Modélisation des systèmes multi énergies dans les bâtiments

Numéro d’ordre 05ISAL
Année 2008
Thèse
Modélisation des systèmes multi énergies
dans les bâtiments
Résumé en français
présentée devant le
Politecnico di Torino
et
L’Institut National des Sciences Appliquées de Lyon
pour obtenir le
grade de docteur
Ecole Doctorale : SCUDO et MEGA
Spécialité : Energetica et Génie Civil
par
Enrico FABRIZIO
Soutenue le 2 juillet 2008
Jury
FILIPPI Marco
VIRGONE Joseph
BECCALI Marco
ROUX Jean-Jacques
SCORLETTI Gérard
ZECCHIN Roberto
Professeur
Maître de conférences
Professeur associé
Professeur
Professeur
Professeur
Directeur de thèse
Directeur de thèse
Examinateur
Examinateur
Rapporteur
Rapporteur
Résumé
Avec le terme systèmes multi énergies on entend les systèmes énergétiques hybrides qui
sont à même de faire face aux charges thermiques, frigorifiques et électriques d’un
bâtiment par la mise en service de convertisseurs d’énergie divers, activés par des sources
d’énergies primaires et secondaires, renouvelables ou non. Ces systèmes sont caractérisés
par un grand potentiel d’amélioration de l’efficacité énergétique dans la transformation
des énergies et dans la production des fluides énergétiques lorsqu’ils sont correctement
conçus et gérés même lorsqu’ils fonctionnent à charge partielle (une condition dans
laquelle ils se trouvent opérer la plupart du temps à cause de la variabilité de la demande
d’énergie des bâtiments).
Plusieurs exemples de systèmes multi énergies peuvent être tirés de la littérature, et
comprennent, diversement associés, les convertisseurs pour l’exploitation de l’énergie
solaire à des fins thermiques, frigorifiques et électriques, les systèmes à biomasses, les
micro-cogénérateurs, les pompes à chaleur géothermiques, les piles à combustible, les
éoliennes, etc.
Le projet d’un système multi énergies, en terme de dimensionnement et de gestion,
consiste à définir les dynamiques de la demande d’énergie et à optimiser l’offre d’énergie
par l’emploi de convertisseurs divers, des stockages, des systèmes de back-up. Dans la
littérature ce problème est traité en se référant à des configurations spécifiques, dont on
fournit des exemples, mais non à travers des outils intégrés qui permettent la comparaison
entre plusieurs configurations. Ce travail est donc principalement un travail de synthèse
qui comble cette lacune.
La thèse propose l’avancement des connaissances relatives aux critères de sélection des
convertisseurs d’énergie à utiliser, des sources d’énergie à exploiter, des logiques de
fonctionnement et des systèmes techniques à utiliser afin de poursuivre les objectifs
d’une meilleure efficacité dans l’usage des énergies renouvelables ou non, et de réduire
les émissions de CO2 du secteur du bâtiment, dont la consommation représente 40% de la
consommation en énergie primaire en Europe.
A la base de la recherche c’est la définition d’une méthodologie originale pour la
modélisation des configurations des systèmes multi énergies basée sur la méthode
3
d’analyse du energy hub qui permet de prendre en compte, d’une manière synthétique, le
couplage entre demande et offre d’énergie dans un bâtiment. Cette méthode permet aussi
de prendre en compte la qualité des énergies, la variabilité des rendements de conversion
en fonction des conditions de fonctionnement des systèmes et la variabilité des conditions
de fonctionnement.
Pour quelques catégories de convertisseurs d’énergie, un ensemble de données de
référence sur la performance et les coûts a été ressemblé qu’il convient d’utiliser
lorsqu’on vérifie la performance d’un système multi énergie complet par rapport au profil
de demande d’énergie qui le concerne. A partir de cette base de données, nous avons
déterminé les coefficients numériques des fonctions qui décrivent la performance de
chaque famille de convertisseurs d’énergie.
Les approfondissements qui en découlent, soit théoriques, soit applicatifs, concernent la
définition des critères d’évaluation et les procédures de sélection de ces systèmes, en
prenant particulièrement en compte toutes les spécificités de ces systèmes.
Par rapport aux procédures couramment disponibles, cette recherche a visé à configurer
un outil de modélisation des systèmes multi énergies pour les bâtiments qui prenne en
compte tous les flux d’énergies dans le bâtiment et qui puisse se référer à une
configuration ouverte et non pas à une unique typologie de système en particulier.
Les potentiels des applications de cette recherche apparaissent nombreux, étant donné le
nombre de systèmes multi énergies dans les bâtiments et qui va certainement augmenter
dans un futur proche, en considération de la constante diffusion de systèmes exploitant les
énergies renouvelables. Les connaissances théoriques et applicatives que cette thèse
apporte, pourront aussi servir de support aux administrations, usagers, installateurs et
fabricants de systèmes, du moment où elles concourent au mûrissement d’une plus grande
conscience énergétique et environnementale dans le couplage de différentes sources
d’énergies, convertisseurs et systèmes pour le bâtiment.
4
Table des matières
1- INTRODUCTION
1-1 Exemples
1-2 Discussion
1-3 Position du problème et objectifs de la thèse
1-4 Aperçu de la thèse
8
9
10
11
12
2- TECHNIQUES DE MODELISATION ET LOGICIELS POUR L’ANALYSE DES
SYSTEMES MULTI ENERGIES
2-1 Techniques de modélisation
2-1-1 Modèles de séries chronologiques
2-1-2 Modèles statistiques
2-2 Logiciels pour l’analyse des systèmes multi énergies
2-2-1 EnergyPlus
2-2-2 HOMER
2-2-3 RETScreen International
2-2-4 DER-CAM
2-2-5 HYBRIDS
2-2-6 Hybrid2
2-2-7 FACES
2-2-8 Discussion
14
14
14
15
15
16
16
17
17
18
18
18
19
3- LA CARACTERISATION DE LA DEMANDE D’ENERGIE
3-1 Paramètres
3-2 Facteurs d’influence
3-2-1 Limites du système
3-2-2 Fluides et températures
3-2-3 Qualité de l’ambiance intérieure
20
20
23
23
23
24
4- LA CARACTERISATION DE L’OFFRE D’ENERGIE
25
5- LA CARACTERISATION DES CONVERTISSEURS D’ENERGIE
27
6- LA MODELISATION DE L’ENERGY HUB
29
7- APPLICATIONS DU ENERGY HUB ET ETUDES DE CAS
7-1 Les applications de l’algorithme de couplage
7-2 La méthode saisonnière
7-2-1 Objet de la méthode
7-2-2 Spécifications du modèle
7-2-3 Données d’entrée
7-2-4 Sorties du modèle et résultats
7-2-5 Maison Mozart
7-2-5-1 Description de l’étude de cas
7-2-5-2 La description de l’energy hub
7-2-5-3 Les fonctions objectives
7-2-5-4 Contraintes liées aux sources renouvelables
7-2-5-5 Conception du système
33
33
33
33
34
35
36
36
36
37
40
40
41
8- CONCLUSIONS
44
REFERENCES ET BIBLIOGRAPHIE
46
5
NOMENCLATURE
Nomenclature
cK
c
CK
COPK
COPhub
CUE
d
D
DHW
Ein
Eout
E
e
Ex
f
g
H
H
Isol
K
L
m
n
N
NPC
NPV
Pin
Pin
PK
PK,in
PK,out
Paout
Pout
Psto
p
pT
PLF
PLR
r
REF
T
T
coût spécifique du convertisseur K
coût spécifique de la source d’énergie
coût du convertisseur K
coefficient de performance du convertisseur K
coefficient de performance de l’energy-hub
coût unitaire de l’énergie
taux d'actualisation annuel
matrice de couplage inverse (n × m)
eau chaude sanitaire
vecteur des entrées de l’energy-hub (n × 1)
vecteur des sorties de l’energy-hub (m × 1)
ensemble des sources d’énergie
facteur d’émission
exergie
fonction
facteur de potentiel de réchauffement planétaire
hub
pouvoir calorifique du carburant 
radiation solaire
ensemble des convertisseurs du hub
ensemble des charges d’un bâtiment
numéro de charges d’un bâtiment
numéro de sources d’énergie
durée de vie maximale d’une composante du hub
actualisation nette des coûts
actualisation nette des valeurs
puissance de la source d’énergie  à l’entrée du hub
vecteur des puissances entrant dans le hub (n × 1)
puissance du composant du hub K
puissance à l’entrée du convertisseur K
puissance à la sortie du convertisseur K
puissance de la charge a à la porte de sortie du hub
vecteur des puissances à la sortie du hub (m × 1)
puissance énergétique rentrant ou sortant d’un stockage
facteur d’émission d’énergie primaire non renouvelable
facteur d’émission d’énergie primaire total
facteur de charge
taux de charge partielle
taux annuel d'augmentation
fraction d’énergie renouvelable
période de temps (généralement une année)
température absolue
€/kW
€/kWh
€
€/kWh
kg/kWh
J
kgCO2/kWh
kWh/kg
W
année(y)
€
€
kW
kW
kW
kW
kW
kW
année(y)
K
NOMENCLATURE
T0
tco
tev
TNPC
yK

 a a
température absolue de l’environnement
K
température du fluide rentrant dans le condenseur
°C
température de l’eau réfrigérée sortant de l’évaporateur
°C
actualisation nette du coût total
€
durée de vie d’un composant
année(y)
exposant de réduction
rapport entre la partie de la charge a couverte par la source  et la charge a
a
 K1
a

K
 K b


rapport entre la partie de la charge a couverte par le convertisseur K1 et la charge
efficacité
efficacité de conversion du convertisseur K
efficacité de conversion du convertisseur K de la source  vers la charge a 
temps
facteur de stockage pour l’énergie 
Indices
cool
d
ec
en
ev
heat
K
s
saison de rafraîchissement
projet
économique
énergétique
environnementale
saison de chauffage
composant/convertisseur du hub
saisonnier/annuel
Apex
ex
K

exergétique
composant/convertisseur du hub
vecteur énergétique
s
7
1- INTRODUCTION
Dernièrement un grand développement à petite échelle d'énergies renouvelables telles que
les systèmes solaires thermiques ou photovoltaïques, éoliennes, micro hydrauliques, piles
à combustible, pompes à chaleur géothermiques a eu lieu. Cela a conduit à une intégration
progressive des différentes sources d'énergie, non seulement renouvelables mais aussi non
renouvelables, dans les bâtiments.
Les premiers exemples de systèmes multi énergies ont été les systèmes isolés d'énergie
hybride conçus pour être une alternative à la construction de lignes de puissance dans les
régions éloignées des réseaux ou dans le cas où une nouvelle charge est ajoutée. Depuis
les années 1990, plusieurs systèmes d'énergie sont également utilisés comme centres de
génération distributeurs, en ajoutant leur production d'électricité au réseau général.
En règle générale, le terme « système multi énergies » fait référence à la combinaison de
deux ou plusieurs convertisseurs (dispositif de conversion) d’énergie et/ou deux
combustibles ou plus pour le même convertisseur, permettant, lorsqu'elles sont intégrées,
de surmonter les limitations qui seraient inhérentes aux deux prises seules [1].
Ces systèmes, souvent appelés combinés ou hybrides, sont appelés dans ce document
comme systèmes multi énergies pour insister sur le fait que, dans ces applications, de
multiples convertisseurs d'énergie sont utilisés ensemble pour fournir un ou plusieurs
besoins énergétiques, et pour les distinguer des systèmes conventionnels qui sont
généralement basés sur une seule source de combustible fossile.
Souvent, mais pas nécessairement, au moins un des convertisseurs d'énergie est alimenté
par une source d'énergie renouvelable (SER). Le système multi énergies peut être isolé ou
raccordé au réseau. Un grand intérêt a été récemment mis également sur les systèmes
multi énergies qui sont reliés au réseau.
En tout état de cause, le système multi énergies, en particulier lorsque les énergies
renouvelables sont intégrées, nécessite l'adaptation de l'offre locale d'énergie à la
demande d'énergie [2]. Une approche intégrée de simulation fait l'objet de ce travail afin
de déterminer la combinaison optimale des sources, des systèmes et des mesures de
réduction de la demande.
INTRODUCTION
1-1 Exemples
Il existe différents types de systèmes multi énergies. Ils prévoient diverses combinaisons
d’équipements thermiques et électriques tels que cogénérateurs, machines frigorifiques
électriques, machines frigorifiques à absorption, piles à combustible, chaudières
traditionnelles, chaudières à bois, capteurs solaires thermiques, photovoltaïques et
thermique et photovoltaïque, etc. Un système multi énergies est alimenté par une
combinaison de différentes sources d'énergie, renouvelables et non renouvelables, afin de
couvrir les charges thermiques et électriques d'un bâtiment avec un maximum d'efficacité.
Plusieurs exemples de systèmes multi énergies peuvent être trouvés dans la littérature.
La figure 1.1 décrit un système qui intègre l'exploitation de l'énergie éolienne, solaire
thermique et photovoltaïque avec une centrale de cogénération pour la production de
chaleur et d'électricité [3]. Ce système est un complexe résidentiel de 40 logements
(demande d’énergie thermique annuelle de 325 MWh; demande d’énergie électrique
annuelle de 157 MWh) et il est composé d’une unité de cogénération de 55 kW, d’un
système de capteurs solaires thermiques de 200 m2, et photovoltaïques de 210 kWp et une
éolienne avec une puissance maximale de 200 kW. Un stockage thermique de longue
période est également fourni et est utilisé pour stocker la production d'énergie des
capteurs solaires et de la cogénération. Deux chaudières d’appoint assurent le chauffage et
l’eau chaude sanitaire.
Figure 1.1 – Centrale de cogénération associée à des panneaux solaires thermiques,
photovoltaïques, et une éolienne. (tiré de [3])
En ce qui concerne le fonctionnement, la charge électrique est couverte, en priorité, par
des sources renouvelables (éolienne et photovoltaïque) et, uniquement si elles sont
incapables de répondre à la demande d'énergie, par la cogénération fonctionnant au gaz
naturel. La centrale de cogénération fonctionne comme une fonction de la charge
électrique. Pour assurer la fourniture de chaleur, une chaudière d’appoint et un stockage
9
INTRODUCTION
saisonnier de chaleur sont installés. Les capteurs solaires fonctionnent selon la demande
liée au profil de puisage, avec un réservoir de stockage de 1500 litres. En l'absence d'une
demande en eau chaude, la puissance thermique des capteurs solaires recharge le stockage
saisonnier. De même, la puissance thermique de la cogénération, en l'absence de besoins
thermiques momentanés, recharge aussi le stockage saisonnier.
Même les systèmes solaires de chauffage et de climatisation sont des systèmes multi
énergies [4]. En hiver, l’énergie solaire peut être utilisée pour le chauffage, comme le
montre le schéma du système installé à l’université de Fribourg et reporté dans la figure
1.2. Ce système, dont les deux composants sont un réfrigérateur à absorption de 70 kW
et des panneaux solaires sous vide pour 170 m2 [5], même si très simple, peut mettre en
évidence les problèmes typiques d’un système multi énergies.
Le déphasage entre la demande d'énergie et l’offre d’énergie en été nécessite l'installation
d'un stockage thermique à la fois d’eau chaude et d’eau froide. Il est à noter que la
température de la source chaude de la machine frigorifique à absorption non seulement
affecte le coefficient de performance (COP) de la machine, mais aussi la performance des
capteurs solaires. Une température optimale doit être choisie en tenant compte de la
nécessité de maintenir le coefficient de performance du groupe à absorption suffisamment
élevé et l'efficacité des capteurs pas trop basse.
L'utilisation de piles à combustible et de l'hydrogène va de pair avec la prolifération des
systèmes multi énergies. Les piles à combustible peuvent être utilisées comme
installations de cogénération fonctionnant au gaz naturel ou à l'hydrogène produit par
l'électricité de source renouvelable.
Figure 1.2 – Système solaire de chauffage et de climatisation (tiré de [5])
1-2 Discussion
L'objectif des systèmes multi énergies précédemment décrits est double : diminuer la
consommation d'énergie primaire provenant de sources non renouvelables et produire de
l’énergie sur le même site où elle est consommée. Il ne fait aucun doute que, dans un
proche avenir, ces systèmes seront appliqués non seulement dans les nouvelles
constructions, mais aussi pour les interventions de rénovation dans les systèmes existants.
C'est aussi la tendance vers le bâtiments zéro énergie ou à énergie positive, du moment
10
INTRODUCTION
que par le biais d'un système multi énergies, il est possible d’annuler la consommation
nette d'énergie au cours d'une année.
Les sources d'énergie renouvelables sont en cours de cohabiter avec les sources
conventionnelles et la recherche doit être menée pour trouver des solutions techniques
permettant d’optimiser l'intégration entre les différentes sources d'énergie afin d'exploiter
pleinement leur potentiel. L'exploitation des énergies renouvelables doit être considérée
non seulement en termes de demande énergétique à l’échelle d’un logement, mais
également par rapport à l'ensemble des infrastructures énergétiques.
Il est estimé que le réseau d'électricité va évoluer vers un système de distribution non
hiérarchisé, fait d'une série de noeuds à la fois producteurs et consommateurs d'énergie
sous forme d'électricité mais aussi sous forme autre (chimique, thermique, hydrogène).
Dans ce scénario, puisque les producteurs du réseau ne seront plus que des petites
infrastructures avec une production d'énergie intermittente, des échanges bidirectionnels
du commerce de l'énergie devront être activés entre le système énergétique du bâtiment et
le réseau et vice versa, pour répondre aux variations de l'alimentation en offre et demande
d'énergie. Dans ce contexte de systèmes multi énergies liés à des infrastructures
énergétiques, il ne sera pas facile pour le propriétaire d'identifier les configurations du
système et les stratégies de fonctionnement permettant de maximiser les bénéfices, de
réduire la consommation d'énergie et d'améliorer l'efficacité, d’exploiter les profils des
taux de rendement, les incitations économiques. Ces optimisations doivent au final
permettre d’agir sur le choix de l’investissement ou sur le coût de fonctionnement afin
d’amortir les investissements dans un délai raisonnable, sans oublier l’aspect
environnemental.
1-3 Position du problème et objectifs de la thèse
Comme il y a de nombreuses configurations de systèmes multi énergies qui peuvent être
adoptées, l'étude de l'optimisation entre la demande d'énergie, l’offre d’énergie, les
convertisseurs d’énergie et le stockage, doit être prioritaire lors de la conception et
l'exploitation d'un système multi énergies.
Il s’agit d’un problème d’intégration qui peut être résolu par la détermination de toutes les
relations entre les différentes quantités qui affectent la performance du système et ensuite
trouver les valeurs des paramètres de conception en optimisant le système une fois qu’une
fonction objective a été établie. Une deuxième solution consisterait à simuler un grand
nombre de cas différents et par la suite à les classer en fonction d'un paramètre de
performance ou d’une combinaison de ceux-ci.
Dans cette thèse, la première démarche a été adoptée, ce qui implique un problème de
synthèse. L'objectif est la mise en œuvre d'une procédure d'analyse et de sélection de
plusieurs systèmes énergétiques pour différents types de bâtiments qui soit en mesure de
prendre en compte:
 la qualité, la quantité et la différentiation des charges ;
 la variabilité de l’efficacité des convertisseurs d’énergie ;
 la variabilité des stratégies de fonctionnement du système.
À titre préliminaire, les questions suivantes sont traitées :
 la définition d’un système multi énergies, les configurations typiques et le
11
INTRODUCTION
couplage avec les systèmes de climatisation ;
 les techniques de dimensionnement d’un système multi énergies ;
 les logiciels pour le dimensionnement et la performance des systèmes multi
énergies dans les bâtiments.
Ensuite, un algorithme de couplage particulier et original entre la demande d'énergie et
l’offre d’énergie dans les bâtiments est défini et développé à deux niveaux de détail (une
méthode saisonnière et une méthode horaire). Pour exploiter pleinement le potentiel de
cet algorithme, un travail cohérent est fait en ce qui concerne :
 la caractérisation de la demande d’énergie d’un bâtiment à travers les valeurs de
dimensionnement et les valeurs moyennes annuelles ;
 la caractérisation de l’offre d’énergie en termes de disponibilité spatiale et
temporale (valeurs en puissance, valeurs en énergie, profils), et les coûts ;
 la caractérisation de la performance des convertisseurs d'énergie compatible avec
le degré de détail du modèle adopté ;
 la caractérisation économique des convertisseurs d'énergie grâce à des fonctions de
coût pour chaque classe de convertisseur ;
 les critères qui peuvent être utilisés pour sélectionner un système multi énergies et
les paramètres pour préciser les fonctions objective.
Pour tester et démontrer les avantages et les inconvénients de la méthodologie, les
applications aux différents degrés de détail et à diverses études de cas représentatifs de
différents types de bâtiments sont présentées.
1-4 Aperçu de la thèse
Dans le premier chapitre l'objet a été présenté en référence à l'état de l'art et quelques
exemples.
Le Chapitre 2 aborde la particularité théorique de la modélisation des systèmes multi
énergies dans le cadre d'un examen approfondi sur la modélisation des techniques
adoptées dans le domaine des systèmes d'énergie hybride, qui a pris beaucoup d'intérêt au
cours des dernières décennies (environ depuis 1985). Il semble que la littérature technique
se concentre sur les systèmes énergétiques hybrides, qui ne sont pas vraiment multi
énergies, et qui sont souvent utilisés dans des applications isolées à des fins spécifiques.
Cet examen souligne le fait qu'il existe généralement un manque d'information sur la
relation entre le bâtiment et le système, et que les études sont souvent concentrées sur la
production d'électricité. Le débat sur certains des logiciels qui peuvent être utilisés pour
sélectionner un système multi énergies (chapitre 2) tend à conduire aux mêmes
conclusions. Certains de ces outils ont été conçus pour mener à bien la conception
thermique des bâtiments et peuvent simuler une grande quantité de convertisseurs mais ne
peuvent pas effectuer une optimisation ; d'autres ont été spécialement conçus pour simuler
les systèmes hybrides d'optimisation, mais ne considèrent pas la variété de convertisseurs
d'énergie qui sont utilisés dans les bâtiments (par exemple différents types de machines
frigorifiques à compression de vapeur ou à absorption). Dans d'autres cas, les équations
de certains modèles de composants semblent trop simples pour tenir compte de la
performance des convertisseurs d'énergie d'un bâtiment, dont la performance est
caractérisée par une charge partielle quasi-continue. De ce fait, le problème de l'analyse
des systèmes multi énergies comme indiqué dans le chapitre 1 reste en suspens.
12
INTRODUCTION
C'est la raison pour laquelle une nouvelle approche de modélisation est définie dans les
chapitres suivants. Au départ, trois chapitres (3,4 et 5) sont consacrés à chacune des
entités de base d'un système multi énergies : la demande d'énergie, l'offre d’énergie et les
convertisseurs d'énergie. Le Chapitre 3 traite les questions liées à l’évaluation des
besoins de chauffage, de refroidissement et en électricité d’un bâtiment, en allant des
paramètres qui peuvent être adoptés jusqu’aux facteurs influents.
Comme le précédent, le Chapitre 4 traite de la caractérisation des sources d'énergie qui
peuvent alimenter un système multi énergies : leur variation spatiale et temporelle, leur
coût et leur disponibilité.
Au Chapitre 5 la caractérisation des convertisseurs d'énergie est abordée à la fois en
termes de performance énergétique et de coûts. Ce chapitre est destiné à couvrir le
manque d'informations sur les performances et les données économiques. Tout d'abord,
un cadre général de modélisation des composants compatibles avec le cadre de
modélisation du système - qui sera présenté au chapitre 6 - est exposé, ensuite la
performance énergétique est caractérisée par des courbes de charge, provenant de la
littérature technique ou scientifique, pour quelques-uns des convertisseurs les plus
communs utilisés dans les bâtiments. Pour les autres convertisseurs seulement quelques
données de référence sont fournies. La même approche est utilisée pour la caractérisation
économique.
Au Chapitre 6, le concept du energy hub est présenté et ensuite appliqué pour la
détermination d’un algorithme de couplage entre la demande d'énergie et l’offre d’énergie
dans les bâtiments. Ensuite, les procédures et les critères de sélection sont fournis.
Le Chapitre 7 est consacré aux applications de la méthodologie présentée au chapitre 6,
qui est spécifiée dans deux méthodes différentes (une méthode saisonnière et une
méthode horaire). Ces applications sont exécutées sur quelques études de cas de divers
types de bâtiments. Enfin, des conclusions et perspectives de travaux futurs sont
suggérées au Chapitre 8.
13
2- TECHNIQUES DE MODELISATION ET LOGICIELS
POUR L’ANALYSE DES SYSTEMES MULTI ENERGIES
2-1 Techniques de modélisation
Dans les sections précédentes, les caractéristiques qui contribuent à compliquer le
processus de conception et l'exploitation d'un système multi énergies ont été exposés.
Ce sont:
 la nature intermittente de sources d'énergie renouvelables et son incertitude ;
 le grand nombre de configurations de systèmes et d'équipements ;
 la nécessité d'utiliser une modélisation économique précise pour tenir compte du
coût du cycle de vie du système.
Par conséquent, des modèles doivent être définis pour simuler le comportement complexe
de ces systèmes composites et évaluer l'ensemble des différentes combinaisons possibles
des composants, tant en termes de types (nécessairement une variable) et tailles (entier ou
variable continue).
Contrairement à la simulation, dans la conception de ces systèmes une technique
d’optimisation pourrait également être utilisée, qui est liée au cadre de modélisation
adoptée.
Il existe essentiellement deux types de techniques de modélisation des systèmes multi
énergies : les modèles de séries chronologiques et les modèles statistiques [10].
2-1-1 Modèles de séries chronologiques
Dans les modèles de séries chronologiques, l'analyse est divisée en pas de temps discret et
la performance du système est simulée à chaque pas de temps. Normalement, le
comportement dynamique du système n'est pas modélisé mais considéré comme une
succession d’états d'équilibre sur chaque pas de temps de calcul. La plupart des modèles
utilisent un pas de temps d’une heure car il équilibre à la fois l'exactitude et la non
disponibilité de données des ressources et des charges à un pas de temps meilleur. Le
coeur d'un modèle de séries chronologiques est le bilan énergétique sur le flux d'énergie
entrant et sortant de toutes les composantes du système. Une ou plusieurs stratégies
d'exploitation doit être mise en place afin de savoir comment procéder pour passer d’un
TECHNIQUES DE MODELISATION ET LOGICIELS
pas de temps au suivant et prendre des décisions (par la surproduction, la perte de charge,
etc.). Les modèles de séries chronologiques exigent parfois des algorithmes pour créer des
valeurs horaires de charges et des ressources (rayonnement solaire, vitesse du vent),
souvent plus facilement disponibles sous forme de valeurs moyennes. De même, des
algorithmes pour représenter la production horaire sont utilisés pour permettre une
interprétation plus compréhensible des résultats.
2-1-2 Modèles statistiques
Dans les modèles statistiques la performance du système est évaluée pour chaque mois
d'une année, et afin de prendre en compte l'effet des variations à court terme (plus court
que le mois par exemple) une certaine forme de manipulation statistique est utilisée. Les
données nécessaires sont limitées aux valeurs mensuelles ou annuelles moyennes de
charge, aux données sur les ressources, et certains paramètres de performance des
composantes. D'autres paramètres tels que la mesure dans laquelle une charge est liée à
une source peut être fournie si elle n'est pas calculée par le modèle lui-même.
Enfin, les modèles statistiques sont plus simples et plus rapides que les modèles de séries
chronologiques au détriment de la précision et de la flexibilité. Il n’est, en fait, pas si
facile à mettre en oeuvre les configurations de systèmes complexes (plusieurs sources
d'énergie renouvelables, de multiples générateurs, les stratégies de contrôle sophistiquées,
etc) dans ces modèles.
La loss of power supply probability (LPSP) est une technique probabiliste introduite par
AbouZahr et Ramakumar dans le domaine des systèmes de génération éoliens [11] et
photovoltaïques [12], et largement utilisée dans la conception et l'optimisation de
systèmes stand-alone éolien-photovoltaïques [13], [14] jusqu’à présent. [15]. Elle est
basée sur le concept de LPSP qui est la probabilité que le système rencontre une pénurie à
un moment donné pendant une période d'analyse, c'est-à-dire un état dans lequel le
système ne serait pas en mesure de fournir la charge nécessaire. A partir de l'information
sur la variabilité des ressources et sur sa corrélation avec la charge, le LPSP peut être
calculé. Cette méthode est particulièrement utile lors de l'évaluation du comportement
d'un stockage d’énergie.
De même que la LPSL, le Loss Of Load Probability (LOLP) peut être utilisé comme un
critère pour la sélection d’un système énergétique hybride [16]. Il convient de noter que le
critères de sélection LPSL et LOLP peuvent être utilisés non seulement dans un modèle
statistique, mais aussi quand un modèle de série chronologique est utilisé : dans ce cas, le
LPSL ou LOLP est calculé à partir des résultats et non déterminé à partir d’une fonction
de densité de probabilité qui peut être difficile à déterminer analytiquement dans le cas de
systèmes complexes.
2-2 Logiciels pour l’analyse des systèmes multi énergies
Dans cette section quelques-uns des logiciels utilisés pour modéliser et optimiser un
système multi énergies dans un bâtiment sont présentés. La plupart d'entre eux sont basés
sur des modèles de séries chronologiques et d'autres sur des modèles statistiques.
15
TECHNIQUES DE MODELISATION ET LOGICIELS
2-2-1 EnergyPlus
EnergyPlus c’est un programme de simulation énergétique et thermique des bâtiments qui
a ses racines dans les deux logiciels de simulation US DOE-2 et BLAST, produits
respectivement par le Ministère américain de l'énergie et le Ministère américain de la
défense. Plus de vingt ans de mises à jour de ces deux programmes ont en fait conduit à
des centaines de sous algorithmes difficiles à gérer dans la mise en oeuvre de nouveaux
algorithmes. Il a donc été décidé, en 1996, de construire de toutes pièces un programme
de simulation modulaire par la réécriture complète du code en langage Fortran 90, tout en
gardant quelques-unes des routines les plus avancés de DOE-2 et de BLAST.
L'équipe qui a fait le programme comprend, outre le DOE et le CERL (US Army
Construction Engineering Research Laboratories), l'Université de l'Illinois, le Lawrence
Berkeley National Laboratory, l'Oklahoma State University, et le Gard Analytics.
Le résultat est un programme qui combine les plus détaillés algorithmes de DOE-2 et
BLAST, mais qui est un nouveau logiciel [17] fondé sur l'intégration de la simulation du
bâtiment et des systèmes. C'est la différence avec les programmes précédents où
l'information sur les charges thermiques était envoyée, en cascade, aux autres composants
(bâtiment → système de distribution des énergies → systèmes).
Le programme permet de simuler la plupart des systèmes communs. La première version
du logiciel a été publiée en 2001. Des versions de mise à jour sont publiées deux fois par
an et ajoutent constamment de nouvelles fonctionnalités et des modules, par exemple les
systèmes photovoltaïques, la cogénération, les piles à combustible et la production
électrique distribuée, les pompes à chaleur géothermiques, les échangeurs de chaleur avec
le sol pour les équipements à condensation.
En règle générale, le nombre et la précision des données d'entrée nécessaires pour tous ces
modèles sont tellement élevés que ce type de logiciel n’est pas conçu pour être mis à la
disposition de l’architecte ou de l’ingénieur.
2-2-2 HOMER
HOMER est un logiciel pour la simulation et l’optimisation de systèmes de génération
électrique distribuée développé par le National Renewable Energy Laboratory (NREL)
[18]. Le modèle doit être renseigné des ressources disponibles, des options
technologiques, des coûts et des charges à respecter par le système. Les composantes qui
peuvent être modélisées sont des modules photovoltaïques, des éoliennes, des
générateurs, des batteries, des convertisseurs AC/DC, des électrolyseurs, des
réformateurs, des réservoirs d'hydrogène. Les éléments clés du modèle sont les deux AC
et DC bus, auxquels chaque convertisseur doit être lié.
Les charges peuvent être saisies en tant que profil de charge quotidien ou importées d'un
fichier de données horaires. En tout état de cause, les valeurs horaires des charges doivent
être définies pour chacune des 8760 heures d'une année.
En ce qui concerne les composants, des fonctions de coût linéaires sont adoptées et les
dimensions des composants à prendre en considération doivent être préalablement
prévues afin de réaliser l'optimisation. Le nombre de tailles multiplié par le nombre de
composants donne le nombre de configurations de systèmes simulés par le programme.
16
TECHNIQUES DE MODELISATION ET LOGICIELS
HOMER est un modèle de séries chronologiques et effectue un bilan énergétique horaire
le long d’une année pour chaque configuration de système rentrée par l'utilisateur. Il
affiche ensuite la liste des configurations de systèmes triés par le coût actuel net (qui
combine le coût en capital - annualisé par l'amortissement du composant au cours de sa
durée de vie en utilisant les taux d'actualisation réelle – et celui de remplacement,
fonctionnement et entretien).
Des analyses de sensibilité peuvent également être effectuées pour certaines variables (par
exemple des coûts de carburant, la vitesse moyenne annuelle du vent).
Enfin, une analyse de contrainte peut également être effectuée au moyen d'un facteur de
capacité annuelle limitée à une valeur maximale : si ce paramètre est fixé à 0%, alors le
système doit satisfaire les charges tout le temps, alors que s’il est fixé à des valeurs de 1%
à 5% des économies considérables en puissance de crête et des différences entre les
scénarios optimisés sont obtenus [19].
HOMER est largement utilisé et accepté comme un outil de simulation distribué, tant au
niveau national que international. De nombreuses analyses de systèmes énergétiques
hybrides ont été effectuées à l'aide de cet outil et ont été publiées sous forme d'articles, en
particulier sur la revue « Renewable Energy » : voir par exemple les travaux de Iqbal [20]
pour des applications dans les Newfoundland (au Canada), Shaahid et Elhadidy [21] pour
les systèmes hybrides photovoltaïques-diesel-batteries, Beccali et al. [22] pour les
systèmes SER à hydrogène.
2-2-3 RETScreen International
RETScreen International est une collection de feuilles de calcul pour évaluer les
technologies des énergies renouvelables (RET) des projets élaborés par le ministère des
Ressources naturelles du Canada. De nombreuses applications sont disponibles en
modèles de feuilles de calcul unique - L'énergie éolienne, petite hydraulique,
photovoltaïque, la production combinée de chaleur et d'énergie, de chauffage à la
biomasse, de chauffage solaire, chauffe-eau solaire, chauffage solaire passif, les pompes à
chaleur géothermiques - jusqu'à ce qu'une seule version du logiciel ait été publiée et qui
comprend des mises à jour de tous les modèles précédents.
Chaque module est constitué de 5 feuilles de calcul: le modèle énergétique, l'analyse des
coûts, l’analyse des émissions de gaz à effet de serre, le bilan financier, la sensibilité et
l'analyse des risques. RETScreen est un modèle statistique pour la conception du système
de production d'énergie renouvelable, la principale caractéristique qui distingue
RETScreen d'autres outils est l'accent mis sur l'exactitude des analyses. Ce logiciel a
également acquis une plus large acceptation dans la communauté scientifique.
2-2-4 DER-CAM
DER-CAM (Distributed Energy Resources-Customer Adoption Model) est un outil de
sélection et d'optimisation pour les ressources énergétiques mis au point par le Ernest
Orlando Lawrence Berkeley National Laboratory (LBNL). Les données d’entrée sont les
profils des charges, l'information sur les tarifs et les prix du carburant, les informations
sur les technologies DER (CHP, capteurs solaires) et il fournit à la fois le meilleur choix
17
TECHNIQUES DE MODELISATION ET LOGICIELS
technologique et le profil de fonctionnement optimal pour la fourniture d'électricité et de
chaleur ainsi que d'autres résultats tels que les coûts de l'énergie et les émissions.
L'optimisation est effectuée en réduisant le coût énergétique annuel pour un client donné.
Cet outil a été utilisé par Zhou et al. [23] afin de sélectionner les meilleures technologies
sur beaucoup de bâtiments différents (hôtel, hôpital, école, commerce, restaurant).
2-2-5 HYBRIDS
HYBRIDS est un feuille de calcul d'évaluation de l'application des sources d'énergie
renouvelables développé par Solaris Homes (Queenskand, Australie). Il exige la
connaissance de la moyenne quotidienne de charges (moyenne quotidienne de
consommation d'énergie en kWh) et des données sur les ressources estimées pour chaque
mois. Contrairement à d'autres outils, HYBRIDS ne peut simuler qu’une configuration du
système à la fois, et, par conséquent, l'optimisation doit être effectuée hors-ligne en
simulant un ensemble de configurations et en les triant en fonction d'un critère
d'optimisation. Il exige la spécification par l'utilisateur de nombreux facteurs d'efficacité
et les propriétés des convertisseurs d'énergie qui ne sont pas pris en compte, ou sont
assumés lors d'équations sous-jacentes, dans d'autres outils. Il implique un niveau élevé
de connaissances sur les systèmes d'énergies renouvelables et des configurations, et,
comme c’est un feuille de calcul, toutes les formulations sont visibles par l'utilisateur.
Dans une analyse de faisabilité d'un système isolé d'énergie renouvelable pour un grand
hôtel [24] l’outil a donné des résultats semblables à ceux d’HOMER.
2-2-6 Hybrid2
Hybrid2, développé par le Renewable Energy Research Laboratory de l'Université du
Massachusetts est un logiciel permettant d’effectuer des analyses à long terme de
l'économie des systèmes énergétiques hybrides qui comprennent trois types de charges
électriques, des éoliennes, du PV, des générateurs diesel, des batteries de stockage et
d'autres dispositifs. Il est basé sur des séries chronologiques des ressources, mais ne tient
pas compte de la courte durée des fluctuations causées par la dynamique des systèmes
entre les composants. L'outil a une interface utilisateur graphique et une bibliothèque
d'équipements disponibles dans le commerce avec les spécifications des constructeurs.
2-2-7 FACES
FACES (Forecasts of Air Conditioning system’s Energy environmental and economical
performance by Simulation) est un outil pour la sélection des sources d’énergie les plus
appropriées au début de la conception des bâtiments [25].
Il est basé sur la simulation énergétique, environnementale et économique d’un système
de climatisation. L'écart entre l'insuffisance des données disponibles au début de la phase
de conception et les nombreuses données d'entrée nécessaires à la réalisation de
programmes de simulation à grande échelle est couvert par la conception d’algorithmes et
de données définis par défaut qui sont intégrés dans l’outil.
Le logiciel nécessite d’un minimum de données d'entrée très faible (par exemple, la
18
TECHNIQUES DE MODELISATION ET LOGICIELS
localisation, la surface, le nombre d’étages, le type de système) et fourni les charges de
refroidissement, chauffage et électricité, les configurations du système, l'énergie
consommée, les évaluations environnementales et économiques des alternatives. Certains
sous-modules sont appelés de façon séquentielle: par exemple celui qui calcule les
charges thermiques et électriques. L'outil de simulation, développé par Nikken Sekkei
Ltd, l'Université de Chubu et de Tokyo, les entreprises Chubu et Kansai Electric Power en
coopération avec de nombreuses autres compagnies d'électricité de villes japonaises
(Hokkaido, Tohoku, Hokuriku, Chugoku, Shikoku, Okinawa) s’est avéré simple et précis.
2-2-8 Discussion
Certains des outils présentés ci-dessus ont été conçus en particulier pour la simulation et
l'optimisation des systèmes hybrides (par exemple, HOMER, RETScreen, HYBRIDS),
tandis que d'autres ont été initialement conçus pour modéliser le bâtiment et ses systèmes
de climatisation, mais ont ensuite été élargis pour couvrir la possibilité de simuler des
générateurs d'électricité, des technologies à énergies renouvelables (c'est le cas de
EnergyPlus). Un autre outil similaire à EnergyPlus, TRNSYS, a été conçu à l'origine pour
effectuer la modélisation dynamique des systèmes solaires thermiques, puis il a été élargi
pour effectuer la simulation de toute la construction et des équipements d’un bâtiment.
Une autre particularité peut être trouvée dans le but de l'outil. Certains d'entre eux sont
destinés à être utilisés comme outils de simulation, ce qui signifie qu'ils peuvent vérifier
un scénario mais pas effectuer une optimisation (du moins pas dans l'outil lui-même),
d'autres sont destinés à être utilisés comme un outil d'aide à la décision pour effectuer une
optimisation, en donnant notamment une optimisation de la configuration du système (par
exemple HOMER). Dans le premier cas, le logiciel peut être couplé à un outil
d'optimisation (qui est, par exemple, GenOpt dans le cas de EnergyPlus).
En règle générale, le nombre de données nécessaires pour effectuer une simulation n'est
pas réduit, sauf pour certains cas particuliers (FACES). Les outils les plus avancés dans la
simulation de systèmes hybrides ne prennent pas particulièrement en compte la diversité
des convertisseurs d'énergie qui sont utilisés dans un bâtiment, mais ont tendance à se
concentrer sur la production distribuée d'électricité.
19
3- LA CARACTERISATION DE LA DEMANDE
D’ENERGIE
3-1 Paramètres
La demande d'énergie d'un bâtiment, quel que soit le type et la taille, peut être résumée en
trois charges: une charge de chauffage, une charge de refroidissement et une charge
électrique. Les deux premières charges peuvent encore être subdivisées en différentes
charges en fonction de la température à laquelle la chaleur est fournie et également dans
une charge sensible et une charge latente
La demande d'énergie d’un bâtiment peut être évaluée en termes de:
 valeurs de projet (par exemple la charge de chauffage, de refroidissement,
électrique de projet);
 valeurs mensuelles ou annuelles (par exemple l’énergie de chauffage, de
refroidissement, d'électricité).
Ces deux paramètres peuvent être des valeurs absolues ou des valeurs paramétrées en
fonction d'une - ou une combinaison - des variables telles que la surface de plancher, le
volume, les lits (pour les hôtels et les hôpitaux). Un exemple de valeurs de la demande
annuelle d'énergie figure dans le tableau 3.3.
Un deuxième niveau d'information sur la demande énergétique des bâtiments se
caractérise par la présence de :
 séries chronologiques (ou profils de charge) de l'énergie de chauffage,
refroidissement et électrique ;
 une manipulation statistique des séries chronologiques de l'énergie de chauffage,
de refroidissement et électrique.
Dans le premier cas, il est possible d'identifier un ensemble de valeurs des séries
chronologiques de profils de charge (c'est-à-dire une série chronologique de 8760 valeurs
horaires, comme dans la figure 3.1) ou un ensemble de profils de charge quotidien qui se
réfère à une condition particulière (par exemple, le profil de charge de la journée d'hiver).
Une manipulation statistique est généralement utilisée uniquement dans le cas des valeurs
horaires sur une période d'un an.
Comme indiqué précédemment, lorsque le domaine temporel est pris en considération, un
pas de temps de 1 h est adopté, car il équilibre les besoins de précision et de simplicité.
LA CARACTERISATION DE LA DEMANDE D’ENERGIE
La représentation graphique de ces séries chronologiques pose cependant certains
problèmes, en particulier en cas de charges très variables: alternativement au profils de
charge (figure 3.1) d'une quantité donnée, il est possible de tracer la courbe de fréquence
cumulée (figure 3.2) de cette quantité.
Pour servir de référence pour l'ensemble de la thèse, un exemple de trois représentations
de la demande énergétique d'un bâtiment sera utilisé tout au long de ce travail : cet
exemple est présenté ci-après. Dans la figure 3.1 les besoins de chauffage et de
refroidissement pour un habitat résidentiel sont représentés. Cette information va de pair
avec celle prévue dans le tableau 3.1, où les charges de pointe sont signalées. Dans la
deuxième colonne du tableau 3,1 la charge de conception est calculée en supposant des
conditions aux limites (par exemple la température de l'air extérieur et le rayonnement
solaire). Comme on peut le constater à partir de la troisième et quatrième colonne du
tableau 3.1, ainsi que des profils de charge de la figure 3.1, le chauffage et le
refroidissement des charges sont toujours inférieurs aux valeurs de projet des charges de
chauffage et de refroidissement au cours de l'année de référence de l'analyse. Cela est dû
au fait que le projet est considéré dans les pires conditions possibles, qui certainement ne
seront pas atteintes au cours d'une année type, car elle est une année de référence retenue
lorsqu’une simulation est réalisée. À ce point, il est intéressant de constater que, en été
l’écart entre la charge de projet et la charge maximale de fonctionnement est réduit.
Cela implique le fait que les convertisseurs d'énergie d’un système multi énergies d’un
bâtiment fonctionnent, presque toujours, à charge partielle et, pour la plupart du temps, à
des facteurs de charge inférieurs à 0,5. Pour quantifier cette particularité, il est possible de
représenter les charges de chauffage, refroidissement et électricité non en termes de séries
chronologiques, mais par des courbes de fréquence, comme dans la figure 3.2, où la
relation entre la charge maximale et les charges au diverses conditions de fonctionnement
a été définie.
Tableau 3.1 – Caractérisation de la demande d’énergie d’un bâtiment en termes de charges pour
un habitat résidentiel (Maison Mozart à Rome)
Charges de pointe [kW]
Thermique
Frigorifique
Electricité
Demande d’énergie [kWh]
Thermique
Frigorifique
Electricité
Conception
4,152
3,500
3,000
Saison chauffage
1,890
0
3
Saison rafraîch.
0
3,001
3
Annuelle
1419 (14 kWht/m²)
2637 (26 kWhf/m²)
3328 (33 kWhe/m²)
Saison chauffage
1419
0
1525
Saison rafraîch.
0
2637
1803
Tableau 3.2 – Charges moyennes et facteurs de charge moyens pour un habitat résidentiel
(Maison Mozart à Rome)
Facteur de charge
moyen annuel [kW]
Thermique
Frigorifique
Electricité
0,358
0,563
0,380
Facteur de charge
saisonnier [-]
(calculé sur la charge
de conception)
0,09
0,16
0,13
Facteur de charge
saisonnier [-]
(calculé sur la charge de
pointe)
0,20
0,19
0,13
21
LA CARACTERISATION DE LA DEMANDE D’ENERGIE
3
15/4
31/10
Cooling Season
1419 kWht/y
2
LOAD [kW]
1
0
1
1096
2191
3286
4381
5476
6571
7666
8761
-1
-2
2637 kWhf/y
-3
Figure 3.1 – Courbes des charges thermique et frigorifique pour la climatisation d’un bâtiment
(Maison Mozart à Rome)
8760
A = COOLING
7665
B = HEATING
NUMBER OF HOURS
6570
5475
4380
3285
2190
A
B
1095
0
0
0.5
1
1.5
2
2.5
3
LOAD (kW)
Figure 3.2 – Courbes de fréquence cumulée des charges thermique et frigorifique pour la
climatisation d’un bâtiment (Maison Mozart à Rome)
800
Heating Energy
Coling Energy
600
Electricity
400
c
De
v
No
t
Oc
Se
p
Au
g
l
Ju
n
Ju
Ma
y
Ap
r
Ma
r
Ja
-200
Fe
b
0
n
[kWh]
200
months
-400
-600
-800
Figure 3.3 – Valeurs mensuelles d’énergie thermique, frigorifique et d’électricité (Maison Mozart
à Rome)
22
LA CARACTERISATION DE LA DEMANDE D’ENERGIE
3-2 Facteurs d’influence
Parmi les facteurs qui influencent la demande d’énergie d’un bâtiment on peut identifier
les limites du système étudié, les propriétés des fluides et la qualité de l’ambiance
intérieure.
3-2-1 Limites du système
Lors de l'évaluation de la demande énergétique des bâtiments, il est de la plus haute
importance de préciser les limites du système étudié. Un élargissement des limites du
système implique généralement une augmentation des pertes dans le système, et donc une
plus grande valeur de la demande énergétique. Une comparaison entre deux demandes
d'énergie ne peut être effectuée que si les mêmes limites du système sont définies.
Un premier choix est de retenir l’air de la zone, dont les limites sont les éléments de
l'enveloppe du bâtiment. Cette approche est couramment utilisée pour évaluer le besoin
d'énergie pour le chauffage et le refroidissement (zone air energy demand) lorsque la
performance énergétique du bâtiment comme un système passif est étudiée. De
nombreuses méthodes de bilan thermique (par exemple l’air heat balance) sont fondées
sur l'hypothèse que seul l’air de la zone est la partie du système considérée.
Une deuxième étape d'analyse est d'élargir les limites du système pour tenir compte des
pertes du système de distribution de l'énergie dans le bâtiment. Dans ce cas, la zone
system energy demand prend également en compte les caractéristiques des équipements
installés et les stratégies de contrôle du système de climatisation.
3-2-2 Fluides et températures
Air et/ou eau sont les fluides qui sont utilisés dans les bâtiments pour le chauffage et le
rafraîchissement. En ce qui concerne l'eau, différentes températures de l'eau peuvent être
utilisées et le choix de la température de projet de l'eau chaude et de l’eau réfrigérée doit
être compatible avec les équipements de la zone adoptée (radiateur, planchers chauffants,
etc.…) et système de chauffage/refroidissement (chaudière standard, chaudière à
condensation, pompe à chaleur, capteurs solaires, etc…).
Essentiellement deux gammes de température peuvent être adoptées pour l'eau chaude et
eau réfrigérée:
 une température standard, généralement égale à 95 - 85 ° C pour l'eau chaude et 7 12 ° C pour l'eau réfrigérée;
 une température modérée, généralement égale à 55 - 45 ° C pour l'eau chaude et 17
- 21 ° C pour l'eau réfrigérée.
Dans ce deuxième cas, il est réalisé ce que l'on appelle un chauffage basse température et
un refroidissement haute température. Lorsque l'eau chaude et l'eau réfrigérée sont
produites à ces températures, une plus grande efficacité de la conversion peut
généralement être atteinte (augmentation de l'efficacité des chaudières à condensation et
des coefficients de performance dans les pompes à chaleur). Étant donné que ces
températures sont beaucoup plus proches de la température de confort intérieur, des
23
LA CARACTERISATION DE LA DEMANDE D’ENERGIE
systèmes qui adoptent de telles températures d'eau chaude et eau réfrigérée sont aussi
appelés systèmes à faible exergie.
3-2-3 Qualité de l’ambiance intérieure
Au cours des dernières années, il y a eu un intérêt croissant dans l'évaluation de la
demande énergétique pour le chauffage et le refroidissement des bâtiments, ce qui est dû
aux nombreuses activités de recherche imposées après la directive européenne
2002/91/CE, concernant la performance énergétique des bâtiments. Comme le souligne la
directive, l'évaluation de la demande énergétique pour le contrôle climatique d'un
bâtiment ne peut être traitée que si le niveau de confort de l’ambiance intérieure est
clairement défini : un indice de performance énergétique d’un bâtiment doit être indiqué
en même temps qu’un indice de qualité du confort thermique. Cela est dû au fait que la
réduction de la demande d'énergie peut aussi conduire à une baisse du niveau de confort,
au contraire, il est clair qu'une plus grande demande d'énergie devrait être prévue pour
une augmentation du niveau de confort. Certaines études ont été menées afin d'associer la
notion de performance énergétique des bâtiments à la notion du confort du bâtiment. Le
niveau requis de qualité du microclimat, en fait, a un effet direct sur la consommation
énergétique des bâtiments.
Il ne fait aucun doute aussi que non seulement le confort thermique, mais aussi le confort
visuel a un effet direct sur la demande d'énergie car il influe sur la consommation
d'électricité pour l'éclairage électrique.
Tableau 3.3 – Valeurs de la demande d’énergie pour des bâtiments dans le Nord de l’Italie (de
[34])
Bâtiment
Résidentiel
Commercial
Bureau
Sport
Hôtel
Hôpital
Energie
thermique
[kWht/(m3 y)]
40.9
21.7
37.5
133.3
55.8
52.2
Energie
frigorifique
[kWhf/(m3 y)]
7.75
19.2
13.9
14.0
16.7
14.4
Electricité
[kWhe/(m3 y)]
9.42
79.2
24.7
35.1
10.7
19.0
Charge
électrique
[We/m3]
9.43
14.0
6.47
11.1
2.44
4.52
24
4- LA CARACTERISATION DE L’OFFRE D’ENERGIE
La caractérisation des sources d'énergie est de la plus haute importance lors de la
conception et la prévision du comportement d’un système multi énergies. Elle concerne la
disponibilité des ressources en référence à l'espace et au temps et l'économie des
ressources. Les aspects liés à la disponibilité et à la fiabilité sont des questions cruciales
en cas de sources d'énergies renouvelables, qui, généralement, sont disponibles
gratuitement, mais qui ont un caractère intermittent et des facteurs d'incertitude.
Les ressources énergétiques non renouvelables, en particulier celles fournies par les
services publics, n'ont pas une limite théorique sur l'approvisionnement en énergie mais
sont disponibles à un coût qui est fixé ou variable dans le temps.
Les sources d'énergie peuvent être divisées en sources primaires et secondaires. Les
sources primaires sont disponibles sans aucun type de conversion (charbon, pétrole, gaz
naturel, uranium, rayonnement solaire, géothermie), tandis que les sources secondaires
résultent du processus de conversion de sources primaires et sont les vecteurs
énergétiques (les produits du pétrole, l’électricité, le chauffage à distance, l'hydrogène).
Pour la satisfaction de l'utilisation finale d'énergie, à la fois des sources primaires et
secondaires peuvent être utilisées.
Parmi les sources d'énergie primaire, une distinction peut être faite entre celles qui ne sont
pas renouvelables et sont généralement extraites du sol où elles existent en quantités
limitées (au moins à l'échelle de temps d’intérêt pratique) et celles qui sont renouvelables
et qui peuvent être continuellement exploitées.
La formation des sources d'énergie fossiles non renouvelables (charbon, pétrole, gaz
naturel) date de 250 à 300 millions d'années, tandis que l'énergie nucléaire remonte à
quatre milliards d'années, pour l'uranium et le thorium, ou à l’origine de la Terre pour le
deutérium et le lithium. La différence entre le taux actuel d'extraction de ces sources et le
temps nécessaire à leur régénération (de l'ordre de milliers de fois plus que l'extraction et
l'exploitation) implique qu'elles sont considérées comme non-renouvelables.
Pour ces sources, il est plus important d'analyser la relation entre les réserves et la
production, le rapport R/P entre les réserves restantes à la fin d'une année et la production
pour cette année. À l'échelle mondiale et aux taux de consommation actuels (dans le
monde entier la production et la consommation sont, en fait, coïncidentes), le rapport R/P
indique que le pétrole tendra à manquer dans environ 40 ans, le gaz naturel dans 65 ans et
le charbon dans 155 ans. Ces chiffres doivent être considérés comme purement indicatifs,
LA CARACTERISATION DE L’OFFRE D’ENERGIE
d’autant que l’on doit tenir compte du fait que d'une année à l'autre à la fois le numérateur
et le dénominateur de ce rapport R/P varient.
L’unité de mesure adoptée pour l'évaluation des sources non renouvelables est une tonne
d'équivalent pétrole (tep) correspondant à l’énergie d'une tonne de pétrole, c’est à dire à
107 kcal, soit 42 GJ ou 11630 kWh. Il est également utilisé le baril de pétrole, une unité
de volume égale à 159 litres, ce qui correspond à une énergie d'environ 1700 kWh.
Les sources d'énergie secondaire résultantes de la conversion des sources d'énergie
primaires sont les vecteurs énergétiques. Environ 30% de sources secondaires résultant de
la transformation de sources primaires est due à l'électricité, tandis que les 35% restants,
24% et 6% sont attribuables respectivement à l'énergie thermique, les carburants et
d’autres usages non énergétiques.
Au contraire, pour ce qui concerne les sources renouvelables, l'évaluation de l’offre
énergétique potentielle d'une ressource renouvelable n'est pas simple, sauf dans quelques
cas. Toutes les sources d'énergie renouvelables, bien que dans une mesure différente, sont
soumises à une variabilité annuelle, saisonnière ou journalière et, par conséquent, exigent
généralement un système intégrateur de sauvegarde. Une combinaison de plusieurs
ressources renouvelables peut accroître la fiabilité du système et est une bonne
perspective pour réduire la dépendance des ressources non renouvelables.
Plus d'informations relatives au présent paragraphe sont données dans la version complète
de cette thèse en anglais et peuvent être trouvées dans les références [35] et [36].
26
5- LA CARACTERISATION DES CONVERTISSEURS
D’ENERGIE
Dans la simulation du rendement énergétique des systèmes de conversion multi énergie
c’est essentiellement une approche séquentielle que l’on utilise. Cela signifie que chaque
composant du système est modélisé par une relation équivalente entrées-sorties. En
fonction du niveau de détail requis par le modèle de simulation, les algorithmes de chaque
composant peuvent être simplifiés ou détaillés. En règle générale, ce seront des
algorithmes simplifiés basés sur les données des fabricants qui seront adoptés dans les
sections suivantes et non détaillés (basés, eux, sur des modèles physiques des composants,
leur géométrie réelle, les matériaux et les propriétés des fluides utilisés [2]).
Chaque convertisseur d'énergie est considéré comme une unité qui est alimentée par une
ou plusieurs sources d'énergie et fournit un ou plusieurs vecteurs d'énergie. Les
paramètres pour modéliser les performances des convertisseurs sont l'efficacité ou le
coefficient de performance pour les convertisseurs dont un coefficient d'efficacité ne peut
être défini.
En règle générale, l’efficacité énergétique nominale d’un convertisseur d’énergie K en
régime permanent correspond à l’efficacité déterminée à pleine charge et peut être
fonction de quelques paramètres p
K,d , COPK,d = f (p1, p2, p3, …)
(5.1)
où habituellement un des paramètres est la puissance de projet PK,d du convertisseur
p1 = PK,d
(5.2)
L’efficacité de conversion a n’importe quelle condition de fonctionnement peut être
déterminée en fonction de l’efficacité de projet, du taux de charge partielle et d’autres
paramètres
K , COPK = f (K,d /COPK,d , PLR, p1, p2, p3, …)
(5.3)
où le taux de charge partielle (part load ratio) PLR est le rapport entre la puissance
fournie par le convertisseur et la puissance de projet du convertisseur
P
(5.4)
PLR  K []
PK ,d
Le rapport entre l'efficacité réelle et l’efficacité à pleine charge est appelé facteur de
charge partielle PLF
LA CARACTERISATION DES CONVERTISSEURS D’ENERGIE
η K COPK
,
 PLF  f (PLR) []
η K,d COPK,d
(5.5)
La détermination des paramètres définis dans les équations (5.1) et (5.3) a été effectuée,
pour chaque convertisseur, au moyen de l’information scientifique ou technique
disponible (ASHRAE Handbooks [37], [38], [39], [40]).
28
6- LA MODELISATION DE L’ENERGY HUB
Le système énergétique au service du bâtiment a été modélisé en suivant la méthode du
"energy hub", développée par Geidl, Andersson et d'autres chercheurs de l’ETH Zurich
[47] au sein d'un projet de distribution d'énergie futuriste avec des systèmes multi sources
[48].
Selon une approche boîte noire, seulement la puissance en entrée et la puissance en sortie
par composant (qui est un convertisseur d'énergie ou l'hub lui-même) sont prises en
compte.
Tous les flux d'énergie en entrée/sortie de l'hub, ou l'un de ses composants, sont identifiés
par la mention in/out en indice. Dans ce cadre, le système générique multi énergies d'un
bâtiment peut être schématiquement représenté comme le montre la figure 1 comme une
série de composants dédiés à la conversion de l'énergie sous ses diverses formes (K1, K2,
K3,… Kn). Au port de sortie de l'hub sont consommés les m charges (elles peuvent-être
différenciées selon la forme d'énergie et de leur niveau de chaleur).
Etant E l’ensemble { ...} des n sources d’énergie au port d'entrée de l’hub, les
puissances peuvent être exprimées comme
Pin , Pin , Pin ... Pinn
(6.1)
où le sommet se réfère à la source d’énergie (par exemple,  indique le gaz naturel).
L'ensemble des puissances d'entrée n est le vecteur (n × 1)
Pin  Pin , Pin , Pin ... Pinn T
(6.2)


Toutes les charges sortant de l’hub sont identifiées par l'indice out. Étant donné
l’ensemble l (a, b, c. ..) les m charges, les puissances de sortie sont
(6.3)
où le sommet se réfère à la nature de la charge (par exemple, a indique de la chaleur à
75°C, b indique de la chaleur à 45°C, etc…). Toutes les charges m du bâtiment
constituent le vecteur (m × 1)
a
b
c
m T
Pout  Pout
, Pout
, Pout
... Pout
(6.4)
a
b
c
m
Pout
, Pout
, Pout
... Pout


Le couplage entre l'offre et la demande d'énergie peut donc être exprimé comme
Pin  D Pout
(6.5)
LA MODELISATION DE L’ENERGY HUB
pourvu qu'une matrice appropriée D de taille (n × m) soit définie.
En ce qui concerne la matrice D, trois aspects doivent être pris en compte dans la
détermination de ses coefficients dij:
1) la connexion entre les flux d’énergie ;
2) les pertes qui se produisent dans les composants de l'hub ;
3) l'énergie stockée dans certains composants de l'hub.
Le premier aspect concerne la répartition des flux au sein de l'hub (le lay-out), le
deuxième aspect est caractéristique des convertisseurs d'énergie : ils peuvent changer non
seulement la forme d'énergie qui les traverse (un aspect déjà pris en compte au point 1),
mais également modifier la quantité d'énergie fournie à cause de leur perte d'énergie. La
troisième question concerne l'accumulation ayant une influence sur les flux d'énergie
entre l'entrée et de sortie de l'hub.
Pour examiner le premier aspect, les facteurs  sont mis en place : ils représentent, pour
chaque charge sortante, la part de celle-ci couverte par un convertisseur donné (identifié
en indice).
Pour prendre en compte le deuxième aspect on introduit les rendements des
convertisseurs d'énergie de l’hub.
Le troisième aspect pourrait être pris en compte à travers une nouvelle série de facteurs
de charge ou de décharge des stockages qui ne sont pas traités ici.
En guise d'exemple, la matrice qui permet de modéliser le rapport de couplage entre
l'offre et la demande d'énergie dans l’energy hub représenté dans la figure 6.1 est
  aK 1

 Pin   η K 1
  
 Pin  0
P   
 in    aK 4
 ...  
 n   ηK 4
 Pin  ...
0

1
ηK2
0
0
1
ηK3
0
0
...
...
0
0

... 0 
a 
  Pout
 b 
... 0   Pout 
 P c 
  out 
... 0   ... 
 m 
... ...  Pout 
... 0 
(6.6)
avec les contraintes
0   iK  1  i  L ,  K  K
Kn
 iK  1  i  L
= {a, b, c, ... }
K  K1
0  K
 K  K = {K1, K2, K3, ... Kn}
où K est l’ensemble de toutes les composantes de l'hub.
Les convertisseurs à plusieurs entrées énergétiques peuvent être modélisés avec la même
approche. Cependant, il faut faire attention aux convertisseurs qui ont plusieurs sorties
(les cogénérateurs par exemple) parce que généralement les sorties énergétiques ne sont
pas indépendantes entre elles, mais liées par un certain rapport (celui-ci étant variable).
Etant donné que dans l’Eq. (5) les sorties sont considérées comme des constantes de la
formulation, et donc indépendantes, d’autres contraintes doivent être fixées. Dans le cas
d'un convertisseur avec m produits, on peut considérer l'un d'entre eux indépendant et les
autres dépendants; donc m-1 relations entre les sorties de l’hub doivent être ajoutées à
30
LA MODELISATION DE L’ENERGY HUB
l’Eq. (6.6) afin de simuler correctement le comportement du système multi énergies.
Un exemple des différents convertisseurs d’énergie employés dans les bâtiments est
fourni dans le schéma de la figure 6.1.
Figure 6.1 – Schéma représentatif d’un energy hub
31
LA MODELISATION DE L’ENERGY HUB
Tableau 6.1 – Convertisseurs d’énergie utilisés dans les systèmes multi énergies dans les
bâtiments
Convertisseur
GB
Energie en entrée*
Gaz naturel/huile
Energie en sortie *
Energie thermique
Chaudière à
condensation
Chaudière à bois
Gaz naturel
Energie thermique
Bois
Energie thermique
Gasificateur
Moteur à combustion
interne (CHP)
Micro turbine (CHCP)
Bois
Gaz naturel
/huile/biocarburant
Gaz naturel
Micro turbine avec
trigéneration (CHCP)
Gaz naturel
ST
Turbine à vapeur
Gaz naturel
Gaz naturel
Électricité
Energie thermique
Électricité
Energie thermique
Electricité
Energie thermique
Energie frigorifique
Électricité
Energie thermique
AC
FC
Réfrigérateur à
Absorption
Piles à combustibles
Gaz naturel / Energie
thermique
Hydrogène/ Gaz naturel
EZ
Electroliseur
Électricité, eau
C
HP
Résistance électrique
Appareils
Réfrigérateur
Pompe à chaleur
Électricité
Électricité
Électricité
Électricité,
Air/Eau/Terrain/Géother
mie
Électricité
Air/Eau/Terrain/Géother
mie
Gaz naturel
GB
CB
WB
ICE
CB
WB
WG
ICE
MT
MTT
AC
FC
EZ
C
Chaudière
HP
HP/C
Pompe à chaleur
réversible
GHP
Pompe à chaleur à
absorption à gaz
Echangeur thermique
HP/C
GHP
HE
HE
PV
Panneau solaire
thermique
Panneau photovoltaïque
PVT
WT
HT
SC
PV
PVT
SC
Energie thermique
(chauffage urbain)
Energie solaire
Energie frigorifique
Électricité
Energie thermique
Hydrogène
Energie thermique
Energie frigorifique
Energie thermique
Energie thermique,
Energie frigorifique
Energie thermique
Energie frigorifique
Energie thermique
Energie thermique
Energie solaire
Électricité
PV/T
Energie solaire
WT
Eolienne
Energie du vent
Électricité
Energie thermique
Électricité
HT
Turbine hydraulique
Energie hydraulique
Électricité
* Dans ces champs une virgule signifie “et” et une barre signifie “ou”
32
7- APPLICATIONS DU ENERGY HUB ET ETUDES DE
CAS
7-1 Les applications de l’algorithme de couplage
Deux méthodes différentes ont été identifiées pour simuler un système multi énergies en
fonction du détail des données d’entrée et de la phase de conception du projet concerné.
Un grand soin a été consacré à ce sujet, car il a été jugé très important de développer des
outils de sélection adaptés à toutes les phases de la conception d’un bâtiment. Cela est
particulièrement vrai pour les bâtiments où, non seulement pendant la phase de
conception initiale, mais également pendant la phase de développement du projet, de
nombreuses fois la variabilité des charges thermiques, frigorifiques et électriques est loin
d'être calculée, même dans les cas de grands projets de construction.
Telles sont les raisons pour lesquelles le modèle d’analyse des systèmes multi énergies
présenté au chapitre précèdent a été appliqué dans deux méthodes différentes adaptées à
la nature des données et des résultats.
7-2 La méthode saisonnière
7-2-1 Objet de la méthode
Du moment que les systèmes multi énergies, pour la définition donnée dans la section 11, adoptent habituellement des convertisseurs d'énergie non conventionnels, de nouvelles
agrégations de composants, schémas inhabituels, et sont également particulièrement
sensibles aux conditions aux limites de quelque nature que ce soit - énergétique,
économique, environnementale - il est nécessaire d’avoir disponibles, dès la phase de
conception initiale (aussi appelé design concept, schematic design) une procédure
d'analyse de faisabilité économique, énergétique et environnementale de ces systèmes.
C'est la réponse que la méthode saisonnière de ce chapitre est destinée à donner.
Même si cette procédure pourrait sembler très simplifiée, il y a de nombreuses raisons qui
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
expliquent cette utilisation.
D'une part, il est bien connu, comme on le voit dans Lewis [90], que les avantages
potentiels d’une décision sur le projet prise au stade de design concept sont beaucoup plus
élevés que les avantages d’une décision prise pendant les phases suivantes. Dans les
premiers stades, aussi le coût de mise en œuvre des concepts pour améliorer la
performance énergétique du bâtiment est plus faible.
D'autre part, les méthodes d'évaluation des systèmes d'énergie actuellement disponibles,
en se fondant sur des modèles de simulation, peuvent être appliquées seulement avec un
grand nombre de données d'entrée, conditions aux limites et profils utilisateurs (qui sont
de la plus haute importance [91]) qui, généralement, ne sont pas connus en phase de
conception.
7-2-2 Spécifications du modèle
L’algorithme de couplage présenté dans le chapitre 6 est utilisé ici tant en termes de
puissance nominale que en termes d’énergie annuelle. Cela donne
(7.1)
Pin,d  Dd Pout ,d
et

E in  D s E out



Il est habituellement E in  Ein , Ein , Ein ... E
avec
Ein / out 
T
P

n
in

in / out

T

et E out  E , E , E
a
out
d   E U L
b
out
c
out
... E
m
out

(7.2)
T
(7.3)
0
afin que Ein la source d’énergie  consommée au port d’entrée de l’hub dans la période
de temps T, Eaout est l’énergie a nécessaire au port de sortie de l’hub dans la période de
temps T.
Dans les matrices D et Ds les indices renvoient aux conditions de projet et aux conditions
saisonnières. La seule différence entre eux, concerne les valeurs des efficacités à adopter :
- l'efficacité en phase de conception (généralement l'efficacité à pleine charge) des
convertisseurs dans la matrice D ;
- l’efficacité en conditions saisonnières moyennes des convertisseurs dans la matrice
Ds.
Le même principe s'applique lorsque plus d'une efficacité énergétique est nécessaire en
cas de convertisseurs à plusieurs sorties.
En ce qui concerne les facteurs , les mêmes facteurs sont pris en compte dans les deux
matrices. En outre, plus d'une saison peuvent être analysées (par exemple la saison de
chauffage et celle de refroidissement).
Habituellement une distinction entre la saison de chauffage et de refroidissement est
toujours nécessaire dans les bâtiments, en raison de la variabilité de la demande d'énergie
sur l'année. Cette distinction peut être ignorée et un ensemble unique de variables de
décision  peut être adopté en l'absence d’interconnexions entre l'énergie pour le
chauffage et celle pour refroidissement dans l’hub.
Si plus d'une saison sont considérées, les puissances nominales des convertisseurs
d'énergie de l’hub sont les valeurs maximales obtenues au fil des saisons
34
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
PK  max PK ,sas1 , PK ,sas2 ,...... PK ,sasn   K  K
(7.4)
sas
Les sources d’énergie telles que le gaz naturel, l’électricité, le chauffage urbain peuvent
être considérées comme toujours disponibles alors que d'autres sources d'énergie
renouvelables peuvent être collectées de l'environnement dans la mesure de leur taux de
régénération. Ces limitations sont prises en compte, à ce stade, en imposant une simple
valeur maximale sur toutes les variables de décision liées à cette source d'énergie. Cette
particularité peut être prise en compte en limitant les facteurs  appropriés dans une
fourchette
0 <  < max
(7.5)
où max dépend des propriétés (orientation, etc.…) de la surface de capture solaire. Aucun
dispositif de stockage de l'énergie ne peut être directement pris en compte dans cette
méthode tant que la simulation n'est pas effectuée dans le domaine temporel. La
performance d'un système intégré de stockage de l'énergie peut toutefois être simulée par
l'utilisation d'une valeur moyenne de rendement saisonnier. C'est le cas des systèmes
solaires thermiques, qui sont toujours utilisés avec l'intégration d'un stockage sous forme
d’un ballon d'eau. Dans ce cas, une étude paramétrique préliminaire de la performance du
système intégré stockage et convertisseur doit être effectuée. A titre d'exemple, les valeurs
appropriées du rendement annuel moyen d'un système solaire pour une unité résidentielle
sont rapportés dans [29], [93], et peuvent être utilisées dans cette méthode.
7-2-3 Données d’entrée
Conformément à la phase de design concept au cours de laquelle cette méthode doit être
appliquée, le nombre de données d'entrée est très faible.
En ce qui concerne la demande d’énergie des bâtiments sont nécessaires :
- les valeurs de puissance de projet pour chaque charge du bâtiment;
- les valeurs annuelles ou saisonnières des besoins d’énergie de chaque bâtiment.
Ces valeurs se réfèrent à l'énergie qui doit être fournie par le système énergétique du
bâtiment, de sorte qu'elles ne représentent pas nécessairement les besoins énergétiques
des bâtiments, mais prennent en compte toutes les pertes d'énergie qui peuvent se
produire (par exemple les pertes liées à la distribution de l’énergie et à la régulation).
Même si en théorie, de nombreux outils d'évaluation peuvent être utilisés, à ce stade la
demande d'énergie est plus probablement déterminée par les moyens suivants :
- méthodes simplifiées des réglementations (par exemple la procédure de calcul de
la norme EN 12831, l'ISO/DIS 13790) ;
- valeurs de littérature (par exemple BSRIA Rules of thumb pour les charges et les
besoins énergétiques [33]).
En tout état de cause, le nombre de valeurs d'entrée pour la demande d'énergie est égal à 2
ms où m est le nombre de charges et s est le nombre de saisons analysées.
Le même raisonnement peut être utilisé lors de l'évaluation de la performance des
convertisseurs d'énergie: deux valeurs de rendement de conversion doivent être fournis
pour chaque convertisseur, l’une à pleine charge, l’autre en conditions moyennes
saisonnières ou annuelles. Cette deuxième valeur est la plus difficile à déterminer a priori,
et elle doit être fondée sur une documentation existante, sur des résultats, ou - au moins -
35
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
sur des avis d'experts.
7-2-4 Sorties du modèle et résultats
A partir des Eqs. (7.1) et (7.2) peuvent être déterminées les valeurs des sources d’énergie
entrant dans l’hub, et les consommations d'énergies. Dans le cas du projet d’un système,
l'application de l'une des fonctions objective présentées permet à un ensemble de
variables de décision  d’être déterminé par application des contraintes.
Dans le paragraphe suivant l’application de cette méthode est effectuée pour le problème
de sélection de l’energy hub d’un bâtiment résidentiel.
7-2-5 Maison Mozart
7-2-5-1 Description de l’étude de cas
La « Maison Mozart » est une maison individuelle de 99,8 m² sur un unique étage
représenté dans la figure 7.1. Elle a été définie par EDF, en coopération avec le CSTB et
GDF en 1994.
Les surfaces vitrées des façades sont respectivement égales à 16, 19, 39 e 26% du total
des surfaces à Nord, Ouest, Sud et Est.
Pour effectuer la simulation dynamique afin d'estimer les charges et les besoins de
chauffage et de refroidissement, le bâtiment a été divisé en cinq zones thermiques (jour,
nuit, toiture, garage, espace aéré au-dessus du sol) dont les zones jour et nuit sont
conditionnées.
Figure 7.1 – Plan de la Maison Mozart
Les caractéristiques du bâtiment, les profils des charges internes, le débit de ventilation, et
les propriétés thermiques de la construction sont tirés du document de description de la
Maison Mozart établi par EDF, GDF et CSTB. Au moment de définir les propriétés des
éléments de la construction, des valeurs de l'épaisseur des matériaux d'isolation supérieure
à celles rapportées dans le document de description ont été prises en compte.
Le bâtiment est placé à Turin. La caractérisation de la demande d’énergie du bâtiment est
faite dans le tableau 7.2. Dans les figures 7.2 et 7.3 les charges de chauffage et de
refroidissement sont rapportées en termes de séries chronologiques et courbes de
36
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
fréquences cumulées. Dans la figure 7.4 les valeurs mensuelles de chauffage (pour le
chauffage et la préparation de l'ECS), de refroidissement et de besoins en électricité sont
indiqués.
7-2-5-2 La description de l’energy hub
L’energy hub pris en considération pour cette étude est représenté dans la figure 7.5. Les
sources d’énergie au port d'entrée de l’hub sont le bois (indice w), le gaz naturel (g),
l'énergie solaire (s) et l'électricité du réseau (e). La combinaison des convertisseurs
sélectionnés offre la possibilité de répondre à la charge thermique (indice t) alternativement ou dans n'importe quelle combinaison – par:
- une chaudière à bois (WB);
- une chaudière à condensation (CB);
- une pompe à chaleur air-eau réversible (HP);
- un système solaire thermique combiné (SC).
La charge de refroidissement (indice c) peut être satisfaite par:
- un système split refroidi à air (C);
- une pompe à chaleur air-eau réversible (HP);
L'électricité peut être satisfaite par:
- l’électricité du réseau (e);
- un système photovoltaïque (PV).
Tableau 7.2 – La caractérisation de la demande d’énergie de la Maison Mozart pour le climat de
Turin
Charges de pointe [kW]
Chauffage des locaux
Rafraîchissement
Electricité
Besoins énergétiques [kWh]
Chauffage des locaux
Préparation de l’ECS
Rafraîchissement
Electricité
À projet
5.025
3.192
3.000
Annuel
4174 (42 kWht/m²)
2794 (28 kWht/m²)
1817 (18 kWhf/m²)
3328 (33 kWhe/m²)
Saison de
chauffage
2.957
0
3
Saison de
chauffage
4174
1623
0
1933
Saison de
rafraîchissement
0
2.892
3
Saison de
rafraîchissement
0
1171
1815
1395
Dans ce cas, les puissances au port d’entrée de l’hub peuvent être exprimées en fonction
de la puissance au port de sortie de l’hub et des rendements de conversion énergétique
comme
37
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
3.0
4174 kWht /y
2.0
1/5
30/9
LOAD [kW]
1.0
Cooling season
0.0
1
501 1001 1501 2001 2501 3001 3501 4001 4501 5001 5501 6001 6501 7001 7501 8001 8501
-1.0
1817 kWhf /y
-2.0
-3.0
Figure 7.2 – Profils de chauffage et rafraîchissement des locaux de la Maison Mozart (climat de
Turin)
8760
A = HEATING
B = COOLING
8000
NUMBER OF HOURS
7000
6000
5000
4000
3000
A
2000
B
1000
0
0
0.5
1
1.5
2
2.5
3
LOAD [kW]
Figure 7.3 – Courbes de fréquences cumulées de chauffage et rafraîchissement des locaux de la
Maison Mozart (climat de Turin)
Heating Energy
Cooling Energy
Electricity
1500
1000
De
c
v
No
Oc
t
Sep
g
Au
Jul
Jun
y
Ma
r
Ap
r
Ma
Feb
0
Jan
Energy [kWh]
500
-500
-1000
-1500
Figure 7.4 – Besoins mensuels de chauffage (locaux+ECS), rafraîchissement et électricité de la
Maison Mozart (climat de Turin)
38
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
w
Pin
t
WB
WB
t
CB
CB
s
Pin
t
SC
t
HP
g
Pin
t
Pout
c
HP
HP
c
Pout
c
C
C
SC
e
e
Pin
PV
PV
e
Pout
e
e
Figure 7.5 – Schéma de l’energy hub considéré
pour la Maison Mozart
Pinw 
1 t
t
 WB Pout
WB
Ping 
1 t t
 CB Pout
 CB
Pins 
1 e e
1 t t
 PV Pout 
 SC Pout
 PV
 SC
Pine 
1
1
1
t
f
e
 tPC Pout

 PC
Poutf 
 Cf Poutf   ee Pout
t
f
f
COPPC
COPPC
COPC
(7.6)
où les facteurs  représentent les facteurs de dispatch. Le terme COPtPC se réfère au mode
chauffage de la pompe à chaleur, tandis que le terme COPfHP se réfère au mode
rafraîchissement.
Les équations (7.6) peuvent entre écrites dans une forme matricielle comme
Pin = D Pout
 1 t
  WB
WB
w
 Pin   1 t
CB
 g 
 Pin    CB
 Pins   1 t
 e     SC
 Pin   SC
 1
tPC

t
COP
PC

0
0
0
1
1
f
Cf 
 PC
f
COPCf
COPPC
(7.7)



t
0   Pout 
  f 
 P 
1 e   out
 PV   P e 
PV
  out 

ee 

0
(7.8)
En ce qui concerne les variables , seulement 5 sur 8 sont indépendantes parce que, pour
chaque charge au port de sortie, on a :
(7.9)
 ti , f ,e  1
i
Les rendements nominaux et moyens sont reportés dans le tableau 7.4. Le rendement
moyen du système split est l’ESEER (European Seasonal Energy Efficiecy Ratio) qui
correspond à un EER (Energy Efficiency Ratio) égal à 2.5.
39
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
Tableau 7.4 – Rendement de projet et moyens des convertisseurs de l’hub
Rendement de
conversion
WB
CB
COPC
COPtHP
COPfHP
PV
SC
Valeur de projet
[-]
0.75
1.05
2.50
3.10
3.30
0.15
0.70
Valeur moyenne
[-]
0.65
0.90
2.90
2.70
3.80
0.15
0.30
7-2-5-3 Les fonctions objectives
Trois fonctions objectives ont été identifiées :
1) une fonction économique basée sur l'énergie consommée au cours des saisons de
chauffage et de refroidissement et sur la puissance installée, qui est

c K max PK ,heat , PK ,cool 





f1   c Ein, heat  Ein, cool  
(7.10)
K
 

y
K


où les indices "heat" et "cool" renvoient respectivement au saisons de chauffage et de
refroidissement. Les coûts d'investissement de convertisseurs d'énergie cK fixes sont
indiqués dans le tableau 7.5. Les coûts des sources d’énergie c est égal à 0,025 €/kWh
pour le bois, 0,06 €/kWh pour le gaz naturel, 0 €/kWh pour l'énergie solaire et 0,15
€/kWh pour l'électricité du réseau ;
2) une fonction objective énergétique basée sur la consommation d'énergie définie dont
les facteurs de pondération p sont les facteur d’énergie primaire non-renouvelable ;
3) une fonction objective environnementale égale à celle précédente, où les facteurs de
pondérations sont les facteurs d’émissions de dioxyde de carbone.





Tableau 7.5 – Coût d’investissement et durées de vie des convertisseurs de l’hub
Convertisseur
WB
CB
C
HP
cK
[€/kW]
500
150
250
250
yK
[y]
20
15
15
15
Convertisseur
PV
SC
E
cK
[€/kW]
6000
600
90
yK
[y]
20
15
25
7-2-5-4 Contraintes liées aux sources renouvelables
Pour bien prendre en compte l'énergie solaire dans les Eqs. (7.1) et (7.2) et éviter une
surestimation de l’énergie solaire, il est nécessaire d'introduire de nouvelles contraintes
telles que celles de l’équation (7.5).
40
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
L'énergie solaire est en fait proportionnelle à la surface des capteurs Ac, qui - en l'absence
d'informations plus détaillées – peut être considérée égale à la moitié de la toiture. Cette
quantité multipliée par le rayonnement solaire total horizontal peut être considérée
comme un indicateur de la limite supérieure de l'énergie solaire. Un choix peut être fait
sur la période d'analyse à prendre en considération (une année, une saison, un mois).
Pour cette étude, et pour une période d'un an, on a
Esin,max = AR · Isol = 50 · 1320 = 66000 kWh
(7.11a)
qui devient, pour une période d’une saison de chauffage (comme on peut le voir dans les
profils de charge de la figure 7.1) de 5 mois
Esin,max = AR · Isol = 50 · 512 = 25600 kWh
(7.11b)
C'est la valeur supérieure de l'énergie solaire pour les capteurs solaires et les modules
photovoltaïques, qui rend l’inégalité suivante
t
t
e
e
Pout
ε SC
Pout
ε PV
S
(7.12)
Ein ,max 

t
e
ηSC
ηPV
où les rendements de conversion et les facteurs ε sont supposés être des valeurs
saisonnières moyennes.
7-2-5-5 Conception du système
Dans le tableau 7.6 les valeurs des facteurs  qui réduisent au minimum chacune des trois
fonctions objectives adoptées sont indiquées. A partir de ces valeurs, il est possible de
définir les configurations du système. Dans un premier cas, un système dans lequel toutes
les charges sont réparties uniformément sur les différents convertisseurs d'énergie est
adopté.
Une première configuration peut être obtenue à partir du critère du coût minimum : elle
est fondée sur une utilisation massive de l'énergie solaire pour couvrir les charges
thermiques aussi bien pendant la saison de chauffage et de refroidissement, sur la
connexion au réseau en ce qui concerne toute la demande d'électricité, ainsi que sur
l'utilisation d’une pompe à chaleur à cycle réversible pour couvrir la charge de
refroidissement. Ce système est représenté dans la figure 7.6. Une valeur de tSC égale à 1
devrait être considérée comme purement théorique, car elle ne peut être atteinte dans la
pratique, et un chauffage de back-up doit être utilisé: dans ce cas, le chauffage de back-up
en hiver peut être effectué par la pompe à chaleur (c'est la raison de la ligne en tirets dans
le schéma d’hub de la figure 7.6). Même s'il y a une utilisation massive de l'énergie
solaire, la contrainte de l'équation (7.12) est satisfaite, puisque l'énergie solaire totale
nécessaire pour couvrir la charge thermique est dans les limites calculées par l'équation
(7.11) soit sur l’année (23227 kWh <66000 kWh) soit sur la saison de chauffage (19323
kWh <25600 kWh). Cela fait également remarquer que le système solaire – tel qu’il est est surdimensionné en été, lorsque la demande de chauffage est fortement réduite.
L'utilisation d'un système split au lieu de la pompe à chaleur réversible pour couvrir la
charge de refroidissement, n'est pas meilleure car elle augmente le coût annuel à 908 €/an
et en outre le split system ne peut pas être utilisé comme source de back-up des capteurs
solaires en hiver. Il est à noter que, par rapport à la première proposition, cette
configuration du système permet de réduire non seulement la valeur de la fonction
41
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
objective économique, mais aussi les valeurs des fonctions objectives énergétique et
environnementale.
Tableau 7.6 – Valeurs des facteurs ε qui réduisent au minimum les fonctions objectives
PV
0.5
1
0
0
0
e
0.5
-
HP
0.5
-
C
1
1
.66
.66
SC
e
¼
0
0
0
0
HP
HP
¼
0
0
0
0
CB
C
¼
0
0
.34
.34
WB
SC
¼
PV
HP
Economique
Energét. n.1
Energét. n.2
Environ.
CB
Initiale
Saison de rafraîchissement
chauffage
froid
électr.
électr.
WB
Critère de
sélection
Saison de chauffage
chauffage
froid
0.5
0
1
1
1
¼
¼
¼
¼
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
0.5
0
0
1
1
0.5
1
1
0
0
0.5
1
0
0
0
0.5
0
1
1
1
Tableau 7.7 – Valeurs des fonctions objectives pour les scénarios du tableau 7.6
Critère
sélection
de Valeur de la fonction
objective économique
[€/y]
Initiale
1189
Economique
885
Energétique n.1
1275
Energétique n.2
1287
Environnementale
1287
Valeur de la fonction
objective énergétique
[kWh/y]
10716
10504
1318
1532
1532
Valeur de la fonction
obj. environnementale
[kgCO2/y]
1892
1751
220
266
266
t
Pout
t
t
w
Pin
SC= 0.34
Pout
WB
t
SC=1
c
HP =1
HP
s
c
c
Pout
C
Pin
SC
t
SC
e
Pout
e
e =1
Figure 7.6 – Schéma de l’energy hub qui
ressort de l’application du critère économique
c
Pout
SC = 0.66
s
Pin
e
Pin
C =1
e
e
Pin
PV
PV =1
e
Pout
Figure 7.7– Schéma de l’energy hub qui ressort
de l’application des critères énergétiques et
environnementales
Une deuxième configuration peut être déterminée à partir de la minimisation de la
fonction objective énergétique (cas n.1 dans les tableaux 7.6 et 7.7). Elle est similaire à la
précédente, mais repose sur l'utilisation d’un système PV pour couvrir le besoin en
électricité au lieu de l'achat d'électricité à partir du réseau, ce qui provoque toutefois
42
APPLICATIONS DE L’ENERGY HUB ET ETUDES DE CAS
(tableau 4.4) une augmentation sensible (44%) du coût annuel, et une très forte chute d'un ordre de grandeur - dans la consommation d'énergie primaire et les émissions de
dioxyde de carbone.
Cela est dû au fait que la consommation d'électricité (3328 kWhe) représente environ
87% de l'énergie primaire, car elle est pondérée avec un facteur de 2,76.
L’électricité du réseau est uniquement utilisée pour produire l’énergie frigorifique par la
pompe à chaleur en cycle inversé, qui peut être une précieuse source de sauvegarde dans
la saison de chauffage. Dans ce cas, la contrainte de l'équation (7.12) n’est satisfaite que
sur la base de l'année, alors que pendant la saison de chauffage, elle n'est pas satisfaite, et
l'énergie solaire est hors de la limite de l’Eq. (7.11b). Ce scénario (énergétique n.1) n'est
donc pas possible, et devrait être remplacé par un autre.
Tenant compte de cette limite, seulement 66% de l'énergie de chauffage est assuré par les
capteurs solaires en hiver (cas énergétique n. 2 dans le tableau 7.6), tandis que toute
l'électricité est fournie par le photovoltaïque. L’énergie de chauffage qui reste doit être
couverte par la chaudière à bois. L'utilisation de la chaudière à condensation conduirait à
une plus grande consommation d'énergie primaire - 4297 kWh par rapport au1532 kWh
de la chaudière à bois - et aussi à un plus grand coût annuel.
La minimisation de la fonction objective environnementale donne le même résultat que la
minimisation de la fonction objective énergétique (cas n° 2), comme prévu.
43
8- CONCLUSIONS
Dans les différents chapitres de cette thèse, les raisons de l'utilisation des systèmes multi
énergies dans les bâtiments, leurs potentialités, les caractéristiques qui contribuent à
compliquer la conception et le fonctionnement de ces systèmes ont été exposées. Une fois
que les techniques de modélisation et les outils ont été passés en revue, une approche
originale de modélisation basée sur le concept de l’hybrid energy hub a été élaboré et
appliquée sur quelques études de cas. À notre connaissance, il n’y a pas de techniques de
modélisation qui prennent en compte une puissance des convertisseurs variable et des
facteurs de répartitions qui varient également. Certains outils, tels que le programme
EnergyPlus, permettent de définir la capacité d'un convertisseur d'énergie de manière
automatique, mais cela est fait sur la base des jours de projet et non sur la performance le
long d’une année en termes énergétiques, environnementaux ou économiques.
L'analyse des résultats du chapitre 7 permet aussi de tirer quelques considérations d'ordre
général.
Un premier examen doit être fait sur les paramètres de l'efficacité énergétique des
convertisseurs : les méthodes saisonnière et horaire sont toutes les deux très sensibles à
ces facteurs. La sélection de ces valeurs au problème particulier est de la plus haute
importance pour assurer un résultat significatif dans la sélection d'un système multi
énergie.
En même temps, ces valeurs sont souvent difficiles à trouver, parce que la littérature
technique se concentre sur la performance en régime permanent d’un convertisseur
d'énergie et manque souvent de détails (à titre d'exemple, seulement quelques courbes de
performances peuvent être trouvées pour une utilisation dans un logiciel de simulation
détaillée).
Des considérations semblables peuvent être faites sur les conditions limites
environnementales et économiques. Les facteurs d'émission d'un combustible sont
fortement dépendants de la technologie du convertisseur d'énergie et par ses réelles
conditions de fonctionnement. Aussi l'effet de variation dans les coûts et les durées de vie
des convertisseurs d'énergie agit considérablement.
Dans la libéralisation du marché de l'énergie (qui va être créé en Italie), l'évaluation des
coûts des produits énergétiques achetés et du prix de rachat de l'électricité injectée dans le
réseau par un producteur, est de la première importance.
Des procédures d'analyse pour l'ensemble de ce problème ont été abordées dans le présent
travail, dans le cadre général de l’energy hub, mais une importante activité de recherche
devrait être réalisée pour la caractérisation des convertisseurs d'énergie qui ne sont pas
traités dans cette thèse ou qui apparaîtront dans un proche avenir.
CONCLUSIONS
En outre, un niveau intermédiaire entre la méthode saisonnière et horaire peut être créé
par l'utilisation d'un bin method. Un bin method fourni une meilleure évaluation des
rendements dans les conditions d'exploitation réelles sans qu'il soit nécessaire d'effectuer
un calcul horaire. Dans la façon la plus simple, cela peut se faire par des courbes de
fréquence cumulée des charges qui, quel que soit le temps de variabilité de la quantité à
analyser, permettent de quantifier le rendement à charge partielle.
Une autre considération doit être faite sur les critères de sélection, qui sont parfois
contradictoires. En fait, les différentes fonctions objectives conduisent à des résultats
différents, en particulier les fonctions économiques par rapport à celles
environnementales. Si cette particularité peut être intéressante lorsque l'on étudie la
performance d’un système pour clarifier toutes les relations entre les sources d’énergie, la
demande d’énergie et les convertisseurs d'énergie, en réalité il est nécessaire de prendre
une décision. Cela peut être fait en sélectionnant un critère, en fonction des intérêts du
propriétaire d'immeubles, ou en combinant plus d'un critère, de quelque manière que ce
soit, dans une fonction multi objectives.
Le problème de l’analyse multi critères conduit à celui des algorithmes d'optimisation qui
peuvent être utilisés pour réaliser la conception et l'optimisation opérationnelle d’un
energy hub. Étant donné le nombre des fonctions objectives qui ont été présentées et le
nombre de variables de décision, un large champ d'analyse s'ouvre sur le choix du
meilleur algorithme d'optimisation, qui dépend de la nature de la fonction objective, des
variables de décision et des contraintes.
Compte tenu de la complexité de ce problème, cette question est certainement un domaine
de recherche futur, comme l’est l'application des techniques d’aide à la décision de type
multi critères.
45
REFERENCES ET BIBLIOGRAPHIE
Note : toutes les références suivantes sont citées dans le texte intégral en anglais ; par
contre, dans ce document, comme il s’agit d’un résumé, toutes le références ne sont pas
citées.
[1] MANWELL J.F. Hybrid energy systems. In: CLEVELAND C.J. (ed.) Encyclopedia
of Energy, Volume 3. London: Elsevier, 2004, pp. 215- 229.
[2] CLARKE J.A. Energy simulation in building design. 2nd Ed. Oxford : Butterworth
Heinemann, 2001, 362 pp. ISBN 0 7506 5082 6.
[3] SONTAG R., LANGE A. Cost effectiveness of decentralized energy supply systems
taking solar and wind utilization plants into account. Renewable Energy, 2003, vol. 28,
n°12, pp. 1865-1880. ISSN 0960-1481.
[4] BALARAS C.A., HENNING H.M., WIEMKEN E., GROSSMAN G., PODESSER
E., INFANTE FRREIRA C.A. Solar air conditioning in Europe – an overview.
Renewable and sustainable energy reviews, 2007, vol. 11, n° 2, pp. 299-314.
[5] HENNING H.M., GLASER H. Solar assisted absorption system for a laboratory of
the Univeristy of Freiburg. 2002. (Available on line at www.bine.inf/pdf/infoplus/
uniklaricontec.pdf)
[6] NELSON D.B., NEHRIR M.H., WANG C. Unit sizing and cost analysis of standalone hybrid wind/PV/fuel cell power generation systems. Renewable energy, 2006, vol.
31, n° 10, pp. 1641-1656. ISSN 0960-1481.
[7] BERNAL-AUGUSTIN J.L., CONTRERAS J., DUFO-LOPEZ R. Optimization of
control strategies for stand-alone renewable energy systems with hydrogen storage.
Renewable energy, 2007, vol. 32, n° 7, pp. 1102-1126. ISSN 0960-1481.
[8] BAKKER M., ZONDAG H.A., ELSWIJK M.J., STROOTMAN K.J., JONG M.J.M.
Performance and cost of a roof-sized PV/thermal array combined with a ground coupled
heat pump. Solar energy, 2005, vol. 78, n° 2, pp. 331-339. ISSN 0038-092X.
[9] LIU X.H., GENG K.C., JIANG Y., LIN B.R. Combined cogeneration and liquiddessicant system applied in a demonstration building. Energy and buildings, 2004, vol.
36, n° X, pp. 945-953. ISSN 0378-7788.
[10] LILIENTHAL P., LAMBERT T., GILMAN P. Computer modeling of renewable
power systems. In: CLEVELAND C.J. (ed) Encyclopedia of Energy, Volume 1. London:
Elsevier, 2004, pp. 633-647.
[11] ABOUZAHR I., RAMAKUMAR R. Loss of power supply probability of standalone wind electric conversion systems: a closed solution approach. IEEE Transactions on
Energy Conversion, 1990, vol. 5, n° 3, pp. 445-452.
REFERENCES ET BIBLIOGRAPHIE
[12] ABOUZAHR I., RAMAKUMAR R. Loss of power supply probability of standalone photovoltaic systems: a closed solution approach. IEEE Transactions on Energy
Conversion, 1991, vol. 6, n° 1, pp. 1-11.
[13] GHALI F.M.A., ABD EL AZIZ M.M., SYAM F.A. Simulation and analysis of
hybrid systems using probabilistic techniques. Proceedings of the IEEE Power
Conversion Conference (PCC) Nagaoka, 1997, pp. 831-835.
[14] GIRAUD F., SAAMEH Z.M. Steady-state performance of a grid-connected rooftop
hybrid wind-photovoltaic power system with battery storage. IEEE Transactions on
energy conversion, 2001, vol. 16, n° 1, pp. 1-7. ISBN 0885-8969.
[15] YANG H., ZHOU W., LU L., FANG Z. Optimal sizing method for stand-alone
hybrid solar-wind system with LPSP technology by using genetic algorithm. Solar
energy, 2008, vol.82, n° 4, pp. 345-367.
[16] YANG H.X., LU L., BURNETT J. Weather data and probability analysis of hybrid
photovoltaic-wind power generation systems in Hong Kong. Renewable Energy, 2003,
vol. 28, n°11, pp. 1813-1824. ISSN 0960-1481.
[17] CRAWLEY D.B., LAWRIE L.K., WINKELMANN F.C., BUHL W.F., HUANG
Y.J., PEDERSEN C.O., STRAND R.K., LIESEN R.J., FISHER D.E., WITTE M.J.,
GLAZER J. EnergyPlus: creating a new generation building energy simulation program.
Energy and Buildings, 2001, vol. 33, n° 4, pp. 319–331. ISSN 0378-7788.
[18] NREL (National Renewable Energy Laboratory). Getting started guide for HOMER
version 2.1, April 2005.
[19] GIVLER T., LILIENTHAL P. Using HOMER® software, NREL’s micropower
optimization model, to explore the role of gen-sets in small solar power systems.
Technical Report NREL/TP-710-36744, May 2005.
[20] IQBAL M.T. A feasibility study of a zero energy home in Newfoundland.
Renewable energy, 2004, vol. 29, n° 2, pp. 277-289. ISSN 0960-1481.
[21] SHAAHID S.M., ELHADIDY M.A. Technical and economic assessment of gridindependent of hybrid photovoltaic-diesel-battery power systems for commercial loads in
desert environments. Renewable and sustainable energy reviews, 2007, vol. 11, n° 8, pp.
1794-1810. ISSN 1364-0321.
[22] BECCALI M., BRUNONE S., CELLURA M., FRANZITTA V. Energy, economic
and environmental analysis on RET-hydrogen system in residential buildings. Renewable
energy, 2008, vol. 33, n° 3, pp. 366-382. ISSN 0960-1481.
[23] ZHOU N., MARNAY C. FIRESTONE R., GAOW., NISHIDA M. An analysis of
the DER adoption climate in Japan using optimization results for prototype buildings with
U.S. comparisons. Energy and Buildings, 2006, vol. 39, n° 12, pp. 1423-1433.
[24] DALTON G.J., LOCKINGTON D.A., BALDOCK T.E. Feasibility analysis of
stand-alone renewable energy supply options for a large hotel. Renewable energy, 2008,
vol. 33, n° 7, pp. 1475-1490. ISSN 0960-1481.
[25] SAKURAI F., INOOKA T., YANAGIHARA R., HIGASHIZAWA E.,HAMANE J.
et alii. FACES (Forecasts of Air-Conditioning System’s Energy, Environmental and
Economical performance by Simulation). Proceedings of “BS Building Simulation 2007”,
3-6 September 2007, Beijing, pp. 1661-1668.
[26] Model MESSAGE. Command Line User Manual, version 0.18, 15 feb. 2001.
[27] RODRIGUES F., DUARTE J., FIGUEIREDO V., VALE Z., CORDEIRO M., A
47
REFERENCES ET BIBLIOGRAPHIE
comparative analysis of clustering algorithms applied to load profiling. Lectures Notes in
Artificial Intelligence. Berlin: Sprinter-Verlag, 2003, vol. 2734, pp. 73-85. ISBN 978-3540-40504-7.
[28] POULIN A., DOSTIE M., FOURNIER M., SANSREGRET S. Load duration curve:
A tool for technico-economic analysis of energy solutions. Energy and buildings, 2008,
vol. 40, n° 1, pp. 29-35. ISSN 0378-7788.
[29] CORGNATI S.P., FABRIZIO E., FILIPPI M., VIRGONE J. La valutazione del
sistema multi-energia a servizio dell’edificio: un caso di studio. 61° Congresso Nazionale
ATI (Associazione Termotecnica Italiana), Perugia, 12-15 September 2006, vol. 1, pp.
216-223.
[30] GRUMMAN D.L. (Ed.) ASHRAE GreenGuide. Atlanta: ASHRAE (American
Society of Heating, Refrigerating and Air-Conditioning Engineers), 2003, 170 pp. ISBN
1-931862-41-9.
[31] CORGNATI S.P., FABRIZIO E., FILIPPI M. The impact of indoor thermal
conditions, system controls and building types on the building energy demand. Energy
and buildings, 2008, vol. 40, n° 4, pp. 627-636. ISSN 0378-7788.
[32] CORRADO V., FABRIZIO E. Assessment of building cooling energy need through
a quasi-steady state model: Simplified correlation for gain-loss mismatch. Energy and
buildings, 2007, vol. 39, n° 5, pp. 569-579. ISSN 0378-7788.
[33] PENNYCOOK K. (Ed.) Rules of thumb. Guidelines for building services. BSRIA
guide 14/2003. Berkshire: BSRIA (The Building Services Research and Information
Association), 2003, 62 pp. ISBN 0-86022-626-3.
[34] MACCHI E., CAMPANARI S., SILVA P. La microcogenerazione a gas naturale.
Milano: Polipress, 2006, 282 pp. ISBN 88-7398-016-3.
[35] SARLOS G., HALDI P.-A., VERSTRAETE P. Systèmes énergétiques: offre et
demande d’énergie: méthodes d’analyse. Lausanne: Presses Polytechniques et
Universitaires Romandes, 2003, 875 pp. ISBN 2-88074-464-4.
[36] CLARKE A. TRINNAMAN J. (Eds.) World Energy Council 2004 survey of energy
resources. Oxford : Elsevier, 2004.
[37] ASHRAE. 2005 Handbook of fundamentals. Atlanta: ASHRAE, 2005.
[38] ASHRAE. 2004 Handbook. Heating, ventilating and air-conditioning systems and
equipment. Atlanta: ASHRAE, 2004.
[39] EnergyPlus Engineering Reference Manual. DOE, LBNL. 2008. Available on line at
www.eere.energy.gov/buildings/energyplus/documentation.html.
[40] DOE-2 Reference Manual. Dynamic building energy analysis. Engineers Manual.
[41] CEN. Heating systems in buildings – Methods for calculation of system energy
requirements and system efficiencies – Part 4-1: Space heating generation systems,
combustion systems. prEN 15316-4-1, Brussels: CEN/TC 228 WI 023, 2006, 86 p.
[42] HENDERSON H.I., PARKER D., HUANG Y.J. Improving DOE-2’s RESYS
routine: User defined functions to provide more accurate part load energy use and
humidity predictions. Proceedings of 2000 Summer Study on Energy Efficiency in
Buildings, American Council for an Energy-Efficient Economy, Washington, D.C., 2000.
[43] ONOVWIONA H.I., UGRSAL V.I. Residential cogeneration systems: review of the
current technology. Renewable and sustainable energy reviews, 2006, vol. 10, n° 5, pp.
389-431. ISSN 1364-0321.
48
REFERENCES ET BIBLIOGRAPHIE
[44] PEHNT M. Environmental impacts of distributed energy systems – The case of
micro cogeneration. Environmental science & policy, 2008, vol. 11, n° 1, pp. 25-37. ISSN
1462-9011.
[45] THORSTENSEN B. A parametric study of fuel cell system efficiency under full and
part load operation. Journal of power sources, 2001, vol. 92, n° 1-2, pp. 9-16. ISSN 03787753.
[46] BEJAN A., TSATSARONIS G., MORAN M. Thermal design and optimization.
New York: John Wiley & Sons, 1996, 542 p. ISBN 0-471-58467-3.
[47] GEIDL M., KOEPPEL G., FAVRE-PERROD P., KLÖCKL B., ANDERSSON G.,
FRÖHLICH K. The Energy Hub – A powerful concept for future energy systems. Third
annual Carnegie Mellon Conference on the Electricity Industry, Pittsburgh, 13-14 March
2007.
[48] FAVRE-PERROD P., GEIDL M., KLÖCKL B., KOEPPEL G. A vision of future
energy networks. Inaugural IEEE PES 2005 Conference and Exposition in Africa,
Durban, South Africa, 11-15 July 2005, pp. 13-17.
[49] HADJSAID N. Modern power systems as a critical infrastructure. Power
Engineering Society General Meeting 2007, IEEE. 24-28 June 2007, pp.1-2.
[50] HA PHAM T.T., BESANGER Y., HADJSAID N., HA D.L. Optimizing the reenergizing of distribution systems using the full potential of dispersed generation. Power
Engineering Society General Meeting, 2006. IEEE, 18-22 June 2006, 8 pp.
[51] ENACHEANU B., MARTIN A., ANDRIEU CH., RAISON B., HADJSAID N.,
PENKOV D. Future distribution network architectures: approach with a CRISP
experimentation. Future Power Systems, 2005 International Conference, Amsterdam, The
Netherlands, 16-18 November 2005, pp. 1-6.
[52] GEIDL M., FAVRE-PERROD P., KLÖCKL B., KOEPPEL G. A greenfield
approach for future power systems. Cigré Session 41, 2006, Paris.
[53] KLÖCKL B., FRÖHLICH K, KALTENEGGER K., New energy technologies, new
requirements on electricity and an unresolved transition problem towards sustainability: is
there a need for basic academic research? Cigré 5th Southern Africa Regional Conference
“Meeting Today’s Challenge for Tomorrow’s Power Industry”, 24-28 October 5005,
Cape Town, South Africa.
[54] GEIDL M. Power flow coupling in hybrid systems. Power Systems Laboratory
Report, Zurich : Swiss Federal Institute of Technology (ETH), 15th June 2004.
[55] GEIDL M., ANDERSSON G. Operational and topological optimization of multicarrier energy systems. Proc. of the 2005 International conference on future power
systems, Amsterdam, The Netherlands, 16-18 November 2005, 6pp.
[56] GEIDL M., ANDERSSON G. Optimal power dispatch and conversion in systems
with multiple energy carriers. 15th Power Systems Computation Conference, Liege, 22-26
August 2005.
[57] GEIDL M., ANDERSSON G. A modelling and optimization approach for multiple
energy carrier power flow. IEEE Power Technology 2005, St. Petersburg, Russia.
[58] KOEPPEL G., ANDERSSON G. The influence of combined power, gas, and
thermal networks on the reliability of supply. The Sixth World Energy System
Conference, Torino, Italy, 10-12 July 2006.
[59] GEIDL M. Integrated modelling and optimization of multi-carrier energy systems.
49
REFERENCES ET BIBLIOGRAPHIE
PhD thesis. Zurich: ETH (Swiss Federal Institute of Technology), 2007, 124 p.
[60] KOEPPEL G. Reliability considerations of future energy systems: multi-carrier
systems and the effect of energy storage. PhD thesis. Zurich: ETH (Swiss Federal
Institute of Technology), 2007, 232 p.
[61] FILIPPI M., CORGNATI S.P., FABRIZIO E. Impiantistica sostenibile: dai sistemi
monoenergia ai sistemi multienergia [Sustainable building services: from one energy to
multi-energy source systems]. Condizionamento dell’aria, riscaldamento, refrigerazione,
2007, n° 2, pp. 10-15. ISSN 0373-7772.
[62] HENNING H.-M. Solar assisted air conditioning of buildings – an overview.
Applied Thermal Engineering, 2007, vol. 27, n° 10, pp. 1734-1749.
[63] CADORNA E., PIACENTINO A. Optimal design of CHCP plants in the civil sector
by thermoeconomics. Applied Energy, 2007, vol. 84, n° 7-8, pp. 29-748. ISSN 03062619.
[64] FERRO V., FILIPPI M., LASTELLA L. L’analisi degli investimenti nel settore del
risparmio energetico. Energie alternative habitat territorio energia, 1981, vol. 3, n° 9, pp.
62-72.
[65] VAN DER VEKEN J., HENS H., PEETERS L., HELSEN L, D’HAESELEER W.D.
Economy, energy and ecology based comparison of heating systems in dwellings. In:
FAZIO P., GE H., RAO J., DESMARAIS G. (Eds.) Research in building physics and
building engineering. London: Taylor & Francis Group, 2006, pp. 571-578.
[66] VERBEECK G., HENS H. Energy savings in retrofitted dwellings: economically
viable? Energy and buildings, 2005, vol. 37, n° 7, pp. 747-754. ISSN 0378-7788.
[67] MASTERS G.M. Renewable and efficient electric power systems. Hoboken, NJ,
USA: John Wiley & Sons, 2004 pp. 240-256.
[68] TALAVERA D.L., NOFUENTES G., AGUILERA J., FUENTES M. Tables for the
estimation of the internal rate of return of photovoltaic grid-connected systems.
Renewable and sustainable energy reviews, 2007, vol. 11, n° 3, pp. 447-466. ISSN 13640321.
[69] QUASCHNING V. Understanding renewable energy systems (Chapter 6 –
Economics). Toronto: Earthscan Canada, 2005, pp. 235-255.
[70] FILIPPI M., FABRIZIO E. Sustainable building in Italy: the rules, professions and
the market. In: COOPER M., SYMES M. (Eds.) Sustainable urban development volume
4: Rethinking professionalism in Europe. London: Routledge (Taylor & Francis Group),
2008, in press.
[71] KIRSCHEN D., STRBAC G. Fundamentals of power system economics. Hoboken,
NJ, USA: John Wiley & Sons, 2004, pp. 300. ISBN 0-470-84572-4.
[72] LU L., CAI W., SOH Y.C., XIE L. Global optimization for overall HVAC systems –
Part I problem formulation and analysis. Energy conversion and management, 2005, vol.
46, n° 7-8, pp. 999-1014. ISSN 0196-8904.
[73] BOREL L. Thermodynamique et énergétique. Lausanne: Presses Polytechniques
Romandes, 1984, 710 p.
[74] WEPFER W.J., GAGGIOLI R.A., OBERT E.F. Proper evaluation of available
energy for HVAC. ASHRAE Transactions, 1979, vol. 85, n° 1, pp. 214-230.
[75] TSAROS T.L., GAGGIOLI R.A., DOMANSKI P.A. Exergy analysis of heat pumps.
ASHRAE Transactions, 1987, vol. 93, n° 2, pp. 1781-1797.
50
REFERENCES ET BIBLIOGRAPHIE
[76] BOREL L. Economie énergétique et exergie, Actes de Séminaire. Turin,
Dipartimento di Energetica del Politecnico di Torino, 2-3 mai 1985.
[77] WEI Z.T., ZMEUREANU R. Second law of HVAC systems for office buildings. In:
FAZIO P., GE H., RAO J., DESMARAIS G. (Eds.) Research in building physics and
building engineering. London: Taylor & Francis Group, 2006, pp. 571-578.
[78] TORCELLINI P.A., CRAWLEY D.B. Understanding Zero-Energy Buildings.
ASHRAE Journal, 2006, vol. 48, n° 9, pp. 62-69. ISSN 0001-2491.
[79] CEN. Energy performance of buildings – Overall energy use, CO2 emissions and
definition of energy ratigs. pr EN 15603, Brussel: CEN, 2008, 56 p.
[80] CTI (Italian Thermo-technical Committee). Raccomandazione CTI 3/2003.
[81] HEPBASLI A. A study on estimating the energetic and exergetic prices of various
residential energy sources. Energy and buildings, 2008, vol. 40, n° 3, pp. 308-315. ISSN
0378-7788.
[82] KORONEOS C., SPACHOS T., MOUSSIOPULOS N. Exergy analysis of
renewable energy sources. Renewable energy, 2003, vol. 28, n° 2, pp. 295-310. ISSN
0960-1481.
[83] LEE R. Environmental impacts of energy use. In: BENT R. (Ed.) Energy: science,
polcy and the pursuit of sustainability. Covelo, CA, USA: Island Press, 2002, pp. 77-107.
[84] EPA (U.S. Environmental Protection Agency). AP 42 Compilation of air pollutant
emission factors. 5th Ed. Research Triangle Park, NC, USA, 1998.
[85] IPCC (intergovernmental Panel on Climate Change). 2006 IPCC Guidelines for
national greenhouse gas inventories. Paris, 2006.
[86] EUROPEAN COMMISSION. Commission Decision of 18 July 2007 establishing
guidelines for the monitoring and reporting of greenhouse gas emissions pursuant to
Directive 2003/87/EC of the European Parliament and of the Council. Official Journal of
the European Union of the 31 August 2007.
[87] APAT (Agenzia Nazionale per la Protezione dell’Ambiente [Italian National
Environmental Protection Agency]). Manuale dei fattori di emissione nazionale [National
emission factors handbook]. 2002.
[88] EPA (U.S. Environmental Protection Agency). Emission facts. Metrics for
expressing greenhouse gas emissions: carbon dioxide equivalents and carbon dioxide
equivalents. Research Triangle Park, NC, USA, 2005.
[89] FORSEN M., BOESWARTH R., DUBUISSON X., SANDSTRÖM B. Heat pumps:
technology and environmental impact. Swedish Heat Pump Association, SVEPR, July
2005, 80 pp.
[90] LEWIS M. Integrated design for sustainable buildings. ASHRAE Journal, 2004, vol.
46, n° 9, pp. S22-S30. ISSN 0001-2491.
[91] CORRADO V. About simplification assumptions for the evaluation of building
thermal performance. In CARMELIET J, HENS H., VERMEIR G. (Eds.) Research in
building physics. Lisse: Balkema, pp. 657-674.
[92] BREVIGLIERI PEREIRA DE CASTRO E., VIRGONE J., BASTOS L. A computer
program to aid architectural conception based on multicriteria analysis and on simulated
building data. Proc. of CISBAT 2005, Lausanne, 28-29 Septembre 2005.
[93] FABRIZIO E., VIRGONE J., FILIPPI M., CORGNATI S.P. Analyse multiparamètre d'un système solaire thermique pour le chauffage et l’ECS d'une maison
51
REFERENCES ET BIBLIOGRAPHIE
individuelle. Journée Maison Autonome, CEGELY, Ecully (Lyon), 6 July 2006.
[94] CORRADO V., MAZZA A. Valutazione delle prestazioni di impianti innovativi a
gas naturale in un ospedale e in un albergo. Milano: ATIG (Associazione Tecnica Italiana
del Gas), 1997, 185 pp.
[95] SAATY T.L.. Theory and applications of the Analytic Network Process |e decision
making with benefits, opportunities, costs, and risks. Pittsburgh: RWS Publications, 2005,
352 p.
[96] ALANNE K., SALO A., SAARI A., GUSTAFSSON S.-I. Multi-criteria evaluation
of residential energy supply systems. Energy and buildings, 2007, vol. 39, n° 12, pp.
1218-1226. ISSN 0378-7788.
[97] LOMBARDI P., LAMI I., BOTTERO M. Modello di valutazione a network (ANP)
applicato ad infrastruttura. Edilizia e territorio, 2007, n° 6, pp. 44-54.
[98] RONG A., LAHDELMA R. An efficient linear programming model and
optimization algorithm for trigeneration. Applied energy, 2005, vol. 82, n° 1, pp. 40-63.
ISSN 0306-2619.
[99] OOKA R., KOMAMURA K. Optimal design method for buildings & urban energy
systems using genetic algorithms. Proceedings of “BS Building Simulation 2007”, 3-6
September 2007, Beijing, pp. 523-528.
52