Méthode d’optimisation pour la conception de systèmes compacts
Conférence : Communications avec actes dans un congrès national
La consommation énergétique d’un bâtiment est répartie entre différents postes de consommation. Des appareils doivent assurer les fonctions suivantes : la ventilation, le chauffage, le refroidissement et la production d’eau chaude sanitaire. Les systèmes compacts, aussi appelés systèmes multifonctions, permettent de remplir plusieurs de ces usages simultanément ou alternativement. Ils permettent ainsi de concilier des besoins complémentaires pour diminuer la consommation. Ces systèmes tirent leurs énergies des ressources naturelles environnantes, de la récupération d’énergie et de ressources non-renouvelables. Dans le cadre du projet de l’Agence Nationale de la Recherche (ANR) intitulé VENISE, une méthodologie de recherche de solutions optimales utilisant le vecteur air est en cours d’élaboration. La puissance relativement faible nécessaire pour chauffer ces bâtiments permet au vecteur air de jouer un rôle central. La conception d’un système compact constitue un problème d’optimisation combinatoire : il s’agit d’assembler des composants élémentaires (échangeurs, capteurs solaires, résistances électriques, puits canadiens, pompes à chaleurs, mélangeurs, répartiteurs) dans un certain ordre. C’est aussi une optimisation multi-objectifs : on cherche à minimiser la consommation énergétique et à maximiser les taux d’exploitation des ressources définies dans le cadre de l’ANR VALERIE, tout en respectant les contraintes de confort thermique, de débit de ventilation hygiénique et d’approvisionnement suffisant en eau chaude. Des travaux ont été réalisés sur des problèmes d’optimisation combinatoire au cours du projet de recherche de l’ASHRAE RP-1049. Dans le projet VENISE, la donnée d’une liste de composants choisis et d’une liste de connexions autorisées permet d’encoder une grande variété de solutions originales. Une solution peut être décrite par la donnée des composants sélectionnés, leur ordonnancement ainsi que leur paramétrage. Dans le cas général, le nombre élevé de solutions possibles empêche une exploration exhaustive des systèmes imaginables. On utilise donc un algorithme génétique développé dans le framework DEAP en Python pour rechercher un optimum. Une population initiale de solutions est générée. Chaque solution est traitée par un script permettant l’écriture automatique d’un code Modelica que les solveurs de l’environnement Dymola peuvent résoudre. Les bâtiments et les systèmes sont modélisés en utilisant les librairies BuildSysPro dévelopée par EDF et Buildings développée par le Berkeley Lab. La population engendre des individus nouveaux à partir d’opérateurs génétiques tels que la mutation et le croisement. La méthodologie va être appliquée à une maison individuelle modélisée en monozone. Les simulations sont paramétrées en entrée par des données météorologiques et des scénarios d’occupation. Une combinaison de quelques composants (une pompe à chaleur, un appoint électrique et une ventilation mécanique double flux) a été assemblée pour monter la faisabilité de cette approche. Une exploration exhaustive des solutions possibles a permis de mettre en évidence les difficultés de l’approche. L’algorithme génétique a toutefois réussi à trouver une solution optimale. Ces travaux seront poursuivis dans des cas plus complexes.