HAL Id: tel-01687562
https://hal.archives-ouvertes.fr/tel-01687562
Submitted on 18 Jan 2018
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.
de chaleur
Loïc Giraud
To cite this version:
Loïc Giraud. Modélisation dynamique et gestion avancée de réseaux de chaleur. Energie électrique.
Université Grenoble Alpes, 2016. Français. �tel-01687562�
THÈSE
Pour obtenir le grade de
DOCTEUR DE LA COMMUNAUTE UNIVERSITE GRENOBLE ALPES
Spécialité : Electronique, Electrotechnique, Automatique, Télécommunications
Arrêté ministériel : 7 août 2006
Présentée par
Loïc GIRAUD
Thèse dirigée par Christian SCHAEFFER
préparée au sein des Laboratoire des Systèmes Haute Température (Chambéry) et
Laboratoire de Génie Electrique (Grenoble) dans l'École Doctorale EEATS
Modélisation dynamique et gestion avancée de réseaux de
chaleur
Thèse prévue d’être soutenue publiquement le 27/10/2016, de vant le jury composé de :
Mr. Guillaume SANDOU
Professeur, Supélec, Rapporteur
Mr. François MARECHAL
Professeur, Ecole Polytechnique Fédéral de Lausanne, Rapporteur
Mr. Philippe HABERSCHILL
Maître de conférence, INSA Lyon, Examinateur
Mr. Christian SCHAEFFER
Professeur, Université Grenoble-Alpes, Directeur de thèse
Mr. Roland BAVIERE
Docteur, CEA/LITEN, Encadrant
Mr. Cédric PAULUS
Ingénieur, CEA/LITEN, Encadrant
Mr. David CANAL
Ingénieur, ADEME, Invité
Mr. Nicolas GIRAUD
Ingénieur, CCIAG, Invité
- i -
Remerciements
Une thèse est souvent considérée comme un parcours long, difficile et solitaire. Pour ma part, je ne peux nier les deux premiers points. Mais le doctorat est une expérience pleine de rencontres et d’interactions humaines qui sont les fondements de la créativité et permettent l’évolution des réflexions et l’enrichissement personnel.
Dans le travail de rédaction, cette section « Remerciements » est à mes yeux une partie très importante tant je tiens à remercier comme il se doit les personnes m’ayant encadré, soutenu et encouragé pendant ces trois années.
Mes premiers remerciements vont naturellement à mes deux encadrants, Roland Bavière et Cédric Paulus. Grâce à leurs précieux conseils et leur expertise, ils m’ont beaucoup transmis et appris tout au long de ces années de doctorat, et ce toujours dans la bonne humeur et avec bienveillance. Leur confiance et leur soutien ont été essentiels dans la réussite de cette thèse. Je remercie tout particulièrement Roland pour sa rigueur scientifique et sa disponibilité qui m’ont permis, je crois, de progresser dans ma façon de travailler tant sur le fond que sur la forme. Bien que le prix d’ « employé Réseau de Chaleur de la semaine » ne lui ait jamais été décerné, il possède sans conteste le titre de
« mentor Réseau de Chaleur de ma thèse ».
Je souhaite également remercier mon directeur de thèse, Christian Schaeffer, pour son expérience et son ouverture qui m’ont permis de prendre du recul sur mon travail, mais surtout pour avoir toujours su me motiver et me redonner du courage dans les moments difficiles.
Grâce à eux et leur complémentarité, j’ai reçu un encadrement complet que je souhaite à tout doctorant.
J’adresse mes sincères salutations à tous les membres du Laboratoire des Systèmes Haute Température de l’INES. La bonne humeur et l’ambiance générale de travail font partie des forces de cette équipe.
Puisse la chaîne de gâteaux continuer d’exister !
Je tiens à remercier tout particulièrement le groupe Réseau de Chaleur avec en premier lieu Mathieu Vallée. Son temps et ses compétences informatiques ont toujours été d’une grande aide, tout autant que ses rires et sa générosité qui rendent les journées plus agréables. Je tiens aussi à exprimer ma reconnaissance à Jean-François Robin qui a participé au développement de la maquette d’étude. Merci également à Massinissa Merabet pour toutes les connaissances qu’il m’a transmises dans le domaine de l’optimisation, mais également pour toutes les fois où il m’a gentiment proposé de réduire son bilan carbone. Ce fut un plaisir !
Je remercie ma collègue de bureau, Delphine Triché, pour l’entraide et l’échange sur notre expérience commune de doctorat. L’avancée en parallèle dans nos thèses respectives m’a été très bénéfique.
J’espère que c’est réciproque !
J’adresse aussi mes sincères remerciements aux collègues avec qui j’ai eu le plaisir d’échanger, de discuter de sujets parfois professionnels, souvent personnels, et qui sont devenus des amis.
Cette thèse, cofinancée par l’ADEME et la Compagnie de Chauffage Intercommunale de
l’Agglomération Grenobloise (CCIAG), s’inscrit dans un projet de développement d’un système de
- ii -
gestion avancée pour la CCIAG. Mes remerciements vont bien sûr à ces deux organisations qui, grâce à leur soutien financier, m’ont permis de réaliser cette étude.
Je remercie en particulier Elise Le Goff et Nicolas Giraud de la CCIAG pour le partage de leurs connaissances, l’accès aux données et l’expérience qu’ils m’ont permis de mener sur le réseau de Grenoble. Je suis également reconnaissant à mon encadrant ADEME, David Canal, qui a toujours su apporter une vision intéressante à ce travail.
Enfin, je souhaite remercier chaleureusement tous mes proches, famille et amis, que j’ai quelque peu délaissés ces derniers mois. Leurs attentions et encouragements ont été une source de réconfort et de motivation permanente.
Que ce soit dans le sport, le théâtre, les jeux ou les soirées, je remercie tous ceux qui ont rendu possible ces moments d’évasion et de détente. Merci en particulier à Clément, Hugo, Pierre et Tim pour toutes les discussions passionnantes sur nos envies et nos ambitions d’avenir. Je rêve que ces paroles deviennent un jour réalité !
J’adresse toute mon affection à mes parents, Geneviève et Richard, qui ont toujours eu une confiance sans faille dans mes choix. Mes visites trop rares dans le havre familial sont toujours sources de bien- être et d’apaisement.
Enfin, mes derniers remerciements vont à Chloé, pour sa présence au quotidien, son écoute et son
soutien moral, dans cette thèse comme dans tous les moments de la vie. Cette aventure à ses côtés
aura une fois de plus été épanouissante à tous points de vue. Je sais que l’avenir nous en réservera de
nombreuses autres.
- iv -
Résumé
Résumé
Les Réseaux de Chaleur (RdC) connaissent un nouvel essor en France qui s’explique par leur capacité à valoriser, à un prix raisonnable, des énergies bas carbone dans les domaines du chauffage et de l’eau chaude sanitaire aujourd’hui fortement émetteurs de CO
2. L’amélioration du contrôle de ces systèmes complexes est un enjeu clé pour accroître leur compétitivité et favoriser leur développement.
Cette thèse s’intéresse à la gestion par commande optimale des RdC. Pour cette application, nous avons développé et évalué un algorithme qui, à partir d’une prévision de la demande, optimise l’utilisation des différents moyens de production ainsi que les températures de départ et la pression différentielle.
Par rapport aux systèmes existants, les originalités de notre solution sont de tirer pleinement partie des capacités de stockage thermique dans le réseau et de déterminer le meilleur compromis entre coûts électriques liés au pompage et pertes thermiques.
Cette thèse débute par un travail de modélisation dynamique réalisé à l’échelle composant. En nous appuyant sur une démarche de validation expérimentale, nous avons systématiquement recherché le meilleur compromis entre précision et efficacité numérique (Chapitre 1). Le cas d’étude, décrit dans le Chapitre 2, est un RdC virtuel à l’échelle d’un quartier, représentatif du cas Grenoble. Pour le développement du système de gestion avancée, nous présentons ensuite une version linéarisée du modèle de réseau de distribution que nous intégrons à un optimiseur en suivant le formalisme de la programmation linéaire mixte. L’algorithme de gestion proposé est ensuite décrit (Chapitre 3). Il associe un modèle dynamique non-linéaire et l’optimiseur précité. L’objet du quatrième chapitre est l’évaluation des performances de notre algorithme par la simulation et la comparaison à des méthodes de contrôle existantes. Enfin, un dernier chapitre étudie la robustesse de l’algorithme en condition de commande réelle, c’est-à-dire en tenant compte de différentes sources d’incertitude.
Mots-clefs : Réseau de Chaleur, Modélisation Dynamique, Commande Optimale, Programmation Linéaire Mixte
Abstract
District Heating (DH) are currently fast-growing in France. This situation is explained by their ability to exploit and disseminate massively, at a reasonable price, energy sources with low CO
2contents in the sectors of space heating and domestic hot water production, nowadays strongly emitters of greenhouse gases. Improving the control of these complex energy systems is a key issue for increasing their competitiveness and promote their development.
This thesis focuses on the optimal control of DH systems. For this application, we have developed and tested an algorithm that optimizes, given a load prediction, the use of the production means, the supply temperature and the differential pressure. Compared to existing methods, the original features of the developed solution are to fully exploit the thermal storage capacity of the network and to determine the best compromise between electrical costs for pumping and heat losses.
This thesis begins with a work on dynamic modeling carried out at the component scale. Based on an
experimental validation approach, we systematically sought the best compromise between accuracy
and computational efficiency (Chapter 1). The case study, described in Chapter 2, is a virtual DH at the
district scale, representing the Grenoble case. For the development of the advanced control system, we
- v -
then present a linearized version of the distribution network model that we integrate into an optimizer relying on Mixed Linear Programming. The proposed control algorithm is described in Chapter 3. It combines a nonlinear dynamic model and the aforementioned optimizer. The topic of the fourth chapter is the evaluation of the performance of our algorithm by simulation and comparison with existing methods of control. A final chapter examines the robustness of the algorithm in real control conditions considering various sources of uncertainty.
Keywords: District Heating systems, Dynamic Modeling, Optimal Control, Mixed Linear Programming
- vii -
Nomenclature
Lettres latines
Symboles Dénominations Unités
𝑎
𝑖Paramètres du modèle de pompe, 𝑖 ∈ [1: 4]
𝐴 Section m²
𝑐 Coût €
𝐶 Paramètre des modèles de sous-station ESM
3et DTLM [-]
𝑐
𝑝Capacité thermique massique à pression constante J.kg
-1.K
-1𝐷 Diamètre m
𝐷
𝑧𝑧𝑝 ∗Facteur multiplicatif pour la dispersion thermique axiale [-]
𝑒 Epaisseur m
𝑓 Coefficient de pertes de charge [-]
𝑔 Accélération de la pesanteur terrestre m.s
-2ℎ Coefficient d’échange convectif W.m
-2.K
-1𝐻 Enthalpie massique J.kg
-1𝐻̇ Débit enthalpique W
𝐻ℎ𝑖𝑠𝑡 Horizon historique de l’optimisation s
𝐻𝑜 Horizon d’optimisation s
𝑖,𝑗 Indice [-]
𝐼 Coefficient d’inertie thermique J.K
-1𝐼𝑛𝑑
𝑁𝑆Indice de non satisfaction de la demande [-]
𝑘 Coefficient de pertes de charge généralisé m
-1.s
-1𝑘
𝑖Paramètres des modèles de sous-station Tr, 𝑖 ∈ [1: 5]
𝐾 Coefficient de pertes thermiques linéiques W.m
-1.K
-1𝐿 Longueur m
𝑚 Masse kg
𝑚̇ Débit massique kg.s
-1𝑛 Nombre de pas de temps [-]
𝑁 Vitesse de rotation de pompe tr.min
-1𝑂𝑢𝑣 Ouverture de vanne [-]
𝑃 Pression Pa
Δ𝑃 Pression différentielle Pa
𝑞 Paramètre de modèles de sous-stations ESM
3et DTLM [-]
𝑄̇ Puissance W
𝛿𝑄̇
𝑠𝑡Variation de la chaleur stockée dans le réseau W
𝑅 Ratio coût de l’électricité/coût de la chaleur [-]
𝑆 Surface d’échange thermique m²
𝑡 Temps s
Δ𝑡 Pas de temps s
- viii -
𝑇 Température K
Δ𝑇 Variation de température K
𝑢 Energie interne massique J.kg
-1𝑈 Energie interne J
𝑈𝐴 Coefficient d’échange thermique W.K
-1𝑣 Vitesse m.s
-1𝑉 Volume m
3𝑊̇ Travail W
𝑥 Position dans la direction axiale m
Δ𝑥 Longueur d’une maille m
𝑋 Variable binaire caractérisant le démarrage des générateurs [-]
𝑌 Variable binaire caractérisant le statut des générateurs [-]
Lettres grecques
Symboles Dénominations Unités
𝛼 Coefficient des modèles de sous-station [-]
𝛽 Coefficient d’expansion thermique K
-1𝛾 Paramètre d’interpolation des contraintes de la demande K.Pa
-1𝛿 Paramètre d’interpolation des contraintes de la demande K
𝜖 Efficacité de l’échangeur [-]
𝜀 Ecart [-]
𝜂 Rendement [-]
𝜃 Paramètre du modèle de sous-station ESM
3[-]
𝜅 Rugosité des parois m
𝜆 Conductivité thermique W.m
-1.K
-1𝜇 Viscosité dynamique kg.m
-1.s
-1𝜉 Seuil sur l’incrément de température de départ K
𝜌 Masse volumique du fluide kg.m
-3𝜎 Paramètre du modèle de sous-station ESM
3[-]
𝜏 Temps de transport de la chaleur s
𝜏
𝑟𝑎𝑓Temps de rafraichissement du système de gestion s
𝜏
𝑠𝑡𝑎𝑟𝑡Temps de démarrage des générateurs s
𝜏
𝑡ℎ𝑒𝑟𝑚Constante de pertes thermiques s
𝜙 Coefficient d’hystérésis [-]
Indices
Symboles Dénominations
- ix -
𝑎
Relatif à l’acier
𝑐
Relatif au consommateur
𝑐𝑢𝑚
Cumulé
𝑑𝑒𝑚
Demande de chaleur
𝑑𝑒𝑝
Départ
𝑑𝑖𝑠𝑝
Relatif à la dispersion thermique axiale
𝑒𝑙𝑒𝑐
Electricité
𝑒𝑞
Equivalent
𝑒𝑟𝑟
Erreur
𝑒𝑒
Relatif à l’environnement extérieur
𝑒𝑥𝑡
Extérieur
𝑓
Relatif au fluide
𝑓𝑖𝑛
Fin de la simulation
𝑔
Relatif au générateur
𝑖𝑠𝑜
Relatif à l’isolant
𝑖𝑛
Entrée
𝑖𝑛𝑡
Intérieur
𝑙
Indice des intervalles de linéarisation des contraintes de la demande
𝑚𝑜𝑛
Relatif à la montée en température d’un front de chaleur
𝑜𝑢𝑡
Sortie
𝑝
Relatif au côté primaire
𝑝𝑒𝑟𝑡𝑒𝑠
Pertes thermiques
𝑝𝑜𝑚𝑝𝑒
Relatif à la pompe
Δ𝑃
Relatif à la pression différentielle
𝑄
Relatif à la puissance
𝑟𝑒𝑙
Relatif
𝑟𝑒𝑡
Retour
𝑠
Relatif au côté secondaire
𝑇
Relatif à la température
𝑡𝑜𝑡
Total
Exposant Symboles Dénominations
∗
Relatif aux variables d’optimisation
#
Sans prise en compte de l’inertie thermique
𝑎𝑛𝑎
Analytique
𝑐𝑜𝑛𝑠
Consigne
𝑐𝑟𝑖𝑡
Critique
𝑒𝑥𝑝
Expérimental
𝑚𝑎𝑟𝑔𝑒
Marge
𝑚𝑎𝑥
Maximal
- x -
𝑚𝑖𝑛
Minimal
𝑛𝑜𝑚
Nominal
𝑛𝑢𝑚
Numérique
𝑝𝑟𝑜𝑑
Production
𝑟𝑒𝑓
Référence
𝑠𝑡𝑎𝑟𝑡
Démarrage
Nombres adimensionnels
Symboles Dénominations Expression
𝐵𝑟 Nombre de Brinkman 𝐵𝑟 = 𝜇
𝑓. 𝑣
2𝜆
𝑓. Δ𝑇
𝑁𝑢 Nombre de Nusselt 𝑁𝑢 = ℎ. 𝐷
𝜆
𝑓𝑃𝑒 Nombre de Peclet 𝑃𝑒 = 𝑅𝑒. 𝑃𝑟
𝑃𝑟 Nombre de Prandtl 𝑃𝑟 = 𝜇
𝑓. 𝑐
𝑝,𝑓𝜆
𝑓𝑅𝑒 Nombre de Reynolds 𝑅𝑒 = 𝜌
𝑓. 𝑣. 𝐷
𝜇
𝑓𝑅𝑖 Nombre de Richardson 𝑅𝑖 = 𝑔. 𝛽. Δ𝑇. 𝐷
𝑣
3𝑅𝑖
𝑠Nombre de Richardson spécifique 𝑅𝑖
𝑠= 𝑔. 𝛽. Δ𝑇. 𝐷
2𝑣
3. Δ𝑡
Acronymes Sigles Dénominations
ADEME Agence de l’Environnement et de la Maitrise de l’Energie
CCIAG Compagnie de Chauffage Intercommunale de l’Agglomération Grenobloise
CS Système de Contrôle
DTLM Différence de Température Logarithmique Moyenne
EMA Ecart Moyen Absolu
ESM Modèle Explicite de Sous-station
FL Fioul Lourd
GN Gaz Naturel
MC Méthode des Caractéristiques
MH Méta-Heuristique
MPC Model Predictive Control
MVF Méthode des Volumes Finis
MILP Mixed Intger Linear Programming
- xi - NUT Nombre d’Unité de Transfert
OM Ordures Ménagères
RdC Réseau de Chaleur
RMS Ecart-type d’une variable (Root Mean Square en anglais)
SST Sous-STation
Tr Modèle de sous-station de la littérature
UIOM Usine d’Incinération d’Ordures Ménagères
UVE Unité de Valorisation Energétique
- xiii -
Table des matières
Résumé ...iv
Nomenclature ... vii
Table des matières ... xiii
Introduction générale ... 1
Contexte de l’étude ... 1
Présentation des Réseaux de Chaleur (RdC) ... 3
Enjeux et problématiques ... 6
Contenu du manuscrit ... 8
Références bibliographiques de l’introduction ... 10
Chapitre 1. Modélisation et validation des composants ... 12
1.1 Introduction ... 13
Objectif et caractéristiques de la modélisation ... 13
Etat de l’art et hypothèses générales ... 13
Benchmark des outils de modélisation ... 15
Démarche mise en œuvre ... 17
1.2 Modélisation d’un élément de tuyauterie ... 18
Introduction ... 18
La mise en équation des phénomènes ... 18
Méthodes existantes de résolution du bilan de conservation de l’énergie ... 26
Le modèle basé sur la Méthode des Volumes Finis (MVF) ... 28
Le modèle utilisant la Méthode des Caractéristiques (MC) ... 29
Comparaison des modèles ... 31
Conclusions ... 39
1.3 Modélisation d’une sous-station ... 41
Introduction ... 41
Etat de l’art des modèles de sous-stations ... 42
La mise en équation ... 44
Les modèles développés ... 46
- xiv -
Comparaison des modèles ... 49
Conclusions ... 53
1.4 La centrale de production ... 54
Modélisation d’un générateur de chaleur ... 54
Modélisation d’une pompe ... 57
1.5 Conclusions sur la modélisation ... 60
Références bibliographiques du Chapitre 1 ... 62
Chapitre 2. Modélisation et simulation d’un réseau de chaleur ... 66
2.1 Introduction ... 67
Objectifs et contenu du chapitre ... 67
Origine du cas d’étude ... 67
2.2 Présentation du réseau virtuel ... 68
Les consommateurs ... 68
Les sous-stations ... 70
Le réseau hydraulique ... 70
La pompe ... 72
La centrale de production ... 72
Le modèle global ... 73
2.3 Simulation du cas d’étude ... 75
Méthode de gestion du réseau virtuel par défaut ... 75
Solveurs, tolérances et temps de calcul ... 76
Résultats ... 78
2.4 Conclusions ... 84
Synthèse ... 84
Discussions des résultats pour la gestion avancée ... 84
Références bibliographiques du Chapitre 2 ... 85
Chapitre 3. Commande optimale de la production et de la distribution ... 87
3.1 Introduction ... 88
Objectifs ... 88
La nature du problème ... 88
Cadre de l’étude ... 89
3.2 Etat de l’art ... 91
Généralités ... 91
- xv -
L’optimisation de la production ... 91
L’optimisation de la distribution ... 92
L’optimisation globale ... 93
Résumé ... 94
3.3 L’arbitrage chaleur / électricité ... 96
Cas d’étude ... 96
Résultats ... 97
Discussions sur l’arbitrage température de départ/pression différentielle ... 98
3.4 Le système de gestion proposé ... 100
Description générale ... 100
Etablissement du problème d’optimisation ... 103
3.5 Vérification du comportement de l’optimiseur ... 111
Analyse du comportement du modèle linéaire ... 111
Analyse des résultats de l’optimiseur ... 113
3.6 Conclusions ... 117
Références bibliographiques du Chapitre 3 ... 118
Chapitre 4. Applications du système de gestion avancée ... 121
4.1 Introduction ... 122
4.2 Implémentation sur le cas d’étude... 123
Le principe de l’horizon temporel fuyant ... 123
Données d’entrée du système de gestion ... 125
4.3 Analyse du comportement du processus itératif ... 127
Analyse du nombre d’itérations... 127
Analyse du critère de convergence ... 127
4.4 Etude des performances du système de gestion ... 129
Les différents systèmes de gestion comparés... 129
Analyse des performances ... 129
La réponse à la demande des consommateurs ... 133
4.5 Diminution de l’impact environnemental : influence de la taxe carbone ... 138
Introduction ... 138
Cas d’étude ... 138
Résultats ... 140
4.6 Conclusions ... 144
Synthèse ... 144
- xvi -
Perspectives ... 144
Références bibliographiques du Chapitre 4 ... 146
Chapitre 5. La commande réelle ... 148
5.1 Introduction ... 149
Caractéristiques de la commande réelle ... 149
Etat de l’art ... 150
Contenu du chapitre ... 151
5.2 Représentation du fonctionnement en conditions réelles ... 152
Description générale ... 152
Les incertitudes de prévision ... 153
Les incertitudes de contrôle ... 154
Les incertitudes de modélisation ... 155
Etude de sensibilité aux différentes sources d’incertitude ... 155
5.3 Robustification du système de gestion ... 159
Introduction ... 159
La réduction du temps de rafraichissement ... 160
Le contrôle en réactif ... 162
Introduction d’une marge sur les variables de distribution ... 163
La marge sur le contrôle de la production ... 166
Synthèse de la robustification ... 168
5.4 Etude des performances en conditions réelles ... 169
Cas d’étude ... 169
Résultats ... 169
5.5 Conclusions ... 171
Références bibliographiques du Chapitre 5 ... 173
Conclusion générale et perspectives ... 175
Annexes ... 181
A. Annexe A : Cas d’étude de la comparaison analytique ... 182
B. Annexe B : Analyse de sensibilité sur les modèles de tuyau ... 184
C. Annexe C : Compte rendu de l’expérience Front de Chaleur sur le réseau ville CCIAG ... 186
D. Annexe D : La méthode DTLM ... 189
E. Annexe E : Présentation de l’outil d’arbitrage chaleur/électricité ... 191
- 1 -
Contexte de l’étude
« [Les réseaux de chaleur] devront être fortement développés, modernisés, étendus et densifiés au cours des prochaines années, afin de contribuer aux objectifs nationaux de transition énergétique. » [Source : site du Ministère de l’environnement français, 22 janvier 2013]
Pour répondre aux objectifs environnementaux français, notamment de division par 4 des émissions de gaz à effet de serre d’ici à 2050 [1], il est essentiel de s’intéresser au besoin en chaleur du secteur tertiaire et résidentiel puisqu’il représente plus de 20 % des émissions totales françaises de gaz carbonique [2]. La diminution des besoins de chaleur dans ce secteur à travers la construction et la rénovation de bâtiments à haute performance énergétique est primordiale mais insuffisante. En effet, il pourrait rester en 2050 entre 30 % et 40 % de logements équipés d’une isolation thermique antérieure à 1975 [3]. Il faut donc développer des solutions vertueuses pour satisfaire les besoins de chauffage et d’eau chaude sanitaire de ces bâtiments.
Dans ce cadre, les Réseaux de Chaleur (RdC) ont été ciblés par les politiques publiques comme un axe de développement prioritaire puisqu’ils présentent de nombreux avantages d’un point de vue environnemental. Grâce à leur potentiel de centralisation des moyens de production à l’échelle d’une ville, ils permettent le déploiement massif de sources d’énergie d’origine renouvelable et de récupération telles que la biomasse et l’énergie fatale des usines d’incinération, le tout à un coût raisonnable. De plus, ils rendent possible l’accès à des gisements d’énergie non exploitables par des systèmes individuels. D’un point de vue économique, les RdC sont également très intéressants puisqu’ils font partie des moyens de production de chaleur les moins onéreux [4] et permettent le développement d’une activité économique locale de production d’énergie. Le gouvernement français a ainsi fixé des objectifs élevés concernant le développement des RdC [5] :
- multiplier par 3 par rapport à 2007 la quantité de chaleur fournie par les RdC d’ici à 2020 ; - atteindre un taux de recouvrement d’énergie non fossile de 75 % d’ici à 2020 ;
- moderniser les RdC existants pour les rendre plus attractifs.
Le développement des RdC fait d’ailleurs partie des objectifs de la nouvelle loi pour la transition énergétique qui sera mise en application [6].
Par conséquent, la France, et plus largement l’Europe, connaissent depuis une dizaine d’années une nouvelle dynamique de recherche et de développement dans le domaine des RdC. La plupart des travaux de recherche se concentrent sur l’étude de nouveaux RdC basse (< 110 °C) voire très basse température (<70 °C). Ces RdC très performants permettent ainsi l’intégration de sources thermiques à basse température, favorisent la réduction des pertes thermiques et sont particulièrement adaptés aux besoins des nouveaux bâtiments à faible consommation énergétique.
Néanmoins, les RdC à haute température représentent encore une part prépondérante. A titre
d’exemple, plus de 60 % de la chaleur délivrée par les RdC en France est produite à une température
supérieure à 110 °C. Ces systèmes « d’ancienne génération » méritent donc toute l’attention des
politiques publiques et des activités de recherche. Si une modification significative de leur niveau de
- 2 -
température semble peu probable à court terme puisqu’il dépend en grande partie des installations dites « secondaires » des clients, plusieurs pistes d’amélioration peuvent cependant être avancées. Sur le plan de la production, l’adaptation de chaudières charbon à des combustibles de type biomasse ou la valorisation énergétique de chaleur fatale sont des exemples d’axes de développement à investiguer. A plus long terme, l’installation de panneaux solaires haute température et bas coût est également une perspective. Sur le plan de l’amélioration des systèmes existants, la recherche et l’identification des fuites, l’installation de capacités de stockage thermique et la mise au point de systèmes de gestion intelligente, c’est-à-dire anticipative, sont également des axes à retenir.
Cette thèse s’intéresse plus spécifiquement à ce dernier sujet, qui est très prometteur en raison du ratio très avantageux entre coût d’investissement et bénéfices économiques et/ou environnementaux.
Des travaux de recherche sont néanmoins nécessaires dans ce domaine étant données les nombreuses
problématiques associées, notamment concernant la modélisation des systèmes complexes étudiés,
la recherche du compromis entre représentativité du système physique et temps de calculs ou encore
l’élaboration d’un problème d’optimisation adapté au formalisme choisi.
- 3 -
Présentation des Réseaux de Chaleur (RdC)
Description générale
Un RdC est une installation permettant la production centralisée de chaleur et son acheminement jusqu’aux usagers pour le chauffage, la production d’eau chaude sanitaire ou des besoins industriels.
Un RdC comprend une ou plusieurs centrales de production de chaleur, un réseau de canalisations et un ensemble de sous-stations qui permettent la livraison d’énergie aux consommateurs (cf. Figure i).
Figure i. Schéma d'un Réseau de Chaleur [7]
Une centrale de production est en général composée de plusieurs générateurs pour produire la chaleur demandée. Un générateur peut par exemple être une chaufferie alimentée par un combustible (gaz, bois, charbon, fioul…), une usine d’incinération d’ordures ménagères (UIOM), une unité de géothermie ou encore un ensemble de capteurs solaire thermique. Une centrale de production est également équipée d’une ou plusieurs pompes assurant la circulation du fluide dans le réseau de distribution.
Le réseau de canalisations, couramment appelé réseau primaire ou réseau de distribution, assure le transport de la chaleur grâce à la circulation d’un fluide caloporteur, souvent de l’eau, pressurisée ou non, sous forme liquide ou vapeur. Ce réseau, composé de tuyaux de différentes sections, possède généralement deux conduites parallèles : une ligne aller permettant l’acheminement du fluide chaud (entre 70 °C et 180 °C) jusqu’aux consommateurs et une ligne retour dans laquelle le fluide refroidi (entre 40 et 90 °C) est retourné à la centrale de production. Lorsqu’une sous-station peut être alimentée suivant plusieurs parcours possibles, le réseau est dit maillé. A l’inverse, si un seul chemin est possible, le réseau est dit branché.
Les sous-stations permettent le transfert de la chaleur du réseau de distribution aux consommateurs.
Elles contiennent un ou plusieurs échangeurs de chaleur ainsi qu’une vanne de régulation permettant le contrôle du débit du réseau primaire traversant la sous-station pour répondre à la demande des consommateurs. Un compteur permet de mesurer l’énergie transférée aux consommateurs à des fins de facturation.
Les RdC peuvent également être équipés de moyens de stockage. En stockant la chaleur pour la
transmettre au réseau ultérieurement, ils permettent le lissage de la production pour éviter
l’utilisation de générateurs de pointe onéreux et polluants.
- 4 -
Le positionnement des RdC dans le mix de chaleur
La part des RdC dans le mix de chaleur est très différente d’un pays à l’autre. Dans les pays d’Europe du Nord et de l’Est, les RdC approvisionnent une part importante de la population : 95 % en Islande, 65 % en Lituanie et Lettonie, 60 % au Danemark, 50 % en Suède et Finlande et 40 % en Pologne et République Tchèque (cf. Figure ii). Le Danemark est d’ailleurs considéré comme la référence en matière de recherche et développement dans ce domaine. En valeur absolue, l’Allemagne est le pays européen produisant le plus d’énergie à partir de RdC, environ 300 TJ.
Figure ii. Energie délivrée et pourcentage de la population fournie par des RdC par pays [8]
En France, seulement 6 % des besoins en chaleur sont fournis par des RdC, soit 78,5 TJ. En 2013, le Syndicat National du Chauffage Urbain (SNCU) recensait 501 RdC pour une fourniture totale annuelle de près de 25 TWh
thet une puissance totale installée de 18 GW
th. Ce dernier chiffre a augmenté de 1,5
% en 10 ans [9].
Le plus gros RdC de France, celui de Paris, est un réseau vapeur disposant de 480 kms de canalisations dont la puissance installée est de 4,32 GW. Le second est celui de Grenoble. Il possède 225 kms de canalisations, environ 1000 sous-stations et une puissance installée d’environ 0,9 GW. A eux deux, ces réseaux fournissent plus de 30 % de la chaleur produite par les RdC français.
Le fonctionnement des RdC
La demande des consommateurs varie en permanence. La gestion des RdC est donc essentielle pour adapter la production de la chaleur à la demande. Cette gestion est réalisée au niveau des centrales de production et de la distribution (cf. Figure iii).
Figure iii. Les variables de contrôle des RdC
Concernant la gestion des centrales, la répartition de la production de chaleur entre les générateurs doit être définie. Elle est généralement réalisée avec l’objectif de minimiser les coûts de production.
0%
20%
40%
60%
80%
100%
0 50 100 150 200 250 300
Pourcentage de la population (%)
Energie délivrée (TJ)
Energie délivrée (TJ) Pourcentage de la population fournie (%)
Demande
Temps
Demande
Temps
Demande
Temps
Puissance produite
Temps
