CRAN - Campus Sciences
BP 70239 - 54506 VANDOEUVRE Cedex
Tél : +33 (0)3 72 74 52 90 Fax : +33 (0)3 72 74 53 08
cran-secretariat@univ-lorraine.fr
 
 
Sujet de Thèse : Contribution à l'optimisation et à la surveillance de la gestion énergétique des bâtiments non-résidentiels
Dates : 2014/11/06 - 2018/08/31
Etudiant : Krishnan SRINIVASARENGAN
Directeur(s) CRAN : Christophe AUBRUN , Didier MAQUIN
Description : Les travaux de thèse s'inscrivent dans le cadre du projet européen FP7 "Simulation-based control for Energy Efficiency building
operation and maintenance : Energy in time" (http://cordis.europa.eu/projects/rcn/108953_en.html) dont la durée est de quatre ans
et qui démarrera en octobre 2013. L'objectif du projet est de développer un système de contrôle intelligent permettant de réduire la
consommation énergétique des bâtiments non résidentiels. Cette réduction est un enjeu sociétal essentiel. En Europe , la consommation
énergétique relative aux bâtiments (résidentiels et tertiaires) représente 44% de la dépense globale énergétique (contre 32% pour les
transports et 27% pour l'industrie) ; il est reconnu que les régulations élémentaires en place actuellement sont peu performantes et
que le potentiel de réduction de consommation est très important.

De nombreux facteurs influencent la quantité d'énergie dépensée par le poste de chauffage, ventilation et climatisation, CVC (ou HVAC :
heating, ventilation, and air conditioning en anglais) parmi lesquels le climat, la géométrie du bâtiment, la performance thermique de
son enveloppe, la ventilation, l'efficacité du système de chauffage, la qualité de sa commande, le mode de vie et les apports de chaleur
provenant des occupants. Au cours de ces dernières années, cette thématique de minimisation de la consommation énergétique des
bâtiments occupés de façon intermittente a fait l'objet de très nombreux travaux (voir les références jointes). Des revues
internationales sont entièrement dédiées à la publication de travaux de recherche dans ce domaine (citons en particulier et de façon
non exhaustive les revues publiées par Elsevier : Energy and Buildings ou Building and Environment).

Sujet de recherche

La thèse se focalisera sur l'optimisation du contrôle du système CVC. L’objectif principal de la commande des systèmes thermiques dans
le bâtiment peut s’exprimer sous la forme d’un problème d’optimisation : il s’agit de minimiser la consommation (ou le coût) tout en
garantissant le niveau de confort (thermique) désiré. La commande prédictive est adaptée pour satisfaire ces exigences et elle a fait
d’ores et déjà l’objet d’études et d’évaluations pour ce type d’application. En effet, cette méthode est adaptée à la prise en compte de
contraintes multiples comme la prévision du taux d’occupation des bâtiments ou celle des conditions météorologiques. De plus, des
objectifs contradictoires comme le confort des usagers (niveau de température) et la dépense énergétique peuvent être pris en compte
dans la formulation du critère à optimiser.

L’emploi d’une méthode de commande prédictive nécessite le recours à un modèle dynamique du comportement du système. De
nombreux logiciels de simulation du comportement thermique et/ou énergétique des bâtiments ont été développés et une procédure
fréquemment employée consiste à identifier un modèle simplifié en s’appuyant sur des jeux de données issus de ces simulateurs qui
offrent évidemment plus de souplesse en matière de plages d’excursion des variables explicatives que le système réel. L’analyse de la
complexité du modèle retenu au regard des performances de la commande devra être analysée.

Le plus fréquemment, l’élaboration des lois de commande repose sur l’hypothèse de bon fonctionnement du système CVC et ne prend
pas en compte ses défaillances éventuelles. Les lois de commande qui seront développées devront prendre en compte cette situation en
modifiant, par exemple, les trajectoires de référence des températures des différentes zones du bâtiment. Le couplage entre les
méthodes de commande prédictive et celle de détection/localisation de défaut et de reconfiguration (du système ou de la loi de
commande) fera l’objet d’une étude approfondie.

Ces modules de commande/diagnostic devront également fournir des indicateurs pertinents (KPI : Key Performance Indicators) au
système global de supervision de façon à ce que celui-ci puisse prendre en compte l’état de santé du système dans les politiques de
maintenance

Références

Petru-Daniel Morosan. Commande prédictive distribuée. Approches appliquées à la régulation thermique des bâtiments. Thèse de
doctorat de Supélec soutenue le 30 septembre 2011 (http://tel.archives-ouvertes.fr/tel-00641311).

Jiri Cigler, Pavel Tomasko, Jan Siroky. BuildingLAB : A tool to analyze performance of model predictive controllers for buidings. Energy
and Buildings, 57(2013) : 34–41, 2013.

Samuel Privara, Jiri Cigler, Zdenek Vana, Frauke Oldewurtel, Carina Sagerschning, Eva Zacekova. Building modeling as a crucial part for
building predictive control. Energy and Buidings, 56(2013): 8–22, 2013.

Frauke Oldewurtel, Alessandra Parisio, Colin N. Jones, Dimitrios Gyalistras, Markus Gwerder, Vanessa Stauch, Beat Lehmann, Manfred
Morari. Use of model predictive control and weather forecasts for energy efficient building climate control. Energy and Buildings,
45(2012):15–27, 2012.

Ion Hazyuk, Christian Ghiaus, David Penhouet. Optimal temperature control of intermittently heated buildings using Model Predictive
Control: Part I - Building modeling. Building and Environment, 51(2012): 379–387, 2012.

Mohamed Yacine Lamoudi. Commande prédictive distribuée pour la gestion de l’énergie dans le bâtiment. Doctorat de l’Université de
Grenoble soutenue le 7 août 2006 (http://tel.archives-ouvertes.fr/tel-00793614).

Jan M. Maciejowski, Colin N. Jones. MPC fault-tolerant flight control case study : flight 1862. 5th IFAC Symposium on Fault Detection,
Supervision and Safety for Technical Processes, Safeprocess'2003, Washington, D.C., USA, June 9-11, 2003.

Jan Siroky, Frauke Oldewurtel, Jiri Cigler, Samuel Privara. Experimental analysis of model predictive control for an energy efficient
building heating system. Applied Energy, 88(9): 3079-3087, 2011.

J.D. Alvarez, J.L. Redondo, E. Camponogara, J. Normey-Rico, M. Berenguel, P.M. Ortigosa. Optimizing building comfort temperature
regulation via model predictive control. Energy and Buildings, 57(2013):361-372, 2013.

Vu Tuan Hieu Le. Commande prédictive robuste par des techniques d’observateurs à base d’ensembles zonotopiques. Thèse de
doctorat de Supélec soutenue le 22 octobre 2012 (http://tel.archives-ouvertes.fr/tel-00765444).
Mots clés : Commande prédictive, détection de défauts, gestion énergétique, reconfiguration, commande tolérante
Département(s) :
Contrôle Identification Diagnostic
Financement : Contrat doctoral de l'Université de Lorraine sur le projet Européen FP7 Energy in time