5ème Conférence de la Chaire d’Éco-conception Des ensembles bâtis et des infrastructures 8 novembre 2013
Energétique des bâtiments : application à la gestion et à la réhabilitation Patrick SCHALBART, MINES ParisTech, CES
Contexte et objectifs Augmentation très rapide de la performance énergétique des bâtiments Retard en 2000, amélioration modeste en 2005, BBC en 2012, énergie positive en 2020 ? Neuf mais aussi réhabilitation à basse consommation (construction neuve sur un an = 1% du parc existant), investissements très lourds
Nouvelle demande du marché : garantie de performance énergétique Problématique du lien entre bâtiments et réseau électrique : bâtiment =2/3 de la consommation, chauffage électrique -> pointes en hiver (40 000 en été -> 100 000 MW)
-> forte pression sur l’ingénierie, amélioration des compétences, innovation
2
Simulation énergétique Progresser vers des bâtiments à énergie positive, améliorer le niveau de
confort thermique Analyse en dynamique (captage, stockage et distribution de l’énergie) -> simulation
Structuration en objets, ajout de nouveaux composants (PV, solaire thermique, éclairage…) Simplicité d’utilisation, description d ’un projet et comparaison de variantes -> élaboration d’une interface avec un éditeur Réduction de modèles -> calculs plus rapides -> optimisation
Validation, vérification de la fiabilité des modèles
3
Comparaison sur des maisons basse énergie
Plate forme INCAS, INES (Chambéry) maisons « passives »
Comparaison sur les besoins de chauffage et les puissances maximales, A. Brun et al. 4
Température opérative en été (rez-de-chaussée)
32,0
Température jours chauds heures 4801-4848
30,0
Température (°C)
28,0
26,0
24,0
22,0 Th-BCE 2012
Comfie
TRNSYS2011
18Heure (h) 21
24
Simbad
Design Builder
Max
20,0 0
3
6
9
12
15
27
30
33
36
39
42
45
48
Comfie et EnergyPlus (Design Builder) sont très proches Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
5
Etude de stratégies de gestion Minimiser une fonction objectif (ex. coût ou CO2 lié au chauffage) sous contrainte de puissance maximale de l’équipement et de confort Contrainte : température > 19°C et variation de température < 2,2°C sur une heure [ASHRAE, 2003] Comparaison systématique (optimisation exacte) des successions de commandes (niveau de chauffage au cours du temps) Méthode : Programmation dynamique Principe de Bellman : « une politique optimale ne peut être formée que de sous politiques optimales » [Bellman, 1957] -> réduction du nombre d’alternatives à comparer
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
6
Principe de Bellman 19,5 °C
0,7 €
19,4 °C
0,6 €
19,3 °C
0,5 €
19,2 °C
0,2 €
19,1 °C 19,0 °C
0,1 €
0€
0,4 €
0,3 € 0,5
0,2 € 0,4
0,1 €
0,3 €
0,2 €
18,9 °C 17:00
18:00
19:00
20:00
21:00
22:00
Variable d’état : énergie stockée dans le bâtiment 7
Exemples de résultats (thèse de B. Favre) Bâtiment basse consommation de 90 m² sur deux niveaux Modélisation mono-zone Chauffage électrique, Pmax = 5000 W Besoins de chauffage annuels : 22 kWh/m² Occupation : 4 personnes de 19h à 8h
Température en °C
Rayonnement solaire global horizontal
Température extérieure
4
350
2
300 250
0
200 -2 150 -4
100
-6
Rayonnement en W/m²
Météo froide :
50
-8
0 0
1
2
3
4
5
6
Jour
8
Effacement des pointes et confort Période Variation maximale de la température opérative
15 min
30 min
1h
2h
4h
1,1
1,7
2,2
2,8
3,3
Période Pointe
Puissances chauffage
ASHRAE 2003
Température de la zone
22,5
5000
22 4000
3000
21
20,5
2000
Puissance en W
Température en °C
21,5
20 1000
19,5
19
0 0
1
2
3
4
5
6
7
Jour
9
Bâtiment peu isolé Besoins de chauffage annuels : 240 kWh/m², Pmax = 20 000 W Période de pointe
Température de la zone
Puissances chauffage
26
20000
25 24
12000
23
22
8000
Puissance en W
Température en °C
16000
21 4000 20 19
0 0
1
2
3
4
5
6
7
Jour
+ 60 % consommation énergétique Problèmes confort : Températures importantes la nuit Variation température > 2.2 °C/h pendant 9h 10
Amélioration du confort en période de canicule
Volets le jour, ventilation la nuit Approche du confort adaptatif Pourcentage de ventilation (%)
Pourcentage ouverture des volets (%)
Température de la zone
Température de référence
27,5
100 90
27 80 70 60
26
50 25,5
40
Commande en %
Température en °C
26,5
30
25
20 24,5 10 24
0
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Jour
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
11
Diagnostic, identification de modèle (O. MEJRI) Objectif : concevoir une opération de réhabilitation et évaluer l’économie d’énergie Certaines caractéristiques du bâtiment sont inconnues (ex. ponts thermiques) -> utile de réduire les incertitudes par identification de modèle
Comparaison modèle identifié par Matlab et profil initial 12
Optimisation en réhabilitation (thèse de M. Rivallain)
“Barre Grimaud” : Immeuble HLM R+4 d’avant 1974, Sainte Geneviève des Bois (91), 10 logements sociaux, 792 m2 Structure béton, fenêtres PVC DV, chaudière gaz d’avant 1988, VMC simple flux, ECS chauffe-eau gaz individuels Besoins de chauffage avant réhabilitation : 190 kWh/m2.an
Isolation des façades par l’extérieur : [10, 12, 15, 18, 20, 25, 30] cm Polystyrene sous le plancher bas : [10, 15, 20, 25, 30, 35, 40] cm Polystyrene en toiture : [10, 12, 15, 18, 20, 25] cm Remplacement des fenêtres : [DV basse émissivité ; triple vitrage] Ratio de surface vitrée en façade nord : [0.5, 0.8, 1, 1.5] Ratio de surface vitrée autres façades: [0.8, 1, 1.25, 1.5] Ventilation : [hygro-réglable; double flux avec échangeur] Système de chauffage : chaudière gaz condensation Eau chaude sanitaire solaire, fraction solaire : [36 ; 54; 72] %
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
13
Approche algorithme génétique : représentation des solutions
1 solution = 1 individu = 1 programme de réhabilitation Chaque individu est représenté par 1 chromosome : Brin COMPOSITION
Épaisseur d’isolation sur façade … Menuiserie sur façade Dimension ouvertures … Équipement de ventilation Équipement de chauffage Couverture solaire de la production ECS
Brin ORDRE
# Phase : Isolation sur façade … # Phase : Menuiserie sur façade # Phase : Dimension ouvertures … # Phase : Équipement de ventilation # Phase : Équipement de chauffage # Phase : Couverture solaire ECS
Croisements, mutations, sélection des individus les plus performants Actions sur les pointeurs de la structure objets puis lancement de chaque simulation
14
Développement d’un front de Pareto, génération 1
Cumulated primary energy consumption [MJ]
Generation 1
27000000
25000000
23000000
Generat 21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
15
Développement d’un front de Pareto, génération 2
Cumulated primary energy consumption [MJ]
Generation 2
27000000
25000000
23000000
Generat 21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
16
Développement d’un front de Pareto, génération 3
Cumulated primary energy consumption [MJ]
Generation 3
27000000
25000000
23000000
Generat 21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
17
Développement d’un front de Pareto, génération 5
Cumulated primary energy consumption [MJ]
Generation 5
27000000
25000000
23000000
Generat 21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
18
Développement d’un front de Pareto, génération 10
Cumulated primary energy consumption [MJ]
Generation 10
27000000
25000000
23000000
Generati 21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
19
Développement d’un front de Pareto, génération 20
Cumulated primary energy consumption [MJ]
Generation 20
27000000
25000000
23000000
Generati 21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
20
Développement d’un front de Pareto, génération 50
Cumulated primary energy consumption [MJ]
Generation 50
27000000
25000000
23000000
Generati 21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
21
Développement d’un front de Pareto, génération 100
Cumulated primary energy consumption [MJ]
Generation 100
27000000
25000000
23000000
Generatio 21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
22
Cumulated primary energy consumption [MJ]
Evolution du front sur les 100 premières générations
27000000
Generation 1 Generation 2 Generation 3 Generation 5 Generation 10 Generation 20 Generation 30 Generation 40 Generation 50 Generation 60 Generation 70 Generation 80 Generation 90 Generation 100
25000000
23000000
21000000
19000000
17000000 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
23
Optimum en coût global sur 50 ans
600
Global cost on life cycle [k€]
580
Generation 1 Generation 10 Generation 20 Generation 30 Generation 40 Generation 50 Generation 60 Generation 70 Generation 80 Generation 90 Generation 100
560
C
A 540
520
500
B 480 120
140
160
180
200
220
240
260
280
300
320
Investment cost (on energy retrofit program) [k€]
Journées AUGC – IBPSA • Chambéry • 6 - 8 juin 2012
24
Conclusions Simulation énergétique opérationnelle, adaptée aux pratiques professionnelles (BET, entreprises, Architectes…) Ex. COMFIE 2500 licences actives, formations Réduction de modèle -> usage en optimisation (conception et gestion), vérification de la fiabilité du modèle réduit, même sur des bâtiments performants Possibilité d’effacer les pointes dans des bâtiments performants (nécessité de la réhabilitation) Optimisation en conception, algorithmes génétiques En perspective : gestion en temps réel des bâtiments, utilisation de la simulation sur le cloud pour du contrôle prédictif (prévisions météo), garantie de performance (incertitudes), échanges d’énergie entre bâtiments, liens avec le réseau (smart grid)
25
Merci de votre attention
26