de Turin)

-1500

-1000

-500

0

500

1000

1500

Jan

Feb

Mar

Apr

May Jun

Jul

Aug Sep Oct

Nov

Dec

En

erg

y [

kW

h]

Heating Energy Cooling Energy Electricity

Figure 7.4 – Besoins mensuels de chauffage (locaux+ECS), rafraîchissement et électricité de la

Maison Mozart (climat de Turin)


39

Pin

e

Pin

s

Pin

g

Pin

w

Pin

ePin

e

Pin

sPin

s

Pin

gPin

g

Pin

wPin

w Pout

t

Pout

c

Pout

e

Pout

tPout

t

Pout

cPout

c

Pout

ePout

e

WB

CB

SC

PV

HP

C

WB

CB

SC

PV

HP

C

WB

t

SC

t

C

c

HP

cHP

t

CB

t

e

e

PV

e

WB

tWB

t

SC

tSC

t

C

c

C

c

HP

cHP

cHP

t

HP

t

CB

t

CB

t

e

ee

e

PV

ePV

e

Figure 7.5 – Schéma de l’energy hub considéré

pour la Maison Mozart

e

out

e

e

f

out

f

Cf

C

f

out

f

PCf

PC

t

out

t

PCt

PC

e

in

t

out

t

SC

SC

e

out

e

PV

PV

s

in

t

out

t

CB

CB

g

in

t

out

t

WB

WB

w

in

PPPPP

PPP

PP

PP

COP

1

COP

1

COP

1

11

1

1

(7.6)

où les facteurs représentent les facteurs de dispatch. Le terme COPtPC se réfère au mode

chauffage de la pompe à chaleur, tandis que le terme COPfHP se réfère au mode

rafraîchissement.

Les équations (7.6) peuvent entre écrites dans une forme matricielle comme

Pin = D Pout (7.7)

e

out

f

out

t

out

e

e

f

PCf

PC

f

Cf

C

t

PCt

PC

e

PV

PV

t

SC

SC

t

CB

CB

t

WB

WB

e

in

s

in

g

in

w

in

P

P

P

P

P

P

P

COP

1

COP

1

COP

1

10

1

001

001

(7.8)

En ce qui concerne les variables , seulement 5 sur 8 sont indépendantes parce que, pour

chaque charge au port de sortie, on a :

1 e,f,ti

i

(7.9)

Les rendements nominaux et moyens sont reportés dans le tableau 7.4. Le rendement

moyen du système split est l’ESEER (European Seasonal Energy Efficiecy Ratio) qui

correspond à un EER (Energy Efficiency Ratio) égal à 2.5.


40

Tableau 7.4 – Rendement de projet et moyens des convertisseurs de l’hub

Rendement de

conversion

Valeur de projet

[-]

Valeur moyenne

[-]

WB 0.75 0.65

CB 1.05 0.90

COPC 2.50 2.90

COPtHP 3.10 2.70

COPfHP 3.30 3.80

PV 0.15 0.15

SC 0.70 0.30

7-2-5-3 Les fonctions objectives

Trois fonctions objectives ont été identifiées :

1) une fonction économique basée sur l'énergie consommée au cours des saisons de

chauffage et de refroidissement et sur la puissance installée, qui est

KK

coolKheatK

y

PPcEEcf

,,

K

cool in,heat in,1

,max (7.10)

où les indices "heat" et "cool" renvoient respectivement au saisons de chauffage et de

refroidissement. Les coûts d'investissement de convertisseurs d'énergie cK fixes sont

indiqués dans le tableau 7.5. Les coûts des sources d’énergie c est égal à 0,025 €/kWh

pour le bois, 0,06 €/kWh pour le gaz naturel, 0 €/kWh pour l'énergie solaire et 0,15

€/kWh pour l'électricité du réseau ;

2) une fonction objective énergétique basée sur la consommation d'énergie définie dont

les facteurs de pondération p sont les facteur d’énergie primaire non-renouvelable ;

3) une fonction objective environnementale égale à celle précédente, où les facteurs de

pondérations sont les facteurs d’émissions de dioxyde de carbone.

Tableau 7.5 – Coût d’investissement et durées de vie des convertisseurs de l’hub

Convertisseur cK y

K Convertisseur c

K y

K

[€/kW] [y] [€/kW] [y]

WB 500 20 PV 6000 20

CB 150 15 SC 600 15

C 250 15 E 90 25

HP 250 15

7-2-5-4 Contraintes liées aux sources renouvelables

Pour bien prendre en compte l'énergie solaire dans les Eqs. (7.1) et (7.2) et éviter une

surestimation de l’énergie solaire, il est nécessaire d'introduire de nouvelles contraintes

telles que celles de l’équation (7.5).


41

L'énergie solaire est en fait proportionnelle à la surface des capteurs Ac, qui - en l'absence

d'informations plus détaillées – peut être considérée égale à la moitié de la toiture. Cette

quantité multipliée par le rayonnement solaire total horizontal peut être considérée

comme un indicateur de la limite supérieure de l'énergie solaire. Un choix peut être fait

sur la période d'analyse à prendre en considération (une année, une saison, un mois).

Pour cette étude, et pour une période d'un an, on a

Esin,max = AR · Isol = 50 · 1320 = 66000 kWh (7.11a)

qui devient, pour une période d’une saison de chauffage (comme on peut le voir dans les

profils de charge de la figure 7.1) de 5 mois

Esin,max = AR · Isol = 50 · 512 = 25600 kWh (7.11b)

C'est la valeur supérieure de l'énergie solaire pour les capteurs solaires et les modules

photovoltaïques, qui rend l’inégalité suivante

e

PV

e

PV

t

SC

t

SC

max,η

ε

η

ε e

out

t

outS

in

PPE (7.12)

où les rendements de conversion et les facteurs ε sont supposés être des valeurs

saisonnières moyennes.

7-2-5-5 Conception du système

Dans le tableau 7.6 les valeurs des facteurs qui réduisent au minimum chacune des trois

fonctions objectives adoptées sont indiquées. A partir de ces valeurs, il est possible de

définir les configurations du système. Dans un premier cas, un système dans lequel toutes

les charges sont réparties uniformément sur les différents convertisseurs d'énergie est

adopté.

Une première configuration peut être obtenue à partir du critère du coût minimum : elle

est fondée sur une utilisation massive de l'énergie solaire pour couvrir les charges

thermiques aussi bien pendant la saison de chauffage et de refroidissement, sur la

connexion au réseau en ce qui concerne toute la demande d'électricité, ainsi que sur

l'utilisation d’une pompe à chaleur à cycle réversible pour couvrir la charge de

refroidissement. Ce système est représenté dans la figure 7.6. Une valeur de tSC égale à 1

devrait être considérée comme purement théorique, car elle ne peut être atteinte dans la

pratique, et un chauffage de back-up doit être utilisé: dans ce cas, le chauffage de back-up

en hiver peut être effectué par la pompe à chaleur (c'est la raison de la ligne en tirets dans

le schéma d’hub de la figure 7.6). Même s'il y a une utilisation massive de l'énergie

solaire, la contrainte de l'équation (7.12) est satisfaite, puisque l'énergie solaire totale

nécessaire pour couvrir la charge thermique est dans les limites calculées par l'équation

(7.11) soit sur l’année (23227 kWh <66000 kWh) soit sur la saison de chauffage (19323

kWh <25600 kWh). Cela fait également remarquer que le système solaire – tel qu’il est -

est surdimensionné en été, lorsque la demande de chauffage est fortement réduite.

L'utilisation d'un système split au lieu de la pompe à chaleur réversible pour couvrir la

charge de refroidissement, n'est pas meilleure car elle augmente le coût annuel à 908 €/an

et en outre le split system ne peut pas être utilisé comme source de back-up des capteurs

solaires en hiver. Il est à noter que, par rapport à la première proposition, cette

configuration du système permet de réduire non seulement la valeur de la fonction


42

objective économique, mais aussi les valeurs des fonctions objectives énergétique et

environnementale.

Tableau 7.6 – Valeurs des facteurs ε qui réduisent au minimum les fonctions objectives

Critère de

sélection

Saison de chauffage Saison de rafraîchissement

chauffage froid électr. chauffage froid électr. W

B

CB

HP

SC

C

HP

e PV

WB

CB

HP

SC

C

HP

e PV

Initiale ¼ ¼ ¼ ¼ 0.5 0.5 0.5 0.5 ¼ ¼ ¼ ¼ 0.5 0.5 0.5 0.5

Economique 0 0 0 1 - - 1 0 0 0 0 1 0 1 1 0

Energét. n.1 0 0 0 1 - - 0 1 0 0 0 1 0 1 0 1

Energét. n.2 .34 0 0 .66 - - 0 1 0 0 0 1 1 0 0 1

Environ. .34 0 0 .66 - - 0 1 0 0 0 1 1 0 0 1

Tableau 7.7 – Valeurs des fonctions objectives pour les scénarios du tableau 7.6

Critère de

sélection

Valeur de la fonction

objective économique

[€/y]


objective énergétique

[kWh/y]


obj. environnementale

[kgCO2/y]

Initiale 1189 10716 1892

Economique 885 10504 1751

Energétique n.1 1275 1318 220

Energétique n.2 1287 1532 266

Environnementale 1287 1532 266

Pin

ePin

e

Pin

sPin

s

Pout

tPout

t

Pout

cPout

c

Pout

ePout

eSC

HP

SC

tSC

t

HP

cHP

c

e

ee

e=1

=1

=1

Pin

ePin

e

Pin

sPin

s

Pout

tPout

t

Pout

cPout

c

Pout

ePout

e

SC

PV

C

SC

tSC

t

C

cC

c

PV

ePV

e=1

=1

= 0.66

WBPin

wPin

wSC

tSC

t= 0.34

Figure 7.6 – Schéma de l’energy hub qui

ressort de l’application du critère économique

Figure 7.7– Schéma de l’energy hub qui ressort

de l’application des critères énergétiques et

environnementales

Une deuxième configuration peut être déterminée à partir de la minimisation de la

fonction objective énergétique (cas n.1 dans les tableaux 7.6 et 7.7). Elle est similaire à la

précédente, mais repose sur l'utilisation d’un système PV pour couvrir le besoin en

électricité au lieu de l'achat d'électricité à partir du réseau, ce qui provoque toutefois


43

(tableau 4.4) une augmentation sensible (44%) du coût annuel, et une très forte chute -

d'un ordre de grandeur - dans la consommation d'énergie primaire et les émissions de

dioxyde de carbone.

Cela est dû au fait que la consommation d'électricité (3328 kWhe) représente environ

87% de l'énergie primaire, car elle est pondérée avec un facteur de 2,76.

L’électricité du réseau est uniquement utilisée pour produire l’énergie frigorifique par la

pompe à chaleur en cycle inversé, qui peut être une précieuse source de sauvegarde dans

la saison de chauffage. Dans ce cas, la contrainte de l'équation (7.12) n’est satisfaite que

sur la base de l'année, alors que pendant la saison de chauffage, elle n'est pas satisfaite, et

l'énergie solaire est hors de la limite de l’Eq. (7.11b). Ce scénario (énergétique n.1) n'est

donc pas possible, et devrait être remplacé par un autre.

Tenant compte de cette limite, seulement 66% de l'énergie de chauffage est assuré par les

capteurs solaires en hiver (cas énergétique n. 2 dans le tableau 7.6), tandis que toute

l'électricité est fournie par le photovoltaïque. L’énergie de chauffage qui reste doit être

couverte par la chaudière à bois. L'utilisation de la chaudière à condensation conduirait à

une plus grande consommation d'énergie primaire - 4297 kWh par rapport au1532 kWh

de la chaudière à bois - et aussi à un plus grand coût annuel.

La minimisation de la fonction objective environnementale donne le même résultat que la

minimisation de la fonction objective énergétique (cas n° 2), comme prévu.

8- CONCLUSIONS

Dans les différents chapitres de cette thèse, les raisons de l'utilisation des systèmes multi

énergies dans les bâtiments, leurs potentialités, les caractéristiques qui contribuent à

compliquer la conception et le fonctionnement de ces systèmes ont été exposées. Une fois

que les techniques de modélisation et les outils ont été passés en revue, une approche

originale de modélisation basée sur le concept de l’hybrid energy hub a été élaboré et

appliquée sur quelques études de cas. À notre connaissance, il n’y a pas de techniques de

modélisation qui prennent en compte une puissance des convertisseurs variable et des

facteurs de répartitions qui varient également. Certains outils, tels que le programme

EnergyPlus, permettent de définir la capacité d'un convertisseur d'énergie de manière

automatique, mais cela est fait sur la base des jours de projet et non sur la performance le

long d’une année en termes énergétiques, environnementaux ou économiques.

L'analyse des résultats du chapitre 7 permet aussi de tirer quelques considérations d'ordre

général.

Un premier examen doit être fait sur les paramètres de l'efficacité énergétique des

convertisseurs : les méthodes saisonnière et horaire sont toutes les deux très sensibles à

ces facteurs. La sélection de ces valeurs au problème particulier est de la plus haute

importance pour assurer un résultat significatif dans la sélection d'un système multi

énergie.

En même temps, ces valeurs sont souvent difficiles à trouver, parce que la littérature

technique se concentre sur la performance en régime permanent d’un convertisseur

d'énergie et manque souvent de détails (à titre d'exemple, seulement quelques courbes de

performances peuvent être trouvées pour une utilisation dans un logiciel de simulation

détaillée).

Des considérations semblables peuvent être faites sur les conditions limites

environnementales et économiques. Les facteurs d'émission d'un combustible sont

fortement dépendants de la technologie du convertisseur d'énergie et par ses réelles

conditions de fonctionnement. Aussi l'effet de variation dans les coûts et les durées de vie

des convertisseurs d'énergie agit considérablement.

Dans la libéralisation du marché de l'énergie (qui va être créé en Italie), l'évaluation des

coûts des produits énergétiques achetés et du prix de rachat de l'électricité injectée dans le

réseau par un producteur, est de la première importance.

Des procédures d'analyse pour l'ensemble de ce problème ont été abordées dans le présent

travail, dans le cadre général de l’energy hub, mais une importante activité de recherche

devrait être réalisée pour la caractérisation des convertisseurs d'énergie qui ne sont pas

traités dans cette thèse ou qui apparaîtront dans un proche avenir.

CONCLUSIONS

45

En outre, un niveau intermédiaire entre la méthode saisonnière et horaire peut être créé

par l'utilisation d'un bin method. Un bin method fourni une meilleure évaluation des

rendements dans les conditions d'exploitation réelles sans qu'il soit nécessaire d'effectuer

un calcul horaire. Dans la façon la plus simple, cela peut se faire par des courbes de

fréquence cumulée des charges qui, quel que soit le temps de variabilité de la quantité à

analyser, permettent de quantifier le rendement à charge partielle.

Une autre considération doit être faite sur les critères de sélection, qui sont parfois

contradictoires. En fait, les différentes fonctions objectives conduisent à des résultats

différents, en particulier les fonctions économiques par rapport à celles

environnementales. Si cette particularité peut être intéressante lorsque l'on étudie la

performance d’un système pour clarifier toutes les relations entre les sources d’énergie, la

demande d’énergie et les convertisseurs d'énergie, en réalité il est nécessaire de prendre

une décision. Cela peut être fait en sélectionnant un critère, en fonction des intérêts du

propriétaire d'immeubles, ou en combinant plus d'un critère, de quelque manière que ce

soit, dans une fonction multi objectives.

Le problème de l’analyse multi critères conduit à celui des algorithmes d'optimisation qui

peuvent être utilisés pour réaliser la conception et l'optimisation opérationnelle d’un

energy hub. Étant donné le nombre des fonctions objectives qui ont été présentées et le

nombre de variables de décision, un large champ d'analyse s'ouvre sur le choix du

meilleur algorithme d'optimisation, qui dépend de la nature de la fonction objective, des

variables de décision et des contraintes.

Compte tenu de la complexité de ce problème, cette question est certainement un domaine

de recherche futur, comme l’est l'application des techniques d’aide à la décision de type

multi critères.

REFERENCES ET BIBLIOGRAPHIE

Note : toutes les références suivantes sont citées dans le texte intégral en anglais ; par

contre, dans ce document, comme il s’agit d’un résumé, toutes le références ne sont pas

citées.

[1] MANWELL J.F. Hybrid energy systems. In: CLEVELAND C.J. (ed.) Encyclopedia

of Energy, Volume 3. London: Elsevier, 2004, pp. 215- 229.

[2] CLARKE J.A. Energy simulation in building design. 2nd

Ed. Oxford : Butterworth

Heinemann, 2001, 362 pp. ISBN 0 7506 5082 6.

[3] SONTAG R., LANGE A. Cost effectiveness of decentralized energy supply systems

taking solar and wind utilization plants into account. Renewable Energy, 2003, vol. 28,

n°12, pp. 1865-1880. ISSN 0960-1481.

[4] BALARAS C.A., HENNING H.M., WIEMKEN E., GROSSMAN G., PODESSER

E., INFANTE FRREIRA C.A. Solar air conditioning in Europe – an overview.

Renewable and sustainable energy reviews, 2007, vol. 11, n° 2, pp. 299-314.

[5] HENNING H.M., GLASER H. Solar assisted absorption system for a laboratory of

the Univeristy of Freiburg. 2002. (Available on line at www.bine.inf/pdf/infoplus/

uniklaricontec.pdf)

[6] NELSON D.B., NEHRIR M.H., WANG C. Unit sizing and cost analysis of stand-

alone hybrid wind/PV/fuel cell power generation systems. Renewable energy, 2006, vol.

31, n° 10, pp. 1641-1656. ISSN 0960-1481.

[7] BERNAL-AUGUSTIN J.L., CONTRERAS J., DUFO-LOPEZ R. Optimization of

control strategies for stand-alone renewable energy systems with hydrogen storage.

Renewable energy, 2007, vol. 32, n° 7, pp. 1102-1126. ISSN 0960-1481.

[8] BAKKER M., ZONDAG H.A., ELSWIJK M.J., STROOTMAN K.J., JONG M.J.M.

Performance and cost of a roof-sized PV/thermal array combined with a ground coupled

heat pump. Solar energy, 2005, vol. 78, n° 2, pp. 331-339. ISSN 0038-092X.

[9] LIU X.H., GENG K.C., JIANG Y., LIN B.R. Combined cogeneration and liquid-

dessicant system applied in a demonstration building. Energy and buildings, 2004, vol.

36, n° X, pp. 945-953. ISSN 0378-7788.

[10] LILIENTHAL P., LAMBERT T., GILMAN P. Computer modeling of renewable

power systems. In: CLEVELAND C.J. (ed) Encyclopedia of Energy, Volume 1. London:

Elsevier, 2004, pp. 633-647.

[11] ABOUZAHR I., RAMAKUMAR R. Loss of power supply probability of stand-

alone wind electric conversion systems: a closed solution approach. IEEE Transactions on

Energy Conversion, 1990, vol. 5, n° 3, pp. 445-452.


47

[12] ABOUZAHR I., RAMAKUMAR R. Loss of power supply probability of stand-

alone photovoltaic systems: a closed solution approach. IEEE Transactions on Energy

Conversion, 1991, vol. 6, n° 1, pp. 1-11.

[13] GHALI F.M.A., ABD EL AZIZ M.M., SYAM F.A. Simulation and analysis of

hybrid systems using probabilistic techniques. Proceedings of the IEEE Power

Conversion Conference (PCC) Nagaoka, 1997, pp. 831-835.

[14] GIRAUD F., SAAMEH Z.M. Steady-state performance of a grid-connected rooftop

hybrid wind-photovoltaic power system with battery storage. IEEE Transactions on

energy conversion, 2001, vol. 16, n° 1, pp. 1-7. ISBN 0885-8969.

[15] YANG H., ZHOU W., LU L., FANG Z. Optimal sizing method for stand-alone

hybrid solar-wind system with LPSP technology by using genetic algorithm. Solar

energy, 2008, vol.82, n° 4, pp. 345-367.

[16] YANG H.X., LU L., BURNETT J. Weather data and probability analysis of hybrid

photovoltaic-wind power generation systems in Hong Kong. Renewable Energy, 2003,

vol. 28, n°11, pp. 1813-1824. ISSN 0960-1481.

[17] CRAWLEY D.B., LAWRIE L.K., WINKELMANN F.C., BUHL W.F., HUANG

Y.J., PEDERSEN C.O., STRAND R.K., LIESEN R.J., FISHER D.E., WITTE M.J.,

GLAZER J. EnergyPlus: creating a new generation building energy simulation program.

Energy and Buildings, 2001, vol. 33, n° 4, pp. 319–331. ISSN 0378-7788.

[18] NREL (National Renewable Energy Laboratory). Getting started guide for HOMER

version 2.1, April 2005.

[19] GIVLER T., LILIENTHAL P. Using HOMER® software, NREL’s micropower

optimization model, to explore the role of gen-sets in small solar power systems.

Technical Report NREL/TP-710-36744, May 2005.

[20] IQBAL M.T. A feasibility study of a zero energy home in Newfoundland.

Renewable energy, 2004, vol. 29, n° 2, pp. 277-289. ISSN 0960-1481.

[21] SHAAHID S.M., ELHADIDY M.A. Technical and economic assessment of grid-

independent of hybrid photovoltaic-diesel-battery power systems for commercial loads in

desert environments. Renewable and sustainable energy reviews, 2007, vol. 11, n° 8, pp.

1794-1810. ISSN 1364-0321.

[22] BECCALI M., BRUNONE S., CELLURA M., FRANZITTA V. Energy, economic

and environmental analysis on RET-hydrogen system in residential buildings. Renewable

energy, 2008, vol. 33, n° 3, pp. 366-382. ISSN 0960-1481.

[23] ZHOU N., MARNAY C. FIRESTONE R., GAOW., NISHIDA M. An analysis of

the DER adoption climate in Japan using optimization results for prototype buildings with

U.S. comparisons. Energy and Buildings, 2006, vol. 39, n° 12, pp. 1423-1433.

[24] DALTON G.J., LOCKINGTON D.A., BALDOCK T.E. Feasibility analysis of

stand-alone renewable energy supply options for a large hotel. Renewable energy, 2008,

vol. 33, n° 7, pp. 1475-1490. ISSN 0960-1481.

[25] SAKURAI F., INOOKA T., YANAGIHARA R., HIGASHIZAWA E.,HAMANE J.

et alii. FACES (Forecasts of Air-Conditioning System’s Energy, Environmental and

Economical performance by Simulation). Proceedings of “BS Building Simulation 2007”,

3-6 September 2007, Beijing, pp. 1661-1668.

[26] Model MESSAGE. Command Line User Manual, version 0.18, 15 feb. 2001.

[27] RODRIGUES F., DUARTE J., FIGUEIREDO V., VALE Z., CORDEIRO M., A


48

comparative analysis of clustering algorithms applied to load profiling. Lectures Notes in

Artificial Intelligence. Berlin: Sprinter-Verlag, 2003, vol. 2734, pp. 73-85. ISBN 978-3-

540-40504-7.

[28] POULIN A., DOSTIE M., FOURNIER M., SANSREGRET S. Load duration curve:

A tool for technico-economic analysis of energy solutions. Energy and buildings, 2008,

vol. 40, n° 1, pp. 29-35. ISSN 0378-7788.

[29] CORGNATI S.P., FABRIZIO E., FILIPPI M., VIRGONE J. La valutazione del

sistema multi-energia a servizio dell’edificio: un caso di studio. 61° Congresso Nazionale

ATI (Associazione Termotecnica Italiana), Perugia, 12-15 September 2006, vol. 1, pp.

216-223.

[30] GRUMMAN D.L. (Ed.) ASHRAE GreenGuide. Atlanta: ASHRAE (American

Society of Heating, Refrigerating and Air-Conditioning Engineers), 2003, 170 pp. ISBN

1-931862-41-9.

[31] CORGNATI S.P., FABRIZIO E., FILIPPI M. The impact of indoor thermal

conditions, system controls and building types on the building energy demand. Energy

and buildings, 2008, vol. 40, n° 4, pp. 627-636. ISSN 0378-7788.

[32] CORRADO V., FABRIZIO E. Assessment of building cooling energy need through

a quasi-steady state model: Simplified correlation for gain-loss mismatch. Energy and

buildings, 2007, vol. 39, n° 5, pp. 569-579. ISSN 0378-7788.

[33] PENNYCOOK K. (Ed.) Rules of thumb. Guidelines for building services. BSRIA

guide 14/2003. Berkshire: BSRIA (The Building Services Research and Information

Association), 2003, 62 pp. ISBN 0-86022-626-3.

[34] MACCHI E., CAMPANARI S., SILVA P. La microcogenerazione a gas naturale.

Milano: Polipress, 2006, 282 pp. ISBN 88-7398-016-3.

[35] SARLOS G., HALDI P.-A., VERSTRAETE P. Systèmes énergétiques: offre et

demande d’énergie: méthodes d’analyse. Lausanne: Presses Polytechniques et

Universitaires Romandes, 2003, 875 pp. ISBN 2-88074-464-4.

[36] CLARKE A. TRINNAMAN J. (Eds.) World Energy Council 2004 survey of energy

resources. Oxford : Elsevier, 2004.

[37] ASHRAE. 2005 Handbook of fundamentals. Atlanta: ASHRAE, 2005.

[38] ASHRAE. 2004 Handbook. Heating, ventilating and air-conditioning systems and

equipment. Atlanta: ASHRAE, 2004.

[39] EnergyPlus Engineering Reference Manual. DOE, LBNL. 2008. Available on line at

www.eere.energy.gov/buildings/energyplus/documentation.html.

[40] DOE-2 Reference Manual. Dynamic building energy analysis. Engineers Manual.

[41] CEN. Heating systems in buildings – Methods for calculation of system energy

requirements and system efficiencies – Part 4-1: Space heating generation systems,

combustion systems. prEN 15316-4-1, Brussels: CEN/TC 228 WI 023, 2006, 86 p.

[42] HENDERSON H.I., PARKER D., HUANG Y.J. Improving DOE-2’s RESYS

routine: User defined functions to provide more accurate part load energy use and

humidity predictions. Proceedings of 2000 Summer Study on Energy Efficiency in

Buildings, American Council for an Energy-Efficient Economy, Washington, D.C., 2000.

[43] ONOVWIONA H.I., UGRSAL V.I. Residential cogeneration systems: review of the

current technology. Renewable and sustainable energy reviews, 2006, vol. 10, n° 5, pp.

389-431. ISSN 1364-0321.


49

[44] PEHNT M. Environmental impacts of distributed energy systems – The case of

micro cogeneration. Environmental science & policy, 2008, vol. 11, n° 1, pp. 25-37. ISSN

1462-9011.

[45] THORSTENSEN B. A parametric study of fuel cell system efficiency under full and

part load operation. Journal of power sources, 2001, vol. 92, n° 1-2, pp. 9-16. ISSN 0378-

7753.

[46] BEJAN A., TSATSARONIS G., MORAN M. Thermal design and optimization.

New York: John Wiley & Sons, 1996, 542 p. ISBN 0-471-58467-3.

[47] GEIDL M., KOEPPEL G., FAVRE-PERROD P., KLÖCKL B., ANDERSSON G.,

FRÖHLICH K. The Energy Hub – A powerful concept for future energy systems. Third

annual Carnegie Mellon Conference on the Electricity Industry, Pittsburgh, 13-14 March

2007.

[48] FAVRE-PERROD P., GEIDL M., KLÖCKL B., KOEPPEL G. A vision of future

energy networks. Inaugural IEEE PES 2005 Conference and Exposition in Africa,

Durban, South Africa, 11-15 July 2005, pp. 13-17.

[49] HADJSAID N. Modern power systems as a critical infrastructure. Power

Engineering Society General Meeting 2007, IEEE. 24-28 June 2007, pp.1-2.

[50] HA PHAM T.T., BESANGER Y., HADJSAID N., HA D.L. Optimizing the re-

energizing of distribution systems using the full potential of dispersed generation. Power

Engineering Society General Meeting, 2006. IEEE, 18-22 June 2006, 8 pp.

[51] ENACHEANU B., MARTIN A., ANDRIEU CH., RAISON B., HADJSAID N.,

PENKOV D. Future distribution network architectures: approach with a CRISP

experimentation. Future Power Systems, 2005 International Conference, Amsterdam, The

Netherlands, 16-18 November 2005, pp. 1-6.

[52] GEIDL M., FAVRE-PERROD P., KLÖCKL B., KOEPPEL G. A greenfield

approach for future power systems. Cigré Session 41, 2006, Paris.

[53] KLÖCKL B., FRÖHLICH K, KALTENEGGER K., New energy technologies, new

requirements on electricity and an unresolved transition problem towards sustainability: is

there a need for basic academic research? Cigré 5th

Southern Africa Regional Conference

“Meeting Today’s Challenge for Tomorrow’s Power Industry”, 24-28 October 5005,

Cape Town, South Africa.

[54] GEIDL M. Power flow coupling in hybrid systems. Power Systems Laboratory

Report, Zurich : Swiss Federal Institute of Technology (ETH), 15th

June 2004.

[55] GEIDL M., ANDERSSON G. Operational and topological optimization of multi-

carrier energy systems. Proc. of the 2005 International conference on future power

systems, Amsterdam, The Netherlands, 16-18 November 2005, 6pp.

[56] GEIDL M., ANDERSSON G. Optimal power dispatch and conversion in systems

with multiple energy carriers. 15th

Power Systems Computation Conference, Liege, 22-26

August 2005.

[57] GEIDL M., ANDERSSON G. A modelling and optimization approach for multiple

energy carrier power flow. IEEE Power Technology 2005, St. Petersburg, Russia.

[58] KOEPPEL G., ANDERSSON G. The influence of combined power, gas, and

thermal networks on the reliability of supply. The Sixth World Energy System

Conference, Torino, Italy, 10-12 July 2006.

[59] GEIDL M. Integrated modelling and optimization of multi-carrier energy systems.


50

PhD thesis. Zurich: ETH (Swiss Federal Institute of Technology), 2007, 124 p.

[60] KOEPPEL G. Reliability considerations of future energy systems: multi-carrier

systems and the effect of energy storage. PhD thesis. Zurich: ETH (Swiss Federal

Institute of Technology), 2007, 232 p.

[61] FILIPPI M., CORGNATI S.P., FABRIZIO E. Impiantistica sostenibile: dai sistemi

monoenergia ai sistemi multienergia [Sustainable building services: from one energy to

multi-energy source systems]. Condizionamento dell’aria, riscaldamento, refrigerazione,

2007, n° 2, pp. 10-15. ISSN 0373-7772.

[62] HENNING H.-M. Solar assisted air conditioning of buildings – an overview.

Applied Thermal Engineering, 2007, vol. 27, n° 10, pp. 1734-1749.

[63] CADORNA E., PIACENTINO A. Optimal design of CHCP plants in the civil sector

by thermoeconomics. Applied Energy, 2007, vol. 84, n° 7-8, pp. 29-748. ISSN 0306-

2619.

[64] FERRO V., FILIPPI M., LASTELLA L. L’analisi degli investimenti nel settore del

risparmio energetico. Energie alternative habitat territorio energia, 1981, vol. 3, n° 9, pp.

62-72.

[65] VAN DER VEKEN J., HENS H., PEETERS L., HELSEN L, D’HAESELEER W.D.

Economy, energy and ecology based comparison of heating systems in dwellings. In:

FAZIO P., GE H., RAO J., DESMARAIS G. (Eds.) Research in building physics and

building engineering. London: Taylor & Francis Group, 2006, pp. 571-578.

[66] VERBEECK G., HENS H. Energy savings in retrofitted dwellings: economically

viable? Energy and buildings, 2005, vol. 37, n° 7, pp. 747-754. ISSN 0378-7788.

[67] MASTERS G.M. Renewable and efficient electric power systems. Hoboken, NJ,

USA: John Wiley & Sons, 2004 pp. 240-256.

[68] TALAVERA D.L., NOFUENTES G., AGUILERA J., FUENTES M. Tables for the

estimation of the internal rate of return of photovoltaic grid-connected systems.

Renewable and sustainable energy reviews, 2007, vol. 11, n° 3, pp. 447-466. ISSN 1364-

0321.

[69] QUASCHNING V. Understanding renewable energy systems (Chapter 6 –

Economics). Toronto: Earthscan Canada, 2005, pp. 235-255.

[70] FILIPPI M., FABRIZIO E. Sustainable building in Italy: the rules, professions and

the market. In: COOPER M., SYMES M. (Eds.) Sustainable urban development volume

4: Rethinking professionalism in Europe. London: Routledge (Taylor & Francis Group),

2008, in press.

[71] KIRSCHEN D., STRBAC G. Fundamentals of power system economics. Hoboken,

NJ, USA: John Wiley & Sons, 2004, pp. 300. ISBN 0-470-84572-4.

[72] LU L., CAI W., SOH Y.C., XIE L. Global optimization for overall HVAC systems –

Part I problem formulation and analysis. Energy conversion and management, 2005, vol.

46, n° 7-8, pp. 999-1014. ISSN 0196-8904.

[73] BOREL L. Thermodynamique et énergétique. Lausanne: Presses Polytechniques

Romandes, 1984, 710 p.

[74] WEPFER W.J., GAGGIOLI R.A., OBERT E.F. Proper evaluation of available

energy for HVAC. ASHRAE Transactions, 1979, vol. 85, n° 1, pp. 214-230.

[75] TSAROS T.L., GAGGIOLI R.A., DOMANSKI P.A. Exergy analysis of heat pumps.

ASHRAE Transactions, 1987, vol. 93, n° 2, pp. 1781-1797.


51

[76] BOREL L. Economie énergétique et exergie, Actes de Séminaire. Turin,

Dipartimento di Energetica del Politecnico di Torino, 2-3 mai 1985.

[77] WEI Z.T., ZMEUREANU R. Second law of HVAC systems for office buildings. In:

FAZIO P., GE H., RAO J., DESMARAIS G. (Eds.) Research in building physics and

building engineering. London: Taylor & Francis Group, 2006, pp. 571-578.

[78] TORCELLINI P.A., CRAWLEY D.B. Understanding Zero-Energy Buildings.

ASHRAE Journal, 2006, vol. 48, n° 9, pp. 62-69. ISSN 0001-2491.

[79] CEN. Energy performance of buildings – Overall energy use, CO2 emissions and

definition of energy ratigs. pr EN 15603, Brussel: CEN, 2008, 56 p.

[80] CTI (Italian Thermo-technical Committee). Raccomandazione CTI 3/2003.

[81] HEPBASLI A. A study on estimating the energetic and exergetic prices of various

residential energy sources. Energy and buildings, 2008, vol. 40, n° 3, pp. 308-315. ISSN

0378-7788.

[82] KORONEOS C., SPACHOS T., MOUSSIOPULOS N. Exergy analysis of

renewable energy sources. Renewable energy, 2003, vol. 28, n° 2, pp. 295-310. ISSN

0960-1481.

[83] LEE R. Environmental impacts of energy use. In: BENT R. (Ed.) Energy: science,

polcy and the pursuit of sustainability. Covelo, CA, USA: Island Press, 2002, pp. 77-107.

[84] EPA (U.S. Environmental Protection Agency). AP 42 Compilation of air pollutant

emission factors. 5th

Ed. Research Triangle Park, NC, USA, 1998.

[85] IPCC (intergovernmental Panel on Climate Change). 2006 IPCC Guidelines for

national greenhouse gas inventories. Paris, 2006.

[86] EUROPEAN COMMISSION. Commission Decision of 18 July 2007 establishing

guidelines for the monitoring and reporting of greenhouse gas emissions pursuant to

Directive 2003/87/EC of the European Parliament and of the Council. Official Journal of

the European Union of the 31 August 2007.

[87] APAT (Agenzia Nazionale per la Protezione dell’Ambiente [Italian National

Environmental Protection Agency]). Manuale dei fattori di emissione nazionale [National

emission factors handbook]. 2002.

[88] EPA (U.S. Environmental Protection Agency). Emission facts. Metrics for

expressing greenhouse gas emissions: carbon dioxide equivalents and carbon dioxide

equivalents. Research Triangle Park, NC, USA, 2005.

[89] FORSEN M., BOESWARTH R., DUBUISSON X., SANDSTRÖM B. Heat pumps:

technology and environmental impact. Swedish Heat Pump Association, SVEPR, July

2005, 80 pp.

[90] LEWIS M. Integrated design for sustainable buildings. ASHRAE Journal, 2004, vol.

46, n° 9, pp. S22-S30. ISSN 0001-2491.

[91] CORRADO V. About simplification assumptions for the evaluation of building

thermal performance. In CARMELIET J, HENS H., VERMEIR G. (Eds.) Research in

building physics. Lisse: Balkema, pp. 657-674.

[92] BREVIGLIERI PEREIRA DE CASTRO E., VIRGONE J., BASTOS L. A computer

program to aid architectural conception based on multicriteria analysis and on simulated

building data. Proc. of CISBAT 2005, Lausanne, 28-29 Septembre 2005.

[93] FABRIZIO E., VIRGONE J., FILIPPI M., CORGNATI S.P. Analyse multi-

paramètre d'un système solaire thermique pour le chauffage et l’ECS d'une maison


52

individuelle. Journée Maison Autonome, CEGELY, Ecully (Lyon), 6 July 2006.

[94] CORRADO V., MAZZA A. Valutazione delle prestazioni di impianti innovativi a

gas naturale in un ospedale e in un albergo. Milano: ATIG (Associazione Tecnica Italiana

del Gas), 1997, 185 pp.

[95] SAATY T.L.. Theory and applications of the Analytic Network Process |e decision

making with benefits, opportunities, costs, and risks. Pittsburgh: RWS Publications, 2005,

352 p.

[96] ALANNE K., SALO A., SAARI A., GUSTAFSSON S.-I. Multi-criteria evaluation

of residential energy supply systems. Energy and buildings, 2007, vol. 39, n° 12, pp.

1218-1226. ISSN 0378-7788.

[97] LOMBARDI P., LAMI I., BOTTERO M. Modello di valutazione a network (ANP)

applicato ad infrastruttura. Edilizia e territorio, 2007, n° 6, pp. 44-54.

[98] RONG A., LAHDELMA R. An efficient linear programming model and

optimization algorithm for trigeneration. Applied energy, 2005, vol. 82, n° 1, pp. 40-63.

ISSN 0306-2619.

[99] OOKA R., KOMAMURA K. Optimal design method for buildings & urban energy

systems using genetic algorithms. Proceedings of “BS Building Simulation 2007”, 3-6

September 2007, Beijing, pp. 523-528.

Modélisation des systèmes multi énergies dans les...

Documents

Transcript of Modélisation des systèmes multi énergies dans les...