Optimisation des ressources et consomations des 'smart building' en vue de l'efficacité énergétique

Optimization of resources and consumption of smart buildings for energy efficiency

• Auteur / Autrice : Gustavo Felipe Martin Nascimento
• Direction : Frédéric Wurtz, Patrick Kuo-Peng, Benoit Delinchant, Nelson Jhoe Batistela
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 18/10/2022
• Etablissement(s) : Université Grenoble Alpes en cotutelle avec Universidade federal de Santa Catarina (Brésil)
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de génie électrique (Grenoble) - G2Elab-Modèles, Méthodes et Méthodologies Appliqués au Génie Electrique (G2Elab-MAGE)
• Jury : Président / Présidente : Stéphane Ploix
• Jury : Examinateurs / Examinatrices : Nelson Sadowski
• Jury : Rapporteurs / Rapporteuses : Florence Ossart, José Roberto Cardoso

Mots clés

Mots clés contrôlés

Algorithmes

Réseaux électriques intelligents

Économies d'énergie

Immeubles intelligents

Mots clés libres

Smart-Buildings

Modélisation des dispositifs électriques

Efficacité énergétique

Smart-Buildings

Modeling of electrical devices

Energy efficiency

Résumé

Dans les enjeux de la transition énergétique et de la réduction des consommations, le secteur du bâtiment joue un rôle primordial puisque les bâtiments représente une partie importante de la consommation énergétique mondiale. Si l'on considère uniquement l'électricité, environ 50% est consommée dans les bâtiments.En France, cette partie est encore plus élevée. Le secteur résidentiel représente 37% de la consommation, tandis que la consommation d'électricité dans les bâtiments tertiaires représente 32% du total. Ces chiffres montrent l’importance de ces secteurs dans la consommation d'électricité en France et indiquent le grand potentiel d'économies d'énergie dans les bâtiments. La consommation supérieure dans les bâtiments résidentiels a entraîné une explosion des études sur la consommation d'énergie de ces bâtiments, de sorte que le secteur tertiaire a encore beaucoup à explorer. L’avancement des études concernant le secteur résidentiel est aussi grâce à la disponibilité des datasets, qui sont nombreuses pour ce type de bâtiment. En revanche, les jeux de données pour les bâtiments tertiaires sont rares. Donc, la disponibilité ouverte des datasets GreEn-ER, un bâtiment massivement surveillé par plus de 1500 capteurs, dont plus de 300 sont des compteurs électrique qui offre un champ d'expérimentation et d'extrapolation prometteur est également l'un des objectifs de cette thèse.Un premier pas vers la réduction de la consommation c’est la réalisation d’un audit énergétique. Cette évaluation permet de prendre conscience de la qualité des installations et de leur comportement quotidien et fournit des alternatives personnalisées et quantifiées pour réduire la consommation.La première phase d’un audit énergétique c’est la collecte des données, au cours de laquelle on identifie les systèmes à analyser, les habitudes des occupants et la collecte effective des données de consommation auprès du client a lieu. La phase suivante est celle de l'analyse et du traitement des données. Les données recueillies sont utilisées pour calculer l'efficacité de chaque système, aussi en visant trouver des possibilités de promouvoir la sobriété énergétique dans les installations. Enfin, dans la dernière phase on propose des solutions financièrement intéressantes pour réduire la consommation d'énergie. Ainsi, le développement de méthodes et modèles pour l'audit énergétique des bâtiments tertiaires est l'un des objectifs de cette thèse.Dans le contexte des audits énergétiques, la méthode NILM (Non Intrusive Load Monitoring) peut être utile pour améliorer les analyses. Habituellement, les campagnes de mesures chez les clients ont une durée limitée, typiquement quelques jours ou semaines. On peut dire même qu’un audit énergétique prend une photo des conditions des installations pendant la période de collecte des données. Donc, les données collectées peuvent ne pas représenter tous les modes de fonctionnement d’un système à analyser. En outre, même si des données historiques sont disponibles, il n'est pas habituel de mesurer la consommation des systèmes individuellement, alors que la consommation globale de l'installation oui. Dans ce contexte, la méthode NILM pourrait aider à reconstituer, à partir de la consommation globale, la consommation individualisée des systèmes pendant les modes de fonctionnement qui n'ont pas été surveillés pendant les campagnes de mesure et qui peuvent cacher grands potentiels de réduction de la consommation.Les données de consommation réelles présentent généralement des problèmes de qualité. Les problèmes de qualité des données que l'on peut trouver dans un dataset tel que celui de GreEn-ER sont multiples. Parmi les principales, on remarque le manque de complétude et la présence des ouliers. Le test et le développement de méthodologies pour la détection et éventuellement la correction des outliers dans les données de consommation d'énergie a été aussi adressé par cette thèse.

In the challenges of energy transition and reducing consumption, buildings play a key role, as recognized by the European Council itself. Worldwide, the energy consumed in buildings represents a significant part of global energy consumption. Considering electrical energy alone, about 50% is consumed in residential or tertiary buildings.In France, this share is even higher. The residential sector accounts for 37% of consumption, while electricity consumption in tertiary buildings accounts for 32% of the total. These figures show the importance of these sectors in electricity consumption in France and indicate the great potential for energy savings in buildings. The superior consumption in residential buildings has led to an explosion of studies on the energy consumption of these buildings, so that the tertiary sector still has much to be explored. In addition, the advancement of the research in the residential sector is also due the wide availability of open-format building consumption data. In contrast, datasets for tertiary buildings are rare. Therefore, making GreEn-ER (a massively monitored building with over 1500 sensors, of which over 300 are electricity meters) datasets openly available to promote the advancement of research in non-residential environments is also one of the goals of this thesis.A first step in reducing energy consumption is to conduct an energy audit, which consists of a detailed evaluation of the energy performance of the systems in a facility. This assessment makes it possible to become aware of the quality of the energy installations and their daily behavior, and provides personalized and quantified alternatives on how to reduce the consumption.An energy audit can be divided into three main phases. The initial phase is data collection, in which there is the identification of which systems should be analyzed, the habits of the occupants and the actual collection of consumption data. The next phase is the data analysis and processing phase. The data collected in the previous phase is used to calculate the efficiency of each system analyzed. In addition, this phase also aims to find possibilities to promote energy sobriety in the client's facilities. Finally, the last is the proposal phase, in which financially attractive solutions to reduce energy consumption are proposed. Thus, the development of methods, models and tools for the improvement of energy audits in commercial buildings is one of the objectives of this thesis.In the context of energy audits, the NILM (Non Intrusive Load Monitoring) method can be useful for enhancing the analysis performed. Usually, on site measurement campaigns have a limited duration, usually a few days or weeks. It can even be said that an energy audit takes a snapshot of the condition of the premises during the data collection period. Therefore, the data obtained from a measurement campaign may not represent all the modes of operation of a system being evaluated. Furthermore, even if historical data is available, it is unusual to measure the consumption of systems on an individual basis, while the overall consumption of the facility usually is. In this context, NILM methods could help reconstruct the individualized consumption of systems during operating modes that were not monitored during measurement campaigns. These operating modes that were not monitored could hide large potentials for consumption reduction. In addition, the NILM method can also be used for continuous auditing and help identify malfunctions in a predictive maintenance context.Real consumption data usually intrinsically brings data quality problems. The data quality problems that can be found in a dataset such as GreEn-ER's are several. Among the main ones are lack of completeness and the presence of outliers. The testing and development of methodologies to improve data quality, detecting and possibly correcting outliers is also one of the objectives of this thesis.