l’energie en révolution numérique - imt
TRANSCRIPT
COLLOQUE IMT:
L’Energie en révolution NumériqueNumérique
RÉSEAUX DE CHALEUR INTELLIGENTS
Bruno Lacarrière
1. CONTEXTE / PERTINENCE D’UNE APPROCHE « SMART »
2. RÉSEAUX DE CHALEUR INTELLIGENTS: Smart District Heating Systems
3. EXEMPLE DE TRAVAUX
SOMMAIRE
3. EXEMPLE DE TRAVAUX RÉALISÉS
4. CONCLUSION
CONTEXTEPERTINENCE D’UNE APPROCHE « SMART » 4
-En Europe:-L’usage Chaleur et Froid responsable d’environ 50% de la consommation énergétique:
- Bâtiment responsable d’environ 40% de la consommation énergétique (35% des émissions)
- Résidentiel représente 25% de la consommation d’énergie finale- Industrie responsable d’environ 30% - 20 à 50% de l’énergie perdue sous forme de chaleur
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
-RCU en EuropeReprésentent 9% de la chaleur en Europe:75% de l’énergie fournie par ces réseaux est d’origine fossile (40% Gaz; 29% Charbon)
Forte disparité selon les pays:
5
-4ème génération de réseaux chaleur (Werner) :
CONTEXTEPERTINENCE D’UNE APPROCHE « SMART »
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
-Evolution de la demande :-Consommateurs – Producteurs (inclus stockage) � « Prosumers »:
Systèmes DistribuésInteractions bilatérales avec le réseau
6
-Evolution de la demande (Illustration 1) :-Impact du Changement Climatique (Andric et al., 2016)
- Rénovation du parc de bâtiment- Variations climatiques
Modèle bâtiment :
CONTEXTEPERTINENCE D’UNE APPROCHE « SMART »
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
Scénarios étudiés (2010-2050):
3 niveaux de rénovation 3 niveaux de variation climatique (IPCC)
Quartier Alvalade, Lisbonne, Portugal
7
Influence combinée rénovation + climat
Référence (2010)
CONTEXTEPERTINENCE D’UNE APPROCHE « SMART »
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
Influence des scénarios combinés sur la densité énergétique du quartier
Faible variation climatique + faible niveau de rénovation
Forte variation climatique + fort niveau de rénovation
SMART DISTRICT HEATING SYSTEMS 8
-Caractérisation Réseau intelligent
•Distributed
Technology
•Advanced Monitoring
Information and Communication
Technologies
•Weather forecast models for
Modeling and
Simulation
Référence aux Smart Grids Electriques (M. Betancourt)
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
•DistributedGeneration
•Diversity of Energy Sources
•Demand Response
•Energy Storage
•Advanced Monitoring Infrastructure
•Wired and Wireless communication devices
•Central and distributed data hubs.
•Central and distributed decision points
•Smart Meters and automated actuators
•Decision Aiding
•Weather forecast models for Renewable Energy Sources.
•Supply/Demand models
•Storage Models
•Multi-Energy Systems Models
•Distribution Models
•Business/Market models
•Tariffs/Incentives models.
SMART DISTRICT HEATING SYSTEMS 9
-Smart DH à IMT Atlantique
•Distributed
Technology
•Advanced Monitoring
Information and Communication
Technologies
•Weather forecast models for
Modeling and
Simulation
IMT AtlantiqueDSEE – UMR GEPEASRCDLUSII – UMR Lab-STICCDAPI – UMR LS2N
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
•DistributedGeneration
•Diversity of Energy Sources
•Demand Response
•Energy Storage
•Advanced Monitoring Infrastructure
•Wired and Wireless communication devices
•Central and distributed data hubs.
•Central and distributed decision points
•Smart Meters and automated actuators
•Decision Aiding
•Weather forecast models for Renewable Energy Sources.
•Supply/Demand models
•Distribution Models
•Storage Models.
•Multi-Energy Systems Models
•Business/Market models
•Tariffs/Incentives models.
SMART DISTRICT HEATING SYSTEMS 10
-Illustration 2: -Simulation réseau de chaleur-(Marguerite et al., 2013)
Représentation du réseau Graphe orientéProgrammation LinéaireContraintes :
Capacité des conduitesCapacité des sourcesBilan énergétique aux nœuds
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
SMART DISTRICT HEATING SYSTEMS 11
-Illustration 3: Les sous stations � point de d’interactions multiples-(Castro Flores et al., 2016)
Supply
Return end of
network
Heat Plant
. . .
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
Load 1 Load nLoad 2 LoadLoad 3
Influence du nombre de sous-stations « basse température » sur les performances du réseau,en lien avec la diminution de la demande (rénovation)
SMART DISTRICT HEATING SYSTEMS 12
-Illustration 2:
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
Influence sur les pertes Economies/sources
SMART DISTRICT HEATING SYSTEMS 13
-Illustration 4: Les sous stations � point de pilotage intelligent-(Haurant et al., 2016)
1 2
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
Impact des contraintes liées aux technologies (sans fil) de transmission de signal sur les performances du réseau
Contraintes : - Taille des messages envoyés- Perte d’info- Echantillonnage et fréquence d’envoi des données
3
Unité d’appoint
SMART DISTRICT HEATING SYSTEMS 14
-Illustration 4:
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
Distribution Surproduction de l’unité d’appoint (N6) [% de la
production annuelle]
Défaut de production de l’unité d’appoint(N 6) [% de la
production annuelle]Scenario 1 5.19 % 5.33 %Scenario 2 1.74 % 1.74 %Scenario 3 1.07 % 1.08 %
SMART DISTRICT HEATING SYSTEMS 15
-Autres travaux:
-- Modélisation des systèmes (physique et/ou statistique)-Ex: tri-génération
-- Réseaux hybrides (couplages réseaux thermiques et électriques)-Nœuds du réseau associés à des « hub-énergétiques » locaux
-Réseaux 3 tubes
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
--Réseaux 3 tubes
--Couplages systhèmes distribués et réseau (ex: Solaire thermique, stockage)
-- Modèles thermo-hydrauliques simplifiés -Intégration aux modèles de simulation des réseaux-Temps caractéristiques et influence sur le pilotage via les TIC
-- Stratégies de pilotage des systèmes distribués et interaction avec les réseaux
-- Couplage modèles de réseaux et méthodes d’aide à la décision
CONCLUSION 16
-Intégration de l’expérience acquise sur les smart g rids électriques-Avec prise en compte des spécificités (temps caractéristiques, niveaux de température)
-Couplage modèles de réseaux et TIC-Communication (techno sans fils) et Information (aide à la décision)
Combinaison des solutions de modélisation/simulatio n des réseaux
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS
-Combinaison des solutions de modélisation/simulatio n des réseaux selon les objectifs opérationnels-LP, MILP, thermo, technico-économiques…
MERCI 17
12/05/2017RÉSEAUX DE CHALEUR INTELLIGENTS