Vers des bâtiments « nanoréseaux » durables, intelligents et autonomes en énergie : une approche holistique et systémique d’optimisation multi-objectifs

Résumé

L’autonomie énergétique des bâtiments est devenue un enjeu majeur, motivant de nombreux efforts de recherche et de développement, principalement dans la gestion de l’énergie, en particulier grâce aux ICT dans les bâtiments intelligents. Pour atteindre des bâtiments nanoréseaux durables, intelligents et autonomes en énergie, il est essentiel de mettre en oeuvre des contrôleurs multi-objectifs. Ces contrôleurs doivent prendre en compte divers facteurs, notamment les sources d’énergie renouvelable (eg. PV, géothermie, pile à combustible) et l’effacement des pics (eg. stockage), afin d’optimiser la consommation d’énergie et le confort via une approche holistique et systématique.

Contexte scientifique

L’objectif de neutralité carbone de la France à l’horizon 2050 vise à aligner le pays sur l’objectif de 1,5°C. Cet objectif est défini comme l’atteinte d’un équilibre entre les gaz à effet de serre (GES) émis chaque année et la quantité de GES absorbée par les "puits de carbone" sur le territoire national. Les bâtiments sont des éléments clés de la société car ils accueillent l’activité humaine, mais ils sont aussi un contributeur majeur à son empreinte environnementale [1]. La Bretagne est une région qui souffre de la précarité énergétique et qui est très dépendante des importations d’énergie : elle ne produit qu’environ 12 % de sa consommation. Face à cet enjeu crucial, la Région et d’autres partenaires (Etat, ADEME, RTE, ANAH) ont signé il y a 9 ans le Pacte électrique breton, qui vise à sécuriser l’approvisionnement en électricité de la Bretagne. Par ailleurs, la Bretagne dispose de réelles opportunités [2] : un potentiel important en termes d’économies d’énergie et de développement des énergies renouvelables, notamment marines, qui pourrait couvrir à court terme plus de 20 % de la consommation d’énergie de la région et 34 % de la consommation d’électricité à elle seule. La Bretagne souhaite se positionner comme l’une des grandes régions françaises sur le marché du bâtiment et des réseaux intelligents (e.g. projet Smile).

L’état actuel de la gestion des bâtiments met en évidence la nécessité d’une transformation vers des bâtiments intelligents. Un compromis optimal est nécessaire entre le confort et les économies d’énergie en opérant une optimisation multi-objectifs des bâtiments [3]. Les systèmes traditionnels de gestion de l’énergie des bâtiments (BEMS) sont principalement utilisés comme outils d’automatisation et de plateforme de simulation pour des opérations d’optimisation simples. Cependant, ces contrôleurs conventionnels ne prennent pas en compte toute la dynamique des bâtiments, en particulier les facteurs d’occupation [4]. Leurs performances dépendent aussi fortement de la précision des modèles de simulation des bâtiments. Dans la littérature, trois types de modèles sont principalement utilisés : 1) les modèles à boîte blanche (basés sur la physique), 2) les modèles à boîte noire (basés sur les données) et 3) les modèles à boîte grise (hybrides) [5]. Les modèles de boîte noire et de boîte grise ont montré des résultats prometteurs avec de faibles coûts de calcul et une conception simple [6].

Les occupants du bâtiment sont des participants actifs du système, et leur interaction avec le bâtiment, comme le contrôle du CVC (chauffage, ventilation, climatisation), la charge des prises, l’éclairage, etc. influence de manière significative la performance globale des bâtiments [7]. En outre, l’intégration de sources d’énergie renouvelables dans les bâtiments afin de réduire leur dépendance vis-à-vis du réseau a une influence positive sur le développement durable. Cependant, cette intégration complique les défis d’optimisation pour les BEMS, rendant leur fonctionnement de plus en plus difficile. L’interaction traditionnelle entre les occupants et les bâtiments tend à être unidirectionnelle, avec une régulation manuelle par les occupants. Or, depuis quelques années le concept de bâtiment intelligent a évolué. Contrairement aux systèmes automatisés qui se contentent de réguler sur la base d’une surveillance, un système intelligent est basé sur plusieurs agents capables de communiquer entre eux, d’apprendre et d’agir de manière adaptative [8].

L’émergence de systèmes IoT rentables, associée à la disponibilité des données et à une puissance de calcul avancée, a ouvert la voie à la mise en oeuvre d’approches hybrides ou axées sur les données. Les systèmes de contrôle intelligents peuvent être classés en plusieurs niveaux d’intelligence en fonction de leur fonctionnalité et de leurs services : de la surveillance de base, où les utilisateurs contrôlent l’environnement en fonction de leurs besoins, aux systèmes avancés qui surveillent, proposent des solutions et agissent de manière autonome, en apprenant continuellement de nouveaux modèles et de nouvelles interactions [9, 10]. Ce projet de thèse a pour ambition de relever le défi du développement d’un contrôleur intelligent multiobjectif centré sur l’impact de l’occupation. IL a par conséquent comme objectifs :

• Adresser les défis dans le développement de modèles thermiques pour les contrôleurs en effectuant une comparaison de l’état de l’art des méthodes basées sur les données et des méthodes hybrides, en mettant en évidence leurs avantages et les domaines d’amélioration par l’application de l’une de ces approches,
• Proposer une modélisation/simulation en développant un contrôleur intelligent multi-objectif centré sur l’occupation et les systèmes énergétiques hybrides pour les bâtiments,
• Intégrer les informations dynamiques du système de gestion de l’énergie dans la maquette BIM.

Ce système intelligent devrait faciliter la communication bidirectionnelle entre les occupants et les bâtiments, par exemple, les bâtiments indiquant leur état actuel et leurs actions futures aux occupants et vice versa, ce qui en fait un outil essentiel pour le développement de bâtiments durables et la réalisation de l’objectif de neutralité carbone de la France à l’horizon 2050. Ce système de contrôle intelligent devrait être développé comme un outil à accès ouvert, facilitant une adoption plus large et l’innovation dans la gestion des bâtiments.

Ce projet de thèse s’appuie sur des résultats de recherche déjà obtenus, notamment les travaux de thèse [11], où un modèle thermique a été développé en utilisant une méthode hybride pour les bâtiments. Ce modèle a été validé en l’intégrant dans un contrôleur MPC, réalisant des économies d’énergie significatives de 31% par rapport aux contrôleurs traditionnels. Des recherches en cours, financées par l’UBO et CESI Brest [12], explorent davantage l’intégration de modèles de prédiction d’occupation, développés en utilisant une méthode basée sur les données pour prédire à la fois l’occupation à court et à long terme. De plus, d’autres travaux de recherche en cours visent le contrôle dynamique des systèmes CVC [13] et le développement de techniques de fusion de capteurs pour estimer l’occupation et évaluer l’influence des systèmes d’information (EIS) sur l’énergie dans les bâtiments intelligents.

Ce projet de thèse a pour objectif de compléter ces travaux et vise à les intégrer dans un contrôleur de bâtiment intelligent holistique et multi-objectif. Il s’agit non seulement d’améliorer les stratégies d’optimisation de la consommation d’énergie et du confort, mais aussi d’intégrer la réponse à la demande et les transactions énergétiques pour une meilleure rentabilité. Un aspect clé de notre approche est le développement d’un système en accès libre, évalué par un démonstrateur [14], tirant parti de l’installation matérielle en boucle OPAL-RT (à l’IRDL) pour simuler des scénarios du monde réel.

Encadrement :

• Dr. HdR. Karim Beddiar, Direction Régionale Ouest, UR 7527 LINEACT, CESI Ecole d’ingénieur La Rochelle
• Prof. Mohamed Benbouzid, UMR CNRS 6027 IRDL, Université de Bretagne Occidentale, Brest
• Dr. Abhinandana Boodi, Enseignant Chercheur, UR 7527 LINEACT, CESI Ecole d’ingénieur Brest

References
[1] A. Gaspard et al. “Introducing sufficiency in the building sector in net-zero scenarios for France”. In: Energy
and Buildings 278 (2023), p. 112590. doi: 10.1016/j.enbuild.2022.112590.
[2] ADEME. Feuille de Route pour le Développement des Smart Grids en Bretagne. 2013. url: https://www.bdi.
fr/wpcontent/uploads/2014/10/feuille_de_route_sg_vff.pdf.
[3] A. Boodi et al. “Intelligent systems for building energy and occupant comfort optimization: A state of the art
review and recommendations”. In: Energies 11.10 (2018), p. 2604.
[4] C. Kanthila et al. “Building Occupancy Behavior and Prediction Methods: A Critical Review and Challenging
Locks”. In: IEEE Access 9 (2021), pp. 79353–79372. doi: 10.1109/ACCESS.2021.3083534.
[5] X. Li and J.Wen. “Review of building energy modeling for control and operation”. In: Renewable and Sustainable
Energy Reviews 37 (2014), pp. 517–537. doi: 10.1016/j.rser.2014.05.056.
[6] A. Boodi et al. “Simplified Building Thermal Model Development and Parameters Evaluation Using a Stochastic
Approach”. In: Energies 13.11 (2020), p. 2899. doi: 10.3390/en13112899.
[7] K.-U. Ahn et al. “Predictability of occupant presence and performance gap in building energy simulation”. In:
Applied Energy 208 (2017), pp. 1639–1652. doi: 10.1016/j.apenergy.2017.04.083.
[8] A. Karami et al. “User in the Loop: Adaptive Smart Homes Exploiting User Feedback—State of the Art and
Future Directions”. In: Information 7.2 (2016), p. 35. doi: 10.3390/info7020035.
[9] J. K. W. Wong, H. Li, and S. W. Wang. “Intelligent building research: a review”. In: Automation in Construction
14.1 (2005), pp. 143–159. doi: 10.1016/j.autcon.2004.06.001.
[10] P. Pishdad-Bozorgi and Q. Zeng. “Conscious Intelligent Buildings: Envisioning the Next Generation of Smart
Buildings”. In: ASC2022. 58th Annual Associated Schools of Construction International Conference. 2022,
pp. 470–460. doi: 10.29007/q151.
[11] A. Boodi. “On energy-efficient buildings: Hybrid dynamic modeling for analysis and control”. PhD thesis. Université
de Bretagne Occidentale, Brest, 2021. url: http://www.theses.fr/s194972.
[12] C. Kanthila et al. “Enhanced multi-horizon occupancy prediction in smart buildings using cascaded Bi-LSTM
models with integrated features”. In: Energy and Buildings 318 (2024), p. 114442. issn: 0378-7788. doi: https:
//doi.org/10.1016/j.enbuild.2024.114442. url: https://www.sciencedirect.com/science/article/
pii/S0378778824005589.
[13] K. Al Sayed et al. “Reinforcement Learning for Optimal HVAC Control: From Theory to Real-World Applications”.
In: IECON 2023- 49th Annual Conference of the IEEE Industrial Electronics Society. Singapore,
Singapore: IEEE, 2023, pp. 1–6. doi: 10.1109/IECON51785.2023.10312131.
[14] CESI LINEACT. Ville du Futur, Bâtiment du Futur. url: https://recherche.cesi.fr/ville- futurbatiment-
futur/.

CESI LINEACT (https://lineact.cesi.fr/) et IRDL (https://www.irdl.fr/)

Vos compétences :

Compétences scientifiques et techniques :

• Le candidat doit être issu d’une formation en génie électrique/contrôle avec des compétences en informatique.
• La connaissance de la physique du bâtiment, de l’énergie du bâtiment ou des systèmes CVC est préférable.
• Une expérience dans l’exploration, l’analyse et la gestion des données est requise.
• Une expérience des techniques d’optimisation est préférable.
• Expérience des environnements de programmation (ex. Python).
• Bonne connaissance de l’anglais écrit et parlé.

Compétences relationnelles :

• Etre autonome, avoir un esprit d’initiative et de curiosité,
• Savoir travailler en équipe et avoir un bon relationnel,
• Etre rigoureux.