Intégration des systèmes à absorption solaire de petites puissances aux bâtiments - approche multifonction solaire : chauffage, ECS et rafraîchissement

Integration of low capacity solar absorption systems into buildings - a solar multifunction approach : heating, domestic hot water and cooling

• Auteur / Autrice : Noel Jabbour
• Direction : Christian Ghiaus
• Type : Thèse de doctorat
• Discipline(s) : Génie civil
• Date : Soutenance le 30/09/2011
• Etablissement(s) : Lyon, INSA
• Ecole(s) doctorale(s) : École doctorale Mécanique, Energétique, Génie Civil, Acoustique (Villeurbanne ; 2011-....)
• Partenaire(s) de recherche : Laboratoire : CETHIL - Centre d'Energétique et de Thermique de Lyon (Villeurbanne, Rhône)
• Jury : Président / Présidente : Joseph Virgone
• Jury : Examinateurs / Examinatrices : Christian Ghiaus, Joseph Virgone, Gilles Fraisse, Christian Inard, Gérard Krauss, Johnny Takla
• Jury : Rapporteurs / Rapporteuses : Gilles Fraisse, Christian Inard

Mots clés

Mots clés contrôlés

Capteurs solaires

Énergie solaire -- Recherche

Mots clés libres

Energétique

Energie solaire thermique

Capteurs solaires

Sysmfs

Systèmes solaires multifonction multi-sources

Chauffage des bâtiments

Stockage de chaleur

Modélisation

Optimisation de système

Plans d'expérience

Solar Energy

Solar Cell

Solar collector

Building

Simulation Model

Optimization

Résumé

L’introduction des nouvelles machines frigorifiques à absorption des petites puissances ouvre des nouvelles perspectives pour les systèmes solaires multifonction multi-source (SYSMFS) qui exploitent le potentiel de l’énergie solaire pour le chauffage, le refroidissement et la préparation de l’eau chaude sanitaire (ECS). Les systèmes solaires combinés (SSC), qui ont précédés les SYSMFS, manquaient néanmoins une procédure adaptée pour le dimensionnement de leurs composants principaux : le panneau solaire et le ballon solaire de stockage thermique. De point de vue de l’énergie et du coût d’investissement et d’exploitation, une méthode de dimensionnement basée sur le pic de charge ne conviendrait pas si la source d’énergie n’est pas garantie d’être stable dans le temps. Une optimisation des composants principaux par la simulation peut être alors une solution clef pour le dimensionnement optimal de SYSMFS. À partir des informations sur les SSC trouvées dans la littérature et celles de fabricant de la machine frigorifique, un schéma hydraulique initial a été élaboré pour un SYSMFS. La modélisation de ce schéma est complexe car des simulations et des modifications répétitives ont été nécessaires pour éliminer les problèmes potentiels de convergence de la solution. A partir de cette expérience, une méthodologie de conception assistée par simulation a été élaborée afin d’en profiter pour des modélisations similaires. En tant que telle, le modèle devrait être prêt pour la phase l’optimisation. Une étude paramétrique a été menée sur le modèle SYSMFS ; elle offre les donnés requises pour la comparaison des algorithmes d’optimisation qui sont testés par la suite. Le résultat de cette étude est une surface de réponse qui représente le coût du SYSMFS en fonction de la superficie du panneau solaire et du volume de stockage thermique du ballon solaire. Pour réduire le nombre des simulations requis par une étude paramétrique complète, l’utilisation d’un algorithme d’optimisation est nécessaire. Un algorithme basé sur le plan d’expérience (OptDOE) a été développé et sa performance est comparée avec celles d’un algorithme d’optimisation hybride sur une fonction de référence de Rosenbrock et sur le modèle SYSMFS. Comparé à l’algorithme hybride, OptDOE a montré une bonne performance. Le nombre de simulations est réduit et les valeurs optimales trouvées, par cette méthode, sont porches de celles de l’étude paramétrique L’OptDOE permet également de décrire le comportement du modèle SYSMFS au voisinage de l’optimum avec une fonction coût approximée. Cette information est importante surtout au cas où la fonction coût a la forme d’une vallée. Dans ce cas, des valeurs différentes de l’optimum donnent presque le même coût global.

The introduction of new low capacity absorption chillers opens new prospects for the multifunction multisource solar systems (MFSSYS) which exploit the full potential of the solar energy for heating, cooling and production of domestic hot water (DHW) purposes. The solar combisystems (SCS), which preceded the MFSSYS, lacked an adapted procedure for the sizing of their main components: the solar collector and the solar thermal storage tank. From the point of view of the energy and investment cost, a sizing method based on the peak load may fail if the energy source is not guaranteed to be stable. An optimization of the main components by simulation may be then a key solution for an optimal sizing of the MFSSYS. An initial hydraulic schematic is elaborated for the MFSSYS based on information found in the literature about the SCS and the data made available by the chiller manufacture. The modeling of this schematic is complex as redundant simulation and modification were necessary in order to eliminate the potential problems of solution convergence. From this experience, a method of simulation aided design is elaborated. Parametric runs were carried out on the MFSSYS model. They offer needed information for the comparison of the optimization algorithms which are tested later on. The outcome of these parametric runs is a response surface which represents the cost of the MFSSYS as a function of the solar collector surface area and the volume of the solar thermal storage tank. In order to reduce the number of simulations required by a complete parametric runs method, the use of optimization algorithm become a necessity. An optimization algorithm based on the design of experiments (OptDOE) is developed; its performance is compared with the one of a hybrid optimization algorithm in two cases: a reference function of Rosenbrock and the model of the MFSSYS. Compared to the hybrid optimization algorithm, OptDOE has showed good performance. The number of simulations is reduced and the optimized values, found by this method, are close to those of the parametric runs. The main advantage of OptDOE is to describe the behavior of the cost function in the neighborhood of the optimum. This information is valuable especially when the cost function has a valley-like form, which is the case for the systems we studied. In this case, the cost has approximately the same value for a large variation range of the optimized parameters.