Planification energétique optimale à l'échelle quartier

Dans ces travaux nous développons une méthodologie et un outil d’aide à la décision associé (OMEGAlpes), permettant d’exploiter au mieux la flexibilité offerte par les systèmes énergétiques d’un quartier. Notre approche repose sur la défnition de stratégies de planifiation énergétique multifluides optimales, grâce à la construction de modèles génériques et paramétrables, dédiés à l’optimisation MILP (Mixed-Integer Linear Programming). La force de cette solution repose notamment sur la mise à disposition de modèles énergétiques pilotables, comme par exemple des modèles de consommation flexible, adaptés à l’étude de scénario de pilotage de la charge. L’objectif est d’offrir aux différents acteurs du monde de l’énergie une aide pour concevoir, dimensionner, et gérer les systLmes énergétiques au niveau des quartiers.

Il s’agit d’un modeleur open-source de problème d'optimisation énergétique à l'échelle quartier.
documentation : https://omegalpes.readthedocs.io
Le code source d'OMEGAlpes est disponible à l'adresse suivante : https://gricad-gitlab.univ-grenoble-alpes.fr/omegalpes/omegalpes

Un exemple simple de problème traité par OMEGAlpes est le problème de flexibilité décrit ci-dessous:


Les résultats de pilotage des équipements afin de minimiser les emissions de CO2 peuvent être analysés comme ceci :

OMEGAlpes peut être utilisé en ligne via par exemple ce notebook Jupyter sur l'autoconsommation d'un système PV : https://tinyurl.com/ORUCE-BS2021
D'autres exemples permettent d'illustrer les fonctionnalités : https://gricad-gitlab.univ-grenoble-alpes.fr/omegalpes/omegalpes-examples

Un des intérêts d'OMEGAlpes est de permettre de générer un problème d'optimisation MILP sans maitriser cette technique de modélisation. Ainsi nous développons actuellement des travaux de recherche sur l'intégration de données heterogènes pour la modélisation à l'échelle quartier.

Grâce à ces données, OMEGAlpes est capable de générer automatiquement des modèles thermiques de bâtiments Le modèle RC d'une zone thermique étant détaillé ci-dessous :

D'autres travaux de recherche visent à compléter la librairie de modèles par des modèles d'acteurs des projets energétiques.
Pour de plus amples détails, se référer aux publications suivantes.

• Pajot, C.; Artiges, N.; Delinchant, B.; Rouchier, S.; Wurtz, F.; Maréchal, Y. An Approach to Study District Thermal Flexibility Using Generative Modeling from Existing Data. Energies 2019, 12, 3632. DOI:10.3390/en12193632
• Pajot, C.; Delinchant, B.; Maréchal, Y.; Frésier, D. Impact of Heat Pump Flexibility in a French Residential Eco-District. Buildings 2018, 8, 145. DOI:10.3390/buildings8100145
  Published in MDPI Books, Environmental Impact Assessment of Buildings, Wahidul K. Biswas (Ed.)  ISBN 978-3-03928-243-2, https://doi.org/10.3390/books978-3-03928-244-9, 2020
• Lou Morriet, Gilles Debizet, Frederic Wurtz, "Multi-actor modelling for MILP energy systems optimisation: application to collective self-consumption" BS’15, Building Simulation Conference, Roma in September 24, 2019.
• Camille Pajot, Lou Morriet, Sacha Hodencq, Vincent Reinbold, Benoit Delinchant, Frédéric Wurtz, Yves Maréchal, “Omegalpes: An Optimization Modeler as an EfficientTool for Design and Operation for City Energy Stakeholders and Decision Makers”, BS’15, Building Simulation Conference, Roma in September 24, 2019.
• Camille Pajot, Quang Hung Nguyen, Benoit Delinchant, Frédéric Wurtz, Yves Maréchal, Stéphane Robin, Benjamin Vincent, François Debray, “Databased Modeling of Building Consumption Profile for Optimal Flexibility: Application to Energy Intensive Industry”, BS’15, Building Simulation Conference, Roma in September 2-4, 2019.
• Camille Pajot, Nils Artiges, Benoit Delinchant, Yves Maréchal “Optimal Heat Pumps Operation For Demand Response of Residential Buildings At District Scale”, BS’15, Building Simulation Conference, Roma in September 24, 2019.
• Pajot C., Delinchant B., Maréchal Y., Wurtz F., Morriet L., Vincent B. and Debray F. (2018). Industrial Optimal Operation Planning with Financial and Ecological Objectives. In Proceedings of the 7th International Conference on Smart Cities and Green ICT Systems - Volume 1: SMARTGREENS, ISBN 978-989-758-292-9, pages 214-222. DOI: 10.5220/0006705202140222