Optimisation d'une stratégie de gestion de la demande de puissance en utilisant différentes sources de stockage thermique dans un agrégat de bâtiments

La lutte aux changements climatiques constitue l'un des enjeux les plus critiques de l'ère moderne. Pour diminuer considérablement les émissions de gaz à effet de serre, la plupart des secteurs de l'économie doivent être électrifiés et l'électricité doit être produite par des sources d'énergies propres. Cependant, énergies propres signifient souvent énergies renouvelables intermittentes et l'intégration de ces types d'énergies aux réseaux électriques présente des défis opérationnels importants. Bien entendu, l'équilibre entre la demande et la production doit être maintenu en tout temps, et historiquement, c'est la production qui suivait la demande malgré son profil très peu constant. Il semblerait pourtant bénéfique de renverser ce paradigme avec l'avènement des réseaux énergétiques intelligents. Considérant la nature stochastique de la production et de la demande, une source de stockage est essentielle dans l'équation, de sorte à éliminer les désynchronisations entre les deux composantes du système en plus de pouvoir pallier l'incertitude des prédictions. L'environnement bâti étant l'un des consommateurs les plus importants d'énergie à travers le globe, ce mémoire de maîtrise se concentre sur les stratégies du côté de la demande, plus particulièrement sur l'écrêtage des pointes de puissance des bâtiments connectés au réseau électrique. En utilisant la masse thermique déjà présente dans les bâtiments, il semble possible de suivre le profil de production électrique sans nécessiter d'investissements majeurs de capitaux. Pour considérer plusieurs facteurs comme le confort thermique ou bien l'efficacité énergétique dans la fonction à optimiser, le modèle d'optimisation utilisé dans ce projet de recherche se base sur des prédictions de l'inertie thermique calculées via des techniques d'apprentissage machine avec Python. Ainsi, en utilisant les données historiques de n'importe quel bâtiment, un algorithme de contrôle optimal est en mesure d'envoyer des commandes aux systèmes électromécaniques de sorte à optimiser son profil de consommation pour répondre aux besoins du réseau électrique. Ce mémoire présente les résultats des différents scénarios simulés avec le logiciel de modélisation TRNSYS pour une saison hivernale. L'interopérabilité entre TRNSYS et Python est possible grâce au développement d'un outil informatique développé dans le cadre de cette recherche. Les études de cas mettent en valeur les avantages et les inconvénients environnementaux, économiques et opérationnels d'une alimentation biénergie ou bien purement électrique.