Caractériser les flexibilités énergétiques des parcs de bâtiments universitaires – apport des données mesurées

Characterising the energy flexibilities of university buildings - contribution of measured data

• Auteur / Autrice : Cyprien Beaudet
• Direction : Christian Inard, Jérome LE DRéAU, Pascale Brassier
• Type : Projet de thèse
• Discipline(s) : Energétique et thermique
• Date : Inscription en doctorat le 01/12/2023
• Etablissement(s) : La Rochelle
• Ecole(s) doctorale(s) : EUCLIDE
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences de l'Ingénieur pour l'environnement

Mots clés

Mots clés libres

Flexibilité énergétique

Gestion active de la demande

Parc de bâtiments

Prévision de la courbe de charge

Modélisation

Analyse de données

Energy flexibility

Active demand management

Park of buildings

Load curve forecast

Modelling

Data analysis

Résumé

Le choc énergétique vécu en 2022, notamment en conséquence directe de l'état de santé de notre parc de centrales nucléaires (mise à l'arrêt de 32 réacteurs nucléaires français en septembre 2021 avec en parallèle une réduction de nos capacités de production hydroélectrique en raison d'un épisode de sécheresse estivale) et des évènements internationaux (guerre en Ukraine occasionnant une envolée du cours du gaz et du pétrole), a mis en exergue la nécessité de mieux gérer nos usages de l'énergie et notamment de l'électricité au regard de l'état du réseau. Dans ce contexte, le cas des campus universitaires français est encore plus particulier avec des spécificités liées aux usages, à l'état du parc bâtimentaire ou encore à une dynamique, présente ou pas, de gestion énergétique et environnementale de ce parc. Selon le rapport d'information, il faut désormais privilégier une approche globale, permettant d'améliorer simultanément l'état du bâti, sa situation énergétique et son adéquation fonctionnelle, afin de faciliter l'émergence des campus de demain. De plus, le contexte règlementaire avec le Décret Tertiaire, la Stratégie Nationale Bas Carbone ainsi que le décret BACS, pousse la mise en place d'outils efficaces pour la maintenance des bâtiments en exploitation et le pilotage optimisé des usages de l'énergie. Ainsi, les sites universitaires constituent un parc de bâtiments énergivores qui sont limités dans leur capacité d'investissement mais font face à la hausse des prix de l'énergie et en particulier de l'électricité. Dans le contexte actuel, ils pourraient être les premiers à subir des coupures d'électricité en cas de forte tension sur le réseau électrique. La flexibilité est alors perçue comme un service pertinent pour ces sites universitaires à la fois financièrement, mais aussi pour les prémunir de potentielles coupures. La flexibilité énergétique est la capacité à faire varier l'offre et la demande dans un réseau par le biais du contrôle des capacités de production, stockage et consommation. L'approche retenue ici s'attache à couvrir deux échelles spatiales : celle du bâtiment et de ses équipements en développant des outils dédiés au pilotage optimisé des usages, et celle du campus en démultipliant les leviers de flexibilité pour offrir des services au réseau électrique. La méthode repose sur une utilisation avancée des données mesurées et de modèles (orientés données, simplifiés ou hybrides) pour développer des outils de gestion et de prédiction. Cette thèse vise à développer des méthodes d'analyse des consommations électriques de bâtiments universitaires, avec pour application une meilleure maîtrise des puissances électriques et le développement de la flexibilité énergétique à l'échelle d'un parc de bâtiments universitaires. Enjeux clés : Prendre en compte des typologies de bâtiments variés, représentatives des bâtiments rencontrés classiquement sur un campus universitaire et offrant des leviers de flexibilité énergétique différents Développer des modèles robustes et fiables sur la base d'une approche basée sur les données mesurées ou sur des approches hybrides couplant données et modèles physiques ou semi-physiques Utiliser les données disponibles sur les sites expérimentaux sélectionnés dans le projet et issues de sources hétérogènes. Derrière cet enjeu, les notions de sémantisation des données est prégnante et fait aujourd'hui l'objet d'une attention particulière en lien avec les approches BIM GEM qui doivent rendre les données issues de l'ensemble du cycle de vie du bâtiment alignées sur un dictionnaire compréhensible par tous Traitement avancé des données mesurées couplant règles métier et outils experts (Intelligence Artificielle) Les outils développés devront être accessibles et fiabilisés, en les confrontant notamment aux données réelles accessibles via la collaboration avec l'Université de Bordeaux et la Rochelle Université.

The energy shock experienced in 2022, particularly as a direct consequence of the state of health of our nuclear power plants (shutdown of 32 French nuclear reactors in September 2021 with a parallel reduction in our hydroelectric production capacity due to a summer drought) and international events (war in Ukraine leading to a surge in gas and oil prices), has highlighted the need to better manage our use of energy, particularly electricity, with regard to the state of the grid. In this context, the case of French university campuses is even more special, with specific features linked to usage, the state of the building stock and whether or not there is a dynamic approach to the energy and environmental management of this stock. According to the information report, we now need to focus on a comprehensive approach that simultaneously improves the condition of buildings, their energy situation and their functional suitability, in order to facilitate the emergence of the campuses of tomorrow. De plus, le contexte règlementaire avec le Décret Tertiaire, la Stratégie Nationale Bas Carbone ainsi que le décret BACS, pousse la mise en place d'outils efficaces pour la maintenance des bâtiments en exploitation et le pilotage optimisé des usages de l'énergie. University sites, for example, are energy-intensive buildings that have limited investment capacity but are faced with rising energy prices, particularly electricity. In the current climate, they could be the first to suffer power cuts in the event of major tensions on the electricity network. Flexibility is therefore seen as a relevant service for these university sites, both financially and in terms of protecting them from potential power cuts. Energy flexibility is the ability to vary supply and demand in a network by controlling production, storage and consumption capacities. The approach adopted here is designed to cover two spatial scales: that of the building and its equipment, by developing tools dedicated to optimised management of usage, and that of the campus, by leveraging flexibility to offer services to the electricity network. The method is based on advanced use of measured data and models (data-driven, simplified or hybrid) to develop management and prediction tools. The aim of this thesis is to develop methods for analysing the electrical consumption of university buildings, with a view to improving control of electrical power and developing energy flexibility across a range of university buildings. Key issues: Take into account a variety of building types, representative of the buildings typically found on a university campus and offering different energy flexibility levers. Develop robust and reliable models based on measured data or hybrid approaches combining data and physical or semi-physical models. Use the data available on the experimental sites selected for the project, drawn from heterogeneous sources. Behind this challenge, the notion of data semantisation is very important and is currently the subject of particular attention in connection with BIM GEM approaches, which must ensure that data from the entire building life cycle is aligned with a dictionary that can be understood by everyone. Advanced processing of measured data combining business rules and expert tools (Artificial Intelligence). The tools developed will have to be accessible and reliable, in particular by comparing them with real data accessible through collaboration with the University of Bordeaux and La Rochelle University.