Modélisation Des Systèmes Multiénergies Dans Les Bâtiments Thèse Fabrizio
Modélisation Des Systèmes Multiénergies Dans Les Bâtiments Thèse Fabrizio
Modélisation Des Systèmes Multiénergies Dans Les Bâtiments Thèse Fabrizio
Thèse
présentée devant le
Politecnico di Torino
et
L’Institut National des Sciences Appliquées de Lyon
pour obtenir le
grade de docteur
par
Enrico FABRIZIO
Soutenue le 2 juillet 2008
Jury
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.
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.
3
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.
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.
4
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
5
NOMENCLATURE
Nomenclature
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
7
1- INTRODUCTION
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.
9
INTRODUCTION
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.
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
10
INTRODUCTION
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.
11
INTRODUCTION
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.
12
INTRODUCTION
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.
13
2- TECHNIQUES DE MODELISATION ET LOGICIELS
POUR L’ANALYSE DES SYSTEMES MULTI ENERGIES
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
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.
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.
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.
15
TECHNIQUES DE MODELISATION ET LOGICIELS
2-2-1 EnergyPlus
2-2-2 HOMER
16
TECHNIQUES DE MODELISATION ET LOGICIELS
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
17
TECHNIQUES DE MODELISATION ET LOGICIELS
2-2-5 HYBRIDS
2-2-6 Hybrid2
2-2-7 FACES
18
TECHNIQUES DE MODELISATION ET LOGICIELS
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.
19
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 CARACTERISATION DE LA DEMANDE D’ENERGIE
3
15/4 31/10
Cooling Season
1419 kWht/y
2
1
LOAD [kW]
0
1 1096 2191 3286 4381 5476 6571 7666 8761
-1
-2
2637 kWhf/y
-3
Figure 3.1 – Courbes des charges thermique et frigorifique pour la climatisation d’un bâtiment
(Maison Mozart à Rome)
8760
A = COOLING
7665
B = HEATING
6570
NUMBER OF HOURS
5475
4380
3285
2190
A
1095 B
0
0 0.5 1 1.5 2 2.5 3
LOAD (kW)
Figure 3.2 – Courbes de fréquence cumulée des charges thermique et frigorifique pour la
climatisation d’un bâtiment (Maison Mozart à Rome)
800
Heating Energy
600 Coling Energy
Electricity
400
200
[kWh]
0
v
y
b
c
g
p
n
t
r
Ju
Oc
Ma
Ap
No
Ma
De
Fe
Au
Se
Ja
Ju
-200 months
-400
-600
-800
Figure 3.3 – Valeurs mensuelles d’énergie thermique, frigorifique et d’électricité (Maison Mozart
à Rome)
22
LA CARACTERISATION DE LA DEMANDE D’ENERGIE
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.
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
23
LA CARACTERISATION DE LA DEMANDE D’ENERGIE
systèmes qui adoptent de telles températures d'eau chaude et eau réfrigérée sont aussi
appelés systèmes à faible exergie.
Tableau 3.3 – Valeurs de la demande d’énergie pour des bâtiments dans le Nord de l’Italie (de
[34])
24
4- LA CARACTERISATION DE L’OFFRE D’ENERGIE
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].
26
5- LA CARACTERISATION DES CONVERTISSEURS
D’ENERGIE
η K COPK
, PLF f (PLR) [] (5.5)
η K,d COPK,d
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]).
28
6- LA MODELISATION DE L’ENERGY HUB
Le couplage entre l'offre et la demande d'énergie peut donc être exprimé comme
Pin D Pout (6.5)
LA MODELISATION DE L’ENERGY 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
30
LA MODELISATION DE L’ENERGY HUB
31
LA MODELISATION DE L’ENERGY HUB
Tableau 6.1 – Convertisseurs d’énergie utilisés dans les systèmes multi énergies dans les
bâtiments
* Dans ces champs une virgule signifie “et” et une barre signifie “ou”
32
7- APPLICATIONS DU ENERGY HUB ET ETUDES DE
CAS
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.
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
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
Pin,d Dd Pout ,d (7.1)
et E in D s E out (7.2)
Il est habituellement E in Ein , Ein , Ein ... E n
in T
et E out E , E , E
a
out
b
out
c
out ... E m
out T
T
Ein / out P
avec in / out d E U L (7.3)
0
afin que Ein 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
34
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
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 -
35
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
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.
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.
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
36
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
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.
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).
Saison de Saison de
Charges de pointe [kW] À projet
chauffage rafraîchissement
Chauffage des locaux 5.025 2.957 0
Rafraîchissement 3.192 0 2.892
Electricité 3.000 3 3
Saison de Saison de
Besoins énergétiques [kWh] Annuel
chauffage 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
37
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
3.0
4174 kWht /y
2.0
1/5 30/9
1.0
Cooling season
LOAD [kW]
0.0
1 501 1001 1501 2001 2501 3001 3501 4001 4501 5001 5501 6001 6501 7001 7501 8001 8501
-1.0
1817 kWhf /y
-2.0
-3.0
Figure 7.2 – Profils de chauffage et rafraîchissement des locaux de la Maison Mozart (climat de
Turin)
8760
8000 A = HEATING
B = COOLING
7000
6000
NUMBER OF HOURS
5000
4000
3000
A
2000
B
1000
0
0 0.5 1 1.5 2 2.5 3
LOAD [kW]
1000
500
Energy [kWh]
0
y
r
c
Feb
Jan
Sep
v
Jul
Jun
Oc
Ma
Ap
De
Ma
Au
No
-500
-1000
-1500
38
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
w t t
Pin WB WB Pout
t
CB
CB t
t SC
g
Pin HP c
c
HP HP Pout
c
s C C
Pin
SC
e
e PV PV e
Figure 7.5 – Schéma de l’energy hub considéré
Pin Pout
e pour la Maison Mozart
e
1 t
Pinw WB Pout
t
WB
1 t t
Ping CB Pout
CB (7.6)
1 e e 1 t t
Pins PV Pout SC Pout
PV SC
1 1 1
Pine t
tPC Pout
t
f
PC
f
Poutf f
Cf Poutf ee Pout
e
g CB 0 Pout
t
0 (7.8)
Pin CB f
P
Pins 1 t 1 e out
e SC 0 PV P e
Pin SC
PV out
1 1 1
t
tPC Cf PC
f
ee
COP PC COPCf f
COPPC
En ce qui concerne les variables , seulement 5 sur 8 sont indépendantes parce que, pour
chaque charge au port de sortie, on a :
ti , f ,e 1 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.
39
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
Convertisseur cK yK Convertisseur cK yK
[€/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
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).
40
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
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
t
Pout ε SC
t e
Pout ε PV
e
Ein ,max
S
(7.12)
ηSCt
ηPVe
où les rendements de conversion et les facteurs ε sont supposés être des valeurs
saisonnières moyennes.
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
41
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
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
WB
WB
CB
CB
HP
HP
HP
HP
PV
PV
SC
SC
C
C
e
e
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
t t
Pout t Pout
w
SC= 0.34
Pin WB
t
SC=1
c c c
HP
c
HP =1 Pout C =1 Pout
s C
Pin t
s SC = 0.66
Pin
SC SC
e e
Pin Pout e
e PV PV =1 e
e Pin Pout
e =1
Figure 7.6 – Schéma de l’energy hub qui Figure 7.7– Schéma de l’energy hub qui ressort
ressort de l’application du critère économique de l’application des critères énergétiques et
environnementales
42
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
(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.
43
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
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.
45
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.
REFERENCES ET BIBLIOGRAPHIE
47
REFERENCES ET BIBLIOGRAPHIE
48
REFERENCES ET BIBLIOGRAPHIE
49
REFERENCES ET BIBLIOGRAPHIE
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.
50
REFERENCES ET BIBLIOGRAPHIE
51
REFERENCES ET BIBLIOGRAPHIE
52