8-9 juillet 2014, Cachan

Systme de management nergtique rsidentiel prdictif

sous critres technico-conomiques
Vincent DEBUSSCHERE, William Ricardo LEON GARCIA, Kaustav BASU, Seddik BACHA
Grenoble Alpes Universit - G2ELab

RESUME En se basant sur des travaux de prdiction effectus par ailleurs, nous proposons dans ce papier
les rsultats doptimisation temporelle dun ensemble reprsentant un btiment, une production et un stockage
local dnergie sur une journe future. Nous considrons ainsi trois ensembles (maison, batterie, PV) diffrents
dfinis par les niveaux dnergie mis en jeu, tirs de relevs de consommation et production rels. A partir de
ces systmes initiaux, nous testons cinq fonctions objectifs concernant les changes dnergie avec le rseau, le
facteur de forme de la courbe de charge et des prix de lnergie lusage ou en temps rel. La comparaison de
ces objectifs permettra terme de valider lusage de la prdiction sur le contrle optimal les sources et charges
non conventionnelles du rseau basse tension par la comparaison des fonctions objectifs ainsi que la dfinition de
scnarios dusage des services dnergie lis aux trois composants modliss. A terme, leur agrgation permettra
un effet de foisonnement bnfique au vue des rsultats doptimisation.
MOTS-CLES Optimisation prdictive, management nergtique, critre technique, cots de lnergie, smartbuildings, smart-grids.

Introduction

Une insertion massive de production renouvelable dans les rseaux passe par plusieurs obligations afin de continuer
assurer lgalit entre production et consommation. Outre la prsence de stockage et dactions de reconfigurations
du rseau, les solutions potentielles passent par un contrle plus appropri des sources et des charges sur le rseau de
distribution. Dans le cadre dun contrle pertinent de ces charges, nous nous intressons au management nergtique
du triptyque btiment rsidentiel-vhicule lectrique-production locale (dans notre cas par lintermdiaire de panneaux
solaires PV et dune batterie plomb-acide).
Le concept de smart-homes est clairement mis en avant en parallle du dveloppement de ce que tout le monde
appelle les smart-grids, avec pour ambition de permettre un contrle plus fin des charges lectriques ncessaire, d
la variabilit de la production renouvelable (locale ou non). Ce contrle de charges a plusieurs objectifs, que ce soit le
confort des habitants ou une meilleure gestion de leur consommation dnergie, de leur facture lectrique ou mme dun
point de vue plus gnral de leur impacts environnementaux.
En nous basant sur des mthodes dveloppes dans notre quipe de recherche concernant la prdiction de la consommation des charges dans les btiments rsidentiels [1], nous proposons ici de tester un certain nombre de scnarios dusage
de lnergie entre un consommateur, un producteur et un stockage, comme propos Figure 1(a). Lobjectif terme est
dintgrer dans ces optimisations dune part la prise en compte de lincertitude de prdiction, de niveau de charge sur les
batteries (voir de la disponibilit dans le cas du vhicule lectrique) ainsi que les impacts environnementaux cumuls par
lutilisation simultane de lensemble de ces services nergtiques.
En se basant sur une prdiction locale de la consommation des charges contrlables, nous sommes en mesure de
chercher un emplacement dans le temps de lusage de ces charges permettant de minimiser un certain nombre de critres,
que nous dfinissons par la suite sous la forme de scnarios dusage. Le synoptique des travaux en cours est propos
Figure 1(b) o le bloc Optimizer surlign en vert fait lobjet de cette communication.
Dans cette communication, nous prsentons les rsultats doptimisation nergtique du triptyque btiment, production
et stockage local sur une journe (future) base sur la prdiction dusage des charges disponible par ailleurs. Loriginalit

de ce travail est bas sur la possibilit de comparer plusieurs scnarios dusage de lnergie entre ces composants du
rseau basse tension, ainsi que sur lutilisation dinformations particulires donnes par lalgorithme de prdiction (sans
intrusion dans la vie prive des habitants).

(a) Management nergtique [2]

2
2.1

(b) Principe du systme doptimisation

Systme de management nergtique local

Systme

Le systme considr est rduit un panneau photovoltaque, la charge correspondante une maison et la connexion
au rseau, le tout contrl par une batterie plomb-acide connecte sur le bus continu lui-mme encadr dun hacheur et
un onduleur comme propos Figure 1(c). La prdiction des charges se base sur des travaux mens en parallle dont la
Figure 1(d) donne larchitecture de principe.

(c) Architecture tudie [3]

(d) Systme de prdiction [1]

Pour chacun des composants proposs Figure 1(c), nous avons implment soit un modle tir de travaux antrieurs
soit une courbe de charge tire de relevs rels, que ce soit pour les btiments ou pour la production dlectricit locale.
Ces modles seront abords plus en dtail dans le papier final.

2.2

Optimisation des flux dnergie

Diffrents types daction peuvent tre menes une fois ce systme considr, en prenant en compte la prvision de
consommation, de production, dtat de charge de la batterie des cots de lnergie, etc. [4, 5]. Lobjectif de ces travaux
est de fournir un bloc doptimisation utilisable par la suite en fonction des rponses dalgorithmes de prdiction et/ou
didentification des charges. Les travaux sur le management nergtique tant nombreux, nous nous sommes limits pour
valider le bloc mis en valeur Figure 1(b) trois scnarios prsentant chacun trois courbes de charges, puissance PV
installe et taille de batterie diffrentes. Ces valeurs sont prises en considration par lalgorithme doptimisation au dbut
de la journe reprsentant la dure doptimisation. Les caractristiques des trois scnarios considrs sont rassembles
Figure 1(e). Le choix de la puissance PV ainsi que de la taille des batteries se fait en fonction de la consommation totale
du systme considr.
Dautre part, les optimisation bases sur des critre de prix reprennent ( lusage et en temps rel) proviennent des
valeurs EDF et RTE, comme prsent Figure 1(f).

2.3

Fonctions objectifs

Nous souhaitons optimiser les flux nergtiques entre les diffrents composants du systme prsent Figure 1(c) en
nous basant sur plusieurs fonctions de cots. Ces fonctions cot vont concerner des critres tours tours conomiques
(prix de lnergie) ou technique (nergie consomme au rseau, forme de la courbe de charge, etc.).

(e) Scnarios (systmes) tudis

(f) Prix de lnergie lusage ou en temps rel

Cette optimisation va se faire sous les contraintes proposes dans les quations 1 4. Elles concernent, chaque pas de
temps de la journe future optimise, les changes avec le rseau, une puissance maximale souscrite et ltat de charge de
la batterie (comprise entre une valeur minimale et maximale et suprieure une valeur de consigne la fin de la journe).
Pgrid (t) = Pload (t) + PP V (t) + Pbat (t)
0 Pgrid (t)

max
Pgrid
(t)

SOCmin (t) SOC(t) SOCmax (t)

SOC(T ) SOCf inish

(1)
(2)
(3)
(4)

Nous comparons dans le papier cinq fonctions objectifs :

Cas 1 : Minimiser lchange dnergie avec le rseau.
Cas 2 : Minimiser le rapport des puissances maximale et efficace par jour.
Cas 3 : Minimiser la diffrence entre puissances maximale et moyenne par jour.
Cas 4 : Minimiser le cot de lnergie en considrant un prix lusage.
Cas 5 : Minimiser le cot de lnergie en considrant un prix en temps rel.

2.4

Algorithme doptimisation

Le choix de lalgorithme nest pas pour linstant au coeur du travail, nous avons donc choisi un outil gnrique et
avons utilis lalgorithme doptimisation fmincon de Matlab en comparant toutefois plusieurs rsolveurs (Interior-Point,
Active-Set et SQP).

Rsultats

Nous proposons ici les rsultats doptimisation uniquement sur le scnario 3 (se rfrer la Figure 1(e)). Les autres
scnarios seront proposs dans le papier final. De plus, nous ne proposons que deux des cinq fonctions objectifs, galement
par manque de place. Les cinq fonctions objectifs seront prsentes dans le papier final.
Nous comparons dans la suite des relevs dnergie et dtat de charge prenant ou non en compte la prvision temporelle de la consommation des charges (appels respectivement sans optimisation ou optimis).

3.1

Cas 1 : Minimiser lchange dnergie avec le rseau

Nous proposons tout dabord les rsultats de minimisation de la consommation dnergie au rseau. Figure 1(g)
propose la consommation dnergie et la Figure 1(h) propose la variation de ltat de charge (avec ou sans optimisation).
La rduction de consommation de puissance est, dans ce premier cas, de 36 % faisant passer la consommation initiale
de 1030 Wh par jour 661 Wh par jour. Nous notons galement une rduction de 32 % du prix dachat de lnergie (dans
un scnario usage). Loptimisation connaissant la consommation future sollicite mieux la batterie (en profitant pour la
charger en priode creuse par exemple) ce qui nest pas le cas sans optimisation ou la batterie est uniquement charge,
lnergie excdentaire provenant du rseau.

3.2

Cas 3 : Minimiser la diffrence entre puissances maximale et moyenne par jour

Nous proposons ensuite les rsultats pour le cas 3. Figure 1(i) propose la consommation dnergie et la Figure 1(j)
propose la variation de ltat de charge (dans les deux cas avec ou sans optimisation).
Dans ce scnario, lnergie moyenne consomme augmente lgrement plutt que de diminuer comme dans le cas
1 (en passant 1085 Wh par jour). La sollicitation de la batterie change nettement, afin de fournir de lnergie lors des

passages du pic des pics de consommation. Ce choix de fonction objectif particulire (limiter le facteur de forme) un
cot non seulement nergtique, mais galement conomique.

(g) Cas 1 : Consommation dnergie optimise (gris) ou non (jaune)

(h) Cas 1 : Etat de charge optimise (gris) ou non (jaune)

(i) Cas 2 : Consommation dnergie optimise (gris) ou non (jaune)

(j) Cas 2 : Etat de charge optimise (gris) ou non (jaune)

Conclusion

A partir dune connaissance prdite de la consommation dune habitation (obtenue par des travaux mens en parallle) nous avons test sur diffrents types dhabitats (dfinis par une combinaison dnergie consomme par jour, de
puissance PV installe et de taille de stockage) cinq cas doptimisation, dfinis par cinq fonctions objectifs, privilgiant
alternativement le rseau, le factor de forme sur la courbe de charge, ou des critres conomiques dusage ou temps rel.
Les cinq fonctions objectifs namnent pas du tout aux mme rsultats dusage des diffrents composants du systme
maison-PV-stockage. La sollicitation de chaque composant va jouer sur des critres techniques (comme par exemple leur
vieillissement) ou conomique (minimiser le prix du consommateur, du distributeur, du producteur, etc.) rendant un cas
dusage difficile privilgier devant un autre sans autre critre de choix.
La comparaison de ces diffrents cas dtude est utilise non seulement pour valider leur intrt, mais plus long terme
pour lancer des analyses de cycle de vie sur les services lis lusage prdictif de lnergie dans le triptyque btiment,
production et stockage local. Nous sommes galement en train dtendre ces travaux doptimisation avec des algorithmes
doptimisation sous incertitude une agrgation dhabitations, de productions et stockages locaux tels que le verrait un
transformateur basse tension sous des critres durables, cest--dire mlangeant sous des pondrations dfinir les critres
conomiques, techniques et environnementaux.

Rfrences
[1] K. Basu, V. Debusschere, S. Bacha, Appliance usage prediction using a time series based classification approach,
38th Annual Conference of the IEEE Industrial Electronics Society, IECON, pp. 12171222, 2012.
[2] R.L.D. Livengood, The Energy Box : Locally Automated Optimal Control of Residential Electricity Usage, Center
for Engineering Systems Fundamentals, Engineering Systems Division, MIT, Cambridge, Massachusetts, 2009.
[3] Y. Riffoneau, Gestion des Flux Energtiques dans un Systeme Photovoltaique avec Stockage Connect au Rseau,
Grenoble : Universit Joseph Fourier, G2Elab, EEATS, Le 23 octobre 2009.
[4] G. T. Constanzo, Demand Side Management in the Smart Grid, Universit de Montral, Novembre 2011.
[5] R. M. Badreddine, Gestion Energetique Optimise pour un Batiment Intelligent Multi-sources Multi-charges :
diffrents principes de validation, Universit de Grenoble, 2013.