Modelling Neighborhood-Scale Energy Scenarios

Ce mémoire porte sur les approches de modélisation pour évaluer le potentiel des réseaux de partage de chaleur de 4ème et 5ème génération. Pour cela, plusieurs outils et techniques de modélisation sont utilisés. La modélisation de bâtiments typiques (i.e. archétypes) est d'abord étudiée, pour ensuite être capable de réaliser des modèles énergétiques de quartier (UBEM, pour Urban Building Energy Model, en anglais), et finalement pouvoir modéliser un réseau de partage d'énergie pour définir l'impact énergétique et environnemental de l'utilisation d'une telle technologie. Différents archétypes (entre 4 et 5 par bâtiment) ont été utilisés (ou créés) pour 4 bâtiments montréalais (3 résidentiels et 1 commercial) dans différents logiciels de simulation énergétique (UMI, EnergyPlus, TRNSYS et SIMEB) avec différents niveaux de détail (jusqu'à un modèle calibré) et différents niveaux d'effort pour sélectionner les paramètres de ces archétypes. Les résultats de simulation ont ensuite été comparés avec des données mesurées, permettant d'effectuer des « coups de sonde » au sein du quartier étudié. Les résultats de cette étude montrent que le niveau d'effort pour définir les paramètres des archétypes n'est pas toujours garant d'une meilleure précision. De plus, il s'est avéré que transférer des paramètres de modèles calibrés (effectués dans TRNSYS ou SIMEB) dans un autre logiciel (ici UMI) se traduit par des résultats de simulation montrant jusqu'à 70 % de différence pour la consommation totale d'énergie, indiquant que les simplifications et approximations conduisent probablement à des erreurs de simulation qui s'annulent entre elles. Après comparaison des résultats des différents archétypes pour un même bâtiment, les archétypes développés par NRCan basés sur les Prototype Buildings développés aux USA et adaptés au code national énergétique canadien des bâtiment 2011 ont été sélectionnés pour la suite du travail. Deux modèles énergétiques urbains ont été développés pour un quartier de l'arrondissement de Ville-Marie à Montréal, suivant 2 approches : une dépendante du contexte (context-dependent), dans UMI et une indépendante de celui-ci (context-free) avec EnergyPlus. La comparaison des résultats de ces UBEMs montrent que les consommations énergétiques et pointes annuelles entre les 2 modèles sont du même ordre de grandeur. Cependant, la dynamique des modèles est très différente. Des doutes sur certains aspects des résultats d'UMI ont conduit à choisir les résultats du context-free UBEM pour la suite de l'étude sur les réseaux de chaleur urbains. D'après les résultats de simulation du UBEM sélectionné, des modèles quasi-statique et dynamique de réseau de chaleur ont été réalisés. Le modèle quasi-statique consiste en des bilans énergétiques régis par des pertes et COP constants, et ses paramètres ont été sélectionnés par l'équipe de projet de l'étude de cas réelle sans connaissance des résultats du modèle détaillé. Le modèle dynamique est un modèle de réseau de chaleur réalisé dans TRNSYS et fait appel à des composants existants ainsi qu'à un nouveau composant développé pour modéliser les pompes à chaleurs centralisées et leurs différents modes d'opération. Au premier abord, les 2 méthodes confirment que l'implémentation d'un réseau de chaleur dans un quartier est bénéfique d'un point de vue énergétique, avec au minimum une diminution de 20 % de la consommation énergétique, et de l'environnement grâce à l'élimination des rejets thermiques dans l'atmosphère et la réduction des émissions de GES d'au moins 90 %. Les deux modèles montrent un excellent accord, ce qui témoigne de la grande expérience de l'équipe de projet qui avait sélectionné les hypothèses du modèle simplifié. La comparaison entre les réseaux de 4ème et 5ème génération montre des différences assez faibles entre les deux, avec un léger avantage pour le réseau de 4ème génération lié en partie aux hypothèses faites sur la disponibilité d'une source / puits de chaleur (les égouts dans notre cas). Les différents modèles développés permettraient de raffiner la conception des réseaux et d'analyser différentes stratégies de contrôle.