OMEGAlpes : outil d’aide à la décision pour une planification énergétique multi-fluides optimale à l’échelle des quartiers

OMEGAlpes : decision support tool for an optimal multi-carriers energy planning at the district scale

• Auteur / Autrice : Camille Pajot
• Direction : Benoit Delinchant, Yves Maréchal
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 12/07/2019
• Etablissement(s) : Université Grenoble Alpes (ComUE)
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de génie électrique (Grenoble)
• Jury : Président / Présidente : Florence Ossart
• Jury : Examinateurs / Examinatrices : Cristian Muresan, Claus Habfast
• Jury : Rapporteurs / Rapporteuses : Bruno Sareni, Christian Inard

Mots clés

Mots clés contrôlés

Réseaux électriques intelligents

Domotique

Immeubles intelligents

Ressources énergétiques

Mots clés libres

Quartiers énergie positive

Microgrids

Bâtiment intelligent

Flexibilité

Milp

Optimisation

Positive energy distrincts

Microgrids

Smart building

Flexibility

Milp

Optimization

Résumé

Majoritairement responsable du dérèglement climatique, le secteur de l’énergie est particulièrement visé et des politiques de transition énergétique voient le jour, en s’appuyant sur les principes de sobriété, d’efficacité et de productions énergétiques bas-carbone. Les systèmes énergétiques doivent s’adapter rapidement à ces changements et être conçus de façon à intégrer une approche multi-énergies et des stratégies de gestion de la demande. Dans ce contexte, cette thèse propose de développer une méthodologie et un outil d’aide à la décision associé, offrant aux différents acteurs énergétiques une aide pour concevoir, dimensionner, et gérer les systèmes énergétiques au niveau des quartiers. En premier lieu, une approche de planification énergétique par optimisation sera développée. Une méthodologie, basée sur des bilans de puissance sera ensuite présentée, pour traiter de façon générique des cas d’étude de planification énergétique à l’échelle du quartier, puis illustrée sur un cas de valorisation de chaleur fatale. Des modèles de consommation basés sur des approches statistiques seront ensuite employés, afin de représenter des scénarios de flexibilité temporelle (décalage d’usages). Une alternative à cette approche par les données, basée sur la modélisation physique des bâtiments, sera ensuite présentée à travers l’utilisation de modèles thermiques réduits. Enfin, l’ensemble de ces modèles sera capitalisé au sein d’un outil de génération automatique de modèles d’optimisation, s’appuyant sur une méthodologie de construction de modèles énergétiques à partir d’éléments génériques. Le développement de cet outil open source, en langage Python, et le principe de génération automatique des modèles sera enfin détaillé.

Mostly responsible for climate change, the energy sector is particularly targeted and energy transition policies are emerging, based on the principles of sobriety, efficiency and low-carbon energy production. Energy systems need to adapt quickly to these changes and be designed to consider a multi-energy approach and demand-side management strategies. In this context, this thesis proposes to develop a methodology and an associated decision support tool OMEGAlpes, offering the different energy actors an aid to design, size, and manage energy systems at the district level. First, an optimal energy planning approach will be developed. A methodology, based on power balances will then be presented, to treat generically study cases about energy planning at the district scale, and then illustrated on a case of wasted heat recycling. Consumption models based on statistical approaches will then be used to represent temporal flexibility scenarios (load shifting). An alternative to this data approach, based on the physical modeling of buildings, will then be presented through the use of reduced thermal models. Finally, all of these models will be capitalized within an automatic generation tool for optimization models, based on a methodology for building energy models from generic elements. The development of this open source tool, in Python language, and the principle of automatic generation of models will finally be detailed.