HAL Id: tel-01647173
https://tel.archives-ouvertes.fr/tel-01647173
Submitted on 24 Nov 2017
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
production d’énergie.
Manon Fouquet
To cite this version:
Manon Fouquet. Commande prédictive non-linéaire. Application à la production d’énergie.. Autre.
CentraleSupélec, 2016. Français. �NNT : 2016CSUP0003�. �tel-01647173�
N° d’ordre : 2016-‐03-‐TH
CentraleSupélec
Ecole Doctorale
MATISSE
« Mathématiques, Télécommunications, Informatique, Signal, Systèmes Electroniques »
Laboratoire de IETR
THÈSE DE DOCTORAT
DOMAINE : STIC
Spécialité : Automatique
Soutenue le 30 mars 2016
par :
Manon FOUQUET
Commande prédictive non linéaire – Application à la production d’énergie
Composition du jury :
Directeur de thèse :
Hervé GUÉGUEN
Professeur (CentraleSupélec)
Co-‐directeur de thèse :
Didier DUMUR
Professeur (CentraleSupélec)
Président du jury :
Gérard BLOCH
Professeur (Université Lorraine, Nancy)
Rapporteurs :
Nicolas LANGLOIS
Professeur (ESIGELEC Rouen)
Eric BIDEAUX
Professeur (INSA Lyon)
Examinateurs :
Damien FAILLE
Ingénieur Chercheur Expert (EDF)
Alina VODA
Maître de Conférences (Université Grenoble Alpes)
Membres invités :
Stéphane VELUT
Ingénieur (Modelon)
Pendant ette thèse, une de mes meilleures amies a fait naître une petite lle et m'a
ra onté que ela avait été la douleur la plus intense qu'elle ait jamais onnue, mais qu'une
foisl'enfant poséesurelle, lesouvenir même de lasouran es'était évanoui. Ené rivant es
remer iementsquelquesjoursaprèslasoutenan ede emanus rit, jeressensunpeulamême
hose, ertes à une tout autre é helle. De es trois années de travail il ne me reste que e
texte, ave ses qualités et ses défauts,que je vais a epter de ne plus retou her une fois de
plus. Déjà les instants de doute et de fatigue n'ont plus jamais existé et laissent pla e à la
joied'avoirpetitàpetitapprisdes hosesetgagnéensérénité,mêmesi espro essuslentsde
transformation ont souvent lapudeur de passerinaperçus. Je dois dire que j'ai eula han e
d'être entourée pendant toute ette période de personnes formidables qui m'ont permis de
traverser presque sans en ombre ette épreuve personnelle etintelle tuelle tant redoutée au
début.Toutes espersonnesontsu parleurbienveillan e ouleur uriositéprotégermon
opti-mismedela orrosion,etmeguider surdes heminsquejen'auraispeutêtrepasoséprendre
seule.
Jevoudrais ommen erparremer iermesen adrantsDamienFaille,HervéGuéguenetDidier
Dumur qui malgré leurs nombreux engagements ont toujours été présents quand j'en avais
besoin,sansjamaismepriverd'autonomie.Jesuisheureused'avoirpumener eprojetàbout
ave vous. Mer i Damienpour ta uriosité (sans faille!), eslongues dis ussions où les idées
fusaientàunevitessequejen'aipastoujoursréussiàsuivre,etpour etespritde
questionne-ment quim'a permisde larier beau oupde hoses.Mer i Hervéetmer iDidierpour avoir
tousdeuxappuyémontravaildevotreintelligen eetdevotrerigueurave toujoursbeau oup
de gentillesse. Le terme de tuteur que je vous réserve m'a toujours fait sourire ar dans ma
tête il a gardéson sensde soutien pour les pieds de tomates. Mais d'une ertainefaçon j'en
gardel'analogie, vousm'avez permisde ne paspousserdanstousles sens omme jepeuxen
avoirlatendan e,etdedéveloppermeseortsaubonendroitpouryvoirplushaut.Quisais,
lapluie de Rennesapeutêtreaidé elle aussi!
Je voudrais maintenant remer ier mes deux rapporteurs, Ni olas Langlois et Eri Bideaux,
pour avoir pris le temps de lire e manus rit, pour leurs questions et leurs ommentaires
pertinentsquim'ontpermisdeluiapporterlesderniers oupsdepin eaux,ainsiquemes
Je voudrais maintenant témoigner masympathieà toute l'équipedu groupe P12 d'EDFqui
m'aa ueillie pendant ette thèse,labonne ambian equi yrègnem'a étépré ieuse.Mer ià
Marie et Khadra pour leur gestion attentionnée et leur onan e, qui ontribue pour
beau- oup à un limat favorable aux é hanges et à la re her he. Durant es trois années, aller
au travail a rarement été une ontrainte. Mer i à mes voisins de bureau, Thomas, Jessi a,
Edouard, Bruno etLoï pour leur bonne humeur,etleur mauvaise humeur aussiparfoisqui
par unhabile systèmede gagesnousfaisait gagner ungoûter de temps à autre(jene iterai
personne!). Et à tous les autres qui ont aussiété pour moi plus desamis que des ollègues,
Cme, Denis, Romain, Cé ile, Guillaume, Jennifer, Pierre-Louis, Frans, Sylvain, Lorenzo,
Louis,Coralie, Antoine, tousles Brunos, Astrid... Je remer ie aussi Alexandre dont legénie
m'a souvent intimidée malgré des retours toujours onstru tifs, au point que je regrette un
peu denepasavoirplusé hangé surmontravail.Jegarderaiàlapla elesouvenirdeparties
demots- roisés farou heslemidi!ToutemasympathievaaussiauxéquipesdeRenneset de
Gif pour m'avoir si bien reçue, mer i Romain, Pierre, Maxime, Khang, Antoine et Marjorie
pour toutes es dis ussionsintéressantes.
Duringmythesis,IalsospentthreemonthsinLund,Sweden.Iwouldliketothankwarmfully
allthepeopleatModelonandLunduniversitythathelpedmealotwiththeimplementation
of some methods in JModeli a.org. It has been a really produ tive time. A spe ial mention
goes to Fredrik, Toivo, Stéphane and Per-Ola who followed mywork withinterest and gave
meveryinsightful omments.Thankyoualsotoallthosewhomademystaytheresopleasant,
Robert, Lorenzo, Lars, Ylva,Usa, Johan,Anna, Anders,Matthias, Olgaand all thoseI may
have forgotten.
Jeveuxmaintenant remer iertousmesamisquiontfaitla ontingen eetlabeauté
d'aujour-d'hui. Pour beau oup, es ren ontres se sont faites dans desespa es-temps qui ne sont plus
eti i et maintenant, mais quiont façonné le hemin qui m'ya menée. Mer i Raphaëlpour
ta folie dou e, Jeanne, Pauline, Anaïs et Adrien pour votre joie de vivre qui déborde, pour
les rêveurs à l'âme pure, Thomas, Sébastien, Mathilde, Floren e, Robert, Mehdi, Marina,
Camille,pour mesenfantsterriblesetatta hants, Martin,Boris,Gouge,Hugo, Sophie,Alex,
Pierre,Marta, Julien,Paola, Piol,Benoît,JC, Ni o,Hélios,Nata ha,Jérem, Co o,Célia,les
amis"suédois"deMoun,lapromodumastèreOSEetplusgénéralementtous euxren ontrés
esdernièresannées. J'espèren'oublier personne.Vous omptezpour moimalgréletemps et
ladistan e.
Je témoigneaussimaprofondere onnaissan e àtouslesmembresde mafamille quiont
tou-jours ru en moi et m'ont donné la for e de ne pasre uler devant lapeur de l'é he . Mer i
papa de m'avoir toujours laissé voler de mes propres ailes malgré ta peur qu'en me
spé ia-lisant trop je perde un peu de mon âme. Je rois qu'il m'en reste en ore. Mer i maman de
m'avoir appris à aller jusqu'aubout de e quel'on entreprend. Mer i Quentin d'avoir égayé
es années par ta musique. Mer i papy et mamie pour votre exemplarité et votre ourage
malgrédestemps un peu plusdurs en e moment.
Je terminerai par toi Mounir, qui t'es peutêtre plus fatigué que moi pour me rendre la vie
simple pendant e travail. On peutdire que tu asaussi soutenu à ta façon ette thèse et je
suis en admiration devant une telle onstan e, un tel dévouement et une telle humilité. Tu
asune for eet unrayonnement rare. Le jour de lasoutenan e elafaisait quatreans quetu
Table des Figures viii
Liste des Algorithmes ix
A ronymes xii
Nomen lature xvi
1 Introdu tion 1
1.1 Contexteetmotivations delathèse . . . 1
1.2 Ar hite ture de ommande proposéeetorganisation dumanus rit . . . 3
2 Modélisation des entrales d'énergie 5 2.1 Modélisation dessystèmesétudiés. . . 5
2.1.1 Présentation deModeli a . . . 5
2.1.2 Modélisation 0D/1Ddes entrales d'énergie . . . 6
2.1.2.1 Choixdesvariables d'état . . . 7
2.1.2.2 S héma àgrille dé alée (Staggered Grid). . . 7
2.1.2.3 Loisde onservationsur unvolume de ontrle . . . 8
2.1.2.4 Éléments bi-ports . . . 10
2.1.2.5 Modélisationdespropriétés physiques . . . 11
2.1.2.6 Modélisationdesinversionsde débit . . . 13
2.2 Formalisme DAE pour lamodélisation0D/1D . . . 15
2.2.1 EquationsAlgébro-Diérentielles (DAE) . . . 16
2.2.1.1 Équationsdiérentielles ordinaires (ODE)- modèle d'état . . 16
2.2.1.2 DAE Semi-expli ite . . . 16
2.2.1.3 Formegénérale :DAEimpli ite . . . 17
2.2.2 Traitement symbolique desDAE . . . 17
2.2.2.1 Causalisationdeséquations . . . 18
2.2.2.4 Diérentiation automatique . . . 25
2.2.3 Simulation dessystèmesDAE . . . 26
2.2.3.1 Algorithmes d'intégration pour les ODE . . . 26
2.2.3.2 Algorithmes d'intégration pour les DAE . . . 28
2.2.3.3 Algorithmes d'intégration à pas variable, à ordre variable et ontrle de l'erreur . . . 29
2.2.4 Modélisation ausaleeta ausale . . . 29
2.3 Casd'étude . . . 30
2.3.1 Compresseur . . . 30
2.3.2 Modèle simpliéde ogénération . . . 33
3 Optimisation dynamique pour les systèmes hybrides 39 3.1 Problèmed'optimisation dynamiquehybride . . . 39
3.1.1 Problèmed'optimisation dynamique . . . 39
3.1.1.1 Formulationdu problèmede ommande optimale . . . 39
3.1.1.2 Conditionsd'optimalitéenoptimisationdynamique:Prin ipe du minimum . . . 40
3.1.2 Modèles onsidérés etmodesdansles systèmes hybrides . . . 43
3.1.2.1 Aspe tshybridesdansles systèmes énergétiques . . . 43
3.1.2.2 Traitement dessingularités . . . 44
3.1.2.3 Transitionsdansles systèmeshybrides . . . 45
3.1.2.3.1 Typesde transitions . . . 45
3.1.2.3.2 Fon tion de transition . . . 45
3.1.3 Problèmed'optimisation dynamiquehybride. . . 46
3.2 Méthodesdire tes enoptimisation dynamique . . . 47
3.2.1 Choixde laparamétrisation (grille et basede fon tions) . . . 48
3.2.2 Algorithmede tirsimple dire t(Single Shooting) . . . 49
3.2.3 Algorithmede tirmultiple dire t(Dire t Multiple Shooting) . . . 49
3.2.4 Méthode de ollo ation . . . 50
3.2.4.1 Notations utilisées pour les grillestemporelles . . . 50
3.2.4.2 Dis rétisation du problèmede ommande optimale . . . 51
3.3 Méthodespour les problèmes MINLP. . . 54
3.3.1 Dé omposition ontinu/logique, algorithmes Bran h &Bound . . . 55
3.3.2 Reformulations ontinues . . . 57
3.3.2.1 Reformulation ontinue des ontraintes spé iquesaux modes 57 3.3.2.2 Traitement desdisjon tionspar l'ajout de ontraintes ontinues 58 3.3.2.3 Traitement desdisjon tionspar pénalisation . . . 61
3.4 Développement d'une méthode d'optimisation dynamiquehybride . . . 61
3.4.1 Reformulations ontinues desproblèmes dynamiqueshybrides . . . 65
3.4.1.1 Modélisationdesmodes . . . 65
3.4.1.2 Modélisationdesentrées . . . 67
3.4.1.2.1 La notiond'entrée bloquée . . . 67
3.4.1.2.2 Modélisation des ommandes logiques . . . 67
3.4.1.2.3 Modélisation desentrées ontinues . . . 68
3.4.2 Méthode Sum Up Rounding . . . 70
3.4.2.1 Génération detraje toires binaires . . . 70
3.4.2.2 MéthodeSUR surune grille bloquée . . . 72
3.4.3 Ranement de lagrille . . . 74
3.4.3.1 Estimationde l'erreur delaméthode de ollo ation . . . 75
3.4.3.2 Normalisationde l'erreur . . . 77
3.4.3.3 Stratégies d'adaptation delagrille . . . 78
3.4.4 Algorithmed'optimisation hybride . . . 83
3.4.5 Prise en omptedes oûtsde transitionet de modulation . . . 84
3.5 Appli ationsde laméthode d'optimisationhybride . . . 87
3.5.1 Comparaisonde laméthode de ollo ation hybrideave laPLNE . . . 89
3.5.2 Coûtsde démarrage . . . 94
4 Commande prédi tive basée sur des modèles linéarisés tangents 97 4.1 Suivide traje toires d'état par ommandeprédi tive : as idéal . . . 97
4.1.1 Motivation . . . 97
4.1.2 Notations . . . 99
4.1.3 Modèles onsidérés . . . 100
4.1.3.1 Systèmephysique . . . 100
4.1.3.2 Modèlenon linéaire du système. . . 100
4.1.3.3 Modèlelinéarisé tangent . . . 101
4.1.3.4 modèlelinéarisé tangent entemps dis ret . . . 102
4.1.4 Commande prédi tive TL-MPC . . . 102
4.2 Versune preuve de stabilitéde la ommandeTL-MPC . . . 104
4.2.1 Dénitionsde lastabilité . . . 104
4.2.2 Fon tionsde Lyapunov. . . 105
4.2.3 Etatde l'art:stabilitépour leMPCetles systèmesLTV . . . 106
4.2.3.1 Preuvesde stabilité MPCpour les systèmesinvariants . . . . 106
4.2.3.2 Preuvesde stabilité pour les systèmesLTV . . . 107
4.2.3.3 Preuvesde stabilité MPCpour les sytèmesLTV . . . 109
4.2.4 Analysedestabilitédela ommandeprédi tiveTL-MPCpourlemodèle idéal nonperturbé . . . 110
4.2.4.1 Évolutiondusystème enbou lefermée . . . 110
4.2.4.2 Stabilité dansle asnominal . . . 110
4.2.4.3 Satisfa tionde l'hypothèse H11 . . . 115
4.2.4.4 Satisfa tionde l'hypothèse H10 :ensembleterminal . . . 117
4.2.5 Con lusions etperspe tivespour l'analyse de stabilité . . . 119
4.3 Suivide traje toires optimales pour les entrales de produ tion d'énergie . . . 121
4.3.1 Di ultés soulevéespar l'ar hite ture dansle asidéal . . . 121
4.3.2 Ar hite ture TL-MPCadaptée aux entrales d'énergie . . . 122
4.3.2.1 Ar hite turedu MPC . . . 122
4.3.2.2 Problèmed'optimisation MPC . . . 123
4.3.3 Formulation matri ielledu MPC . . . 124
4.3.3.1 Obtention de deuxmodèles internes augmentés . . . 124
4.3.3.4 Expression dela fon tionobje tif. . . 131
4.3.3.5 Problème d'optimisation MPC . . . 132
4.3.3.6 Initialisation desmodèles . . . 132
4.3.3.7 Normalisation . . . 133 4.3.3.8 Elimination de lamatri e D. . . 134 4.3.3.9 A élération duMPC . . . 136 4.3.4 Estimateurd'état . . . 138 4.3.5 AlgorithmeMPCdétaillé . . . 139 4.4 Appli ation àla ogénération . . . 139 5 Con lusion et perspe tives 145 5.1 Synthèse dutravail ee tué . . . 145
5.1.1 Optimisationdynamique hybride . . . 145
5.1.2 Commande prédi tive TL-MPC . . . 147
5.2 Perspe tivesde développement . . . 148
5.2.1 Optimisationdynamique hybride . . . 148
5.2.2 Commande prédi tive TL-MPC . . . 149
Bibliographie 151 Annexes 157 Annexe A Optimisation en dimension nie 159 A.1 Conditionsné essaires d'optimalité . . . 159
A.2 Quali ationdes ontraintes . . . 160
A.3 Quali ationdes ontraintes pour les problèmes MPCC . . . 161
Annexe B Rappels mathématiques 163 B.1 Méthode deNewton . . . 163
B.2 Matri es . . . 163
B.3 Fon tions . . . 165
Annexe C Implémentation logi ielle dans JModeli a 167 C.1 Implémentation logi ielle . . . 167
C.1.1 Présentation d'Optimi a . . . 167
C.1.2 Ar hite ture deJModeli a . . . 168
C.1.3 Modi ations apportéesau ode de ollo ation . . . 169
C.1.4 Présentation du ode hybrid_tools . . . 171
Annexe D Quanti ation de l'erreur du modèle (TanLd) en l'absen e de
per-turbations 173
Annexe E Expression des sortiesdu se ond modèleaugmenté 177
1.1 Première ar hite ture de ommande . . . 4
2.1 S héma thermohydraulique àgrille dé alée . . . 8
2.2 Volume de ontrle d'après[1℄ . . . 9
2.3 Régions
(P, T )
destablesde l'eau IAPWS-IF97d'après[2℄ . . . 112.4 Régions
(P, h)
des tablesdel'eau IAPWS-IF97 . . . 122.5 Dénitiondessenspositifsdesdébits.Noeuddemélange(gau he),Composant bi-ports (droite). . . 13
2.6 Fon tion posMax . . . 15
2.7 Modèle hydraulique 1:s héma, matri e d'in iden e etdigraphe . . . 19
2.8 Causalisationdeséquations du modèlehydraulique1 . . . 20
2.9 Matri ed'in iden e du modèlehydraulique1 avantet après ausalisation. . . 20
2.10 Modèle hydraulique 2:s héma, matri e d'in iden e etdigraphe . . . 21
2.11 Modèle hydraulique 2:blo age del'algorithme deTarjan . . . 22
2.12 Modèle hydraulique 2 : hypothèse
q
2
onnue,(eq.4)
utilisée omme équation desrésidus, déblo agede l'algorithme deTarjan . . . 222.13 Élémentsné essaires àlasimulation d'unDAE . . . 26
2.14 Illustrationde l'algorithmed'intégration numérique RK4 . . . 27
2.15 Modèle ThermoSysPro d'un ompresseur . . . 30
2.16 Simulation du ompresseurThermoSysPro . . . 32
2.17 Modèle simpliéde ogénération ave sto kage . . . 34
2.18 Simulationdela entrale de ogénérationave régulationautomatiquedesdébits 37 2.19 Simulationde la entrale de ogénération ave régulation automatiquedes dé-bits: nonrespe tdela ontraintesur
q
ret
. . . 373.1 Algorithmede tir dire tmultiple . . . 50
3.2 Intervallesde temps utilisésdansles méthodes dire tes . . . 52
3.3 Algorithmede Bran h &Boundsur unedisjon tion de 3modes . . . 56
3.4 Optimisationdynamique del'os illateur de VDP- Itération1 et3 . . . 64
3.7 E he de stabilisation de l'os illateur VDP ave un ranement de grille basé
surl'erreurlo ale (haut)-Amélioration ave le ontrle de l'erreurglobale(bas) 79
3.8 Ranement dela grilleetgénération detraje toires binaires. . . 82
3.9 Algorithmed'optimisation dynamiquehybride . . . 84
3.10 Comparaisondel'arrondidonnéparlaméthodeSURminTetunarrondistandard 86 3.11 Optimisationdela ogénérationave laméthodede ollo ationhybride- Puis-san es eténergieàl'itération 1 (haut) et3 (bas) . . . 90
3.12 Optimisationdela ogénérationave laméthodede ollo ationhybride- Tem-pératures . . . 91
3.13 Optimisationdela ogénérationave laméthodede ollo ationhybride-Modes etprix del'éle tri ité . . . 92
3.14 Modèle PILOT (PLNE)de l'installation de ogénération . . . 92
3.15 Identi ationdesvariablesdumodèlenonlinéaireave ellesdumodèlePLNE (gau he)- Estimationdesentrées in onnues(droite) . . . 93
3.16 Comparaisondelaméthodede ollo ationhybrideave laPLNE-sto k, puis-san e ombustible à la haudière etaumoteur . . . 94
3.17 Optimisationdela ogénération :ajout d'un oûtdedémarragede3upourla haudière, mode initial libre . . . 95
3.18 Comparaison de l'optimisation de la ogénération ave un oût de démarrage de3 u . . . 96
3.19 Optimisation de la ogénération ave un oût de démarrage de 3 u pour la haudière etla ontrainte
ω
b
(t
−
0
) = 0
. . . 964.1 Traje toires optimales etsous-optimales utilisées danslapreuvede stabilité . 113 4.2 Ensemble terminal invariant à unpas. . . 119
4.3 Ar hite ture duMPClinéarisé tangent . . . 123
4.4 Dénitiondes traje toires d'entrée etde sortie( as 1entrée,1sortie) . . . 123
4.5 Hypothèsessurlatraje toire desperturbationsmesurées . . . 127
4.6 Illustrationdestraje toires réelles etnominales de
y
entre deuxpasdu MPC 133 4.7 AlgorithmeMPCsimple . . . 1404.8 Modèle Modeli ade la ogénération de Barkantine . . . 141
4.9 Simulationdu MPCsurune ogénération ave lademande réeelle:sorties . . 143
4.10 Simulation du MPC sur une ogénération ave la demande réeelle : entrées ( ommandes etperturbations) . . . 144
B.1 Méthode deNewton . . . 164
C.1 Spé i ation d'unproblème d'optimisationave JModeli a . . . 168
C.2 Fi hiers utiliséspourl'optimisation dansJModeli a . . . 169
C.3 Stru ture des variables du problème NLP dans la méthode de ollo ation de JModeli a . . . 170
F.1 Cogénérationà y levapeur . . . 180
F.2 Système énergétique omplet . . . 180
F.3 Optimisationd'une ogénérationvapeur1 . . . 181
1 Algorithmede Tarjan. . . 19 2 Algorithmede Pantelides . . . 25 3 Cal ulde
y = F (¯
v)
etJ =
dF
dv
¯
v
. . . 264 SumUpRounding binaire . . . 72
5 SumUpRounding surune grillede ommutation . . . 74
6 SumUpRounding ave duréeminimaledes modes(SURminT) . . . 81
AD Automati Dierentiation
BB Bran h and Bound
BE Ba kward Euler
BLT Blo kLowerTriangular
CHP CombinedHeatand Power
CNF Conjon tive NormalForm
DAE Dierential Algebrai Equations
DNF Disjun tive NormalForm
EDF Éle tri ité deFran e
EDP Équationsaux Dérivées Partielles
FE Forward Euler
GAM Generalized AdditiveModel
GDP Generalized Disjun tive Programming
H-DAE HybridDierential Algebrai Equations
IAPWS International Asso iationfor theProperties ofWaterand Steam
IAPWS-IF97 IAPWSIndustrial Formulation 1997
LICQ Linear Independen e Constraint Quali ation
LMI Linear MatrixInequalities
LTV Linear TimeVarying
MFCQ Mangasarian-FromovitzConstraint Quali ation
MILP MixedInteger LinearProgramming
MINLP MixedInteger NonlinearProgramming
MPC ModelPredi tiveControl
NLP NonLinear Program
NMPC NonlinearModelPredi tive Control
OA Outer Approximation
OCP OptimalControl Problem
ODE Ordinary Dierential Equations
PLNE Programmation Linéaireen Nombres Entiers
PID ProportionnelIntégrateurDérivateur
RK RungeKutta
RK4 RungeKutta d'ordre 4
SI International System ofUnits
TL-MPC Tangent Linear Model Predi tive Control
SOCP Se ondOrder ConeProgramming
SOS1 Spe ialOrdered Setoftype 1
SUR SumUpRounding
Quantités physiques
A
Surfa e[m2
℄
C
Prix normalisé[p.u℄M
Masse[kg℄P
Pression[Pa℄T
Température [ o C℄V
Volume [kg℄W
Puissan e[W℄h
Enthalpie spé ique[J/kg℄q
Débit massique[kg/s℄s
Entropie spé ique[J/kg℄u
Énergie internespé ique[J/kg℄v
Volume spé ique [m3
/kg℄ρ
Massevolumique [kg/m3
℄ Types de variablesp
Paramètre (dimensionn
p
)u
Commande ontinue (dimensionn
u
,entrée ontrlée)x
État(dimensionn
x
)˙x
Dérivée de l'état(dimensionn
x
),parfoisdx
w
Perturbation (dimensionn
w
,entrée non ontrlée)w
m
Perturbation mesurée(dimensionn
v
)y
Sortie(dimensionn
y
),ou variablelogique en3.3z
Variable algébrique(dimensionn
z
)Évolution du système
F
Fon tion del'équation d'état impli ite dans(DAEi)F
k
Fon tion del'équation d'évolution dis rète dumodèle linéarisétangent¯
F
k
Fon tiondel'équationd'évolution dis rètedumodèlelinéarisétangent dansle asnominal
f
Fon tion del'équation d'état dans(ODE)f
(d)
Fon tion del'équation d'évolution dis rète dumodèle àtemps ontinu
¯
g
Fon tion del'équation algébriqueexpli ite dans(ODE)g
Fon tion del'équation algébriqueimpli ite dans(DAEse)h
Fon tion del'équation dessorties dans(NL )t
0
Tempsinitialt
f
Tempsnalδf
Fon tion de l'équation dynamique du modèle linéarisé tangent à tempsontinu
φ
Fon tion detransition pour lessystèmes hybridesOptimisation dynamique - Chapitre 3
H
HamiltonienL
LagrangienL
f
Lagrangien autemps nalh
I
Fon tion des ontraintes inégalitéh
E
Fon tion des ontraintes égalitél
Terme intégraldanslafon tion obje tifJ
Fon tion obje tifΦ
Coût terminal danslafon tion obje tifλ
État adjointMéthode de ollo ationhybride - Chapitre 3
M(n
j
)
Ensemble desmodesadmissiblespour unedisjon tion den
j
termesT
Grille temporelle donnéepar laduréede sesélémentsT
k
Durée de l'élémentk
T
pre
Durée depuis laquelleles modessont a tifsàl'instant initialT
min
j
Durée d'a tivationminimale desmodesde ladisjon tionj
T
Grille temporelle donnéepar sesinstantsT
0
Grille temporelle desélémentsde laméthode de ollo ationT
1
Grille temporelle despoints de ollo ation˜
X
Traje toire prédite par laméthode de ollo ationˆ
X
Valeur estiméec
up
Coût de transitionà lahaussem
pre
Mode a tifà l'instant initialn
c
Nombrede points de ollo ation par élémentn
d
Nombrede disjon tionsn
e
Nombred'élémentss
Grilletemporelle donnéepar sesindi es ommuns ave lagrilleprin ipaletol
J
Toléran esurladiéren e entrel'obje tif relaxé etbinairetol
ǫ
Toléran esurlapré ision de laméthode de ollo ationǫ
rel
Erreurrelative surles variablesζ
rel
Erreurrelative surladynamiqueτ
Temps lo alsurun élémentτ
c
Instant de ollo ationω
k
ji
Variables binaires dis rétiséespourles disjon tionsSOS1ω
k
j
Variables binaires dis rétiséespourles disjon tionsbinairesIndi es
bin
Binairec
Point de ollo ationk
Élémenti
Terme d'unedisjon tionj
Disjon tionn
Itérationrel
Relaxésim
SimuléCommandeprédi tive - Chapitre 4
K
Retourd'état impli ite de la ommandeMPCK
f
ContrleurterminalP
Horizon deprédi tion du MPCP
Traje toire dusystèmeT
s
Pasd'é hantillonnageU
i
Ve teur de ommandedu problème
M P C
i
U
Ensemble admissiblepouru
x
a
ÉtataugmentéX
i
Étatsprédits pour leproblème
M P C
i
X
Ensemble admissiblepourx
Y
i
Sortiesprédites pour leproblèmeM P C
i
δ
Variation par rapportau nominalδX
k
Ensemble admissiblepourδx
k
δU
k
Ensemble admissiblepourδu
k
∆
Variation entredeuxpasde tempsIndi es
i
Instant ourantk
Instant del'horizon de prédi tionmes
Mesurénom
NominalIntrodu tion
1.1 Contexte et motivations de la thèse
Ons'intéressedans ettethèseàla onduiteoptimiséede entralesdeprodu tiond'énergie
pourlesquellesondisposedemodèlesphysiques.L'utilisationdemodèlesbaséssurlespremiers
prin ipesphysiques(aussiappelésmodèlesde onnaissan eboîteblan he)s'estbeau oup
dé-veloppée es dernières années dans le domaine des pro édés et de la produ tion d'énergie,
pousséepar ledéveloppement de langagesdemodélisation deplus enplussophistiquésetde
ompilateurs de plus en plus performants. EDF développe dans ette optique une librairie
nomméeThermoSysPropour lasimulation statiqueetdynamiquede entralesd'énergie.Les
modèles physiques développés possèdent de nombreux avantages par rapport à des modèles
identiés boîtenoire oudesmodèles linéairessimpliés :ils permettenten eet desimuler le
omportement d'une installation ave pré ision sur toute sa plage de fon tionnement, etde
prédire l'évolution de grandeurs physiques [3℄[4℄. Les modèles physiques peuvent aussi être
utilisésdansuneoptiquedesurveillan e :lemodèlephysique, alibrélors dufon tionnement
normaldel'installation sert alorsde référen epour déte terun omportement anormalde la
entrale, ou une variation de ertains paramètres [5℄. Enn, les modèles physiques peuvent
également êtreutilisésdansuneoptiquededimensionnement:dans e as,onre her herales
ara téristiquesdes omposantspermettantd'aboutiràunpointdefon tionnementdonné[6℄.
Unepisteen orepeuexplorée on ernel'utilisationdesmodèlesphysiquespourlepilotage
optimisédesinstallations,quiviseàlafoisl'optimisation (hors-ligne)duplanningde
produ -tionetla ommandedel'installationentempsréel.Lesmodèlesphysiquesontétéutilisésdans
e ontexte hez [7℄[8℄[9℄[10℄[11℄.Le besoin enpilotageoptimisés'estré emment a rudepuis
ladérèglementation etlamiseen on urren edu mar hé de l'énergie, quimodient
progres-sivement les règles du jeu pour les produ teurs, ave notamment l'introdu tion de prix de
l'éle tri itévariant dansletemps,latendan eversdesmoyensdeprodu tiondé entralisés,la
gestionsimultanée de diérentes ommodités (éle tri ité, haleur, vapeur,...), l'introdu tion
l'optimisation é onomique d'uneinstallation.
Optimisation du planning de produ tion
Aujourd'hui, l'optimisationdu planning deprodu tion estsouventréalisée en utilisant la
Programmation Linéaire en Nombres Entiers (PLNE) ar 'est une méthode qui permet de
modéliserungrandnombre deproblèmes,deprendreen omptedesaspe tsdis rets
(démar-ragesetarrêts),etquioredeplusdesgarantiesde onvergen eversunesolutionglobalement
optimale.EDFdéveloppedans e adreunlogi ielnomméPILOT:l'installationyest
modéli-séepardessto kagesetdes omposants apablesde transformerdes ommodités (éle tri ité,
haleur, ombustible, et .) en d'autres ommodités selon des ourbes de rendement anes
par mor eaux. La plupart du temps, les grandeurs onsidérées dans es modèles sont ainsi
dé rites par des ouples puissan e/énergie ou débits/volume, mais rarement par des
gran-deurs physiques telles que des pressions ou des températures. Or es grandeurs du système
sont souvent soumises à des ontraintes : en onséquen e, un planning optimal fourni par
un modèle de PLNE, réalisable d'un point de vue énergétique, peuts'avérer infaisable dans
l'installation réelle (on doit alors vérierla faisabilité par simulation a posteriori).
L'utilisa-tion de modèles physiques pour l'optimisation prend alors tout son sens ar elle permet de
formuler expli itement les ontraintes sur es variables.Cependant ette appro he a été peu
onsidéréejusqu'alorsenraison dela omplexitédesmodèlesmis enjeu:ils'agitdemodèles
non linéaires ave souvent des aspe ts hybrides (le système peut se trouver dans diérents
modes). Des méthodes adaptées,prenant en ompte esdeuxspé i ités doivent êtres
déve-loppées. Enparti ulier, la omplexité dumodèled'optimisation doitsouvent êtreréduitepar
rapportà un modèle de simulation détaillé, etlaprise en ompte d'aspe ts dis rets dansun
adrenon linéaire devra être onsidérée.
Dans ette thèse, ondéveloppe une méthodologie d'optimisation dynamiquepour une lasse
de modèles hybrides qui in lut les entrales de produ tion d'énergie étudiées. Cette
métho-dologie fournit des traje toires optimisées et permet de prendre en ompte des ontraintes
à la fois sur les variables ontinues et sur les aspe ts dis rets du problème. Le formalisme
permet ainsi de onsidérer des plages de fon tionnement diérentes pour ha un desmodes
dusystème ainsiquedesdurées minimales demar he etd'arrêtpour les omposants.
Commandedes entrales d'énergie
L'autre piste omplémentaire étudiée dans ette thèse on erne l'utilisation de modèles
physiquespourla ommandedes entralesd'énergie,etenparti ulierla ommandeprédi tive.
La ommandeprédi tive,ouMPC,estune te hniquede ommandefondéesurl'optimisation
d'unmodèledel'installationsurunhorizonglissant.LeMPCestparti ulièrementintéressant
arilpermetdeprendreen omptedes ontraintes surles ommandes( ommelaplupartdes
régulateurs lassiques) maisaussietsurtout surles sorties de l'installation.Son prin ipe est
lesuivant:à haquepasd'é hantillonnage dela ommande, unproblèmed'optimisationsous
ontraintes estrésolusurunhorizon deprédi tion ni,etlepremiertermede etteséquen e
de ommandeoptimale estappliqué ausystème.Cettepro édure estensuiterépétéeauxpas
nombreux fa teurstels que desperturbations agissant sur le système, ou en ore des erreurs
de modélisation, font quele systèmeréeln'évolue pasexa tement omme prévulors de
l'op-timisation. Le fait de re al uler à haque pasde temps une nouvelle ommande prenant en
ompte l'état du système est ainsi une façon d'introduire une rétroa tion dans le système.
Cependant,onpeutnoterqueparrapportàune régulation lassique(PID,...),la ommande
ne s'exprime en général plus de façon expli ite, mais omme le résultat d'une séquen e de
problèmes d'optimisation.Cettedénitionimpli ite dela ommandeapporteune omplexité
évidentedansl'analyse destabilité dusystèmeen bou lefermée.
Par ailleurs le MPC introduit des problématiques liées à son appli ation en temps réel : il
s'agitde garantir quele problèmed'optimisation peutêtre résoludansun temps ompatible
ave lepasd'é hantillonnage.La onvergen edel'optimisation,ouaminimal'obtentiond'une
solution faisableest ainsiné essaire, fautede quoi la ommande devient indéterminée. C'est
une des raisons pour lesquelles la grande majorité des algorithmes de ommande prédi tive
implémentés onsidèrent unmodèlelinéaire,des ontrainteslinéairesetune fon tionobje tif
quadratique. Le problème résultant est un problème onvexe qui peut être résolu en temps
polynomial. Dans le as non linéaire en revan he, les problèmes d'optimisation sont souvent
non onvexes,etau unegarantienepeutêtredonnéesurletempsderésolution,quireste
for-tement liéà l'initialisation des variables. Deste hniquesspé iques peuvent alors êtremises
en pla e pour respe ter la ontrainte temps réel, en jouant par exemple sur la stru ture du
problème, laparallélisation ouen ore l'initialisation d'un problèmeMPC d'aprèslasolution
pré édente (warm start). Une introdu tion aux problématiques du MPC non linéaire
(NL-MPC)peutpar exemple êtretrouvée dans[12℄[13℄.
Pour éviter les di ultésposéespar leMPCnon linéaire, ondéveloppe dans ette thèseune
ommande MPC à mi- hemin entre le MPC linéaire et non linéaire : le modèle Modeli a
détaillé de la entrale y est utilisé pour élaborer des modèles linéarisés tangents, menant à
une ommandeMPClinéaire variantdansletempsave oûtquadratiquequel'on dénomme
TL-MPC.Cette ommandeestutiliséepour lesuividuplanningoptimisédeprodu tion,an
de orrigerles é artsdus auxperturbationseterreursde modélisation.
1.2 Ar hite ture de ommande proposée et organisation du
manus rit
Dans ette thèse,le hapitre 2 faitgurede hapitre introdu tif ettraitede la
modélisa-tion et de la simulation des entrales de produ tion d'énergie à l'aide du langage Modeli a.
On y rappelle à la fois des aspe ts on ernant la modélisation physique mais également le
formalismemathématiqueemployéparModeli aetlesalgorithmesutiliséspour,partantd'un
jeu d'équations, aboutir àune traje toiredu système.
Le plan de ette thèse s'arti ule ensuiteautour de l'ar hite ture de ommandeproposée en
Figure 1.1,qui a pour but la génération d'une traje toire optimale pour l'installation d'une
part,etlesuivide ettetraje toireoptimaleentempsréeld'autrepart.Lesdiérentesbriques
de ettear hite ture sont les suivantes :
1. Outil de prévision.Un outil deprévisiongénèreles traje toires de référen e
w
r
pourles perturbations, qui sont des entrées exogènes du système (demande de haleur,
Figure1.1 Première ar hite ture de ommande
suite
w
r
ommeunedonnée d'entrée.2. Optimisationdetraje toire longterme.L'optimisationduplanningdeprodu tion
s'ee tue surun modèle physique simpliéou un modèle de PLNE etfournit des
tra-je toires de référen e optimales pour les entrées (
u
∗
) etles sorties (
y
∗
) sur un horizon
H
long. Le hapitre 3 est onsa ré au développement d'un algorithme d'optimisationdynamiquehybride remplissant ette fon tion.
3. Générationde traje toiresde référen eadmissibles.Cet aspe testaussi
briève-ment traitédansle hapitre 3.Commelemodèled'optimisation estsouvent unmodèle
simplié, il ne dénit pas né essairement les variables de la même façon que le
mo-dèle détaillé de l'installation. Pour ette raison, les traje toires optimales de référen e
doivent êtreredéniespour lesvariablesdumodèle détaillé.Onappliquealors une
mé-thodepermettantdegénérerdestraje toiresderéféren e
u
r
,x
r
,y
r
respe tivementpourles ommandes, étatset sortiesdu modèlenon-linéaire, ohérentes ave
y
∗
,
u
∗
.
4. Ajustementdetraje toire tempsréel.Lesystèmeréelestsoumisàdiverses
pertur-bations,etdièredumodèleutilisépourl'optimisation.Pour esraisons,unajustement
δu
doit être apporté à la traje toire de ommandeu
r
dansle but d'assurer au mieuxlesuivi delatraje toire
x
r
ouy
r
.Onproposedansle hapitre 4 de remplir ettefon -tionparl'algorithmede ommandeprédi tiveTL-MPC.Celui- ifon tionneave unpas
d'é hantillonnage
T
s
et onsidèreun horizon deprédi tion deP ∗ T
s
<< H
.Le hapitre5apporteenndes on lusionssurlasolutionproposéeetdesperspe tives
Modélisation des entrales d'énergie
EDFdéveloppedepuis plusieursannéesThermoSysPro,une librairiede omposants
ther-mohydrauliques pour la modélisation de entrales d'énergie (thermique, nu léaire, solaire).
Cette librairie de omposants est é rite dans le langage de modélisation Modeli a [14℄, un
langage libre soutenu par l'asso iationéponyme.
Ce hapitreest onsa réàlamodélisationàl'aidedeModeli ades entralesd'énergieétudiées
dans ette thèse.Après une brève introdu tion au langage Modeli aen 2.1.1,onprésenteen
2.1.2 leformalisme de modélisation employé dansla librairieThermoSysPro d'EDF:la
mo-délisation 0D / 1D. La ompréhension de ette modélisation est en eet né essaire dans la
perspe tive d'obtenir desmodèles adaptés àl'optimisation, e quiferal'objetdu hapitre 3.
Ondé ritensuiteplusgénéralement laformulation mathématique employée par Modeli aen
2.2 : les systèmes d'équations algébro-diérentielles (DAE). Les DAE regroupent une large
lasse de modèles, etenglobent les équations diérentielles ordinaires (ODE) omme un as
parti ulier.
Pour traiter les systèmes DAE, les ompilateurs Modeli a emploient une ombinaison
d'al-gorithmes de manipulations symboliques an de mettreles modèles dans une formeadaptée
pour les algorithmes d'intégration numérique. On présentera es méthodes en 2.2.2 arelles
nous permettront d'obtenir des modèles dans une forme adaptée à la ommande, qui sera
exploitéedansles hapitres 3 et4,puisl'on donne quelquesrappelssur lesalgorithmes
d'in-tégrationnumérique en 2.2.3.1.
Enn,and'illustrerles on eptsintroduits,onprésentedeux asd'étude:unpremiermodèle
de ompresseur issu de la librairie ThermoSysPro etun se ond modèle simplié de entrale
de ogénération,qui serarepris parla suitedans le hapitre 3.
2.1 Modélisation des systèmes étudiés
2.1.1 Présentation de Modeli a
ty-retrouver desaspe ts hydrauliques, de la ombustion, de laneutronique dansle asdes
ins-tallationsnu léaires,ouen ore del'optiquedansle asdes entralessolaires. Modeli aestun
langage orienté objet où la onstru tion de modèles omplexes (une entrale de produ tion
d'énergie) sefait par assemblage de omposants élémentaires (une vanne, une turbine,et .).
Les omposants possèdent pour ela des onne teurs, qui jouent le rle d'interfa e ave les
autres omposants du système, leur permettant d'é hanger deux types d'informations : des
grandeurs intensives(pression, température), etdes uxtraversant la onnexion(débits,
in-tensités).Onintroduitd'oresetdéjàlanotation"."(point)utiliséeparModeli apourdé rire
ette ompositiondessystèmesàl'aidede omposantsélémentaires.A titred'exemple, la
va-riable
V
présente dansle onne teurC
d'un omposantE
sera notéeE.C.V
La onnexionde deux omposants
E
1
etE
2
génère deséquations de onnexions :
E
1
.C.V = E
2
.C.V
siV
estune variable intensiveE
1
.C.V + E
2
.C.V = 0
siV
estune variablede uxD'unpointde vueutilisateur,Modeli aestun langageéquationnel(dit aussidé laratif) :les
modèles y sont dé rits par un ensemble d'équations diérentielles, algébriques et dis rètes,
dans un formalisme nommé Hybrid DAE qui sera présenté en 2.2. On verra dans la partie
2.1.2 que e formalisme est tout a fait adapté à la modélisation retenue pour les entrales
d'énergie.
L'intérêt d'unlangageéquationnel ommeModeli aestquelareprésentationdé larative
per-metdedé rire ommentlesystèmefon tionnesanssesou ierdelafaçondontlesvariablessont
al ulées. Cette tâ he est laissée au programme de ompilation, dont l'obje tif est de
trans-formerlejeu d'équationsenun odeexé utable par unema hine. La ompilation onsisteen
un traitement symbolique deséquations du modèle permettant de les réorganiser et de
al- uler lesvaleursdesvariables de façon séquentielle.Elle permetégalement de transformer le
modèlesousune formeadaptéeauxalgorithmesd'intégrationnumériqueutilisé. Cesdiverses
manipulations du modèle par le ompilateur permettent à l'utilisateur de se on entrer sur
la partie modélisation à proprement parler, sans avoir à réé hir aux aspe ts de résolution
numérique du problème.
La ontrepartie de et avantage indéniable est qu'il est beau oup plus di ile de tra er
leserreursdanslemodèle. Lamiseàplatetletraitement automatisédetoutes leséquations
empê hent en eet tout déboggage pas à pas par l'utilisateur lors de la ompilation ou de
lasimulation. Il est don important de omprendre les diversesmanipulations ee tuées par
le ompilateur pour pouvoir omprendre les erreurs qu'il a he, etqui peuvent parfoisêtre
di ilesà interpréter.
Par ailleurs,lesméthodesdéveloppéesdanslasuitede ettethèsené essitentquelesmodèles
soient donnés sousforme d'EquationsDiérentielles Ordinaires(ODE), et 'estjustement e
quepermettent les algorithmes introduits pré édemment.
Ondonnedon dans e hapitre une présentation su in tede esalgorithmesde traitement
symbolique en partie 2.2.2 ens'appuyant surdesexemplessimples deréseaux hydrauliques.
2.1.2 Modélisation 0D/1D des entrales d'énergie
Les entrales d'énergies sont des installationsthermo-hydrauliques utilisant diversuides de
travail. On onsidère i i des modèles physiques de es installations, 'est-à-dire des modèles
apablesde représenterlestempératures,pressions,débitset puissan esauseindesdiérents
omposants.Onnes'intéresseraquedans ertains asparti uliersàladistributionspatialede
espropriétés.And'obtenirdesmodèlesdetailleraisonnablemaissusammentpré ispour
fournir leniveau d'information souhaité, lamodélisationretenuepour esinstallationsest la
modélisationdite0D/1D,enoppositionaux odesdesimulation2D/3Dutilisésenmé anique
desuides.
Dénition (Modèle 0D/1D) Un modèle 0D estun modèle ignorant la notion de dimension
spatiale pour le omposant onsidéré. Cette simpli ation est souvent réalisée en
onsidé-rant des valeurs moyennes ou des loisde onservation ma ros opiques. Dansun modèle1D,
une dimension spatiale est onsidérée, résultant laplupart du temps de la dis rétisation du
phénomène par une méthode par diéren esnies.
D'autres simpli ations peuvent parfois être utilisées pour réduirela omplexité du modèle,
lorsque ertainsphénomènes peuvent être négligésauxé helles de temps onsidérées:
Équivalen e lent/ onstant :les variables évoluant très lentement peuvent être
onsidé-rées ommedesparamètres onstants pour lesystème.
Équivalen e rapide/instantané : les variables ayant des onstantes de temps ourtes
atteignent rapidement un état d'équilibre. Il est alors possible de onsidérer des
équa-tionsstatiques(autrementditàl'équilibre)pour eséquations, equipermetd'éliminer
également desvariables diérentielles.
Enn, la omplexité peut être réduite en ne modélisant que la physique né essaire. Il n'est
parexemple pasné essairedemodéliserla onservationdesespè es himiquespourun uide
ne subissant pasde transformation himique.
2.1.2.1 Choix des variables d'état
L'étatthermodynamiqued'unuidepeutêtredé ritparplusieursjeuxdevariables.Ainsi,
en l'absen e de réa tion himique, il est par exemple possible d'utiliser indiéremment le
ouple pression/enthalpie spé ique
(P, h)
, le ouple massevolumique/énergie interne(ρ, u)
ou en ore le ouple masse volumique/enthalpie spé ique
(ρ, h)
. Le ouple(P, T )
peutêtreemployé pour les uides qui demeurent monophasiques pendant toute la période étudiée.
Cependant,lorsd'un hangementdephase,enraisondupalierdetempératurequiseproduit,
ladonnée
(P, T )
n'est plussusante pour ara tériser l'étatduuideetilfautalors pré iserlafra tiondevapeur
α
du uide,un entier omprisentre0 et1 (ou utiliserle ouple(P, h)
).2.1.2.2 S héma à grille dé alée (Staggered Grid)
Les modèles de entrales étudiés sont onstruits par assemblage de omposants
élémen-taires ettirent ainsi parti de lamodélisationorientée objetde Modeli a. Le fon tionnement
de haque omposant,régi par des lois de onservation, est formulé au sein de haque
om-posant par un jeu d'équations. A elles- i s'ajoutent des équations dites de onnexion. En
eet, lorsque deux omposants sont assemblés, eux- i partagent au niveau de la onnexion
desvariables intensives(pression, température, tension, et .) et desvariables de ux(débit,
Figure 2.1 S héma thermohydrauliqueà grille dé alée
Lesélémentsde volume (n÷uds de mélange,ballons, et .)
Les hémaditàgrille dé aléeestutilisé danslalibrairieThermoSysPro.Dans es héma, les
quantitésintensivessont al uléesauseindesvolumesoùl'onsupposequ'unmélangeparfait
existe (et don que l'état thermodynamique peut être dé rit par des propriétés moyennes).
Les variables de ux sont quant à elles al ulées aux jon tions entre es volumes ( 'est de
làque vient le nom de grille dé alée). Chaque omposant bi-ports doit don être relié à des
omposants devolume, ommeillustréen Figure2.1.
Le s héma à grille dé alée est également utilisé à l'intérieur de ertains omposants où
la modélisation d'une dimension spatiale présente un intérêt. C'est notamment le as de
omposantstels quelesé hangeursouen ore lessto kagesthermiques,pour lesquelsleprol
de température est important (strati ation dans le sto kage, pin ement pour l'é hangeur).
Le omposant est dis rétisé spatialement en un nombre nide volumes sous l'hypothèse de
propriétés homogènesau sein de haque volume (lumped approximation). LesÉquations aux
Dérivées Partielles (EDP) qui dé rivent le modèle sont ainsi onverties en un systèmeODE
ouDAE qui serapar lasuite résolude lamême façon quelereste dusystème.
2.1.2.3 Lois de onservation sur un volume de ontrle
Lamodélisationdessystèmesthermo-hydrauliquess'appuiesurlesloisde onservationde
lamasse
M
, del'énergieE
etde laquantité de mouvementI
ausein d'un volumeV
donnéquel'on appelle volume de ontrle. Dans le asdessystèmes à plusieurs phases ( ommeun
mélangeeau/vapeur), esloisde onservations s'appliquent à ha unedesphasesetune
des- riptiondesé hangesentrephasesdoitêtreajoutée.Leséquations de onservationprésentées
i-dessous permettent de modéliser l'évolution d'unsystème uide au ours du temps. Sous
l'hypothèse 0D/1D, le uide est unidire tionnel et un tronçon élémentaire de ontrle est
montré en Figure2.2.De manièregénérale [1℄, letaux de variation d'unequantité extensive
Ψ
au sein du volume de ontrle s'obtient en intégrant sur elui- ila variable intensive (parunitéde masse)
ψ =
dΨ
dM
orrespondante.dΨ
dt
=
d
dt
Z
V
ρψdV =
Z
V
∂(ρψ)
∂t
dV +
Z
A
ρψ ~
ω
A
~ndA
(2.1)Figure 2.2 Volume de ontrle d'après[1℄
Appro he Lagrangienne : on onsidère que le volume de ontrle ontient toujours les
mêmesparti ulesuides.Dans e as,levolume est"mobile", sasurfa esedépla eàla
vitessedesparti ules
ω = ω
a
etlevolume de ontrle aune masse onstante:dM
dt
= 0
.Appro he Eulérienne :levolume de ontrle est i ixé :
ω
a
= 0
,etledeuxième termede (2.1) s'annule. On retiendra par la suite ette appro he qui orrespond mieux à la
modélisation omposant par omposant adoptée (on s'intéresse auxux traversant les
omposants).
Lesloisde onservationdelaquantitéextensive
Ψ
danslevolumede ontrlerelientsontauxde variation aux ux entrants et sortants. Par exemple, la loi de onservation de la masse
nous indique que la variation de masse dans un volume de ontrle xe est liée aux débits
massiques
q
sortant (négatifs) et entrant (positifs) dans e volume. On dérive i-dessous leséquationsde onservationsurunvolume xe
V
,ainsiqueleurversionstatiquedansle asoùl'é helle de temps desphénomènesétudiéspermetde négliger es transitoires.
1. Conservation de lamasse.
La onservationde lamasse orrespond au as
ψ = 1
.dM
dt
=
d(ρV )
dt
= V
dρ
dt
=
n
p
X
j=1
q
j
(2.2)La versionstatiquede la onservationde lamasseseréduit à
0 =
n
p
P
j=1
q
j
.2. Conservation de l'énergie.
La onservation de l'énergiepour unsystèmefermé est quantà elle dérivée dupremier
prin ipe de la thermodynamique, qui indique que la variation de l'énergie totale est
égale à l'é hange de travail
W
et de haleurQ
ave le milieu extérieur :E = W + Q
.Onmontrei i omment dériverlaloide onservation del'énergiedansun as simplié
oùl'onnégligeles énergies inétiqueetpotentielleduuide(hypothèse souvent vériée
danslessystèmesétudiés[1℄):onaainsi
E ≈ U
aveU
l'énergieinterne.La onservationdel'énergie orrespondalorsau as
ψ = u
,etsousl'hypothèsequeu
est onstantedanslevolumede ontrleonpeuté rire
E = ρV u
.Onmontrei il'équationde onservationdel'énergiepourles ouples devariablesd'état
(ρ, u)
et(P, h)
.Le passagedesvariablesave
v
le volume spé iqueduuide valantv = 1/ρ
.dρ
dt
=
∂ρ
∂P
h
dP
dt
+
∂ρ
∂h
|
P
dh
dt
du
dt
=
d(h − P v)
dt
=
dh
dt
−
d
P
ρ
dt
La onservationde l'énergies'é rit :
X
i
q
i
h
i
+
X
j
Q
j
+
X
j
W
j
=
dE
dt
=
d(ρV u)
dt
= V
d(ρ(h −
P
ρ
))
dt
= V
d(ρh − P )
dt
= V
h
∂ρ
∂P
dP
dt
+
∂ρ
∂h
dh
dt
+ ρ
dh
dt
−
dP
dt
= V
h
∂ρ
∂P
|
h
− 1
dP
dt
+
ρ − h
∂ρ
∂h
P
dh
dt
(2.3)La versionstatiquedela onservationde l'énergieest quant àelle
0 =
n
p
X
j=1
q
j
h
j
+ P
in
− P
out
(2.4)Les termes sour es
P
in
etP
out
sont l'apport et le prélèvement d'énergierespe tive-ment. Dans l'équation i-dessus, les
h
j
sont les enthalpies spé iques en amont de labran he,prisdanslesensee tifdudébit.Celaposeenpratique ertaines di ultésde
modélisationlorsque lesensdesdébits dansles bran hesn'est pas onnu a priori mais
résulted'uneéquation de onservation. Onverrapar lasuite quelapremière appro he
qui onsiste à traiter ette question par un test onditionnel sur le sens du débit est
problématique àla foisen simulation eten optimisation.
3. De façon similaire, il est possible de dériver des équations de onservation pour la
quantité de mouvement etlaquantité de matière.Onpourraseréférerà [1℄.
2.1.2.4 Élémentsbi-ports
Parmi les éléments biports se ren ontrant fréquemment dans les entrales d'énergie, on
peut iter les onduites, les turbines, les pompes, les é hangeurs de haleur, les vannes, et
d'une façon générale tous les omposants liés à une perte de harge. Dans la modélisation
0D/1D,l'expression de la perte de hargepeutêtre fon tion de paramètres agrégés ( omme
lerendement isentropiquepourlespompesetturbines),oudonnéepardes orrélations
empi-riquessurdesgrandeursadimensionnelles( ommelesnombresdeReynolds,deNusselt,et .).
Les orrélations sont souvent utilisées pour déterminer letransfert de haleur ou laperte de
2.1.2.5 Modélisation des propriétés physiques
Onprésentei isu in tement ommentsontmodéliséeslespropriétésdestroisprin ipaux
uidesquel'onren ontredanslessystèmesétudiés:l'eau/vapeur,lesgazetles ombustibles.
Tables de l'eau
Le standard de modélisation pour le al ul des propriétés de l'eau / vapeur est donné
par l'International Asso iation for the Properties of Water and Steam (IAFPWS)[15℄. Les
tablesIAPWS-IF97sont dé oupées en5 régionsqui sont fon tion delatempérature
T
etdelapression
P
ommemontré en gure 2.3.Comme l'on peut levoir sur lagure, les limites1000
100
273.15
623.15
1073.15
2273.15
0
500
p [bar]
T [K]
1
4
5
2
3
Figure 2.3 Régions
(P, T )
destablesde l'eau IAPWS-IF97 d'après[2℄entrerégionsontun omportement monotonepourlesvariables
(P, T )
.Ainsi,lesrégionssontdélimitées par les fon tions mono-variables
T
14
(P )
,T
42
(P )
,T
32
(P )
et les bornesT
13
,T
25
.Dans ha unede esrégions,deséquations diérentessontensuiteutiliséespourle al uldes
propriétés.
Cependant, omme mentionné pré édemment, une subtilité dans la modélisation des
pro-priétés est que plusieurs ouples de variables thermodynamiques peuvent être utilisés pour
dé rireleuide.Ainsi,le oupledevariablesretenuespourles onne teursuidesestsouvent
le ouple
(P, h)
etnonle ouple(P, T )
.Ave esvariables,l'arbrededé isionpourdéterminerdans quelle région se trouve le uide n'est alors plus aussi dire t omme on peut le voir en
Figure2.4.
Par ailleurs, il peut arriver dans ertains as que les équations se formulent plus fa ilement
en fon tion de variables autres que elles des onne teurs
(P, h)
(par exemple(P, T )
,(P, u)
ou
(P, s)
). Dans e ontexte, un point fort des tables IAPWS-IF97 est de fournir desrésolution de problèmes d'inversion quinuisent à l'e a ité delasimulation.
50
100
150
200
250
Pressi
on [bar]
500
1000
1500
2000
2500
3000
3500
4000
Enthalpie spécifique [kJ/kg]
Régions
4
Figure 2.4 Régions
(P, h)
destables del'eau IAPWS-IF97Lessystèmesétudiésdans ettethèseselimitentnormalement auxrégions1(eauliquide),
2(vapeursous- ritique) et4 (mélangeeau/vapeur).
Gaz
Dans ThermoSysPro,les gaz (du moins euxqui ne sont pas onsidérés ommedes
om-bustibles,àl'instardugaznaturel)sontdonnésparleur ompositionmassiquedanslesquatre
gaz O
2
, CO2
, H2
Oet SO2
.Ces données sont susantes pour la plupart des gaz étudiés quisontsouvent del'airoudesfuméesde ombustion.Lespropriétés sont al uléesselonle
stan-dard NASA[16℄.
La librairie Media de la librairie standard Modeli a ore quant à elle une des ription plus
générale des uides, en utilisant les apa ités d'héritage permises par Modeli a : tous sont
dé ritsparuntableaude ompositionmassiquemaisle al uldespropriétés estspé iqueau
uide onsidéré. Ave ette appro he, la même des ription est utilisée pour l'eau, les gaz et
lesautresuides(uides ryogéniquesparexemple).Ildevientégalementpossibledemodier
leuidede travail dansun omposant sansavoirà redénir elui- i.
Combustibles
Dans les entralesd'énergie étudiées, la haleur peutêtre produite par ombustion entre
om-Figure2.5Dénitiondessenspositifsdesdébits.Noeuddemélange(gau he),Composant
bi-ports (droite)
massique dans les éléments C, H, O, N et S. Ces omposants sont en eet les onstituants
prin ipaux des ombustibles usuels. La réa tion de ombustion onsidérée peutêtre plus ou
moins omplexe.Dans ThermoSysPro, l'hypothèse est faite que les réa tions de ombustion
sont faites en ex ès d'air, 'est-à-dire qu'il n'y a pasde formation de monoxyde de arbone
dans les fumées (un gaz qui ne fait d'ailleurs pas partie des 4 gaz ités dans le paragraphe
pré édent).La réa tion onsidéréeest ainsi:
C
x
Hy
Oz
Nr
St
+ u
02
+ v
N2
→ a
C02
+ b
H2
+ c
S02
+ d
N2
+ eO
2
Lors d'une réa tion de ombustion, les loisde onservation de la masse s'appliquent sur
haqueélémentCHONSetsurlamassetotale.Cesdeuxéquationspermettent dedéterminer
lamassede 0
2
,C02
,H
2
0
etS02
dansles fumées.La onservation de l'énergieprendquant àelle en ompte lePCI du ombustible etlavariation d'enthalpiedes omposants forméslors
de leurmontée entempérature etpermetdedéterminer latempérature desfumées.
2.1.2.6 Modélisation des inversions de débit
La modélisationdesinversions de débitrequiert une attention parti ulière.Onretient i i
omme variables le ouple
(P, h)
et l'on onsidère deux as : les n÷uds de mélange et leséléments biports. Dans un n÷ud de mélange idéalisé, on dénit omme positifs les débits
sortantsdun÷ud(respe tivemententrant dansles omposants onne tés).Une onnexionde
n
omposants orrespondauxéquationsde onservationdelamasseetdel'énergiesuivantes:0 =
n
X
p=1
q
p
0 =
n
X
p=1
q
p
∗
h,
siq
p
> 0
h
p
,
siq
p
≤ 0
Où
h
est l'enthalpieau n÷ud de mélangeeth
p
l'enthalpieen amont du omposantp
. Cettesituation estreprésentée surlagurede gau he en Figure2.5.
Lapremièrefaçondemodéliser ette onnexion, etquiest elleretenuedanslalibrairie
Ther-moSysPro,estune trans riptiondire tedujeu d'équationssuivant, enutilisant desbran hes
onditionnelles if.
h
eth
p
sont i i dénies au sein des onne teurs uide, et leur valeur estque
h
est dis ontinu lors d'une inversionde débit, passant dire tement deh
1
àh
2
lorsque ledébitdevientnégatif.On onstateégalementquelorsqueledébitestnul(
q
1
= q
2
= 0
),l'équa-tionde onservationdel'énergieestsatisfaitepourn'importequellevaleurde
h
etiln'estpluspossible de la dénir uniquement. On parle de singularité. Ces deux aspe ts peuvent poser
problèmelors delarésolution du système.Pour etteraison, ThermoSysPropropose pour la
plupart des omposants une régularisation pour desdébits inférieursà un débit minimal
q
ǫ
.La onvention estqu'au sein des omposants depertede harge, onne al ulel'enthalpiede
mélange
h
quepourle onne teurenamontdudébit.Pourlesélémentsbiports,lesenspositifdu débit est déni par onvention : le onne teur en amont par défaut est le onne teur 1
ommemontré dansl'illustrationde droite enFigure 2.5.On posealors
q = q
1
= −q
2
.0 =
h
2
− C
2
.h,
siq < −q
ǫ
h
1
−
1
2
C
1
.h + C
2
.h + (C
1
.h − C
2
.h) sin(
π
2
q
q
ǫ
)
,
si−q
ǫ
≤ q ≤ q
ǫ
h
1
− C
1
.h,
siq > q
ǫ
La deuxième formulation que l'on va présenter est inspirée de elle retenue dans la
li-braire
M edia
du standard Modeli a [14℄, qui introduit un nouveau type de donnée danslesonne teurs uides :
stream
.Une variablestream
orrespond à une grandeur qui transitepar une variable de ux (i i le débit).C'est le as par exemple de l'enthalpie ou de la
om-position massique d'un uide. Les onne teurs uides dénis ave e standard ontiennent
ainsi ommevariable
stream
l'enthalpieh
i
en amont du omposant. L'enthalpie de mélangene fait plus partie du onne teur lui-même. A la pla e, une fon tion nommée inStream est
utiliséeande al uler pour ha un des omposants
i
onne tésensemblelavaleurqu'auraith
si le débit allait du n÷ud vers e omposant (soitq
i
> 0
) . C'est omme si l'on al ulaitn
versions possiblesdeh
.Cesn
versionspermettent ommeon leverra parla suite derégu-lariser la transitionlors d'uneinversion de débit. La formulation inStream n'utilise plus des
tests onditionnels omme pré édemment mais une version régularisée de la fon tion
max
.L'expression de inStream pour le onne teur
i
reliéau noeudde mélangeest lasuivante:inStream(h
i
) =
P
j=1..n,j6=i
max(−q
j
, 0)h
j
P
j=1..n,j6=i
max(−q
j
, 0)
(2.5)Comme on peut le onstater, ette formulation pose problème lorsque tous les débits sont
nuls. Pour etteraison, unerégularisation est aussiintroduitelorsque tous lesdébits entrant
danslen÷udde mélangesont pro hesde 0, 'est-à-dire
|σ
i
| ≤ q
ǫ
,aveσ
i
=
X
j=1..n,j6=i
max(−q
j
, 0)
(2.6)La régularisation employée pour
|σ
i
| ≤ q
ǫ
et que l'on retiendra par la suite dière quelquepeu de elle employée dansThermoSysPro. Elle sera importantedansle hapitre 3 onsa ré
àl'optimisation, où l'onrequiert que lesmodèles soient diérentiables.
Régularisation des inversions dedébit :
On introduit la fon tion diérentiable posMax
ǫ,w
(x)
représentée dans la Figure 2.6. Lex
−
0
.
5
0
.
5
1
posMax0.2,0.5
(x)
0
.
4
0
.
6
0
.
8
1
0
max(x, 0)
Figure2.6 Fon tion posMax
minimale. Cette fon tion vérie posMax
ǫ,w
(x < 0) = ǫ
, posMaxǫ,w
(x > ǫ) = x
et estdénie par :posMax
ǫ,w
(x) =
ǫ,
siτ < 0
(2ǫ − w)τ
3
+ (2w − 3ǫ)τ
2
+ ǫ,
si0 ≤ τ ≤ 1
x,
siτ > 1
,
aveτ =
x
w
(2.7)Onpourraomettre les paramètres
w
etǫ
pour ra our ir lanotation.Inversion de débit ave la fon tionposMax :
La fon tion posMax peut être employée dans le s héma à grille dé alée, par exemple utilisé
lorsde ladis rétisation spatialed'uneEDP.Dans e as, l'enthalpie auseindelamaille
i
estnotée
h
vol,i
:H
i−1
− H
i
= ρ
i
V
i
dh
vol,i
dt
(2.8)Ave
H
i
donné par :H
i
= q
h
vol,i
,
siq ≥ 0
h
vol,i+1
,
siq
i
< 0
(2.9)
Un lissagede ette expressions'ee tueen remplaçant leséquations de (2.9) par
H
i
=
posMax(q)h
vol,i−1
−
posMax(−q)h
vol,i+1
Ceprin ipe sera appliquédansle asd'étude 2.3.2.
2.2 Formalisme DAE pour la modélisation 0D/1D
Onaprésenté jusqu'alorsdes on epts demodélisationpourles entralesd'énergie.Dans