L’Energie en révolution Numérique - IMT

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 »


-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 :



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)



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)


•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 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


•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.


-Illustration 2: -Simulation réseau de chaleur-(Marguerite et al., 2013)

Représentation du réseau Graphe orientéProgrammation LinéaireContraintes :

Capacité des conduitesCapacité des sourcesBilan énergétique aux nœuds



-Illustration 3: Les sous stations � point de d’interactions multiples-(Castro Flores et al., 2016)

Supply

Return end of

network

Heat Plant

. . .


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)


-Illustration 2:


Influence sur les pertes Economies/sources


-Illustration 4: Les sous stations � point de pilotage intelligent-(Haurant et al., 2016)

1 2


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


-Illustration 4:


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 %


-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


--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


-Combinaison des solutions de modélisation/simulatio n des réseaux selon les objectifs opérationnels-LP, MILP, thermo, technico-économiques…

MERCI 17


L’Energie en révolution Numérique - IMT

Documents

Transcript of L’Energie en révolution Numérique - IMT