Model Predictive Control of Building Systems for Energy Flexibility

Les besoins énergétiques des bâtiments contribuent de manière significative à la demande de pointe du réseau électrique. Cependant, les bâtiments, par leur capacité de stockage de l'énergie, peuvent fournir des services de flexibilité énergétique au réseau. La Gestion de la Demande de Puissance (GDP) du bâtiment est considérée comme une solution pratique pour réduire les demandes de pointe du réseau. Cette approche est moins coûteuse et plus écologique que d'utiliser la réserve de puissance ou que d'investir dans de nouvelles infrastructures. La GDP peut également jouer un rôle plus important au niveau de l'équilibrage de charge, lorsque le réseau intègre des sources d'énergie renouvelables, qui sont intermittentes et variables. Cette thèse étudie le potentiel de flexibilité énergétique des bâtiments vis-à-vis du réseau électrique par le biais de la simulation. Une méthodologie générale pour caractériser la flexibilité énergétique des bâtiments, ainsi qu'un ensemble d'indicateurs sont proposés. La méthodologie est testée sur un modèle détaillé de maison canadienne type, calibré avec des données mensuelles et horaires mesurées. La calibration permet de représenter fidèlement la consommation d'énergie selon les critères de la directive 14 de l'ASHRAE, ainsi que les variations dynamiques des conditions thermiques intérieures, ce qui est nécessaire pour l'étude des stratégies de commande. Les résultats des simulations, basés sur ce modèle calibré, montrent que la flexibilité énergétique fournie par la masse thermique du bâtiment est importante, même pour les bâtiments résidentiels à faible masse thermique. La quantité d'énergie flexible dépend cependant des conditions météorologiques, de l'heure du jour, de la durée de la GDP et de l'occupation du bâtiment. La flexibilité énergétique est également fortement liée à la stratégie de commande du système de chauffage et climatisation. Une méthode de contrôle avancée est étudiée : la Commande Prédictive basée sur un Modèle (CPM). Avant d'appliquer cette méthode à la flexibilité énergétique, un cadre général de CPM est proposé. Les erreurs de modélisation, l'estimation de l'état et l'identification des paramètres y sont discutées en détail. Ce cadre est ensuite appliqué à deux types de modèles de contrôleurs différents : un modèle détaillé et un modèle simplifié du bâtiment étudié. Les résultats montrent que la CPM peut améliorer la flexibilité énergétique par rapport à une stratégie de Commande Basée sur les Règles (CBR).

Abstract

Energy needs from buildings contribute a large share to the peak demand of the electric grid. Meanwhile, buildings can also provide energy flexibility services to the grid with their related assets, e.g. energy storage. Demand Response (DR) of building systems has been considered a feasible solution to shift loads, or to reduce the peak demands. This approach is less costly and more environmentally-friendly than operating reserve power, or investing in extra power plants. DR can play a more important role for load balancing when the grid integrates with renewable energy sources, which are intermittent and variable. This thesis investigates the energy flexibility potential in buildings for the grid through simulation studies. A general methodology to characterize the building energy flexibility is proposed along with a set of indicators. The methodology is applied to a detailed building model of a typical Canadian home, which is calibrated with monthly and hourly measured data. The calibration evaluates not only the energy use required by the ASHRAE guideline 14, but also the dynamic indoor conditions, which is important to study control strategies. Simulation results, based on the calibrated model, show that the energy flexibility provided by the building thermal mass is significant, even for typical Canadian residential buildings with a low thermal mass. The amount of flexible energy however depends on the weather condition, time of day, duration of the DR event and occupancy scenario of the building. The control strategy of the space conditioning system has also a high impact on the energy flexibility. An advanced control method called Model Predictive Control (MPC) is investigated. Prior to applying the MPC method on energy flexibility study, a general supervisory MPC framework is presented. Common issues associated with modelling errors, state estimation, and parameter identification are discussed in detail. The framework is then applied to two different types of controller models: a detailed model and a simplified model of the studied building respectively. The MPC method is shown to be able to increase the building flexibility as compared to the Rule-Based Control (RBC) strategy. MPC with the detailed model delivers the highest flexible energy, twice or three times of the RBC method depending on the time of the DR event.