Modélisation des systèmes de pompe à chaleur à débit de réfrigérant variable

Les systèmes de pompe à chaleur à débit de réfrigérant variable (DRV) constituent une solution prometteuse pour l’électrification du chauffage et de la climatisation des bâtiments. Toutefois, pour exploiter pleinement leur potentiel de réduction de la consommation énergétique, leur conception et leur dimensionnement requièrent un processus rigoureux de modélisation et de simulation. Cette thèse présente un modèle physique des systèmes DRV capable d’évaluer leurs performances avec précision, quel que soit leur configuration, leur taille ou leur mode de fonctionnement. Chaque composant du système est d’abord modélisé physiquement, puis intégré dans un cycle thermodynamique représentant son fonctionnement. Cette approche permet de prendre en compte les différents modes de fonctionnement : chauffage, climatisation et récupération de chaleur. Les paramètres du modèle sont calibrés à partir des données fournies par les fabricants. Le modèle développé inclut également un contrôleur permettant d’émuler le contrôle natif des unités commerciales, notamment pour les systèmes dotés de plusieurs compresseurs à vitesse constante. Ce contrôleur, basé sur l’apprentissage machine, permet la modulation de la capacité des systèmes pour des conditions de fonctionnement à charge partielle en s’appuyant sur les données des manufacturiers. L’implémentation du modèle a été réalisée dans Modelica, en s’appuyant sur la librairie source libre Buildings développée par le Lawrence Berkeley National Laboratory (LBNL). Grâce à une approche vectorisée et orientée objet, le modèle est modulaire et flexible, capable de représenter diverses configurations et tailles de systèmes DRV. La validation du modèle a été effectuée à l’aide de données opérationnelles réelles provenant d’un système DRV de grande envergure, installé au premier étage de l’ancien siège de l’ASHRAE à Atlanta (États-Unis). Ce système, composé de 22 unités intérieures, 2 unités extérieures et 8 compresseurs, a été suivi sur deux années d’exploitation dans divers modes de fonctionnement (chauffage, climatisation et récupération de chaleur). Les résultats montrent que le modèle, lorsqu’il est associé à un contrôleur ajusté aux données du fabricant, prédit avec précision la consommation énergétique annuelle. Pour la première année de validation, il présente une erreur relative de 9,5 %, une erreur moyenne normalisée (NMBE) de 6,2 % et un coefficient de variation de l'erreur quadratique moyenne (CVRMSE) de 27,2 % par rapport aux données mesurées. Pour la deuxième année, les performances s’améliorent avec un CVRMSE de 25,3 %, un NMBE de 5 % et une erreur relative de 7 %, respectant ainsi les critères de calibration définis par l’ASHRAE.

Abstract

Variable refrigerant flow (VRF) heat pump systems represent a promising solution for the electrification of building heating and cooling. However, to fully leverage their potential for energy consumption reduction, their design and sizing require a rigorous modeling and simulation process. This thesis presents a physics-based model of VRF systems capable of accurately assessing their performance, regardless of the system configuration, size, or operating mode. Each system component is first physically modeled and then integrated into a thermodynamic cycle that represents its operation. This approach allows for the consideration of different operating modes: heating, cooling, and heat recovery. The model parameters are calibrated using manufacturer-provided data. The developed model also includes a controller that emulates the native control of commercial units, particularly for systems equipped with multiple fixed-speed compressors. This controller, based on machine learning, enables capacity modulation under partial load operating conditions by leveraging manufacturer data. The model is implemented in Modelica, utilizing the open-source Buildings library developed by the Lawrence Berkeley National Laboratory (LBNL). With a vectorized and object-oriented approach, the model is modular and flexible, capable of representing various VRF system configurations and sizes. The model validation was conducted using real operational data from a large-scale VRF system installed on the first floor of the former ASHRAE headquarters in Atlanta, USA. This system, consisting of 22 indoor units, 2 outdoor units, and 8 compressors, was monitored over two years of operation in different modes (heating, cooling, and heat recovery). The results demonstrate that the model, when combined with a controller adjusted to manufacturer data, accurately predicts annual energy consumption. In the first validation year, it achieved a relative error of 9.5%, a normalized mean bias error (NMBE) of 6.2%, and a coefficient of variation of the root-mean-square error (CVRMSE) of 27.2% compared to measured data. In the second year, the model's performance improved, reaching a CVRMSE of 25.3%, an NMBE of 5%, and a relative error of 7%, meeting the ASHRAE calibration criteria.