Commande prédictive efficace guidée par les données pour la gestion de la demande de puissance des petits bâtiments commerciaux

L’environnement bâti figure parmi les secteurs les plus énergivores, représentant 30% de la consommation énergétique mondiale et 28% des émissions totales de gaz à effet de serre. Aux États-Unis, par exemple, 46% de l’énergie consommée par ce secteur est attribuable aux bâtiments commerciaux. La commande prédictive (MPC) a démontré son efficacité dans la gestion des systèmes de chauffage, ventilation et conditionnement de l’air (HVAC). Afin de favoriser une mise en œuvre à grande échelle, les approches de modélisation basée sur les données, telles que les réseaux de neurones, sont généralement privilégiées. Cependant, l’intégration de ces approches dans un problème d’optimisation tel qu’un MPC peut entraîner une inefficacité computationnelle. Pour adresser cette problématique, plusieurs auteurs ont proposé de contraindre l’architecture du réseau de neurones afin d’assurer sa convexité. Ce mémoire propose une méthode de gestion énergétique facile à mettre en œuvre pour les bâtiments commerciaux de petite taille. Contrairement aux travaux antérieurs dans ce cou-rant de littérature, des commandes discrètes sont considérées pour modéliser avec précision le fonctionnement de la plupart des bâtiments de ce type, principalement équipés de systèmes HVAC de type unité de toit (RTU). Les modèles à commandes discrètes favorisent des mises à niveau minimales des bâtiments, augmentant ainsi le potentiel de mise en œuvre pratique de la méthode proposée. Les conditions réelles d’exploitation, telles que les horaires d’occupation, le confort thermique et les basculements d’équipement pour un bâtiment multizones, sont modélisées. Un input convex récurrent neural network est utilisé pour modéliser de manière précise la dynamique thermique de chaque zone. La convexité du MPC permet d’éviter les minima locaux, ce qui favorise une résolution efficace. La méthode de résolution proposée est basée sur l’optimisation sans dérivées, et le temps de résolution est limité à cinq minutes pour respecter les contraintes opérationnelles des RTUs. Ensuite, une stratégie d’enchère sur la demande basée sur un MPC est formulée pour les marchés en temps réel, ce qui permet d’exploiter pleinement la flexibilité du bâtiment. Les performances de la méthode proposée sont évaluées à l’aide d’une simulation numérique de pointe d’un bâtiment commercial à deux zones. Des études de cas numériques sont présentées, couvrant plusieurs programmes de gestion de la demande de puissance, tels que l’offre sur la demande, la tarification en fonction de l’heure de consommation et les remises en période de pointes critiques. L’approche proposée améliore le confort thermique tout en réduisant la consommation énergétique et les coûts, lorsqu’elle est comparée à d’autres méthodes. Les méthodes de commande utilisées pour la comparaison des performances comprennent une approche de commande conventionnelle, ainsi qu’un MPC linéaire et un MPC non convexe, tous deux guidés par les données.