Réseaux multi-énergies
modélisation à l’échelle quartier
L’intégration massive des énergies renouvelables et la diversité des usages à l’échelle du quartier complexifient la conception des systèmes énergétiques. Pour y répondre, les approches multi-énergies et multi-échelles permettent de mieux exploiter les synergies entre vecteurs, mais introduisent une forte complexité de modélisation et de pilotage.
Par Camille Caby, doctorante au LAPLACE et au G2Elab, et membre du projet HyMES.
Ces dernières années, l’intégration massive d’énergies renouvelables comme le solaire ou l’éolien a complexifié la conception de systèmes. Leur production intermittente et non coordonnée avec les pics de consommation, impose l’ajout d’un dispositif de stockage dans les systèmes énergétiques afin d’équilibrer l’offre et la demande pour chaque vecteur énergétique et de limiter ainsi le stress sur les réseaux.
Une approche multi-énergies permet de profiter de synergies entre différents vecteurs énergétiques (électricité, chaleur, gaz, …) et d’améliorer les performances globales des systèmes. En contrepartie, cette approche multiplie les contraintes et les dynamiques propres à chaque vecteur énergétique.
À l’échelle du quartier, la diversité des usages : résidentiels, tertiaires, commerciaux ou industriels, contribue à foisonner les demandes énergétiques et favorise les interactions entre acteurs, notamment via la revalorisation de ressources comme la chaleur fatale au sein de réseaux de chaleur. La centralisation des systèmes énergétiques permet de concevoir des systèmes qui sont mieux dimensionnés, piloter de manière plus efficace tout en réduisant les impacts économiques et environnementaux. En contrepartie, cette échelle complexifie fortement la conception des systèmes en multipliant les interactions possibles ainsi que les contraintes propres à chaque usage.
Une synergie entre vecteurs énergétiques ?
La synergie est la capacité d’un système à coordonner des vecteurs énergétiques initialement conçus de manière indépendante. La synergie peut être réalisée à différentes échelles : localement au sein d’un foyer ou globalement au sein d’un quartier.
À l’échelle du foyer, un exemple courant est la recharge des ballons d’eau chaude. Pour limiter les pics de consommation aux périodes où la production électrique est plus contrainte, les gestionnaires de réseau ont historiquement mis en place la tarification heures pleines/heures creuses, avec des tarifs avantageux la nuit pour mieux équilibrer la demande. La recharge nocturne du chauffe-eau permet ainsi d’utiliser la capacité de stockage du vecteur thermique pour absorber une surproduction électrique, sans recourir à l’installation de nouvelles batteries aux coûts économiques et environnementaux importants. Avec le déploiement massif du PV, la production électrique augmente désormais lors des périodes de fort ensoleillement, ce qui a conduit à une évolution des heures creuses, dont une partie est désormais située l’après-midi.
À l’échelle du quartier, le problème se complexifie avec l’ajout de nouveaux vecteurs, technologies et interactions possibles, comme le montre le schéma. Néanmoins, le principe reste identique : adopter une vision globale du système afin de limiter les pertes entre vecteurs et d’améliorer l’efficacité énergétique globale.
Cette complexité est encore renforcée par la dimension temporelle des problématiques étudiées. Dans nos travaux, les investissements sont envisagés sur des horizons de 20 à 30 ans, ce qui impose de considérer les évolutions du système sur de multiples échelles de temps, notamment des temps longs liés au vieillissement des composants, à l’évolution de la demande ou encore celle du coût des technologies. Dans une approche de co-design, où dimensionnement et gestion énergétique sont étudiés conjointement, le modèle doit ainsi représenter des dynamiques allant du pilotage court terme jusqu’à l’évolution long terme des systèmes. Cette double complexité, spatiale et temporelle, rend nécessaire le recours à des approches de simulation avancées.
Parmi elles, la co-simulation permet d’intégrer au sein d’un ensemble de modèles les couplages physiques ainsi que les différentes échelles de temps et d’espace avec une bonne fidélité. Toutefois, ces modèles deviennent rapidement coûteux en calcul et peu adaptés à une utilisation industrielle. L’hybridation de modèles, qui consiste à remplacer certaines briques par des modèles d’apprentissage (Machine Learning), permet alors d’accélérer les temps de simulation tout en conservant une précision suffisante pour l’étude.
OMEGAlpes : Un outil d’aide à la décision pour les systèmes énergétiques
Ces méthodes seront utiles à un panel varié d’acteurs de la transition énergétique. Les collectivités en lien avec les bureaux d’études pourront utiliser nos résultats pour concevoir ou réhabiliter des quartiers et des écoquartiers en intégrant davantage d’énergies renouvelables alors que les gestionnaires de réseau pourront anticiper les évolutions de consommation et évaluer leurs impacts sur la stabilité du réseau. Pour faciliter l’utilisation de ces méthodes pour des profils d’acteurs variés, nous allons ajouter nos contributions à l’outil d’aide à la décision open-source OMEGAlpes.
Il permet de modéliser des systèmes énergétiques grâce à une interface graphique puis génère automatiquement un problème d’optimisation puis le résout afin de déterminer une solution optimale de co-design couplant dimensionnement et pilotage énergétique.
Une première étude a été réalisée avec l’outil OMEGAlpes portant sur le pilotage optimal de pompe à chaleur à l’échelle d’un quartier. A travers cette étude, nous nous sommes intéressés à l’aspect multi-vecteurs et multi-échelles spatiales du sujet. En couplant le vecteur thermique et électrique, nous avons pu définir une stratégie de pilotage qui maintient le confort thermique des habitants en s’appuyant sur l’inertie thermique des bâtiments et qui réduit la consommation électrique et notamment le pic de demande, avec une diminution pouvant atteindre 31 % sur une période hivernale.
Un cas d’étude générique pour les systèmes énergétiques multi-vecteurs à l’échelle du quartier
Afin d’étudier les systèmes énergétiques multi-énergies à l’échelle d’un quartier, un cas d’étude générique a été développé à partir du quartier Cambridge à Grenoble. Ce cas d’étude repose sur 15 bâtiments, principalement résidentiels, comprenant également des résidences étudiantes et quelques surfaces commerciales et tertiaires situées à proximité d’un réseau de chaleur.
Cet écoquartier constitue une base pertinente pour explorer différents scénarios de mix énergétique, de stockage et de gestion de la demande car il possède encore un potentiel d’intégration d’énergies renouvelables et de flexibilités énergétiques. Il permet par exemple d’évaluer le dimensionnement de panneaux photovoltaïques, de solutions de stockage électrique ou thermique, ainsi que le remplacement progressif des technologies présentes. Les problématiques liées au vieillissement des équipements peuvent être intégrées dans les analyses.
La première étape du travail a consisté à générer des profils de charge résidentiels détaillés pour représenter les usages énergétiques à l’échelle du quartier. Pour cela, une approche stochastique a été utilisée afin de simuler l’occupation des logements, l’utilisation des équipements domestiques, l’éclairage et les gains thermiques internes avec une résolution temporelle d’une minute. Ces profils sont ensuite couplés à des modèles thermiques simplifiés des bâtiments afin d’étudier les interactions entre usages, chauffage et dynamiques thermiques.
Ce cas d’étude permet de réaliser des analyses de dimensionnement et de pilotage intégrant différentes technologies, comme les pompes à chaleur, le photovoltaïque ou le stockage thermique, tout en constituant un cadre générique et paramétrable, adaptable à partir de données statistiques simples à des quartiers variés.
Plus d'actualités Article
