Reducing Building Heat Demand Through Intelligent Control: A Comparative Simulation Study

Résumé Technique : Réduction de la demande de chauffage des bâtiments grâce au contrôle intelligent

Énoncé du problème
Le chauffage des locaux constitue la part dominante de la consommation d'énergie dans les bâtiments. Bien que la rénovation structurelle réduise efficacement la demande, elle est souvent coûteuse et chronophage. La littérature existante suggère que le remplacement des contrôleurs conventionnels de compensation météorologique (contrôleurs de courbe de chauffe) par des stratégies de commande prédictive (MPC) intelligentes peut réduire considérablement l'énergie de chauffage. Cependant, la plupart des études comparent la MPC à des méthodes de contrôle conventionnelles. Il existe une lacune dans la compréhension de la manière dont la formulation spécifique de la fonction objectif de la MPC influence le compromis entre le confort thermique (suivi de la température) et la demande de chaleur. Plus précisément, il n'est pas clair si prioriser un suivi strict de la température ou la minimisation de la puissance de chauffage produit des résultats énergétiques différents.

Méthodologie
L'étude utilise une approche de simulation comparative utilisant un modèle de bâtiment virtuel pour générer des données synthétiques à haute résolution.

• Centrale Virtuelle : Un modèle thermique de bâtiment détaillé basé sur la norme ISO 52016-1 a été implémenté en Python pour simuler un bâtiment résidentiel de deux étages de 100 m² à Zurich, en Suisse, sur une période de trois mois (janvier–mars 2020). Ce « modèle ISO » a généré des données de mesure synthétiques en utilisant des entrées météorologiques et un contrôleur de chauffage linéaire simple.
• Modèle du Contrôleur Interne : Un modèle simplifié de résistance-capacité (RC) à un nœud (1-R-1-C) a été paramétré à l'aide des données synthétiques du modèle ISO. Ce modèle RC sert de modèle de centrale interne pour le contrôleur MPC, implémenté dans MATLAB.
• Simulation MPC : Deux stratégies MPC distinctes ont été simulées sur une période de 144 heures (6 jours) à l'aide de la boîte à outils MPC de MATLAB. Les deux stratégies utilisaient le même horizon de prédiction (12 heures), le même horizon de commande (12 heures) et les mêmes contraintes physiques (limites de puissance de chauffage, limites de température). Elles différaient uniquement par leurs poids de fonction objectif quadratique :
  • Simulation A (Minimisation de la puissance) : Priorise la minimisation de la puissance de chauffage ($w_{\dot{Q}_h}=1, w_{T_i}=0$).
  • Simulation B (Suivi du confort) : Priorise le suivi de la température de référence de la pièce ($w_{\dot{Q}_h}=0, w_{T_i}=1$).
    Les deux maintenaient une température de référence de 20,0 °C (18,0 °C la nuit) et respectaient les limites de confort ($T_{ref} \pm 0,5\text{ °C}$ à $+5,0\text{ °C}$).

Résultats Clés
Les résultats de la simulation sur six jours ont révélé des caractéristiques de performance distinctes entre les deux stratégies :

• Confort Thermique : La Simulation B (suivi du confort) a obtenu une régulation de température supérieure avec une erreur quadratique moyenne (RMSE) de 0,30 °C, contre 0,82 °C pour la Simulation A.
• Dynamique de la Puissance de Chauffage : La Simulation A a évité les valeurs de puissance de chauffage extrêmes, ne dépassant jamais 7,1 kW. En revanche, la Simulation B a fréquemment utilisé la puissance de chauffage maximale autorisée de 10 kW pour corriger rapidement les écarts de température.
• Consommation d'Énergie : De manière contre-intuitive, la Simulation A (minimisation de la puissance) a entraîné une demande d'énergie de chauffage cumulée plus élevée (603 kWh) par rapport à la Simulation B (590 kWh). La Simulation B a réalisé une réduction de 2 % de la consommation d'énergie totale malgré l'utilisation de pics de puissance plus élevés.
• Contraintes : Les deux stratégies ont respecté avec succès toutes les contraintes définies de puissance de chauffage et de température.

Signification et Revendications
L'article affirme que le choix de la formulation de la fonction objectif est un déterminant critique de la performance du système dans le cadre du contrôle de bâtiment basé sur la MPC.

• Nouveauté : L'étude souligne que, bien que la MPC soit typiquement formulée pour minimiser le coût ou l'énergie, l'application de celle-ci uniquement pour le suivi de la consigne (Simulation B) est une approche peu commune qui a produit des résultats inattendus.
• Mécanisme d'Économie d'Énergie : Les auteurs attribuent la consommation d'énergie plus faible du contrôleur de suivi du confort à la nature quadratique de l'objectif de minimisation de la puissance. En élevant au carré le terme de puissance de chauffage, la fonction de coût pénalise de manière disproportionnée les taux de puissance élevés, forçant le contrôleur à éviter les entrées extrêmes. Cet évitement conduit à un profil de chauffage plus graduel et moins efficace qui, en fin de compte, consomme plus d'énergie totale. À l'inverse, le contrôleur de suivi du confort utilise des pics de haute puissance pour maintenir un contrôle serré de la température, ce qui s'avère plus efficace sur le plan énergétique dans ce contexte de simulation spécifique.
• Implications : Les résultats suggèrent que la MPC peut atteindre des niveaux de confort thermique élevés sans compromettre la demande énergétique, et potentiellement même en la réduisant, sans changements structurels de l'enveloppe du bâtiment. Cependant, les auteurs notent modestement que ces conclusions sont spécifiques au bâtiment virtuel simulé et aux conditions ambiantes, et que l'influence de la formulation de la fonction objectif (par exemple, l'utilisation d'objectifs non quadratiques ou de la minimisation directe de l'énergie) mérite des investigations plus approfondies.