Professional Documents
Culture Documents
ole pr
edictif dune chaufferie collective
multi-
energie : un cas d
etude
Julien Eynard, Stephane Grieu, Monique Polit
JD-MACS 2011
Contrle prdictif dune chaufferie collective
multi-nergie : un cas dtude
Julien Eynard1 , Stphane Grieu1 , Monique Polit1
1
I. Introduction
Depuis la fin du XXme sicle, le Groupe dexperts Intergouvernemental sur lvolution du Climat (GIEC) [1] est
le corps scientifique de rfrence concernant le changement
climatique. Les principales observations ralises amnent
penser que lune des causes de ce changement est laction anthropique, notamment lutilisation dnergies fossiles mettrices de Gaz Effet de Serre (GES). Avec la fin
du protocole de Kyoto en 2012, protocole qui imposait une
rduction lchelle globale de ces missions, lUnion Europenne a dcid, pour 2020, de promouvoir lutilisation
des nergies renouvelables [2] (20 %), de rduire les missions de GES [3] (20 %) et damliorer lefficacit nergtique (+20 %). Cet article prsente les travaux raliss
dans le cadre du projet Opti-EnR [4] portant sur loptimisation dune chaufferie collective multi-nergie situe
La Rochelle (France) et gre par Cofely GDF-Suez. Celleci fournit leau chaude sanitaire et le chauffage des logements et des btiments publics. Cette chaufferie, dcrite dans la section II, exploite des ressources renouvelables (bois) et fossiles (gaz et fioul). Lobjectif principal
du projet, termin fin 2010, tait doptimiser le fonctionnement de cette chaufferie en minimisant le recours aux
nergies fossiles. Ce dernier a pu tre atteint grce au bon
droulement des quatre tches dcrites par la figure 1. La
(i g e) : Ti,k+1 =
(i e) : Ti,k+1 =
(i > e) : Ti,k+1 =
T +i Tk
e ) k
i
(V V )Ti,k +V Ti+1 (k)+i Tkamb
i
(V (
))Ti,k +(
(1)
T
+ V T in +i Tkamb
(V ( V
e )) i,k ( e ) k
i
(V V )Ti,k +V Ti1,k +i Tkamb
i
(2)
le FIT (coefficient de ressemblance) obtenus avec la mthodologie AMR-RNA pour la prdiction de Text et de Pres . La
ligne 3 du tableau prsente les rsultats obtenus en estimant
Pres partir de la temprature extrieure Text prdite, par
simple rgression linaire. Enfin (ligne 4), une approche hybride combinant les deux approches prcdentes et exploitant leurs caractristiques temporelles propres, notamment
concernant les pics de consommation, permet damliorer
la prcision obtenue pour Pres .
TABLE I
Configuration optimale
Paramtre
Ordre de londelette
Niveau de dcomposition
Neurones cachs par rseau
Squences passes
Priode dchantillonnage
Symbole
R
N
F
M
TSE
Valeur
4
5
5
4
30 mn
TABLE II
Prdiction de Text et de Pres
Variable
4H30
Text
4H30
Pres
T 4H30
ext
Pres
hyb
Pres
FIT
60,6 %
44,7 %
ERM
4,14 %
6,07 %
EAM
1,15 C
663,6 kW
38,4 %
46,9 %
6,94 %
5,85 %
758,3 kW
639,1 kW
A. Critres doptimisation
Des critres minimiser ont t dfinis pour optimiser
le fonctionnement de la chaufferie. Les quations (3-8) dfinissent : J1 le cot relatif la consommation de combustible, J2 la diffrence positive entre la temprature de leau
rejoignant le rseau (Tdepres ) et sa consigne (Tconsires ),
J3 la consommation dnergie (en PCI), J4 le taux de couverture fossile, J5 les missions de CO2 et J6 les performances de la chaufferie avec systme de stockage, compares ses performances sans systme de stockage. Le tableau III prsente le Prix Unitaire (P U ), lnergie Unitaire
(EU ) et les missions de CO2 en Analyse en Cycle de Vie
Unitaire (ACVU) pour chaque combustible [21]. Notons
que, pour le bois, la variable associe sa consommation
est le nombre de coups de poussoir (N CP ) introduisant le
combustible dans la chaudire chaque 5 minutes (37 kg de
bois en moyenne par coup de poussoir). La minimisation
de lun des critres proposs dfinit la stratgie de contrle
pour loptimisation du fonctionnement de la chaufferie. J6
tient compte de faon quitable de lensemble des considrations relatives aux cinq premiers critres proposs.
J1 = P Ubois N CP + P Ugaz Vgaz + P UF OD VF OD (3)
E
N
X
(k)
Tconsires (k) Tdepres
1
(4)
J2 =
E
2N
T
(k)
T
(k)
consires
depres
k=1
(6)
(7)
J4 =
J5
J6 =
5
1 X
Jn (avec stockage thermique)
100
5 n=1
Jn (sans stockage thermique)
(8)
TABLE III
Caractristiques des combustibles
P U [e]
EU [kWh]
ACV U [kgCO2 ]
Bois []
1,8648
133,2
1,7316
Gaz m3
0,378
10,5
2,283 84
Fioul [l]
0,40
9,76
2,928
B. Contrle prdictif
Le contrleur prdictif dvelopp pour optimiser le fonctionnement du site de La Rochelle exploite les modles de
la chaufferie et de lunit de stockage ainsi que les prdictions de la temprature extrieure et de la puissance thermique consomme par le rseau de chaleur. Il calcule la
squence optimale des commandes appliquer au processus sur lhorizon de prdiction en minimisant une fonction
objectif. Ce type de contrleur nest pas intrinsquement
plus ou moins robuste que des contrleurs classiques, mais
il peut tre rgl assez simplement [22]. De plus, il prsente
de bonnes proprits de stabilit [23] et peut tre utilis
pour contrler des systmes non-linaires [24], hybrides [25]
ou mme rapides [26]. Il est, ce titre, souvent utilis pour
contrler en temps rel les processus industriels [27]. Dans
notre cas, la temprature de consigne de la chaudire
bois (TconsiCH2 ) et le dbit de leau traversant la cuve de
stockage (Debstock ) sont les deux variables de commande
(figure 2). Notons galement que le contrleur doit communiquer avec le systme de monitoring actuellement implant
sur le site pour obtenir en temps rel les mesures ralises
la chaufferie (figure 2). Les quations (9,10) dfinissent
respectivement le vecteur de commande optimiser et les
contraintes lies au problme doptimisation, avec p lhorizon de prdiction et c lhorizon de contrle. Ainsi, lunit
de stockage ne doit pas stocker dnergie lorsque la chaudire gaz-fioul est enclenche (EncCH1 = 1) alors que
la stratification thermique doit toujours tre protge. Par
consquent, pour pouvoir stocker, la temprature de leau
sortant de la bouteille de dcouplage hydraulique Tdepbout
doit tre suprieure la temprature de la couche suprieure deau au sein de la cuve (Tsupstock ). En accord avec
Cofely GDF-Suez, la fonction objectif minimiser sur lhorizon de prdiction est J1 . La rsolution du problme doptimisation non-linaire est ralise grce un algorithme
de recherche directe par motifs gnraliss [28]. Cet algorithme value chaque itration la valeur de la fonction
objectif en plusieurs points situs autour du point considr litration prcdente, selon une grille dfinie par
un motif fix et tendue un certain primtre (qui dfinit donc les intervalles de la grille). Lorsque lalgorithme
dtermine un nouveau minimum pour la fonction parmi
les valuations fates sur cette grille, le primtre dtude
est tendu la prochaine itration (augmentation des intervalles de la grille). Dans le cas contraire, si aucun nouveau minimum nest dtermin, le primtre de recherche
est restreint (diminution des intervalles de la grille). Cet
algorithme a lavantage dtre adapt un problme doptimisation global non-linaire, o le gradient de la fonction
est inconnu, et est communment utilis pour la rsolution
de problmes industriels complexes [29].
Debstock (k/k), . . . , Debstock (k + c 1/k)
(9)
TconsiCH2 (k/k), . . . , TconsiCH2 (k + c 1/k)
(10)
C. Rsultats de simulation
Le contrleur propos a t test en simulation pendant
45 jours, de mi-janvier dbut mars. Une tude concernant
linfluence du volume de la cuve de stockage a t ralise
(de 500 m3 4000 m3 ). Le tableau IV prsente les configurations obtenues les plus intressantes (M P C1 , M P C2 et
M P C3 ). Les performances sont compares aux valeurs de
rfrence, cest--dire sans systme de stockage ni contrle
prdictif.
TABLE IV
Configurations remarquables
Critres
Nom
Unit
Vtot
m3
N bCP
Vgaz
m3
VF OD
l
J1
ke
J2
C
J3
MWh
J4
%
J5
tCO2
J6
%
Rfrence
0
24 635
38 001
3287
61,62
0,56
3712
11,6
139,1
100
Configurations
M P C1 M P C2
1000
1500
21 260
21 203
17 553
17 533
2043
2244
47,10
47,07
0,247
0,252
3036
3030
6,73
6,80
82,9
83,3
64,0
64,3
M P C3
4000
21 482
17 207
2436
47,54
0,272
3066
6,67
83,6
65,2
[8]
VII. Conclusion
Les travaux prsents dans cet article traitent de loptimisation du fonctionnement dune chaufferie multi-nergie
qui fournit de leau chaude grce un rseau de chaleur. La
chaufferie a dabord t modlise par le biais de modles
de types botes blanches, botes grises ou botes noires, selon une approche modulaire. Cette dernire a t choisie
en raison de la complexit du problme et des fortes interactions entre les diffrents lments constituant la chaufferie. Ensuite, une cuve deau chaude avec stratification
thermique a t ajoute au circuit primaire, modlise puis
intgre au modle global de la chaufferie. Lobjectif du
projet Opti-EnR tant dimplanter un contrleur prdictif
pour optimiser le fonctionnement du site de La Rochelle,
les variables exognes au modle global de la chaufferie (la
temprature extrieure et la puissance thermique consomme par le rseau de chaleur) ont t prdites. Le module
dvelopp est bas sur une analyse multi-rsolution par
transforme en ondelettes discrte et sur lutilisation des
rseaux de neurones artificiels. Enfin, un contrleur prdictif a t dvelopp pour optimiser sur un horizon de prdiction de 4h30 lutilisation du systme de stockage et de
la chaudire bois. Ce contrleur exploite les modles prcdemment dvelopps et les prdictions des variables exognes. Les rsultats obtenus en simulation montrent que
ce contrleur permet de rduire de faon significative la
consommation dnergie fossile, les missions de CO2 et le
cot de fonctionnement. Les travaux futurs considreront
dautres systmes de stockage nergtique et dautres possibilits dintgration au sein de la chaufferie. Diffrents
types de contrleurs (p. ex. flous ou neuronaux) pourront
galement tre essays, avant une implantation in-situ des
outils dvelopps.
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
Rfrences
[1]
[2]
[3]
[4]
[5]
[6]
[7]
Susan Solomon, Dahe Qin, Martin Manning, Melinda Marquis, Kristen Averyt, Melinda M.B. Tignor, Henry LeRoy Jr
Miller. et Zhenlin Chen : Climate change 2007 the physical
science basis. Rapport technique, Intergovernmental Panel on
Climate Change, 2008.
EU : Directive 2009/28/EC of the European Parliament and of
the Council of the 23 April 2009 on the promotion of the use of
energy from renewable sources and amending and subsequently
repealing Directives 2001/77/EC and 2003/30/EC, 2009.
EU : Decision No 406/2009/EC of the European Parliament and
of the Council of 23 April 2009 on the effort of Member States
to reduce their greenhouse gas emissions to meet the Communitys greenhouse gas emission reduction commitments up to 2020,
2009.
Julien Eynard : Gestion optimale de lnergie dans un systme
multi-source pour le chauffage de btiments. Thse de doctorat, Laboratoire ELIAUS, Universit de Perpignan Via Domitia,
Octobre 2010.
Vinicio Curti, Michael R. von Spakovsky et Daniel Favrat :
An environomic approach for the modeling and optimization of a
district heating network based on centralized and decentralized
heat pumps, cogeneration and/or gas furnace. Part I : Methodology. International Journal of Thermal Sciences, 39(7):721
730, 2000.
R.A. Dias et J.A.P. Balestieri : Energetic and exergetic analysis in a firewood boiler. Revista De Ciencia & Tecnologia,
12(23):1524, 2004.
S. Lu et B. W. Hogg : Dynamic nonlinear modelling of power
plant by physical principles and neural networks. International
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]