Conception de contrôleurs résilients pour la gestion de l’énergie dans les bâtiments

Design of Resilient Controllers for Buildings Energy Management

• Auteur / Autrice : Jesse-James Prince Agbodjan
• Direction : Hervé Guéguen
• Type : Thèse de doctorat
• Discipline(s) : Automatique, productique et robotique
• Date : Soutenance le 11/05/2021
• Etablissement(s) : CentraleSupélec
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Institut d'Électronique et de Télécommunications (Rennes)
• Jury : Président / Présidente : Eric Bideaux
• Jury : Examinateurs / Examinatrices : Ionela Prodan, Didier Theilliol, Romain Bourdais, Pierre Haessig
• Jury : Rapporteur / Rapporteuse : Ionela Prodan, Didier Theilliol

Mots clés

Mots clés contrôlés

Constructions -- Économies d'énergie

Commande prédictive

Réseaux électriques (énergie)

Mots clés libres

Contrôle prédictif

Système de gestion d’énergie dans les bâtiments

Optimisation multi objectifs

Résilience

Panne de réseau électrique

Commande prédictive stochastique

Model predictive control

Building energy management system

Multi objective optimisation

Resilience

Grid power outage

Stochastic model predictive control

Résumé

L’une des conséquences les plus apparentes du réchauffement climatique, est la rapide augmentation de la fréquence et des amplitudes des événements météorologiques extrêmes. Ceux-ci entraînent des pannes de réseau électrique souvent de longue durée. De nos jours, plusieurs fournisseurs d'électricité implémentent des stratégies résilientes afin de fournir un tant soit peu de l'électricité aux consommateurs durant ces périodes de pannes. Cependant, la résilience du réseau ne serait pas suffisante si le système de gestion d'énergie du bâtiment des utilisateurs n'est pas également résilient. Par conséquent, les travaux effectués dans cette thèse se réfèrent à l'intégration de résilience aux pannes du réseau électrique dans le système de gestion de l'énergie des bâtiments. Nous proposons un contrôleur résilient prédictif en cas de pannes déterministes. Lorsque l'information associée à la panne devient incertaine, il en résulte un problème d'optimisation dont certaines contraintes sont stochastiques discrètes. L'une des méthodes de résolution de ces problèmes est la programmation stochastique multi-étapes dont le principal inconvénient est l'explosion combinatoire. Nous proposons une solution pour pallier cet obstacle en reformulant le problème d'optimisation sous-jacent. La méthode proposée est utilisée pour concevoir le contrôleur résilient stochastique, dont les performances sont comparées à celle d'un contrôleur basé sur la programmation stochastique multi étapes.

Extreme weather events linked to climate change are getting worse while becoming more frequent worldwide. One of their consequence is the loss of electricity supply for long-lasting periods. Nowadays, many electricity providers often implement resilience in their network in case of these blackouts to provide the customers with electricity at least partially until the network is completely repaired. However, the network resilience would not be sufficient if the user's building energy management system is not itself resilient. Therefore, the work we present in this thesis is to implement resilience to grid power outages, an example of an extreme event in building energy management system. We proposed the resilient controller based on the predictive control framework in case of deterministic grid power outages. When the outage information becomes uncertain, it leads to solving an optimisation problem with discrete stochastic constraints. One way to solve this problem is the multi-stage stochastic programming which main drawback is the combinatorial explosion. We propose a solution that avoids this inconvenience by reformulating the underlying optimisation problem. The proposed method is utilised to design the stochastic resilient controller, which performances we compare to a multi stage stochastic based controller.