De nouvelles approches pour la surveillance de la performance des bâtiments à partir d'outils de simulation
Des études ont révélé qu’il est possible de réaliser d’importantes économies d’énergie dans les bâtiments en recourant à des systèmes de contrôle prédictifs intelligents plutôt qu'aux systèmes de contrôle réactifs traditionnels. Actuellement, le chauffage, la ventilation et la climatisation (CVC) représentent jusqu’à 50 % de la consommation d’énergie des bâtiments. En outre, l’analyse des systèmes CVC montre également que des économies d’énergie considérables peuvent être réalisées en adoptant un système d'algorithmes de Détection et diagnostic des défauts (fault detection and diagnostics, FDD) automatisé. Le projet EINSTEIN, financé par l’UE, a eu recours à un système FDD pour élaborer de nouvelles stratégies de surveillance utilisées avec des systèmes de contrôle des bâtiments basés sur la simulation. Le système mis au point permet non seulement d’éliminer les erreurs entre les états «tel que construit» et «tel que conçu», mais aussi d’utiliser l’analyse prédictive pour déterminer la performance du bâtiment en tenant compte de l’impact des conditions météorologiques et de l’utilisation par ses occupants. Stratégies élaborées pour la surveillance des bâtiments Les partenaires du projet ont élaboré trois stratégies de surveillance en lien avec le FDD: la prédiction de la performance des bâtiments, l’optimisation, et la détection des défauts. «Alors que le FDD est généralement la première étape pour “corriger” les problèmes dans un bâtiment, les deuxième et troisième algorithmes font partie de ce qui est décrit comme une Solution de contrôle préventif du modèle (Model Predictive Control, MPC)», explique la coordinatrice du projet, la Dre Ruth Kerrigan. «Le MPC prévoit et optimise dynamiquement la performance du bâtiment, outre les contrôles de pointe reposant sur des règles standards». Les stratégies de surveillance ont été testées et affinées à l’aide d’une série de sites de démonstration, incluant des bâtiments résidentiels et des bureaux commerciaux en Irlande et en Écosse. Les chercheurs ont également testé un système en boucle ouverte pour la détection des défauts, un système de détection des défauts basé sur un signal pour l’équipement de chauffage dans un bâtiment résidentiel standard, et un système de tests de détection basés sur des règles à partir de données réelles. D’après la Dre Kerrigan: «Tous les tests ont permis d’améliorer la performance des bâtiments en matière de consommation d’énergie et/ou de coût, sans sacrifier au confort de l’utilisateur». Création d’algorithmes Les chercheurs ont également créé et testé des algorithmes FDD et MPC afin de déterminer les avantages qu’ils offrent par rapport aux stratégies traditionnelles de surveillance des bâtiments. Les algorithmes développés dans le cadre de EINSTEIN ont été testés sur des données acquises relatives à des bâtiments réels pour le FDD, ainsi que sur des Modèles calibrés avancés (Advanced Calibrated Models, ACM) basés sur des bâtiments existants pour le MPC. «Les ACM sont des modèles de simulation dynamique de bâtiments calibrés pour garantir que les modèles exercent une influence précise sur la performance réelle du bâtiment qu’ils représentent», explique la Dre Kerrigan. Les algorithmes MPC élaborés pour les modèles ont permis de réaliser des économies d’énergie de l’ordre de 15 à 17 %, avec des économies sur les coûts énergétiques variant de 35 à 40 %. «Bien qu’il soit difficile d’associer une économie d’énergie et de coûts avec la mise en œuvre d’algorithmes FDD, tous les tests ont abouti à l’identification automatisée des défauts», explique la Dre Kerrigan. «Cela permet d’éviter le gaspillage d’énergie et les dépenses superflues ainsi que de réduire le risque d’inconfort pour l’utilisateur résultant de défaillances mécaniques. L’écart de performance a été comblé Les avantages associés aux modèles opérationnels pour le FDD et le MPC comprennent la capacité de surveiller et de diagnostiquer efficacement les écarts entre l’intention de la conception et le rendement opérationnel (souvent appelé «écart de rendement»). Ces modèles peuvent également s’adapter aux changements dans le mode d'exploitation du bâtiment ou du système (par rapport aux approches uniquement axées sur les données). La Dre Kerrigan déclare: «En outre, ces modèles sont capables de simuler différents scénarios de surveillance, de reconnaître la réponse réelle du système et de permettre l’optimisation des stratégies de surveillance à l’aide d’un retour de performance réelle et de données météorologiques réelles». EINSTEIN profitera aux gestionnaires de bâtiments en leur offrant une gestion continue des bâtiments de meilleure qualité et plus efficace ainsi qu’une plus grande flexibilité de contrôle par le biais des systèmes de gestion des bâtiments. «Le projet contribuera également à la recherche future en forgeant des partenariats entre l’industrie et le monde universitaire, en développant un prototype de cadre de contrôle intelligent des bâtiments et en appliquant la prédiction des performances et l’optimisation du contrôle», souligne la Dre Kerrigan.
Mots‑clés
EINSTEIN, efficacité énergétique, système de détection et diagnostic de défauts (FDD) automatisé, contrôle préventif du modèle (MPC), modèles calibrés avancés (ACM)
