Auteur : Joseph BRISSON
Direction de thèse : Pierre LEMAIRE
Co-encadrant de thèse : Mathieu VALLEE
Co-encadrant de thèse : Siao-Leu PHOURATSAMAY
Date : 11 mars 2025
Direction de thèse : Pierre LEMAIRE
Co-encadrant de thèse : Mathieu VALLEE
Co-encadrant de thèse : Siao-Leu PHOURATSAMAY
Date : 11 mars 2025
Influence des niveaux de détail de modélisation sur le dimensionnement des systèmes d'énergie locaux multi-vecteurs
Résumé
Planifier la transformation des futurs systèmes d'énergie locaux est une tâche cruciale pour intégrer de façon efficiente la gestion de sources renouvelables, de stockage et de conversion de l'énergie.On s'intéresse ici à l'influence des incertitudes sur les modèles d'optimisation du dimensionnement de ces différentes technologies. Pour étudier les incertitudes, des méthodes avec une demande en ressources computationnelles importante sont nécessaires comme les méthodes de Monte-Carlo ou d'optimisation sous incertitudes. Pour parvenir à effectuer ces tâches, il est souvent nécessaire de considérer des modèles simplifiés des systèmes. Appliquer une analyse de sensibilité à un modèle simulant les opérations d'un bâtiment avec une gestion par commande prédictive (MPC) de la demande nous permet d'identifier le compromis qui existe entre simuler toute la complexité de ces systèmes et étudier les incertitudes. On définit ainsi la notion de niveau de détail de modélisation qu'on identifie comme une source d'incertitude dans les modèles d'opération ou d'optimisation des systèmes d'énergie.À travers le cas d'étude du dimensionnement d'un système d'énergie multi-vecteur d'un quartier résidentiel, on évalue l'influence sur les décisions et l’évaluation de coûts des niveaux de détail de modélisation concernant la stratégie de contrôle. L'objectif est de minimiser un coût net actualisé du système qui inclut à la fois les investissements CAPEX/OPEX ainsi que des coûts opérationnels tels que le prix d'achat de ressources comme le gaz. Dans ce cas d'étude, une commande prédictive (MPC) est utilisée pour piloter le système. On compare un modèle d'optimisation de programmation linéaire avec des nombres entiers, un modèle appliquant le principe d'horizon roulant pour la commande et un modèle communiquant avec une simulation détaillée de la partie thermique du système. Ces deux derniers utilisent un algorithme de recherche de type optimisation bayésienne pour optimiser le dimensionnement. On constate que ces niveaux de détail de modélisation peuvent avoir une influence sur l'évaluation de l'objectif et la valeur des décisions de dimensionnement optimales. En particulier, ce constat est valable tant que le stockage occupe un rôle important dans la gestion de l'équilibrage de la production et de la demande en énergie.Prendre en compte les incertitudes dans les modèles technico-économiques est une tâche ardue. Donc notre objectif est également de prendre du recul sur les différentes pratiques permettant d'analyser et d'intégrer les incertitudes dans le processus de décision tout en intégrant la notion de niveaux de détail de modélisation.