3 Conception de stratégies d’optimisation énergétique et d’effacement
3.3 Présentation des stratégies d’optimisation
3.3.3 Stratégie 2 : optimisation tarifaire
Lorsque le prix de l’énergie varie au cours du temps, il est possible d’adapter le pilotage du bâtiment pour minimiser la facture énergétique. Le principe est d’anticiper les pics tarifaires en chargeant thermiquement les parois du bâtiment. Pour illustrer cette stratégie, des prix du type « tarif vert » (voir Annexe 4.3) seront utilisés. Pour rendre possible ce décalage de charge, on autorise des dégradations contrôlées du confort. Il s’agit de définir ce qui est acceptable pour les occupants du bâtiment. Dans cet exemple, la limite basse de température de consigne en période d’occupation est fixée à 19 °C et la variation de température maximale est fixée à 1 °C par heure. De plus, la surface d’inconfort est limitée à 8 °C.h (notion définie dans la section 4.2.1). Ces contraintes de confort peuvent être adaptées en fonction du site à optimiser. Deux consignes références sont utilisées : la première correspond à la configuration par défaut avec une consigne de confort à 21°C, elle est appelée « consigne sans stratégie de MDE » dans la suite. La seconde est une référence ayant la même surface d’inconfort (8°C.h) que la consigne optimisée, répartie sur toute la période de confort (la consigne n’est plus 21°C, mais 20.43°C de 8 h à 22 h). Les gains sont calculés à confort équivalent, c’est donc la seconde référence qui est utilisée.
L’équation 4 présente la fonction objectif à minimiser :
4 ) ( ) , ( ) ( 2 x P x t t prix t S t h
Le paramètre « prix » est un vecteur représentant le coût de l’énergie (ici électrique) à chaque pas de temps.
On rappelle que l’étude est réalisée en besoin, les résultats sont donc valables lorsque les systèmes de production et d’émission ont des performances constantes dans le temps.
De nouveau, la stratégie est illustrée par des exemples, cette fois-ci en chauffage et en refroidissement.
Thomas Berthou
114
3.3.3.1 Optimisation en chauffageVariable à optimiser (x) : - Température de consigne de 0h à 22h
Contraintes : - Tc peut varier de 15 °C à 22 °C de 0 à 8 h
- Tc peut varier de 19 °C à 22 °C de 8 à 22 h - abs (Tc(t)-Tc(t+1)) ≤1 °C de 8 h à 22 h - La surface d’inconfort est limitée à 8°C.h
Objectif : - Minimiser la facture énergétique sur 24 h
Tableau 6 : Présentation de la stratégie 2 en chauffage
Comme pour la stratégie précédente, les contraintes peuvent être réglées en fonction des spécificités du site à optimiser. Dans les exemples qui suivent (tableau 6), les consignes de 0 à 22 h sont optimisées, le reste du temps les consignes par défaut sont utilisées.
Les résultats de l’optimisation montrent que relance du matin est retardée de 1h30. De plus, on observe des effacements de faible amplitude après 20 h lorsque le prix de l’énergie est au plus haut. Pour ce cas d’étude, un préchauffage en période d’heures creuses ne présente pas d’intérêt économique. L’écart de prix entre heures creuses et heures pleines est trop faible et le bâtiment ne présente pas les caractéristiques thermiques adéquates (inertie lourde). La courbe de température intérieure (figure 4) suit les consignes, et les températures de confort sont bien atteintes en journée. La surface d’inconfort générée par ces stratégies ne dépasse pas 8 °C.h comme il a été défini dans les objectifs. Dans cet exemple, l’optimisation permet de réduire la consommation de 14.0 % sur 24 heures. Le gain économique est de 15.0 % (G24) et le gain économique avec recouvrement est de 4.5 % (GR).
Thomas Berthou
115
Figure 4 : Exemple d’optimisation tarifaire en chauffage (24 h en février)La stratégie est testée sur 3 semaines consécutives en février. Des résultats plus généraux (période d’optimisation plus longue) sont présentés dans la section suivante. Seuls les jours ouvrés sont optimisés, le pas de temps d’optimisation de 30 minutes.
Période optimisée : Gain économique (%) Gain énergétique (%)
Semaine 1 : 6.5 5.0
Semaine 2 : 5.1 4.6
Semaine 3 : 6.6 4.5
Thomas Berthou
116
La stratégie 2 permet d’adapter la consommation de chauffage aux variations du prix de l’énergie tout en optimisant la relance. Les gains observés (6 % environ) sont relativement faibles, il faudrait accepter un inconfort plus élevé pour faire des économies plus importantes. Dans l’exemple étudié, on n’observe pas de phénomènes de surchauffe la nuit, mais des effacements de faible amplitude lors des pics tarifaires. Une analyse paramétrique permettra de comprendre pourquoi la surchauffe de nuit n’est pas intéressante dans ce cas.3.3.3.2 Optimisation en refroidissement
Pour adapter la stratégie au refroidissement, il suffit de modifier les valeurs des contraintes sur la température de consigne et sur la température intérieure à atteindre à 8 h (tableau 8).
Variable à optimiser (x) : - Température de consigne de 0h à 22h
Contraintes : - Tc peut varier de 20 °C à 35 °C de 0 à 8h
- Tc peut varier de 22 °C à 27 °C de 8 à 22h - abs (Tc(t)-Tc(t+1)) ≤1 °C de 8h à 22h - La surface d’inconfort est limitée à 8°C.h
Objectif : - Minimiser la facture énergétique sur 24 h
Tableau 8 : Présentation de la stratégie 2 en refroidissement
Cette stratégie en refroidissement est illustrée par deux exemples (un jour avec une demande de froid intermédiaire et l’autre avec une demande importante). Le premier sera celui où le pré- refroidissement nocturne n’est pas retenu par l’algorithme, et le second sera celui où il est retenu.
Dans le premier exemple (demande de froid intermédiaire, figure 5), l’algorithme propose de diminuer la consigne de 8 h à 18 h et de l’augmenter en fin de journée (après 18h) pour créer un effacement. Cela permet de profiter du froid stocké dans les parois du bâtiment et de quasiment réduire les besoins de refroidissement à zéro pendant plusieurs heures. Le bilan énergétique est positif avec une réduction de 6.8 % de la consommation sur 24 h. On remarquera que l’effacement s’effectue en fin de journée pour que le phénomène de recouvrement soit en dehors de la période d’optimisation. Pour cette journée le gain économique est égal au gain énergétique, car les besoins de climatisation surviennent uniquement en période de pointe. Le gain économique avec recouvrement est de 1 %, ce qui est difficilement mesurable sur un site réel.
Thomas Berthou
117
Figure 5 : Exemple d’optimisation tarifaire en refroidissement sans pré-refroidissement (24 h enjuillet)
La forme de « creux entre 6 h et 8 h observé sur la température extérieure s’explique par la mise en route de la ventilation combinée à l’évolution de la température.
Dans l’exemple qui suit (forte demande de refroidissement), l’optimisation propose de pré-refroidir le bâtiment en heures creuses pour moins consommer en heures pleines (figure 6).
Thomas Berthou
118
Figure 6 : Exemple d’optimisation tarifaire en refroidissement AVEC prérefroidissement (24 h enjuillet)
Le bilan énergétique de cette journée optimisée est négatif avec 1.1 % de surconsommation. Par contre, le gain économique est important avec un G24 de 7.6 % et un GR de 12.0 %. On remarquera que le gain avec recouvrement est supérieur au gain sur 24 h (l’état énergétique du bâtiment optimisé en fin de journée est plus favorable que pour cas de référence).
Comme pour la stratégie 2 en chauffage, trois semaines consécutives sont optimisées (du lundi au vendredi), cette fois-ci en juillet. Une étude plus générale est présentée dans la section suivante.
Thomas Berthou
119
Période optimisée : Gain économique (%) Gain énergétique (%)Semaine 1 : 8.8 -3.9
Semaine 2 : 7.5 -1.7
Semaine 3 : 2.8 2.7
Tableau 9 : Résultats d’optimisation pour 3 semaines consécutives au pas de temps de 30 minutes Lorsqu’il y a une possibilité de pré-refroidir le bâtiment, les gains économiques sont élevés (8 % environ). A l’opposé, lorsque les conditions ne sont pas réunies (météo ou état énergétique du bâtiment défavorable) et qu’il n’est pas possible de pré-refroidir le bâtiment, les gains sont faibles (semaine 3 du tableau 9).
Il est difficile à ce stade de comprendre quels sont les facteurs qui influencent le choix de l’algorithme en termes de pré-refroidissement ou non la nuit. Cela provient sans doute de l’état énergétique du bâtiment avant l’optimisation et de la météo du jour optimisé. Une analyse paramétrique permettra de mieux comprendre ces phénomènes et montrera que dans certaines configurations il est même intéressant de pré-climatiser le bâtiment en chauffage.